CN114519248A - 基于数字孪生处理天然气长输管道泄漏行为的方法和系统 - Google Patents
基于数字孪生处理天然气长输管道泄漏行为的方法和系统 Download PDFInfo
- Publication number
- CN114519248A CN114519248A CN202011314156.9A CN202011314156A CN114519248A CN 114519248 A CN114519248 A CN 114519248A CN 202011314156 A CN202011314156 A CN 202011314156A CN 114519248 A CN114519248 A CN 114519248A
- Authority
- CN
- China
- Prior art keywords
- data
- engine
- natural gas
- leakage
- module
- 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
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 386
- 239000003345 natural gas Substances 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000012545 processing Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 143
- 230000003993 interaction Effects 0.000 claims abstract description 97
- 238000012544 monitoring process Methods 0.000 claims abstract description 94
- 238000004088 simulation Methods 0.000 claims abstract description 89
- 230000006399 behavior Effects 0.000 claims abstract description 76
- 238000007405 data analysis Methods 0.000 claims abstract description 58
- 239000000284 extract Substances 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000013075 data extraction Methods 0.000 claims description 25
- 230000008676 import Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 230000002441 reversible effect Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 abstract description 9
- 239000007789 gas Substances 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 29
- 238000004880 explosion Methods 0.000 description 24
- 238000009792 diffusion process Methods 0.000 description 22
- 230000003068 static effect Effects 0.000 description 12
- 230000006378 damage Effects 0.000 description 10
- 238000005457 optimization Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 7
- 230000035939 shock Effects 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 239000002609 medium Substances 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 239000006163 transport media Substances 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic 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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明实施例公开了一种基于数字孪生处理天然气长输管道泄漏行为的方法和系统,涉及油气管道安全运行技术领域。该方法包括:数据交互中台获取动态监测数据,并将数据发送至数据引擎和虚拟引擎。数据交互中台还发送指令至数据引擎,提取建模分析所需的数据,并将提取的数据发送至虚拟引擎;数据引擎获取天然气泄漏状态数据、保守边界,将保守边界导入虚拟引擎。虚拟引擎基于接收到的各类数据,融合各类仿真模型进行仿真模拟,通过数据分析得到各类分析结果。分析结果反馈至数据交互中台推送给用户层级。本实施例通过对数据格式的统一和多模型、多维度的融合分析,保证了分析结果的准确性,满足了实际应用中对天然气泄漏行为进行精准决策的需求。
Description
技术领域
本发明实施例涉及油气管道安全运行技术领域,尤其涉及一种基于数字孪生处理天然气长输管道泄漏行为的方法和系统。
背景技术
在油气管道安全运行技术领域,一旦发生天然气长输管道泄漏情况,技术人员需要及时做出反应,预测事故发展趋势,制定应急处置方案,采取相应措施降低事故影响范围、减少事故损失。
在相关技术中,天然气长输管道发生泄漏后,典型的泄漏行为分析评价主要基于“管道泄漏—扩散/火灾/爆炸—关闭上下游阀门—放空—泄漏结束”这一传统分析评价模式,同时基于独立的系统建立针对传统分析评价模式中泄漏、扩散、火灾、爆炸等过程的模型,通过该模型针对管道泄漏行为本身进行剖析,而对泄漏行为的潜在影响进行的其他处理工作,如分析、评价、方案决策等,则会应用其他模型。从而导致在完整的事故处理过程中,各部门工作分离进行。
在当前工业4.0背景下,传统分析评价模式以及独立模型的建立方式,使得技术人员只能单一化、静态化、孤立化地分析管道泄漏行为,同一泄漏行为对应多个不同模型,得到的分析结果过于简单化、分散化、表面化,灵活性及准确性均不高,从而导致得出的决策方案与泄漏行为真实状况的匹配度较低、对天然气泄漏行为进行处理的及时性和针对性不强。
