CN111076096B - 燃气管网泄漏识别方法和装置 - Google Patents
燃气管网泄漏识别方法和装置 Download PDFInfo
- Publication number
- CN111076096B CN111076096B CN201911411466.XA CN201911411466A CN111076096B CN 111076096 B CN111076096 B CN 111076096B CN 201911411466 A CN201911411466 A CN 201911411466A CN 111076096 B CN111076096 B CN 111076096B
- Authority
- CN
- China
- Prior art keywords
- leakage
- space
- time
- gas
- leakage point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供一种燃气管网泄漏识别方法，包括以下步骤：S1，采集燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据；S2，设置初始参数，初始参数包括气体泄漏浓度阈值、泄漏等级分级、时间窗口和空间半径；S3，根据初始参数，通过DBSCAN算法对燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据数据进行时空聚类分析；S4，根据聚类分析结果计算燃气管网中泄漏点的平均泄漏等级，以进行高风险区域的识别；S5，根据给定的平均泄漏等级对初始参数进行优化，并在优化后重复执行步骤S3至S5；S6，直到计算的平均泄漏等级满足给定的平均泄漏等级，输出识别结果。本发明能够对燃气管网的燃气泄漏进行有效预警，使得维检修方便、成本低。
Description
技术领域
本发明涉及燃气安全管理技术领域，具体涉及一种燃气管网泄漏识别方法和一种燃气管网泄漏识别装置。
背景技术
天然气因具有清洁环保、燃烧效率高等特点，已成为我们最主要的生产、生活能源之一，然而其易燃、易爆的特点对城市居民生活造成了一定的安全隐患。
目前的安全机制是利用泄漏检测设备沿管线定期做巡检，对检测结果进行分析，对于泄漏点和破损管线及时做修复和更换处理。目前的安全机制属于边检测边处置的方式，检测不够方便，并且缺乏有效的预警机制。
发明内容
针对上述技术问题，发明人通过研究发现，对于城市管网而言，一个区域的管网一般是同一个时期铺设的，由于地质和土壤环境的相似性，地上设施和人员活动也具有相似的属性，同时由于地铁杂散电流对燃气管道的影响等，同一个区域的管网往往具有同步老化和泄漏风险的一致性。从理论上看，泄漏的高风险区域具有一定的时空耦合特点。基于此，本发明提供了一种燃气管网泄漏识别方法和装置，能够对燃气管网的燃气泄漏进行有效预警，从而为燃气管网的维检修提供便利，并降低燃气管网维检修的成本，有效保障燃气管网的安全性。
本发明采用的技术方案如下：
一种燃气管网泄漏识别方法，包括以下步骤：S1，采集燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据；S2，设置初始参数，所述初始参数包括气体泄漏浓度阈值、泄漏等级分级、时间窗口和空间半径；S3，根据所述初始参数，通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise，一种基于密度的聚类算法)算法对所述燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据数据进行时空聚类分析；S4，根据聚类分析结果计算所述燃气管网中泄漏点的平均泄漏等级，以进行高风险区域的识别；S5，根据给定的平均泄漏等级对所述初始参数进行优化，并在优化后重复执行步骤S3至S5；S6，直到计算的平均泄漏等级满足给定的平均泄漏等级，输出识别结果。
所述的燃气管网泄漏识别方法还包括：对所述识别结果进行可视化展示。
通过燃气泄漏检测系统检测燃气泄漏浓度数据，并结合管网GIS系统得到各个管段的燃气泄漏浓度数据、时间数据和空间数据。
通过所述管网GIS系统对所述识别结果进行可视化展示。
