基于云计算的热量表计量系统及方法.pdf

《基于云计算的热量表计量系统及方法.pdf》由会员分享，可在线阅读，更多相关《基于云计算的热量表计量系统及方法.pdf（23页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010779725.0 (22)申请日 2020.08.05 (71)申请人 河南省计量科学研究院 地址 450008 河南省郑州市金水区花园路 21号致远楼509室 (72)发明人 张柯王梅朱永宏路兴杰 谷田平周文辉段云陈飞 许雪琼张霞冯鑫樊家成 范珍星马振奇 (51)Int.Cl. G06F 16/2458(2019.01) G06K 9/62(2006.01) G06N 3/00(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.。

2、01) G06Q 10/04(2012.01) G16Y 10/35(2020.01) G16Y 20/10(2020.01) G16Y 20/30(2020.01) G16Y 30/00(2020.01) G16Y 40/10(2020.01) G16Y 40/20(2020.01) H04L 29/08(2006.01) G08C 17/02(2006.01) G01K 17/10(2006.01) G01D 21/02(2006.01) (54)发明名称 一种基于云计算的热量表计量系统及方法 (57)摘要 本发明公开了一种基于云计算的热量表计 量系统及方法， 涉及热量表技术领域， 解决的。

3、技 术问题是现有技术中热量表集成数据采集、 计算 与处理等多种功能， 并导致负荷大， 成本高， 计算 能力不强的问题。 本发明的系统包括检测单元、 通讯单元、 云端管理系统和应用终端， 应用了5G 通讯等技术， 实现了海量连接和快速的数据传 输。 本发明将热量计算及数据存储转移到云端， 极大地减少终端热量表计算器芯片的成本及热 量表整机功耗， 同时减轻对国外进口芯片的依赖 度， 当终端需要调看累积流量、 累积热量或历史 数据时， 云计算平台亦可实时将数据传回， 实现 数据的共享。 本发明还采用了大数据分析技术， 实现了多种数据信息的处理， 提高了数据分析能 力。 权利要求书4页 说明书12页 。

4、附图6页 CN 111984697 A 2020.11.24 CN 111984697 A 1.一种基于云计算的热量表计量系统， 其特征在于： 所述系统包括检测单元、 通讯单 元、 云端管理系统和应用终端， 所述检测单元的信息输出端与通讯单元的输入端连接， 所述 通讯单元的输出端与云端管理系统的输入端连接， 所述云端管理系统的输出端与所述应用 终端的输入端连接； 其中所述检测单元内设置有热量表， 所述热量表连接有流体信息采集器和与所述流体 信息采集器连接的电源， 所述流体信息采集器包括接收换能器内流体信息的温度传感器、 流量传感器、 压力传感器、 余氯传感器、 TOC传感器、 PH传感器、 电。

5、导率传感器、 ORP传感器、 浊 度传感器或者溶解氧传感器， 其中所述温度传感器安装在通过载热流体的上行管和下行管 上， 所述流量传感器安装在流体入口或回流管上； 所述热量表还设置有无线通讯接口； 其中所述通讯单元包括无线通讯模块， 所述无线通讯模块包括蓝牙模块、 无线宽带Wi- Fi模块、 超宽带UWB模块、 近场通讯NFC模块、 RFID模块、 红外数据组织IrDA模块、 紫蜂ZigBee 模块、 GPRS模块、 CDMA模块或者云通讯模块； 其中所述云端管理系统包括云端服务器和设置在云端服务器内的大数据管理平台， 所 述大数据管理平台设置有数据底层结构、 存储单元、 计算模型和云端接口，。

6、 其中所述数据底 层结构至少包括信息输入模块、 信息抽取模块、 信息融合模块、 资源分配模块、 信息交互模 块、 信息比对模块、 信息描述模块、 资源存储模块、 交互执行模块、 信息筛选模块、 信息输出 模块和系统检测模块； 所述存储模块包括数据库， 所述数据库中至少包括流体检测的位置 数据信息、 温度数据信息、 流量数据信息、 日期数据信息、 故障数据信息、 检索数据信息、 空 间数据信息、 水位数据信息和压力数据信息； 所述计算模型包括公式计算模型和大数据计 算模型， 所述大数据计算模型包括改进型蚁群算法模型、 故障诊断算法模型或者关联算法 模型， 所述云端接口管理模块包括接口设置模块、 。

7、ZigBee接口模块、 以太网接口模块、 Wi-Fi 接口模块、 蓝牙接口模块、 GPRS接口模块、 CDMA模块或者云通讯模块； 其中所述应用终端包括设置有数据应用接口、 存储模块和可视化应用模块的智能移动 设备， 所述智能移动设备至少包括PC机、 平板、 iphone手机或者android手机。 2.根据权利要求1所述的一种基于云计算的热量表计量系统， 其特征在于： 所述流体信 息采集器包括型号为MK10DN512VLLH10的单片机芯片， 所述单片机芯片的内核为ARM Cortex-M4， 工作电压范围为1.7V-3.6V， 工作频率为100MHz。 3.根据权利要求2所述的一种基于云计。

