CN112378480B - 一种智能窖井数据分析方法及系统 - Google Patents

一种智能窖井数据分析方法及系统 Download PDF

Info

Publication number
CN112378480B
CN112378480B CN202110064503.5A CN202110064503A CN112378480B CN 112378480 B CN112378480 B CN 112378480B CN 202110064503 A CN202110064503 A CN 202110064503A CN 112378480 B CN112378480 B CN 112378480B
Authority
CN
China
Prior art keywords
water level
pit
data
sensor
drainage
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
Application number
CN202110064503.5A
Other languages
English (en)
Other versions
CN112378480A (zh
Inventor
李家阳
金少锋
蔡非
王潇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dingsheng Environmental Protection Technology Co ltd
Original Assignee
Zhejiang Dingsheng Environmental Protection Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dingsheng Environmental Protection Technology Co ltd filed Critical Zhejiang Dingsheng Environmental Protection Technology Co ltd
Priority to CN202110064503.5A priority Critical patent/CN112378480B/zh
Publication of CN112378480A publication Critical patent/CN112378480A/zh
Application granted granted Critical
Publication of CN112378480B publication Critical patent/CN112378480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/80—Arrangements for signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
    • G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
    • G01F23/296—Acoustic waves

Landscapes

  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Electromagnetism (AREA)
  • Thermal Sciences (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本发明提供一种智能窖井数据分析方法及系统，其中方法包括：通过第一传感器获取第一传感器检测的窖井的第一水位数据；通过第二传感器获取第二传感器检测的窖井的第二水位数据；基于第一水位数据和第二水位数据，确定窖井的真实水位。本发明的智能窖井数据分析方法，通过第一传感器和第二传感器采集的数据进行分析，确定窖井的真实水位。

