CN113657019A - 一种供热管网预警系统 - Google Patents
一种供热管网预警系统 Download PDFInfo
- Publication number
- CN113657019A CN113657019A CN202110764884.8A CN202110764884A CN113657019A CN 113657019 A CN113657019 A CN 113657019A CN 202110764884 A CN202110764884 A CN 202110764884A CN 113657019 A CN113657019 A CN 113657019A
- Authority
- CN
- China
- Prior art keywords
- pipe network
- heat supply
- warning system
- supply pipe
- early warning
- 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
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012706 support-vector machine Methods 0.000 claims abstract description 16
- 238000007499 fusion processing Methods 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012843 least square support vector machine Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1003—Arrangement or mounting of control or safety devices for steam heating systems
-
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
- G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
- G01M3/2807—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
- G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
- G01M3/2807—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes
- G01M3/2815—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes using pressure measurements
-
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Medical Informatics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Algebra (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种供热管网预警系统，包括：数据采集模块、数据处理模块、数字建模模块、远程监测系统和智能预警系统；数据采集模块用于采集供热管网的第一运行信息；数据处理模块用于接收并处理第一运行信息；远程监测系统用于在线监测供热管网的运行状态，获得第二运行信息，并将处理后的第一运行信息和第二运行信息传输给智能预警系统；数字建模模块用于建立供热管网的数字模型；智能预警系统利用数字模型，对第二运行信息和第一运行信息进行深度融合处理，并采用最小二乘法支持向量机算法，判断供热管网的损坏泄漏级别和未来状态后进行预警。本发明能够提高监测的可靠性和智能化程度，节省大量的人力和物力。
Description
技术领域
本发明涉及供热管网安全监测预警技术领域，具体涉及一种供热管网预警系统。
背景技术
蒸汽供热是工业园区能源系统中的重要一环，工业园区蒸汽供热系统由供热站、供热管网和末端用户三部分组成，其中供热管网作为供热系统的一个重要组成部分，承担着将供热站的热量及时地输送、分配给各个末端用户的任务，起到连接二者的桥梁作用。管网的老化、锈蚀、突发性自然灾害及人为破坏等，都会造成管网破裂乃至泄漏，如不及时发现并加以补救，不仅造成经济损失，污染环境，而且会危及人身安全，甚至造成灾难事故。
目前国内通常采用的是人工巡检的办法，发现故障后进行应急处理，但这种方法不仅给供热管网的运行和维护带来不便，还花费了大量不必要的人力物力和造成许多不必要的损失，已经不能适应当今供热管网发展的需要。因此，急需一种能够实时监测、综合分析评估管网的运行状态，并及时预警的监测系统。