8、算的热量表计量系统， 其特征在于： 所述单片机 芯片分别连接有电源电路、 接口电路、 晶振电路、 通讯模块、 存储模块和复位电路， 其中所述 通讯模块为无线通讯模块。 4.根据权利要求1所述的一种基于云计算的热量表计量系统， 其特征在于： 所述云端服 务器的主机的硬件配置为Intel Xeon E3-1220v53.0 GHz四核， 内存为16GDDR4， 硬盘为1* Intel企业级SSD， 1*SATA 1T， 网卡为2*千兆网口； 工作机节点的硬件配置中， CPU型号为 Intel Xeon E53.0GHZ， 内存为640GB， 硬盘容量为128TB。 5.根据权利要求1所述的一种基于。

9、云计算的热量表计量系统， 其特征在于： 所述改进型 蚁群算法模型、 故障诊断算法模型或者关联算法模型均设置有计算芯片和所述计算芯片连 接的无线通讯接口。 6.利用权利要求1-5中任意一项所述的一种基于云计算的热量表计量系统实现云计算 的方法， 其特征在于： 包括以下步骤： 权利要求书 1/4 页 2 CN 111984697 A 2 (1)数据采集： 通过热量表内设置的流体信息采集器采集换能器内的流体信息， 所述流 体信息为温度信息、 流量信息、 压力信息、 余氯信息、 TOC信息、 PH值信息、 电导率信息、 ORP信 息或者浊度信息； (2)数据传递： 通过无线通讯模块传递采集器采集的数据。

10、信息； (3)数据计算： 通过云端大数据管理平台进行数据管理， 通过计算模型对接收到的各种 数据信息进行计算、 分析和输出； 其中通过信息融合模块实现各种不同传感器数据信息的 融合， 信息融合模块应用的数据融合算法为： 其中: 其中为归一化公式，为在t时刻下时各种不同传感器感测流体数据信息si输出 的权重系数， m为不同的流体数据信息类型， 其中所述权重系数si的范围介于0-4之间； 在本步骤中， 公式计算模型为热量计算公式， 所述热量计算公式包括焓差法计算公式 和热系数法计算公式； 所述改进型蚁群算法模型为融入分类算法模型的混合蚁群算法模 型， 所述分类算法模型为决策树分类模型、 K-算法模。

11、型或者贝叶斯概率分类算法模型； 所述 故障诊断算法模型为基于BP神经网络的RPROP混合算法的大数据分析预警模型， 所述关联 算法模型为随机关联算法模型， 通过不同的算法模型完成温度传感器、 流量传感器、 压力传 感器、 余氯传感器、 TOC传感器、 PH传感器、 电导率传感器、 ORP传感器、 浊度传感器或者溶解 氧传感器检测到的数据信息的计算或处理， 以满足用户的不同需求； (4)数据应用： 通过应用终端实现数据各种数据信息的应用。 7.根据权利要求6所述的一种基于云计算的热量表计量系统， 其特征在于： 所述焓差法 计算公式为： 其中Q为换能器释放的热量， 单位为KJ， 其中qm为流经热能。

12、表中载热液体的质量流量， 单 位为kg/s， hf为热交换回路中入口温度对应的载热液体的比焓值， 单位为kJ/kg， hr为热交换 回路中出口温度对应的载热液体的比焓值， 单位为kJ/kg， t表示时间， 单位为秒。 8.根据权利要求6所述的一种基于云计算的热量表计量系统， 其特征在于： 所述热系数 法计算公式为： 其中Q为换能器释放的热量， 单位为J或者kW*h， V表示载热流体流过的体积， 单位为m3， f表示热交换回路中载热液体入口处的温度， 单位为摄氏度， r表示热交换回路中载热液 体出口处的温度， 单位为， k表示热系数， 是载热液体在相应温度、 温差和压力下的函数， 单位为kJ/m。

13、3或者kW*h/m3。 9.根据权利要求6所述的一种基于云计算的热量表计量系统， 其特征在于： 所述改进型 权利要求书 2/4 页 3 CN 111984697 A 3 蚁群算法模型的构建方法为： 将检测到的流体信号输入到信息融合模块， 通过信息融合模块融合后， 分别将融合后 的信息输入至决策树分类模型、 K-算法模型或者贝叶斯概率分类算法模型或者同时使用所 述决策树分类模型、 K-算法模型或者贝叶斯概率分类算法模型三种算法模块， 通过不同分 类模块后的数据信息输出至蚁群算法模型， 实现混合算法的输出， 输出用户的目标的数据 信息。 10.根据权利要求6所述的一种基于云计算的热量表计量系统， 。

