CN114077933A - 蒸汽在线监测数据实时传输系统及方法 - Google Patents

蒸汽在线监测数据实时传输系统及方法 Download PDF

Info

Publication number
CN114077933A
CN114077933A CN202210036329.8A CN202210036329A CN114077933A CN 114077933 A CN114077933 A CN 114077933A CN 202210036329 A CN202210036329 A CN 202210036329A CN 114077933 A CN114077933 A CN 114077933A
Authority
CN
China
Prior art keywords
steam trap
information
time
maintenance time
vector
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
Application number
CN202210036329.8A
Other languages
English (en)
Other versions
CN114077933B (zh
Inventor
王勇飞
张正凯
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.)
Changzhou Aiken Intelligent Manufacturing Technology Co ltd
Original Assignee
Changzhou Aiken Intelligent Manufacturing 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 Changzhou Aiken Intelligent Manufacturing Technology Co ltd filed Critical Changzhou Aiken Intelligent Manufacturing Technology Co ltd
Priority to CN202210036329.8A priority Critical patent/CN114077933B/zh
Publication of CN114077933A publication Critical patent/CN114077933A/zh
Application granted granted Critical
Publication of CN114077933B publication Critical patent/CN114077933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y30/00—IoT infrastructure
    • G16Y30/10—Security thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/40—Maintenance of things
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Security & Cryptography (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了蒸汽在线监测数据实时传输系统及方法，涉及无线通信网络技术领域；包括蒸汽疏水阀信息获取模块、蒸汽疏水阀信息分析模块、蒸汽疏水阀信息传输模块和无线传输模块；所述蒸汽疏水阀信息获取模块，用于获取蒸汽在热管中分配输送的信息，进而分析蒸汽疏水阀在热管中的状态；蒸汽疏水阀信息分析模块，用于根据蒸汽疏水阀在热管中的状态，对蒸汽疏水阀的维修时间进行预测分析，处理并得到蒸汽疏水阀的最终维修时间；蒸汽疏水阀信息传输模块，用于将蒸汽疏水阀的最终维修时间输送至若干个终端，并核实输送信息的准确性；相比于人工巡检，能够根据蒸汽疏水阀的动态及时改变维修时间，保证蒸汽疏水阀能够顺利工作。

Description

蒸汽在线监测数据实时传输系统及方法
技术领域
本发明涉及无线网络技术领域，具体为蒸汽在线监测数据实时传输系统及方法。
背景技术
蒸汽，亦称作“水蒸气”；蒸汽通常用作于加热或者加湿，能够作为机器运作的动力源；
蒸汽疏水阀，通常安装在热管中，用以将蒸汽系统中的空气及冷的不凝气体和蒸汽使用后产生的冷凝水排出，进而防止蒸汽的泄露；当蒸汽在热管输送过程中，都需要配置疏水阀进行排水，但是由于蒸汽疏水阀的长期使用，导致疏水阀会受到腐蚀、管道内垃圾的影响，现有技术中通常是人工定期对蒸汽疏水阀进行维修检查，通过该方法对蒸汽疏水阀进行检测，但并不能够实时掌握蒸汽疏水阀的状态；当确认维修时间并将时间发送给不同的终端时，终端所接受的时间并不相同，进而不能够在预先确定好的蒸汽疏水阀的维修时间内进行维修，因此，需要实时核实蒸汽疏水阀传输过程中的数据，确保蒸汽疏水阀能够正常传输。
发明内容
本发明的目的在于提供蒸汽在线监测数据实时传输系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：蒸汽在线监测数据实时传输系统，所述实时传输系统包括蒸汽疏水阀信息获取模块、蒸汽疏水阀信息分析模块、蒸汽疏水阀信息传输模块和无线传输模块；
所述蒸汽疏水阀信息获取模块，用于获取蒸汽在热管中分配输送的信息，进而分析蒸汽疏水阀在热管中的状态；
所述蒸汽疏水阀信息分析模块，用于根据蒸汽疏水阀在热管中的状态，对蒸汽疏水阀的维修时间进行预测分析，处理并得到蒸汽疏水阀的最终维修时间；
所述蒸汽疏水阀信息传输模块，用于将蒸汽疏水阀的最终维修时间输送至若干个终端，并核实输送信息的准确性；
所述无线传输模块，用于传输信息；
所述无线传输模块与蒸汽疏水阀信息获取模块、蒸汽疏水阀信息分析模块和蒸汽疏水阀信息传输模块相连接。
