智能水表讀數誤差的定位和分析

許冠軍 高昌盛

摘要：智能水表技術解決了用水數據獲取實時性的問題，但新的獲取用水量數據技術，在統計準確性上不如傳統方法。為定位智能水表系統的可能錯誤數據，該文提出了基于歷史數據的誤差定位方法，可以有效發現疑似誤差數據。

關鍵詞：校驗;智能水表;歷史數據

中圖分類號：G642? ? ? ? 文獻標識碼：A? ? ? ? 文章編號：1009-3044（2018）34-0193-03

1 引言

水務公司為便于分析區域用水情況和布局合理的管網等需求，對居民用水數據的實時性和準確性要求越來越高。智能水表技術有效地解決了獲取用水數據實時性的問題，但無論是超聲波智能水表還是基于圖像識別的智能抄表系統，都存在較大比例的讀數誤差。誤差數據的存在，尤其是明顯的居民用水數據錯誤，會引起客戶的投訴，造成客戶和水務公司對系統數據的不信任，嚴重影響智能水表系統的進一步推廣。

為提高用水量數據的準確性，應在初次統計的數據中，盡可能發現可能的誤差數據，結合系統重讀、人工篩查和智能預測等方法進行及時糾正。本文提出了基于歷史數據的居民用水量數據校驗和分析方法，具體實現步驟：（1）結合區域居民的歷史用水數據，對居民的用水特點進行分類，形成不同類型的居民用水類型[1-2];（2）結合一年四季的用水差別，利用已分類的用戶類型，擬合出各類型的年度月平均用水變化曲線[3];（3）結合區域用戶的年度月平均用水曲線，得出月際用水量的變化幅度[4-5]。結合用戶的歷史用水數據，對當月的系統讀數的進行合理性識別，并確定疑似誤差數據。

2 用水模式分析

本文對某市區的近萬戶居民連續兩年用水歷史數據進行分析，在用戶類型劃分和用水模式分析中，月平均用水量和用水時間波動性是最受關注的兩個因素。經過初步的數據分析發現，月平均用水量能較好地區分用戶的類別，因此，本文先利用月平均用水量劃分用戶類型。

3 數值實驗

本文的實驗數據來自基于圖像識別的自動抄表系統，一般情況下該系統的讀數自動識別正確率能達到95%，發現剩余5%的錯誤數據，是本文算法要解決的主要問題。

3.1 實驗分析

實驗中，對非樣本的生產數據進行直接驗證，本文算法與傳統的直接基于上月數據校驗算法進行比較。實驗結果對正常數據誤判率（把正常的數據標識成疑似誤差數據的比例）、錯誤數據識別率（正確識別誤差數據的比例）二組結果記錄如表4。

由表4的實驗結果可以發現，和傳統算法相比較，本文算法引入了用水量隨季節變化的用水模式因素，降低了正常數據的誤判率，且提高了錯誤數據的識別率。

3.2 算法分析

傳統的直接和上月用水量進行比較的計算方法相對簡單，可以粗略判斷數據的合法性，但由于沒有結合用水量隨季節變化的因素，在季節交替月份的檢驗效果較差。本文提出的算法，彌補了傳統算法的缺點，但相對計算量較大，具體特點如下：

1）算法依賴于往期數據的完整性。若對于不完備的用水數據或數據質量不高的情形，可以先應用傳統方法進行數據積累，當數據量積累到1年以上時，便可應用算法。

2）區分用戶類型的目標是對有相同用水模式的用戶進行分類，本文的用戶分類僅根據年度月平均用水量，相對比較粗糙，有待進一步改進。但無論何種分類方法，用水模式會隨地域和時間變化而變化，此類算法需要定期更新區域用戶用水模式數據。

3）模型只假設當月用水數據只和上月數據相關，若能考慮更多月份的用水數據和往年同期用水數據，可能會使模型更加完善。

4 小結

本文設計的用水量校驗算法是抄表系統的一個重要的輔助模塊，在系統實現中，增加了當月待核實數據的預測區間，用于抄表員及時發現疑似錯誤數據。由表4可知，該算法正常數據誤判率在7%和11%之間，錯誤數據的識別率介于86%和90%之間，取得了相對滿意的校驗效果。進一步優化用戶分類方法，形成更為精確的用水模式，將是以后的研究方向。

參考文獻：

[1] 王保義，胡恒，張少敏. 差分隱私保護下面向海量用戶的用電數據聚類分析[J]. 電力系統自動化， 2018，42（2）：121-127.

[2] 劉春霞，王琰，沈磊，等. 城市典型用戶四季用水模式變化規律的確定及分析[J]. 供水技術， 2015，9（4）：49-52.

[3] 趙太飛，谷偉豪，段延峰. 農村居民用水行為的識別方法[J].水資源與水工程學報， 2016，27（4）：70-74.

[4] 屈曉淵，張永恒，張鋒，等. 礦區水環境數據預測模型研究[J]. 電子設計工程， 2016，24（10）：45-48.

[5] 陳佳袁，閆杰. 基于ARMA模型的水文數據預測[J]. 浙江水利科技，2017（6）：27-30.

【通聯編輯：王力】