发明内容
本申请提出一种基于数字孪生处理天然气长输管道泄漏行为的方法和系统,用以解决上述问题,提高处理天然气泄漏行为的准确性。
第一方面,提供了一种基于数据孪生处理天然气长输管道泄漏行为管理方法,该方法包括:
数据交互中台获取动态监测数据,将动态监测数据发送至数据引擎和虚拟引擎,向数据引擎发送数据提取指令;
数据引擎根据数据提取指令提取相应的管道状态数据与历史方案数据,将管道状态数据与历史方案数据导入虚拟引擎;依据动态监测数据确定最优泄漏模型分析方法,发出与最优泄漏模型分析方法对应的建模指令,基于建模指令获取天然气泄漏状态数据;基于天然气泄漏状态数据获取保守边界,将保守边界导入虚拟引擎;
虚拟引擎依据动态监测数据和保守边界,提取图层信息;基于各类数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟;优化各类分析结果,得到决策处置方案
其中,数据交互中台传输数据引擎与虚拟引擎之间交互的数据。
在一种可能的实现方式中,将动态监测数据发送至数据引擎和虚拟引擎,包括:数据交互中台将动态监测数据转换为标准格式,将转换后的动态监测数据发送至数据引擎和虚拟引擎。
在一种可能的实现方式中,最优泄漏模型分析方法包括反向建模法和负压波建模法。
在一种可能的实现方式中,数据引擎基于建模指令获取天然气泄漏状态数据,包括:建模指令为反向建模指令时,数据引擎在内部模块中基于动态监测数据计算得到天然气泄漏状态数据;建模指令为负压波建模指令时,数据引擎接收虚拟引擎的内部模块计算得到的天然气泄漏状态数据。
在一种可能的实现方式中,虚拟引擎基于各类数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟之后,还包括:虚拟引擎将仿真模拟结果导入数据引擎,数据引擎基于仿真模拟结果进行分析。
第二方面,提供了一种数据交互中台,该数据交互中台包括:数据获取模块,用于获取动态监测数据;发送模块,用于将动态监测数据发送至数据引擎和虚拟引擎,向数据引擎发送数据提取指令;交互模块,用于实现数据引擎与虚拟引擎之间的数据交互。
在一种可能实现的方式中,数据交互中台还包括数据转换模块,用于将动态监测数据转换为标准格式。
第三方面提供了一种数据引擎,该数据引擎包括:数据分析模块,用于接收数据交互中台发送的动态监测数据;依据动态监测数据确定最优泄漏模型分析方法,发出与最优泄漏模型分析方法对应的建模指令;基于建模指令获取天然气泄漏状态数据;基于天然气泄漏状态数据获取保守边界,将保守边界导入虚拟引擎;数据库模块,用于接收数据提取指令,根据数据提取指令调用管道属性数据与历史方案数据。
第四方面,提供了一种虚拟引擎,该虚拟引擎包括:图层模块,用于依据动态监测信息和保守边界,提取图层信息;仿真模块,用于基于各类数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟;规则模块,用于优化各类分析结果,得到决策处置方案。
第五方面,提供了一种基于数字孪生处理天然气长输管道泄漏行为的系统,该基于数字孪生处理天然气长输管道泄漏行为的系统包括数据引擎、虚拟引擎和数据交互中台,数据引擎用于实现第一方面中任一基于数字孪生处理天然气长输管道泄漏行为的方法中数据引擎所执行的功能;虚拟引擎用于实现第一方面中任一项的基于数字孪生处理天然气长输管道泄漏行为的方法中虚拟引擎所执行的功能;数据交互中台用于实现第一方面中任一项的基于数字孪生处理天然气长输管道泄漏行为的方法中数据交互中台所执行的功能。
第六方面,提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,程序代码执行以实现第一方面中任一项的基于数字孪生处理天然气长输管道泄漏行为的方法。
附图说明
图1是本发明实施例提供的一种基于数字孪生处理天然气长输管道泄漏行为的系统的架构示意图;
图2是本发明实施例提供的一种基于数字孪生处理天然气长输管道泄漏行为的方法流程图;
图3是本发明实施例提供的另一种基于数字孪生处理天然气长输管道泄漏行为的方法流程图。
具体实施方式
本申请的实施方式部分使用的术语仅用于对本申请的实施例进行解释,而非旨在限定本申请。下面结合附图,对本发明的实施例进行描述。
随着对天然气应用需求的不断增大,保证天然气长输管道的安全变得极为重要。一旦发生天然气长输管道泄漏事故,各部门需要快速做出反应,联动合作,尽力将事故危害降低到最小。相关技术中,各部分之间对泄漏行为的建模处理独立进行,由于各模型的不同,得到的结果准确性较低,各部门之间的工作的协调性较弱。为了适应越来越复杂的泄漏事件、提高模型预测的准确性、实现各部门之间的联动,能够打通分离的数据孤岛、统一数据标准、规范化模型使用的数字孪生模型被逐步应用。
本发明实施例提供了一种基于数字孪生处理天然气长输管道泄漏行为的方法,该方法应用在图1所示的基于数字孪生处理天然气长输管道泄漏行为的系统中,通过构建数字孪生模型实现对天然气长输管道泄漏行为的处理。参见图1,该处理系统基于数据引擎101、虚拟引擎102和数据交互中台103实现对天然气长输管道泄漏行为的数字孪生模型的构建与应用。其中,数据引擎101包括了天然气长输管道泄漏行为涉及到的各类数值模型、经验模型、风险评价等分析模型,具有数据融合、图像识别分析、参数计算、决策处置方案分析预测等功能;虚拟引擎102包括了天然气长输管道泄漏行为涉及到的各类地图模型、仿真模型、风险评价、数据融合、图像识别等各类分析功能与决策处置方案优化、评价功能,以实现对天然气长输管道泄漏场景高精度还原的,具备多尺度、多维度、多概率特点的虚拟建模;数据交互中台103进行外部动态监测数据的动态获取与解析、内部各模型间的数据动态交互、分析结果定制化推送等功能。通过该系统可实现对各类天然气长输管道泄漏行为的精准还原,同时也满足生产实际的各类决策需要。
在对天然气长输管道泄漏行为进行处理过程中,数据交互中台103获取动态监测数据,将该动态监测数据发送至数据引擎101和虚拟引擎102的相关模块中,此过程中数据交互中台103基于后续建模具体需求对动态监测数据进行有计划、有针对性地发送。此外,数据交互中台103发送数据提取指令至数据引擎101,提取存储在数据引擎101中的后续建模分析所需的数据,并将提取的数据发送至虚拟引擎102;数据引擎101基于动态监测数据确定最优泄漏模型分析方法,发出与该最优泄漏模型分析方法对应的建模指令;获取天然气泄漏状态数据,而后获取保守边界,将保守边界导入虚拟引擎102。虚拟引擎102基于动态监测数据和保守边界提取图层信息;基于接收到的各类动态/静态数据,融合各类仿真模型构建数据孪生模型,通过数据分析得到各类分析结果,基于分类分析结果制定决策处置方案。另外地,虚拟引擎102将各类分析结果反馈至数据引擎101进行进一步的预测计算,数据引擎101将分析结果导入虚拟引擎102,虚拟引擎102结合数据引擎101的分析结果制定决策处置方案。虚拟引擎102将基于各类分析结果构成的新的决策处置方案发送至数据引擎101进行保存。其中,数据引擎101与虚拟引擎102之间的数据交互由数据交互中台103进行传输;数据交互中台103可以获取各类分析结果并推送各类分析结果给用户。