Description

一种智能窖井数据分析方法及系统
技术领域
本发明涉及数据分析技术领域，特别涉及一种智能窖井数据分析方法及系统。
背景技术
目前，窖井作为城市排水管路重要节点，当遇到大雨等天气时，排水量忽然增多，此时对于窖井中液位进行监控，可以做到及时控制排水，对城市排水管路的管控具有重要意义。
发明内容
本发明目的之一在于提供了一种智能窖井数据分析方法，通过第一传感器和第二传感器采集的数据进行分析，确定窖井的真实水位。
本发明实施例提供的一种智能窖井数据分析方法，包括：
通过第一传感器获取第一传感器检测的窖井的第一水位数据；
通过第二传感器获取第二传感器检测的窖井的第二水位数据；
基于第一水位数据和第二水位数据，确定窖井的真实水位。
优选的，第一传感器为投入式水位检测仪，第二传感器为超声波水位检测仪。
优选的，基于第一水位数据和第二水位数据，确定窖井的真实水位，包括：
解析第一水位数据，确定第一水位值
Figure 100002_DEST_PATH_IMAGE001
；
解析第二水位数据，确定第二水位值
Figure 100002_DEST_PATH_IMAGE002
；
计算第一水位值
Figure 100002_DEST_PATH_IMAGE003
的差值，当差值小于等于预设的阈值时，基于第一水位值
Figure 146908DEST_PATH_IMAGE001
和第二水位值
Figure 860786DEST_PATH_IMAGE002
确定真实水位
Figure 100002_DEST_PATH_IMAGE004
，计算公式如下：
Figure 100002_DEST_PATH_IMAGE005
；
其中，
Figure 100002_DEST_PATH_IMAGE006
、
Figure 100002_DEST_PATH_IMAGE007
为基于第一水位值
Figure 35329DEST_PATH_IMAGE001
和第二水位值
Figure 712429DEST_PATH_IMAGE002
查询预设的权重库确定的权重；具体包括：
基于第一水位值
Figure 57960DEST_PATH_IMAGE001
和第二水位值
Figure 411581DEST_PATH_IMAGE002
构建查询向量；
计算查询向量与权重库中权重向量的相似度，计算公式如下：
Figure 100002_DEST_PATH_IMAGE008
;
其中，
Figure 100002_DEST_PATH_IMAGE009
为查询向量和权重向量的相似度，
Figure 100002_DEST_PATH_IMAGE010
为查询向量的第
Figure 100002_DEST_PATH_IMAGE011
个数据的值，
Figure 100002_DEST_PATH_IMAGE012
为权重向量的第
Figure 553980DEST_PATH_IMAGE011
个数据的值；
Figure 100002_DEST_PATH_IMAGE013
为查询向量的数据总数或权重向量的数据总数；
获取权重库中与查询向量相似度最大的权重向量对应存储的权重。
优选的，智能窖井数据分析方法，还包括：
当差值大于预设的阈值时，启动校验装置分部对第一传感器和/或第二传感器进行数据校验；
当第一传感器校验通过后，再次通过第一传感器检测窖井的第一水位数据；
当差值依然大于预设的阈值时，基于第一水位数据确定真实水位；
当第二传感器校验通过后，再次通过第二传感器检测窖井的第二水位数据；
当差值依然大于预设的阈值时，基于第二水位数据确定真实水位；
当第一传感器和第二传感器都校验未通过时，发出报警信号或基于历史记录确定当前的真实水位。
优选的，智能窖井数据分析方法，还包括：
获取窖井的水位变化速度；
获取与窖井连通的其他窖井的真实水位、其他窖井中的水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息，
基于其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息确定窖井的目标水位；
其中，基于其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息确定窖井的目标水位，包括：
将其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息进行特征，获取特征值，将特征值输入预设的神经网络模型中，获取窖井的目标水位。
优选的，智能窖井数据分析方法，还包括：
构建窖井的分布图，获取各个窖井的水位参数信息；水位参数信息包括：警戒水位、窖井面积、当前水位、目标水位、水位变化速度其中一种或多种结合；
在分布图上确定目标水位大于警戒水位的窖井的第一位置；
当第一位置为多个且多个第一位置组成一闭合区域时，确定靠近闭合区域的窖井的当前水位与警戒水位的差值，确定闭合区域的中心；
以中心至靠近闭合区域的窖井的第二位置构建排水向量，以差值或基于差值、窖井面积、水位变化速度确定一因子作为排水向量对应的排水系数；基于排水向量和排水系数构建排水数据库；
获取第一位置的窖井的各个管路，以窖井的中心为起点、管道方向构建各个管路的管道方向向量；
基于管道方向向量和排水数据库，确定第一位置的窖井的各个管路对应的排水系数；
基于排水系数控制窖井的各个管路中的排水设备的功率；
其中，基于管道方向向量和排水数据库，确定第一位置的窖井的各个管路对应的排水系数，包括：
计算管道方向向量与排水向量的相似度，获取相似度最大的排水向量对应的排水系数作为管道方向向量对应的管路的排水系数；
其中，基于差值、窖井面积、水位变化速度确定一因子，计算公式如下：
Figure 100002_DEST_PATH_IMAGE014
;
其中，
Figure 100002_DEST_PATH_IMAGE015
为因子，
Figure 100002_DEST_PATH_IMAGE016
为差值，
Figure 100002_DEST_PATH_IMAGE017
为窖井面积，
Figure 100002_DEST_PATH_IMAGE018
为窖井的标准模型的标准参照的窖井面积，
Figure 100002_DEST_PATH_IMAGE019
预设的标准参照体积；
Figure 100002_DEST_PATH_IMAGE020
为水位变化速度，
Figure 100002_DEST_PATH_IMAGE021
为预设的标准参照速度，
Figure 100002_DEST_PATH_IMAGE022
、
Figure 100002_DEST_PATH_IMAGE023
为预设的权重。
本发明还提供一种智能窖井数据分析系统，包括：
第一水位数据获取模块，用于通过第一传感器获取第一传感器检测的窖井的第一水位数据；
第二水位数据获取模块，用于通过第二传感器获取第二传感器检测的窖井的第二水位数据；
分析模块，用于基于第一水位数据和第二水位数据，确定窖井的真实水位。
优选的，第一传感器为投入式水位检测仪，第二传感器为超声波水位检测仪。
优选的，分析模块执行如下操作：
