CN114638557B - 城市综合管廊运行数据的采集方法与装置 - Google Patents

城市综合管廊运行数据的采集方法与装置 Download PDF

Info

Publication number
CN114638557B
CN114638557B CN202210536801.4A CN202210536801A CN114638557B CN 114638557 B CN114638557 B CN 114638557B CN 202210536801 A CN202210536801 A CN 202210536801A CN 114638557 B CN114638557 B CN 114638557B
Authority
CN
China
Prior art keywords
data
sensor
data set
meta
temperature index
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.)
Active
Application number
CN202210536801.4A
Other languages
English (en)
Other versions
CN114638557A (zh
Inventor
胡力勤
王三优
金家明
朱勇年
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.)
Suzhou Brain Control Electronic Technology Co ltd
Original Assignee
Zhejiang College of Construction
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 Zhejiang College of Construction filed Critical Zhejiang College of Construction
Priority to CN202210536801.4A priority Critical patent/CN114638557B/zh
Publication of CN114638557A publication Critical patent/CN114638557A/zh
Application granted granted Critical
Publication of CN114638557B publication Critical patent/CN114638557B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • 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
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • 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
    • G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
    • 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
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Quality & Reliability (AREA)
  • Toxicology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Pipeline Systems (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明提出城市综合管廊运行数据的采集方法与装置,属于数据处理与采集技术领域。方法包括：测量通信距离与熔接损耗；若通信距离大于第一预设值且熔接损耗小于第二预设值则启动电力电缆传感器进行数据采集获得第一数据集；若通信距离小于第一预设值且熔接损耗大于第二预设值则启动天然气管道传感器进行数据采集获得第二数据集；采用排水管道传感器检测给排水的第一温度指标值及供热传感器测量得到的第二温度指标值；将第一数据集、或第二数据集，与第一温度指标值、第二温度指标值进行融合得到城市综合管廊运行数据。装置用于实现所述方法。本发明可以准确获得有效管廊运行数据避免重复并确保各向代表性。

Description

城市综合管廊运行数据的采集方法与装置
技术领域
本发明属于数据处理与采集技术领域，尤其涉及一种城市综合管廊运行数据的采集方法与装置。
背景技术
综合管廊以集约化设计为理念，将各城市市政管线进行统一化管理，不仅节约了地上城市建设空间，同时也是解决“城市病”的重要手段之一，因此在现代化城市建设中逐渐广泛使用。
城市综合管廊亦称共同沟，是指在城市地下用于集中铺设电力、通信、广播电视、给水、排水、热力和燃气等市政管线的公共隧道，是一种现代化、科学化和集约化的城市基础设施。
基于GB50838-2015《城市综合管廊工程技术规范》要求，城市综合管廊建设管理需要协同电信公司、直饮水公司、再生水公司、区域供热/供冷公司、气动垃圾输送和电力公司等。对应的管道包括光纤、饮用水管道、污水管道、供热/供冷管道、气动垃圾管道和电力电缆等。与此对应的，每种管道为了实现状态监测， 均配置各自的传感器网络，尤其是无线传感器节点网络，用于采集各自管道的状态数据，用于实现城市综合管廊的运行状态监测。
