CN111639430B - 一种数字孪生驱动的天然气管道泄漏识别系统 - Google Patents
一种数字孪生驱动的天然气管道泄漏识别系统 Download PDFInfo
- Publication number
- CN111639430B CN111639430B CN202010479740.3A CN202010479740A CN111639430B CN 111639430 B CN111639430 B CN 111639430B CN 202010479740 A CN202010479740 A CN 202010479740A CN 111639430 B CN111639430 B CN 111639430B
- Authority
- CN
- China
- Prior art keywords
- data
- pipeline
- digital twin
- model
- module
- 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
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 96
- 239000003345 natural gas Substances 0.000 title claims abstract description 48
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000004088 simulation Methods 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 239000007789 gas Substances 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及一种数字孪生驱动的天然气管道泄漏识别系统，属于天然气管道，包括数字孪生模型构建模块，用于构建天然气管道的数字孪生模型；数字孪生模型在线更新模块，用于自适应在线更新物理信息空间的数据、数字孪生模型的结构和参数；管道泄漏识别模块，获取样本数据并进行预处理，判断数字孪生模型的预测值与实时数据的管道输出实际值之间的残差是否超出残差阈值，以此为基础判断实时数据是否为泄漏工况；可视化模块，用于实时显示管道物理信息空间数据及管道数字孪生体输出数据，当识别到管道泄漏时，进行报警并根据泄露配置相应的应急抢险方案。
Description
技术领域
本发明属于天然气管道检测领域，涉及一种数字孪生驱动的天然气管道泄漏识别系统。
背景技术
天然气的管道运输是天然气储运(集输)的主要方式，由于天然气管道具有高压、易燃易爆、分布广、线路长、常埋地下等特点，受腐蚀、老化、第三方破坏和自然灾害等多方面因素的影响下会引起管道泄漏事故。管道泄漏事故发生的偶然性较强，极不可控，管网运行风险高，管理难度大。一旦泄漏极易发生燃爆事故，不仅会造成巨大的资源浪费和环境污染、还将对人民生命和财产安全构成严重威胁，社会影响巨大。及时发现天然气管道泄漏事故的发生，并准确判断管道泄漏发生的方位以及泄漏量，对天然气管道安全运行至关重要。
随着油气管网的现代化建设，以及SCADA系统和人工智能等技术的广泛应用，管道运行状态数据更易获得且更为丰富。基于数据驱动的方法无需知道系统精确解析模型，运用统计分析、信号处理和人工智能的方法对过程数据进行分析处理就可完成泄漏检测，因此该方法引起了广泛的关注。但是该方法应用在天然气管道微弱泄漏检测时，存在以下问题：(1)在实管道实际运行过程中，微弱泄漏的样本较少，泄漏样本标注精度低，正常运行样本和泄漏样本不均衡；(2)由于管道内部腐蚀和外部环境变化，管道过程特性将随时间发生变化，并产生新的过程状态，当过程特性发生变化时，根据历史数据建立的模型性能会随之下降，甚至完全失效，需要对模型在线更新，赋予其自校正、自适应能力。
针对这些问题，为满足天然气管道从数字化管道朝着智能化管道方向发展的需求，实现天然气管道的物理世界和信息世界的互联互通和智能化操作，数字孪生技术的出现以及迅速发展为解决上述问题提供了新的思路。数字孪生技术可充分利用SCADA系统海量的信息反馈，进行迅速的深度学习和精确模拟，完成深度信息物理融合，提高天然气管道泄漏识别效率。
发明内容
有鉴于此，本发明的目的在于基于数字孪生技术，开发一种数字孪生驱动的天然气管道泄漏识别系统。
为达到上述目的，本发明提供如下技术方案：
一种数字孪生驱动的天然气管道泄漏识别系统，包括
数字孪生模型构建模块，用于构建天然气管道的数字孪生模型；
数字孪生模型在线更新模块，用于自适应在线更新物理信息空间的数据、数字孪生模型的结构和参数；
管道泄漏识别模块，获取样本数据并进行预处理，判断数字孪生模型的预测值与实时数据的管道输出实际值之间的残差是否超出残差阈值，以此为基础判断实时数据是否为泄漏工况；
