本發明涉及污水處理云邊數據協同管理，具體為一種用于污水處理的云邊數據協同系統及方法。

背景技術：

1、隨著物聯網、大數據和人工智能技術的快速發展，污水處理領域對數據處理效率和實時性的要求越來越高。傳統的云計算模式雖然具有強大的數據處理能力，但由于數據傳輸延遲和帶寬限制，難以滿足實時性要求較高的應用場景；因此，云邊數據協同系統應運而生。

2、現有的用于污水處理的云邊數據協同系統，通常在污水處理過程中，邊緣設備負責實時采集和處理水質數據，而云端服務器則負責存儲、分析功能，雖然提高了對污水處理數據的處理效率，降低了數據傳輸時延；但是，現有技術在云邊數據協同過程中無法根據云端數據分析反饋結果，實現對邊端設備待傳輸數據中局部數據采樣詳細程度的動態調控，使得無法快速有效地對污水處理設備中的異常故障進行快速鎖定及預警，因此，現有技術存在較大的缺陷。

技術實現思路

1、本發明的目的在于提供一種用于污水處理的云邊數據協同系統及方法，以解決上述背景技術中提出的問題。

2、為了解決上述技術問題，本發明提供如下技術方案：一種用于污水處理的云邊數據協同方法，所述方法包括以下步驟：

3、s1、邊端設備實時采集污水處理過程中的數據，并對采集的污水處理數據進行預處理，整合成污水處理數據傳輸集傳輸給云端服務器；

4、s2、云端服務器對邊端設備傳輸的污水處理數據傳輸集進行存儲及特征提取，基于污水處理數據傳輸集的特征提取結果進行污水處理狀態分析，得到污水處理數據的風險監測項及相應風險監測項的風險評估值；

5、s3、基于所得污水處理數據的風險監測項及相應風險監測項的風險評估值，提取污水處理數據中所屬邊端設備的異常監測源，并生成相應邊端設備的傳輸反饋結果；

6、s4、邊端設備根據從云端服務器接收的傳輸反饋結果，對當前時間整合的污水處理數據傳輸集進行協同優化，將優化后的污水處理數據傳輸集替換原有的污水處理數據傳輸集傳輸給云端服務器。

7、進一步的，所述s1中對采集的污水處理數據進行預處理過程包括對缺失的采集數據通過同一傳感器最近預設時間段內各個采集數據的平均值補充；所述污水處理數據包括與相應邊端設備連接的各個污水處理設備中不同傳感器分別對應的監測結果，同一污水處理設備包括一個或多個傳感器；所述污水處理數據傳輸集為按采集時間先后順序對待傳輸的各個時間點分別對應污水處理數據的匯總集合。

8、本發明邊端設備代表一個邊端數據處理器，其接收的可能是一個污水處理設備或多個綁定的污水處理設備中的各個傳感器在不同時間點的監測數據；傳感器每隔預設時間（tg）向相應的邊端設備傳輸一次監測數據，邊端設備在對接收的各個傳感器監測數據整合（污水處理數據傳輸集）后再傳輸給云端服務器。

9、進一步的，所述s2中云端服務器對邊端設備傳輸的污水處理數據傳輸集提取的特征包括異常監測數據項、趨勢變化異常數據項及數據協同關聯異常項；所得特征提取結果中每個元素項對應一個傳感器；

10、所述異常監測數據項表示對應傳感器監測數據存在不屬于相應傳感器監測預置監測區間的傳感器；

11、所述趨勢變化異常數據項表示同一傳感器的各個監測數據中最大監測數據與最小監測數據構成監測數據區段內，任意相鄰的兩個監測數據對應突變系數絕對值的平均值大于異常趨勢閾值的傳感器；兩個監測數據對應突變系數絕對值等于相應兩個監測數據之差除以相應兩個監測數據對應的數據采集時間間隔時長后所得商的絕對值；所述異常趨勢閾值為歷史數據庫中傳感器監測數據不屬于相應傳感器監測預置監測區間的各個傳感器監測數據之前預設時間段內，同一傳感器的各個監測數據中最大監測數據與最小監測數據構成監測數據區段中，任意相鄰的兩個監測數據對應突變系數絕對值的平均值；