14、其特征在于： 在基于BP 神经网络的RPROP混合算法的大数据分析预警模型中融入了蚁群算法， 以实现各个传感器 信息传递路径的最优化输出和采集到的流体信息数据最优化输出， 则所述大数据分析预警 模型的构建方法为： (1)对大数据分析预警模型中的各个传感器输出的温度、 流量、 压力、 余氯、 TOC、 PH值、 电导率、 ORP信息或者浊度信息感测值进行初始化处理， 假设在设定的BP神经网络中设置N 个不同的流体计量数据参数， 设BP神经网络算法模型中的权重值范围为(Xu ,Yu)， 调整值 范围为(Hu,I)； (2)按照所述步骤(1)中设定的值设置最佳输出流体计量数据通讯路径的参数， 设流体。

15、 计量数据参数集为P(1,2,.,N)， 则在所述流体计量数据参数集中随机寻求非零数 据形成路径集合Dp， 其中不同路径中传递传感器数据参数最大值设置为Dm， 寻求多种传感 器数据输出通讯路径的最大的蚂蚁元素为Q， 寻求路径的停止学习误差值为L0； 则蚁群中各 种蚂蚁元素按照随机通讯路径选择算法模型如公式(3)所示： 在公式(3)中， Prob(Dp)表示选择随机通讯路径的结果， 为调节传感器数据输出最佳 传递路径的常量， NW1(Dp)为从全部搜索路径集合中挑选合适通讯路径参数； (3)启动蚁群算法， 寻找检测到流体数据集中经过分类后的误差数据集， 当蚁群算法模 型中所有的蚂蚁元素找到传感器。

16、检测到的流体数据集中的最优传递信道后， 调整蚁群算法 模型中的学习误差值， 如果输出的误差值L小于等于BP神经网络算法模型中设定的最大值 Lm时， 各个传感器传递数据的最优路径搜索结束， 蚁群算法停止查询； (4)在所述步骤(3)中， 如果蚁群算法模型中的学习误差值大于BP神经网络算法模型中 设定的最大值时， 则重新查询各个传感器数据输出的最优路径， 对蚁群算法中的迭代次数 进行设置， 当蚁群算法模型中的最大迭代次数为Tm时， 蚁群算法模型中接收到的各种传感 器随机非零感测数据形成的路径集合为Dp， 各种传感器传递数据过程中遍历路径搜索更 新数据信息公式为： 在公式(4)中，表示蚁群算法在不断。

17、的迭代计算过程中， 在搜索各种传感 器传递路径中， 单只蚂蚁元素检测到最优值的路径集合的最佳路径参数的持续性信息调节 参数， 其中Tm表示为信息常量， (Dp)表示为蚁群算法在反复的迭代计算过程中搜索信息的 元素数据； (5)通过不断地迭代计算， 当蚁群算法中的蚂蚁元素达到各个传感器通讯路径数据参 权利要求书 3/4 页 4 CN 111984697 A 4 数最大值Dm时， 此时输出的传感器数据信息为最优的结果。 权利要求书 4/4 页 5 CN 111984697 A 5 一种基于云计算的热量表计量系统及方法 技术领域 0001 本发明涉及热量表技术领域， 且更具体地涉及一种基于云计算的热。

18、量表计量系统 及方法。 背景技术 0002 随着计量技术的发展和智能水表的出现， 不仅促进了水资源管理部门对水资源的 科学管理， 同时也提高了对水资源的利用率， 增强了节水意识， 彻底实现了 “一户一表， 按量 收费” 的计费管理模式， 改变了之前先使用后交费、 上门抄水电费、 收费困难的情况。 其中热 量表是一种计算热量的仪表， 热量计量直接关系到供需双方的经济利益， 科学的热水计量 方法， 不仅能够更公平更合理地处理热水供应的收费问题， 更能促进水资源管理部门对水 资源的科学管理， 提高广大用户对水资源的利用率， 以节约水资源， 减少能源浪费。 0003 热量表作为一种通过流量和温度参数复。

19、合测量来间接测量热交换回路释放或吸 收热量的计量仪表， 其在工作过程中要不断对流量和温度信息进行采集、 测量和存储， 按照 标准公式计算出热量， 这些工作量占据热量表整体电能消耗的90。 也就说， 热量表的计算 部分承担着A/D转换、 热量计算、 大量累积流量及热量数据存储等工作。 也就是说， 现有技术 中热量表的芯片负责采集流量传感器传输的流量信息、 采集温度传感器传输的单支、 配对 温度信息以及负责对采集的信号进行热量的计算， 通过各种信息的采集和计算， 还对大量 累积的流量及热量数据进行存储等多种任务， 这就给热量表的计量工作带来承重负担， 单 只热量表计算芯片结构复杂、 设计困难， 成。