解析第一水位数据，确定第一水位值
Figure 769192DEST_PATH_IMAGE001
；
解析第二水位数据，确定第二水位值
Figure 969229DEST_PATH_IMAGE002
；
计算第一水位值
Figure 978905DEST_PATH_IMAGE003
的差值，当差值小于等于预设的阈值时，基于第一水位值
Figure 264393DEST_PATH_IMAGE001
和第二水位值
Figure 266984DEST_PATH_IMAGE002
确定真实水位
Figure 321527DEST_PATH_IMAGE004
，计算公式如下：
Figure 16951DEST_PATH_IMAGE005
；
其中，
Figure 100002_DEST_PATH_IMAGE024
、
Figure 806047DEST_PATH_IMAGE007
为基于第一水位值
Figure 346749DEST_PATH_IMAGE001
和第二水位值
Figure 521379DEST_PATH_IMAGE002
查询预设的权重库确定的权重；具体包括：
基于第一水位值
Figure 122124DEST_PATH_IMAGE001
和第二水位值
Figure 382204DEST_PATH_IMAGE002
构建查询向量；
计算查询向量与权重库中权重向量的相似度，计算公式如下：
Figure 477330DEST_PATH_IMAGE008
;
其中，
Figure 506466DEST_PATH_IMAGE009
为查询向量和权重向量的相似度，
Figure 543692DEST_PATH_IMAGE010
为查询向量的第
Figure 25489DEST_PATH_IMAGE011
个数据的值，
Figure 173574DEST_PATH_IMAGE012
为权重向量的第
Figure 791637DEST_PATH_IMAGE011
个数据的值；
Figure 16076DEST_PATH_IMAGE013
为查询向量的数据总数或权重向量的数据总数；
获取权重库中与查询向量相似度最大的权重向量对应存储的权重。
优选的，智能窖井数据分析系统，还包括：
校验模块，用于当差值大于预设的阈值时，启动校验装置分部对第一传感器和/或第二传感器进行数据校验；
第一水位数据获取模块，还用于当第一传感器校验通过后，再次通过第一传感器检测窖井的第一水位数据；
当差值依然大于预设的阈值时，分析模块还用于基于第一水位数据确定真实水位；
第二水位数据获取模块，还用于当第二传感器校验通过后，再次通过第二传感器检测窖井的第二水位数据；
当差值依然大于预设的阈值时，分析模块还用于基于第二水位数据确定真实水位；
报警或预测模块，用于当第一传感器和第二传感器都校验未通过时，发出报警信号或基于历史记录确定当前的真实水位。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种智能窖井数据分析方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种智能窖井数据分析方法，如图1所示，包括：
通过第一传感器获取第一传感器检测的窖井的第一水位数据；
通过第二传感器获取第二传感器检测的窖井的第二水位数据；
基于第一水位数据和第二水位数据，确定窖井的真实水位。
上述技术方案的工作原理及有益效果为：
在同一窖井中分别设置第一传感器和第二传感器进行窖井水位监控，第一传感器和第二传感器形成互补，当其中一个传感器损坏时，另一传感器还能继续完成窖井水位监控，实现应对传感器突发异常，当选用不同类型的传感器时，其测量值形成互补，对测量值进行分析确定真实水位，提高了监控数据的准确性。
本发明的智能窖井数据分析方法，通过第一传感器和第二传感器采集的数据进行分析，确定窖井的真实水位。
在一个实施例中，第一传感器为投入式水位检测仪，第二传感器为超声波水位检测仪。
上述技术方案的工作原理及有益效果为：
投入式水位检测仪采用MD-S271L是投入式水位监测仪，具有功耗低、成本低、安装方便等特点。超声波水位检测仪采用MD-S271U是基于超声波原理的非接触式水位监测仪，采用了独特的算法和电源管理方法，降低了超声波的功耗。通过安装支架，将投入式水位检测仪和超声波水位检测仪安装在窨井或者墙壁上，在安装支架上为投入式水位检测仪和超声波水位检测仪设置共用电源以及无线通讯模块，为数据收发及续航提供基础。
在一个实施例中，基于第一水位数据和第二水位数据，确定窖井的真实水位，包括：
解析第一水位数据，确定第一水位值
Figure 985169DEST_PATH_IMAGE001
；
解析第二水位数据，确定第二水位值
Figure 671365DEST_PATH_IMAGE002
；
计算第一水位值
Figure 409514DEST_PATH_IMAGE001
和第二水位值
Figure 54122DEST_PATH_IMAGE002
的差值，当差值小于等于预设的阈值时，基于第一水位值
Figure 995665DEST_PATH_IMAGE001
和第二水位值
Figure 751131DEST_PATH_IMAGE002
确定真实水位
Figure 78207DEST_PATH_IMAGE004
，计算公式如下：
Figure 893716DEST_PATH_IMAGE005
；
其中，
Figure 571822DEST_PATH_IMAGE006
、
Figure 865401DEST_PATH_IMAGE007
为基于第一水位值
Figure 328874DEST_PATH_IMAGE001
和第二水位值
Figure 784126DEST_PATH_IMAGE002
查询预设的权重库确定的权重；具体包括：
基于第一水位值
Figure 215108DEST_PATH_IMAGE001
和第二水位值
Figure 46797DEST_PATH_IMAGE002
构建查询向量；
计算查询向量与权重库中权重向量的相似度，计算公式如下：
Figure 879624DEST_PATH_IMAGE008
;
其中，
Figure 522089DEST_PATH_IMAGE009
为查询向量和权重向量的相似度，
Figure 174787DEST_PATH_IMAGE010
为查询向量的第
Figure 75747DEST_PATH_IMAGE011
个数据的值，
Figure 231922DEST_PATH_IMAGE012
为权重向量的第
Figure 294556DEST_PATH_IMAGE011
个数据的值；
Figure 185283DEST_PATH_IMAGE013
为查询向量的数据总数或权重向量的数据总数；
获取权重库中与查询向量相似度最大的权重向量对应存储的权重。
上述技术方案的工作原理及有益效果为：
对第一传感器检测的第一水位数据确定的第一水位值和第二传感器检测的第二水位数据确定的第二水位值进行加权和值处理，实现真实水位的确定；其中，权重的确定依靠预先根据大量试验数据确定的权重库，根据当前的第一水位值和第二水位值，查询权重库确定对应的权重，依据事先试验获得权重，提高了最后确定的真实水位的准确性。