进一步的，所述蒸汽疏水阀信息获取模块包括历史信息获取单元、信息比较单元、蒸汽疏水阀状态分析单元；
所述历史信息获取单元，用于获取蒸汽疏水阀的历史维修时间和冷凝水的排水量信息；
所述信息比较单元，用于将当前检测的冷凝水排水量信息与历史信息相比较，得到比较后的信息；
所述蒸汽疏水阀状态分析单元，用于根据比较后的信息，分析蒸汽疏水阀在热管中的状态；
所述蒸汽疏水阀状态分析单元的输出端与历史信息获取单元和信息比较单元的输入端相连接。
进一步的，所述所述蒸汽疏水阀信息分析模块包括蒸汽疏水阀维修时间预测单元、误差时间分析单元和维修时间更新单元；
所述蒸汽疏水阀维修时间预测单元，用于根据蒸汽疏水阀的历史维修数据，对未来时间段蒸汽疏水阀的维修时间进行预测处理；
所述误差时间分析单元，用于根据蒸汽疏水阀的检修次数，得到蒸汽疏水阀的实际维修时间，处理后得到维修时间误差值；
所述维修时间更新单元，用于获取维修时间误差值，处理后得到更新后的蒸汽疏水阀维修时间；
所述维修时间更新单元的输出端与蒸汽疏水阀维修时间预测单元、误差时间分析单元的输入端相连接。
进一步的，所述蒸汽疏水阀信息传输模块包括信息向量降维处理单元、信息向量比较单元和信息监测单元；
所述信息向量降维处理单元，用于对蒸汽疏水阀的维修时间向量进行降维处理，并将处理后的信息输送至信息向量比较单元；
所述信息向量比较单元用于将处理后的维修时间向量
Figure 100002_DEST_PATH_IMAGE001
与维修时间向量
Figure 824096DEST_PATH_IMAGE002
相比 较，其中维修时间向量
Figure 235486DEST_PATH_IMAGE001
是指发送端所传输的信息，维修时间向量
Figure 100002_DEST_PATH_IMAGE003
是指接收端所接收信 息；
所述信息监测单元，用于对维修时间信息进行监测，进而核对信息的正确性；
所述信息监测单元的输出端与信息向量降维处理单元、信息向量比较单元的输入端相连接。
进一步的，所述无线传输模块包括网络连接处理单元、中心控制单元和通道传输单元；
所述网络连接处理单元，用于开启WIFI网络模式，用以传输数据；
所述中心控制单元，用于对信息进行处理；
所述通道传输单元，用于将处理过的信息在通道内进行传输；
所述通道传输单元的输出端与网络连接处理单元和中心控制单元的输入端相连接。
蒸汽在线监测数据实时传输方法，所述实时传输方法执行如下步骤：
Z01：获取不同体积的蒸汽在热管中的实时分配输送信息，得到蒸汽疏水阀所排出冷凝水的历史信息；将目前工作中的蒸汽疏水阀排出冷凝水量与历史信息相比较；
Z02：根据比较信息，若核实到蒸汽疏水阀所排出冷凝水量大于或等于历史冷凝水量信息，且冷凝水排水量小于或等于第一排水量，则蒸汽疏水阀处于正常工作状态；若核实到蒸汽疏水阀所排出冷凝水量小于历史冷凝水量，且冷凝水排水量大于第二排水量，则对疏水阀进行处理；
Z03：获取蒸汽疏水阀最接近的维修时间向量，获得历史数据中蒸汽疏水阀的维修间隔时间信息；将蒸汽疏水阀维修时间作为影响因素，通过灰色预测模型得到蒸汽疏水阀的维修时间，并对维修时间进行修正；
Z04：将维修时间向量通过互联网输送至若干个接收终端，根据核实过后的维修时间向量对疏水阀进行维修。
在步骤Z03中，通过灰色预测模型得到蒸汽疏水阀的维修时间，步骤如下：
Z031：获取不同体积的蒸汽在热管中的实时分配输送时所排出的冷凝水量信息，将蒸汽疏水阀在热管中的原始维修数据序列作为Q0，则Q0={q0(1)，q0(2)，q0(3)...q0(m)}；
Z032：根据步骤Z031中的原始维修数据序列采取一次累计相加，并生成新序列Q1， 则Q1={q1(1),q1(2)...q1(m)}；并以此建立微分方程，具体为
Figure 345525DEST_PATH_IMAGE004
；
Z033：对序列Q1取相邻向量的平均值，得到
Figure 969404DEST_PATH_IMAGE005
，根据步骤 Z022中的微分方程生成参数向量
Figure DEST_PATH_IMAGE006
，通过最小二乘法进行估计，得到：
Figure 114078DEST_PATH_IMAGE007
； 其中L、U为向量矩阵；其中：
Figure DEST_PATH_IMAGE008
；
则U=[Q1(2),Q1(3),Q1(4),...,Q1(b)]T；
Z034：将参数向量
Figure 634052DEST_PATH_IMAGE006
代入可得到GM(1,N)模型，具体为：得到Q1的模拟值为
Figure 28124DEST_PATH_IMAGE009
；
Z035：根据
Figure DEST_PATH_IMAGE010
得到模拟值
Figure 653097DEST_PATH_IMAGE011
，公式如下：
Figure DEST_PATH_IMAGE012
；
其中：
Figure 652277DEST_PATH_IMAGE013
为蒸汽疏水阀预测维修时间向量，并将
Figure DEST_PATH_IMAGE014
简化为W，得到蒸汽疏水阀 的预测时间结果，具体为W={w1,w2,w3,...,ws}；s是指蒸汽疏水阀的维修次数，ws是指蒸汽疏 水阀的第s次预测维修时间。
在步骤Z06中，获取蒸汽疏水阀的实际维修时间集合{xk、xk+1...xk+h}，k+h是指蒸 汽疏水阀的维修次数，根据预测的结果信息，得到蒸汽疏水阀的第k次预测维修时间为{wk、 wk+1...wk+h},即蒸汽疏水阀第k次的误差维修时间变为
Figure 608732DEST_PATH_IMAGE015
，根据得到的误差时间统一 对误差时间进行修正，设定F=VR+A；R为误差时间，F为误差维修函数，V、A是指系数，进而得 到最新的蒸汽疏水阀预测时间函数为
Figure DEST_PATH_IMAGE016
，并通过
Figure 693363DEST_PATH_IMAGE016