所述步骤S3具体包括：S301，根据所述燃气泄漏浓度数据和所述气体泄漏浓度阈值，按照所述泄漏等级分级构建泄漏点集合；S302，根据所述空间数据计算各个泄漏点之间的空间距离并构建泄漏网络距离矩阵；S303，根据所述时间数据计算各个泄漏点之间的时间距离并构建泄漏时间距离矩阵；304，根据所述泄漏网络距离矩阵、所述泄漏时间距离矩阵、所述时间窗口和所述空间半径构建泄漏点时空邻接表；S305，构建泄漏点访问标识集合，并将所述泄漏点访问标识集合中的元素均置0，其中，所述泄漏点访问标识集合中元素的数量为所述泄漏点集合中元素的数量；S306，构建泄漏点噪声簇，并假设泄漏点均为噪声，以及构建泄漏点簇集合；S307，对于任一泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则建立一个新簇，将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S308，对于属于时空-邻域的泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则根据密度连接原则，扩展时空-邻域，若该泄漏点事件不属于任意簇，则将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S309，重复执行步骤S308，直到时空-邻域遍历完成，将所述新簇添加到所述泄漏点簇集合；S310，循环执行步骤S307至S309，直到所有的泄漏点访问标识集合均为1时，结束算法，输出泄漏点簇集合。
一种燃气管网泄漏识别装置，包括数据采集模块、参数设置模块、算法分析模块、风险识别模块和参数优化模块，其中，所述数据采集模块用于采集燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据，所述参数设置模块用于设置初始参数，所述初始参数包括气体泄漏浓度阈值、泄漏等级分级、时间窗口和空间半径，所述算法分析模块用于根据所述初始参数，通过DBSCAN算法对所述燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据数据进行时空聚类分析，所述风险识别模块用于根据聚类分析结果计算所述燃气管网中泄漏点的平均泄漏等级，以进行高风险区域的识别，所述参数优化模块用于根据给定的平均泄漏等级对所述初始参数进行优化，其中，在所述参数优化模块进行优化后，由所述算法分析模块和所述风险识别模块重复执行其功能，直到所述风险识别模块计算的平均泄漏等级满足给定的平均泄漏等级，由所述风险识别模块输出识别结果。
所述的燃气管网泄漏识别装置还包括：可视化展示模块，所述可视化展示模块用于对所述识别结果进行可视化展示。
所述数据采集模块通过燃气泄漏检测系统检测燃气泄漏浓度数据，并结合管网GIS系统得到各个管段的燃气泄漏浓度数据、时间数据和空间数据。
所述可视化展示模块通过所述管网GIS系统对所述识别结果进行可视化展示。
所述算法分析模块具体用于执行以下步骤：S301，根据所述燃气泄漏浓度数据和所述气体泄漏浓度阈值，按照所述泄漏等级分级构建泄漏点集合；S302，根据所述空间数据计算各个泄漏点之间的空间距离并构建泄漏网络距离矩阵；S303，根据所述时间数据计算各个泄漏点之间的时间距离并构建泄漏时间距离矩阵；S304，根据所述泄漏网络距离矩阵、所述泄漏时间距离矩阵、所述时间窗口和所述空间半径构建泄漏点时空邻接表；S305，构建泄漏点访问标识集合，并将所述泄漏点访问标识集合中的元素均置0，其中，所述泄漏点访问标识集合中元素的数量为所述泄漏点集合中元素的数量；S306，构建泄漏点噪声簇，并假设泄漏点均为噪声，以及构建泄漏点簇集合；S307，对于任一泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则建立一个新簇，将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S308，对于属于时空-邻域的泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则根据密度连接原则，扩展时空-邻域，若该泄漏点事件不属于任意簇，则将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S309，重复执行步骤S308，直到时空-邻域遍历完成，将所述新簇添加到所述泄漏点簇集合；S310，循环执行步骤S307至S309，直到所有的泄漏点访问标识集合均为1时，结束算法，输出泄漏点簇集合。