发明内容
本发明解决的一个主要问题是传统供热管网监测方法成本高、实时性差、预警准确性差。
本发明提供一种供热管网预警系统，包括：数据采集模块、数据处理模块、数字建模模块、远程监测系统和智能预警系统；
所述数据采集模块用于采集所述供热管网的第一运行信息；
所述数据处理模块用于接收并处理所述第一运行信息；
所述远程监测系统用于在线监测所述供热管网的运行状态，获得第二运行信息，并将处理后的所述第一运行信息和所述第二运行信息传输给所述智能预警系统；
所述数字建模模块用于建立所述供热管网的数字模型；
所述智能预警系统利用所述数字模型，对所述第二运行信息和处理后的所述第一运行信息进行深度融合处理，并采用最小二乘法支持向量机算法，判断所述供热管网的损坏泄漏级别和未来状态后进行预警。
进一步地，所述数据采集模块包括传感器和DTU网关，所述DTU网关用于向所述传感器发送电信号，且所述DTU网关与所述数据处理模块连接。
进一步地，所述DTU网关包括相互电连接的协议转换单元和无线传输单元，所述无线传输单元与所述数据处理模块连接。
进一步地，所述采用最小二乘法支持向量机算法判断所述供热管网的损坏泄漏级别和未来状态还包括：所述智能预警系统利用所述数字模型，建立管网泄漏程度评定模型。
进一步地，所述数据处理模块包括数据存储单元和数据预处理单元，所述数据预处理单元用于基于自适应加权算法，剔除所述第一运行信息的异常数据，得到精确的管网工况参数；
进一步地，所述远程监测系统包括实时监测模块、三维可视化平台和设备管理模块；
所述实时监测模块、所述三维可视化平台和所述设备管理模块均与所述数据处理模块和所述智能预警系统通信连接。
进一步地，所述三维管道模型用于匹配所述第一运行信息，实现供热管网运行状态的实时在线监测。
进一步地，所述数字建模模块包括几何模型绘制模块和规则模型添加模块；所述几何模型绘制模块用于基于Revit三维建模技术，建立所述供热管网的几何模型；
所述规则模型添加模块用于添加所述供热管网的几何模型的关联规则和拓扑关系。
进一步地，所述传感器设置在供热站、末端用户和管网的节点上。
进一步地，所述供热管网的数字模型为全尺寸等比例的三维可视化模型。
本发明采用数字化的手段构建一个等比例的供热管网在虚拟空间中的映射，以反映相对应的供热管网的动态过程。同时充分利用物联网技术、数字孪生技术及机器学习算法，对供热管网进行实时监测，判断管网泄漏级别，对管网的运行情况进行预测和报警，提前预防不必要的供热管网事故，减少经济损失，提高监测的可靠性和智能化程度，节省大量的人力和物力，并及时预警。
附图说明
本发明构成说明书的一部分附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。
图1为本发明具体实施例中基于物联网及数字孪生技术的供热管网安全监测预警系统的架构图。
图2为本发明具体实施例中基于自适应加权算法进行数据预处理过程。
图3为本发明具体实施例中基于自适应加权算法进行数据预处理的示意数据。
图4为本发明具体实施例中基于最小二乘法支持向量机算法进行监测数据融合的过程示意图。
具体实施方式
下面将结合附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
实施例一，如图1所示，本发明提供了一种基于物联网及数字孪生技术的供热管网安全监测预警模块，包括数据采集模块、数据处理模块、数字建模模块、远程监测系统、智能预警系统；所述数据采集模块与所述数据处理模块连接，所述数字建模模块与所述数据处理模块连接，所述远程监测系统与所述数据处理模块连接，所述智能预警系统与所述远程监测系统连接。
具体的，数据采集模块包括传感器和DTU网关，DTU网关包括相连接的协议转换单元和无线传输单元，协议转换单元与传感器连接，无线传输单元与数据处理模块连接。传感器用于采集管网系统的相关运行参数，且传感器可通过RS485协议向DTU网关发送信号，该信号为电信号，转换单元将电信号转化为数字信号，再由无线传输单元利用GPRS、4G、5G等无线网络传输技术，将转化后的数字信号传送到数据处理模块。
在一些实施例中，前述传感器有多个，且包括但不限于压力传感器、流量传感器、温度传感器、电导率传感器等，多个传感器分别安装到供热站、末端用户及管网的若干节点上。
数据处理模块负责多源异构监测数据的存储和交换，实现数据的共享，减少数据的冗余度，确保数据的独立性。数据处理模块接收数据采集模块发送的监测数据的数字信号，并对该数字信号进行检核处理、规约处理和标准化处理，更科学的对实际监测的数据进行评价，提高预报精度，并将监测数据存储到数据处理模块。数据处理模块存储的数据至少包括传感器的监测的数据、管网数字三维模型数据、管网历史故障数据和管网运行状态预警数据等。
在一些实施例中，如图2所示，还提供了一种数据处理模块基于自适应加权算法对接收到的监测数据进行预处理的计算方法，以得到更加精确的管网工况参数，包括如下步骤：
步骤1、根据公式