在一个实施例中，智能窖井数据分析方法，还包括：
当差值大于预设的阈值时，启动校验装置分部对第一传感器和/或第二传感器进行数据校验；
当第一传感器校验通过后，再次通过第一传感器检测窖井的第一水位数据；
当差值依然大于预设的阈值时，基于第一水位数据确定真实水位；
当第二传感器校验通过后，再次通过第二传感器检测窖井的第二水位数据；
当差值依然大于预设的阈值时，基于第二水位数据确定真实水位；
当第一传感器和第二传感器都校验未通过时，发出报警信号或基于历史记录确定当前的真实水位。
上述技术方案的工作原理及有益效果为：
当第一水位值
Figure 889934DEST_PATH_IMAGE001
和第二水位值
Figure 166194DEST_PATH_IMAGE002
的差值大于预设的阈值时，可以确定第一传感器和/或第二传感器中存在异常设备，通过校验装置对第一传感器和第二传感器进行检验，主要校验为校验数据采样电路的准确性、数据发送接收电路的各个部位电流及电压，当校验通过时，重新进行真实水位确定，当其中一个损耗，以另一个传感器的数据确定的水位为真实水位，虽然以一个传感器确定的真实水位并不准确，但是作为应急方案还是能够起到监控窖井水位的作用。当两个传感器都校验失败时，发出报警或依据历史记录的数据进行真实水位的预测，预测主要根据参数为水位变化趋势、变化速率及变化时间。
在一个实施例中，智能窖井数据分析方法，还包括：
获取窖井的水位变化速度；
获取与窖井连通的其他窖井的真实水位、其他窖井中的水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息，
基于其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息确定窖井的目标水位；
其中，基于其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息确定窖井的目标水位，包括：
将其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息进行特征，获取特征值，将特征值输入预设的神经网络模型中，获取窖井的目标水位。
上述技术方案的工作原理及有益效果为：
管路将窖井与窖井相连通，当遭遇暴雨时，每个窖井的水位上升速度是不一样的，管路将水位上升速度快的窖井的水箱水位上升速度慢的水输送，以实现窖井的雨量分担，通过周围窖井的真实水位、其他窖井中的水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息可以对窖井的在预设时间段后的目标水位进行预测，其中预设的神经网络模型是事先通过大量数据训练获得。通过预设的目标水位可以确定未来预设的时间段后的水位是否超过警戒水位，并制定相应的排水措施，预防目标水位达到警戒水位，保证排水系统高效有力地进行。
在一个实施例中，智能窖井数据分析方法，还包括：
构建窖井的分布图，获取各个窖井的水位参数信息；水位参数信息包括：警戒水位、窖井面积、当前水位、目标水位、水位变化速度其中一种或多种结合；
在分布图上确定目标水位大于警戒水位的窖井的第一位置；
当第一位置为多个且多个第一位置组成一闭合区域时，确定靠近闭合区域的窖井的当前水位与警戒水位的差值，确定闭合区域的中心；
以中心至靠近闭合区域的窖井的第二位置构建排水向量，以差值或基于差值、窖井面积、水位变化速度确定一因子作为排水向量对应的排水系数；基于排水向量和排水系数构建排水数据库；
获取第一位置的窖井的各个管路，以窖井的中心为起点、管道方向构建各个管路的管道方向向量；
基于管道方向向量和排水数据库，确定第一位置的窖井的各个管路对应的排水系数；
基于排水系数控制窖井的各个管路中的排水设备的功率；
其中，基于管道方向向量和排水数据库，确定第一位置的窖井的各个管路对应的排水系数，包括：
计算管道方向向量与排水向量的相似度，获取相似度最大的排水向量对应的排水系数作为管道方向向量对应的管路的排水系数；
其中，基于差值、窖井面积、水位变化速度确定一因子，计算公式如下：
Figure 399729DEST_PATH_IMAGE014
;
其中，
Figure 27020DEST_PATH_IMAGE015
为因子，
Figure 4203DEST_PATH_IMAGE016
为差值，
Figure 151282DEST_PATH_IMAGE017
为窖井面积，
Figure 555718DEST_PATH_IMAGE018
为窖井的标准模型的标准参照的窖井面积，
Figure 670305DEST_PATH_IMAGE019
预设的标准参照体积；
Figure 185600DEST_PATH_IMAGE020
为水位变化速度，
Figure 702032DEST_PATH_IMAGE021
为预设的标准参照速度，
Figure 28102DEST_PATH_IMAGE022
、
Figure 364405DEST_PATH_IMAGE023
为预设的权重。
上述技术方案的工作原理及有意效果为：
在制定排水措施时，首先窖井分布图构建，以及未来预设的时间段的目标水位大于警戒水位的窖井的位置的确定，通过周围窖井的水位容许排量（根据差值、窖井面积、水位变化速度确定因子作为容许排量的标识），实现根据容许排量进行合理排放，提高了排水系统应急处理能力，其中排水设备包括设置在管路中的排水电机。此外，当只有一个目标水位大于警戒水位的窖井的第一位置时，也可以根据周围的窖井的水位容许排量进行合理排水。
本发明还提供一种智能窖井数据分析系统，包括：
第一水位数据获取模块，用于通过第一传感器获取第一传感器检测的窖井的第一水位数据；
第二水位数据获取模块，用于通过第二传感器获取第二传感器检测的窖井的第二水位数据；
分析模块，用于基于第一水位数据和第二水位数据，确定窖井的真实水位。
上述技术方案的工作原理及有益效果为：
在同一窖井中分别设置第一传感器和第二传感器进行窖井水位监控，第一传感器和第二传感器形成互补，当其中一个传感器损坏时，另一传感器还能继续完成窖井水位监控，实现应对传感器突发异常，当选用不同类型的传感器时，其测量值形成互补，对测量值进行分析确定真实水位，提高了监控数据的准确性。
本发明的智能窖井数据分析方法，通过第一传感器和第二传感器采集的数据进行分析，确定窖井的真实水位。
在一个实施例中，第一传感器为投入式水位检测仪，第二传感器为超声波水位检测仪。
上述技术方案的工作原理及有益效果为：
投入式水位检测仪采用MD-S271L是投入式水位监测仪，具有功耗低、成本低、安装方便等特点。超声波水位检测仪采用MD-S271U是基于超声波原理的非接触式水位监测仪，采用了独特的算法和电源管理方法，降低了超声波的功耗。通过安装支架，将投入式水位检测仪和超声波水位检测仪安装在窨井或者墙壁上，在安装支架上为投入式水位检测仪和超声波水位检测仪设置共用电源以及无线通讯模块，为数据收发及续航提供基础。
在一个实施例中，分析模块执行如下操作：
解析第一水位数据，确定第一水位值
