CN113326596A - 一种复杂燃气管网结构检测点设置方法及系统 - Google Patents

一种复杂燃气管网结构检测点设置方法及系统 Download PDF

Info

Publication number
CN113326596A
CN113326596A CN202110696757.9A CN202110696757A CN113326596A CN 113326596 A CN113326596 A CN 113326596A CN 202110696757 A CN202110696757 A CN 202110696757A CN 113326596 A CN113326596 A CN 113326596A
Authority
CN
China
Prior art keywords
detection
pipe network
detection points
setting
network structure
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.)
Pending
Application number
CN202110696757.9A
Other languages
English (en)
Inventor
黄欣慧
唐俊豪
钱小雷
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.)
Shanghai Tianmai Energy Technology Co ltd
Original Assignee
Shanghai Tianmai Energy 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 Shanghai Tianmai Energy Technology Co ltd filed Critical Shanghai Tianmai Energy Technology Co ltd
Priority to CN202110696757.9A priority Critical patent/CN113326596A/zh
Publication of CN113326596A publication Critical patent/CN113326596A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Biology (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种复杂燃气管网结构检测点设置方法和系统，所述方法包括如下步骤：设置初始检测点；同一化检测点的合并；插值增设检测点；基于经过同一化和插值的检测点进行管网数据分析、诊断、仿真。针对复杂城市气管网结构，能够在检测点的设置时代入管网的差异化信息，增加管网结构以及检测值带来的信息表达，使得大数据诊断、分析、预测精度和敏感度提高。