12、本發明中云端服務器對邊端設備傳輸的污水處理數據傳輸集提取的特征包括異常監測數據項、趨勢變化異常數據項及數據協同關聯異常項時，是從三個角度對監測狀態異常的傳感器進行考慮的，第一個角度中，異常監測數據項對應的是從傳感器的實際異常監測結果考慮的；第二角度中，趨勢變化異常數據項是通過監測數據的變化趨勢實現對傳感器異常監測狀態預測來考慮的；第三個角度，數據協同關聯異常項是從存在關聯關系的每個傳感器對應突變特征系數的綜合情況來考慮的。

13、所述數據協同關聯異常項表示存在關聯關系的每個傳感器對應突變特征系數構成的數組，分別與歷史數據中對應傳感器構成的各個預置數組之間相似度的最大值大于預設相似度的存在關聯關系的各個傳感器；所述傳感器之間的關聯關系為數據庫中預置的；

14、存在關聯關系的每個傳感器對應突變特征系數表示存在關聯關系的每個傳感器的最大監測數據與最小監測數據對應監測數據區段的采集時間區間的交集中，每個傳感器對應的任意相鄰的兩個監測數據對應突變系數絕對值的平均值；

15、將歷史數據庫中傳感器監測數據不屬于相應傳感器監測預置監測區間的各個傳感器監測數據之前預設時間段內，將與相應傳感器存在關聯關系的每個傳感器對應的任意相鄰的兩個監測數據對應突變系數絕對值的平均值作為一個元素所構成的數組作為歷史數據中存在關聯關系的相應傳感器構成的一個預置數組；

16、兩個數組之間的相似度等于兩個數組中各個對應位置的元素之間相似度的平均值，對應位置元素之間的相似度等于對應位置元素中的最小值除以最大值的商，當對應位置元素的最大值為0時，則判定對應位置元素之間的相似度為1。

17、進一步的，所述s2中得到污水處理數據的風險監測項包括云端服務器對邊端設備傳輸的污水處理數據傳輸集提取特征中的各個元素；

18、污水處理數據的風險監測項相應風險評估值的計算公式，具體為:

19、；

20、其中，rvn表示污水處理數據的第n個風險監測項的風險評估值；en表示污水處理數據的第n個風險監測項對應的異常因子；所述en的值等于污水處理數據的第n個風險監測項在生成過程中所屬異常項種類分別對應的異常因子中的最大值，所述異常項種類包括異常監測數據項、趨勢變化異常數據項及數據協同關聯異常項，且不同異常項種類在數據庫中對應預置的不同異常因子，所述異常因子為常數；pn表示污水處理數據的第n個風險監測項在最近預設時間段內，不屬于相應傳感器監測預置監測區間的傳感器監測數據個數占相應傳感器監測數據總個數的比值；pg（n，m）表示污水處理數據中與第n個風險監測項存在關聯關系的第m個風險監測項在最近預設時間段內，不屬于相應傳感器監測預置監測區間的傳感器監測數據個數占相應傳感器監測數據總個數的比值；mn表示污水處理數據中與第n個風險監測項存在關聯關系的風險監測項個數；μ表示轉化權重系數，且μ為預置的常數；scr表示對比篩選函數，當mn=0時，則判定；反之，則判定。

21、進一步的，所述s3包括：

22、獲取污水處理數據的風險監測項及相應風險監測項的風險評估值，將對應風險評估值大于預設風險值的每個風險監測項記為一個監測風險源；將污水處理數據中與監測風險源存在關聯關系的每個風險監測項記為協同監測源；所述污水處理數據中所屬邊端設備的異常監測源包括相應污水處理數據的監測風險源及協同監測源；

23、生成相應邊端設備的傳輸反饋結果的過程中，將第i個邊端設備中第j個傳感器對應的傳輸反饋結果記為f（i，j），具體計算公式如下：

24、；

25、其中，t（i，j）表示傳輸反饋前第i個邊端設備中第j個傳感器對應的數據采集間隔時長；bl（i，j）表示第i個邊端設備中第j個傳感器前一次接收傳輸反饋結果時對應的偏置系數；bd（i，j）表示第i個邊端設備中第j個傳感器當前的偏置系數；偏置系數等于相應傳感器的偏置因子除以相應邊端設備中各個傳感器的偏置因子之和后的商；當傳感器屬于相應邊端設備的異常監測源時，則相應傳感器的偏置因子等于相應傳感器的風險評估值；當傳感器不屬于相應邊端設備的異常監測源時，則相應傳感器的偏置因子為預置的常數。