Figure 948971DEST_PATH_IMAGE001
；
解析第二水位数据，确定第二水位值
Figure 54330DEST_PATH_IMAGE002
；
计算第一水位值
Figure 66148DEST_PATH_IMAGE003
的差值，当差值小于等于预设的阈值时，基于第一水位值
Figure 624168DEST_PATH_IMAGE001
和第二水位值
Figure 763157DEST_PATH_IMAGE002
确定真实水位
Figure 723023DEST_PATH_IMAGE004
，计算公式如下：
Figure 905742DEST_PATH_IMAGE005
；
其中，
Figure 216638DEST_PATH_IMAGE006
、
Figure 877426DEST_PATH_IMAGE007
为基于第一水位值
Figure 719829DEST_PATH_IMAGE001
和第二水位值
Figure 339029DEST_PATH_IMAGE002
查询预设的权重库确定的权重；具体包括：
基于第一水位值
Figure 871642DEST_PATH_IMAGE001
和第二水位值
Figure 336121DEST_PATH_IMAGE002
构建查询向量；
计算查询向量与权重库中权重向量的相似度，计算公式如下：
Figure 270579DEST_PATH_IMAGE008
;
其中，
Figure 795101DEST_PATH_IMAGE009
为查询向量和权重向量的相似度，
Figure 831322DEST_PATH_IMAGE010
为查询向量的第
Figure 833913DEST_PATH_IMAGE011
个数据的值，
Figure 888456DEST_PATH_IMAGE012
为权重向量的第
Figure 583880DEST_PATH_IMAGE011
个数据的值；
Figure 825505DEST_PATH_IMAGE013
为查询向量的数据总数或权重向量的数据总数；
获取权重库中与查询向量相似度最大的权重向量对应存储的权重。
上述技术方案的工作原理及有益效果为：
对第一传感器检测的第一水位数据确定的第一水位值和第二传感器检测的第二水位数据确定的第二水位值进行加权和值处理，实现真实水位的确定；其中，权重的确定依靠预先根据大量试验数据确定的权重库，根据当前的第一水位值和第二水位值，查询权重库确定对应的权重，依据事先试验获得权重，提高了最后确定的真实水位的准确性。
在一个实施例中，智能窖井数据分析系统，还包括：
校验模块，用于当差值大于预设的阈值时，启动校验装置分部对第一传感器和/或第二传感器进行数据校验；
第一水位数据获取模块，还用于当第一传感器校验通过后，再次通过第一传感器检测窖井的第一水位数据；
当差值依然大于预设的阈值时，分析模块还用于基于第一水位数据确定真实水位；
第二水位数据获取模块，还用于当第二传感器校验通过后，再次通过第二传感器检测窖井的第二水位数据；
当差值依然大于预设的阈值时，分析模块还用于基于第二水位数据确定真实水位；
报警或预测模块，用于当第一传感器和第二传感器都校验未通过时，发出报警信号或基于历史记录确定当前的真实水位。
上述技术方案的工作原理及有益效果为：
当第一水位值
Figure 648099DEST_PATH_IMAGE001
和第二水位值
Figure 557149DEST_PATH_IMAGE002
的差值大于预设的阈值时，可以确定第一传感器和/或第二传感器中存在异常设备，通过校验装置对第一传感器和第二传感器进行检验，主要校验为校验数据采样电路的准确性、数据发送接收电路的各个部位电流及电压，当校验通过时，重新进行真实水位确定，当其中一个损耗，以另一个传感器的数据确定的水位为真实水位，虽然以一个传感器确定的真实水位并不准确，但是作为应急方案还是能够起到监控窖井水位的作用。当两个传感器都校验失败时，发出报警或依据历史记录的数据进行真实水位的预测，预测主要根据参数为水位变化趋势、变化速率及变化时间。
在一个实施例中，智能窖井数据分析方法，还包括：
预测模块，预测模块执行如下操作：
获取窖井的水位变化速度；
获取与窖井连通的其他窖井的真实水位、其他窖井中的水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息，
基于其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息确定窖井的目标水位；
其中，基于其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息确定窖井的目标水位，包括：
将其他窖井的真实水位、水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息进行特征，获取特征值，将特征值输入预设的神经网络模型中，获取窖井的目标水位。
上述技术方案的工作原理及有益效果为：
管路将窖井与窖井相连通，当遭遇暴雨时，每个窖井的水位上升速度是不一样的，管路将水位上升速度快的窖井的水箱水位上升速度慢的水输送，以实现窖井的雨量分担，通过周围窖井的真实水位、其他窖井中的水位变化速度、其他窖井的距离、其他窖井与窖井连通的管路的参数信息可以对窖井的在预设时间段后的目标水位进行预测，其中预设的神经网络模型是事先通过大量数据训练获得。通过预设的目标水位可以确定未来预设的时间段后的水位是否超过警戒水位，并制定相应的排水措施，预防目标水位达到警戒水位，保证排水系统高效有力地进行。
在一个实施例中，智能窖井数据分析系统，还包括：
排水分析模块，排水分析模块执行如下操作：
构建窖井的分布图，获取各个窖井的水位参数信息；水位参数信息包括：警戒水位、窖井面积、当前水位、目标水位、水位变化速度其中一种或多种结合；
在分布图上确定目标水位大于警戒水位的窖井的第一位置；
当第一位置为多个且多个第一位置组成一闭合区域时，确定靠近闭合区域的窖井的当前水位与警戒水位的差值，确定闭合区域的中心；
以中心至靠近闭合区域的窖井的第二位置构建排水向量，以差值或基于差值、窖井面积、水位变化速度确定一因子作为排水向量对应的排水系数；基于排水向量和排水系数构建排水数据库；
获取第一位置的窖井的各个管路，以窖井的中心为起点、管道方向构建各个管路的管道方向向量；
基于管道方向向量和排水数据库，确定第一位置的窖井的各个管路对应的排水系数；
基于排水系数控制窖井的各个管路中的排水设备的功率；
其中，基于管道方向向量和排水数据库，确定第一位置的窖井的各个管路对应的排水系数，包括：
计算管道方向向量与排水向量的相似度，获取相似度最大的排水向量对应的排水系数作为管道方向向量对应的管路的排水系数；
其中，基于差值、窖井面积、水位变化速度确定一因子，计算公式如下：
Figure 423474DEST_PATH_IMAGE014
;
其中，
Figure 417975DEST_PATH_IMAGE015
为因子，
Figure 27948DEST_PATH_IMAGE016
为差值，
Figure 791504DEST_PATH_IMAGE017
