CN112413414B - 一种供热管网泄漏的综合检测方法 - Google Patents
一种供热管网泄漏的综合检测方法 Download PDFInfo
- Publication number
- CN112413414B CN112413414B CN202011443786.6A CN202011443786A CN112413414B CN 112413414 B CN112413414 B CN 112413414B CN 202011443786 A CN202011443786 A CN 202011443786A CN 112413414 B CN112413414 B CN 112413414B
- Authority
- CN
- China
- Prior art keywords
- leakage
- pipe section
- pipe
- flow
- pressure
- 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
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种供热管网泄漏的综合检测方法,涉及供热管网泄漏检测技术领域,将管网分为若干管段,通过安装在每一管上的流量计和压力变送器测得的流量和压力数据确定泄漏管段;在每一管段上安装声波传感器,根据声波传感器检测到的声信号确认泄漏事件,定位漏点,并进行泄漏报警;降低了检测成本,可靠性更高,适用性更强,保障了检测的准确性。
Description
技术领域
本发明涉及供热管网泄漏检测技术领域,具体涉及一种供热管网泄漏的综合检测方法。
背景技术
管网泄漏是引起供热管网失水的一个重要原因,若不能及时发现并进行维修,不仅会影响供热效果和供热质量,引发用户投诉,而且会造成巨大的能源浪费,甚至可能冲刷周边地基,造成地面塌陷等次生事故。因此,研究管网泄漏检测方法的理论和技术,可以帮助维护人员快速、准确地定位漏点,对于保障供热效果和供热质量、提高热能利用效率意义重大,在供热领域有着广阔的前景。
目前,管网泄漏检测方法主要有简单评估方法、精确检漏方法、基于管道模型或统计学的方法以及其他物理和化学方法。简单评估方法的检测精度较低且无法定位漏点,一般只作为辅助手段;传统的精确检漏方法往往需要对泄漏信号进行复杂的变换和处理,实时性不强;基于管道模型或统计学的方法需要建立精确的数学模型来反映管网内流体的实时变化情况,但考虑到不同管网特性及外界突发干扰的影响,这种方法的实际参考价值不高;其他物理和化学方法,如红外热成像检漏法、光纤检漏法等,对于配套检测设备的要求较高,从经济性方面来讲,投入产出比并不高。
发明内容
为解决现有技术中存在的不足,本发明提供一种供热管网泄漏的综合检测方法,降低了检测成本,可靠性更高,适用性更强,保障了检测的准确性。
本发明为解决其技术问题所采用的技术方案是:一种供热管网泄漏的综合检测方法,将管网分为若干管段,通过安装在每一管段上的流量计和压力变送器测得的流量和压力数据确定泄漏管段;在每一管段上安装声波传感器,根据声波传感器检测到的声信号确认泄漏事件,定位漏点,并进行泄漏报警。
进一步的,包括:
管网分段:将区域供热管网分为若干管段,给每一管段编号:1,2,...,n;在每一管段的进、出口处均安装流量计、压力变送器和声波传感器,管段的编号及计量设备位置信息均存储于服务器中,且每一管段进、出口处的流量计、压力变送器和声波传感器将所测流量、压力和声信号数据定时上传至服务器;
建立逻辑回归模型:首先,建立训练集和测试集,其次,初始化逻辑回归模型的参数矩阵,然后,进行梯度下降循环;
定位疑似泄漏管段:定时地采用流量平衡法计算各管段进出口流量误差,若某管段流量误差大于其流量误差阈值,则继续计算该管段的相对压力误差;若该管段相对压力误差大于其相对压力误差阈值,则判定该管段为疑似泄漏管段;
确认泄漏事件:对于疑似泄漏管段,选择管段进、出口处的声波传感器数据各10组,分别提取上述20组声信号数据的15种特征参数,构成声信号特征参数矩阵;将声信号特征参数矩阵输入逻辑回归模型,得到预测标签矩阵;若预测标签矩阵中值为1的元素数量占比大于50%,则判定该管段发生泄漏事件;
采用互相关法定位漏点:计算泄漏声信号的传播速度和延迟时间,根据计算值及其他已知参数定位漏点;
发送泄漏报警信息:服务器与供热调度中心计算机进行通讯,并向计算机发送泄漏报警信息,包括泄漏管段编号、进出口计量设备位置和漏点位置。
进一步的,每个流量计、压力变送器和声波传感器均包含NB-IoT模块,管段走向为直线。
