CN114562684A - 一种燃气管网关键监测节点选择方法和系统 - Google Patents

一种燃气管网关键监测节点选择方法和系统 Download PDF

Info

Publication number
CN114562684A
CN114562684A CN202210140167.2A CN202210140167A CN114562684A CN 114562684 A CN114562684 A CN 114562684A CN 202210140167 A CN202210140167 A CN 202210140167A CN 114562684 A CN114562684 A CN 114562684A
Authority
CN
China
Prior art keywords
monitoring
nodes
pipe network
monitoring node
gas pipe
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
CN202210140167.2A
Other languages
English (en)
Other versions
CN114562684B (zh
Inventor
白亚文
黄欣宇
唐杨琼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Tianmai Energy Technology Co ltd
Original Assignee
Shanghai Tianmai Energy Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Tianmai Energy Technology Co ltd filed Critical Shanghai Tianmai Energy Technology Co ltd
Priority to CN202210140167.2A priority Critical patent/CN114562684B/zh
Publication of CN114562684A publication Critical patent/CN114562684A/zh
Application granted granted Critical
Publication of CN114562684B publication Critical patent/CN114562684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明涉及一种燃气管网关键监测节点选择方法和系统，所述方法包括:步骤S1：将所有可设置监测装置的节点均放入当前目标监测节点集合中；步骤S2：对当前目标监测节点集合进行去关联以得到最终的目标监测节点集合；步骤S3:在所有目标监测节点集合中的节点位置处设置监测装置。本发明高效选择有代表性的监测节点，从而减少了监测节点的数量，提高了监测节点的布设效率。