为窖井面积，
Figure 579463DEST_PATH_IMAGE018
为窖井的标准模型的标准参照的窖井面积，
Figure 61260DEST_PATH_IMAGE019
预设的标准参照体积；
Figure 209344DEST_PATH_IMAGE020
为水位变化速度，
Figure 92987DEST_PATH_IMAGE021
为预设的标准参照速度，
Figure 301114DEST_PATH_IMAGE022
、
Figure 20940DEST_PATH_IMAGE023
为预设的权重。
上述技术方案的工作原理及有意效果为：
在制定排水措施时，首先窖井分布图构建，以及未来预设的时间段的目标水位大于警戒水位的窖井的位置的确定，通过周围窖井的水位容许排量（根据差值、窖井面积、水位变化速度确定因子作为容许排量的标识），实现根据容许排量进行合理排放，提高了排水系统应急处理能力，其中排水设备包括设置在管路中的排水电机。此外，当只有一个目标水位大于警戒水位的窖井的第一位置时，也可以根据周围的窖井的水位容许排量进行合理排水。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种智能窖井数据分析方法，其特征在于，包括：
通过第一传感器获取所述第一传感器检测的窖井的第一水位数据；
通过第二传感器获取所述第二传感器检测的所述窖井的第二水位数据；
基于所述第一水位数据和所述第二水位数据，确定所述窖井的真实水位，其中，所述基于所述第一水位数据和所述第二水位数据，确定所述窖井的真实水位，包括：
解析所述第一水位数据，确定第一水位值
Figure DEST_PATH_IMAGE001
；
解析所述第二水位数据，确定第二水位值
Figure DEST_PATH_IMAGE002
；
计算所述第一水位值
Figure DEST_PATH_IMAGE003
的差值，当所述差值小于等于预设的阈值时，基于所述第一水位值
Figure 898434DEST_PATH_IMAGE001
和所述第二水位值
Figure 301734DEST_PATH_IMAGE002
确定所述真实水位
Figure DEST_PATH_IMAGE004
，计算公式如下：
Figure DEST_PATH_IMAGE005
；
其中，
Figure DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE007
为基于所述第一水位值
Figure 655617DEST_PATH_IMAGE001
和所述第二水位值
Figure 128055DEST_PATH_IMAGE002
查询预设的权重库确定的权重；具体包括：
基于所述第一水位值
Figure 599488DEST_PATH_IMAGE001
和所述第二水位值
Figure 591715DEST_PATH_IMAGE002
构建查询向量；
计算所述查询向量与所述权重库中权重向量的相似度，计算公式如下：
Figure DEST_PATH_IMAGE008
;
其中，
Figure DEST_PATH_IMAGE009
为所述查询向量和所述权重向量的相似度，
Figure DEST_PATH_IMAGE010
为所述查询向量的第
Figure DEST_PATH_IMAGE011
个数据的值，
Figure DEST_PATH_IMAGE012
为所述权重向量的第
Figure 850920DEST_PATH_IMAGE011
个数据的值；
Figure DEST_PATH_IMAGE013
为所述查询向量的数据总数或所述权重向量的数据总数；
获取所述权重库中与所述查询向量相似度最大的所述权重向量对应存储的权重；
构建窖井的分布图，获取各个窖井的水位参数信息；所述水位参数信息包括：警戒水位、窖井面积、当前水位、目标水位、水位变化速度其中一种或多种结合；
在所述分布图上确定所述目标水位大于所述警戒水位的窖井的第一位置；
当所述第一位置为多个且多个所述第一位置组成一闭合区域时，确定靠近所述闭合区域的窖井的当前水位与所述警戒水位的差值，确定所述闭合区域的中心；
以所述中心至所述靠近所述闭合区域的所述窖井的第二位置构建排水向量，以所述差值或基于所述差值、所述窖井面积、所述水位变化速度确定一因子作为所述排水向量对应的排水系数；基于所述排水向量和所述排水系数构建排水数据库；
获取所述第一位置的所述窖井的各个管路，以所述窖井的中心为起点、管道方向构建各个管路的管道方向向量；
基于所述管道方向向量和所述排水数据库，确定所述第一位置的所述窖井的各个管路对应的排水系数；
基于所述排水系数控制所述窖井的各个管路中的排水设备的功率；
其中，基于所述管道方向向量和所述排水数据库，确定所述第一位置的所述窖井的各个管路对应的排水系数，包括：
计算所述管道方向向量与所述排水向量的相似度，获取所述相似度最大的所述排水向量对应的所述排水系数作为所述管道方向向量对应的管路的所述排水系数；
其中，基于所述差值、所述窖井面积、所述水位变化速度确定一因子，计算公式如下：
Figure DEST_PATH_IMAGE014
;
其中，
Figure DEST_PATH_IMAGE015
为所述因子，
Figure DEST_PATH_IMAGE016
为所述差值，
Figure DEST_PATH_IMAGE017
为所述窖井面积，
Figure DEST_PATH_IMAGE018
为窖井的标准模型的标准参照的窖井面积，
Figure DEST_PATH_IMAGE019
预设的标准参照体积；
Figure DEST_PATH_IMAGE020
为所述水位变化速度，
Figure DEST_PATH_IMAGE021
为预设的标准参照速度，
Figure DEST_PATH_IMAGE022
、
Figure DEST_PATH_IMAGE023
为预设的权重。
2.如权利要求1所述的智能窖井数据分析方法，其特征在于，所述第一传感器为投入式水位检测仪，所述第二传感器为超声波水位检测仪。
3.如权利要求1所述的智能窖井数据分析方法，其特征在于，还包括：
当所述差值大于预设的阈值时，启动校验装置分部对所述第一传感器和/或所述第二传感器进行数据校验；
当所述第一传感器校验通过后，再次通过所述第一传感器检测所述窖井的所述第一水位数据；
当所述差值依然大于预设的阈值时，基于所述第一水位数据确定所述真实水位；
当所述第二传感器校验通过后，再次通过所述第二传感器检测所述窖井的所述第二水位数据；
当所述差值依然大于预设的阈值时，基于所述第二水位数据确定所述真实水位；
当所述第一传感器和所述第二传感器都校验未通过时，发出报警信号或基于历史记录确定当前的真实水位。
4.如权利要求1所述的智能窖井数据分析方法，其特征在于，还包括：
获取所述窖井的水位变化速度；
获取与所述窖井连通的其他窖井的真实水位、所述其他窖井中的水位变化速度、所述其他窖井的距离、所述其他窖井与所述窖井连通的管路的参数信息，
基于所述其他窖井的真实水位、所述水位变化速度、所述其他窖井的距离、所述其他窖井与所述窖井连通的管路的参数信息确定所述窖井的目标水位；
