CN113418143A - 一种天然气泄漏报警点筛选方法及装置 - Google Patents
一种天然气泄漏报警点筛选方法及装置 Download PDFInfo
- Publication number
- CN113418143A CN113418143A CN202110526545.6A CN202110526545A CN113418143A CN 113418143 A CN113418143 A CN 113418143A CN 202110526545 A CN202110526545 A CN 202110526545A CN 113418143 A CN113418143 A CN 113418143A
- Authority
- CN
- China
- Prior art keywords
- alarm
- point
- points
- time window
- candidate
- 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.)
- Granted
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
-
- 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
- F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种天然气泄漏报警点筛选方法及装置。所述方法包括:基于假设检验法消除背景噪声,确定报警点;对报警点按照统计值从大到小的顺序排序并选取前N名报警点为报警候选点;统计每个报警候选点周围报警点的密度;统计每个报警候选点被确定为报警点的频次;对报警候选点进行3维打分,汇总后得到每个报警候选点的综合得分。本发明通过设置时间窗口、计算时间窗口内检测点乙烷浓度的统计值基于假设检验法消除检测点乙烷浓度的背景噪声,可有效消除背景噪声,提高报警点检测精度。通过对报警候选点进行3个维度的打分并得到综合打分、排序,可对报警候选点进行有效地筛选。
Description
技术领域
本发明属于天然气泄漏检测技术领域,具体涉及一种天然气泄漏报警点筛选方法及装置。
背景技术
燃气管道遍布整个城市的地下,犹如城市的大动脉,作为国民经济发展和人民生活保障的资源和能源,具有城市生命线的重要地位。天然气作为一种清洁、使用方便的能源,在城镇能源消耗比例中所占的份额正逐步提高,燃气大规模的应用和普及,加速了城镇燃气输配管网和供气设施的建设。然而随着输配管网大面积的敷设,地下燃气管线愈发密集和复杂,燃气自身的特性加之管道在制造、安装、使用、管理等诸多方面的不确定因素,管道在一定程度上存在泄漏的可能性,同时有限的人力物力与在运行管线量的失衡,给城镇燃气管网的安全运行带来巨大挑战。
燃气泄漏最早采用人工检测方法,耗费时间长,效率低。随着燃气检测技术的发展,人们已研制出专门用于燃气泄漏检测的检测车。检测车主要包括载车和安装在载车上的传感器单元和数据处理单元,用于测量检测点的燃气浓度。当在某个检测点测得的燃气浓度超过设定的阈值时,进行报警,所述检测点称为报警点。由于一个泄漏点一般会被多个检测点检测到,因此,一个泄漏点一般对应多个报警点。根据报警点燃气浓度的大小及位置分布就可概略确定燃气泄漏点的位置;如果能够对这些报警点进行进一步的筛选,缩小报警点的分布区域,就能基本锁定泄漏源的位置。因此,报警点的检测精度和筛选方法的有效性对泄漏源的定位排查至关重要。现有技术一般只是根据燃气浓度峰值大小对报警点进行检测和筛选,方法单一;而且没有考虑背景噪声的影响,即使有采用背景去噪技术的,一般也只是通过简单地设置幅度阈值消除背景噪声,效果不佳。这些都导致报警点的误报率和漏报率较高。
发明内容
为了解决现有技术中存在的上述问题,本发明提供一种天然气泄漏报警点筛选方法及装置。
为了实现上述目的,本发明采用以下技术方案。
第一方面,本发明提供一种天然气泄漏报警点筛选方法,包括以下步骤:
获取检测点的乙烷浓度,设置时间窗口,计算窗口内检测点乙烷浓度的统计值,基于假设检验法消除背景噪声,确定报警点;