本发明的有益效果：
本发明针对燃气管网泄漏点的时空耦合特征，通过DBSCAN算法进行时空聚类分析来识别某一区域内的燃气泄漏风险，由此，能够对燃气管网的燃气泄漏进行有效预警，从而为燃气管网的维检修提供便利，并降低燃气管网维检修的成本，有效保障燃气管网的安全性。
附图说明
图1为本发明实施例的燃气管网泄漏识别方法的流程图；
图2为本发明实施例的燃气管网泄漏识别装置的方框示意图。
具体实施方式
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。
如图1所示，本发明实施例的燃气管网泄漏识别方法包括以下步骤S1至S6：
S1，采集燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据。
在本发明的一个实施例中，可通过燃气泄漏检测系统检测燃气泄漏浓度数据，并结合管网GIS系统得到各个管段的燃气泄漏浓度数据、时间数据和空间数据。
具体地，可在燃气管网中遍布燃气探测器，管网GIS系统中存储有管网拓扑图，图中包含各个管段的位置信息、燃气探测器的位置信息等。在燃气探测器检测到相应检测点的燃气泄漏浓度数据后，可同时获取检测时间，作为时间数据，并获取燃气探测器的位置信息，例如城建坐标或北斗经纬度坐标等经纬度信息，作为空间数据。
S2，设置初始参数，初始参数包括气体泄漏浓度阈值、泄漏等级分级、时间窗口和空间半径。
其中，气体泄漏浓度阈值可作为是否发生燃气泄漏的判断依据，泄漏等级分级可用于对每个泄漏点进行分级，例如可根据泄漏浓度的高低划分为严重泄漏、一般泄漏、轻微泄漏、无泄漏等。
S3，根据初始参数，通过DBSCAN算法对燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据数据进行时空聚类分析。
步骤S3具体包括以下步骤S301至S310：
S301，根据燃气泄漏浓度数据和气体泄漏浓度阈值，按照泄漏等级分级构建泄漏点集合。
可根据各检测点燃气泄漏浓度数据与气体泄漏浓度阈值相比较，判断该检测点是否为泄漏点或疑似泄漏点，并按照上述的泄漏等级分级方式对泄漏点进行等级的划分，得到按等级V区分的泄漏点集合GasLeakSet＝{L1,L2,…,Ln}。
S302，根据空间数据计算各个泄漏点之间的空间距离并构建泄漏网络距离矩阵。
具体地，可基于网络最短路径原则，即以两泄漏点间相连通管网的最小长度，作为两泄漏点间的空间距离。各个泄漏点之间的空间距离作为矩阵元素可构成泄漏网络距离矩阵MLSDis。
S303，根据时间数据计算各个泄漏点之间的时间距离并构建泄漏时间距离矩阵。
具体地，可以以各个泄漏点之间的间隔时间作为矩阵元素，构成泄漏时间距离矩阵MLTDis。
S304，根据泄漏网络距离矩阵、泄漏时间距离矩阵、时间窗口和空间半径构建泄漏点时空邻接表。
具体地，可基于泄漏网络距离矩阵MLSDis和泄漏时间距离矩阵MLTDis，以小于时间窗口ΔT和空间半径ΔD为判断标准，构建泄漏点时空邻接表LlinkList。
S305，构建泄漏点访问标识集合LVisitFlag[Num(GasLeakSet)]，并将泄漏点访问标识集合中的元素均置0，其中，泄漏点访问标识集合LVisitFlag中元素的数量为泄漏点集合GasLeakSet中元素的数量。
S306，构建泄漏点噪声簇Noise，并假设泄漏点均为噪声，即Noise＝GasLeakSet，以及构建泄漏点簇集合GasLeak。
S307，对于任一泄漏点GasLeakSet[i]，设置访问标识LVisitFlag[i]为1，根据泄漏点时空邻接表LlinkList查找该泄漏点事件GasLeakSet[i]的时空-邻域Ndt(GasLeakSet[i])，并判断该泄漏点事件GasLeakSet[i]是否为核心泄漏事件，若是，则建立一个新簇Ci，将该泄漏点GasLeakSet[i]添加到新簇Ci，并从噪声簇Noise中移除该泄漏点GasLeakSet[i]。