20、本高。 发明内容 0004 针对现有技术的不足， 本发明公开了一种基于云计算的热量表计量系统及方法， 通过采用数据采集与数据计算、 存储分离的方式， 减轻了热量表内芯片的计算工作， 将传统 技术中的热量表计算芯片执行的热量计算工作、 数据存储工作在云端服务器中进行， 大大 减轻了传统技术中热量表芯片计算的负担， 减少了热量表的制造成本。 0005 为了解决上述技术问题， 本发明采用以下技术方案： 0006 一种基于云计算的热量表计量系统， 其中所述系统包括检测单元、 通讯单元、 云端 管理系统和应用终端， 所述检测单元的信息输出端与通讯单元的输入端连接， 所述通讯单 元的输出端与云端管理系统的。

21、输入端连接， 所述云端管理系统的输出端与所述应用终端的 输入端连接； 0007 其中所述检测单元内设置有热量表， 所述热量表连接有流体信息采集器和与所述 流体信息采集器连接的电源， 所述流体信息采集器包括接收换能器内流体信息的温度传感 器、 流量传感器、 压力传感器、 余氯传感器、 TOC传感器、 PH传感器、 电导率传感器、 ORP传感 器、 浊度传感器或者溶解氧传感器， 其中所述温度传感器安装在通过载热流体的上行管和 下行管上， 所述流量传感器安装在流体入口或回流管上； 所述热量表还设置有无线通讯接 口； 说明书 1/12 页 6 CN 111984697 A 6 0008 其中所述通讯单。

22、元包括无线通讯模块， 所述无线通讯模块包括蓝牙模块、 无线宽 带Wi-Fi模块、 超宽带UWB模块、 近场通讯NFC模块、 RFID模块、 红外数据组织IrDA模块、 紫蜂 ZigBee模块、 GPRS模块、 CDMA模块或者云通讯模块； 0009 其中所述云端管理系统包括云端服务器和设置在云端服务器内的大数据管理平 台， 所述大数据管理平台设置有数据底层结构、 存储单元、 计算模型和云端接口， 其中所述 数据底层结构至少包括信息输入模块、 信息抽取模块、 信息融合模块、 资源分配模块、 信息 交互模块、 信息比对模块、 信息描述模块、 资源存储模块、 交互执行模块、 信息筛选模块、 信 息输。

23、出模块和系统检测模块； 所述存储模块包括数据库， 所述数据库中至少包括流体检测 的位置数据信息、 温度数据信息、 流量数据信息、 日期数据信息、 故障数据信息、 检索数据信 息、 空间数据信息、 水位数据信息和压力数据信息； 所述计算模型包括公式计算模型和大数 据计算模型， 所述大数据计算模型包括改进型蚁群算法模型、 故障诊断算法模型或者关联 算法模型， 所述云端接口管理模块包括接口设置模块、 ZigBee接口模块、 以太网接口模块、 Wi-Fi接口模块、 蓝牙接口模块、 GPRS接口模块、 CDMA模块或者云通讯模块； 0010 其中所述应用终端包括设置有数据应用接口、 存储模块和可视化应用。

24、模块的智能 移动设备， 所述智能移动设备至少包括PC机， 平板、 iphone手机或者android手机。 0011 在本发明的技术方案中， 所述流体信息采集器包括型号为MK10DN512VLLH10的单 片机芯片， 所述单片机芯片的内核为ARM Cortex-M4， 工作电压范围为1.7V-3.6V， 工作频率 为100MHz。 0012 在本发明的技术方案中， 所述单片机芯片分别连接有电源电路、 接口电路、 晶振电 路、 通讯模块、 存储模块和复位电路， 其中所述通讯模块为无线通讯模块。 0013 在本发明的技术方案中， 所述云端服务器的主机的硬件配置为Intel Xeon E3- 122。

25、0v53.0GHz四核， 内存为16GDDR4， 硬盘为1*Intel企业级SSD， 1*SATA 1T， 网卡为2*千兆 网口； 工作机节点的硬件配置中， CPU型号为Intel Xeon E53.0GHZ， 内存为640GB， 硬盘容量 为128TB。 0014 在本发明的技术方案中， 所述改进型蚁群算法模型、 故障诊断算法模型或者关联 算法模型均设置有计算芯片和所述计算芯片连接的无线通讯接口。 0015 为了解决上述技术问题， 本发明还采用以下技术方案： 0016 一种基于云计算的热量表计量方法， 包括以下步骤： 0017 (1)数据采集： 通过热量表内设置的流体信息采集器采集换能器内的。