其中，所述基于所述其他窖井的真实水位、所述水位变化速度、所述其他窖井的距离、所述其他窖井与所述窖井连通的管路的参数信息确定所述窖井的目标水位，包括：
将所述其他窖井的真实水位、所述水位变化速度、所述其他窖井的距离、所述其他窖井与所述窖井连通的管路的参数信息进行特征，获取特征值，将所述特征值输入预设的神经网络模型中，获取所述窖井的目标水位。
5.一种智能窖井数据分析系统，其特征在于，包括：
第一水位数据获取模块，用于通过第一传感器获取所述第一传感器检测的窖井的第一水位数据；
第二水位数据获取模块，用于通过第二传感器获取所述第二传感器检测的所述窖井的第二水位数据；
分析模块，用于基于所述第一水位数据和所述第二水位数据，确定所述窖井的真实水位，其中，所述分析模块执行如下操作：
解析所述第一水位数据，确定第一水位值
Figure 487351DEST_PATH_IMAGE001
；
解析所述第二水位数据，确定第二水位值
Figure 231317DEST_PATH_IMAGE002
；
计算所述第一水位值
Figure 609208DEST_PATH_IMAGE003
的差值，当所述差值小于等于预设的阈值时，基于所述第一水位值
Figure 163949DEST_PATH_IMAGE001
和所述第二水位值
Figure 361712DEST_PATH_IMAGE002
确定所述真实水位
Figure 174947DEST_PATH_IMAGE004
，计算公式如下：
Figure 141766DEST_PATH_IMAGE005
；
其中，
Figure DEST_PATH_IMAGE024
、
Figure 100364DEST_PATH_IMAGE007
为基于所述第一水位值
Figure 519844DEST_PATH_IMAGE001
和所述第二水位值
Figure 871191DEST_PATH_IMAGE002
查询预设的权重库确定的权重；具体包括：
基于所述第一水位值
Figure 958095DEST_PATH_IMAGE001
和所述第二水位值
Figure 120217DEST_PATH_IMAGE002
构建查询向量；
计算所述查询向量与所述权重库中权重向量的相似度，计算公式如下：
Figure 26994DEST_PATH_IMAGE008
;
其中，
Figure 916452DEST_PATH_IMAGE009
为所述查询向量和所述权重向量的相似度，
Figure 123443DEST_PATH_IMAGE010
为所述查询向量的第
Figure DEST_PATH_IMAGE025
个数据的值，
Figure 158264DEST_PATH_IMAGE012
为所述权重向量的第
Figure 552336DEST_PATH_IMAGE025
个数据的值；
Figure 245485DEST_PATH_IMAGE013
为所述查询向量的数据总数或所述权重向量的数据总数；
获取所述权重库中与所述查询向量相似度最大的所述权重向量对应存储的权重；
排水分析模块，所述排水分析模块执行如下操作：
构建窖井的分布图，获取各个窖井的水位参数信息；所述水位参数信息包括：警戒水位、窖井面积、当前水位、目标水位、水位变化速度其中一种或多种结合；
在所述分布图上确定所述目标水位大于所述警戒水位的窖井的第一位置；
当所述第一位置为多个且多个所述第一位置组成一闭合区域时，确定靠近所述闭合区域的窖井的当前水位与所述警戒水位的差值，确定所述闭合区域的中心；
以所述中心至所述靠近所述闭合区域的所述窖井的第二位置构建排水向量，以所述差值或基于所述差值、所述窖井面积、所述水位变化速度确定一因子作为所述排水向量对应的排水系数；基于所述排水向量和所述排水系数构建排水数据库；
获取所述第一位置的所述窖井的各个管路，以所述窖井的中心为起点、管道方向构建各个管路的管道方向向量；
基于所述管道方向向量和所述排水数据库，确定所述第一位置的所述窖井的各个管路对应的排水系数；
基于所述排水系数控制所述窖井的各个管路中的排水设备的功率；
其中，基于所述管道方向向量和所述排水数据库，确定所述第一位置的所述窖井的各个管路对应的排水系数，包括：
计算所述管道方向向量与所述排水向量的相似度，获取所述相似度最大的所述排水向量对应的所述排水系数作为所述管道方向向量对应的管路的所述排水系数；
其中，基于所述差值、所述窖井面积、所述水位变化速度确定一因子，计算公式如下：
Figure 792135DEST_PATH_IMAGE014
;
其中，
Figure 545328DEST_PATH_IMAGE015
为所述因子，
Figure 426696DEST_PATH_IMAGE016
为所述差值，
Figure DEST_PATH_IMAGE026
为所述窖井面积，
Figure 657957DEST_PATH_IMAGE018
为窖井的标准模型的标准参照的窖井面积，
Figure 557649DEST_PATH_IMAGE019
预设的标准参照体积；
Figure 481743DEST_PATH_IMAGE020
为所述水位变化速度，
Figure 850407DEST_PATH_IMAGE021
为预设的标准参照速度，
Figure 885359DEST_PATH_IMAGE022
、
Figure 406602DEST_PATH_IMAGE023
为预设的权重。
6.如权利要求5所述的智能窖井数据分析系统，其特征在于，所述第一传感器为投入式水位检测仪，所述第二传感器为超声波水位检测仪。
7.如权利要求5所述的智能窖井数据分析系统，其特征在于，还包括：
校验模块，用于当所述差值大于预设的阈值时，启动校验装置分部对所述第一传感器和/或所述第二传感器进行数据校验；
第一水位数据获取模块，还用于当所述第一传感器校验通过后，再次通过所述第一传感器检测所述窖井的所述第一水位数据；
当所述差值依然大于预设的阈值时，所述分析模块还用于基于所述第一水位数据确定所述真实水位；
第二水位数据获取模块，还用于当所述第二传感器校验通过后，再次通过所述第二传感器检测所述窖井的所述第二水位数据；
当所述差值依然大于预设的阈值时，所述分析模块还用于基于所述第二水位数据确定所述真实水位；
报警或预测模块，用于当所述第一传感器和所述第二传感器都校验未通过时，发出报警信号或基于历史记录确定当前的真实水位。
CN202110064503.5A 2021-01-18 2021-01-18 一种智能窖井数据分析方法及系统 Active CN112378480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110064503.5A CN112378480B (zh) 2021-01-18 2021-01-18 一种智能窖井数据分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110064503.5A CN112378480B (zh) 2021-01-18 2021-01-18 一种智能窖井数据分析方法及系统