S308，对于属于时空-邻域的泄漏点，即GasLeakSet[j]∈Ndt(GasLeakSet[i])，设置访问标识LVisitFlag[j]为1，根据泄漏点时空邻接表LlinkList查找该泄漏点事件GasLeakSet[j]的时空-邻域Ndt(GasLeakSet[j])，并判断该泄漏点事件GasLeakSet[j]是否为核心泄漏事件，若是，则根据密度连接原则，扩展时空-邻域Ndt(GasLeakSet[i])：Ndt(GasLeakSet[i])+＝Ndt(GasLeakSet[j])，若该泄漏点事件GasLeakSet[j]不属于任意簇，则将该泄漏点GasLeakSet[j]添加到新簇Ci，并从噪声簇Noise中移除该泄漏点GasLeakSet[j]。
S309，重复执行步骤S308，直到时空-邻域Ndt(GasLeakSet[i])遍历完成，将新簇Ci添加到泄漏点簇集合GasLeak。
S310，循环执行步骤S307至S309，直到所有的泄漏点访问标识集合LVisitFlag均为1时，结束算法，输出泄漏点簇集合GasLeak。
S4，根据聚类分析结果计算燃气管网中泄漏点的平均泄漏等级，以进行高风险区域的识别。
具体地，可根据步骤S3得到的泄漏点簇集合GasLeak计算平均泄漏等级，某一区域平均泄漏等级的高低可体现出该区域是否存在较高的燃气泄漏风险，即是否为高风险区域。
S5，根据给定的平均泄漏等级对初始参数进行优化，并在优化后重复执行步骤S3至S5。
给定的平均泄漏等级可表示达到该给定的平均泄漏等级的区域即为高风险区域，平均泄漏等级的给定及对初始参数的调整和优化依赖于专家经验。
S6，直到计算的平均泄漏等级满足给定的平均泄漏等级，输出识别结果。
进一步地，还可对识别结果进行可视化展示。具体地，可通过管网GIS系统对识别结果进行可视化展示，例如可在管网GIS地图中通过相应的颜色标注出高风险区域，进行燃气泄漏预警，以便维检修人员直观查看燃气管网泄漏情况，从而采取相应的维检修措施。
根据本发明实施例的燃气管网泄漏识别方法，针对燃气管网泄漏点的时空耦合特征，通过DBSCAN算法进行时空聚类分析来识别某一区域内的燃气泄漏风险，由此，能够对燃气管网的燃气泄漏进行有效预警，从而为燃气管网的维检修提供便利，并降低燃气管网维检修的成本，有效保障燃气管网的安全性。
对应上述实施例的燃气管网泄漏识别方法，本发明还提出一种燃气管网泄漏识别装置。
如图2所示，本发明实施例的燃气管网泄漏识别装置包括数据采集模块10、参数设置模块20、算法分析模块30、风险识别模块40和参数优化模块50。其中，数据采集模块10用于采集燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据，参数设置模块20用于设置初始参数，初始参数包括气体泄漏浓度阈值、泄漏等级分级、时间窗口和空间半径，算法分析模块30用于根据初始参数，通过DBSCAN算法对燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据数据进行时空聚类分析，风险识别模块40用于根据聚类分析结果计算燃气管网中泄漏点的平均泄漏等级，以进行高风险区域的识别，参数优化模块50用于根据给定的平均泄漏等级对初始参数进行优化。其中，在参数优化模块50进行优化后，由算法分析模块30和风险识别模块40重复执行其功能，直到风险识别模块40计算的平均泄漏等级满足给定的平均泄漏等级，由风险识别模块40输出识别结果。
在本发明的一个实施例中，数据采集模块10可通过燃气泄漏检测系统检测燃气泄漏浓度数据，并结合管网GIS系统得到各个管段的燃气泄漏浓度数据、时间数据和空间数据。
在本发明的一个实施例中，算法分析模块30具体用于执行以下步骤：S301，根据燃气泄漏浓度数据和气体泄漏浓度阈值，按照泄漏等级分级构建泄漏点集合；S302，根据空间数据计算各个泄漏点之间的空间距离并构建泄漏网络距离矩阵；S303，根据时间数据计算各个泄漏点之间的时间距离并构建泄漏时间距离矩阵；S304，根据泄漏网络距离矩阵、泄漏时间距离矩阵、时间窗口和空间半径构建泄漏点时空邻接表；S305，构建泄漏点访问标识集合LVisitFlag[Num(GasLeakSet)]，并将泄漏点访问标识集合中的元素均置0，其中，泄漏点访问标识集合LVisitFlag中元素的数量为泄漏点集合GasLeakSet中元素的数量；S306，构建泄漏点噪声簇Noise，并假设泄漏点均为噪声，即Noise＝GasLeakSet，以及构建泄漏点簇集合GasLeak；S307，对于任一泄漏点GasLeakSet[i]，设置访问标识LVisitFlag[i]为1，根据泄漏点时空邻接表LlinkList查