进一步的,所述建立训练集和测试集:对于包含n个管段的供热管网,采集正常声信号和泄漏声信号各20n组,提取上述声信号的时域、频域、形状和随机四类共15种特征参数以及标签值,构成特征参数矩阵和标签矩阵;由特征参数矩阵和标签矩阵建立训练集和测试集。
进一步的,所述梯度下降循环:首先计算当前损失,选取sigmoid函数作为激活函数,并计算代价函数,其次计算当前梯度,最后梯度下降。
进一步的,所述的建立逻辑回归模型,还包括训练和测试逻辑回归模型:给定学习率迭代次数以及期望的测试集分类准确率,将训练集数据和测试集数据分别输入逻辑回归模型,调整学习率,直至达到预期。
本发明的有益效果是:创造性地对管网进行分段,充分利用了供热管网中现有的计量设备,降低了检测成本;采用逻辑回归模型对声信号进行智能分类,避免了复杂的数学建模过程,且不受管道和流体参数变化的影响,可靠性更高,适用性更强;通过多级泄漏检测和漏点定位,保障了检测的准确性;由泄漏管段编号、进出口计量设备位置和泄漏点位置组成的泄漏报警信息,为泄漏点的维修提供了极大的便利。
附图说明
图1是本发明管网分段示意图;
图2是本发明逻辑回归模型的梯度下降算法流程图;
图3是本发明泄漏声信号分类示意图;
图4是本发明互相关法定位漏点原理图;
图5是本发明计量设备、服务器和调度中心计算机通讯示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
实施例1
将管网分为若干管段,通过安装在每一管上的流量计和压力变送器测得的流量和压力数据确定泄漏管段;在每一管段上安装声波传感器,根据声波传感器检测到的声信号确认泄漏事件,定位漏点,并进行泄漏报警。
1、管网分段
如图1所示,将某一区域供热管网分为若干管段,并将每一管段标注编号1,2,...,n;管网分段遵循以下原则:
(1)每一管段的进、出口都安装流量计、压力变送器和声波传感器;
(2)每一管段进、出口的流量计、压力变送器和声波传感器都包含NB-IoT模块;
(3)尽量使每一管段的走向为直线。
对于管段i(1≤i≤n),其进口处的流量计、压力变送器、声波传感器的位置分别为(xi11,yi11)、(xi12,yi12)、(xi13,yi13),出口处的流量计、压力变送器、声波传感器的位置分别为(xi21,yi21)、(xi22,yi22)、(xi23,yi23)。其中,x为纬度,y为经度。
上述管段编号及计量设备即流量计、压力变送器、声波传感器位置信息都存储在服务器中。每一管段进、出口的流量计、压力变送器和声波传感器都将所测流量、压力和声信号数据定时上传至服务器。
2、建立逻辑回归模型
参考图2,具体步骤如下:
2.1建立训练集和测试集
首先进行实验数据采集。在每一管段,利用阀门来模拟泄漏源,使用相同的声波传感器,分别采集正常(阀门关闭)声信号和泄漏(阀门开度从10%-100%,每次增加10%,采集两次)声信号数据各20组。对于包含n个管段的供热管网,则共采集正常声信号20n组,泄漏声信号20n组。
其次,针对泄漏声信号的特征辨识问题,提取其时域、频域、形状和随机四类共计15种特征参数。具体计算公式如表1所示。
表1泄漏声信号特征参数
最后,建立训练集和测试集。训练集包括Xtrain(15×20n)和Ytrain(1×20n)两个矩阵,其中,Xtrain为10n个正常声信号和10n个泄漏声信号的特征参数矩阵;Ytrain为上述20n个声信号的标签矩阵,0代表正常信号,1代表泄漏信号。测试集包括Xtest(15×20n)和Ytest(1×20n)两个矩阵,其中,Xtest为10n个正常声信号和10n个泄漏声信号的特征参数矩阵;Ytest为上述20n个声信号的标签矩阵,0代表正常信号,1代表泄漏信号。
2.2初始化逻辑回归模型的参数矩阵
初始化逻辑回归模型的参数矩阵W(15×1)和B(1×20n)。在Python语言中,可令
W=numpy.random.randon(15,1)*0.01
B=numpy.zeros((1,20n))
2.3梯度下降循环
2.3.1计算当前损失(前向传播)
由于逻辑回归要解决的是一个二分类问题,所以选取sigmoid函数作为激活函数。任意输入z的sigmoid函数为
对于上述包含15个特征参数的20n个样本,其前向传播公式为
Z=WTX+B
梯度下降算法的代价函数为
2.3.2计算当前梯度(反向传播)
对于上述代价函数J(W,B),其反向传播公式为
2.3.3更新参数(梯度下降)
对于上述逻辑回归模型参数矩阵,其参数更新公式为
式中,α为学习率,W′、B′为更新后的逻辑回归模型参数矩阵。