求传感器p进行k次测量后的数据平均值
其中，i为传感器监测数据的次数，i＝(1,2,......k)，Xp(i)为第p个传感器第i次测量的数据值；
步骤2、求出传感器p此时的方差
其中
为第p个传感器的方差值；
步骤3、根据公式
求出最优加权因子W′p，其中，
为传感器p第i次测量的数据值的方差，n为自然数；
步骤4、根据公式
计算出融合值
如图3所示，为温度传感器计算示意结果，用相同的方法可以计算得到监测系统的其他传感器检测的数据，如温度、压力、流量或电导率的数据处理结果。由上述算法可知，当损坏泄漏监测系统工作时，由于外界干扰、无线传输等客观因素，使得检测到的大量数据中出现随机误差，通过自适应加权算法数据处理可以得到与真实值最接近的测量结果，进而提高监测数据的可靠性。
数字建模模块用于根据预输入的管道信息建立供热管网的管道数字模型，添加管网虚拟模型的拓扑关系、关联规则等。具体地，基于Revit可视化建模技术，建立全网主体结构的三维模型，并着重建立全尺寸1:1比例的供热管网的三维可视化模型。建立管道数字模型的过程包括：建立管线的节点信息(如编号何三维坐标等)、管段信息(如编号、起始节点与终止节点、管长、管径、管材何粗糙度等)、闸阀信息、对应图纸、产品手册、安装记录、历次检修和检验记录等；其中，后期的历次检修数据在检修结束后，应规格化处理，并导入信息管理数据库。
远程监测系统包括实时监测模块、三维可视化平台模块、设备管理模块。容易理解的是，远程监测系统中的多个子模块均可分别与数据处理模块、智能预警系统进行通信连接，实现数据之间的共享。
在一些实施例中，所述远程监测系统的监测画面展现形式包括但不限于：压力变化等值线图、温度变化等值线图、流量变化等值线图和电导率变化等值线图等。
智能预警系统利用供热管网的实时监测数据和数字孪生模型，对供热管网的多源异构数据进行深度融合处理，并结合最小二乘法支持向量机算法，来判断热力管网泄漏级别，并预测管网的未来状态。
具体地，由于管网泄漏会导致膨胀节周围的土壤温度、电导率率以及管道内部流量等多因素发生变化，是一个典型的非线性多变量函数关系。因此，采用最小二乘法支持向量机算法，建立以温度、电导率、压力与流量作为输入参数，管网泄漏程度作为输出参数的管网泄漏程度评定模型，利用该模型实现管网泄漏程度的准确评定。
在一些实施例中，智能预警系统还包括报警单元，当供热管网发生险情时，报警单元发出警告提示，并且智能预警系统向管理人员发出提示通知。为了实现实时有效的报警功能，当发生险情时，智能预警系统自动通过发送系统邮件、短信、电话、App软件通知等的方式通知管理人员，并在智能预警系统界面上进行弹窗的报警提示。
在本发明的一个实施例中，还提供了一种基于最小二乘法支持向量机算法，实现管网泄漏程度的准确评定。如图4所示，所述最小二乘法支持向量机算法融合多源异构数据包括如下步骤：
步骤1、建立预测样本，形成训练样本集；
将管网膨胀节周围土壤的温度、电导率，以及管网内部的压力与流量作为输入量；设输入、输出样本数据集为{xK，yK}，(K＝1，2，…，n)，n为自然数，如图3所示，xK为n维输入向量，xK∈Rn，Rn代表多维的实数量；yK为管网泄露程度指数，yK∈Rn；在特征空间中的线性方程可以表示为以下形式：
yK＝ωTφ(x)+b
式(1)中，φ(x)将输入空间映射为高维特征空间的映射函数；ω为超平面的权值向量，ω∈Rn；b为偏置量；T为单位矩阵。
步骤2、将输入样本数据集输入最小二乘法支持向量机模型；
最小二乘法支持向量机模型选择误差的平方和
为损失函数，其优化为：
s.t.yK＝ωφ(xK)+b+eK, (3)
其中，s.t.为约束条件，n为自然数，γ＞0为惩罚系数因子，e为误差，K＝1,2,……n,eK为第K个误差，用于控制调节误差所取的作用，能够在训练误差和模型复杂度之间取一个折衷，以便使所求的函数具有好的泛化能力，并且γ值越大，模型的回归误差越少；
步骤3、求解最小二乘法支持向量机模型；
确定最小二乘法支持向量机模型的回归参数aK＝[a1，a2，…，aN]T和b，引入拉格朗日(Lagrange)函数进行求解：
式(3)中，aK为Lagrange乘子,(K＝1，2，…，N)；
把求出的aK和b的数值带入，按自适应选择方法求解核宽度σ和惩罚系数因子γ，即得到最小二乘法支持向量机模型；
求出ak，b后，可得到最小二乘法支持向量机模型为：
其中，K(xK,xK+1)为核函数。
步骤4、输入样本数据集得到供热管网的泄露程度指数；
由公式(4)最小二乘法支持向量机模型输出样本数据集yK，yK即为预测的供热管网的泄露程度指数。