对所述报警点按照统计值从大到小的顺序排列,选取前N名报警点为报警候选点,并记录每个报警候选点的排名s,s=1,2,…,N;
统计以每个报警候选点的位置为圆心、以R为半径的圆形区域内报警点的数量p;
统计进行M次检测每个报警候选点被确定为报警点的次数m;
基于s、p、m对报警候选点分别打分,汇总后得到每个报警候选点的综合得分,按照得分从大到小的顺序对报警候选点排序。
进一步地,基于假设检验法消除背景噪声的方法包括:
设定原假设H0:μ≤μ0以及备择假设H1:μ>μ0,其中μ为乙烷浓度,μ0为总体均值;等于第二时间窗口内检测点乙烷浓度的均值;
设置时间长度为T的第一时间窗口和以第一时间窗口为中心时间长度为5T的第二时间窗口;
计算第一时间窗口内检测点乙烷浓度的均值计算第二时间窗口内检测点乙烷浓度的均值和标准偏差,分别作为总体均值μ0和总体标准偏差σ;进一步计算第一时间窗口内检测点乙烷浓度的统计值:n为样本数即第一时间窗口内检测点的数量;
设定显著性水平为0.01,根据给定的显著性水平确定拒绝域临界值t0.01(n-1)=t0;
如果t>t0,拒绝原假设H0,接受备择假设H1,保留第一时间窗口内检测点的数据;否则,删除第一时间窗口内检测点的数据;
采用上述方法,使第一时间窗口遍历检测点乙烷浓度的时域信号,消除其背景噪声。
进一步地,所述方法还包括平滑滤波步骤:针对每个报警点,用其周围邻域内报警点统计值的平均值更新其统计值。
进一步地,所述选取前N名为报警候选点的方法包括:
对报警点按照统计值从大到小的顺序排列;
计算每两个相邻报警点统计值的下降幅度;
查找下降幅度超过设定阈值的报警点,所述报警点前面的N个报警点即为报警候选点。
进一步地,每个报警候选点的综合得分的计算公式为:
Y=Y1+Y2+Y3
Y1=N-s
式中,Y为每个报警候选点的综合得分,Y1、Y2、Y3分别为每个报警候选点基于s、p、m的打分,pmax为p的最大值。
第二方面,本发明提供一种天然气泄漏报警点筛选装置,包括:
背景去噪模块,用于获取检测点的乙烷浓度,设置时间窗口,计算窗口内检测点乙烷浓度的统计值,基于假设检验法消除背景噪声,确定报警点;
排序筛选模块,用于对所述报警点按照统计值从大到小的顺序排列,选取前N名报警点为报警候选点,并记录每个报警候选点的排名s,s=1,2,…,N;
密度计算模块,用于统计以每个报警候选点的位置为圆心、以R为半径的圆形区域内报警点的数量p;
频次计算模块,用于统计进行M次检测每个报警候选点被确定为报警点的次数m;
打分排序模块,用于基于s、p、m对报警候选点分别打分,汇总后得到每个报警候选点的综合得分,按照得分从大到小的顺序对报警候选点排序。
进一步地,基于假设检验法消除背景噪声的方法包括:
设定原假设H0:μ≤μ0以及备择假设H1:μ>μ0,其中μ为乙烷浓度,μ0为总体均值;等于第二时间窗口内检测点乙烷浓度的均值;
设置时间长度为T的第一时间窗口和以第一时间窗口为中心时间长度为5T的第二时间窗口;
计算第一时间窗口内检测点乙烷浓度的均值计算第二时间窗口内检测点乙烷浓度的均值和标准偏差,分别作为总体均值μ0和总体标准偏差σ;进一步计算第一时间窗口内检测点乙烷浓度的统计值:n为样本数即第一时间窗口内检测点的数量;
设定显著性水平为0.01,根据给定的显著性水平确定拒绝域临界值t0.01(n-1)=t0;
如果t>t0,拒绝原假设H0,接受备择假设H1,保留第一时间窗口内检测点的数据;否则,删除第一时间窗口内检测点的数据;
采用上述方法,使第一时间窗口遍历检测点乙烷浓度的时域信号,消除其背景噪声。
进一步地,所述装置还包括平滑滤波模块,用于针对每个报警点,用其周围邻域内报警点统计值的平均值更新其统计值。
进一步地,所述选取前N名为报警候选点的方法包括:
对报警点按照统计值从大到小的顺序排列;
计算每两个相邻报警点统计值的下降幅度;
查找下降幅度超过设定阈值的报警点,所述报警点前面的N个报警点即为报警候选点。
进一步地,每个报警候选点的综合得分的计算公式为:
Y=Y1+Y2+Y3
Y1=N-s
式中,Y为每个报警候选点的综合得分,Y1、Y2、Y3分别为每个报警候选点基于s、p、m的打分,pmax为p的最大值。