除此之外,在训练和测试逻辑回归模型前,需给定迭代次数k及期望的测试集分类准确率Ea。
2.4训练和测试逻辑回归模型
如2.3中所述,初始化参数矩阵W和B,并给定学习率α、迭代次数k以及期望的测试集分类准确率Ea。将训练集数据(Xtrain,Ytrain)和测试集数据(Xtest,Ytest)分别输入逻辑回归模型,得到分类结果。若测试集分类准确率低于期望Ea,则调整学习率α,直至达到预期;否则无需改动。
3、定位疑似泄漏管段
3.1流量平衡法
流量平衡法是假设存在一不泄漏的理想管段,利用管段内流入流量等于流出流量这一原理,实时测量管段入口、出口处流量来判断是否发生泄漏的一种方法。但是由于流量计所测流量值受流体温度、压力、密度、粘度等参数的影响,而且流量计本身也存在测量误差,所以在实际工况下,管段进、出口流量并不相等,而是存在一个误差eQ,满足
eQ=Q1(t)-Q2(t)
式中,Q1(t)为管段进口流量,Q2(t)为管段出口流量。
在无泄漏的情况下,管段进出口流量误差绝对值的最大值称为流量误差阈值,用εQ表示,有
εQ=max|eQ|
管段无泄漏时|eQ|的值较小,发生泄漏时|eQ|增大。在不考虑杂波干扰的情况下,可以认为eQ≤εQ时管段无泄漏,eQ>εQ时管段发生泄漏。但实际工况下存在干扰,只采用流量平衡法易产生漏报、误报的情况。优选的,针对这一问题,本发明引入相对压力误差法作为补充判据。
3.2相对压力误差法
相对压力误差法利用泄漏点附近会产生压力波动的原理,通过比较某一管段在两个时间点的压力,得到相对压力误差,来判断该管段是否发生泄漏。
定义在t时刻某管段的压力P(t)为管段进口压力P1(t)和出口压力P2(t)的平均值,即
则在t1和t2时刻,该管段的压力分别为P(t1)和P(t2);在t2-t1时间段内,该管段的相对压力误差eP为
设该管段的相对压力误差阈值为εP,有
εP=max|eP|
则在t2-t1时间段内,若eP≤εP,则该管段无泄漏;若eP>εP,则该管段发生泄漏。
3.3定位疑似泄漏管段
首先,给定相对压力误差法的时间间隔Δt。若在t时刻,经流量平衡法判定某管段可能发生泄漏,即eQ>εQ,则继续通过相对压力误差法判断泄漏情况。
4.确认泄漏事件
如图3所示,对于步骤3所判定的疑似泄漏管段,通过安装在管段两端的声波传感器各采集10组声信号数据。分别提取上述20组声信号的15种特征参数,构成声信号特征参数矩阵X(15×20)。将特征参数矩阵X输入逻辑回归模型,得到预测标签矩阵
5.互相关法定位漏点
5.1互相关法定位原理
如图4所示。当上述管段发生泄漏事件时,泄漏点处产生的泄漏声信号会沿着管壁以一定的速度v向管段两端传播,管段两端的声波传感器分别经过时间T1、T2和距离L1、L2后接收到该信号。对泄漏声信号进行互相关分析,求得信号到达两个声波传感器的传播时间差(延迟时间),再计算得到信号在管壁上的传播速度,就可以定位漏点。
漏点定位公式为
式中,L1为漏点与1号声波传感器之间的距离,L为管段的长度,v为泄漏声信号的传播速度,v0为管道中液体的流速,T1为1号声波传感器收到泄漏声信号的时间,T2为2号声波传感器收到泄漏声信号的时间,ΔT为两个声波传感器收到泄漏声信号的时间差。
5.2求解泄漏声信号的传播速度
漏点定位公式中,泄漏声信号的传播速度v可用下式进行修正
式中,k为管道内液体的弹性系数,ρ为管道内液体的密度,D为管道的直径,E为管材的弹性模量,e为管壁的厚度,C为修正系数。
5.3求解泄漏声信号的延迟时间
两个声波传感器收到泄漏声信号的时间差ΔT,可以通过对泄漏声信号进行互相关分析来求解。找到互相关函数的相关峰值,峰值所对应的时间就是延迟时间,即ΔT。
设1号、2号传感器所接收到的泄漏声信号分别为x1(t)、x2(t),有
x1(t)=s(t)+n1(t)
x2(t)=as(t-τ)+n2(t)
式中,s(t)为泄漏声信号,a为衰减因子,τ为延迟时间,n1(t)、n2(t)为环境噪声信号。
假设泄漏声信号和环境噪声信号都是零均值且不相关的随机信号,采用FFT算法对x1(t)、x2(t)进行DFT变换,得到离散时间信号x1(n)、x2(n)。对x2(n)延迟m个采样间隔,则x1(n)、x2(n)的互相关函数为
式中,N为采样点数量,n为采样点序号。
τ=ΔT=(N-m0)T
式中,T为采样周期。
5.4定位漏点
6.发送泄漏报警信息
对于泄漏管段i,服务器读取其进口处的流量计、压力变送器、声波传感器的位置(xi11,yi11)、(xi12,yi12)、(xi13,yt13),出口处的流量计、压力变送器、声波传感器的位置(xi21,yi21)、(xi22,yi22)、(xi23,yi23)。求得管段i进口计量设备等效坐标(xi1,yi1),出口计量设备等效坐标(xi2,yi2)。其中