找该泄漏点事件GasLeakSet[i]的时空-邻域Ndt(GasLeakSet[i])，并判断该泄漏点事件GasLeakSet[i]是否为核心泄漏事件，若是，则建立一个新簇Ci，将该泄漏点GasLeakSet[i]添加到新簇Ci，并从噪声簇Noise中移除该泄漏点GasLeakSet[i]；S308，对于属于时空-邻域的泄漏点，即GasLeakSet[j]∈Ndt(GasLeakSet[i])，设置访问标识LVisitFlag[j]为1，根据泄漏点时空邻接表LlinkList查找该泄漏点事件GasLeakSet[j]的时空-邻域Ndt(GasLeakSet[j])，并判断该泄漏点事件GasLeakSet[j]是否为核心泄漏事件，若是，则根据密度连接原则，扩展时空-邻域Ndt(GasLeakSet[i])：Ndt(GasLeakSet[i])+＝Ndt(GasLeakSet[j])，若该泄漏点事件GasLeakSet[j]不属于任意簇，则将该泄漏点GasLeakSet[j]添加到新簇Ci，并从噪声簇Noise中移除该泄漏点GasLeakSet[j]；S309，重复执行步骤S308，直到时空-邻域Ndt(GasLeakSet[i])遍历完成，将新簇Ci添加到泄漏点簇集合GasLeak；S310，循环执行步骤S307至S309，直到所有的泄漏点访问标识集合LVisitFlag均为1时，结束算法，输出泄漏点簇集合GasLeak。
进一步地，本发明实施例的燃气管网泄漏识别装置还可包括可视化展示模块，可视化展示模块用于对识别结果进行可视化展示。具体地，可视化展示模块可通过管网GIS系统对识别结果进行可视化展示，例如可在管网GIS地图中通过相应的颜色标注出高风险区域，进行燃气泄漏预警，以便维检修人员直观查看燃气管网泄漏情况，从而采取相应的维检修措施。
根据本发明实施例的燃气管网泄漏识别装置，针对燃气管网泄漏点的时空耦合特征，通过DBSCAN算法进行时空聚类分析来识别某一区域内的燃气泄漏风险，由此，能够对燃气管网的燃气泄漏进行有效预警，从而为燃气管网的维检修提供便利，并降低燃气管网维检修的成本，有效保障燃气管网的安全性。
在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种燃气管网泄漏识别方法，其特征在于，包括以下步骤：
S1，采集燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据；
S2，设置初始参数，所述初始参数包括气体泄漏浓度阈值、泄漏等级分级、时间窗口和空间半径；
S3，根据所述初始参数，通过DBSCAN算法对所述燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据数据进行时空聚类分析；
S4，根据聚类分析结果计算所述燃气管网中泄漏点的平均泄漏等级，以进行高风险区域的识别；
S5，根据给定的平均泄漏等级对所述初始参数进行优化，并在优化后重复执行步骤S3至S5；
S6，直到计算的平均泄漏等级达到给定的平均泄漏等级，输出识别结果，
其中，所述步骤S3具体包括：S301，根据所述燃气泄漏浓度数据和所述气体泄漏浓度阈值，按照所述泄漏等级分级构建泄漏点集合；S302，根据所述空间数据计算各个泄漏点之间的空间距离并构建泄漏网络距离矩阵；S303，根据所述时间数据计算各个泄漏点之间的时间距离并构建泄漏时间距离矩阵；S304，根据所述泄漏网络距离矩阵、所述泄漏时间距离矩阵、所述时间窗口和所述空间半径构建泄漏点时空邻接表；S305，构建泄漏点访问标识集合，并将所述泄漏点访问标识集合中的元素均置0，其中，所述泄漏点访问标识集合中元素的数量为所述泄漏点集合中元素的数量；S306，构建泄漏点噪声簇，并假设泄漏点均为噪声，以及构建泄漏点簇集合；S307，对于任一泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则建立一个新簇，将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S308，对于属于时空-邻域的泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则根据密度连接原则，扩展时空-邻域，若该泄漏点事件不属于任意簇，则将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S309，重复执行步骤S308，直到时空-邻域遍历完成，将所述新簇添加到所述泄漏点簇集合；S310，循环执行步骤S307至S309，直到所有的泄漏点访问标识集合均为1时，结束算法，输出泄漏点簇集合，