与现有技术相比,本发明具有以下有益效果。
本发明通过设置时间窗口、计算时间窗口内检测点乙烷浓度的统计值基于假设检验法消除检测点乙烷浓度的背景噪声,可有效消除背景噪声,提高报警点检测精度。通过对报警候选点进行3个维度的打分并得到综合打分、排序,可对报警候选点进行有效地筛选。
附图说明
图1为本发明的实施例一种天然气泄漏报警点筛选方法的流程图。
图2为第一时间窗口示意图。
图3为本发明的实施例一种天然气泄漏报警点筛选装置的方框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明白,以下结合附图及具体实施方式对本发明作进一步说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一种天然气泄漏报警点筛选方法的流程图,所述方法包括以下步骤:
步骤101,获取检测点的乙烷浓度,设置时间窗口,计算窗口内检测点乙烷浓度的统计值,基于假设检验法消除背景噪声,确定报警点;
步骤102,对所述报警点按照统计值从大到小的顺序排列,选取前N名报警点为报警候选点,并记录每个报警候选点的排名s,s=1,2,…,N;
步骤103,统计以每个报警候选点的位置为圆心、以R为半径的圆形区域内报警点的数量p;
步骤104,统计进行M次检测每个报警候选点被确定为报警点的次数m;
步骤105,基于s、p、m对报警候选点分别打分,汇总后得到每个报警候选点的综合得分,按照得分从大到小的顺序对报警候选点排序。
本实施例中,步骤101主要用于消除背景噪声确定报警点。现有技术一般是根据检测点乙烷浓度峰值是否超过设定的阈值判定是否属于背景噪声,如果没有超过设定的阈值,删除此检测点的数据。报警点一般也是根据检测点乙烷浓度峰值是否超过设定的阈值进行判断,如果超过设定的阈值就认为是报警点。这种方法虽然简单可行,但存在以下两个问题:一是背景噪声浓度不是恒定值,设置固定的阈值不但不能有效消除背景噪声,还有可能损失有用信号;二是基于单个检测点的峰值进行判断抗瞬态干扰能力差,容易将窄脉冲干扰判定为报警点。为此,本实施例基于假设检验法,通过设置时间窗口实现阈值的动态调整,用时间窗口内检测点乙烷浓度的统计值替代单个峰值进行判断,从而消除背景噪声,确定报警点(统计值超过设定阈值),可有效消除背景噪声的影响,提高报警点检测精度(或检测点报警精度)。假设检验是指根据来自总体对样本所作假设做出判断,通过样本的统计量来判断与总体参数之间是否存在差异,且差异是否显著。假设检验的基本思想是根据已知信息对不确定问题做出一个肯定或否定的回答,其基本原理是依据小概率事件原理的反证法,假设原假设为真,若在此基础上得出违反逻辑与常理的结论,则表明原假设是错误的,就接受备择假设。否则,就没有充分的理由推翻原假设,此时选择去接受原假设。在后面的实施例里将给出基于假设检验法消除背景噪声的一个具体的技术方案。
本实施例中,步骤102主要用于对所述报警点进行初步筛选,得到报警候选点。这里之所以称为报警候选点,只是为了区分筛选前的报警点,二者的区别是报警候选点所在区域比筛选前的其它报警点所在区域更有可能或更接近泄漏源。筛选方法是:按照报警点统计值从大到小的顺序对报警点排序,选取前N名报警点为报警候选点。记录每个报警候选点的排名,用于后面基于排名的单项打分;排名越靠前,打分越高。选取前N名报警点的方法较多,可以先确定N值,然后选取排在最前面的N个报警点;也可以先不确定N值,而是根据排序后报警点峰值大小的变化规律确定筛选出的报警候选点。本实施例对具体的选取方法不做限制,后面将给出一种具体的选取方案。
本实施例中,步骤103主要用于计算每个报警候选点周围区域报警点的密度。报警点的密度用报警候选点周围相同大小的圆形(半径为R)区域内报警点的数量表示。圆形区域内报警点的数量越多,密度越大。报警候选点周围报警点的密度越大,其所在区域越有可能是天然气泄漏区域。所述密度的大小也用于后面的单项打分,密度越大,打分越高。R的大小根据经验确定,一般可选为500米。