Description

一种燃气管网关键监测节点选择方法和系统
【技术领域】
本发明属于能源工程自动化领域，尤其涉及一种燃气管网关键监测节点选择方法和系统。
【背景技术】
天然气是指自然界中天然存在的一切气体，包括大气圈、水圈、和岩石圈中各种自然过程形成的气体(包括油田气、气田气、泥火山气、煤层气和生物生成气等)，天然气是较为安全的燃气之一，它不含一氧化碳，也比空气轻，一旦泄漏，立即会向上扩散，不易积聚形成爆炸性气体，安全性较其他燃体而言相对较高，而在城市的天然气应用的过程中，会在地下铺设交错的天然气管道，以便于将其天然气输送到每个家庭中。
为了对天然气的使用情况、泄露情况、服务质量情况等多种信息有所掌握，必然需要在天然气的运输管道上设置监测装置来获取相应的监测信息；例如：
现行的地下综合管廊消防与环境监测技术，多是以多种不同的单一传感器所监测的数据，通过数据的采集再汇集到线下的服务器，再通过网络连接传递到控制中心进行管廊内部环境的数据储存、分析与决策。但是随着管网结构的丰富搭建，以及数据分析能力的增加，对监测装置的数量以及类型的需求也变得越来越丰富，这样才能通过这些监测装置获取的丰富信息来进行大数据分析，通过开展能源数据监测与综合分析建设，打破能源子系统孤岛，提升城市总体能源利用效率和能源服务水平。
上面的需求导致需要进行大量的监测节点的布设才能使得数据的获取有一个良好的物理基础。但是一方面是环境条件的限制，不同自然环境下，管道、线路等情况复杂，另一方面大量布设监测节点显然会增加硬件布设的硬件开销和经济代价，同时对后续的数据分析也带来了巨大的压力，那么在，如何进行选择真正有效的燃气管网监测节点是待解决的问题；
【发明内容】
为了解决现有技术中的上述问题，本发明提出了一种燃气管网关键监测节点选择方法和系统，所述方法包含：
步骤S1：将所有可设置监测装置的节点均放入当前目标监测节点集合中；
步骤S2：对当前目标监测节点集合进行去关联以得到最终的目标监测节点集合；
步骤S3:在所有目标监测节点集合中的节点位置处设置监测装置。
进一步的，所述步骤S2具体为：针对第一类型集合中每种类型的监测数据，计算监测数据之间的相关性，选择相关性弱的监测节点构成目标监测节点集合。
进一步的，所述选择相关性弱的监测节点构成目标监测节点集合，具体为：在管网拓扑结构的基础上，选择相关性弱的监测节点构成目标监测节点集合。
进一步的，所述监测装置为传感器。
进一步的，所述监测装置涉及一种或多种类型。
一种燃气管网关键监测节点选择系统，所述系统包含：计算单元和移动终端；
所述计算单元包括：初始化单元和去关联单元；
初始化单元：将所有可设置监测装置的节点均放入当前目标监测节点集合中；
去关联单元：对当前目标监测节点集合进行去关联以得到最终的目标监测节点集合；
移动终端用于用户在通过移动终端收到所述最终的目标监测节点集合后，在所有目标监测节点集合中的节点位置处设置监测装置。
进一步的，所述计算单元为大数据计算单元。
一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行所述的燃气管网关键监测节点选择方法。
一种计算机可读存储介质，包括程序，当其在计算机上运行时，使得计算机执行所述的燃气管网关键监测节点选择方法。
一种执行设备，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现所述的燃气管网关键监测节点选择方法。
本发明的有益效果包括：
(1)基于现有已经设置监测节点获取的监测数据，基于量化计算确定其他类型的目标监测节点，科学布设各种类型监测节点；(2)将相关系数分析引入目标监测节点的选择中，通过相关系数矩阵在全局信息的引导下，通过行向量从局部选择有代表性的监测节点，从而减少了监测节点的数量，提高了监测节点的布设效率；
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1为本发明的燃气管网关键监测节点选择方法示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定通过
如附图1所示，本发明提出一种燃气管网关键监测节点选择方法，所述方法包括如下步骤：
步骤S1：将所有可设置监测装置的节点均放入当前目标监测节点集合中；也就是说，在初始状态下，当前目标监测节点集合是一个最完整的节点集合；
优选的；所述节点为管段中间位置、管网结构的连接处、阀门设置处等位置；可设置的位置是环境等条件允许的可设置位置；
优选的：所述节点是管网结构中关键节点；具体的：所述节点为管网结构中具有2个及其以上与之连通节点的节点或是最不利用户对应的节点位置；最不利用户对应的节点其往往作为末端节点而只有一个其他节点与之相连通，但是保障最不利用户也是保障了管网服务的最底限，因此，将该节点也视为是关键节点；
优选的；所述最不利用户是指压力值最小的用户节点；
可替换的：所述最不利用户是指压力值最大的用户节点；
优选的：所述监测装置为多种类型；
优选的：所述监测装置为压力、流量、流速、价格、温度、图像、声音等监测装置；
步骤S2：对当前目标监测节点集合进行去关联以得到最终的目标监测节点集合；具体的：针对第一类型集合中每种类型的监测数据，计算监测数据之间的相关性，选择相关性弱的监测节点构成目标监测节点集合；其中：第一类型是监测装置的类型，也就是监测数据的类型；
