[發明專利]一種監測數據異常的識別及處理方法和系統

有效

• 申請號: 202011097985.6
• 申請日: 2020-10-14
• 公開（公告）號: CN112148722B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 羅小婭
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/23;G06F16/248
• 代理公司: 四川省成都市天策商標專利事務所(有限合伙) 51213
• 代理人: 郭會

1.一種監測數據異常的識別及處理方法，其特征在于，包括如下步驟：

步驟1：根據監測數據的數據項目數量，確認分配各數據項目對應的標識位置；根據二進制位從低位到高位的順序，對數據項目進行排列，確定每個數據項目對應的二進制位的位置；

步驟2：針對各數據項目，按時間升序排列數據，對前若干條數據進行均值濾波，過濾掉明顯的異常數據；

步驟3：針對各數據項目，利用步驟2處理后數據項目建立各自的卡爾曼濾波模型，并依次反饋更新到當前時刻狀態；

步驟4：根據當前時刻狀態的卡爾曼濾波器，預測輸出各數據項目在下一時刻的預測值；

步驟5：比較下一時刻的預測值和下一時刻采集到的數據項目值，判斷傳感器設備采集到的數據項目值是否屬于疑似異常值；如果異常則在該數據項目對應的標識位設置為1,否則設置為0；

步驟6：讀取所有疑似異常的項目數據；

步驟7：根據步驟6查詢出來的疑似異常數據和對應的歷史正常數據，通過可視化界面進行展示，并由人工對判斷結果進行審核校正；

步驟8：將校正結果重新寫入數據庫對應的記錄，更新替換以前的判斷結果，對判定為正常的數據項目執行步驟9，對錯誤的數據項目，執行步驟11；

步驟9：對于人工校正為正常的數據項目，將該部分數據作為正常監測值，用于濾波器模型的監測值更新，更新濾波器模型的相關參數矩陣，用于下次數據的預測，完成后執行步驟10，進行對應閾值的更新；

步驟10：通過當前預測值與采集到的數據項目值的差值的倍數作為更新輸入，當閾值濾波器進行預測后，將該輸入數據作為監測值進行閾值濾波器更新；

步驟11：對閾值濾波器進行預測操作，匹配當前時間狀態。

2.根據權利要求1所述的一種監測數據異常的識別及處理方法，其特征在于，步驟6具體如下：

步驟6.1:根據標識字段，查詢標識字段不為0的記錄；

步驟6.2:解析標識字段，通過與運算，獲取不為0的位；

步驟6.3:根據異常的數據位，確認對應的數據項目，查詢異常時刻前若干條數據項目。

3.一種監測數據異常的識別及處理系統，其特征在于包括

數據異常標識字段構建模塊，用于將監測數據根據數據項目數量，確認分配各數據項目對應的標識位置；根據二進制位從低位到高位的順序，對數據項目進行排列，確定每個數據項目對應的二進制位的位置；

數據預測模塊，用于預測下一時刻的預測值；

疑似異常數據判斷模塊，用于讀取所有疑似異常的項目數據；

審核校正模塊，通過可視化界面進行展示，由人工對判斷結果進行審核校正；

監測濾波器更新模塊，將人工校正為正常的數據輸入濾波器模型，進行監測濾波器更新；對于人工審核校正為異常的數據，不用于濾波器更新，對于人工校正為正常的數據，將該部分數據作為正常監測值，用于濾波器模型的監測值更新，更新濾波器模型的相關參數矩陣，用于下次數據的預測；

閾值濾波器更新模塊，所述監測濾波器更新模塊更新完畢后，所述閾值濾波器更新模塊根據人工校正為正常的數據進行更新；當前監測值是正確的監測值，則通過當前預測值與正常監測值的差值的倍數作為更新輸入；當前監測值是錯誤的監測值，不進行數據更新。

4.根據權利要求3所述的一種監測數據異常的識別及處理系統，其特征在于，在所述數據異常標識字段構建模塊中，采用int數據類型來標識各數據項目的異常情況。

5.根據權利要求4所述的一種監測數據異常的識別及處理系統，其特征在于，在所述數據異常標識字段構建模塊中，針對標識字段的生成和解析方法如下：

標識字段生成：根據二進制位從低位到高位的順序，對數據項目進行排列，確定每個數據項目對應的二進制位的位置,當某個數據項目數據異常時，將其對應的數據位設置為1,當所有數據項目判斷并設置完成后，存儲二進制數據對應的int整型結果數據;

標識字段解析：標識字段解析通過二進制數據位運算的與運算來實現。