本实施例中,步骤104主要用于确定每个报警候选点被判定为报警点的频次。为了提高检测的可靠性,一般对每个检测点进行多次重复检测,统计每个报警候选点在M次检测中被确定为报警点的次数m。很显然,m越大,报警候选点所在区域越有可能是天然气泄漏区域;如果某个报警候选点在每次检测中都被确定为报警点,那么泄漏源一定会在该报警候选点附近。m的大小也用于后面的单项打分,m越大,打分越高。M的值不能太小,M太小了随机性影响不可忽视;当然,由于实际检测条件的限制,M也不可能太大,一般M选4~5次。
本实施例中,步骤105主要用于对报警候选点进行综合打分,并按照得分多少对报警候选点排序。首先,对每个报警候选点进行前述的3个单项(或3个维度)打分;然后计算所述3个维度打分的和,得到其综合得分。按照综合得分从大到小的顺序对报警候选点排序,得分越高或排序越靠前的报警候选点所在区域越有可能是天然气泄漏区域。本实施例基于3个维度对报警候选点打分排序,可有效克服单纯以峰值大小对报警候选点进行筛选的不足。
为了验证本实施例的有效性,下面给出本实施例的一个应用实例。采用本实施例所述方法,基于假设检验法进行了4次重复检测,共检测到1327个报警点,4次检测到的报警点数量分别为298、231、498和300个。筛选出报警候选点60个,并对它们进行了3维打分排序。最后确认2个真实的泄漏源的位置分别位于排名第一和第十八的报警候选点区域。
作为一可选实施例,基于假设检验法消除背景噪声的方法包括:
设定原假设H0:μ≤μ0以及备择假设H1:μ>μ0,其中μ为乙烷浓度,μ0为总体均值;等于第二时间窗口内检测点乙烷浓度的均值;
设置时间长度为T的第一时间窗口和以第一时间窗口为中心时间长度为5T的第二时间窗口;
计算第一时间窗口内检测点乙烷浓度的均值x;计算第二时间窗口内检测点乙烷浓度的均值和标准偏差,分别作为总体均值μ0和总体标准偏差σ;进一步计算第一时间窗口内检测点乙烷浓度的统计值:n为样本数即第一时间窗口内检测点的数量;
设定显著性水平为0.01,根据给定的显著性水平确定拒绝域临界值t0.01(n-1)=t0;
如果t>t0,拒绝原假设H0,接受备择假设H1,保留第一时间窗口内检测点的数据;否则,删除第一时间窗口内检测点的数据;
采用上述方法,使第一时间窗口遍历检测点乙烷浓度的时域信号,消除其背景噪声。
本实施例给出了基于假设检验法消除检测点乙烷浓度背景噪声的一种技术方案。在本实施例中,首先设定原假设H0:μ≤μ0以及备择假设H1:μ>μ0,其中μ为乙烷浓度,μ0为总体均值。这两个假设实际上是判断检测点的乙烷浓度是否处于背景噪声中的条件,原假设H0成立,则处于背景噪声中;备择假设H1成立,则没有处于背景噪声中。然后设置两个长度不同的时间窗口即第一时间窗口和第二时间窗口,第二时间窗口的长度是第一时间窗口长度的5倍。第一时间窗口用于计算检测点乙烷浓度的平均值,第二时间窗口用于计算检测点乙烷浓度的总体均值和总体标准偏差,从而得到第一时间窗口内检测点乙烷浓度的统计值t。最后根据设定的显著性水平确定拒绝域临界值,通过比较统计值t与拒绝域临界值的大小判定是H0成立还是H1成立,如果H0成立,删除第一时间窗口内检测点的数据。移动第一时间窗口,重复上述操作,使第一时间窗口遍历检测点乙烷浓度的整个时域信号,即可消除其背景噪声。
作为一可选实施例,所述方法还包括平滑滤波步骤:针对每个报警点,用其周围邻域内报警点统计值的平均值更新其统计值。
本实施例给出了对报警点数据进行平滑滤波的一种技术方案。单个报警点存在一定的噪声,为了消除噪声的影响,在对报警点进行筛选前先对各个报警点的数据进行平滑滤波。本实施例采用邻域平均滤波法实现平滑滤波,在各个报警点周围选定一圆形邻域,计算该圆形邻域内所有报警点的统计值的均值,以所述均值替换原来的统计值。圆形邻域大小根据经验确定,如可选半径为150m圆形邻域。
作为一可选实施例,所述选取前N名为报警候选点的方法包括:
对报警点按照统计值从大到小的顺序排列;
计算每两个相邻报警点统计值的下降幅度;
查找下降幅度超过设定阈值的报警点,所述报警点前面的N个报警点即为报警候选点。