对蒸汽疏水阀的维修时间进 行重新预测。
在步骤Z04中，获取发送端所发送的维修时间向量为
Figure 924624DEST_PATH_IMAGE017
，若干个接收端所接收的维 修时间向量为
Figure DEST_PATH_IMAGE018
；通过PCA降维的方法对维修信息进行降维处理，将维修时间向量
Figure 778310DEST_PATH_IMAGE017
与维修 时间向量
Figure 436825DEST_PATH_IMAGE018
进行比较，进而根据公式：
Figure 805489DEST_PATH_IMAGE019
；
若核实得到
Figure DEST_PATH_IMAGE020
，则维修时间向量
Figure 778124DEST_PATH_IMAGE017
与维修时间向量
Figure 283055DEST_PATH_IMAGE021
不相同，表示维修时间 被篡改；若核实得到
Figure DEST_PATH_IMAGE022
，则表示维修时间向量
Figure 581312DEST_PATH_IMAGE017
与维修时间向量
Figure 171694DEST_PATH_IMAGE021
相同，表示维修时间 向量从发送端正确传输至接收端；
其中：
Figure 479178DEST_PATH_IMAGE023
表示维修时间向量
Figure 104195DEST_PATH_IMAGE017
与维修时间向量
Figure 104512DEST_PATH_IMAGE021
之间的相似度；
Figure DEST_PATH_IMAGE024
表示维修 时间向量
Figure 385451DEST_PATH_IMAGE017
与维修时间向量
Figure 762206DEST_PATH_IMAGE021
之间的夹角；
Figure 235870DEST_PATH_IMAGE025
表示维修时间向量
Figure 407088DEST_PATH_IMAGE017
的模，
Figure 706482DEST_PATH_IMAGE026
表示维修时间 向量
Figure 621349DEST_PATH_IMAGE021
的模。
与现有技术相比，本发明所达到的有益效果是：
本发明通过蒸汽疏水阀信息分析模块，根据蒸汽在热管中传输的状态，合理的对蒸汽疏水阀未来时间段的维修时间进行预测，从而保障蒸汽疏水阀能够及时被检修，相比于人工巡检，能够根据蒸汽疏水阀的动态及时改变维修时间，保证蒸汽疏水阀能够顺利工作；通过使用蒸汽疏水阀信息传输模块，能够切实保证蒸汽疏水阀的数据能够在通道内安全传输，使得蒸汽疏水阀能够在确定的维修时间内进行维修。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明蒸汽在线监测数据实时传输方法的流程示意图；
图2是本发明蒸汽在线监测数据实时传输系统的模块组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。
请参阅图1-图2，本发明提供技术方案：
蒸汽在线监测数据实时传输系统，所述实时传输系统包括蒸汽疏水阀信息获取模块、蒸汽疏水阀信息分析模块、蒸汽疏水阀信息传输模块和无线传输模块；
所述蒸汽疏水阀信息获取模块，用于获取蒸汽在热管中分配输送的信息，进而分析蒸汽疏水阀在热管中的状态；
所述蒸汽疏水阀信息分析模块，用于根据蒸汽疏水阀在热管中的状态，对蒸汽疏水阀的维修时间进行预测分析，处理并得到蒸汽疏水阀的最终维修时间；
所述蒸汽疏水阀信息传输模块，用于将蒸汽疏水阀的最终维修时间输送至若干个终端，并核实输送信息的准确性；
所述无线传输模块，用于传输信息；
所述无线传输模块与蒸汽疏水阀信息获取模块、蒸汽疏水阀信息分析模块和蒸汽疏水阀信息传输模块相连接。
进一步的，所述蒸汽疏水阀信息获取模块包括历史信息获取单元、信息比较单元、蒸汽疏水阀状态分析单元；
所述历史信息获取单元，用于获取蒸汽疏水阀的历史维修时间和冷凝水的排水量信息；
所述信息比较单元，用于将当前检测的冷凝水排水量信息与历史信息相比较，得到比较后的信息；
所述蒸汽疏水阀状态分析单元，用于根据比较后的信息，分析蒸汽疏水阀在热管中的状态；
所述蒸汽疏水阀状态分析单元的输出端与历史信息获取单元和信息比较单元的输入端相连接。
进一步的，所述所述蒸汽疏水阀信息分析模块包括蒸汽疏水阀维修时间预测单元、误差时间分析单元和维修时间更新单元；
所述蒸汽疏水阀维修时间预测单元，用于根据蒸汽疏水阀的历史维修数据，对未来时间段蒸汽疏水阀的维修时间进行预测处理；
所述误差时间分析单元，用于根据蒸汽疏水阀的检修次数，得到蒸汽疏水阀的实际维修时间，处理后得到维修时间误差值；
所述维修时间更新单元，用于获取维修时间误差值，处理后得到更新后的蒸汽疏水阀维修时间；
所述维修时间更新单元的输出端与蒸汽疏水阀维修时间预测单元、误差时间分析单元的输入端相连接。
进一步的，所述蒸汽疏水阀信息传输模块包括信息向量降维处理单元、信息向量比较单元和信息监测单元；
所述信息向量降维处理单元，用于对蒸汽疏水阀的维修时间向量进行降维处理，并将处理后的信息输送至信息向量比较单元；
所述信息向量比较单元用于将处理后的维修时间向量
Figure 955378DEST_PATH_IMAGE001
与维修时间向量
Figure 563077DEST_PATH_IMAGE003
相比 较，其中维修时间向量
Figure 349767DEST_PATH_IMAGE001
是指发送端所传输的信息，维修时间向量
Figure 68325DEST_PATH_IMAGE003
是指接收端所接收信 息；
所述信息监测单元，用用于对维修时间信息进行监测，进而核对信息的正确性；
所述信息监测单元的输出端与信息向量降维处理单元、信息向量比较单元的输入端相连接。
进一步的，所述无线传输模块包括网络连接处理单元、中心控制单元和通道传输单元；
所述网络连接处理单元，用于开启WIFI网络模式，用以传输数据；