服务器与供热调度中心计算机通过TCP/IP协议进行通讯,如附图5所示,服务器将泄漏管段编号i、进出口计量设备位置(xi1,yi1)、(xi2,yi2)和漏点位置发送至供热调度中心计算机,完成报警,调度中心派出维修人员对泄漏点进行维修。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种供热管网泄漏的综合检测方法,其特征在于,将管网分为若干管段,通过安装在每一管段上的流量计和压力变送器测得的流量和压力数据确定泄漏管段;在每一管段上安装声波传感器,根据声波传感器检测到的声信号确认泄漏事件,定位漏点,并进行泄漏报警;
包括:
管网分段:将区域供热管网分为若干管段,给每一管段编号:1,2,...,n;在每一管段的进、出口处均安装流量计、压力变送器和声波传感器,管段的编号及计量设备位置信息均存储于服务器中,且每一管段进、出口处的流量计、压力变送器和声波传感器将所测流量、压力和声信号数据定时上传至服务器;
建立逻辑回归模型:首先,建立训练集和测试集,其次,初始化逻辑回归模型的参数矩阵,然后,进行梯度下降循环;
定位疑似泄漏管段:定时地采用流量平衡法计算各管段进出口流量误差,若某管段流量误差大于其流量误差阈值,则继续计算该管段的相对压力误差;若该管段相对压力误差大于其相对压力误差阈值,则判定该管段为疑似泄漏管段;具体为:
管段进、出口流量存在一个误差eQ,满足
eQ=Q1(t)-Q2(t)
式中,Q1(t)为管段进口流量,Q2(t)为管段出口流量;
在无泄漏的情况下,管段进出口流量误差绝对值的最大值称为流量误差阈值,用εQ表示,有
εQ=max|eQ|
在不考虑杂波干扰的情况下,eQ≤εQ时管段无泄漏,eQ>εQ时管段发生泄漏;
引入相对压力误差法作为补充判据:
定义在t时刻某管段的压力P(t)为管段进口压力P1(t)和出口压力P2(t)的平均值,即
则在t1和t2时刻,该管段的压力分别为P(t1)和P(t2);在t2-t1时间段内,该管段的相对压力误差eP为
设该管段的相对压力误差阈值为εP,有
εP=max|eP|
则在t2-t1时间段内,若eP≤εP,则该管段无泄漏;若eP>εP,则该管段发生泄漏;
首先,给定相对压力误差法的时间间隔Δt,若在t时刻,经流量平衡法判定某管段可能发生泄漏,即eQ>εQ,则继续通过相对压力误差法判断泄漏情况;
确认泄漏事件:对于疑似泄漏管段,选择管段进、出口处的声波传感器数据各10组,分别提取上述20组声信号数据的15种特征参数,构成声信号特征参数矩阵;将声信号特征参数矩阵输入逻辑回归模型,得到预测标签矩阵;若预测标签矩阵中值为1的元素数量占比大于50%,则判定该管段发生泄漏事件;
采用互相关法定位漏点:计算泄漏声信号的传播速度和延迟时间,根据计算值及其他已知参数定位漏点;
发送泄漏报警信息:服务器与供热调度中心计算机进行通讯,并向计算机发送泄漏报警信息,包括泄漏管段编号、进出口计量设备位置和漏点位置。
2.根据权利要求1所述的一种供热管网泄漏的综合检测方法,其特征在于,每个流量计、压力变送器和声波传感器均包含NB-IoT模块,管段走向为直线。
3.根据权利要求1所述的一种供热管网泄漏的综合检测方法,其特征在于,所述建立训练集和测试集:对于包含n个管段的供热管网,采集正常声信号和泄漏声信号各20n组,提取上述声信号的时域、频域、形状和随机四类共15种特征参数以及标签值,构成特征参数矩阵和标签矩阵;由特征参数矩阵和标签矩阵建立训练集和测试集。
4.根据权利要求1所述的一种供热管网泄漏的综合检测方法,其特征在于,所述梯度下降循环:首先计算当前损失,选取sigmoid函数作为激活函数,并计算代价函数,其次计算当前梯度,最后梯度下降。
5.根据权利要求1所述的一种供热管网泄漏的综合检测方法,其特征在于,所述的建立逻辑回归模型,还包括训练和测试逻辑回归模型:给定学习率迭代次数以及期望的测试集分类准确率,将训练集数据和测试集数据分别输入逻辑回归模型,调整学习率,直至达到预期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443786.6A CN112413414B (zh) | 2020-12-11 | 2020-12-11 | 一种供热管网泄漏的综合检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443786.6A CN112413414B (zh) | 2020-12-11 | 2020-12-11 | 一种供热管网泄漏的综合检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112413414A CN112413414A (zh) | 2021-02-26 |