本实施例给出了选取报警候选点的一种技术方案。本实施例进行筛选的原理是:非报警候选点的乙烷浓度或统计值明显低于报警候选点的乙烷浓度或统计值。因此只要找到对报警点按照统计值从大到小排序后的曲线(纵轴为统计值,横轴为序号)上的突降点,突降点以前的报警点就是报警候选点。本实施例通过计算相邻两个报警点统计值的下降幅度,并将所述下降幅度与设定的阈值比较,如果下降幅度大于设定阈值,则该报警点(统计值低的一个)就是突降点;该报警点以前的所有报警点为报警候选点。报警候选点的数量为N。
作为一可选实施例,每个报警候选点的综合得分的计算公式为:
Y=Y1+Y2+Y3
Y1=N-s
式中,Y为每个报警候选点的综合得分,Y1、Y2、Y3分别为每个报警候选点基于s、p、m的打分,pmax为p的最大值。
本实施例给出了计算报警候选点综合得分的一种技术方案。综合得分等于三个维度单项打分的和。第一个维度是统计量排序,打分公式为Y1=N-s,排名序号s越小,得分越高,得分为整数值,最高为N,最低为0。第二个维度是报警点密度,报警点密度用半径为R的圆形区域内报警点的数量p表示,打分公式为Y2=(p/pmax)×N,p越大得分越高,最大值为N,最小值为N/pmax。第三个维度是被检测为报警点的频次,打分公式为Y3=(m/M)×N,频次m/M越高,得分越高,最大值为N,最小值为N/M。
图3为本发明实施例一种天然气泄漏报警点筛选装置的组成示意图,所述装置包括:
背景去噪模块11,用于获取检测点的乙烷浓度,设置时间窗口,计算窗口内检测点乙烷浓度的统计值,基于假设检验法消除背景噪声,确定报警点;
排序筛选模块12,用于对所述报警点按照统计值从大到小的顺序排列,选取前N名报警点为报警候选点,并记录每个报警候选点的排名s,s=1,2,…,N;
密度计算模块13,用于统计以每个报警候选点的位置为圆心、以R为半径的圆形区域内报警点的数量p;
频次计算模块14,用于统计进行M次检测每个报警候选点被确定为报警点的次数m;
打分排序模块15,用于基于s、p、m对报警候选点分别打分,汇总后得到每个报警候选点的综合得分,按照得分从大到小的顺序对报警候选点排序。
本实施例的装置,可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。后面的实施例也是如此,均不再展开说明。
作为一可选实施例,基于假设检验法消除背景噪声的方法包括:
设定原假设H0:μ≤μ0以及备择假设H1:μ>μ0,其中μ为乙烷浓度,μ0为总体均值;等于第二时间窗口内检测点乙烷浓度的均值;
设置时间长度为T的第一时间窗口和以第一时间窗口为中心时间长度为5T的第二时间窗口;
计算第一时间窗口内检测点乙烷浓度的均值计算第二时间窗口内检测点乙烷浓度的均值和标准偏差,分别作为总体均值μ0和总体标准偏差σ;进一步计算第一时间窗口内检测点乙烷浓度的统计值:n为样本数即第一时间窗口内检测点的数量;
设定显著性水平为0.01,根据给定的显著性水平确定拒绝域临界值t0.01(n-1)=t0;
如果t>t0,拒绝原假设H0,接受备择假设H1,保留第一时间窗口内检测点的数据;否则,删除第一时间窗口内检测点的数据;
采用上述方法,使第一时间窗口遍历检测点乙烷浓度的时域信号,消除其背景噪声。
作为一可选实施例,所述装置还包括平滑滤波模块,用于针对每个报警点,用其周围邻域内报警点统计值的平均值更新其统计值。
作为一可选实施例,所述选取前N名为报警候选点的方法包括:
对报警点按照统计值从大到小的顺序排列;
计算每两个相邻报警点统计值的下降幅度;
查找下降幅度超过设定阈值的报警点,所述报警点前面的N个报警点即为报警候选点。
作为一可选实施例,每个报警候选点的综合得分的计算公式为:
Y=Y1+Y2+Y3
Y1=N-s
式中,Y为每个报警候选点的综合得分,Y1、Y2、Y3分别为每个报警候选点基于s、p、m的打分,pmax为p的最大值。
以上所述,仅为本发明的具体实施方式,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揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种天然气泄漏报警点筛选方法,其特征在于,包括以下步骤:
获取检测点的乙烷浓度,设置时间窗口,计算窗口内检测点乙烷浓度的统计值,基于假设检验法消除背景噪声,确定报警点;