26、進一步的，所述s4中對當前時間整合的污水處理數據傳輸集進行協同優化時，獲取當前時間整合的污水處理數據傳輸集，將當前時間整合的污水處理數據傳輸集中同一傳感器在不同時間分別對應監測結果按時間先后順序依次匯總后的集合記為相應傳感器的第一優化備選集合；獲取每個傳感器的第一優化備選集合中各個元素分別對應的采集時間；將每個傳感器的第一優化備選集合中任意相鄰的兩個元素對應采集時間之間的間隔時長記為tg，且tg為數據庫中預置的常數；將tg的各個整數倍數值中與第k個傳感器對應的傳輸反饋結果之間差值的絕對值最小的整數倍數值記為第k個傳感器的優化時間反饋值；

27、將第k個傳感器的第一優化備選集合中對應采集時間與第一個元素對應采集時間之間的間隔時長為第k個傳感器的優化時間反饋值的整數倍的各個元素進行標記；

28、將當前時間整合的污水處理數據傳輸集中不屬于各個傳感器的第一優化備選集合內標記元素的數據刪除后，所得結果作為對當前時間整合的污水處理數據傳輸集的協同優化結果。

29、一種用于污水處理的云邊數據協同系統，所述系統包括以下模塊：

30、邊端數據整合模塊，所述邊端數據整合模塊控制邊端設備實時采集污水處理過程中的數據，并對采集的污水處理數據進行預處理，整合成污水處理數據傳輸集傳輸給云端服務器；

31、云端數據風險分析模塊，所述云端數據風險分析模塊控制云端服務器對邊端設備傳輸的污水處理數據傳輸集進行存儲及特征提取，基于污水處理數據傳輸集的特征提取結果進行污水處理狀態分析，得到污水處理數據的風險監測項及相應風險監測項的風險評估值；

32、異常風險評估反饋模塊，所述異常風險評估反饋模塊基于所得污水處理數據的風險監測項及相應風險監測項的風險評估值，提取污水處理數據中所屬邊端設備的異常監測源，并生成相應邊端設備的傳輸反饋結果；

33、云邊協同傳輸優化模塊，所述云邊協同傳輸優化模塊控制邊端設備根據從云端服務器接收的傳輸反饋結果，對當前時間整合的污水處理數據傳輸集進行協同優化，將優化后的污水處理數據傳輸集替換原有的污水處理數據傳輸集傳輸給云端服務器。

34、進一步的，所述云端數據風險分析模塊包括特征提取單元及風險評估單元，

35、所述特征提取單元控制云端服務器對邊端設備傳輸的污水處理數據傳輸集進行存儲及特征提取；

36、所述風險評估單元基于污水處理數據傳輸集的特征提取結果進行污水處理狀態分析，得到污水處理數據的風險監測項及相應風險監測項的風險評估值。

37、進一步的，所述異常風險評估反饋模塊包括異常監測源提取單元及傳輸反饋生成單元，

38、所述異常監測源提取單元基于所得污水處理數據的風險監測項及相應風險監測項的風險評估值，提取污水處理數據中所屬邊端設備的異常監測源；

39、所述傳輸反饋生成單元根據異常監測源提取單元提取的異常監測源，生成相應邊端設備的傳輸反饋結果。

40、與現有技術相比，本發明所達到的有益效果是：本發明在云邊數據協同過程中，通過對污水處理數據傳輸集進行特征提取及風險評估，實現對污水處理數據中所屬邊端設備的異常監測源的判定，并根據生成相應邊端設備的傳輸反饋結果，實現對當前時間整合的污水處理數據傳輸集的協同優化，確保云邊數據協同的效率；該方式云通過端服務器與邊緣設備的協同工作，實現數據的高效處理和實時響應。