结合图1所示的基于数字孪生处理天然气长输管道泄漏行为的系统,该基于数字孪生处理天然气长输管道泄漏行为的方法如图2所示,包括但不限于如下几个过程。
2001,数据交互中台获取天然气长输管道泄漏信号,同步获取所需的各类动态监测数据,将各类动态监测数据转换为标准格式,将转换后的各类动态监测数据导入数据引擎和虚拟引擎。
动态监测数据包括但不限于泄漏点定位信息、气象数据、天然气扩散图像,其中,泄漏点定位信息包括泄漏点的里程信息、高程信息;气象数据包括风向、风力、空气指数等;天然气扩散图像包括激光成像图、热成像图等。
数据交互中台获取到动态监测数据后,当前的数据格式不能直接应用于数据孪生模型的构建,所以,数据交互中台对数据进行格式转化,将转换为标准格式的动态监测数据按照建模需求进行分发。其中,动态监测数据的标准格式的转换规则由技术人员预先设定。
2002,数据交互中台向数据引擎发送数据提取指令。
该数据提取指令携带有泄漏点定位信息,触发数据引擎的数据提取功能。
2003,数据引擎根据接收到的数据提取指令提取相应的管道状态数据与历史方案数据,将提取的数据导入虚拟引擎。
数据引擎依据泄漏点定位信息提取泄漏点的管道状态数据。管道状态数据包括管道本体基础数据、管道运行工况数据、管道敷设环境数据、输送介质物性数据等;其中,管道本体基础数据包括管道建设年限、管材、管径、缺陷等,管道运行工况数据包括管道的输送流量、输送压力等数据,管道敷设环境数据包括土壤结构、水体结构等,输送介质物性包括天然气的种类等。同时,数据引擎提取管道历史方案数据,包括历史应急处置方案、历史泄漏管段工艺运行方案、历史维修方案等相关数据。数据引擎将获取的数据导入虚拟引擎中作为底层数据用于进一步的监测分析。
在一种可能的实现方式中,数据引擎将获取的数据导入数据引擎内部模块,作为底层数据用于后续数据分析。
2004,数据引擎依据获取的动态监测数据确定最优泄漏模型分析方法,发出与最优泄漏模型分析方法对应的建模指令。
数据引擎根据从数据交互中台获取的泄漏信号,结合动态监测数据的准确性、时效性、完整性等进行综合解析判定,确定最优泄漏模型分析方法,并根据最优泄漏模型分析方法发出建模指令,数据引擎将建模指令发送到数据引擎内部模块或者虚拟引擎,同时导入建模所需数据。在此不对泄漏模型分析方法做限定,示例性的,泄漏模型分析方法包括反向建模法、负压波法。当选择反向建模法时,数据引擎将建模指令发送给数据引擎内部模块;当选择负压波法时,数据引擎将建模指令发送给虚拟引擎。
2005,数据引擎基于建模指令获取天然气泄漏状态数据。
该天然气泄漏状态数据包括但不限于天然气泄漏速率、天然气泄漏量以及天然气放空时间。其中,天然气泄漏速率、天然气泄漏量用于后续的分析计算,天然气放空时间为决策方案的制定提供支持。
数据引擎获取天然气泄漏状态数据的方法包括数据引擎应用内部模块自行分析计算得到天然气泄漏状态数据或者接收虚拟引擎分析计算得到的天然气泄漏状态数据。
在一种可能的实现方式中,采用反向建模方法进行泄漏模型分析。数据引擎应用数据交互中台获取的已泄漏的天然气的扩散图像信息以及泄漏管段信息进行分析,应用反向建模方法,反向计算天然气泄漏状态数据。
在一种可能的实现方式中,当采用负压波法进行泄漏模型分析时,虚拟引擎接收建模指令,而后依据从数据交互中台获取的泄漏点信息,结合虚拟引擎中的动态工艺仿真模型分析计算天然气泄漏状态数据,将分析结果导入数据引擎。
在一种可能的实现方式中,反向建模法和负压波法同时进行,并在数据引擎中对两种方式得到的数据进行校核,保留精确度更高的数据。
2006,数据引擎基于天然气泄漏状态数据计算保守边界,将保守边界导入虚拟引擎。
数据引擎基于天然气泄漏状态数据中的天然气泄漏速率和天然气泄漏量,结合气象等外部信息,分析保守边界,并将保守边界导入虚拟引擎。保守边界为天然气泄漏后各类危险情况的最大影响范围,包括但不限于天然气扩散极限半径、天然气爆炸热影响半径和天然气爆炸冲击波半径。
2007,虚拟引擎依据动态监测数据和保守边界,提取图层信息。
虚拟引擎以动态监测数据中的泄漏点定位为中心,基于保守边界划定影响范围,提取图层,图层信息中包括危险源、人员活动区域、地形地貌、河流、交通等静态/动态数据。其中,危险源信息包括危险源分部、危险源等级、危险源数量、危险源动态跟踪等。
在一种可能的实现方式中,虚拟引擎将图层信息导入数据引擎,以支持后续的计算分析。
2008,数据引擎和虚拟引擎基于获取的各类数据进行计算分析,得到各类分析结果。
在一种可能的实现方式中,虚拟引擎将图层信息导入数据引擎,基于图层信息中的危险源信息和获取的天然气的泄漏信息、气象信息等数据,对天然气发生爆炸的概率、因爆炸导致的连锁灾害风险概率进行分析,并将分析结果导入虚拟引擎进行优化与展示。
虚拟引擎基于从数据交互中台、数据引擎获取的以及虚拟引擎进行分析提取的各类动态/静态数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟。
虚拟引擎基于从数据交互中台、数据引擎获取的以及虚拟引擎进行分析提取管道及环境各类动态/静态数据,融合物理仿真模型,对天然气扩散、燃烧爆炸、超压冲击波、高空抛射物等各类行为进行仿真模拟,得到各类行为的分析结果。虚拟引擎分析得到的结果包括,当前实际情况下天然气扩散速率及半径,扩散天然气发生爆炸后热辐射、超压冲击波强度及影响半径、抛射物半径,天然气在扩散、爆炸、超压冲击范围内构筑物结构、地质结构损害强度等。
同时,虚拟引擎利用工艺仿真模型,计算下游管道的存活时间,迅速形成应急工艺方案,确保全线安全、有序地进行方案调整。
2009,基于虚拟引擎获得的分析结果,数据引擎和虚拟引擎进一步计算分析,得到后续分析结果。
后续分析结果包括数据引擎进一步分析结果和虚拟引擎生成的决策方案。
在一种可能的实现方式中,虚拟引擎将上述物理仿真模型的分析结果导入数据引擎,以进行后续分析,得到数据引擎进一步的分析结果。同时,数据引擎可以基于数据交互中台实时获取的动态监测数据,对分析结果进行实时校核和修正。数据引擎会将分析结果导入虚拟引擎进行优化与展示。
虚拟引擎根据上述分析得到的各类分析结果,结合数据引擎导入的历史方案数据等,制定优化应急方案、工艺方案等方案的参数,基于各类分析结果构成的新的决策处置方案。
在本实施例中,数据交互中台还用于数据引擎和虚拟引擎之间的数据传输。另外,数据引擎和虚拟引擎获得的各类分析结果和决策方案均可以发送给数据交互中台,基于数据交互中台实现分析结果的定制化推送给用户。
本实施例提供的方案,在数据引擎、虚拟引擎和数据交互中台的共同作用下,实现了数字孪生模型的构建,通过数据引擎、虚拟引擎实现对数据交互中台获取的动态监测数据与系统内的各类分析模型的融合计算,得到了天然气泄漏后的多种分析模拟结果,并在优化后将结果推送给各应用层。基于本实施例提供的方法,可以根据实际情况需求,实现对天然气长输管道泄漏行为的有效模拟分析;本实施例通过统一数据标准、规范化模型使用,保证了各分析结果的准确性,以及各后续处理行为间的关联性;满足了实际应用中对天然气泄漏行为更有效的事前预估、事中跟踪和事后分析的需求。