Description

一种复杂燃气管网结构检测点设置方法及系统
【技术领域】
本发明属于中低压燃气控制技术领域，尤其涉及一种复杂燃气管网结构检测点设置方法及系统。
【背景技术】
城市燃气作为人民生活中不可或缺的一部分，燃气管网已成为城市能源运行的生命线。其发展正经历变革期，从投资带动的粗犷型治理发展到精细化治理。我国使用燃气等气体作为能源供应时间已经几十年了，在城市中管道、小区，控制节点等的燃气管网的老化的存在很大的不一致性，导致很多地方的城市管网存在很强的复杂性，采用均一化的检测手段往往不能够准确定位。现有的燃气管网的仿真计算方法及系统(如Synergi Gas、SPS(Simulator)、Met-Flow、PIPESIM)大多为国外厂家开发，价格昂贵，操作界面多为英文，对用户的要求高，不能完全覆盖高压系统、中压系统、低压系统，计算节点数量有限，存在复杂的管网计算速度慢，管网的建模过程复杂。目前现有的燃气管网优化技术主要集中在单层燃气管网的仿真和优化上，对于跨层级的管网联合优化考虑较少。如果我们仅仅是对几栋楼，一个小区来仿真建模的话，那么采用这些软件还是可以的，但是当我们面对的是一个社区、地区、城市的话，那么这些传统的检测点设置、管网结构仿真方法就很难有效的工作。也就是说，传统的方法不能够适应当前的大数据时代的大数据量，以及复杂、异构的管网结构。
本发明针对复杂城市气管网结构，能够在检测点的设置时代入管网的差异化信息，增加管网结构以及检测值带来的信息表达，使得大数据诊断、分析、预测精度和敏感度提高。
【发明内容】
为了解决现有技术中的上述问题，本发明提出了一种复杂燃气管网结构检测点设置方法及系统，所述方法包括如下步骤：
步骤S1：设置初始检测点；
步骤S2：同一化检测点的合并；
步骤S3：插值增设检测点；
步骤S4：基于经过同一化和插值的检测点进行管网数据分析、诊断、仿真。
进一步的，通过SCADA系统获取的燃气管网及设备检测数据。
进一步的，根据数据分析、诊断、仿真的校验结果，对燃气管网系统进行控制。
进一步的，检测值包括燃气流量、阀门开度、压力值、绝对温度、燃气密度。
进一步的，所述步骤S1具体为：基于燃气管网结构均匀设置检测点。
进一步的，采用随机的方式设置检测点，并使得检测点密度达到预设值。
一种复杂燃气管网结构检测点设置系统，包含：服务器和一个或者多个客户终端，客户终端提交监测点设置请求；所述服务器基于所述设置请求，用于执行所述复杂燃气管网结构检测点设置方法。
一种复杂燃气管网结构检测点设置装置，包含：
一储存单元，配置以储存一应用程序；以及
一处理单元，电性耦接于一输入单元以及该储存单元，该处理单元配置以执行复杂燃气管网结构检测点设置方法。
一种用于复杂燃气管网结构检测点设置的存储介质，所述存储介质用于存储执行复杂燃气管网结构检测点设置方法的指令。
一种用于复杂燃气管网结构检测点设置的程序，所述程序包含复杂燃气管网结构检测点设置方法的指令。
本发明能够在检测点的设置时代入管网的差异化信息，增加管网结构以及检测值带来的信息表达，使得大数据诊断、分析、预测精度和敏感度提高，有益效果还包括：(1)合理的进行综合检测点设置，克服不同类型检测数据取值变化差异大带来的计算搜索空间过大,影响收敛速度的问题；(2)通过同一化处理可以大大减少检测点的数量，从而降低检测复杂度，从而降低大量同一化检测点对关键数据的淹没；通过插值以提高关键检测点数据的有效性。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1为本发明的复杂燃气管网结构检测点设置方法的示意图。
图2为本发明的同一化处理前后检测点叠影示意图。
图3为本发明的检测点平面插值方式示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
我国使用燃气等气体作为能源供应时间已经几十年了，在城市中管道、小区，控制节点等的燃气管网的老化的存在很大的不一致性，导致很多地方的城市管网存在很强的复杂性，管网结构的建成年代、或应用类型、管网属性等特征均存在很大的差异，那么相同的检测值在不同的管网结构中其表征含义并非是一致的；而现有技术中按照均匀节点布设方式来布设传感器等检测装置，均匀设置可以是在给定面积中(例如：100m2)选择一个检测点，或者将预设区域中的管网按照预设长度(例如：50M)进行分段，并将每段看成是一个检测点，设置一个传感器；这样，所有管网介质都是被同一对待，在无论是检测点的选择还是管网结构的设置都没有代入管网的差异化信息，这就浪费了基本结构的信息表达，缺失的信息表达使得大数据诊断、预测丧失天然精度；
本发明所述的复杂燃气管网结构检测点设置方法具体包括如下步骤：