优选的：所述选择相关性弱的监测节点构成目标监测节点集合，具体为：在管网拓扑结构的基础上，选择相关性弱的监测节点构成目标监测节点集合；也就是说，在进行当前目标监测节点集合删除时，需要考虑管网的拓扑结构；例如：在一个子区域中保留一个监测节点作为目标监测节点；
所述步骤S2具体包括如下步骤：
步骤S21：依次获取一种未处理类型的历史监测数据；具体为:针对当前的目标监测节点集合和一种未处理类型，获取目标监测节点的该类型的历史监测数据；例如：若一目标监测节点1仅设置了A类型的监测装置而未设置B类型监测装置时，那么针对B类型进行分析时，是不能够获取节点1的历史监测数据的，节点1也不会因为B类型数据的分析而被删除；
步骤S22：从当前目标监测节点集合中获取两个监测节点构成的未处理监测节点对的历史监测数据；具体的：随机获取两个监测节点构成的未处理监测节点对(DA,DB)，并获取所述监测节点对的历史监测数据；其中：未处理监测节点对是指未处理监测节点对中的两个节点作为一个组合未被处理过；
可替换的：获取两个物理距离最近的两个监测节点构成的未处理监测节点对；
可替换的：获取两个在管网拓扑结构上，连通路径长度最短的监测节点构成未处理监测节点对；
步骤S23：计算当前监测节点对之间的相关系数；具体为：基于第一相关公式计算当前监测节点对的相关系数r；
优选的：所述第一相关公式是线性相关公式；如下公式(1)；
Figure BDA0003506487880000031
其中：DAo是监测节点对中第一监测节点DA的第o个监测数据；DBi是第二监测节点DB的第o个监测数据；DAo和DBo是在相同监测条件下获取的监测数据；N是监测数据的总量；
可替换的：基于第二相关公式计算当前监测节点对的相关系数；所述第二相关公式是非线性相关的计算公式；
步骤S24：判断是否所有监测节点对均处理完毕，如果是，则进入下一步，否则，返回步骤S22；
优选的：所述计算是否所有监测节点对均处理完毕，具体为：判断是否所有符合条件的监测节点对均处理完毕；
在计算并未针对全部监测节点对，未被判断过的所有监测节点对的相关系数被设置为所有已计算相关系数的均值；
可替换的：未被计算过的所有监测节点对的相关系数被设置为0，表明两者之间不相关；
步骤S25：构建相关系数矩阵R＝[rij]；其中：rij为第i个监测点和第j监测点之间的相关系数；
优选的：如果rij的数据未知，则设置该rij等于默认值，例如：0；
步骤S26：基于相关系数矩阵，重新确定当前目标监测节点集合；
所述步骤S26具体包括如下步骤：
步骤S261：计算第i行的行向量非线性均值
Figure BDA0003506487880000041
i＝1～N；确定行向量非线性均值中的最大者
Figure BDA0003506487880000042
判断所述最大者
Figure BDA0003506487880000043
是否大于行向量均值的算数均值
Figure BDA0003506487880000044
如果是，则进入下一步骤S262，否则，步骤S26结束；
可替换的：所述步骤S261具体为：计算第i行的行向量非线性均值
Figure BDA0003506487880000045
Figure BDA0003506487880000046
i＝1～N；确定所有大于行向量均值的算数均值
Figure BDA0003506487880000047
的行向量非线性均值
Figure BDA0003506487880000048
如果其个数大于1，则进入下一步骤S262，否则，步骤S26结束；
步骤S262：若
Figure BDA0003506487880000049
使得
Figure BDA00035064878800000410
且
Figure BDA00035064878800000411
则删除第i监测节点，使得剩下的监测节点构成当前目标监测节点集合；若不存在这样j，则步骤S26结束；
那么此时，在可替换的步骤S2621中得到的是多个i，此时，被删除的可能也是多个满足(使得
Figure BDA00035064878800000412
且
Figure BDA00035064878800000413
)的第i监测节点，对应的节点选择方式更加苛刻；
步骤S27:判断是否第一类型集合中的所有类型均处理完毕，如果是，则将当前目标监测节点集合作为最终的目标监测节点集合；如果否，则返回步骤S21；
步骤S3:在所有目标监测节点集合中的节点位置处设置监测装置；
优选的：在所有目标监测节点集合中的节点位置处设置第二类型集合的监测装置；获取监测装置获取的历史监测数据；
优选的：所述第二类型的集合不同于第一类型的集合；
优选的；所述第二类型的集合和第一类型的集合之间存在交集；
可替换的；在所有目标监测节点集合中的节点位置处补全设置第一类型集合的监测装置；
通过上述方式，使得基于现有已经设置监测节点获取的监测数据，基于量化计算确定其他类型的目标监测节点，科学布设各种类型监测节点；例如：已经在节点1,2,3出设置A类型的监测装置，那么基于这三个节点位置出的A类型监测数据，就能够计算出在哪些节点位置处设置B类型的监测节点是更有价值的，那么如果经过对历史监测数据的分析发现1,2节点位置的设置是更有价值的，那么可以在后续B类型的设置时，只在1,2节点位置处设置；相应的监测数据也会减少，从而降低了后续大数据分析的难度；当然了，这样的过程是一个迭代的过程，也就是说，在设置了A类型和B类型监测装置后，可以进一步基于这两个类型监测数据进一步分析来完善优化A，B类型监测装置的设置，或者可能的，C类型监测装置的设置；