可视化模块，用于实时显示管道物理信息空间数据及管道数字孪生体输出数据，当识别到管道泄漏时，进行报警并根据泄露配置相应的应急抢险方案。
进一步，所述数字孪生模型构建模块包括：
物理信息空间：基于SCADA(Supervisory Control And Data Acquisition，数据采集与监视控制)系统采集的管道数据、目标管道物理属性数据和气体组分数据构建物理信息空间，为反映管道机理、数理逻辑的数据空间；
仿真模型：根据物理信息空间的数据通过仿真软件搭建管道仿真模型，模型输出为管道的输出预测值，计算仿真模型的管道输出预测值和实际值之间的误差，误差大于误差阈值，则对仿真模型进行参数调优操作，直到误差小于误差阈值；
管道正常运行数据驱动模型：根据物理信息空间中SCADA系统采集的管道正常运行数据通过机器学习算法搭建管道数据驱动模型，对管道正常运行时管道的输入数据进行特征提取处理，将提取出的特征值作为数据驱动模型的输入，进行模型训练和优化，模型输出为管道的输出预测值，计算数据驱动模型的管道输出预测值和实际值之间的误差，误差大于误差阈值，则对数据驱动模型进行参数调优操作，直到误差小于误差阈值；
框架模块：基于天然气管道运行动态特征，构建天然气管道数字孪生一般框架，包括天然气管道数字孪生的定义、组成、属性、相互关系以及模型搭建步骤及关键评价指标；
先验知识模块：添加天然气管道涉及的显性和隐形先验知识，包括领域知识、标准、泄漏类型量化描述。
进一步，所述数字孪生模型在线更新模块包括：
自适应数据在线更新模块：基于最新物理信息数据，自适应在线更新物理信息空间的数据；
自适应模型在线更新模块：基于自适应数据在线更新模块更新的信息数据，自适应在线更新数字孪生模型的结构和参数。
进一步，所述自适应数据在线更新模块结合滑动窗口、递推更新技术，根据当前最新物理信息数据加入新的信息，同时移除旧的信息或降低旧信息的权重。
进一步，所述自适应模型在线更新模块基于自适应数据在线更新模块更新的信息数据，通过小批量的数据迭代更新模型结构和参数的权重，实现模型结构和参数的递归更新。
进一步，所述管道泄漏识别模块包括：
样本数据获取模块：配置数据采样频率，采集SCADA系统实时数据；对数据进行清洗，删除冗余数据；
泄漏识别模块：判断数字孪生模型的预测值与实时数据的管道输出实际值之间的残差是否超出残差阈值，以此为基础判断实时数据是否为泄漏工况。
进一步，所述泄漏识别模块的具体步骤如下：
步骤1：采集SCADA系统实时数据，将实时数据输入如数字孪生模型，分别对数字孪生模型中的仿真模型和管道正常运行数据驱动模型进行残差分析，根据公式(1)获得数字孪生模型的泄漏识别结果；如果泄漏识别结果OP＝0，则输入数据为正常运行工况，无需执行步骤2；如果泄漏识别结果OP＝1，则输入数据为泄漏工况，无需执行步骤2；如果泄漏识别结果OP＝2，则输入数据为带待定工况，执行步骤2；
其中，OP为泄漏识别结果，σa为仿真模型的预测输出值与实际值的残差，σb为管道正常运行数据驱动模型的预测输出值与实际值的残差，σ为残差阈值；
步骤2：从数字孪生构建模块中的先验知识模块调取先验知识，辅助判断待定工况的是否为泄漏工况。
进一步，所述可视化模块包括：
报警模块：配置异常识别模块的残差阈值，作为管道异常识别报警阈值；显示泄漏识别结果；
实时显示模块：同时实时显示管道物理信息空间数据及管道数字孪生体输出数据，将数值转换为图表进行可视化显示；
辅助决策模块：根据泄露配置相应的应急抢险方案。
本发明的有益效果在于：本发明实现了天然气管道全生命周期运行状态的数字呈现，解决了天然气管道正常运行样本和泄漏样本不均衡，以及模型性能随过程状态变化而下降问题，提高了天然气管道的智能化管控效率。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1是本发明的系统结构图；
图2是本发明实施例中数字孪生在线更新模块流程图；
图3是本发明实施例中管道泄漏识别模块流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明涉及一种数字孪生驱动的天然气管道泄漏识别系统，该系统针对天然气管道正常运行样本和泄漏样本不均衡，以及模型性能随过程状态变化而下降问题，利用数字孪生技术对天然气管道本身和运行过程的数据进行分析和模拟仿真并对管道泄漏进行识别，最终提高天然气管道的智能化管控效率。
本发明的结构图如图1所示，具体实施方式如下:数字孪生模型构建模块，用于构建天然气管道的数字孪生模型；
(1)图1中的数字孪生模型构建模块，该模块的具体实现如下：
物理信息空间：基于SCADA系统采集的数据、目标管道物理属性数据和气体组分数据构建物理信息空间，该空间为反映管道机理、数理逻辑的数据空间；
仿真模型：根据物理信息空间的数据通过仿真软件搭建管道仿真模型，模型输出为管道的输出预测值，计算仿真模型的管道输出预测值和实际值之间的误差，误差大于误差阈值，则对仿真模型进行参数调优操作，直到误差小于误差阈值；