26、流体信息， 所 述流体信息为温度信息、 流量信息、 压力信息、 余氯信息、 TOC信息、 PH值信息、 电导率信息、 ORP信息或者浊度信息； 0018 (2)数据传递： 通过无线通讯模块传递采集器采集的数据信息； 其中通过信息融合 模块实现各种不同传感器数据信息的融合， 信息融合模块应用的数据融合算法为： 0019 0020 其中： 说明书 2/12 页 7 CN 111984697 A 7 为归一化公式，为在t时刻下时各种不同传感器感测流体数据信息si输出的权 重系数， m为不同的流体数据信息类型， 其中所述权重系数si的范围介于0-4之间； 0021 (3)数据计算： 通过云端大数据管理。

27、平台进行数据管理， 通过计算模型对接收到的 各种数据信息进行计算、 分析和输出； 在本步骤中， 公式计算模型为热量计算公式， 所述热 量计算公式包括焓差法计算公式和热系数法计算公式； 所述改进型蚁群算法模型为融入分 类算法模型的混合蚁群算法模型， 所述分类算法模型为决策树分类模型、 K-算法模型或者 贝叶斯概率分类算法模型； 所述故障诊断算法模型为基于BP神经网络的RPROP混合算法的 大数据分析预警模型， 所述关联算法模型为随机关联算法模型， 通过不同的算法模型完成 温度传感器、 流量传感器、 压力传感器、 余氯传感器、 TOC传感器、 PH传感器、 电导率传感器、 ORP传感器、 浊度传感。

28、器或者溶解氧传感器检测到的数据信息的计算或处理， 以满足用户的 不同需求； 0022 (4)数据应用： 通过应用终端实现数据各种数据信息的应用。 0023 在本发明的技术方案中， 所述焓差法计算公式为： 0024 0025 其中Q为换能器释放的热量， 单位为KJ， 其中qm为流经热能表中载热液体的质量流 量， 单位为kg/s， hf为热交换回路中入口温度对应的载热液体的比焓值， 单位为kJ/kg， hr为 热交换回路中出口温度对应的载热液体的比焓值， 单位为kJ/kg， t表示时间， 单位为秒。 0026 在本发明的技术方案中， 所述热系数法计算公式为： 0027 0028 其中Q为换能器释放。

29、的热量， 单位为J或者kW*h,V表示载热流体流过的体积， 单位 为m3， f表示热交换回路中载热液体入口处的温度， 单位为摄氏度， r表示热交换回路中 载热液体出口处的温度， 单位为， k表示热系数， 是载热液体在相应温度、 温差和压力下的 函数， 单位为kJ/m3或者kW*h/m3。 0029 在本发明的技术方案中， 所述改进型蚁群算法模型的构建方法为： 0030 将检测到的流体信号输入到信息融合模块， 通过信息融合模块融合后， 分别将融 合后的信息输入至决策树分类模型、 K-算法模型或者贝叶斯概率分类算法模型或者同时使 用所述决策树分类模型、 K-算法模型或者贝叶斯概率分类算法模型三种算。

30、法模块， 通过不 同分类模块后的数据信息输出至蚁群算法模型， 实现混合算法的输出， 输出用户的目标的 数据信息。 0031 在本发明的技术方案中， 在基于BP神经网络的RPROP混合算法的大数据分析预警 模型中融入了蚁群算法， 以实现各个传感器信息传递路径的最优化输出和采集到的流体信 息数据最优化输出， 则所述大数据分析预警模型的构建方法为： 0032 (1)对大数据分析预警模型中的各个传感器输出的温度、 流量、 压力、 余氯、 TOC、 PH 值、 电导率、 ORP信息或者浊度信息感测值进行初始化处理， 假设在设定的BP神经网络中设 说明书 3/12 页 8 CN 111984697 A 8。

31、 置N个不同的流体计量数据参数， 设BP神经网络算法模型中的权重值范围为(Xu ,Yu)， 调整 值范围为(Hu,I)； 0033 (2)按照所述步骤(1)中设定的值设置最佳输出流体计量数据通讯路径的参数， 设 流体计量数据参数集为P(1,2,.,N)， 则在所述流体计量数据参数集中随机寻求非 零数据形成路径集合Dp， 其中不同路径中传递传感器数据参数最大值设置为Dm， 寻求多种 传感器数据输出通讯路径的最大的蚂蚁元素为Q， 寻求路径的停止学习误差值为L0； 则蚁群 中各种蚂蚁元素按照随机通讯路径选择算法模型如公式(3)所示： 0034 0035 在公式(3)中， Prob(Dp)表示选择随机。