步骤S1：设置初始检测点；具体的:基于燃气管网结构均匀设置检测点；在给定面积中(例如：100m2)选择一个检测点，并设置相应的传感器；或者将管网按照预设长度(例如：50M)进行分段，并将每段看成是一个检测点设置一个传感器；
可替换的：可以采用随机的方式设置检测点，并使得检测点密度达到预设值；
在设置检测点时，由于不同数据类型取值范围可能存在变化较大，检测装置不同其设置方式位置也相对独立，现有的一种做法是对每种类型的检测数据分开布设检测点并衡量这些检测点是否满足要求，但是这样会降低后期的计算效率，当数据聚焦到较小范围甚至一个点时，难以进行针对相同位置的统一衡量；因此需要研究如何合理的进行综合检测点设置，如何在减少检测点数量的基础上有效的设置监测点，同时能够克服取值变化差异大带来的计算搜索空间过大,影响收敛速度的问题；同时如何使得这些检测点的设置能够适应大数据的需求也是需要同时考虑的；
优选的：所述检测点针对一种或多种不同类型的检测数据设置；在检测点设置传感器用于检测获取检测数据；
步骤S2：同一化检测点的合并；具体的：基于差异情况合并检测点，减少无效检测点数量；包括如下步骤：
步骤S21：为初始检测点编号；设定编号为(P1,…Pi,…,PN)；
步骤S22：多维数据类型映射：
步骤S221：获取N个初始检测点的V个不同类型的检测值；
步骤S222：对检测值进行规范化；将不同类型的检测值根据数据类型的不同均映射到规范空间内，例如：[0,1]范围内；具体的：采用下式对数据类型Vk的检测数据D_Vk作映射，得到映射值D_Vk'；
Figure BDA0003128768900000021
其中：minVk是数据类型Vk的最小数据值；maxVk数据类型Vk的最大数据值；
优选的：G1()＝1；
而可替换的，由于现有技术中的规范化采用的基本上是直接的线性映射，但是对于燃气管网的检测参数来说其变化并非是线性的，相似的数值之间可能指示了很大的变化，因此需要根据不同的数据类型来设置该映射；其中函数G1()的输入和输出空间均是[0,1]，从而通过曲线变换的方式使得规范化具有检测值的特性；
步骤S23：计算不同检测点检测值的差异值D(i，j)，表示两个检测点的不同数据类型检测值之间的综合差异程度；
Figure BDA0003128768900000031
步骤S24：对检测点做聚类优化；
步骤S241:初始化m个聚类中心(C1…,Co,…Cm)；具体的:根据检测点编号选择m个聚类中心，从N个检测点中选择m个检测点，使其编号相隔
Figure BDA0003128768900000032
其中：m为预设值，该预设值可以设置为检测网格的数量，该数量根据数据量和网格面积或者大数据观测范围设置；也就是说，这里的m值的设置和观测管网大数据的粒度相关；通过将网格数、检测点数和聚类结合，基于管网结果和编号之间可能存在空间关系，直接根据编号选择m个检测点作为初始聚类中心，从而在聚类过程中，直接基于的差异值划分检测点，从而消除了数据类型维数对聚类的影响,降低了计算复杂度，将计算维度从m*V降低到m；
步骤S242：计算当前检测点Pi与m个初始节点Co之间的相似度,根据相似度将检测点Pi划分到最相似的聚类中；其中：CCo是以初始节点Co为中心的聚类，|CCo|是其包含的检测点个数；Pj是CCo中的检测点；D(Pi,Pj)为检测点Pi和Pj之间的差异值；采用下式计算相似度S(Pi，Co)；
Figure BDA0003128768900000033
步骤S243：计算聚类结果的目标值以寻找最优聚类；采用下式计算目标值OBJ；
Figure BDA0003128768900000034
步骤S244：判断目标值是否小于局部最优解PL，如果是，则更新局部最优解PL为当前目标值；判断粒子适应度是否小于全局最优解PH，如果是，则更新全局最优解PH为当前目标值；
步骤S245：更新下一检测点位置，并返回步骤S242继续计算，直到终止条件满足；
所述更新下一检测点位置，具体为：从待计算检测点集合中选择和当前检测点直接相邻的一个和当前检测点差异值D(i，j)最小的未计算检测点作为下一检测点；在当前检测点没有未计算的直接相邻检测点时，选择和已有聚类集合检测点中直接相邻且差异值D(i，j)最小的未计算检测点作为下一检测点；此时和所有聚类集合均不存在直接相邻关系的检测点可以被忽略或者基于差异值相互之间组成聚类；当然这个聚类的大小是有最低限度的；
优选的：所述终止条件为所有检测点均已被计算完毕；
步骤S246:输出目标值最小时的聚类结果；
步骤S25：根据聚类结果做同一化检测点合并，将基于管网结构的多类型检测值呈现同一化的检测点合并；具体包括如下步骤：
步骤S251：构建管网拓扑结构图；具体的：将检测点作为拓扑结构图的节点，当两个检测点之间在管网的连接关系上呈现直接连通而未经过其他检测点时，则在这两个检测点之间设置边；当然管网结构图可以在该方法执行之前构建；这里的直接连通需要在物理上存在管连接，气连通；直接连接的两个检测点之间不存在其他检测点；