在步骤S4中根据所述泄漏点簇集合计算平均泄漏等级，
给定的平均泄漏等级表示达到该给定的平均泄漏等级的区域即为高风险区域，平均泄漏等级的给定及对初始参数的调整和优化依赖于专家经验。
2.根据权利要求1所述的燃气管网泄漏识别方法，其特征在于，还包括：
对所述识别结果进行可视化展示。
3.根据权利要求2所述的燃气管网泄漏识别方法，其特征在于，通过燃气泄漏检测系统检测燃气泄漏浓度数据，并结合管网GIS系统得到各个管段的燃气泄漏浓度数据、时间数据和空间数据。
4.根据权利要求3所述的燃气管网泄漏识别方法，其特征在于，通过所述管网GIS系统对所述识别结果进行可视化展示。
5.一种燃气管网泄漏识别装置，其特征在于，包括数据采集模块、参数设置模块、算法分析模块、风险识别模块和参数优化模块，其中，所述数据采集模块用于采集燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据，所述参数设置模块用于设置初始参数，所述初始参数包括气体泄漏浓度阈值、泄漏等级分级、时间窗口和空间半径，所述算法分析模块用于根据所述初始参数，通过DBSCAN算法对所述燃气管网中各个管段的燃气泄漏浓度数据、时间数据和空间数据数据进行时空聚类分析，所述风险识别模块用于根据聚类分析结果计算所述燃气管网中泄漏点的平均泄漏等级，以进行高风险区域的识别，所述参数优化模块用于根据给定的平均泄漏等级对所述初始参数进行优化，其中，在所述参数优化模块进行优化后，由所述算法分析模块和所述风险识别模块重复执行其功能，直到所述风险识别模块计算的平均泄漏等级满足给定的平均泄漏等级，由所述风险识别模块输出识别结果，
所述算法分析模块具体用于执行以下步骤：S301，根据所述燃气泄漏浓度数据和所述气体泄漏浓度阈值，按照所述泄漏等级分级构建泄漏点集合；S302，根据所述空间数据计算各个泄漏点之间的空间距离并构建泄漏网络距离矩阵；S303，根据所述时间数据计算各个泄漏点之间的时间距离并构建泄漏时间距离矩阵；S304，根据所述泄漏网络距离矩阵、所述泄漏时间距离矩阵、所述时间窗口和所述空间半径构建泄漏点时空邻接表；S305，构建泄漏点访问标识集合，并将所述泄漏点访问标识集合中的元素均置0，其中，所述泄漏点访问标识集合中元素的数量为所述泄漏点集合中元素的数量；S306，构建泄漏点噪声簇，并假设泄漏点均为噪声，以及构建泄漏点簇集合；S307，对于任一泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则建立一个新簇，将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S308，对于属于时空-邻域的泄漏点，设置访问标识为1，根据泄漏点时空邻接表查找该泄漏点事件的时空-邻域，并判断该泄漏点事件是否为核心泄漏事件，若是，则根据密度连接原则，扩展时空-邻域，若该泄漏点事件不属于任意簇，则将该泄漏点添加到所述新簇，并从噪声簇中移除该泄漏点；S309，重复执行步骤S308，直到时空-邻域遍历完成，将所述新簇添加到所述泄漏点簇集合；S310，循环执行步骤S307至S309，直到所有的泄漏点访问标识集合均为1时，结束算法，输出泄漏点簇集合，
所述风险识别模块根据所述泄漏点簇集合计算平均泄漏等级，
给定的平均泄漏等级表示达到该给定的平均泄漏等级的区域即为高风险区域，平均泄漏等级的给定及对初始参数的调整和优化依赖于专家经验。
6.根据权利要求5所述的燃气管网泄漏识别装置，其特征在于，还包括：
可视化展示模块，所述可视化展示模块用于对所述识别结果进行可视化展示。
7.根据权利要求6所述的燃气管网泄漏识别装置，其特征在于，所述数据采集模块通过燃气泄漏检测系统检测燃气泄漏浓度数据，并结合管网GIS系统得到各个管段的燃气泄漏浓度数据、时间数据和空间数据。