对所述报警点按照统计值从大到小的顺序排列,选取前N名报警点为报警候选点,并记录每个报警候选点的排名s,s=1,2,…,N;
统计以每个报警候选点的位置为圆心、以R为半径的圆形区域内报警点的数量p;
统计进行M次检测每个报警候选点被确定为报警点的次数m;
基于s、p、m对报警候选点分别打分,汇总后得到每个报警候选点的综合得分,按照得分从大到小的顺序对报警候选点排序。
2.根据权利要求1所述的天然气泄漏报警点筛选方法,其特征在于,基于假设检验法消除背景噪声的方法包括:
设定原假设H0:μ≤μ0以及备择假设H1:μ>μ0,其中μ为乙烷浓度,μ0为总体均值;等于第二时间窗口内检测点乙烷浓度的均值;
设置时间长度为T的第一时间窗口和以第一时间窗口为中心时间长度为5T的第二时间窗口;
计算第一时间窗口内检测点乙烷浓度的均值计算第二时间窗口内检测点乙烷浓度的均值和标准偏差,分别作为总体均值μ0和总体标准偏差σ;进一步计算第一时间窗口内检测点乙烷浓度的统计值:n为样本数即第一时间窗口内检测点的数量;
设定显著性水平为0.01,根据给定的显著性水平确定拒绝域临界值t0.01(n-1)=t0;
如果t>t0,拒绝原假设H0,接受备择假设H1,保留第一时间窗口内检测点的数据;否则,删除第一时间窗口内检测点的数据;
采用上述方法,使第一时间窗口遍历检测点乙烷浓度的时域信号,消除其背景噪声。
3.根据权利要求1所述的天然气泄漏报警点筛选方法,其特征在于,所述方法还包括平滑滤波步骤:针对每个报警点,用其周围邻域内报警点统计值的平均值更新其统计值。
4.根据权利要求1所述的天然气泄漏报警点筛选方法,其特征在于,所述选取前N名为报警候选点的方法包括:
对报警点按照统计值从大到小的顺序排列;
计算每两个相邻报警点统计值的下降幅度;
查找下降幅度超过设定阈值的报警点,所述报警点前面的N个报警点即为报警候选点。
6.一种天然气泄漏报警点筛选装置,其特征在于,包括:
背景去噪模块,用于获取检测点的乙烷浓度,设置时间窗口,计算窗口内检测点乙烷浓度的统计值,基于假设检验法消除背景噪声,确定报警点;
排序筛选模块,用于对所述报警点按照统计值从大到小的顺序排列,选取前N名报警点为报警候选点,并记录每个报警候选点的排名s,s=1,2,…,N;
密度计算模块,用于统计以每个报警候选点的位置为圆心、以R为半径的圆形区域内报警点的数量p;
频次计算模块,用于统计进行M次检测每个报警候选点被确定为报警点的次数m;
打分排序模块,用于基于s、p、m对报警候选点分别打分,汇总后得到每个报警候选点的综合得分,按照得分从大到小的顺序对报警候选点排序。
7.根据权利要求6所述的天然气泄漏报警点筛选装置,其特征在于,基于假设检验法消除背景噪声的方法包括:
设定原假设H0:μ≤μ0以及备择假设H1:μ>μ0,其中μ为乙烷浓度,μ0为总体均值;等于第二时间窗口内检测点乙烷浓度的均值;
设置时间长度为T的第一时间窗口和以第一时间窗口为中心时间长度为5T的第二时间窗口;
计算第一时间窗口内检测点乙烷浓度的均值计算第二时间窗口内检测点乙烷浓度的均值和标准偏差,分别作为总体均值μ0和总体标准偏差σ;进一步计算第一时间窗口内检测点乙烷浓度的统计值:n为样本数即第一时间窗口内检测点的数量;
设定显著性水平为0.01,根据给定的显著性水平确定拒绝域临界值t0.01(n-1)=t0;
如果t>t0,拒绝原假设H0,接受备择假设H1,保留第一时间窗口内检测点的数据;否则,删除第一时间窗口内检测点的数据;
采用上述方法,使第一时间窗口遍历检测点乙烷浓度的时域信号,消除其背景噪声。
8.根据权利要求6所述的天然气泄漏报警点筛选装置,其特征在于,所述装置还包括平滑滤波模块,用于针对每个报警点,用其周围邻域内报警点统计值的平均值更新其统计值。
9.根据权利要求6所述的天然气泄漏报警点筛选装置,其特征在于,所述选取前N名为报警候选点的方法包括:
对报警点按照统计值从大到小的顺序排列;
计算每两个相邻报警点统计值的下降幅度;