32、通讯路径的结果， 为调节传感器数据输 出最佳传递路径的常量， NW1(Dp)为从全部搜索路径集合中挑选合适通讯路径参数； 0036 (3)启动蚁群算法， 寻找检测到流体数据集中经过分类后的误差数据集， 当蚁群算 法模型中所有的蚂蚁元素找到传感器检测到的流体数据集中的最优传递信道后， 调整蚁群 算法模型中的学习误差值， 如果输出的误差值L小于等于BP神经网络算法模型中设定的最 大值Lm时， 各个传感器传递数据的最优路径搜索结束， 蚁群算法停止查询； 0037 (4)在所述步骤(3)中， 如果蚁群算法模型中的学习误差值大于BP神经网络算法模 型中设定的最大值时， 则重新查询各个传感器数据输出的最优。

33、路径， 对蚁群算法中的迭代 次数进行设置， 当蚁群算法模型中的最大迭代次数为Tm时， 蚁群算法模型中接收到的各种 传感器随机非零感测数据形成的路径集合为Dp， 各种传感器传递数据过程中遍历路径搜 索更新数据信息公式为： 0038 0039在公式(4)中，表示蚁群算法在不断的迭代计算过程中， 在搜索各种 传感器传递路径中， 单只蚂蚁元素检测到最优值的路径集合的最佳路径参数的持续性信息 调节参数， 其中Tm表示为信息常量， (Dp)表示为蚁群算法在反复的迭代计算过程中搜索信 息的元素数据； 0040 (5)通过不断地迭代计算， 当蚁群算法中的蚂蚁元素达到各个传感器通讯路径数 据参数最大值Dm时， 。

34、此时输出的传感器数据信息为最优的结果。 0041 积极有益效果： 0042 1、 本发明区别于传统技术方案， 将常规技术中的热量计算及数据存储转移到云 端， 极大地减少终端热量表计算器芯片的成本及热量表整机功耗， 同时减轻对国外进口芯 片的依赖度， 当终端需要调看累积流量、 累积热量或历史数据时， 云计算平台亦可实时将数 据传回， 实现数据的共享。 0043 2、 本发明结合5G通讯和窄带物联网的诸多优点， 可以极大增强组网数据库的可靠 性， 并极大降低热量表成本。 本发明应用了现有的物联网技术及5G通讯， 通过在区域内设置 多个通讯节点， 形成超密集组网， 实现海量连接和快速的数据传输， 提。

35、高了数据交互能力。 0044 3、 本发明设计出一种新型的热量表计算芯片， 结构简单， 易于实现， 仅仅满足采集 流量传感器传输的流量信息,负责采集温度传感器传输的单支、 配对温度信息即可， 免去了 说明书 4/12 页 9 CN 111984697 A 9 常规技术中水量信息采集、 计算、 存储和传递的各种功能， 大大降低了芯片设计难度和芯片 采购成本， 从而减少了热量表的制造成本。 0045 4、 本发明通过数据融合算法、 公式计算模型和大数据计算模型等算法实现流体各 种情况下的计算， 其中的大数据计算模型包括改进型蚁群算法模型、 故障诊断算法模型或 者关联算法模型大数据化等， 根据对流体。

36、研究的需求， 将流体中数据池中的各类数据整合、 分类、 关联或者目标数据最优化搜索， 实现传感器输出数据池中的各类不同检测类型数据 的最优化整理， 大大提高了各种不同传感器输出数据的分析和处理能力。 0046 5、 本发明灵活采用诸如PC， 平板、 iphone、 android等设备的各种不同的数据终端， 能够灵活查看不同类型的数据信息， 提高了数据访问的便捷性。 0047 6、 本研究通过设计云端管理系统， 使用用户在云端计算中心能够实现数据分析预 警， 提供趋势预测及节能诊断评估， 可以第一时间给热力公司调整峰值调节的数字支撑， 也 可以通过数据分析， 初步评估房屋空置率， 通过民用 0。

37、048 或商用的的耗能情况， 为节能减排工作和政府的决策提供重要参考。 附图说明 0049 图1为本发明一种云计算的热量表计量系统的架构示意图； 0050 图2为本发明一种云计算的热量表计量系统中流体检测示意图； 0051 图3为本发明一种云计算的热量表计量系统中流体信息采集器的原理示意图； 0052 图4为本发明一种云计算的热量表计量系统中云端大数据管理平台架构示意图； 0053 图5为本发明一种云计算的热量表计量系统中云服务器的架构示意图； 0054 图6为本发明一种云计算的热量表计量方法的流程示意图； 0055 图7为本发明一种云计算的热量表计量方法中改进型蚁群算法模型示意图； 0056。