所述中心控制单元，用于对信息进行处理；
所述通道传输单元，用于将处理过的信息在通道内进行传输；
所述通道传输单元的输出端与网络连接处理单元和中心控制单元的输入端相连接。
蒸汽在线监测数据实时传输方法，所述实时传输方法执行如下步骤：
Z01：获取不同体积的蒸汽在热管中的实时分配输送信息，得到蒸汽疏水阀所排出冷凝水的历史信息；将目前工作中的蒸汽疏水阀排出冷凝水量与历史信息相比较；
Z02：根据比较信息，若核实到蒸汽疏水阀所排出冷凝水量大于或等于历史冷凝水量信息，且冷凝水排水量小于或等于第一排水量，则蒸汽疏水阀处于正常工作状态；若核实到蒸汽疏水阀所排出冷凝水量小于历史冷凝水量，且冷凝水排水量大于第二排水量，则对疏水阀进行处理；
Z03：获取蒸汽疏水阀最接近的维修时间向量，获得历史数据中蒸汽疏水阀的维修间隔时间信息；将蒸汽疏水阀维修时间作为影响因素，通过灰色预测模型得到蒸汽疏水阀的维修时间，并对维修时间进行修正；
Z04：将维修时间向量通过互联网输送至若干个接收终端，根据核实过后的维修时间向量对疏水阀进行维修。
在步骤Z03中，通过灰色预测模型得到蒸汽疏水阀的维修时间，步骤如下：
Z031：获取不同体积的蒸汽在热管中的实时分配输送时所排出的冷凝水量信息，将蒸汽疏水阀在热管中的原始维修数据序列作为Q0，则Q0={q0(1)，q0(2)，q0(3)...q0(m)}；
Z032：根据步骤Z031中的原始维修数据序列采取一次累计相加，并生成新序列Q1， 则Q1={q1(1),q1(2)...q1(m)}；并以此建立微分方程，具体为
Figure 256860DEST_PATH_IMAGE004
；
Z033：对序列Q1取相邻向量的平均值，得到
Figure DEST_PATH_IMAGE027
，根据步骤 Z022中的微分方程生成参数向量
Figure 238723DEST_PATH_IMAGE006
，通过最小二乘法进行估计，得到：
Figure 512709DEST_PATH_IMAGE007
； 其中L、U为向量矩阵；其中：
Figure 34958DEST_PATH_IMAGE028
；
则U=[Q1(2),Q1(3),Q1(4),...,Q1(b)]T；
Z034：将参数向量
Figure 78000DEST_PATH_IMAGE006
代入可得到GM(1,N)模型，具体为：得到Q1的模拟值为
Figure 761922DEST_PATH_IMAGE009
；
Z035：根据
Figure DEST_PATH_IMAGE029
得到模拟值
Figure 992046DEST_PATH_IMAGE030
，公式如下：
Figure 52406DEST_PATH_IMAGE012
；
其中：
Figure 949955DEST_PATH_IMAGE031
为蒸汽疏水阀预测维修时间向量，并将
Figure DEST_PATH_IMAGE032
简化为W，得到蒸汽疏水阀 的预测时间结果，具体为W={w1,w2,w3,...,ws}；s是指蒸汽疏水阀的维修次数，ws是指蒸汽疏 水阀的第s次预测维修时间；
通过灰色预测模型，根据蒸汽疏水阀的动态信息合理预测蒸汽疏水阀的维修时间，其中蒸汽疏水阀的动态信息是指蒸汽疏水阀受腐蚀、热管上的杂志垃圾、冷凝水等等的影响，致使蒸汽疏水阀会产生泄露，以及蒸汽疏水阀之前确定的维修时间；由于上述所提及的动态信息是无法避免/控制的，因此，使用灰色预测模型对不确定性的信息对维修时间进行预测，保证蒸汽疏水阀能够正常工作；通过灰色预测模型不断补充新的信息，去除与蒸汽疏水阀无关的信息，使得所预测的维修时间更加贴和实际；通过灰色预测模型，无需蒸汽疏水阀停止工作，仅仅需要在蒸汽疏水阀工作时采集数据，就能够得到蒸汽疏水阀的维修时间；相比于需要在离线状态下对蒸汽疏水阀的维修时间进行预测估计，所预测的数据更加精准有效；
其中，将时间转换成向量，是因为所确定的时间向量涉及到时间、时间变化间隔和时间变化因素，其中时间变化因素是指蒸汽疏水阀是指动态因素产生变化导致时间变化速度也产生变化，因此，将这里的维修时间作为向量值。
在步骤Z06中，获取蒸汽疏水阀的实际维修时间集合{xk、xk+1...xk+h}，k+h是指蒸 汽疏水阀的维修次数，根据预测的结果信息，得到蒸汽疏水阀的第k次预测维修时间为{wk、 wk+1...wk+h},即蒸汽疏水阀第k次的误差维修时间变为
Figure 273620DEST_PATH_IMAGE033
，根据得到的误差时间统一 对误差时间进行修正，设定F=VR+A；R为误差时间，F为误差维修函数，V、A是指系数，进而得 到最新的蒸汽疏水阀预测时间函数为
Figure DEST_PATH_IMAGE034
，并通过
Figure 991041DEST_PATH_IMAGE034
对蒸汽疏水阀的维修时间进 行重新预测；
由于蒸汽疏水阀内的数据是动态变化的，例如：根据蒸汽疏水阀的变化，得到实际 维修时间需提前；此后，蒸汽疏水阀的维修时间将会重新更新，根据蒸汽疏水阀的实际维修 时间对预测维修时间进行改变，更新预测的函数，保证蒸汽疏水阀能够继续正常工作；
Figure 855091DEST_PATH_IMAGE016
为更新过后最新预测维修时间的函数，该函数与F和
Figure 607147DEST_PATH_IMAGE013
函数有关。
在步骤Z04中，获取发送端所发送的维修时间向量为
Figure 916029DEST_PATH_IMAGE017
，若干个接收端所收的维修 时间向量为
Figure 651904DEST_PATH_IMAGE018
；通过PCA降维的方法对维修信息进行降维处理，将维修时间向量
Figure 788487DEST_PATH_IMAGE017
与维修时 间向量
Figure 926207DEST_PATH_IMAGE018
进行比较，进而根据公式：
Figure 388413DEST_PATH_IMAGE019
；
若核实得到