以授权发明专利，该发明专利公告号为：CN110022564B为例，其公开了一种城市综合管廊中的无线传感器网络的节点部署方法。该发明通过节点分类布置方式，能直观反映出综合管廊中监控能耗情况，使得在高频率工作区域的超级节点平均能量更高，与管廊实际条件更相符合。有效缓解单一节点部署而产生的能量空洞问题，均衡网络能耗，以延长网络生命周期。
然而，以上方法虽然能够均衡网络能耗，但是实际工作中仍然需要传送各类传感器的大量监测数据。对于监测数据没有进行整合就进行传输，大量冗余的数据会给数据处理增添处理负担；同时，不同管道的不同传感器还存在测量相同指标数据或者相近指标数据的情况，如果同时开启所有管道传感器同时传送所有数据，虽然可以通过现有技术那样通过工作模式调节降耗，但是仍然不可避免存在能量浪费，并且数据重复度较高。
发明内容
为解决上述技术问题，本发明提出一种城市综合管廊运行数据的采集方法与装置，所述方法可以基于实际通信管道传感器的情况激活不同类型的其他管道传感器，并且基于不同管道温度传感器的温度数据来进行多传感器数据融合，从而避免数据的大量重复，确保融合后的数据具有各向差异性，从而更好的监测到城市综合管廊运行状态。
在本发明的第一个方面，提出一种城市综合管廊运行数据的采集方法，所述方法基于多传感器组合实现，所述多传感器组合包括天然气管道传感器、电力电缆传感器、排水管道传感器、通信管道传感器以及供热管道传感器；
所述天然气管道传感器用于检测所述天然气管道周围的电荷变化；
所述电力电缆传感器用于检测所述电力电缆运行状态是否正常；
所述排水管道传感器用于检测给排水的多种数据指标；
所述供热管道传感器用于测量所述供热管道的温度指标；
基于以上组合传感器，所述方法包括如下步骤：
在第一指定目标点采用所述通信管道传感器测量所述通信管道的通信距离Dis与熔接损耗WLoss；
若所述通信距离Dis大于第一预设值，并且所述熔接损耗WLoss小于第二预设值，则启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集；
若所述通信距离Dis小于第一预设值，并且所述熔接损耗WLoss大于第二预设值，其启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集；
在所述第一指定目标点采用所述排水管道传感器检测给排水的第一温度指标值，并获得所述供热管道传感器测量得到的第二温度指标值；
将所述第一数据集，或第二数据集，与所述第一温度指标值、所述第二温度指标值进行融合，得到所述第一指定目标点的城市综合管廊运行数据。
可以看到，在上述技术方案中，第一数据集，或第二数据集，每次只需要采集获得其中一种即可，即要么将所述第一数据集与所述第一温度指标值、所述第二温度指标值进行融合，即可得到所述第一指定目标点的城市综合管廊运行数据；要么将所述第二数据集与所述第一温度指标值、所述第二温度指标值进行融合，即可得到所述第一指定目标点的城市综合管廊运行数据。
可以看到，所述方法可以基于实际通信管道传感器的情况激活不同类型的其他管道传感器，避免了全部传感器全天候工作的能量损耗。
作为上述方法的进一步具体实现，将所述第一数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到所述第一指定目标点的城市综合管廊运行数据，具体包括：
将所述第一数据集中的多个第一数据进行降序排列，获得降序排列数据集
Figure 625268DEST_PATH_IMAGE001
；
计算第一温度指标值
Figure 579317DEST_PATH_IMAGE002
、第二温度指标值
Figure 232015DEST_PATH_IMAGE003
的第一差值绝对值变化率：
Figure 867396DEST_PATH_IMAGE004
基于第一差值绝对值变化率判断
Figure 554729DEST_PATH_IMAGE005
和
Figure 882943DEST_PATH_IMAGE006
是否符合融合条件，其中
Figure 22937DEST_PATH_IMAGE007
，并且
Figure 258746DEST_PATH_IMAGE008
；
若符合融合条件，则计算
Figure 800586DEST_PATH_IMAGE005
和
Figure 299700DEST_PATH_IMAGE006
的融合值
Figure 926991DEST_PATH_IMAGE009
：
Figure 904174DEST_PATH_IMAGE010
；
其中，作为具体的融合条件判断，判断
Figure 571959DEST_PATH_IMAGE005
和
Figure 241975DEST_PATH_IMAGE006
是否符合融合条件，包括：
计算
Figure 90982DEST_PATH_IMAGE005
和
Figure 934173DEST_PATH_IMAGE006
的差异变化率
Figure 450605DEST_PATH_IMAGE011
是否小于所述第一差值绝对值变化率
Figure 291522DEST_PATH_IMAGE012
：
Figure 627826DEST_PATH_IMAGE013
；
即判断
Figure 946811DEST_PATH_IMAGE014
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将降序排列数据集
Figure 583329DEST_PATH_IMAGE015
中的
Figure 329568DEST_PATH_IMAGE005
和
Figure 418747DEST_PATH_IMAGE006
删除，并将
Figure 541424DEST_PATH_IMAGE005
和
Figure 32448DEST_PATH_IMAGE006
的融合 值