管道正常运行数据驱动模型：根据物理信息空间中SCADA系统采集的管道正常运行数据数据通过机器学习算法搭建管道数据驱动模型，对管道正常运行时管道的输入数据进行特征提取处理，将提取出的特征值作为数据驱动模型的输入，进行模型训练和优化，模型输出为管道的输出预测值，计算数据驱动模型的管道输出预测值和实际值之间的误差，误差大于误差阈值，则对数据驱动模型进行参数调优操作，直到误差小于误差阈值；
框架模块：基于天然气管道运行动态特征，构建天然气管道数字孪生一般框架，包括天然气管道数字孪生的定义、组成、属性、相互关系以及模型搭建步骤及关键评价指标；
先验知识模块：添加天然气管道涉及的显性和隐形先验知识，包括领域知识、标准、泄漏类型量化描述；
(2)图1中的数字孪生在线更新模块，该模块的具体实现如图2所示：
①自适应数据在线更新模块：基于最新物理信息数据，自适应在线更新物理信息空间的数据，如结合滑动窗口、递推更新等技术，根据当前最新物理信息数据加入新的信息，同时移除旧的信息或降低旧信息的权重
②自适应模型在线更新模块：基于自适应数据在线更新模块更新的信息数据，自适应模型在线更新数字孪生模型的结构和参数，如通过小批量的数据迭代更新模型结构和参数的权重，实现模型结构和参数的递归更新。
(3)管道泄漏识别模块，该模块的具体实现如图3所示：
样本数据获取模块：配置数据采样频率，采集SCADA系统实时数据；对数据进行清洗，删除冗余数据；
泄漏识别模块：判断数字孪生模型的预测值与实时数据的管道输出实际值之间的残差是否超出残差阈值，以此为基础判断实时数据是否为泄漏工况；其具体步骤如下：步骤1，采集SCADA系统实时数据，将实时数据输入如数字孪生模型，分别对数字孪生模型中的仿真模型和管道正常运行数据驱动模型进行残差分析，根据公式1获得数字孪生模型的泄漏识别结果；如果泄漏识别结果OP＝0，则输入数据为正常运行工况，无需执行步骤2；如果泄漏识别结果OP＝1，则输入数据为泄漏工况，无需执行步骤2；如果泄漏识别结果OP＝2，则输入数据为待定工况，执行步骤2；步骤2，从数字孪生构建模块中的先验知识模块调取先验知识，辅助判断待定工况的是否为泄漏工况。
其中，OP为泄漏识别结果，σa为仿真模型的预测输出值与实际值的残差，σb为管道正常运行数据驱动模型的预测输出值与实际值的残差，σ为残差阈值，
(4)可视化模块，该模块具体包括：
报警模块：①配置异常识别模块的残差阈值，作为管道异常识别报警阈值；②显示泄漏识别结果；
实时显示模块：同时实时显示管道物理信息空间数据及管道数字孪生体输出数据，将数值转换为图表进行可视化显示；
辅助决策模块：根据泄露配置相应的应急抢险方案；
综上所述，本发明公开了一种数字孪生驱动的天然气管道泄漏识别系统，包括数字孪生模型构建模块，数字孪生模型在线更新模块，管道泄漏识别模块和可视化模块；该系统能够实现天然气管道全生命周期运行状态的数字呈现，解决了天然气管道正常运行样本和泄漏样本不均衡，以及模型性能随过程状态变化而下降问题，提高了天然气管道的智能化管控效率。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种数字孪生驱动的天然气管道泄漏识别系统，其特征在于：包括
数字孪生模型构建模块，用于构建天然气管道的数字孪生模型；
数字孪生模型在线更新模块，用于自适应在线更新物理信息空间的数据、数字孪生模型的结构和参数；
管道泄漏识别模块，获取样本数据并进行预处理，判断数字孪生模型的预测值与实时数据的管道输出实际值之间的残差是否超出残差阈值，以此为基础判断实时数据是否为泄漏工况；
可视化模块，用于实时显示管道物理信息空间数据及管道数字孪生体输出数据，当识别到管道泄漏时，进行报警并根据泄露配置相应的应急抢险方案；
所述数字孪生模型构建模块包括：
物理信息空间：基于SCADA数据采集与监视控制系统采集的管道数据、目标管道物理属性数据和气体组分数据构建物理信息空间，为反映管道机理、数理逻辑的数据空间；
仿真模型：根据物理信息空间的数据搭建管道仿真模型，模型输出为管道的输出预测值，计算仿真模型的管道输出预测值和实际值之间的误差，误差大于误差阈值，则对仿真模型进行参数调优操作，直到误差小于误差阈值；
管道正常运行数据驱动模型：根据物理信息空间中SCADA系统采集的管道正常运行数据通过机器学习算法搭建管道数据驱动模型，对管道正常运行时管道的输入数据进行特征提取处理，将提取出的特征值作为数据驱动模型的输入，进行模型训练和优化，模型输出为管道的输出预测值，计算数据驱动模型的管道输出预测值和实际值之间的误差，误差大于误差阈值，则对数据驱动模型进行参数调优操作，直到误差小于误差阈值；
框架模块：基于天然气管道运行动态特征，构建天然气管道数字孪生一般框架，包括天然气管道数字孪生的定义、组成、属性、相互关系以及模型搭建步骤及关键评价指标；
先验知识模块：添加天然气管道涉及的显性和隐形先验知识，包括领域知识、标准、泄漏类型量化描述；