Figure 346004DEST_PATH_IMAGE020
，则维修时间向量
Figure 551858DEST_PATH_IMAGE017
与维修时间向量不相同，表示维修时间被 篡改；若核实得到
Figure 544084DEST_PATH_IMAGE022
，则表示维修时间向量
Figure 911612DEST_PATH_IMAGE017
与维修时间向量
Figure 356500DEST_PATH_IMAGE021
相同，表示维修时间向 量从发送端正确传输至接收端；
其中：
Figure 366044DEST_PATH_IMAGE023
表示维修时间向量
Figure 212777DEST_PATH_IMAGE017
与维修时间向量
Figure 16785DEST_PATH_IMAGE021
之间的相似度；
Figure 683390DEST_PATH_IMAGE024
表示维修 时间向量
Figure 496625DEST_PATH_IMAGE017
与维修时间向量
Figure 197865DEST_PATH_IMAGE021
之间的夹角；
Figure 172774DEST_PATH_IMAGE025
表示维修时间向量
Figure 592254DEST_PATH_IMAGE017
的模，
Figure 943601DEST_PATH_IMAGE026
表示维修时间 向量
Figure 499347DEST_PATH_IMAGE021
的模；
在本方法中通过PCA降维的方式对所发的信息进行降维，降维的目的是为了将所传输的信息在同一个空间中相比较，从而得到一个精准的比较结果；如果不对信息进行降维，例如可能会发生如下情形：一维空间中的数据与二维空间中的数据想比较，得到比较后的结果；通过不降维的方式进行相比，并不能够确定数据的准确性；因此通过本方法将传输的信息进行比较，分析不同终端所接受的维修时间数据是否一致，从而防止终端时间不同，最后的维修时间也并不相同，导致信息核对无效，认为人工并没有按时完成工作。
实施例1：根据发送端通过传输通道传送给第一接收端、第二接收端信息，其中发送端发送的信息向量为，第一接收端发送的信息向量为，将信息通过PCA的降维方式对信息进行降维；获取得到第一接收端所接受的数据处于四维；发送端发送的信息处于三维；则降维的步骤为：
1.获取得到第一接收端和发送端所接收的数据有1条处于四维的数据和1条处于三维的数据，并将数据形成两行一列的矩阵PL；
2.根据步骤1中的矩阵PL，对矩阵PL中的每一行都减去这一行的均值数；
3.根据步骤2，计算并得到协方差矩阵，并得到协方差矩阵的特征值和特征向量；
4.将特征向量按照特征值从大到小的变化，按照从上到下的排列成矩阵，得到一维矩阵；
根据比较后的公式，获取得到
Figure 645158DEST_PATH_IMAGE035
，其中
Figure DEST_PATH_IMAGE036
；
Figure 489617DEST_PATH_IMAGE037
，得到
Figure DEST_PATH_IMAGE038
；
则核实到
Figure 847917DEST_PATH_IMAGE039
，则维修时间向量
Figure DEST_PATH_IMAGE040
与维修时间向量
Figure 721152DEST_PATH_IMAGE041
不相同，发送端发送 的信息或者第一接收端所接受信息被篡改，表示信息并未正确传输。
实施例2：根据实施例1，若核实到
Figure 303443DEST_PATH_IMAGE040
={1,0,0,1}；
Figure 431936DEST_PATH_IMAGE041
={1,0,0,1}，则得到结果；
Figure DEST_PATH_IMAGE042
；
则进一步核实第一接收端和第二接收端的信息；若第二接收端的信息经过PCA降 维处理过后的信息为
Figure 328348DEST_PATH_IMAGE043
={1,0,0,1}；则得到结果
Figure DEST_PATH_IMAGE044
，表示 第一接收端和第二接收端中所接受信息相同；信息并且被篡改处理。
实施例3：根据实施例2，若核实到第二接收端的信息为
Figure 327528DEST_PATH_IMAGE045
={1,1,0,1}；则得到结 果：
Figure DEST_PATH_IMAGE046
，表示第一接收端与第二接收端的信息并不相 同，则第一接收端和第二接收端需要相互核实信息的真实性，确保最终的蒸汽疏水阀的维 修时间。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.蒸汽在线监测数据实时传输系统，其特征在于：所述实时传输系统包括蒸汽疏水阀信息获取模块、蒸汽疏水阀信息分析模块、蒸汽疏水阀信息传输模块和无线传输模块；
所述蒸汽疏水阀信息获取模块，用于获取蒸汽在热管中分配输送的信息，进而分析蒸汽疏水阀在热管中的状态；
所述蒸汽疏水阀信息分析模块，用于根据蒸汽疏水阀在热管中的状态，对蒸汽疏水阀的维修时间进行预测分析，处理并得到蒸汽疏水阀的最终维修时间；
所述蒸汽疏水阀信息传输模块，用于将蒸汽疏水阀的最终维修时间输送至若干个终端，并核实输送信息的准确性；
所述无线传输模块，用于传输信息；
所述无线传输模块与蒸汽疏水阀信息获取模块、蒸汽疏水阀信息分析模块和蒸汽疏水阀信息传输模块相连接。
2.根据权利要求1所述的蒸汽在线监测数据实时传输系统，其特征在于：所述蒸汽疏水阀信息获取模块包括历史信息获取单元、信息比较单元、蒸汽疏水阀状态分析单元；
所述历史信息获取单元，用于获取蒸汽疏水阀的历史维修时间和冷凝水的排水量信息；
所述信息比较单元，用于将当前检测的冷凝水排水量信息与历史信息相比较，得到比较后的信息；
所述蒸汽疏水阀状态分析单元，用于根据比较后的信息，分析蒸汽疏水阀在热管中的状态；
所述蒸汽疏水阀状态分析单元的输出端与历史信息获取单元和信息比较单元的输入端相连接。