8.根据权利要求7所述的燃气管网泄漏识别装置，其特征在于，所述可视化展示模块通过所述管网GIS系统对所述识别结果进行可视化展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911411466.XA CN111076096B (zh) | 2019-12-31 | 2019-12-31 | 燃气管网泄漏识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911411466.XA CN111076096B (zh) | 2019-12-31 | 2019-12-31 | 燃气管网泄漏识别方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111076096A CN111076096A (zh) | 2020-04-28 |
| CN111076096B true CN111076096B (zh) | 2021-02-26 |
Family
ID=70320807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911411466.XA Active CN111076096B (zh) | 2019-12-31 | 2019-12-31 | 燃气管网泄漏识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111076096B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258362B (zh) * | 2020-09-27 | 2024-03-19 | 汉威科技集团股份有限公司 | 危险源识别方法、系统及可读存储介质 |
| CN113282639B (zh) * | 2021-04-27 | 2022-08-05 | 深圳市中燃科技有限公司 | 燃气泄露数据监控方法、系统、智能终端及存储介质 |
| CN113357545B (zh) * | 2021-05-19 | 2023-04-18 | 上海天麦能源科技有限公司 | 一种城市复杂气管网异常诊断方法及系统 |
| CN113586965B (zh) * | 2021-06-04 | 2023-02-28 | 南方电网科学研究院有限责任公司 | Gis管道内sf6混合气体在线充气装置 |
| CN113362200B (zh) * | 2021-07-02 | 2024-02-23 | 上海天麦能源科技有限公司 | 一种时空维度组合的异常检测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103590444A (zh) * | 2013-11-06 | 2014-02-19 | 中国水利水电科学研究院 | 大型埋地压力输水管道渗漏连续监测方法与爆管预警系统 |
| CN108224096A (zh) * | 2018-01-03 | 2018-06-29 | 中国石油大学(华东) | 一种城市油气管道重大事故风险预警评估方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3859503B2 (ja) * | 2001-12-12 | 2006-12-20 | 東京瓦斯株式会社 | 地震被害発生推定方法および地震被害発生推定装置 |
| CN200968499Y (zh) * | 2006-10-26 | 2007-10-31 | 中国石油天然气管道局 | 城市燃气远程实时监测系统 |
| CN101354111A (zh) * | 2007-07-23 | 2009-01-28 | 上海市莘格高级中学 | 一种管道煤气智能自动管理器 |
| CN202082628U (zh) * | 2011-03-17 | 2011-12-21 | 河南汉威电子股份有限公司 | 一种实时数据交互的燃气管网巡检系统 |
| CN104123810B (zh) * | 2013-04-25 | 2016-08-31 | 北京格宝应用技术有限公司 | 一种气体泄漏的报警装置及方法 |
| CN107895222A (zh) * | 2017-10-26 | 2018-04-10 | 华北电力大学 | 基于dbscan算法的变压器不良漏抗参数辨识方法 |
| CN108050394B (zh) * | 2017-12-08 | 2020-03-10 | 重庆科技学院 | 基于声压信号识别的燃气管道泄漏检测定位实验平台 |