所述数字孪生模型在线更新模块包括：
自适应数据在线更新模块：基于最新物理信息数据，自适应在线更新物理信息空间的数据；所述自适应数据在线更新模块结合滑动窗口、递推更新技术，根据当前最新物理信息数据加入新的信息，同时移除旧的信息或降低旧信息的权重；
自适应模型在线更新模块：基于自适应数据在线更新模块更新的信息数据，自适应在线更新数字孪生模型的结构和参数；所述自适应模型在线更新模块通过小批量的数据迭代更新模型结构和参数的权重，实现模型结构和参数的递归更新。
2.根据权利要求1所述的数字孪生驱动的天然气管道泄漏识别系统，其特征在于：所述管道泄漏识别模块包括：
样本数据获取模块：配置数据采样频率，采集SCADA系统实时数据；对数据进行清洗，删除冗余数据；
泄漏识别模块：判断数字孪生模型的预测值与实时数据的管道输出实际值之间的残差是否超出残差阈值，以此为基础判断实时数据是否为泄漏工况。
3.根据权利要求2所述的数字孪生驱动的天然气管道泄漏识别系统，其特征在于：所述泄漏识别模块的具体步骤如下：
步骤1：采集SCADA系统实时数据，将实时数据输入如数字孪生模型，分别对数字孪生模型中的仿真模型和管道正常运行数据驱动模型进行残差分析，根据公式(1)获得数字孪生模型的泄漏识别结果；如果泄漏识别结果OP＝0，则输入数据为正常运行工况，无需执行步骤2；如果泄漏识别结果OP＝1，则输入数据为泄漏工况，无需执行步骤2；如果泄漏识别结果OP＝2，则输入数据为带待定工况，执行步骤2；
其中，OP为泄漏识别结果，σa为仿真模型的预测输出值与实际值的残差，σb为管道正常运行数据驱动模型的预测输出值与实际值的残差，σ为残差阈值；
步骤2：从数字孪生构建模块中的先验知识模块调取先验知识，辅助判断待定工况的是否为泄漏工况。
4.根据权利要求1所述的数字孪生驱动的天然气管道泄漏识别系统，其特征在于：所述可视化模块包括：
报警模块：配置异常识别模块的残差阈值，作为管道异常识别报警阈值；显示泄漏识别结果；
实时显示模块：同时实时显示管道物理信息空间数据及管道数字孪生体输出数据，将数值转换为图表进行可视化显示；
辅助决策模块：根据泄露配置相应的应急抢险方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010479740.3A CN111639430B (zh) | 2020-05-29 | 2020-05-29 | 一种数字孪生驱动的天然气管道泄漏识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010479740.3A CN111639430B (zh) | 2020-05-29 | 2020-05-29 | 一种数字孪生驱动的天然气管道泄漏识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111639430A CN111639430A (zh) | 2020-09-08 |
| CN111639430B true CN111639430B (zh) | 2024-02-27 |
Family
ID=72332315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010479740.3A Active CN111639430B (zh) | 2020-05-29 | 2020-05-29 | 一种数字孪生驱动的天然气管道泄漏识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111639430B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112364070B (zh) * | 2020-09-30 | 2024-03-22 | 北京仿真中心 | 一种工业领域人的数字孪生服务方法和系统 |
| CN112183890A (zh) * | 2020-10-27 | 2021-01-05 | 中德（珠海）人工智能研究院有限公司 | 智慧城市的排涝管道的确定方法、装置和可读存储介质 |
| CN112200491B (zh) * | 2020-10-30 | 2024-04-16 | 傲林科技有限公司 | 一种数字孪生模型构建方法、装置及存储介质 |
| CN112200493A (zh) * | 2020-11-02 | 2021-01-08 | 傲林科技有限公司 | 一种数字孪生模型构建方法及装置 |
| CN114519248A (zh) * | 2020-11-20 | 2022-05-20 | 中国石油天然气股份有限公司 | 基于数字孪生处理天然气长输管道泄漏行为的方法和系统 |
| CN112728416B (zh) * | 2020-12-18 | 2022-12-27 | 苏州热工研究院有限公司 | 一种高温高压动力管道状态监测系统 |