3.根据权利要求1所述的蒸汽在线监测数据实时传输系统，其特征在于：所述蒸汽疏水阀信息分析模块包括蒸汽疏水阀维修时间预测单元、误差时间分析单元和维修时间更新单元；
所述蒸汽疏水阀维修时间预测单元，用于根据蒸汽疏水阀的历史维修数据，对未来时间段蒸汽疏水阀的维修时间进行预测处理；
所述误差时间分析单元，用于根据蒸汽疏水阀的检修次数，得到蒸汽疏水阀的实际维修时间，处理后得到维修时间误差值；
所述维修时间更新单元，用于获取维修时间误差值，处理后得到更新后的蒸汽疏水阀维修时间；
所述维修时间更新单元的输出端与蒸汽疏水阀维修时间预测单元、误差时间分析单元的输入端相连接。
4.根据权利要求1所述的蒸汽在线监测数据实时传输系统，其特征在于：所述蒸汽疏水阀信息传输模块包括信息向量降维处理单元、信息向量比较单元和信息监测单元；
所述信息向量降维处理单元，用于对蒸汽疏水阀的维修时间向量进行降维处理，并将处理后的信息输送至信息向量比较单元；
所述信息向量比较单元用于将处理后的维修时间向量
Figure DEST_PATH_IMAGE001
与维修时间向量
Figure 301805DEST_PATH_IMAGE002
相比较，其 中维修时间向量
Figure DEST_PATH_IMAGE003
是指发送端所传输的信息，维修时间
Figure 344978DEST_PATH_IMAGE004
是指接收端所接收信息；
所述信息监测单元，用于对维修时间信息进行监测，进而核对信息的正确性；
所述信息监测单元的输出端与信息向量降维处理单元、信息向量比较单元的输入端相连接。
5.根据权利要求1所述的蒸汽在线监测数据实时传输系统，其特征在于：所述无线传输模块包括网络连接处理单元、中心控制单元和通道传输单元；
所述网络连接处理单元，用于开启WIFI网络模式，用以传输数据；
所述中心控制单元，用于对信息进行处理；
所述通道传输单元，用于将处理过的信息在通道内进行传输；
所述通道传输单元的输出端与网络连接处理单元和中心控制单元的输入端相连接。
6.蒸汽在线监测数据实时传输方法，其特征在于：所述实时传输方法执行如下步骤：
Z01：获取不同体积的蒸汽在热管中的实时分配输送信息，得到蒸汽疏水阀所排出冷凝水的历史信息；将目前工作中的蒸汽疏水阀排出冷凝水量与历史信息相比较；
Z02：根据比较信息，若核实到蒸汽疏水阀所排出冷凝水量大于或等于历史冷凝水量信息，且冷凝水排水量小于或等于第一排水量，则蒸汽疏水阀处于正常工作状态；若核实到蒸汽疏水阀所排出冷凝水量小于历史冷凝水量，且冷凝水排水量大于第二排水量，则对疏水阀进行处理；
Z03：获取蒸汽疏水阀最接近的维修时间向量，获得历史数据中蒸汽疏水阀的维修间隔时间信息；将蒸汽疏水阀维修时间作为影响因素，通过灰色预测模型得到蒸汽疏水阀的维修时间，并对维修时间进行修正；
Z04：将维修时间向量通过互联网输送至若干个接收终端，据核实过后的维修时间向量对疏水阀进行维修。
7.根据权利要求6所述的蒸汽在线监测数据实时传输方法，其特征在于：在步骤Z03中，通过灰色预测模型得到蒸汽疏水阀的维修时间，步骤如下：
Z031：获取不同体积的蒸汽在热管中的实时分配输送时所排出的冷凝水量信息，将蒸汽疏水阀在热管中的原始维修数据序列作为Q0，则Q0={q0(1)，q0(2)，q0(3)...q0(m)}；
Z032：根据步骤Z031中的原始维修数据序列采取一次累计相加，并生成新序列Q1，则Q1= {q1(1),q1(2)...q1(m)}；并以此建立微分方程，具体为
Figure 139759DEST_PATH_IMAGE005
；
Z033：对序列Q1取相邻向量的平均值，得到
Figure 302887DEST_PATH_IMAGE006
，根据步骤Z022 中的微分方程生成参数向量
Figure DEST_PATH_IMAGE007
，通过最小二乘法进行估计，得到：
Figure 95394DEST_PATH_IMAGE008
；其中 L、U为向量矩阵；其中：
Figure DEST_PATH_IMAGE009
；
则U=[Q1(2),Q1(3),Q1(4),...,Q1(b)]T；
Z034：将参数向量
Figure 812814DEST_PATH_IMAGE007
代入可得到GM(1,N)模型，具体为：得到Q1的模拟值为
Figure 676865DEST_PATH_IMAGE010
；
Z035：根据
Figure DEST_PATH_IMAGE011
得到模拟值
Figure 632183DEST_PATH_IMAGE012
，公式如下：
Figure DEST_PATH_IMAGE013
；
其中：
Figure 392328DEST_PATH_IMAGE014
为蒸汽疏水阀预测维修时间向量，并将
Figure DEST_PATH_IMAGE015
简化为W，得到蒸汽疏水阀的预 测时间结果，具体为W={w1,w2,w3,...,ws}；s是指蒸汽疏水阀的维修次数，ws是指蒸汽疏水阀 的第s次预测维修时间。
8.根据权利要求7所述的蒸汽在线监测数据实时传输方法，其特征在于：在步骤Z06中， 获取蒸汽疏水阀的实际维修时间集合{xk、xk+1...xk+h}，k+h是指蒸汽疏水阀的维修次数，根 据预测的结果信息，得到蒸汽疏水阀的第k次预测维修时间集合为{wk、wk+1...wk+h},即蒸汽 疏水阀第k次的误差维修时间变为
Figure 325606DEST_PATH_IMAGE016
，根据得到的误差时间统一对误差时间进行修 正，设定F=VR+A；R为误差时间，F为误差维修函数，V、A是指系数，进而得到最新的蒸汽疏水 阀预测时间函数为
Figure DEST_PATH_IMAGE017
，并通过
Figure 665452DEST_PATH_IMAGE018
对蒸汽疏水阀的维修时间进行重新预测。
9.根据权利要求6所述的蒸汽在线监测数据实时传输方法，其特征在于：在步骤Z04中， 获取发送端所发送的维修时间向量为
Figure DEST_PATH_IMAGE019