Figure 11905DEST_PATH_IMAGE009
加入到所述降序排列数据集
Figure 57222DEST_PATH_IMAGE015
中。
在另外一个方面， 将所述第二数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到所述第一指定目标点的城市综合管廊运行数据，具体包括：
计算第一温度指标值
Figure 780327DEST_PATH_IMAGE002
、第二温度指标值
Figure 125858DEST_PATH_IMAGE003
的第二差值绝对值变化率：
Figure 213899DEST_PATH_IMAGE016
；
将所述第二数据集中的多个第一数据进行升序排列，获得升序排列数据集
Figure 808829DEST_PATH_IMAGE017
；
基于第二差值绝对值变化率判断
Figure 538888DEST_PATH_IMAGE018
和
Figure 473345DEST_PATH_IMAGE019
是否符合融合条件，其中
Figure 997868DEST_PATH_IMAGE020
，并且
Figure 283356DEST_PATH_IMAGE021
；
若符合融合条件，则计算
Figure 817105DEST_PATH_IMAGE018
和
Figure 668386DEST_PATH_IMAGE019
的融合值
Figure 363810DEST_PATH_IMAGE022
：
Figure 871015DEST_PATH_IMAGE023
；
其中，作为具体的融合条件判断，判断
Figure 733754DEST_PATH_IMAGE018
和
Figure 642804DEST_PATH_IMAGE019
是否符合融合条件，包括：
计算
Figure 774708DEST_PATH_IMAGE018
和
Figure 769209DEST_PATH_IMAGE019
的差异变化率
Figure 644761DEST_PATH_IMAGE024
是否小于所述第一差值绝对值变化率
Figure 142739DEST_PATH_IMAGE025
：
Figure 445544DEST_PATH_IMAGE026
；
即判断
Figure 927341DEST_PATH_IMAGE027
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将升序排列数据集
Figure 341005DEST_PATH_IMAGE028
中的
Figure 224647DEST_PATH_IMAGE018
和
Figure 495092DEST_PATH_IMAGE019
删除，并将
Figure 464185DEST_PATH_IMAGE018
和
Figure 681539DEST_PATH_IMAGE019
的融合值
Figure 419688DEST_PATH_IMAGE022
加入到所述升序排列数据集
Figure 861034DEST_PATH_IMAGE028
中。
可以看到，上述进一步的改进中，可基于不同管道温度传感器的温度数据来进行多传感器数据融合，从而避免数据的大量重复，确保融合后的数据具有各向差异性，从而更好的监测到城市综合管廊运行状态。
在上述方法技术方案中， 所述天然气管道传感器为压电加速传感器，所述压电加速传感器获取预定时间段内所述天然气管道周围的多组电荷值，将所述多组电荷值作为所述第二数据集。
所述电力电缆传感器为三轴磁阻传感器；
所述三轴磁阻传感器采集获得多组电压和/或电流值后执行电磁变换得到多组磁场变换值，将所述多组磁场变换值作为所述第一数据集。
在本发明的第二个方面，提供一种城市综合管廊运行数据的采集装置，所述采集装置包括多个传感器单元、传感器数据分析单元、传感器启动单元、传感器数据排序单元以及传感器数据融合单元。
具体的，所述多个传感器单元包括天然气管道传感器、电力电缆传感器、排水管道传感器、通信管道传感器以及供热管道传感器；
采用所述排水管道传感器检测给排水的第一温度指标值，并获得所述供热管道传感器测量得到的第二温度指标值；
所述传感器数据分析单元用于分析所述通信管道传感器测量得到的通信管道的通信距离Dis与熔接损耗WLoss；
当所述通信距离Dis与熔接损耗WLoss满足第一预设条件时，所述传感器启动单元启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集；
当所述通信距离Dis与熔接损耗WLoss满足第二预设条件时，所述传感器启动单元启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集；
所述数据排序单元用于将所述第一数据集或者第二数据集中的元素进行降序或者升序排列，获得降序数据集或者升序数据集；
所述传感器数据融合单元将所述降序数据集，或升序数据集，与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据。
进一步的，当所述通信距离Dis与熔接损耗WLoss满足第一预设条件时，所述传感器启动单元启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集，具体包括：
若所述通信距离Dis大于第一预设值，并且所述熔接损耗WLoss小于第二预设值，则启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集。
更具体的，当所述通信距离Dis与熔接损耗WLoss满足第二预设条件时，所述传感器启动单元启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集，具体包括：