基于相同的发明构思，本发明提出一种燃气管网关键监测节点选择系统，所述系统包括：：计算单元和移动终端；
所述计算单元包括：初始化单元和去关联单元；
初始化单元：将所有可设置监测装置的节点均放入当前目标监测节点集合中；
去关联单元：对当前目标监测节点集合进行去关联以得到最终的目标监测节点集合；
移动终端用于用户在通过移动终端收到所述最终的目标监测节点集合后，在所有目标监测节点集合中的节点位置处设置监测装置；
术语“数据处理装置”、“数据处理系统”、“用户设备”或“计算设备”包涵用于处理数据的所有种类的装置、设备和机器，举例包括可编程处理器、计算机、片上系统、或者上述中的多个或其组合。所述装置能够包括专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。除了硬件，所述装置还可以包括代码，创建用于所述计算机程序的执行环境，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、跨平台运行环境、虚拟机或上述一个或多个的组合的代码。该装置和执行环境可以实现各种不同计算模型基础设施，诸如web服务、分布式计算、和网格计算基础设施。
计算机程序(也被称为程序、软件、软件应用、脚本或代码)能够以编程语言的任何形式来撰写，包括汇编或解释语言、说明或过程性语言，且其可以以任何形式部署，包括作为单机程序或者作为模块、组件、子例程、对象或适于在计算环境中使用的其他单元。计算机程序可以但不必与文件系统中的文件相对应。程序能够存储在保持其他程序或数据(例如存储在标记语言文档中的一个或多个脚本)的文件的一部分中，在专用于所述程序的单个文件中，或者在多个协同文件中(例如，存储一个或多个模块、子例程或代码部分的文件)。计算机程序可以部署为在一个计算机上或位于一个站点或跨多个站点分布且由通信网络互连的多个计算机上执行。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种燃气管网关键监测节点选择方法，其特征在于，包括：
步骤S1：将所有可设置监测装置的节点均放入当前目标监测节点集合中；
步骤S2：对当前目标监测节点集合进行去关联以得到最终的目标监测节点集合；
步骤S3:在所有目标监测节点集合中的节点位置处设置监测装置。
2.根据权利要求1所述的燃气管网关键监测节点选择方法，其特征在于，所述步骤S2具体为：针对第一类型集合中每种类型的监测数据，计算监测数据之间的相关性，选择相关性弱的监测节点构成目标监测节点集合。
3.根据权利要求2所述的燃气管网关键监测节点选择方法，其特征在于，所述选择相关性弱的监测节点构成目标监测节点集合，具体为：在管网拓扑结构的基础上，选择相关性弱的监测节点构成目标监测节点集合。
4.根据权利要求3所述的燃气管网关键监测节点选择方法，其特征在于，所述监测装置为传感器。
5.根据权利要求4所述的燃气管网关键监测节点选择方法，其特征在于，所述监测装置涉及一种或多种类型。
6.一种燃气管网关键监测节点选择系统，其特征在于，所述系统包含：计算单元和移动终端；
所述计算单元包括：初始化单元和去关联单元；
初始化单元：将所有可设置监测装置的节点均放入当前目标监测节点集合中；
去关联单元：对当前目标监测节点集合进行去关联以得到最终的目标监测节点集合；
移动终端用于用户在通过移动终端收到所述最终的目标监测节点集合后，在所有目标监测节点集合中的节点位置处设置监测装置。
7.根据权利要求6所述的燃气管网关键监测节点选择系统，其特征在于，所述计算单元为大数据计算单元。
8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1-5中任一项所述的燃气管网关键监测节点选择方法。
9.一种计算机可读存储介质，其特征在于，包括程序，当其在计算机上运行时，使得计算机执行如权利要求1-5中任一项所述的燃气管网关键监测节点选择方法。
10.一种执行设备，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现如权利要求1-5中任一项所述的燃气管网关键监测节点选择方法。
CN202210140167.2A 2022-02-16 2022-02-16 一种燃气管网关键监测节点选择方法和系统 Active CN114562684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210140167.2A CN114562684B (zh) 2022-02-16 2022-02-16 一种燃气管网关键监测节点选择方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210140167.2A CN114562684B (zh) 2022-02-16 2022-02-16 一种燃气管网关键监测节点选择方法和系统