| CN113534679B (zh) * | 2021-07-06 | 2023-04-28 | 上海新氦类脑智能科技有限公司 | 系统监测模型生成方法、处理器芯片以及工业系统 |
| CN113360960B (zh) * | 2021-07-14 | 2023-03-21 | 重庆大学 | 一种计及空间电荷的换流变数字孪生模型构建方法 |
| CN113837451B (zh) * | 2021-09-06 | 2024-02-27 | 中控创新(北京)能源技术有限公司 | 油气管道的数字孪生体构建方法、装置、设备及存储介质 |
| CN113792433A (zh) * | 2021-09-15 | 2021-12-14 | 国家石油天然气管网集团有限公司 | 管道工程建设的数字孪生管控方法及系统 |
| CN113919106B (zh) * | 2021-09-29 | 2024-05-14 | 大连理工大学 | 基于增强现实和数字孪生的地下管道结构安全评价方法 |
| CN114036734B (zh) * | 2021-11-03 | 2022-11-22 | 北京工业大学 | 一种基于数字孪生的车用氢气传感器布局优化方法及系统 |
| CN114596919B (zh) * | 2022-05-10 | 2022-09-02 | 安徽瑞邦数科科技服务有限公司 | 指标预测方法、系统以及其在磷酸生产中的应用 |
| CN115577641B (zh) * | 2022-11-14 | 2023-04-07 | 成都飞机工业（集团）有限责任公司 | 一种数字孪生模型的训练方法、装置、设备及介质 |
| CN115906534B (zh) * | 2023-01-06 | 2023-05-19 | 中科数智能源科技(深圳)有限公司 | 自我更新及自动反向控制的油气田数字孪生方法及系统 |
| CN116105071B (zh) * | 2023-02-15 | 2024-05-24 | 新疆敦华绿碳技术股份有限公司 | 一种超临界二氧化碳管道安全泄放系统和控制方法 |
| CN117494031B (zh) * | 2024-01-02 | 2024-04-26 | 深圳市伟昊净化设备有限公司 | 一种压缩空气管路的智能监测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103580960A (zh) * | 2013-11-19 | 2014-02-12 | 佛山市络思讯环保科技有限公司 | 一种基于机器学习的在线管网异常侦测系统 |
| CN107590336A (zh) * | 2017-09-13 | 2018-01-16 | 哈尔滨理工大学 | 燃气管道泄漏对内部流场影响的数值模拟方法 |
| CN109268689A (zh) * | 2018-09-30 | 2019-01-25 | 南京钢铁股份有限公司 | 一种钢铁冶金煤气管道现场泄漏点监控系统 |
| CN110399642A (zh) * | 2019-06-21 | 2019-11-01 | 浙江大学 | 一种针对生产流水线的数字孪生体及其构建方法和应用 |
| CN110837224A (zh) * | 2018-08-16 | 2020-02-25 | 西门子股份公司 | 用于控制和监视自适应赛博物理系统的系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9734220B2 (en) * | 2012-12-04 | 2017-08-15 | Planet Os Inc. | Spatio-temporal data processing systems and methods |
| US20200027096A1 (en) * | 2017-11-07 | 2020-01-23 | Jason Ryan Cooner | System, business and technical methods, and article of manufacture for utilizing internet of things technology in energy management systems designed to automate the process of generating and/or monetizing carbon credits |
| US10921765B2 (en) * | 2017-12-20 | 2021-02-16 | Siemens Aktiengesellschaft | Digital twin of centrifugal pump in pumping systems |
-
2020