CN112413414B true CN112413414B (zh) | 2022-08-23 |
Family
ID=74775417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011443786.6A Active CN112413414B (zh) | 2020-12-11 | 2020-12-11 | 一种供热管网泄漏的综合检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112413414B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113154269A (zh) * | 2021-03-18 | 2021-07-23 | 河北机电职业技术学院 | 一种管道液体泄漏监测报警定位系统及方法 |
CN114251603B (zh) * | 2021-12-15 | 2024-04-19 | 三杰节能新材料股份有限公司 | 一种供热管道的泄漏智能检测方法 |
CN114738680B (zh) * | 2022-04-26 | 2023-07-21 | 国机传感科技有限公司 | 一种数据处理系统及数据存储、恢复方法 |
CN117028875B (zh) * | 2023-10-09 | 2024-02-06 | 山东东信塑胶科技有限公司 | 一种声学流速定位智慧管网系统 |
CN117108939B (zh) * | 2023-10-23 | 2024-01-02 | 华清安泰能源股份有限公司 | 一种地温场的在线监测方法、系统、装置及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1184931A (zh) * | 1996-12-11 | 1998-06-17 | 唐秀家 | 流体输送管道泄漏检测定位的方法及装置 |
US6970808B2 (en) * | 2004-04-29 | 2005-11-29 | Kingsley E. Abhulimen | Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems |
CN101008992A (zh) * | 2006-12-30 | 2007-08-01 | 北京市劳动保护科学研究所 | 基于人工神经网络的管道泄漏的检测方法 |
CN102563361A (zh) * | 2012-01-18 | 2012-07-11 | 中国石油大学(华东) | 基于常规数据和音波信号的输气管道泄漏检测定位装置及方法 |
KR101447925B1 (ko) * | 2013-08-22 | 2014-10-08 | 주식회사 엘지씨엔에스 | 누출 신호 분석 방법 |
CN103939749B (zh) * | 2014-04-28 | 2016-08-24 | 东北大学 | 基于大数据的输油管网泄漏智能自适应监控系统及方法 |
CN105546352A (zh) * | 2015-12-21 | 2016-05-04 | 重庆科技学院 | 基于声音信号的天然气管道微泄漏检测方法 |
CN108984873B (zh) * | 2018-06-28 | 2023-10-24 | 武汉新烽光电股份有限公司 | 供水管网实时漏损检测方法、设备、系统及存储介质 |
CN110245411B (zh) * | 2019-06-10 | 2023-04-28 | 山东建筑大学 | 一种城镇集中供热系统及泄漏点检测方法 |
CN111853552B (zh) * | 2020-07-29 | 2021-03-12 | 北京市劳动保护科学研究所 | 一种供热管道泄漏在线检测定位方法 |
-
2020
- 2020-12-11 CN CN202011443786.6A patent/CN112413414B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112413414A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112413414B (zh) | 一种供热管网泄漏的综合检测方法 | |
CN105042339B (zh) | 一种基于无量纲的成品油管道泄漏量估计系统及方法 | |
Goulet et al. | Model falsification diagnosis and sensor placement for leak detection in pressurized pipe networks | |
CN104421620B (zh) | 泄漏信号分析方法 | |
CN103939749B (zh) | 基于大数据的输油管网泄漏智能自适应监控系统及方法 | |
CN110197049B (zh) | 一种基于瞬变反问题的非金属管道泄漏定位方法 | |
Song et al. | Gas leak detection in galvanised steel pipe with internal flow noise using convolutional neural network | |
CN106352243A (zh) | 一种基于声波法的输气管道泄露检测系统 | |
CA2960587C (en) | Device and method for fluid leakage detection in pressurized pipes | |
CN105927863A (zh) | Dma分区管网泄漏在线检测定位系统及其检测定位方法 | |
CN103775832B (zh) | 基于瞬变流反问题方法的输油管道漏失检测的装置 | |
CN113348349B (zh) | 分析管道状况的方法和系统 | |
CN101832472A (zh) | 利用次声波实现管道泄漏检测的系统 | |
CN111271610B (zh) | 一种液体管道渗漏检测预警装置及方法 | |
CN112377817B (zh) | 一种市政管网爆管监测系统及方法 | |
CN112711844A (zh) | 一种管道泄漏定位、泄漏量预警与自动处理方法及系统 | |
CN101592288A (zh) | 一种管道泄漏辨识方法 | |
US20240085294A1 (en) | Method and smart gas internet of things (iot) system for metering anti-interference of gas ultrasonic meter | |
CN110792928A (zh) | 一种基于大数据的管道泄漏诊断组合算法 | |
CN115264406A (zh) | 一种深度学习融合物理信息的管道泄漏监测系统 | |
CN110987318B (zh) | 一种高压管道气体泄露自动检测装置和检测方法 | |
CN109492281A (zh) | 一种基于低频水声传播特性的浅海地声参数反演方法 | |
CN108980631A (zh) | 一种基于在线仿真的负压波法管道泄漏检测系统 | |
CN110750756B (zh) | 通过最优支持向量机算法即时在线仪表校验和诊断方法 | |
US20220196512A1 (en) | Detection of a leakage in a supply grid |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221122 Address after: 116023 1 / F, network industry building, 541 Huangpu Road, high tech Zone, Dalian City, Liaoning Province Patentee after: DALIAN HAIXIN INFORMATION ENGINEERING CO.,LTD. Patentee after: Dalian Dingxin Huizhi Intelligent IoT Technology Co.,Ltd. Address before: 116023 1 / F, network industry building, 541 Huangpu Road, high tech Zone, Dalian City, Liaoning Province Patentee before: DALIAN HAIXIN INFORMATION ENGINEERING CO.,LTD. |
|
TR01 | Transfer of patent right |