在上述实施例中,数据引擎包括数据分析模块和数据库模块;虚拟引擎包括图层模块、仿真模块和规则模块。本发明实施例提供的基于数字孪生处理天然气长输管道泄漏的方法正是基于数据引擎和虚拟引擎中各模块的功能以及各模块之间的数据交互进行的。
下面基于各模块的功能和各模块间的数据交互对本发明实施例提供的基于数字孪生处理天然气长输管道泄漏的方法进行说明。
参见图3,本发明实施例提供的处理方法包括但不限于以下步骤:
3001,数据交互中台获取天然气长输管道泄漏信号,同步获取所需的各类动态监测数据。
天然气长输管道自身及周围环境中安装有大量的传感器、监控摄像头等监测装置,以实现对天然气管道状态变化、环境变化、管道附近人员活动情况等动态数据的实时监测与采集。数据交互中台可以与大量的监测装置进行数据交互,实时获取各类动态监测数据。实时获取的动态监测数据应用于后续处理分析过程中,以获取与实际泄漏情况更相匹配的分析结果与决策方案。
在一种可能的实现方式中,一旦发生天然气泄漏情况,数据交互中台可以及时通过监测装置获取天然气长输管道泄漏信号;数据交互中台实时从监测装置获取所需的各类动态监测数据。动态监测数据包括但不限于泄漏点定位、气象数据、天然气扩散图像、负压波数据、危险源数据,其中,泄漏点定位包括泄漏点的里程信息、高程信息;气象数据包括风向、风力、空气指数等;天然气扩散图像包括激光成像图、热成像图、红外图像等;负压波数据包括负压波的传输速率等;危险源数据反映管道周围可能出现的不确定的危险因素,包括管道附近人员流动数据、交通道路车流量数据等。可选地,动态监测数据还包括泄漏点附近一线人员的反馈信息、泄漏现场影像等。
3002,数据交互中台将各类动态监测数据转换为标准格式,将转换后的动态监测数据导入数据引擎和虚拟引擎中的相关模块。
数据交互中台直接从监测装置获取各类动态监测数据,由于所获得的动态监测数据数量大、种类多,所以各类动态监测数据具有不同的数据格式,不能直接应用于后续基于数字孪生处理天然气泄漏行为过程中。数据交互中台根据技术人员预先设置的数据转换规则,将动态监测数据转换为标准格式。示例性地,将动态监测数据转化为标准的存储格式、计算格式,例如,将以图像形式获取的数据转换为方便计算的数字形式、将具有不同长度单位的数据转换为统一的以“米”为单位的标准格式数据。可选地,数据交互中台的数据转换功能还可以应用在后续数据引擎和虚拟引擎的数据交互过程。
不同的动态监测数据在后续的处理过程中起到的作用不同,结合系统中各模块的功能,数据交互中台将转换为标准格式的动态监测数据对应地导入数据引擎和虚拟引擎中的相关模块。相关模块包括数据引擎中的数据分析系模块、数据库模块以及虚拟引擎中的图层模块和仿真模块。
示例性地,数据交互中台将转换为标准格式的动态监测数据导入数据分析模块以供后续计算使用;将转换为标准格式的动态监测数据导入数据库模块进行存储,以供后续过程中虚拟引擎提取调用;将转换后的动态监测数据中的负压波数据导入仿真模块,以供后续应用负压波法进行泄漏模型分析时使用;将泄漏点定位、气象数据、危险源数据导入图层模块,用以更新图层模块中的地图数据,以支持精准的数字孪生模型的建立,获取更准确的模拟分析结果。
3003,数据交互中台向数据库模块发送数据提取指令,该数据提取指令携带泄漏点定位信息。
数据交互中台还向数据库模块发送数据提取指令,该数据提取指令携带有泄漏点定位信息,以触发数据库模块的数据提取功能。
数据库模块中包括但不限于管道建设基础数据库、泄漏模型库、应急预案数据库、泄漏工艺方案库。其中,管道建设基础数据库存储与管道自身特性相关的数据,包括但不限于泄漏管道本体基础数据、运行工艺参数、缺陷检测数据;泄漏模型库存储有各类泄漏模型,包括但不限于小孔泄漏模型、管道破裂模型;应急预案数据库存储有应用过的历史方案数据,包括不限于抢险方案、疏散方案、抢修方案;泄漏工艺方案库存储有多种不同的天然气传输方案,包括但不限于泄漏点下游天然气分配方案、泄漏点上游天然气引流方案。更进一步地,管道本体基础数据包括管道建设年限、管材、管径、缺陷、运行压力等;管道敷设环境数据包括土壤结构、水体结构等;缺陷检测数据指的定期对管道进行监测维护获得的管道存在的缺陷信息,例如,管道管身的薄弱部分、管道接口的牢固程度等。
3004,数据库模块根据接收到的数据提取指令提取相应的管道状态数据与历史方案数据。
数据库模块接收数据交互中台发送的数据提取指令,依据数据提取指令中携带的泄漏点定位信息,确定泄漏点所在位置,在数据库模块包括的各类数据库中提取泄漏点所在相应管道的管道状态数据与历史方案数据。其中,管道状态数据包括但不限于泄漏点的管道本体基础数据,管道运行工况数据、管道敷设环境数据、输送介质物性等数据,其中输送介质物性包括管道内中传输的天然气的种类及该种天然气的特性。同时,数据引擎提取的历史方案数据指历史决策处置方案,包括但不限于应急处置方案、泄漏管段工艺运行方案等相关数据。
可选地,数据库模块还可以同步提取缺陷检测数据、存储的动态监测数据、历史的管道泄漏数据等其他可以应用到处理过程中的相关数据。本实施例在此不再一一赘述。
3005,数据库模块将管道状态数据与历史方案数据分别导入仿真模块、规则模块和数据分析模块。
数据库模块将获取的管道状态数据导入仿真模块,支持进一步的模拟分析;将历史方案数据导入规则模块和数据分析模块,作为底层数据,支持规则模块结合仿真模块的分析结果进行进一步的修订优化工作,得到最优的决策处置方案;支持数据分析模块进行后续的预测分析。
在一种可能的实现方式中,当前泄漏状况与历史泄漏状况相似程度超过一定的阈值时,管道状态数据与历史方案数据均导入仿真模块,仿真模块基于获取到的管道状态数据、历史方案数据、以及从数据交互中台获取的动态监测数据,融合多种仿真模型,得到各类分析结果,直接将匹配程度最高的历史决策处置方案导入规则模块。该过程省略了规则模块的修订优化过程,节省了决策处置方案的生成时间,有利于快速开展抢险、维修等工作。
3006,数据分析模块依据获取的动态监测数据确定最优泄漏分析方法,发出与最优泄漏模型分析方法对应的建模指令。
数据分析模块接收了数据交互中台导入的泄漏信号和各类动态监测数据,数据分析模块对动态监测数据进行分析,判断其准确性、时效性和数据完整性,基于判断结果确定最优泄漏模型分析方案。
在一种可能的实现方式中,获取的动态监测数据的完整性、时效性和准确性达到采用反向建模法的预设标准,数据分析模块确定最优泄漏分析方法为反向建模法,并生成相应的反向建模指令。其中,采用反向建模法的预设标准由技术人员预先设置,本实施例在此不做限定,示例性的,预设标准可以设定获取到动态监测数据的数量阈值、获取到的各类动态监测数据的最低阈值等。数据分析模块生成与反向建模法相对应的反向建模指令。