综上所述，本发明公开的一种基于物联网及数字孪生技术的供热管网安全监测预警系统，充分利用物联网技术、数字孪生技术及机器学习算法，对供热管网进行实时监测，判断管网泄漏级别，对管网的运行情况进行预测和报警。本发明提供的基于物联网及数字孪生技术的供热管网安全监测预警系统将物联网技术、数字孪生模型技术与监测系统相结合，通过数据采集单元，即传感器对供热管网的运行信息进行获取，包括压力、温度、流量、电导率等供热管网的工况数据，并利用三维可视化技术对供热管网运行情况进行实时、直观的展示，依据供热管网的数字孪生模型，实时监测、综合分析并评估供热管网的运行状态，并及时预警，提前预防不必要的供热管网事故，减少经济损失，提高监测的可靠性和智能化程度，节省大量的人力和物力。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
Claims (10)
1.一种供热管网预警系统，其特征在于，包括：数据采集模块、数据处理模块、数字建模模块、远程监测系统和智能预警系统；
所述数据采集模块用于采集所述供热管网的第一运行信息；
所述数据处理模块用于接收并处理所述第一运行信息；
所述远程监测系统用于在线监测所述供热管网的运行状态，获得第二运行信息，并将处理后的所述第一运行信息和所述第二运行信息传输给所述智能预警系统；
所述数字建模模块用于建立所述供热管网的数字模型；
所述智能预警系统利用所述数字模型，对所述第二运行信息和处理后的所述第一运行信息进行深度融合处理，并采用最小二乘法支持向量机算法，判断所述供热管网的损坏泄漏级别和未来状态后进行预警。
2.如权利要求1所述的一种供热管网预警系统，其特征在于，所述数据采集模块包括传感器和DTU网关，所述DTU网关用于向所述传感器发送电信号，且所述DTU网关与所述数据处理模块电连接。
3.如权利要求2所述的一种供热管网预警系统，其特征在于，所述DTU网关包括相互连接的协议转换单元和无线传输单元，所述无线传输单元与所述数据处理模块连接。
4.如权利要求1所述的一种供热管网预警系统，其特征在于，所述采用最小二乘法支持向量机算法判断所述供热管网的损坏泄漏级别和未来状态还包括：所述智能预警系统利用所述数字模型，建立管网泄漏程度评定模型。
5.如权利要求1所述的一种供热管网预警系统，其特征在于，所述数据处理模块包括数据存储单元和数据预处理单元，所述数据预处理单元用于基于自适应加权算法，剔除所述第一运行信息的异常数据，得到精确的管网工况参数。
6.如权利要求1所述的一种供热管网预警系统，其特征在于，所述远程监测系统包括实时监测模块、三维可视化平台和设备管理模块；
所述实时监测模块、所述三维可视化平台和所述设备管理模块均与所述数据处理模块和所述智能预警系统通信连接。
7.如权利要求6所述的一种供热管网预警系统，其特征在于，所述三维管道模型用于匹配所述第一运行信息，实现供热管网运行状态的实时在线监测。
8.如权利要求1所述的一种供热管网预警系统，其特征在于，所述数字建模模块包括几何模型绘制模块和规则模型添加模块；
所述几何模型绘制模块用于基于Revit三维建模技术，建立所述供热管网的几何模型；
所述规则模型添加模块用于添加所述供热管网的几何模型的关联规则和拓扑关系。
9.如权利要求2所述的一种供热管网预警系统，其特征在于，所述传感器设置在供热站、末端用户和管网的节点上。
10.如权利要求5所述的一种供热管网预警系统，其特征在于，所述供热管网的数字模型为全尺寸等比例的三维可视化模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110764884.8A CN113657019A (zh) | 2021-07-06 | 2021-07-06 | 一种供热管网预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110764884.8A CN113657019A (zh) | 2021-07-06 | 2021-07-06 | 一种供热管网预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113657019A true CN113657019A (zh) | 2021-11-16 |
Family
ID=78477160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110764884.8A Pending CN113657019A (zh) | 2021-07-06 | 2021-07-06 | 一种供热管网预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113657019A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114322065A (zh) * | 2022-01-07 | 2022-04-12 | 吉林同鑫热力集团股份有限公司 | 一种基于多通信传输的响应装置、响应方法及响应系统 |
| CN115899811A (zh) * | 2022-12-28 | 2023-04-04 | 国能吉林江南热电有限公司 | 一种基于人工智能的集中供热网管监测预警系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930486A (zh) * | 2010-07-12 | 2010-12-29 | 沈阳工业大学 | 一种风电场风机负荷指数预测装置及方法 |