查找下降幅度超过设定阈值的报警点,所述报警点前面的N个报警点即为报警候选点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110526545.6A CN113418143B (zh) | 2021-05-14 | 2021-05-14 | 一种天然气泄漏报警点筛选方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110526545.6A CN113418143B (zh) | 2021-05-14 | 2021-05-14 | 一种天然气泄漏报警点筛选方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113418143A true CN113418143A (zh) | 2021-09-21 |
CN113418143B CN113418143B (zh) | 2022-06-17 |
Family
ID=77712340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110526545.6A Active CN113418143B (zh) | 2021-05-14 | 2021-05-14 | 一种天然气泄漏报警点筛选方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113418143B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239361A1 (en) * | 2006-04-11 | 2007-10-11 | Hathaway William M | Automated hypothesis testing |
JP2009015591A (ja) * | 2007-07-04 | 2009-01-22 | Yazaki Corp | ガス漏れ警報器の制御装置及びガス漏れ警報器 |
US20160011069A1 (en) * | 2014-07-08 | 2016-01-14 | Picarro, Inc. | Gas leak detection and event selection based on spatial concentration variability and other event properties |
CN106247173A (zh) * | 2016-09-26 | 2016-12-21 | 北京化工大学 | 管道泄漏检测的方法及装置 |
CN106652368A (zh) * | 2017-01-24 | 2017-05-10 | 深圳双创科技发展有限公司 | 一种基于大数据和机器人的天然气泄漏报警方法及系统 |
CN110043806A (zh) * | 2019-05-16 | 2019-07-23 | 哈尔滨工业大学 | 基于两点寻优溯源定位燃气直埋管线泄漏点的方法 |
CN110953485A (zh) * | 2019-12-06 | 2020-04-03 | 北京无线电计量测试研究所 | 一种燃气管线泄漏点定位方法和系统 |
CN112013285A (zh) * | 2020-08-26 | 2020-12-01 | 辽宁石油化工大学 | 管道泄漏点的检测方法及装置、存储介质、终端 |
-
2021
- 2021-05-14 CN CN202110526545.6A patent/CN113418143B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239361A1 (en) * | 2006-04-11 | 2007-10-11 | Hathaway William M | Automated hypothesis testing |
JP2009015591A (ja) * | 2007-07-04 | 2009-01-22 | Yazaki Corp | ガス漏れ警報器の制御装置及びガス漏れ警報器 |
US20160011069A1 (en) * | 2014-07-08 | 2016-01-14 | Picarro, Inc. | Gas leak detection and event selection based on spatial concentration variability and other event properties |