Publications (2)

Publication Number Publication Date
CN114562684A true CN114562684A (zh) 2022-05-31
CN114562684B CN114562684B (zh) 2023-08-22

Family

ID=81712981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210140167.2A Active CN114562684B (zh) 2022-02-16 2022-02-16 一种燃气管网关键监测节点选择方法和系统

Country Status (1)

Country Link
CN (1) CN114562684B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106484971A (zh) * 2016-09-23 2017-03-08 北京清控人居环境研究院有限公司 一种排水管网监测点的自动识别方法
US20170206403A1 (en) * 2016-01-19 2017-07-20 Jason RAMBACH Method of distributed face recognition and system thereof
CN108759902A (zh) * 2018-03-30 2018-11-06 深圳大图科创技术开发有限公司 一种基于大数据的燃气管网智能监测系统
US10161749B1 (en) * 2014-12-08 2018-12-25 Bentley Systems, Incorporated Optimizing water quality sensor placement for water distribution systems
CN111486345A (zh) * 2020-03-10 2020-08-04 安徽科杰粮保仓储设备有限公司 一种粮库地下管网液体泄漏在线监测预警方法及装置
CN112016175A (zh) * 2020-08-14 2020-12-01 华侨大学 一种基于树状层次聚类的供水管网测压点优化布置方法
CN112460495A (zh) * 2020-11-14 2021-03-09 武汉众智鸿图科技有限公司 面向漏损监测定位的监测点布局方法及系统
CN113326596A (zh) * 2021-06-23 2021-08-31 上海天麦能源科技有限公司 一种复杂燃气管网结构检测点设置方法及系统
CN113360716A (zh) * 2021-06-01 2021-09-07 上海天麦能源科技有限公司 一种燃气管网结构逻辑化处理方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10161749B1 (en) * 2014-12-08 2018-12-25 Bentley Systems, Incorporated Optimizing water quality sensor placement for water distribution systems
US20170206403A1 (en) * 2016-01-19 2017-07-20 Jason RAMBACH Method of distributed face recognition and system thereof
CN106484971A (zh) * 2016-09-23 2017-03-08 北京清控人居环境研究院有限公司 一种排水管网监测点的自动识别方法
CN108759902A (zh) * 2018-03-30 2018-11-06 深圳大图科创技术开发有限公司 一种基于大数据的燃气管网智能监测系统
CN111486345A (zh) * 2020-03-10 2020-08-04 安徽科杰粮保仓储设备有限公司 一种粮库地下管网液体泄漏在线监测预警方法及装置
CN112016175A (zh) * 2020-08-14 2020-12-01 华侨大学 一种基于树状层次聚类的供水管网测压点优化布置方法
CN112460495A (zh) * 2020-11-14 2021-03-09 武汉众智鸿图科技有限公司 面向漏损监测定位的监测点布局方法及系统
CN113360716A (zh) * 2021-06-01 2021-09-07 上海天麦能源科技有限公司 一种燃气管网结构逻辑化处理方法及系统
CN113326596A (zh) * 2021-06-23 2021-08-31 上海天麦能源科技有限公司 一种复杂燃气管网结构检测点设置方法及系统

Also Published As

Publication number Publication date
CN114562684B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
Perelman et al. Water-distribution systems simplifications through clustering
Zhang et al. An MILP method for optimal offshore oilfield gathering system
CN110868241B (zh) 基于多模型的地下电缆故障预警方法和装置
Huang et al. Modeling the impacts of drying trend scenarios on land systems in northern China using an integrated SD and CA model
Wu et al. Leakage identification in water distribution networks based on XGBoost algorithm
CN104466959A (zh) 电力系统关键线路辨识方法和系统
Giustolisi et al. Optimal water distribution network design accounting for valve shutdowns
Liu et al. Research on a seismic connectivity reliability model of power systems based on the quasi-Monte Carlo method
Gao Efficient identification of segments in water distribution networks
CN110866634A (zh) 基于模型选择的地下电缆故障预警方法和装置
Wang et al. Vulnerability analysis of a natural gas pipeline network based on network flow
Hernandez Hernandez et al. Segment identification procedure for water distribution systems
Sokolov et al. The new generation of the software system used for the schematic-parametric optimization of multiple-circuit heat supply systems
CN114562684B (zh) 一种燃气管网关键监测节点选择方法和系统
Berardi et al. Reliability analysis of complex water distribution systems: the role of the network connectivity and tanks
D’Ercole et al. An integrated modeling approach to optimize the management of a water distribution system: improving the sustainability while dealing with water loss, energy consumption and environmental impacts
CN113537614A (zh) 电网工程造价预测模型的构建方法、系统、设备及介质
Alfonsi et al. RAVEN: Development of the adaptive dynamic event tree approach
Jeong et al. Identification of unintended isolation segments in water distribution networks using a link-by-link adjacency matrix
CN109960816A (zh) 一种基于遗传算法的核级管道自动优化布置方法
CN108282347A (zh) 一种服务器数据在线管理方法和系统
Shuang et al. Optimization of water distribution network design for resisting cascading failures
CN113410842B (zh) 计及联动故障的综合能源系统概率能流计算方法及装置
Fuentes Jr et al. Leak detection in water distribution networks via pressure analysis using a machine learning ensemble
CN114880818A (zh) 一种面向全局燃气管网结构的神经网络监测方法和系统

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
GR01 Patent grant
GR01 Patent grant