| CN103322415A (zh) * | 2013-06-05 | 2013-09-25 | 哈尔滨工程大学 | 一种石油管道缺陷最小二乘支持向量机二维重现方法 |
| CN105388884A (zh) * | 2015-11-05 | 2016-03-09 | 天津大学 | 一种基于由数据驱动的识别算法检测供热管网泄漏故障的报警系统及方法 |
| CN206698445U (zh) * | 2017-04-26 | 2017-12-01 | 南昌工程学院 | 一种多源信息融合网关装置 |
| CN108870090A (zh) * | 2018-06-22 | 2018-11-23 | 大连理工大学 | 基于最小二乘支持向量机信息融合的管道泄漏检测方法 |
| CN109000158A (zh) * | 2018-09-04 | 2018-12-14 | 深圳市市政设计研究院有限公司 | 基于物联网和bim的管道渗漏预警系统、方法及其应用 |
| CN109630896A (zh) * | 2019-01-15 | 2019-04-16 | 中煤航测遥感集团有限公司 | 地下管线运行监测预警系统和方法 |
| CN110044554A (zh) * | 2019-04-16 | 2019-07-23 | 重庆大学 | 一种基于声发射信号的金属压力容器泄漏的在线检测方法 |
| CN110717985A (zh) * | 2019-09-18 | 2020-01-21 | 同济大学 | 一种建筑数字孪生平台的构建方法 |
| CN112036086A (zh) * | 2020-08-31 | 2020-12-04 | 北京市燃气集团有限责任公司 | 燃气管线动态风险预警系统 |
| US20210190272A1 (en) * | 2016-02-26 | 2021-06-24 | Nec Corporation | Piping diagnostic device, piping diagnostic method, discriminant-problem optimizing device, discriminant-problem optimizing method, criteria distribution generating device, criteria distribution generating method, and storage medium |
-
2021
- 2021-07-06 CN CN202110764884.8A patent/CN113657019A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930486A (zh) * | 2010-07-12 | 2010-12-29 | 沈阳工业大学 | 一种风电场风机负荷指数预测装置及方法 |
| CN103322415A (zh) * | 2013-06-05 | 2013-09-25 | 哈尔滨工程大学 | 一种石油管道缺陷最小二乘支持向量机二维重现方法 |
| CN105388884A (zh) * | 2015-11-05 | 2016-03-09 | 天津大学 | 一种基于由数据驱动的识别算法检测供热管网泄漏故障的报警系统及方法 |
| US20210190272A1 (en) * | 2016-02-26 | 2021-06-24 | Nec Corporation | Piping diagnostic device, piping diagnostic method, discriminant-problem optimizing device, discriminant-problem optimizing method, criteria distribution generating device, criteria distribution generating method, and storage medium |
| CN206698445U (zh) * | 2017-04-26 | 2017-12-01 | 南昌工程学院 | 一种多源信息融合网关装置 |
| CN108870090A (zh) * | 2018-06-22 | 2018-11-23 | 大连理工大学 | 基于最小二乘支持向量机信息融合的管道泄漏检测方法 |
| CN109000158A (zh) * | 2018-09-04 | 2018-12-14 | 深圳市市政设计研究院有限公司 | 基于物联网和bim的管道渗漏预警系统、方法及其应用 |
| CN109630896A (zh) * | 2019-01-15 | 2019-04-16 | 中煤航测遥感集团有限公司 | 地下管线运行监测预警系统和方法 |