步骤S252：依次对每个聚类集合进行处理，将直接连通且位于同一个聚类集合中的两个检测点合并成为一个检测点；持续执行该步骤一直到所有检测点均同一化处理完毕为止；对应的将拓扑结构图中合并后的两个检测点对应的边合并，以形成同一化拓扑结构图；
在合并成为一个检测点时，基于管网拓扑结构图，在所述被同一化后处理后的多个检测点中选择一检测点，所述被选择的一检测点是距离多个检测点中的其他检测点的平均最短路径长度最小的检测点；将所述被选择的检测点作为合并后的检测点；被同一化后的多个检测点的检测值直接采用该合并后的检测点来代表；也就是说，在统一化拓扑结构图中，同一化后多个检测点用一个合并检测点来表示；
步骤S3：插值增设检测点；经过同一化处理可以大大减少检测点的数量，从而降低检测复杂度，与此同时能够降低大量同一化检测点对关键数据的淹没；另一方面，管网中关键节点的数量较少而他们也是最重要的，很有可能因为拓扑结果简单而使得部分结构的关键检测点仅仅有几个，那么在进行大数据视角观察时无法从关键点处独处关键信息，因此，本发明提出通过插值以提高检测点数据的有效性。
所述插值增设检测点；具体包括如下步骤：
步骤S31：如果两个检测点之间的差异值大于预设差异值，且不存在第三检测点和所述两个检测点同时直接连通，则为所述两个检测点做线性插值；
所述做线性插值，具体为：将同一化拓扑结构图中的两个检测点分别用多个检测点替换；
优选的：在步骤S31之前，为同一化拓扑结构图设置权重边；优选的：为存在连接关系的两个检测点计算差异值，将差异值作为边的权重；也就是说，两个检测点之间差异越大，则连接的边权重越大，表示两个检测点之间的距离越长；当然可以根据实际物理设置下两个监测点的距离、流量等值来设置权重边；
优选的：所述多个检测点的第一数量和被替换检测点所在聚类中检测点个数相关；设置所述第一数量的多个检测点的检测值相同且等于被替换掉检测点的检测值；在同一化拓扑结构图中，用所述多个检测点替换被替换检测点的位置，且为所述第一数量的多个检测点中的每个检测点均和被替换检测点的存在连接关系的其他检测点之间设置边；边的权重为被替换前相应边的边权重；其中：所述多个检测点之间设置全连接结构且边的权重值设置为最小值；
优选的：所在聚类中检测点个数越多，则所述第一数量越多；两个被替换检测点的第一数量是相同或不同的；
步骤S32：当三个检测点相互直接相连，且有两组或两组以上差异值大于预设差异值，则进行平面插值；具体包括如下步骤：
步骤S321：为所述三个检测点P1，P2，P3设置球形曲面；
步骤S322：对每两个监测点构成的边，对其在曲线切平面上投影，取投影的特定位置设置插值检测点；如附图2所示，检测点P1，P2的法向量分别是a和b，P1和P2的连线在各自的切平面上投影后形成投影边P1A和P2A，分别在投影边特定位置处设置插值检测点IP1和IP2；新增边(P1，IP1)，(IP1，P3)，(P2，IP2)，(IP2，P3)；
优选的：所述特定位置为1/3,1/5位置处；
优选的：所述特定位置的选择和所述两个监测点所在聚类中检测点的个数相关；
步骤S323：根据检测点P1和P2的检测值设置插值检测点的检测值；根据边(P1，P2)的边权重以及新增边和边(P1，P2)之间的长度比例关系设置新增边的边权重；
所述根据检测点P1和P2的检测值设置插值检测点的检测值，具体为：将插值点的检测值设置为检测点P1和P2的检测值减去衰减值或衰减比例；衰减值或衰减比例和特定位置相关；例如：和特定位置在边中的位置成正相关关系；
通过插值处理后，还可以根据检测点的差异值通过非线性方式进行连续插值，根据较小的离散点和有限点取值的情况下，增加检测点的逻辑值；通过将平面插值技术引入逻辑检测点的设置中，使得可以根据检测值的逻辑变化情况来科学的增加检测点，增加后续分析和诊断精度；
步骤S324：基于上述插值检测点，新增边及其设置的检测值、边权重来设置同一化拓扑结构图以形成插值拓扑结构图；
在经过上述检测点的选择之后，可以进一步的设置复杂现场检测点，能够进行多类型数据检测，以支持后续的检测数据获取和数据分析；当然，在基于局部结构搭建全局管网结构的方法中，可以通过上述方式来得到优化的监测点结构，在局部结构搭建时，采用传统的Synergi Gas、SPS(Simulator)、Met-Flow、PIPESIM)等分析工具，进行基于初始检测点的仿真后，进一步做检测点的优化，从而能够进行大数据以及基于网格的层次化数据分析、诊断；还可以简单点检测数据获取的基础上，基于获取这些简单监测数据的检测点来进行检测点的同一化、插值等优化设置，从而最终进行多类型检测点设置；在复杂检测点设置后，可以选择基于其获取的复杂检测数据进一步调整检测点的设置；