Publications (2)

Publication Number Publication Date
CN112378480A CN112378480A (zh) 2021-02-19
CN112378480B true CN112378480B (zh) 2021-04-02

Family

ID=74582020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110064503.5A Active CN112378480B (zh) 2021-01-18 2021-01-18 一种智能窖井数据分析方法及系统

Country Status (1)

Country Link
CN (1) CN112378480B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113504770B (zh) * 2021-07-13 2023-01-31 深圳市越疆科技有限公司 数据校验方法、安全控制器及数据校验系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105371917A (zh) * 2015-10-14 2016-03-02 国网浙江三门县供电公司 水位监测方法、装置和系统及排水控制方法、装置和系统
CN105444836A (zh) * 2015-12-30 2016-03-30 高坤 水位监测装置、方法及井盖
EP3421951A1 (en) * 2017-06-28 2019-01-02 Simmonds Precision Products, Inc. Fuel gauging system and improved methodology for fuel quantity estimation
CN109696221A (zh) * 2019-02-01 2019-04-30 浙江大学 一种多传感协同校准的实时路面积水在线监测装置及方法
CN110705892A (zh) * 2019-10-11 2020-01-17 杭州电子科技大学 一种城市排水管道的水流状态检测方法
CN111765933A (zh) * 2020-06-30 2020-10-13 深圳市宏电技术股份有限公司 一种排水管网流量监测系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105371917A (zh) * 2015-10-14 2016-03-02 国网浙江三门县供电公司 水位监测方法、装置和系统及排水控制方法、装置和系统
CN105444836A (zh) * 2015-12-30 2016-03-30 高坤 水位监测装置、方法及井盖
EP3421951A1 (en) * 2017-06-28 2019-01-02 Simmonds Precision Products, Inc. Fuel gauging system and improved methodology for fuel quantity estimation
CN109696221A (zh) * 2019-02-01 2019-04-30 浙江大学 一种多传感协同校准的实时路面积水在线监测装置及方法
CN110705892A (zh) * 2019-10-11 2020-01-17 杭州电子科技大学 一种城市排水管道的水流状态检测方法
CN111765933A (zh) * 2020-06-30 2020-10-13 深圳市宏电技术股份有限公司 一种排水管网流量监测系统及方法

Also Published As

Publication number Publication date
CN112378480A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN106801463B (zh) 排水管的排水状态检测方法和系统
KR100973662B1 (ko) 실증적방법과 수학적방법을 융합하는 하이브리드 기법에 의한 상수도관망에서의 누수탐지시스템
CN117113729B (zh) 一种基于数字孪生的电力设备在线状态监测系统
CN115096373A (zh) 一种基于传感器的桥梁工程健康检测系统
CN116227752B (zh) 一种基于物联网的园区设施管理系统
CN104318347A (zh) 一种基于多传感器信息融合的输电线路覆冰状态评估方法
CN102024999A (zh) 电动车行动力管理系统
CN103942735A (zh) 一种继电保护状态评估的方法
CN112378480B (zh) 一种智能窖井数据分析方法及系统
WO2023124843A1 (zh) 多传感融合的高精度水位测量装置及方法
CN115019477A (zh) 一种智慧城市内涝灾害实时预测预警系统及方法
CN109577892B (zh) 一种基于井下参数的智能溢流检测系统及预警方法
CN112766771A (zh) 一种基于svm的重型汽车整车质量预测方法
US10648469B2 (en) Remote pump managing device
CN117471346A (zh) 用于确定退役电池模组剩余寿命和健康状态的方法及系统
CN117150445B (zh) 一种区间隧道近距离下穿河流的沉降监测和评价方法
CN103487250A (zh) 基于二维投射的煤矿设备预知维护方法
CN116906837B (zh) 地下管线的状态监测系统及监测方法
CN117494009A (zh) 基于绝缘材料热解分析的电气设备状态评估方法及云平台
CN116432866A (zh) 基于物联网的城市智慧排水管线安全管理方法及系统
KR20210086419A (ko) 차량형 이동식 강우 관측 장치
CN111695735A (zh) 一种基于流计算的铁路弓网实时预警方法、系统及装置
CN204027820U (zh) 汽车空调故障检测系统
CN115810266A (zh) 一种交通拥堵预测系统
CN113137983B (zh) 一种自学习的井盖姿态监测方法及监测系统

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An Intelligent Pit Data Analysis Method and System

Effective date of registration: 20230306

Granted publication date: 20210402

Pledgee: Bank of Hangzhou Limited by Share Ltd. science and Technology Branch

Pledgor: Zhejiang Dingsheng Environmental Protection Technology Co.,Ltd.

Registration number: Y2023980033835