| CN110044554A (zh) * | 2019-04-16 | 2019-07-23 | 重庆大学 | 一种基于声发射信号的金属压力容器泄漏的在线检测方法 |
| CN110717985A (zh) * | 2019-09-18 | 2020-01-21 | 同济大学 | 一种建筑数字孪生平台的构建方法 |
| CN112036086A (zh) * | 2020-08-31 | 2020-12-04 | 北京市燃气集团有限责任公司 | 燃气管线动态风险预警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘圣冠;贺凯;翟鹏程;兀鹏越;焦尚彬;范乐;: "地下供热一次管网膨胀节泄漏监测系统设计与研发", 电工技术, no. 06, 25 March 2018 (2018-03-25), pages 72 - 74 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114322065A (zh) * | 2022-01-07 | 2022-04-12 | 吉林同鑫热力集团股份有限公司 | 一种基于多通信传输的响应装置、响应方法及响应系统 |
| CN115899811A (zh) * | 2022-12-28 | 2023-04-04 | 国能吉林江南热电有限公司 | 一种基于人工智能的集中供热网管监测预警系统 |
| CN115899811B (zh) * | 2022-12-28 | 2023-08-01 | 国能吉林江南热电有限公司 | 一种基于人工智能的集中供热网管监测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110320892B (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
| CN112381309B (zh) | 水库大坝安全监测预警方法、装置、系统及存储介质 | |
| CN108418841B (zh) | 基于ai的下一代关键信息基础设施网络安全态势感知系统 | |
| CN113657019A (zh) | 一种供热管网预警系统 | |
| CN109839565B (zh) | 变压器工作状态监测方法 | |
| CN110362893B (zh) | 一种基于物联网的供热管道保温特性及疏水监测诊断系统 | |
| CN115013261B (zh) | 一种用于海上风电场的状态监测方法及系统 | |
| CN117010863A (zh) | 一种基于物联网技术的市政管网健康度在线监测系统和方法 | |
| CN102141808A (zh) | 汽轮发电机组嵌入式故障预诊断系统及方法 | |
| 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 | |
| CN108830335A (zh) | 光伏电站故障预警方法及系统 | |
| CN111882071A (zh) | 一种基于机器学习的预应力钢构件监测方法 | |
| CN113049035B (zh) | 一种基于物联网的变压器状态监测系统 | |
| CN106997513A (zh) | 基于大数据分析的配网设备状态评价系统 | |
| CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
| CN115614292B (zh) | 一种立式水泵机组振动监测装置及其方法 | |
| CN110363404A (zh) | 一种干式空心电抗器状态数据分析方法 | |
| CN117079442B (zh) | 基于数据分析的化工园区危化气体泄漏扩散监测系统 | |
| CN110209144A (zh) | 基于动静协同差异分析的两层实时监测与报警溯源方法 | |
| CN104793270B (zh) | 一种综合气象观测网中设备运行状态的综合判定方法 | |
| CN115308465A (zh) | 基于bp-som组合神经网络的供电安全隐患智能诊断系统及方法 | |
| CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及系统 | |
| CN116961226A (zh) | 一种变电站中变压器的监控方法和系统 | |
| US20220091601A1 (en) | Method, system and computer program product for evaluation of energy consumption in industrial environments | |
| CN207347163U (zh) | 油气监测系统 |
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 |