在一种可能的实现方式中,获取的动态监测数据的完整性、时效性和准确性达到采用负压波法的预设标准,例如,动态监测数据中负压波的波动强度、传输速率达到一定阈值。数据分析模块生成与负压波法相对应的负压波建模指令。
在一种可能的实现方式中,获取的动态监测数据的完整性、时效性和准确性同时满足反向建模法和负压波法的预设标准,数据分析模块同时生成反向建模指令和负压波建模指令,也就意味着两种建模指令同时指示各自相应的模块进行下一步的计算分析。
3007,数据分析模块基于建模指令获取天然气泄漏状态数据。
天然气泄漏状态数据包括但不限于天然气泄漏速率、天然气泄漏量以及天然气放空时间。其中,天然气泄漏速率、天然气泄漏量用于后续的分析计算,天然气放空时间为决策方案的制定提供支持。
数据引擎获取天然气泄漏状态数据的方法根据建模指令的不同包括:数据引擎应用内部模块自行分析计算得到天然气泄漏状态数据或者接收虚拟引擎分析计算得到的天然气泄漏状态数据。
在一种可能的实现方式中,数据分析模块基于反向建模指令,在数据交互中台导入的各类动态监测数据中,调用泄漏至大气中的天然气红外图像、激光监测图像等数据,分析得到泄漏到大气中的天然气气团尺寸和天然气浓度;再结合泄漏点管段压力数据、管段截断阀门后内剩余天然气体积等数据,应用反向建模法,反向计算天然气泄漏速率、天然气泄漏量和天然气放空时间。
在一种可能的实现方式中,仿真模块接收数据分析模块生成的负压波建模指令。仿真模块根据从数据交互中台获得的泄漏点定位,以上下游截断阀阀室为边界,在仿真模块中提取该段管道的动态工艺仿真模型,根据截断阀上下游负压波时间差分析跟踪天然气管道泄漏速率,并分析不同上下游阀门速率关断条件下天然气泄漏量和天然气放空时间,将分析得到的天然气泄漏速率、天然气泄漏量和天然气放空时间导入数据分析模块。其中,在检测到泄漏信号之后,上下游截断阀的关闭状态由自动化系统自动开启或者人为开启。
在一种可能的实现方式中,反向建模指令和负压波建模指令同时发出,数据分析模块自身进行分析计算天然气泄漏数据的同时,还获取仿真模块计算生成的天然气泄漏数据,两类数据在数据分析模块中进行校核,保留精确度更高的数据。
3008,数据分析模块基于天然气状态数据计算保守边界,将保守边界导入图层模块。
在一种可能实现的方式中,数据分析模块获得天然气泄漏数据后,采用天然气泄漏数据包含的天然气泄漏速率和天然气泄漏量,结合动态监测数据中的气象数据等外部环境数据,例如、风向、风力、空气湿度、天气状况等数据,计算分析得到保守边界。保守边界指天然气泄漏后各类危险情况的最大影响范围,包括但不限于天然气扩散极限半径、天然气爆炸热影响半径和天然气爆炸冲击波半径。数据分析模块将该保守边界导入图层模块。
3009,图层模块依据泄漏点定位和保守边界,提取图层信息。
图层模块包含了与现实管道及附属环境如地形、人文、交通、危险源等高度还原的立体精细化地图,包括管道敷设沿线地形数据、人文数据、交通、危险源等精准几何信息、动态信息。地形数据包括但不限于河流、山地等信息;人文数据包括但不限于管道周围的工厂、村庄等的状态信息;交通数据包括周围交通道路的车流量、交通状况等信息;危险源则包括可能出现的行人、火源等状况的动态信息。其中,人文、交通、危险源的动态信息可以利用从数据交互中台获取的动态监测数据进行更新,确保图层模块数据可以及时与真实场景数据相匹配。
图层模块以从数据交互中台获取的泄漏点定位为原点,基于数据分析模块导入的保守边界,划定天然气泄漏行为的影响范围,在图层模块的图层库中提取对应范围的图层,提取到的图层信息包括但不限于危险源、人员活动区域、地形地貌、河流、交通等静态/动态数据,其中,危险源数据包括但不限于危险源分部、危险源等级、危险源数量、危险源动态跟踪。
3010,图层模块将提取出的图层信息导入仿真模块和数据分析模块。
图层模块将提取出的图层信息导入仿真模块,支持仿真模块融合各类仿真模型进行计算,获得各类仿真模拟分析结果;图层模块将提取出的图层信息导入数据分析模块支持数据分析模块进行进一步的预测分析。
3011,仿真模块和数据分析模块应用图层信息进行进一步的分析计算。
仿真模块和数据分析模块基于图层模块发送的图层信息,结合各自获取的各类动态/静态数据,融合模块内存储的多种分析模型进行相应的分析计算。
数据分析模块中包含与天然气长输管道泄漏行为相关的各类泄漏数值模型、经验模型、概率模型、风险评价模型等分析模型,同时也涵盖图像识别、数据融合等数据分析功能。数据分析模块结合图层信息包括的危险源数据、天然气泄漏状态数据中的天然气泄漏速率和天然气泄漏量、以及从数据交互中台获得的气象数据等对天然气发生蒸汽云爆炸、闪火爆炸概率进行测算,同时对因爆炸导致火灾等连锁灾害风险概率进行分析,并将得到的危险发生概率结果分别导入规则模块和图层模块,在规则模块进行各类方案参数制修订与优化,在图层模块对各类危险发生概率结果进行展示。
仿真模块基于获取到的各类动态/静态数据,融合各类仿真模型,对天然气泄漏后的各类行为进行仿真模拟。仿真模块获取到的各类动态/静态数据包括数据交互中台导入的动态监测数据、数据库导入的管道状态数据和历史方案数据,数据分析模块导入的建模指令以及图层模块导入的图层信息。可选地,建模指令导入同时会携带建模所需的相关数据。
仿真模块基于获取的各类动态/静态数据,融合仿真模块中的各类物理模型,进行多物理场耦合问题的高精度求解计算,对天然气泄漏后的各类行为进行仿真模拟。天然气泄漏后的各类行为包括但不限于天然气扩散、燃烧爆炸、超压冲击波、高空抛射物等。仿真模拟结果包括,当前实际情况下天然气扩散速率及半径,扩散天然气发生爆炸后热辐射、超压冲击波强度及影响半径、抛射物半径,天然气在扩散、爆炸、超压冲击范围内构筑物结构、地质结构损害强度等。仿真模块具有对复杂行为的降阶快速求解功能,可以在保证计算精度的同时减少求解计算的速度。
示例性地,当前实际情况下天然气扩散速率及半径通过仿真模块中的扩散模型对当前管存量、气象条件、地形地貌等多种数据的融合计算分析得到;扩散天然气发生爆炸后热辐射、超压冲击波强度及影响半径、抛射物半径可以通过仿真模块中的爆炸模型对地形数据、管道属性数据、天然气泄漏数据等多种数据融合计算分析得到。融合多模块对多数据进行计算分析,可以实现对数据的多维度多层次计算分析,得到更加准确、适用的分析结果。
在一种可能的实现方式中,仿真模块利用工艺仿真模型,结合天然气泄漏状态数据中的天然气放空时间,计算下游管道的存活时间,迅速形成应急工艺方案,确保全线安全、有序的进行天然气传输方案调整,实现泄漏点上游天然气的有效疏导以及泄漏点下游天然气的有效供应。同时,仿真模块还包括优化模块,可以对初步生成的应急工艺方案进行优化,采用最优的应急工艺方案进行天然气传输调整。
3012,仿真模块将得到的各类仿真模拟结果导入数据分析模块。
在一种可能的实现方式中,仿真模块将各类仿真模拟结果导入数据分析模块,将部分仿真模拟结果导入图层模块和规则模块。示例性地,将天然气在扩散、爆炸、超压冲击范围内构筑物结构、地质结构损害强度导入图层模块进行结果展示、导入规则模块进行方案参数的制定与优化。
3013,数据分析模块基于仿真模拟结果对天然气扩散及爆炸行为进行计算分析。
数据分析模块根据仿真模块提供天然气发生爆炸后各类分析结果,结合监测动态数据,综合计算蒸汽云爆炸辐射、超压冲击半径、抛射物半径内人员受伤几率、人员最佳逃逸时间、构筑物损害程度等,同时计算包含但不限于火灾等连锁灾害半径、强度、致人员受伤几率等。数据分析模块将得到的各类损害概率数据结果分别导入规则模块进行各类方案参数制修订与优化、图层模块对仿真各类结果进行展示。可选地,在数据分析模块对天然气扩散及爆炸分析过程中,数据交互中台实时获取天然气扩散极限半径范围内气象数据、人员活动数据等变化,数据分析模块基于数据交互中台获取的数据对天然气爆炸概率、扩散模型、爆炸模型等进行实时校核与修正。
3014,数据分析模块将分析结果发送给图层模块和规则模块。
图层模块对数据分析模块的分析结果进行展示,规则模块采用数据分析模块的分析结果进行方案参数的制定与优化。
3015,规则模块优化各类分析结果,得到各类决策处置方案。
规则模块根据上述各类分析结果,结合数据库模块导入的历史应急方案、工艺方案等,制定、优化应急方案、工艺方案等形成各类决策处置方案,将最优决策处置方案发送至数据交互中台,从而推送给用户层级;此外,将基于各类分析结果构成的新的决策处置方案作为历史数据导入数据引擎中数据库模块存储备用。
在上述步骤中,数据引擎中的数据分析模块和数据库模块与虚拟引擎中的图层模块、仿真模块、规则模块之间的数据交互由数据交互中台进行数据的传输。即数据引擎和虚拟引擎中各模块得到的各类分析结果均传输至数据交互中台,通过数据交互中台导入到需要的模块中。
3016,数据交互中台向用户层级推送分析结果。
基于上述步骤可知,数据交互中台可与数据引擎和虚拟引擎的各模块进行数据交互。
在一种可能的实现方式中,数据引擎和虚拟引擎将计算得到的各类分析结果发送给数据交互中台,数据交互中台接收到了多种分析结果,包括:数据分析模块的天然气泄漏状态数据、危险发生概率数据以及危险发生后的损害概率数据等,还包括仿真模块的仿真模拟结果、规则模块的最优决策方案等。
数据交互中台基于各类分析结果的特性的不同,以及各类用户的不同需求,对各类分析结果进行定制化推送。示例性地,将天然气泄漏状态推送给一线人员,帮助其采用保守边界进行人员的疏散等工作,以降低发生危险的可能性;将决策处置方案发送给决策者,帮助其从整体上协调所有的救援工作。
显然地,在上述实施例提供的方案中,数据引擎中的数据分析模块和虚拟引擎的仿真模块、规则模块均输出了各自的分析结果。其中,数据模块中应用的分析模型的精确度和参数的更新频率相比较于虚拟引擎中精确度和参数的更新频率,均处于较低水平,所以数据分析模块得到的各类数据的精度较低,例如,对于天然气泄漏行为可能影响的范围,数据分析模块得到的范围会略大于虚拟引擎得到的范围。因而,数据分析模块得到的所有分析结果统称为保守结果,虚拟引擎各模块得到的所有分析结果统称为精准结果。两类结果的输出,可以帮助一线人员更清楚的了解泄漏行为的真实状态、及时地、更有针对性地进行泄露点周边的疏散工作、交通管制工作等,有效地降低天然气泄露行为带来的危害及损失。
在本实施例提供的方案中,在数据分析模块、数据库模块、图层模块、仿真模块、规则模块和数据交互中台的共同作用下,实现了虚拟仿真模型的构建,通过数据引擎、虚拟引擎实现对数据交互中台获取的外部动态数据与系统内的各类分析模型的融合计算,得到了天然气泄漏后的多种分析模拟结果,并在优化后将结果推送给各应用层。基于本实施例提供的方法,可以根据实际情况需求,实现对天然气长输管道泄漏行为的有效模拟分析;本实施例通过对各类模型的统一规范化使用,保证了各分析结果的准确性,以及各后续处理行为间的关联性;满足了实际应用中对天然气泄漏行为更有效的事前预估、事中跟踪和事后分析的需求。
本实施例提供一种数据交互中台,用以实现上述实施例中数据交互中台的功能。该数据交互中台包括数据获取模块、数据转换模块,数据交互模块。
其中,数据获取模块用于获取动态监测数据;数据转换模块用于将动态监测数据转换为标准格式,并将转换后的动态监测数据发送至数据引擎和虚拟引擎;数据交互模块负责数据引擎和虚拟引擎之间的数据传输;推送模块,用于对接受到的各类结果进行定制化推送。
本实施例提供一种数据引擎,用以实现上述实施例中数据引擎的功能。该数据引擎包括数据分析模块和数据库模块。
数据分析模块,用于接收数据交互中台发送的动态监测数据;依据动态监测数据确定最优泄漏模型分析方法,发出与最优泄漏模型分析方法对应的建模指令;基于建模指令获取天然气泄漏状态数据;基于泄漏状态数据获取保守边界,将保守边界导入虚拟引擎;数据分析模块还可以依据获得的数据以及所包含的数据模型、分析模型进行进一步的分析,并将分析结果发送给虚拟引擎。
数据库模块,用于接收数据交互中台发送的动态监测数据和数据提取指令,根据数据提取指令调用管道属性数据与历史方案数据;还用于存储数据交互中台获取的动态监测数据。数据库模块还用于实现对各数据库存储数据的更新。
本实施例提供一种虚拟引擎,用以实现上述实施例中虚拟引擎的功能。该虚拟引擎包括图层模块、仿真模块和规则模块。
其中,图层模块用于依据动态监测数据中的泄漏点定位和保守边界,提取图层信息,更新图层信息;对数据分析模块或者仿真模块导入的各类分析结果进行展示,展示方式包括动态或静态展示;仿真模块,用于基于各类数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟,获得各类仿真模拟结果;规则模块,用于接受分析结果,生成决策处置方案。
本实施例提供一种基于数字孪生处理天然气长输管道泄漏行为的系统,该基于数字孪生处理天然气长输管道泄漏行为的系统包括数据引擎、虚拟引擎和数据交互中台,基于数字孪生处理天然气长输管道泄漏行为的系统可以实现上述实施例中的基于数字孪生处理天然气长输管道泄漏行为的方法。
本实施例提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,程序代码执行以实现上述实施例中任一项的基于数字孪生处理天然气长输管道泄漏行为的方法。
在本申请实施例提供的方案中,在基于数字孪生处理天然气长输管道泄漏行为的系统中,在数据分析模块、数据库模块、图层模块、仿真模块、规则模块和数据交互中台的共同作用下,实现了虚拟仿真模型的构建,通过数据引擎、虚拟引擎实现对数据交互中台获取的外部动态数据与系统内的各类分析模型的融合计算,得到了天然气泄漏后的多种分析模拟结果,并在优化后将结果推送给各应用层。基于本实施例提供的方法,可以根据实际情况需求,实现对天然气长输管道泄漏行为的有效模拟分析;本实施例通过对各类模型的统一规划调用,保证了各分析结果的准确性,以及各后续处理行为间的关联性;满足了实际应用中对天然气泄漏行为更有效的事前预估、事中跟踪和事后分析的需求。
应理解,在本申请的各个实施例中,各个过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请中术语“至少一个”的含义是指一个或多个,本申请中术语“多个”的含义是指两个或两个以上。
应理解,在本文中对各种所述示例的描述中所使用的术语只是为了描述特定示例,而并非旨在进行限制。如在对各种所述示例的描述和所附权利要求书中所使用的那样,单数形式“一个(“a”,“an”)”和“该”旨在也包括复数形式,除非上下文另外明确地指示。
还应理解,术语“包括”(也称“includes”、“including”、“comprises”和/或“comprising”)当在本说明书中使用时指定存在所陈述的特征、整数、步骤、操作、元素、和/或部件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元素、部件、和/或其分组。
应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
还应理解,术语“若”和“如果”可被解释为意指“当..时”(“when”或“upon”)或“响应于确定”或“响应于检测到”。类似地,根据上下文,短语“若确定...”或“若检测到[所陈述的条件或事件]”可被解释为意指“在确定...时”或“响应于确定...”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
还应理解,说明书通篇中提到的“一个实施例”、“一实施例”、“一种可能的实现方式”意味着与实施例或实现方式有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”、“一种可能的实现方式”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
Claims (10)
1.一种基于数字孪生处理天然气长输管道泄漏行为的方法,其特征在于,所述方法包括:
数据交互中台获取动态监测数据,将所述动态监测数据发送至数据引擎和虚拟引擎,向所述数据引擎发送数据提取指令;
所述数据引擎根据所述数据提取指令提取相应的管道状态数据与历史方案数据,将所述管道状态数据与所述历史方案数据导入所述虚拟引擎;依据所述动态监测数据确定最优泄漏模型分析方法,发出与所述最优泄漏模型分析方法对应的建模指令,基于所述建模指令获取天然气泄漏状态数据;基于所述天然气泄漏状态数据获取保守边界,将所述保守边界导入所述虚拟引擎;
所述虚拟引擎依据所述动态监测数据和所述保守边界,提取图层信息;基于各类数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟;优化各类分析结果,得到决策处置方案;
其中,所述数据交互中台传输所述数据引擎与所述虚拟引擎之间交互的数据。
2.根据权利要求1所述方法,其特征在于,所述将所述动态监测数据发送至数据引擎和虚拟引擎,包括:
所述数据交互中台将所述动态监测数据转换为标准格式,将转换后的动态监测数据发送至所述数据引擎和所述虚拟引擎。
3.根据权利要求1所述方法,其特征在于,所述最优泄漏模型分析方法包括反向建模法和负压波建模法。
4.根据权利要求1所述方法,其特征在于,所述数据引擎基于所述建模指令获取天然气泄漏状态数据,包括:
所述建模指令为反向建模指令时,所述数据引擎在内部模块中基于所述动态监测数据计算得到天然气泄漏状态数据;
所述建模指令为负压波建模指令时,所述数据引擎接收所述虚拟引擎的内部模块计算得到的天然气泄漏状态数据。
5.根据权利要求1所述方法,其特征在于,所述虚拟引擎基于各类数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟之后,还包括:
所述虚拟引擎将仿真模拟结果导入所述数据引擎,所述数据引擎基于所述仿真模拟结果进行分析。
6.一种数据交互中台,其特征在于,所述数据交互中台包括:
数据获取模块,用于获取动态监测数据;
发送模块,用于将所述动态监测数据发送至数据引擎和虚拟引擎,向所述数据引擎发送数据提取指令;
交互模块,用于实现所述数据引擎与所述虚拟引擎之间的数据交互。
7.一种数据引擎,其特征在于,所述数据引擎包括:
数据分析模块,用于接收数据交互中台发送的动态监测数据;依据所述动态监测数据确定最优泄漏模型分析方法,发出与所述最优泄漏模型分析方法对应的建模指令;基于所述建模指令获取天然气泄漏状态数据;基于所述天然气泄漏状态数据获取保守边界,将所述保守边界导入虚拟引擎;
数据库模块,用于接收数据提取指令,根据所述数据提取指令调用管道属性数据与历史方案数据。
8.一种虚拟引擎,其特征在于,所述虚拟引擎包括:
图层模块,用于依据动态监测数据和保守边界,提取图层信息;
仿真模块,用于基于各类数据,抽取各类仿真模型,对天然气泄漏后的各类行为进行建模和仿真模拟;
规则模块,用于优化各类分析结果,得到决策处置方案。
9.一种基于数字孪生处理天然气长输管道泄漏行为的系统,其特征在于,所述基于数字孪生处理天然气长输管道泄漏行为的系统包括数据引擎、虚拟引擎和数据交互中台,所述数据引擎用于实现如权利要求1至权利要求5中任一项所述的基于数字孪生处理天然气长输管道泄漏行为的方法中所述数据引擎所执行的功能;
所述虚拟引擎用于实现如权利要求1至权利要求5中任一项所述的基于数字孪生处理天然气长输管道泄漏行为的方法中所述虚拟引擎所执行的功能;
所述数据交互中台用于实现如权利要求1至权利要求5中任一项所述的基于数字孪生处理天然气长输管道泄漏行为的方法中所述数据交互中台所执行的功能。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述程序代码执行以实现如权利要求1至权利要求5中任一项所述的基于数字孪生处理天然气长输管道泄漏行为的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011314156.9A CN114519248B (zh) | 2020-11-20 | 2020-11-20 | 基于数字孪生处理天然气长输管道泄漏行为的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011314156.9A CN114519248B (zh) | 2020-11-20 | 2020-11-20 | 基于数字孪生处理天然气长输管道泄漏行为的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114519248A true CN114519248A (zh) | 2022-05-20 |
CN114519248B CN114519248B (zh) | 2024-06-25 |
Family
ID=81594962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011314156.9A Active CN114519248B (zh) | 2020-11-20 | 2020-11-20 | 基于数字孪生处理天然气长输管道泄漏行为的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114519248B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482227A (zh) * | 2023-06-25 | 2023-07-25 | 北京英智数联科技有限公司 | 一种管道腐蚀监测方法、装置及系统 |