CN106247173A (zh) * | 2016-09-26 | 2016-12-21 | 北京化工大学 | 管道泄漏检测的方法及装置 |
CN106652368A (zh) * | 2017-01-24 | 2017-05-10 | 深圳双创科技发展有限公司 | 一种基于大数据和机器人的天然气泄漏报警方法及系统 |
CN110043806A (zh) * | 2019-05-16 | 2019-07-23 | 哈尔滨工业大学 | 基于两点寻优溯源定位燃气直埋管线泄漏点的方法 |
CN110953485A (zh) * | 2019-12-06 | 2020-04-03 | 北京无线电计量测试研究所 | 一种燃气管线泄漏点定位方法和系统 |
CN112013285A (zh) * | 2020-08-26 | 2020-12-01 | 辽宁石油化工大学 | 管道泄漏点的检测方法及装置、存储介质、终端 |
Also Published As
Publication number | Publication date |
---|---|
CN113418143B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110242865B (zh) | 一种易于持续优化的燃气泄漏检测判定方法及系统 | |
CN106706119B (zh) | 一种基于信号频域特征的振动源识别方法及系统 | |
CN108562639B (zh) | 一种埋地钢质管道全生命周期缺陷外检测方法 | |
CN114240212A (zh) | 地质参数对资源量影响权重的确定方法及设备 | |
CN114236645B (zh) | 一种大规模降雨监测异常站点筛查方法 | |
CN116308415A (zh) | 一种污水排放数据真伪风险评估方法 | |
CN118446530B (zh) | 一种市政建筑工程施工管理系统 | |
CN115936266B (zh) | 轨道交通设备的可靠度预测方法、系统、设备和介质 | |
CN108665708B (zh) | 一种城市交通流不平衡模式挖掘方法及系统 | |
CN111564036B (zh) | 交通信息可信度的检测方法、装置、系统及存储介质 | |
CN106526149A (zh) | 一种基于通车时长和交通量的路面使用性能预测方法 | |
CN113418143B (zh) | 一种天然气泄漏报警点筛选方法及装置 | |
CN108229586B (zh) | 一种数据中的异常数据点的检测方法及系统 | |
CN105046859B (zh) | 基于振动信号空时二维稀疏表示k‑s检验的光纤入侵检测方法 | |
CN103646351A (zh) | 一种基于电、水、气计量变化而甄别窃取事件的检测方法 | |
CN108169248B (zh) | 一种自适应的用于液态危险品检测的s参数匹配方法 | |
CN112381697B (zh) | 一种水污染源在线监测数据弄虚作假行为自动识别方法 | |
CN215569800U (zh) | 基于时域反射技术的铁路给水管网检漏系统 | |
CN109271377A (zh) | 一种数据质量检测方法及装置 | |
CN112668634B (zh) | 基于深度学习的地下管网自动识别检测的云系统 | |
CN116466408A (zh) | 一种基于航磁数据的人工神经网络超基性岩识别方法 | |
CN112989257B (zh) | 海相页岩油气储层的产气量测定方法 | |
CN115545112A (zh) | 一种大量地下水实时自动监测数据自动识别和处理的方法 | |
CN113551159A (zh) | 厌氧环境下埋地燃气管道泄漏的判别方法 | |
CN112926260A (zh) | 一种岩土材料物理力学参数准确估值新方法 |
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 |