-
2019
- 2019-12-31 CN CN201911411466.XA patent/CN111076096B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103590444A (zh) * | 2013-11-06 | 2014-02-19 | 中国水利水电科学研究院 | 大型埋地压力输水管道渗漏连续监测方法与爆管预警系统 |
| CN108224096A (zh) * | 2018-01-03 | 2018-06-29 | 中国石油大学(华东) | 一种城市油气管道重大事故风险预警评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111076096A (zh) | 2020-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111076096B (zh) | 燃气管网泄漏识别方法和装置 | |
| CN107610421A (zh) | 一种地质灾害预警分析系统及方法 | |
| CN103491351A (zh) | 违章建筑物的智能视频监控方法 | |
| CN112686581B (zh) | 一种自然灾害次生危险化学品事故风险评估方法及评估系统 | |
| CN110602438B (zh) | 一种基于路网的视频监控布局优化方法及装置 | |
| Xie et al. | Spatial analysis of highway incident durations in the context of Hurricane Sandy | |
| KR101937940B1 (ko) | 빅 데이터를 활용한 단계별 방범 cctv 위치 선정 방법 | |
| CN109871613B (zh) | 一种森林火灾判别模型获取方法及预测应用 | |
| CN103779808A (zh) | 基于LiDAR的输电线路智能巡检系统 | |
| CN111339905A (zh) | 基于深度学习及多视角的cim井盖状态视觉检测系统 | |
| CN104504616A (zh) | 基于gis和气象信息的存在运行风险的电网设备定位方法 | |
| CN113344735B (zh) | 电网设备的防灾减灾监测预警系统 | |
| CN116975785B (zh) | 一种基于cim模型的多源异构数据融合分析方法及系统 | |
| CN108257385B (zh) | 一种基于公共交通的异常事件的甄别方法 | |
| KR20210000510A (ko) | 전기 화재 예측 장치, 방법 및 그 방법을 이용한 기록 매체 | |
| CN115586310A (zh) | 一种基于星地协同的近地面碳浓度监测系统 | |
| Meng et al. | A dynamic emergency decision support model for emergencies in urban areas | |
| CN116853056A (zh) | 基于数据分析的充电桩智能管理系统 | |
| CN116957193A (zh) | 一种适用于广告灯箱的运行全天候监控管理系统 | |
| CN114925994B (zh) | 一种基于深度学习的城中村风险评估和风险因素定位方法 | |
| CN115937539A (zh) | 一种基于多信号决策的电缆井监测预警方法及系统 | |
| CN115456463A (zh) | 一种山洪灾害危险区风险等级划分方法及系统 | |
| Zhang et al. | Discovering station patterns of urban transit network with multisource data: empirical evidence in Jinan, China | |
| CN113886513A (zh) | 一种输电线路外力破坏事件可视化分析方法及系统 | |
| Li et al. | Study on road damage assessment based on RS and GIS |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |