CN112884250B - 一种智慧燃气管理系统及方法 - Google Patents
一种智慧燃气管理系统及方法 Download PDFInfo
- Publication number
- CN112884250B CN112884250B CN202110349249.3A CN202110349249A CN112884250B CN 112884250 B CN112884250 B CN 112884250B CN 202110349249 A CN202110349249 A CN 202110349249A CN 112884250 B CN112884250 B CN 112884250B
- Authority
- CN
- China
- Prior art keywords
- gas
- data
- day
- module
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 239000007789 gas Substances 0.000 claims description 325
- 239000002737 fuel gas Substances 0.000 claims description 32
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 13
- 230000005284 excitation Effects 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 11
- 210000002569 neuron Anatomy 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 9
- 239000003345 natural gas Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Examining Or Testing Airtightness (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及燃气管理技术领域，尤其是一种智慧燃气管理系统及方法，包括数据获取模块：用于获取各个燃气节点的燃气数据，所述燃气节点包括门站、检测站、压力表和用户气表，所述燃气数据包括压力值、流通量和燃气用量；电动阀门控制模块：用于门站中的流通量达到供气阈值时，关小门站中的电动阀门；泄漏检测模块：用于根据燃气节点的燃气数据，检测是否发生燃气泄漏。本发明能够降低燃气泄漏量，提升检测燃气泄漏的效率及寻找泄漏点的速度。
Description
技术领域
本发明涉及燃气管理技术领域，特别涉及一种智慧燃气管理系统及方法。
背景技术
燃气是一种能够减少大气污染以及实现可持续发展的清洁能源。如今，人们对清洁能源的需求日益增大，大量的燃气管道运行在人口稠密、经济集中的城市。燃气在为我们带来便利的同时，也因其易燃易爆的特性，给我们的安全带来了威胁，燃气管道遍布城市的大街小巷，一旦发生燃气泄漏而没有及时发现并处理，其后果不堪设想。
为了解决上述问题，公开号：CN110296326A的中国专利公开了燃气管路燃气泄漏监控系统，包括总燃气管道和多个由总燃气管道分别接至户内的分户燃气管道，燃气泄漏监控系统包括：多个户内监测设备，多个户内监测设备与多个分户燃气管道一一对应设置，户内监测设备用于获取对应分户燃气管道的燃气数据；总监测设备，总监测设备对应总燃气管道设置，总监测设备用于获取总燃气管道的燃气数据；通信模块；服务器，服务器通过通信模块分别与多个户内监测设备和总监测设备进行通信，服务器用于接收每个分户燃气管道的燃气数据和总燃气管道的燃气数据，并根据每个分户燃气管道的燃气数据和总燃气管道的燃气数据判断燃气管路是否发生燃气泄漏。
对于上述发明专利，虽然能够判断燃气管路是否发生泄漏，实现对燃气泄漏情况的监控，但为保证用户正常用气，燃气供气端会持续恒压供气，当燃气发生泄漏时，管道中燃气压力值下降，燃气供气端为保证管道中压力值的稳定会加快供气，从而导致燃气泄漏量大；且燃气管道很长，根据每个分户燃气管道的燃气数据和总燃气管道的燃气数据判断出燃气管路发生泄漏时，燃气已大量泄漏，其滞后性较为严重；除此之外，由于燃气管道分支繁多，依靠分户燃气管道的燃气数据和总燃气管道的燃气数据判断燃气泄漏情况，会因需要检查总燃气管道和所有分户燃气管道，而存在寻找泄漏点速度慢的问题。
发明内容
本发明提供了一种智慧燃气管理系统及方法，能够降低燃气泄漏量，提升检测燃气泄漏的效率及寻找泄漏点的速度。
本发明提供的基础方案：
一种智慧燃气管理系统，包括：
数据获取模块：用于获取各个燃气节点的燃气数据，所述燃气节点包括门站、检测站、压力表和用户气表，所述燃气数据包括压力值、流通量和燃气用量；
电动阀门控制模块：用于门站中的流通量达到供气阈值时，关小门站中的电动阀门；
泄漏检测模块：用于根据燃气节点的燃气数据，检测是否发生燃气泄漏。
本发明的原理及优点在于：通过数据获取模块获取各个燃气节点的燃气数据，燃气节点包括门站、检测站、压力表和用户气表，燃气数据包括压力值、流通量和燃气用量；门站中的流通量达到供气阈值时，电动阀门控制模块关小门站中的电动阀门；泄漏检测模块根据燃气节点的燃气数据，检测是否发生燃气泄漏。由此可见，门站供气达到阈值后，将减小供气速度，纵然燃气发生泄漏，也不会加快供气维持管道内气压稳定，从而减少燃气泄漏量，且管道内气压越大，泄漏速度越快，由于关小了电动阀门，管道内气压降低，泄漏速度减小，降低了燃气泄漏速度，从而减少燃气泄漏量。除此之外，本方案中获取了多个燃气节点的燃气数据，检测是否发生燃气泄漏，能够提升检测燃气泄漏的效率；且停止供气后，管道内气压的变化较持续供气会更加明显，更易于发现燃气发生泄漏，也能够提升检测燃气泄漏的效率。泄漏检测模块明确哪一个燃气节点的燃气数据失常，减少了进行管道检查的范围，提高了寻找泄漏点的速度。
进一步，还包括阈值生成模块，用于根据当日的燃气用量生成次日的供气阈值，所述供气阈值生成的方式包括：根据当日各个用户的燃气用量，生成当日燃气总用量，根据当日燃气总用量，生成次日门站的供气阈值。
有益效果：生成每天的供气阈值。短期内燃气总用量起伏小，根据当日的燃气总用量生成次日的供气阈值更加精确。
进一步，所述数据获取模块包括日历获取模块、燃气数据获取模块和数据整合模块：
所述日历获取模块：用于获取日期信息，所述日期信息包括是否为工作日；
所述燃气数据获取模块：用于获取燃气数据，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；
所述数据整合模块：用于整合日历获取模块获取的日期信息和燃气数据获取模块获取的燃气数据、生成的燃气总用量；
所述阈值生成模块用于将用户当日的燃气总用量作为初始值，阈值生成模块中存有增长阈值、持平阈值和减少阈值，当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值。
有益效果：一年内，城镇燃气的天然气用量占比最高，由于人们工作日比非工作日居家时间少，需要用气的时间也更少，燃气总用量少，所以对工作日和非工作日做出区分，能够计算出更加符合实际用量需求的供气阈值。
进一步，所述泄漏检测模块包括模型建立模块和判定模块：
所述模型建立模块：用于通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出；
所述判定模块：用于根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，并生成判定结果。
有益效果：检测某一燃气节点的燃气数据，预测下一燃气节点的燃气数据，将预测的下一燃气节点的燃气数据和实际检测到的燃气数据进行比较，即可得出燃气传输过程中是否存在异常，从而判定两节点间是否存在燃气泄漏，便于快速找到燃气泄漏点。
进一步，还包括提示模块，用于判定结果为发生燃气泄漏时，发出提示。
有益效果：在燃气发生泄漏时，提示用户。
进一步，所述提示模块包括蜂鸣器和指示灯。
有益效果：通过声音和灯光提醒用户注意。
进一步，一种智慧燃气管理方法，包括以下步骤：
数据获取步骤：获取各个燃气节点的燃气数据，所述燃气节点包括门站、检测站和用户气表，所述燃气数据包括压力值、流通量和燃气用量；
电动阀门控制步骤：门站中的流通量达到供气阈值时，关小门站中的电动阀门；
泄漏检测步骤：根据燃气节点的燃气数据，检测是否发生燃气泄漏。
有益效果：门站供气达到阈值后关小电动阀门，随着用户的使用，管道内的气压逐渐降低，燃气逐渐减少，发生泄漏时，由于管道内燃气总量少，气压小，从而燃气泄漏量也有效降低。获取多个燃气节点的燃气数据，检测是否发生燃气泄漏，能够明确是哪一个节点出现的问题，从而提升检测燃气泄漏的效率，减少进行管道检查的范围，提高寻找泄漏点的速度。减小供气速度后，管道内气压的变化较持续供气会更加明显，更易于发现燃气发生泄漏，也能够提升检测燃气泄漏的效率。
进一步，还包括阈值生成步骤，根据当日的燃气用量生成次日的供气阈值，所述供气阈值生成的方式包括：根据当日各个用户的燃气用量，生成当日燃气总用量，根据当日燃气总用量，生成次日门站的供气阈值。
有益效果：根据当日的燃气总用量，预估次日的燃气总用量，生成次日的供气阈值。
进一步，所述数据获取步骤包括日历获取步骤、燃气数据获取步骤和数据整合步骤：
所述日历获取步骤：获取次日的日期信息，所述日期信息包括是否为工作日；
所述燃气数据获取步骤：获取燃气数据，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；
所述数据整合步骤：整合日历获取模块获取的日期信息和燃气数据获取模块获取的燃气数据、生成的燃气总用量；
所述阈值生成步骤：将用户当日的燃气总用量作为初始值，设置增长阈值、持平阈值和减少阈值，当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值。
有益效果：一年内，城镇燃气的天然气用量占比最高，工作日居家人数比非工作日居家人数少，燃气总用量少，对工作日和非工作日做出区分，计算出更加符合实际用量需求的供气阈值。
进一步，所述泄漏检测步骤包括模型建立步骤、判定步骤和提示步骤：
所述模型建立步骤：通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出；
所述判定步骤：根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，并生成判定结果；
所述提示步骤：判定结果为发生燃气泄漏时，发出提示。
有益效果：能够通过计算得出两节点间的天然气输送是否存在异常，判定两节点是否存在天然气泄漏，天然气发出泄漏时，提示用户。
附图说明
图1为本发明实施例一种智慧燃气管理系统的逻辑框图。
图2为本发明实施例一种智慧燃气管理方法的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例1基本如附图1所示：
数据获取模块获取各个燃气节点的燃气数据，燃气节点包括门站、检测站和用户气表，燃气数据包括压力值、流通量和燃气用量；门站中的流通量达到供气阈值时，电动阀门控制模块关小门站中的电动阀门，常规供气系统中，为保证供气稳定，门站会持续恒压供气，且管道中压力值变小时，会加快供气以保证管道内的压力稳定，本方案在供气量能够保证用户当日正常用气后，关小电动阀门，降低供气速度，纵然燃气发生泄漏，也不会加快供气维持管道内气压稳定，从而减少燃气泄漏量，且管道内气压越大，泄漏速度越快，由于关小了电动阀门，管道内气压持续降低，泄漏速度逐渐减小，降低了燃气泄漏速度，从而减少燃气泄漏量；泄漏检测模块根据燃气节点的燃气数据，检测是否发生燃气泄漏。
本实施例中，电动阀门为电动执行器与阀门的组合，采用该结构的优势在于，对于整体设备而言，无需在管道的不同位置选择不同的调压器，实现了控制部分的通用性，仅需选择符合工作压力和口径的阀门，极大的降低了调压器选型的复杂性。
数据获取模块包括日历获取模块、燃气数据获取模块和数据整合模块。日历获取模块获取日期信息，所述日期信息包括是否为工作日；燃气数据获取模块获取燃气数据，即门站、检测站的压力值和流通量、用户气表中的燃气用量，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；数据整合模块对日历获取模块获取的日期信息和燃气数据获取模块获取的燃气数据、生成的燃气总用量进行整合。
还包括阈值生成模块，根据当日的燃气用量生成次日的供气阈值，本实施例中供气阈值生成的方式为：将用户当日的燃气总用量作为初始值，阈值生成模块中存有增长阈值、持平阈值和减少阈值，本实施例中增长阈值、持平阈值和减少阈值分别为5万立方米、3万立方米和1万立方米。在本申请的其他实施例中，供气阈值生成方式还可以为人为设置。
当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值。如：当日为工作日，次日为非工作日，当日燃气总用量为10万立方米，则次日的供气阈值为15万立方米，次日门站中流通量达到15万立方米时，电动阀门控制模块关小门站中的电动阀门。
泄漏检测模块包括模型建立模块和判定模块。模型建立模块通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出。
具体的，模型建立模块获取数据整合模块中门站、各检测站的流通量、压力值和温度。模型建立模块包括BP神经网络模块，用于根据检测数据，生成下一燃气节点的燃气数据。BP神经网络模块包括BP神经网络模型，BP神经网络模块使用BP神经网络技术来对下一燃气节点的燃气数据进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，以检测的燃气节点的压力值、流通量和温度作为输入层的输入，因此输入层有3个节点，而输出是对下一燃气节点的压力值、流通量和温度的预测，因此共有3个节点；针对于隐层，本实施例使用了以下公式来确定隐层节点的数量：其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中取为6，因此隐层共有9个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后，利用历史数据中的燃气数据作为样本对模型进行训练，通过燃气数据训练完成后得到的预测模型可以取得较为准确的预测结果。
判定模块根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，具体的，设预测的下一节点的压力值、流通量和温度分别为X1、X2和X3、检测的下一节点的压力值、流通量和温度分别为Y1、Y2和Y3，当检测的下一节点的压力值、流通量和温度分别在0.9X1≤Y1≤1.1X1、0.9X2≤Y2≤1.1X2、0.9X3≤Y3≤1.1X3范围内时，生成未发生燃气泄漏的判定结果，否则生成发生燃气泄漏的判定结果。
还包括提示模块，用于判定结果为发生燃气泄漏时，发出提示。本实施例中，提示模块为蜂鸣器，在本申请的其他实施例中，提示模块还可以为指示灯。
实施例2基本如附图2所示：
数据获取步骤获取各个燃气节点的燃气数据，燃气节点包括门站、检测站、压力表和用户气表，燃气数据包括压力值、流通量和燃气用量；门站中的流通量达到供气阈值时，电动阀门控制步骤负责关小门站中的电动阀门，常规供气系统中，为保证供气稳定，门站会持续恒压供气，且管道中压力值变小时，会加快供气以保证管道内的压力稳定，本方案在供气量能够保证用户当日正常用气后，关小电动阀门，纵然燃气发生泄漏，也不会加快供气维持管道内气压稳定，从而减少燃气泄漏量，且管道内气压越大，泄漏速度越快，由于降低了供气速度，管道内气压持续降低，泄漏速度逐渐减小，降低了燃气泄漏速度，从而减少燃气泄漏量；泄漏检测步骤根据燃气节点的燃气数据，检测是否发生燃气泄漏。
数据获取步骤包括日历获取步骤、燃气数据获取步骤和数据整合步骤。首先对日期信息进行获取，所述日期信息包括是否为工作日；燃气数据获取步骤获取燃气数据，即门站、检测站的压力值和流通量、用户气表中的燃气用量，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；数据整合步骤对获取的日期信息、燃气数据和生成的燃气总用量进行整合。
还包括阈值生成步骤，根据当日的燃气用量生成次日的供气阈值，本实施例中供气阈值生成的方式为：将用户当日的燃气总用量作为初始值，阈值生成步骤中设有增长阈值、持平阈值和减少阈值，本实施例中增长阈值、持平阈值和减少阈值分别为5万立方米、3万立方米和1万立方米。在本申请的其他实施例中，供气阈值生成方式还可以为人为设置。
当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值。如：当日为工作日，次日为非工作日，当日燃气总用量为10万立方米，则次日的供气阈值为15万立方米，次日门站中流通量达到15万立方米时，电动阀门控制步骤关小门站中的电动阀门。
泄漏检测步骤包括模型建立步骤和判定步骤。模型建立步骤通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出。
具体的，模型建立步骤获取数据整合步骤中门站、各检测站的流通量、压力值和温度。模型建立步骤包括建立BP神经网络，用于根据检测数据，生成下一燃气节点的燃气数据。BP神经网络中包括BP神经网络模型，使用BP神经网络技术来对下一燃气节点的燃气数据进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，以检测的燃气节点的压力值、流通量和温度作为输入层的输入，因此输入层有3个节点，而输出是对下一燃气节点的压力值、流通量和温度的预测，因此共有3个节点；针对于隐层，本实施例使用了以下公式来确定隐层节点的数量：其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中取为6，因此隐层共有9个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后，利用历史数据中的燃气数据作为样本对模型进行训练，通过燃气数据训练完成后得到的预测模型可以取得较为准确的预测结果。
判定步骤根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，具体的，设预测的下一节点的压力值、流通量和温度分别为X1、X2和X3、检测的下一节点的压力值、流通量和温度分别为Y1、Y2和Y3，当检测的下一节点的压力值、流通量和温度分别在0.9X1≤Y1≤1.1X1、0.9X2≤Y2≤1.1X2、0.9X3≤Y3≤1.1X3范围内时，生成未发生燃气泄漏的判定结果，否则生成发生燃气泄漏的判定结果。
还包括提示步骤，用于判定结果为发生燃气泄漏时，发出提示。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (4)
1.一种智慧燃气管理系统，其特征在于：包括：
数据获取模块：用于获取各个燃气节点的燃气数据，所述燃气节点包括门站、检测站、压力表和用户气表，所述燃气数据包括压力值、流通量和燃气用量；
电动阀门控制模块：用于门站中的流通量达到供气阈值时，关小门站中的电动阀门；
泄漏检测模块：用于根据燃气节点的燃气数据，检测是否发生燃气泄漏；
所述数据获取模块包括日历获取模块、燃气数据获取模块和数据整合模块：
所述日历获取模块：用于获取日期信息，所述日期信息包括是否为工作日；
所述燃气数据获取模块：用于获取燃气数据，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；
所述数据整合模块：用于整合日历获取模块获取的日期信息和燃气数据获取模块获取的燃气数据、生成的燃气总用量；
阈值生成模块：用于根据当日的燃气用量生成次日的供气阈值，所述供气阈值生成的方式包括：根据当日各个用户的燃气用量，生成当日燃气总用量，根据当日燃气总用量，生成次日门站的供气阈值；具体的，将用户当日的燃气总用量作为初始值，阈值生成模块中存有增长阈值、持平阈值和减少阈值，当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值；
所述泄漏检测模块包括模型建立模块和判定模块：
所述模型建立模块：用于通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出；
模型建立模块获取数据整合模块中门站、各检测站的流通量、压力值和温度；模型建立模块包括BP神经网络模块，用于根据检测数据，生成下一燃气节点的燃气数据；BP神经网络模块包括BP神经网络模型，BP神经网络模块使用BP神经网络技术来对下一燃气节点的燃气数据进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，以检测的燃气节点的压力值、流通量和温度作为输入层的输入，因此输入层有3个节点，而输出是对下一燃气节点的压力值、流通量和温度的预测，因此共有3个节点；针对于隐层，采用以下公式来确定隐层节点的数量：其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数；BP神经网络采用Sigmoid可微函数和线性函数作为网络的激励函数；采用S型正切函数tansig作为隐层神经元的激励函数；预测模型采用S型对数函数tansig作为输出层神经元的激励函数；在BP网络模型构建完毕后，利用历史数据中的燃气数据作为样本对模型进行训练；
所述判定模块：用于根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，并生成判定结果。
2.根据权利要求1所述的智慧燃气管理系统，其特征在于：还包括提示模块，用于判定结果为发生燃气泄漏时，发出提示。
3.根据权利要求2所述的智慧燃气管理系统，其特征在于：所述提示模块包括蜂鸣器和指示灯。
4.一种智慧燃气管理方法，其特征在于：包括以下步骤：
数据获取步骤：获取各个燃气节点的燃气数据，所述燃气节点包括门站、检测站和用户气表，所述燃气数据包括压力值、流通量和燃气用量；
电动阀门控制步骤：门站中的流通量达到供气阈值时，关小门站中的电动阀门；
泄漏检测步骤：根据燃气节点的燃气数据，检测是否发生燃气泄漏；
所述数据获取步骤包括日历获取步骤、燃气数据获取步骤和数据整合步骤：
所述日历获取步骤：获取日期信息，所述日期信息包括是否为工作日；
所述燃气数据获取步骤：获取燃气数据，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；
所述数据整合步骤：整合日历获取步骤获取的日期信息和燃气数据获取步骤获取的燃气数据、生成的燃气总用量；
阈值生成步骤：根据当日的燃气用量生成次日的供气阈值，所述供气阈值生成的方式包括：根据当日各个用户的燃气用量，生成当日燃气总用量，根据当日燃气总用量，生成次日门站的供气阈值；具体的，将用户当日的燃气总用量作为初始值，阈值生成步骤中存有增长阈值、持平阈值和减少阈值，当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值；
所述泄漏检测步骤包括模型建立步骤、判定步骤和提示步骤：
所述模型建立步骤：通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出；
模型建立步骤，获取数据整合步骤中门站、各检测站的流通量、压力值和温度；模型建立步骤采用BP神经网络模块，用于根据检测数据，生成下一燃气节点的燃气数据；BP神经网络模块包括BP神经网络模型，BP神经网络模块使用BP神经网络技术来对下一燃气节点的燃气数据进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，以检测的燃气节点的压力值、流通量和温度作为输入层的输入，因此输入层有3个节点，而输出是对下一燃气节点的压力值、流通量和温度的预测，因此共有3个节点；针对于隐层，采用以下公式来确定隐层节点的数量：其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数；BP神经网络采用Sigmoid可微函数和线性函数作为网络的激励函数；采用S型正切函数tansig作为隐层神经元的激励函数；预测模型采用S型对数函数tansig作为输出层神经元的激励函数；在BP网络模型构建完毕后，利用历史数据中的燃气数据作为样本对模型进行训练；
所述判定步骤：根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，并生成判定结果；
所述提示步骤：判定结果为发生燃气泄漏时，发出提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110349249.3A CN112884250B (zh) | 2021-03-31 | 2021-03-31 | 一种智慧燃气管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110349249.3A CN112884250B (zh) | 2021-03-31 | 2021-03-31 | 一种智慧燃气管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112884250A CN112884250A (zh) | 2021-06-01 |
| CN112884250B true CN112884250B (zh) | 2023-08-22 |
Family
ID=76040360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110349249.3A Active CN112884250B (zh) | 2021-03-31 | 2021-03-31 | 一种智慧燃气管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112884250B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780973B (zh) * | 2021-08-04 | 2022-08-02 | 广州云硕科技发展有限公司 | 一种提高园区安全性的智慧管理方法及系统 |
| CN115355447B (zh) * | 2022-10-20 | 2023-01-06 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧燃气门站调压优化方法和系统 |
| CN117270404B (zh) * | 2023-11-23 | 2024-02-02 | 苏州安极能互联科技有限公司 | 一种多租户场景下能源供给精细控制系统及方法 |
| CN117455196B (zh) * | 2023-11-30 | 2024-03-01 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气平台的燃气门站监控方法和物联网系统 |
| CN117850491B (zh) * | 2024-03-06 | 2024-05-10 | 韵京厦(四川)能源科技研究院(有限合伙) | 用于燃气输配的自动调压控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101349900A (zh) * | 2008-08-12 | 2009-01-21 | 潘洪源 | 基于无线传感器网络的燃气大用户终端测控系统及测控方法 |
| JP2009128068A (ja) * | 2007-11-20 | 2009-06-11 | Osaka Gas Co Ltd | ガス漏洩検知システム |
| CN108662441A (zh) * | 2018-05-16 | 2018-10-16 | 安徽建筑大学 | 基于自组织无中心网络的城市燃气管网检漏系统及方法 |
| KR101932056B1 (ko) * | 2017-09-29 | 2018-12-27 | 주식회사 엑스피아 | 가스 사용량 디지털 데이터화 및 열감지 센서 분석을 통한 가스제어시스템 을 이용한 원격통합관리시스템 |
| KR20190094647A (ko) * | 2018-02-05 | 2019-08-14 | 강영모 | 무선제어방식의 가스개폐장치 및 이 가스개폐장치를 구비한 가스관리 시스템 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10235638B2 (en) * | 2014-10-09 | 2019-03-19 | Splunk Inc. | Adaptive key performance indicator thresholds |
-
2021
- 2021-03-31 CN CN202110349249.3A patent/CN112884250B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009128068A (ja) * | 2007-11-20 | 2009-06-11 | Osaka Gas Co Ltd | ガス漏洩検知システム |
| CN101349900A (zh) * | 2008-08-12 | 2009-01-21 | 潘洪源 | 基于无线传感器网络的燃气大用户终端测控系统及测控方法 |
| KR101932056B1 (ko) * | 2017-09-29 | 2018-12-27 | 주식회사 엑스피아 | 가스 사용량 디지털 데이터화 및 열감지 센서 분석을 통한 가스제어시스템 을 이용한 원격통합관리시스템 |
| KR20190094647A (ko) * | 2018-02-05 | 2019-08-14 | 강영모 | 무선제어방식의 가스개폐장치 및 이 가스개폐장치를 구비한 가스관리 시스템 |
| CN108662441A (zh) * | 2018-05-16 | 2018-10-16 | 安徽建筑大学 | 基于自组织无中心网络的城市燃气管网检漏系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 天然气门站计量控制系统的设计与实现;杨帆;余立建;;工业控制计算机(第05期) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112884250A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112884250B (zh) | 一种智慧燃气管理系统及方法 | |
| KR102101625B1 (ko) | 스마트 워터 시티 구축을 위한 ｉｃｔ 통합 모니터링 물 관리 시스템, 그리고 이를 위한 통합관제서버 | |
| CN113090959A (zh) | 一种智慧燃气监测系统 | |
| US9568392B2 (en) | System and method for monitoring resources in a water utility network | |
| CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
| Mounce et al. | Cloud based machine learning approaches for leakage assessment and management in smart water networks | |
| CN113074323A (zh) | 一种智能调压控制系统及方法 | |
| Satiya et al. | Optimization of water consumption using dynamic quota based smart water management system | |
| Kavgic et al. | Application of a Monte Carlo model to predict space heating energy use of Belgrade's housing stock | |
| CN117114369B (zh) | 智慧燃气应急供气处置方法、物联网系统、装置及介质 | |
| GB2507184A (en) | Anomaly event classification in a network of pipes for resource distribution | |
| CN115127037A (zh) | 一种供水管网漏损定位方法及系统 | |
| CN115127036A (zh) | 一种市政燃气管网漏损定位方法及系统 | |
| CN116989277A (zh) | 一种基于Adaboost与BP神经网络的动态供水管网漏损风险评估方法 | |
| CN118429131A (zh) | 一种供水流量检测及调配优化系统 | |
| Wan et al. | Gradual leak detection in water distribution networks based on multistep forecasting strategy | |
| Kanakoudis et al. | Assessing the results of a virtual pressure management project applied in Kos Town water distribution network | |
| CN111027758B (zh) | 一种针对供水管网水质监测系统的全局韧性高效评估方法 | |
| CN113723708B (zh) | 一种基于机器学习的城市日用水量预测方法 | |
| CN110866327A (zh) | 不确定条件下供水管网可靠性的可信度模型的建模方法 | |
| Zhou et al. | Risk index assessment for urban natural gas pipeline leakage based on artificial neural network | |
| KR20140119556A (ko) | 상수관망내 유량계 위치 설정 시스템, 방법 및 그 저장매체 | |
| KR20220167511A (ko) | 상수관망시스템 실시간 누수인지 시스템 및 방법 | |
| KAVITHA et al. | IMPROVED FUZZY RULE SET DISTRIBUTED ALGORITHM BASED SMART WATER MANAGEMENT SYSTEM USING PROGRAMMABLE LOGIC CONTROLLER | |
| US20240177594A1 (en) | Methods for detecting gas alarms based on smart gas and internet of things (iot) systems |
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 |