步骤S4：基于经过同一化和插值的检测点进行管网数据分析、诊断、仿真；
基于经过同一化和插值的检测点在实际燃气管网中设置检测点，从检测点获取检测数据，基于检测数据和所述基于经过同一化和插值的拓扑结构图进行管网工作状态的参数计算，以进行管网数据分析、诊断、仿真；
优选的：通过SCADA系统获取的燃气管网及设备检测数据；
优选的：根据数据分析、诊断、仿真的校验结果，对燃气管网系统进行控制；
优选的：根据SCADA系统采集燃气管网及设备检测数据，对各燃气管道的长度、内径、摩擦系数等物理参数进行基于水力计算的参数校验，建立更贴合实际的管道压力损失方程；
优选的：检测值包括燃气流量、阀门开度、压力值、绝对温度、燃气密度等。
可以利用被设计用于进行在此所述的功能的通用处理器、数字信号处理器(DSP)、ASIC、场可编程门阵列信号(FPGA)或其他可编程逻辑器件(PLD)、离散门或晶体管逻辑、离散的硬件组件或者其任意组合而实现或进行所述的各个例示的逻辑块、模块和电路。通用处理器可以是微处理器，但是作为替换，该处理器可以是任何商业上可获得的处理器、控制器、微控制器或状态机。处理器还可以实现为计算设备的组合，例如DSP和微处理器的组合，多个微处理器、与DSP核协作的一个或多个微处理器或任何其他这样的配置。集合本公开描述的方法或算法的步骤可以直接嵌入在硬件中、处理器执行的软件模块中或者这两种的组合中。软件模块可以存在于任何形式的有形存储介质中。可以使用的存储介质的一些例子包括随机存取存储器(RAM)、只读存储器(ROM)、快闪存储器、EPROM存储器、EEPROM存储器、寄存器、硬碟、可移动碟、CD-ROM等。存储介质可以耦接到处理器以便该处理器可以从该存储介质读取信息以及向该存储介质写信息。在替换方式中，存储介质可以与处理器是整体的。软件模块可以是单个指令或者许多指令，并且可以分布在几个不同的代码段上、不同的程序之间以及跨过多个存储介质。
所述的功能可以按硬件、软件、固件或其任意组合而实现。如果以软件实现，功能可以作为一个或多个指令存储在切实的计算机可读介质上。计算机可读介质包括计算机可读存储介质。计算机可读存储介质可以是能被计算机访问的任何可用存储介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储或其他磁存储设备、或能被用来承载或存储指令或数据结构形式的期望程序代码且能被计算机访问的任何其他介质。另外，所传播的信号不被包括在计算机可读存储介质的范围内。计算机可读介质还包括通信介质，其包括促成计算机程序从一地向另一地转移的任何介质。连接例如可以是通信介质。例如，如果软件使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外线、无线电、以及微波之类的无线技术来从web网站、服务器、或其它远程源传输，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外线、无线电、以及微波之类的无线技术被包括在通信介质的定义中。上述的组合应当也被包括在计算机可读介质的范围内。替换地或另选地，此处描述的功能可以至少部分由一个或多个硬件逻辑组件来执行。例如，可使用的硬件逻辑组件的说明性类型包括现场可编程门阵列(FPGA)、程序专用的集成电路(ASIC)、程序专用的标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等。
因此，计算机程序产品可以进行在此给出的操作。例如，这样的计算机程序产品可以是具有有形存储(和/或编码)在其上的指令的计算机可读的有形介质，该指令可由一个或多个处理器执行以进行在此所述的操作。计算机程序产品可以包括包装的材料。
软件或指令也可以通过传输介质而传输。例如，可以使用诸如同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或诸如红外、无线电或微波的无线技术的传输介质从网站、服务器或者其他远程源传输软件。
此外，用于进行在此所述的方法和技术的模块和/或其他适当的手段可以在适当时由用户终端和/或基站下载和/或其他方式获得。例如，这样的设备可以耦接到服务器以促进用于进行在此所述的方法的手段的传送。或者，在此所述的各种方法可以经由存储部件(例如RAM、ROM、诸如CD或软碟等的物理存储介质)提供，以便用户终端和/或基站可以在耦接到该设备或者向该设备提供存储部件时获得各种方法。此外，可以利用用于将在此所述的方法和技术提供给设备的任何其他适当的技术。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims (10)