- 2020-05-29 CN CN202010479740.3A patent/CN111639430B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103580960A (zh) * | 2013-11-19 | 2014-02-12 | 佛山市络思讯环保科技有限公司 | 一种基于机器学习的在线管网异常侦测系统 |
| CN107590336A (zh) * | 2017-09-13 | 2018-01-16 | 哈尔滨理工大学 | 燃气管道泄漏对内部流场影响的数值模拟方法 |
| CN110837224A (zh) * | 2018-08-16 | 2020-02-25 | 西门子股份公司 | 用于控制和监视自适应赛博物理系统的系统 |
| CN109268689A (zh) * | 2018-09-30 | 2019-01-25 | 南京钢铁股份有限公司 | 一种钢铁冶金煤气管道现场泄漏点监控系统 |
| CN110399642A (zh) * | 2019-06-21 | 2019-11-01 | 浙江大学 | 一种针对生产流水线的数字孪生体及其构建方法和应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111639430A (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111639430B (zh) | 一种数字孪生驱动的天然气管道泄漏识别系统 | |
| CN111311059B (zh) | 基于知识图谱的水车室故障诊断方法 | |
| CN111460167A (zh) | 基于知识图谱定位排污对象的方法及相关设备 | |
| CN109766583A (zh) | 基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法 | |
| CN111339712A (zh) | 质子交换膜燃料电池剩余寿命预测方法 | |
| CN110348752B (zh) | 一种考虑环境干扰的大型工业系统结构安全性评估方法 | |
| CN111797572B (zh) | 一种城市事故灾害演化模拟及风险预测预警方法 | |
| CN113312447A (zh) | 基于概率标签估计的半监督日志异常检测方法 | |
| US20240012965A1 (en) | Steady flow prediction method in plane cascade based on generative adversarial network | |
| CN112217674B (zh) | 基于因果网络挖掘和图注意力网络的告警根因识别方法 | |
| CN115791174B (zh) | 一种滚动轴承异常诊断方法、系统、电子设备及存储介质 | |
| CN114386537A (zh) | 基于CatBoost的锂电池故障诊断方法、装置及电子设备 | |
| CN112465045A (zh) | 一种基于孪生神经网络的供应链例外事件检测方法 | |
| CN111126477A (zh) | 一种混合贝叶斯网络的学习与推理方法 | |
| CN116779202A (zh) | 基于数字孪生的核电厂转动设备智能故障诊断方法及系统 | |
| Fujita et al. | An approach for intelligent evaluation of the state of complex autonomous objects based on the wavelet analysis | |
| CN117574321B (zh) | 基于海量监测巡检信息融合模型的大坝安全评估方法 | |
| CN111062827B (zh) | 一种基于人工智能模式的工程监理方法 | |
| CN111934903A (zh) | 一种基于时序演化基因的Docker容器故障智能预测方法 | |
| CN115526114B (zh) | 基于集合卡尔曼滤波法的水力裂缝形态反演方法及系统 | |
| Gu et al. | Research on prediction of remaining useful life of underwater turntable based on slow feature analysis | |
| CN113902145B (zh) | 一种基于2型模糊语言术语的化工泵维护策略优化方法 | |
| CN115330103A (zh) | 城市运行状态智能分析方法、装置、计算机设备及存储介质 | |
| CN112560252A (zh) | 一种航空发动机剩余寿命预测方法 | |
| CN112862211A (zh) | 通信管理系统动环缺陷派单方法及装置 |
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 |