[发明专利]一种用于热力供热远程关系系统的数据处理方法

说明书

本发明涉及数据预测技术领域，具体涉及一种用于热力供热远程关系系统的数据处理方法。该方法通过历史数据的统计，分析供回水温度差信息和瞬时流量信息的普遍相关系数，进一步统计出历史数据中的异常时间段信息，进而获得限制离群区间。通过异常时间段获得的参考时间段对历史供热数据进行分段分析，利用限制离群区间优化分析数据，获得限制数据相关系数集合，利用限制数据相关系数集合结合当前参考时间段下的数据相关系数对未来时间段下的数据相关系数进行预测，实现对供热数据的异常判断。本发明通过基于历史数据的大数据统计，获得便于预测的限制数据相关系数集合，进而通过数据的预测实现供热数据的异常判断。

技术领域

本发明涉及数据预测技术领域，具体涉及一种用于热力供热远程关系系统的数据处理方法。

背景技术

集中供热系统的热量输配由室外系统完成，大多数地区采用热水作为集中供热系统的热源，而热水的供回水温度差和瞬时流量对用户供热质量的影响大，热力供热远程关系通常包括水力关系和热力关系两个方面，水力关系包含水力失调，热力关系包含热力失调，供回水温度差和瞬时流量的不均衡很可能导致水力失调和热力失调的问题，影响用户的供暖质量，因此需要利用热力供热远程关系系统对集中供热系统进行远程管理。

在集中供暖场景中，现有技术通过采集大量的集中供热系统中数据，并对其中的异常数据进行分析并加以利用，以发现供暖异常情况，但是采集的数据往往具有滞后性，并且对数据预测常采用霍尔特双参数平滑法，该方法是用于预测时间序列的一种指数平滑方法，直接对集中供热系统中数据使用该方法时预测结果容易受到离群值的影响，离群值为与供热数据差异较大的供热数据，进而导致预测结果准确性低，对集中供热系统中数据处理的效果不好。

发明内容

为了解决现有技术直接对集中供热系统中数据使用霍尔特双参数平滑法时，预测结果容易受到离群值的影响，进而导致预测结果准确性低，对集中供热系统中数据处理的效果不好的技术问题，本发明的目的在于提供一种用于热力供热远程关系系统的数据处理方法，所采用的技术方案具体如下：

本发明提出了一种用于热力供热远程关系系统的数据处理方法，所述方法包括：

根据预设采样频率获得经过预处理后的历史供热数据中的时刻集合，以及对应时刻下的供回水温度差集合和瞬时流量集合；

根据所述供回水温度差集合和所述瞬时流量集合获得所述历史供热数据的普遍相关系数；获取所述历史供热数据中异常数据的异常时间段；根据每一个异常时间段下的供回水温度差数据和瞬时流量数据获得每一个异常时间段的异常相关系数；根据所述异常时间段的时长和其所在预设采样周期下异常时间段的数量，获得每一个异常时间段对应的异常相关系数权重，根据所述异常相关系数和所述异常相关系数权重获得异常数据的异常关系系数；

根据所述普遍相关系数和所述异常关系系数获得限制离群区间；根据所述异常时间段获得参考时间段，获得所述历史供热数据每一个参考时间段下的数据相关系数，根据所述限制离群区间和所述数据相关系数获得限制数据相关系数集合；

根据所述限制数据相关系数集合和当前参考时间段下的数据相关系数，获得未来参考时间段下的预测数据相关系数，根据所述预测数据相关系数预测对应的供热数据是否出现异常。

进一步地，相关系数的获取方法包括：

以供回水温度差数据和对应瞬时流量数据之间的皮尔逊相关系数的绝对值作为相关系数。

进一步地，所述获得每一个异常时间段对应的异常相关系数权重，包括：

将每一个异常时间段的时间长度归一化后除以所述异常时间段所在预设采样周期下异常时间段的数量，获得初始异常相关系数权重，将所述初始异常相关系数权重负相关映射并归一化，获得所述异常相关系数权重。

进一步地，所述根据所述异常相关系数和所述异常相关系数权重获得所述异常数据的异常关系系数，包括：

将每一个所述异常相关系数与对应的异常相关系数权重的乘积的平均值作为所述异常关系系数。