1.一种复杂燃气管网结构检测点设置方法，其特征在于，
步骤S1：设置初始检测点；
步骤S2：同一化检测点的合并；
步骤S3：插值增设检测点；
步骤S4：基于经过同一化和插值的检测点进行管网数据分析、诊断、仿真。
2.根据权利要求1所述的复杂燃气管网结构检测点设置方法，其特征在于，通过SCADA系统获取的燃气管网及设备检测数据。
3.根据权利要求2所述的复杂燃气管网结构检测点设置方法，其特征在于，根据数据分析、诊断、仿真的校验结果，对燃气管网系统进行控制。
4.根据权利要求3所述的复杂燃气管网结构检测点设置方法，其特征在于，检测值包括燃气流量、阀门开度、压力值、绝对温度、燃气密度。
5.根据权利要求4所述的复杂燃气管网结构检测点设置方法，其特征在于，所述步骤S1具体为：基于燃气管网结构均匀设置检测点。
6.根据权利要求5所述的复杂燃气管网结构检测点设置方法，其特征在于，可替换的，采用随机的方式设置检测点，并使得检测点密度达到预设值。
7.一种复杂燃气管网结构检测点设置系统，其特征在于，包含：服务器和一个或者多个客户终端，客户终端提交监测点设置请求；所述服务器基于所述设置请求，用于执行权利要求1-6中任一项所述复杂燃气管网结构检测点设置方法。
8.一种复杂燃气管网结构检测点设置装置，其特征在于，包含：
一储存单元，配置以储存一应用程序；以及
一处理单元，电性耦接于一输入单元以及该储存单元，该处理单元配置以执行权利要求1-6所述的复杂燃气管网结构检测点设置方法。
9.一种用于复杂燃气管网结构检测点设置的存储介质，其特征在于，所述存储介质用于存储执行权利要求1-6所述的复杂燃气管网结构检测点设置方法的指令。
10.一种用于复杂燃气管网结构检测点设置的程序，其特征在于，所述程序包含如权利要求1-6所述的复杂燃气管网结构检测点设置方法的指令。
CN202110696757.9A 2021-06-23 2021-06-23 一种复杂燃气管网结构检测点设置方法及系统 Pending CN113326596A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110696757.9A CN113326596A (zh) 2021-06-23 2021-06-23 一种复杂燃气管网结构检测点设置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110696757.9A CN113326596A (zh) 2021-06-23 2021-06-23 一种复杂燃气管网结构检测点设置方法及系统