，若干个接收端所接收的维修时间向量为
Figure 944117DEST_PATH_IMAGE020
；通过 PCA降维的方法对维修信息进行降维处理，将维修时间向量
Figure 750530DEST_PATH_IMAGE001
与维修时间向量
Figure 973701DEST_PATH_IMAGE020
进行比较， 进而根据公式：
Figure DEST_PATH_IMAGE021
；
若核实得到
Figure 117238DEST_PATH_IMAGE022
，则维修时间向量
Figure 109465DEST_PATH_IMAGE001
与维修时间向量
Figure 8150DEST_PATH_IMAGE020
不相同，表示维修时间被篡 改；若核实得到
Figure DEST_PATH_IMAGE023
，则表示维修时间向量
Figure 390721DEST_PATH_IMAGE001
与维修时间向量
Figure 400266DEST_PATH_IMAGE020
相同，表示维修时间向量 从发送端正确传输至接收端；
其中：
Figure 246999DEST_PATH_IMAGE024
表示维修时间向量
Figure 785428DEST_PATH_IMAGE001
与维修时间向量
Figure 983191DEST_PATH_IMAGE020
之间的相似度；
Figure DEST_PATH_IMAGE025
表示维修时间向 量
Figure 734109DEST_PATH_IMAGE001
与维修时间向量
Figure 429490DEST_PATH_IMAGE020
之间的夹角；
Figure 404399DEST_PATH_IMAGE026
表示维修时间向量
Figure 823879DEST_PATH_IMAGE001
的模，
Figure 175226DEST_PATH_IMAGE027
表示维修时间向量
Figure DEST_PATH_IMAGE028
的模。
CN202210036329.8A 2022-01-13 2022-01-13 蒸汽在线监测数据实时传输系统及方法 Active CN114077933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210036329.8A CN114077933B (zh) 2022-01-13 2022-01-13 蒸汽在线监测数据实时传输系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210036329.8A CN114077933B (zh) 2022-01-13 2022-01-13 蒸汽在线监测数据实时传输系统及方法

Publications (2)

Publication Number Publication Date
CN114077933A true CN114077933A (zh) 2022-02-22
CN114077933B CN114077933B (zh) 2022-04-15

Family

ID=80284516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210036329.8A Active CN114077933B (zh) 2022-01-13 2022-01-13 蒸汽在线监测数据实时传输系统及方法

Country Status (1)

Country Link
CN (1) CN114077933B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070156696A1 (en) * 2005-12-29 2007-07-05 Blue Jungle Detecting Behavioral Patterns and Anomalies Using Activity Data
EP2110854A2 (en) * 2008-04-18 2009-10-21 Macronix International Co., Ltd. Floating Gate Memory Device with Interpoly Charge Trapping Structure
CN101957889A (zh) * 2010-09-01 2011-01-26 燕山大学 一种基于选择性磨损的设备最优维修时间预测方法
CN103557992A (zh) * 2013-11-19 2014-02-05 长沙理工大学 基于阀前管壁温度检测的蒸汽疏水阀内漏检测方法
CN105095990A (zh) * 2015-07-20 2015-11-25 中国电子科技集团公司第三十六研究所 一种预测维修方法和装置
CN106651634A (zh) * 2016-10-10 2017-05-10 大连中智精工科技有限责任公司 一种疏水阀数据管理系统
CN107730084A (zh) * 2017-09-18 2018-02-23 杭州安脉盛智能技术有限公司 基于灰色预测和风险评估的变压器检修决策方法
CN110362893A (zh) * 2019-06-28 2019-10-22 浙江大学 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
CN112197163A (zh) * 2020-10-29 2021-01-08 河北白沙烟草有限责任公司保定卷烟厂 一种蒸汽疏水阀状态监测系统及方法
CN113918354A (zh) * 2021-12-14 2022-01-11 常州艾肯智造科技有限公司 边缘计算的数字化蒸汽泄露监测数据传输系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070156696A1 (en) * 2005-12-29 2007-07-05 Blue Jungle Detecting Behavioral Patterns and Anomalies Using Activity Data