38、 图8为本发明一种云计算的热量表计量方法中另一种大数据算法实施例流程示意 图。 具体实施方式 0057 下面将结合本发明实施例中的附图， 对本发明实施例中的技术方案进行清楚、 完 整地描述， 显然， 所描述的实施例仅仅是本发明一部分实施例， 而不是全部的实施例。 基于 本发明中的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例， 都属于本发明保护的范围。 0058 实施例(1)系统 0059 如图1-图5所示， 具体参考图1和图2， 一种基于云计算的热量表计量系统， 其中所 述系统包括检测单元、 通讯单元、 云端管理系统和应用终端， 所述检测单元的信息输出端与 通。

39、讯单元的输入端连接， 所述通讯单元的输出端与云端管理系统的输入端连接， 所述云端 管理系统的输出端与所述应用终端的输入端连接； 0060 其中所述检测单元内设置有热量表， 所述热量表连接有流体信息采集器和与所述 流体信息采集器连接的电源， 所述流体信息采集器包括接收换能器内流体信息的温度传感 器、 流量传感器、 压力传感器、 余氯传感器、 TOC传感器、 PH传感器、 电导率传感器、 ORP传感 器、 浊度传感器或者溶解氧传感器， 其中所述温度传感器安装在通过载热流体的上行管和 说明书 5/12 页 10 CN 111984697 A 10 下行管上， 所述流量传感器安装在流体入口或回流管上；。

40、 所述热量表还设置有无线通讯接 口； 0061 其中所述通讯单元包括无线通讯模块， 所述无线通讯模块包括蓝牙模块、 无线宽 带Wi-Fi模块、 超宽带UWB模块、 近场通讯NFC模块、 RFID模块、 红外数据组织IrDA模块、 紫蜂 ZigBee模块、 GPRS模块、 CDMA模块或者云通讯模块； 0062 其中所述云端管理系统包括云端服务器和设置在云端服务器内的大数据管理平 台(具体参考图4)， 所述大数据管理平台设置有数据底层结构、 存储单元、 计算模型和云端 接口， 其中所述数据底层结构至少包括信息输入模块、 信息抽取模块、 信息融合模块、 资源 分配模块、 信息交互模块、 信息比对模。

41、块、 信息描述模块、 资源存储模块、 交互执行模块、 信 息筛选模块、 信息输出模块和系统检测模块； 所述存储模块包括数据库， 所述数据库中至少 包括流体检测的位置数据信息、 温度数据信息、 流量数据信息、 日期数据信息、 故障数据信 息、 检索数据信息、 空间数据信息、 水位数据信息和压力数据信息； 所述计算模型包括公式 计算模型和大数据计算模型， 所述大数据计算模型包括改进型蚁群算法模型、 故障诊断算 法模型或者关联算法模型， 所述云端接口管理模块包括接口设置模块、 ZigBee接口模块、 以 太网接口模块、 Wi-Fi接口模块、 蓝牙接口模块、 GPRS接口模块、 CDMA模块或者云通讯。

42、模块； 0063 其中所述应用终端包括设置有数据应用接口、 存储模块和可视化应用模块的智能 移动设备， 所述智能移动设备至少包括PC机， 平板、 iphone手机或者android手机。 0064 通过该实施例， 本发明结合现有的物联网技术及5G通讯， 通过在区域内设置多种 不同形式的通讯方式， 实现多种数据的通讯与传递， 并形成超密集组网， 实现海量连接和快 速的数据传输， 云端管理系统作为整个系统的最顶层， 承担整个系统最繁重的数据处理任 务， 通过采集终端热量表的流量及配对温度数据， 计算热量值并存储入数据库。 大数据管理 平台可以集中计算处理海量数据， 实现较高的资源整合率， 同时也可。

43、以采用分布式计算的 方式， 结合不断优化的蚁群算法， 可将数据池中的各类数据整合， 分筛， 提高对大规模数据 吞吐率和对数据存储、 访问时效， 将各类结果以最高效、 简捷的方式呈现， 用户也可通过PC， 平板、 iphone、 android等设备访问平台， 查看终端热量表相关数据。 在某些特殊环境可以在 对象层和云端计算中心之间设置边缘层， 连接终端设备和上层云端， 承担部分终端接入， 数 据汇集， 协议适配， 数据清洗等任务。 最终实现了云通讯、 5G物联网的新型流体数据检测、 计 算功能。 0065 如图3所示， 上述实施例中的流体信息采集器包括型号为MK10DN512VLLH10的单片。

44、 机芯片， 所述单片机芯片的内核为ARM Cortex-M4， 工作电压范围为1.7V-3.6V， 工作频率为 100MHz。 所述单片机芯片分别连接有电源电路、 接口电路、 晶振电路、 通讯模块、 存储模块和 复位电路， 其中所述通讯模块为无线通讯模块。 0066 在上述实施例中， 流体信息采集器除了能够采集流体中温度和流量数据信息、 流 体累计热量、 累计冷量、 功率、 瞬时流量和进回水温度等数据信息， 还能够采集流体中的压 力、 余氯、 TOC、 PH值、 电导率、 ORP、 浊度、 溶解氧等多种数据信息， 并且该流体信息采集器只 有数据采集和数据通讯的功能， 这就大大降低了表体的负荷，。