Publications (1)

Publication Number Publication Date
CN113326596A true CN113326596A (zh) 2021-08-31

Family

ID=77424510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110696757.9A Pending CN113326596A (zh) 2021-06-23 2021-06-23 一种复杂燃气管网结构检测点设置方法及系统

Country Status (1)

Country Link
CN (1) CN113326596A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114562684A (zh) * 2022-02-16 2022-05-31 上海天麦能源科技有限公司 一种燃气管网关键监测节点选择方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093058A (zh) * 2007-06-28 2007-12-26 天津大学 一种城市燃气管网自动监控系统及监控方法
EP3407059A1 (en) * 2017-05-26 2018-11-28 Denso Corporation Gas sensor control device
CN110703036A (zh) * 2019-10-09 2020-01-17 江苏方天电力技术有限公司 一种利用聚类的谐振接地系统高阻接地故障定位方法
CN112276340A (zh) * 2020-11-13 2021-01-29 西安中科微精光子制造科技有限公司 针对复杂曲面的加工路径碰撞检测方法、装置及存储介质
CN112764034A (zh) * 2020-12-25 2021-05-07 南京市德赛西威汽车电子有限公司 一种车载bsd毫米波雷达低速下障碍物识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093058A (zh) * 2007-06-28 2007-12-26 天津大学 一种城市燃气管网自动监控系统及监控方法
EP3407059A1 (en) * 2017-05-26 2018-11-28 Denso Corporation Gas sensor control device
CN110703036A (zh) * 2019-10-09 2020-01-17 江苏方天电力技术有限公司 一种利用聚类的谐振接地系统高阻接地故障定位方法
CN112276340A (zh) * 2020-11-13 2021-01-29 西安中科微精光子制造科技有限公司 针对复杂曲面的加工路径碰撞检测方法、装置及存储介质
CN112764034A (zh) * 2020-12-25 2021-05-07 南京市德赛西威汽车电子有限公司 一种车载bsd毫米波雷达低速下障碍物识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114562684A (zh) * 2022-02-16 2022-05-31 上海天麦能源科技有限公司 一种燃气管网关键监测节点选择方法和系统
CN114562684B (zh) * 2022-02-16 2023-08-22 上海天麦能源科技有限公司 一种燃气管网关键监测节点选择方法和系统

Similar Documents

Publication Publication Date Title
CN105790279B (zh) 基于谱聚类的无功电压分区方法
CN105894130A (zh) 一种用于城市供水管网监测点的优化布置方法
CN111967378A (zh) 拉剪倾倒式岩溶危岩失稳预警的声发射多前兆方法及装置
CN105554873A (zh) 一种基于pso-ga-rbf-hop的无线传感器网络定位算法
CN108960492A (zh) 一种基于pso-svr软测量模型的汽轮机排汽焓预测方法
CN107634943A (zh) 一种权值简约无线传感网数据压缩方法、设备及存储设备
CN104469936A (zh) 基于智能空间的无线信号衰减模型的混合定位方法及系统
CN113326596A (zh) 一种复杂燃气管网结构检测点设置方法及系统
CN108491931A (zh) 一种基于机器学习提高无损检测精度的方法
CN114198644A (zh) 一种基于dma监测相关流量数据的供水管网探漏管控方法
CN106682830A (zh) 城市化鬼城指数评测方法及装置
Xu et al. Dynamic graph neural network with adaptive edge attributes for air quality prediction: A case study in China
CN110222098A (zh) 基于流数据聚类算法的电力大数据流异常检测
CN117252863A (zh) 一种地理信息异常数据快速检测分析方法
CN117310361A (zh) 一种基于智能感知和设备画像的配电网故障巡检定位方法
CN109635358A (zh) 一种基于滑动窗口多尺度主元分析的机组故障检测方法
CN103793582A (zh) 圆柱壳大开孔接管结构优化方法
CN115618735A (zh) 基于数字孪生的设施结构健康监测方法及相关装置
Shi et al. A fault location method for distribution system based on one-dimensional convolutional neural network
CN112702761B (zh) 一种无线传感器网络覆盖空洞检测方法及系统
CN114492578A (zh) 一种基于bp神经网络的电气设备运行数据分类方法
Hu et al. Cluster-based energy-efficient structural health monitoring using wireless sensor networks
CN113357545B (zh) 一种城市复杂气管网异常诊断方法及系统
CN113360716A (zh) 一种燃气管网结构逻辑化处理方法及系统
Yan et al. Research on identifying drainage pipeline blockage based on multi-feature fusion

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