CN117076886A (zh) * | 2023-08-22 | 2023-11-17 | 中通服网盈科技有限公司 | 一种石化管廊数据分析与决策系统及其运行方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070192078A1 (en) * | 2006-02-14 | 2007-08-16 | Edsa Micro Corporation | Systems and methods for real-time system monitoring and predictive analysis |
CN110454290A (zh) * | 2019-07-02 | 2019-11-15 | 北京航空航天大学 | 一种基于数字孪生技术的汽车发动机管控方法 |
CN110889238A (zh) * | 2019-12-06 | 2020-03-17 | 北京航空航天大学 | 一种数字孪生驱动的热压罐管控系统 |
CN111639430A (zh) * | 2020-05-29 | 2020-09-08 | 重庆大学 | 一种数字孪生驱动的天然气管道泄漏识别系统 |
-
2020
- 2020-11-20 CN CN202011314156.9A patent/CN114519248B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070192078A1 (en) * | 2006-02-14 | 2007-08-16 | Edsa Micro Corporation | Systems and methods for real-time system monitoring and predictive analysis |
CN110454290A (zh) * | 2019-07-02 | 2019-11-15 | 北京航空航天大学 | 一种基于数字孪生技术的汽车发动机管控方法 |
CN110889238A (zh) * | 2019-12-06 | 2020-03-17 | 北京航空航天大学 | 一种数字孪生驱动的热压罐管控系统 |
CN111639430A (zh) * | 2020-05-29 | 2020-09-08 | 重庆大学 | 一种数字孪生驱动的天然气管道泄漏识别系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482227A (zh) * | 2023-06-25 | 2023-07-25 | 北京英智数联科技有限公司 | 一种管道腐蚀监测方法、装置及系统 |
CN116482227B (zh) * | 2023-06-25 | 2023-10-20 | 北京英智数联科技有限公司 | 一种管道腐蚀监测方法、装置及系统 |
CN117076886A (zh) * | 2023-08-22 | 2023-11-17 | 中通服网盈科技有限公司 | 一种石化管廊数据分析与决策系统及其运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114519248B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111694916B (zh) | 浆砌石拱坝自动化监测系统 | |
US11959777B2 (en) | Methods and Internet of Things (IoT) systems for safety management of smart gas underground gas pipeline networks | |
CN114519248B (zh) | 基于数字孪生处理天然气长输管道泄漏行为的方法和系统 | |
CN106874532A (zh) | 一种水管网爆管分析方法 | |
CN113554318B (zh) | 一种化工园区三维可视化风险智能管控一体化系统及方法 | |
CN111797572B (zh) | 一种城市事故灾害演化模拟及风险预测预警方法 | |
US20230221207A1 (en) | Methods and internet of things systems for determining gas leakages based on smart gas | |
CN107505267B (zh) | 一种气体探测器布点分析方法及装置 | |
CN109615708B (zh) | 一种基于ar的管网可视化系统及方法 | |
CN211375602U (zh) | 一种变电站移动式智能噪声实景云图建模系统 | |
US11982613B2 (en) | Methods and internet of things (IOT) systems for corrosion protection optimization of pipeline of smart gas | |
CN107103640A (zh) | 一种城市地下管线的三维建模方法及系统 | |
CN107917342A (zh) | 天然气站场无人值守声像定位监控系统及方法 | |
CN109886506B (zh) | 一种供水管网爆管风险分析方法 | |
CN115936449A (zh) | 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统 | |
CN115685787A (zh) | 用于城市燃气管网的建模仿真方法、建模仿真系统和介质 | |
CN117034740B (zh) | 隧道内可燃气体泄漏源定位与泄漏速率预测方法及系统 | |
CN112330184A (zh) | 施工风险的预测方法、装置、设备和介质 | |
CN110070242B (zh) | 输气管道高后果区识别评价系统及方法 | |
CN110866843A (zh) | 智慧水务管网水平衡分析系统 | |
CN115481940A (zh) | 一种基于大数据的油气管道区域风险监测系统 | |
CN113128709A (zh) | 一种供水管网漏损管理系统 | |
CN106709659B (zh) | 一种lng加气站设备管理系统 | |
CN115127036A (zh) | 一种市政燃气管网漏损定位方法及系统 | |
CN113743015B (zh) | 火灾场景数据获取方法、介质及电子设备 |
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 |