45、 本发明将流体数据信息与流 体计算功能分开， 热量计算、 数据存储以及流体的其他大数据分析和计算转移到云端， 将极 大减少终端热量表计算器芯片的成本及热量表整机功耗， 同时减轻对国外进口芯片的依赖 度。 当终端需要调看累积流量、 累积热量或历史数据时， 云平台亦可实时将数据传回。 说明书 6/12 页 11 CN 111984697 A 11 0067 基于上述需求， 再次具体参考图5， 在本发明的具体实施例中， 所述云端服务器的 主机的硬件配置为Intel Xeon E3-1220v53.0GHz四核， 内存为16GDDR4， 硬盘为1*Intel企 业级SSD， 1*SATA 1T， 网卡。

46、为2*千兆网口； 工作机节点的硬件配置中， CPU型号为Intel Xeon E53.0GHZ， 内存为640GB， 硬盘容量为128TB。 这种结构硬件足以满足云端计算的功能。 0068 其中所述云端服务器的硬件结构还可以包括： 0069 基础设施即服务层， 其内至少设置有呈分布式布局的资源分配模块、 数据挖掘模 块、 故障检测模块、 信息集成模块、 软件开发框架模块、 任务调度模块和测试命令模块； 0070 软件即服务层， 其内至少设置有呈分布式布局的有日志处理模块、 权限认证模块、 数据交换模块、 空间数据模块、 异常处理模块、 内容检索模块、 存储模块和数据浏览模块； 0071 平台即。

47、服务层， 其内至少设置有呈分布式布局的算法模型模块、 辅助索引模块、 数 据计算模块、 语义索引模块、 统计分析模块、 文本索引模块、 测试数据挖掘模块和数据索引 模块； 0072 终端， 其为移动终端， 其内至少设置有呈分布式布局的网络设置模块、 信息系统接 口模块、 服务器与平台模块、 安全设置模块、 存储模块、 虚拟环境信息模块、 业务与应用模块 和移动应用模块； 其中： 0073 所述基础设施即服务层、 软件即服务层、 平台即服务层和终端从下向上依次设置。 0074 在进行上述实施例中， 云计算的主要目的是为了减少终端设备处理数据的负担, 而云存储能力的大小对其有决定性作用。 通过提高。

48、云存储的能力,可以实现终端设备功能 简单化,只需要提供数据输入输出功能就能满足使用需求， 实现数据及云共享。 目前比较常 用的云服务分别是IaaS， PaaS， SaaS等， 具体信息不再详细说明。 0075 在本发明进一步的实施例中， 改进型蚁群算法模型、 故障诊断算法模型或者关联 算法模型均设置有计算芯片和所述计算芯片连接的无线通讯接口。 通过这些不同的数据算 法， 能够实现各种数据信息的多种形式的应用， 下述实施例将详细说明。 0076 实施例(2)方法 0077 如图6-图8所示， 一种基于云计算的热量表计量方法， 如图6所示： 0078 (1)数据采集： 通过热量表内设置的流体信息采。

49、集器采集换能器内的流体信息， 所 述流体信息为温度信息、 流量信息、 压力信息、 余氯信息、 TOC信息、 PH值信息、 电导率信息、 ORP信息或者浊度信息； 0079 (2)数据传递： 通过无线通讯模块传递采集器采集的数据信息； 0080 (3)数据计算： 通过云端大数据管理平台进行数据管理， 通过计算模型对接收到的 各种数据信息进行计算、 分析和输出； 在本步骤中， 公式计算模型为热量计算公式， 所述热 量计算公式包括焓差法计算公式和热系数法计算公式； 所述改进型蚁群算法模型为融入分 类算法模型的混合蚁群算法模型， 所述分类算法模型为决策树分类模型、 K-算法模型或者 贝叶斯概率分类算法。

50、模型； 所述故障诊断算法模型为基于BP神经网络的RPROP混合算法的 大数据分析预警模型， 所述关联算法模型为随机关联算法模型， 通过不同的算法模型完成 温度传感器、 流量传感器、 压力传感器、 余氯传感器、 TOC传感器、 PH传感器、 电导率传感器、 ORP传感器、 浊度传感器或者溶解氧传感器检测到的数据信息的计算或处理， 以满足用户的 不同需求； 0081 (4)数据应用： 通过应用终端实现数据各种数据信息的应用。 说明书 7/12 页 12 CN 111984697 A 12 0082 在上述实施例中， 所述焓差法计算公式为： 0083 0084 其中Q为换能器释放的热量， 单位为KJ。