EP2110854A2 (en) * 2008-04-18 2009-10-21 Macronix International Co., Ltd. Floating Gate Memory Device with Interpoly Charge Trapping Structure
CN101957889A (zh) * 2010-09-01 2011-01-26 燕山大学 一种基于选择性磨损的设备最优维修时间预测方法
CN103557992A (zh) * 2013-11-19 2014-02-05 长沙理工大学 基于阀前管壁温度检测的蒸汽疏水阀内漏检测方法
CN105095990A (zh) * 2015-07-20 2015-11-25 中国电子科技集团公司第三十六研究所 一种预测维修方法和装置
CN106651634A (zh) * 2016-10-10 2017-05-10 大连中智精工科技有限责任公司 一种疏水阀数据管理系统
CN107730084A (zh) * 2017-09-18 2018-02-23 杭州安脉盛智能技术有限公司 基于灰色预测和风险评估的变压器检修决策方法
CN110362893A (zh) * 2019-06-28 2019-10-22 浙江大学 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
CN112197163A (zh) * 2020-10-29 2021-01-08 河北白沙烟草有限责任公司保定卷烟厂 一种蒸汽疏水阀状态监测系统及方法
CN113918354A (zh) * 2021-12-14 2022-01-11 常州艾肯智造科技有限公司 边缘计算的数字化蒸汽泄露监测数据传输系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
莫礼东 等: "制丝线蒸汽疏水阀无线监测系统", 《轻工科技》 *

Also Published As

Publication number Publication date
CN114077933B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN115358432B (zh) 用于智慧燃气的燃气表计量故障确定方法和物联网系统
US11842301B1 (en) Methods for monitoring distributed energy storage safety and internet of things systems thereof
US11959789B2 (en) Methods, systems, and medium for compensating ultrasonic metering based on a smart gas internet of things system
CN115796408A (zh) 一种用于智慧燃气的燃气输送损耗预测方法和物联网系统
US20210018205A1 (en) Systems and methods for automated system identification
CN112365029B (zh) 用于空调负荷预测的缺失值处理方法及空调负荷预测系统
US11774122B2 (en) Building control system with adaptive online system identification
KR101941854B1 (ko) 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법
US20230206356A1 (en) Methods for production line electricity management based on an industrial internet of things, systems and storage mediums thereof
CN116719293B (zh) 一种冷轧钢带的生产监测方法及系统
US20240060605A1 (en) Method, internet of things (iot) system, and storage medium for smart gas abnormal data analysis
CN117114369B (zh) 智慧燃气应急供气处置方法、物联网系统、装置及介质
CN115681821B (zh) 用于智慧燃气设备管理的加臭自动控制方法和物联网系统
CN117132026B (zh) 一种基于智慧燃气平台的燃气损耗管控方法与物联网系统
CN103473480A (zh) 基于改进万有引力支持向量机的在线监测数据校正方法
CN113486950B (zh) 一种智能管网漏水检测方法及系统
CN113944888A (zh) 燃气管道泄漏检测方法、装置、设备和存储介质
CN117764422B (zh) 智慧节能运维管理云平台
CN115759450A (zh) 一种基于大数据的碳排放核算预警分析系统
CN113918354B (zh) 边缘计算的数字化蒸汽泄露监测数据传输系统
CN114077933B (zh) 蒸汽在线监测数据实时传输系统及方法
CN117930781A (zh) 一种基于智能装备的生产管理系统
CN114399336A (zh) 一种基于物联网的天然气能量计量方法和系统
CN111327630B (zh) 基于全对称多胞形理论的攻击检测与修正方法
CN114240006A (zh) 一种水资源承载力评估方法

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