若所述通信距离Dis小于第一预设值，并且所述熔接损耗WLoss大于第二预设值，其启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集。
所述传感器数据融合单元将所述降序数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据，具体包括：
计算第一温度指标值、第二温度指标值的第一差值绝对值变化率：
基于第一差值绝对值变化率判断降序数据集的每两个相邻元素是否符合融合条件，若符合融合条件，则计算所述两个相邻元素的融合值；
将降序数据集中的所述两个相邻元素删除，并将所述两个相邻元素的融合值加入到所述降序数据集中。
在另外一个方面， 所述传感器数据融合单元将所述升序数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据，具体包括：
计算第一温度指标值、第二温度指标值的第二差值绝对值变化率：
基于第二差值绝对值变化率判断升序数据集的每两个相邻元素是否符合融合条件，若符合融合条件，则计算所述两个相邻元素的融合值；
将升序数据集中的所述两个相邻元素删除，并将所述两个相邻元素的融合值加入到所述升序数据集中。
本发明可以准确获得有效的管廊运行数据。所谓“有效”表示获得的运行数据具有各向差异性，并且重复程度较低；同时，获得的运行数据又能够符合现场的温度变化的实际情况，具有各向代表性，符合城市综合管廊运行环境的客观规律。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种城市综合管廊运行数据的采集方法的主体流程示意图；
图2是图1所述方法的降序排列情况下的融合原理示意图；
图3是图1所述方法的升序排列情况下的融合原理示意图；
图4是实现图1所述方法的一种城市综合管廊运行数据的采集装置的模块结构图。
具体实施方式
下面，结合附图以及具体实施方式，对发明做出进一步的描述。
在介绍本发明的各个实施例之前，再次介绍一下本发明涉及的城市综合管廊的基本概念和运行状态、使用的传感器等概念。
城市综合管廊的主体结构是深埋地下的一个建筑，它将能源、光纤、给排水、供暖等多种市政公用管线集中敷设。其优势在于节省了城市的地面空间并实现对公用管线的集约化建设和管理，提高管道维护和检修的效率。但是，城市综合管廊给城市带来的空间扩大和效率提升之外，也对技术提出更高要求。即能够实时掌握城市综合管廊中各处管线的环境运行情况和更苛刻的安全维护要求。城市综合管廊这种复杂系统需要在其运行过程中不断获取及时信息，实现对系统的检修，甚至需要在多种数据互相配合的基础上进行预测。通常情况下，城市综合管廊这种复杂系统采用多管道多类型传感器组合实现，并且多传感器组合多为无线传感器网络节点（WSN）。
在运行中，多种类型传感器会对管廊监控中的多种参数进行采集，然后传感器把搜集的信息发送到处理器。处理器对这部分信息进行信号标准统一(工作频率等)用于通信单元中的传输。
例如，天然气管道会配置天然气管道传感器，用于检测是否泄漏；给排水管道用于设置温度传感器监测温度并进行水质监测；暖气暖通管道也会设置温度传感器监测温度并进行供暖监测；通信管道也需要监测通信电力电缆等是否存在异常等。
可以看到，不同管道的不同传感器存在测量相同指标数据或者相近指标数据的情况，如果同时开启所有管道传感器同时传送所有数据，虽然可以通过现有技术那样通过工作模式调节降耗，但是仍然不可避免地存在能量浪费，并且数据重复度较高；同时，对于监测数据没有进行整合就进行传输，大量冗余的数据会给数据处理增添处理负担。
因此，本发明提出如下各个实施例的技术方案，以解决上述部分或者全部的技术问题。
本发明首次注意到，虽然不同的管道配置不同的传感器，但是管道并行之间统一位置或者相同位置测量的指标应当相同或者相近，即使传感器设置于不同管道内容，但是整体上依然属于同一个管廊空间。考虑到光纤通信距离的指标测量，因此可进行数据去重复和代表性选择。
参见图1，图1是本发明一个实施例的一种城市综合管廊运行数据的采集方法的主体流程示意图。
在图1中，所述方法基于多传感器组合实现，所述多传感器组合包括天然气管道传感器、电力电缆传感器、排水管道传感器、通信管道传感器以及供热管道传感器。
所述天然气管道传感器用于检测所述天然气管道周围的电荷变化；
作为更具体的实施例，所述天然气管道传感器为压电加速传感器，所述压电加速传感器获取预定时间段内所述天然气管道周围的多组电荷值，基于电荷变化值判断天然气管道是否存在泄漏。
作为更具体的例子，所述压电加速传感器型号为CA-YD-189;
CA-YD-189压电加速传感器还可提供泄漏的具体位置。
所述电力电缆传感器用于检测所述电力电缆运行状态是否正常；
作为更具体的例子，所述电力电缆传感器为三轴磁阻传感器或者集成磁阻传感器；所述三轴磁阻传感器采集获得多组电压和/或电流值后执行电磁变换得到多组磁场变换值，从而判断输电状态及功率。
作为示例，采用集成磁阻传感器时，可判断是否遭遇工频磁场高强度干扰并确定管道工作强度。
所述排水管道传感器用于检测给排水的多种数据指标；
作为更具体的例子，所述排水管道传感器包括数字温度传感器、PH传感器、浊度传感器、溶解氧传感器以及氨氮传感器，实现水温变化、pH值、浊度、溶解、氧含量、氨氮含量等综合数据的指标测量；
作为更具体的例子，水温采用数字温度传感器 DS18B20测量;pH采用HA151 － PH型传感器测量;浊度采用WQ720 型传感器测量;溶解氧采用WQ401型传感器测量;氨氮采用NH4D SC 型传感器测量。
所述供热管道传感器用于测量所述供热管道的温度指标，即管道环境温度。
在此基础上，所述方法的具体实现过程参见图1的流程如下（为方便描述，此处将各个步骤标号，但是图1中未示出标号）：
S1：在第一指定目标点采用所述通信管道传感器测量所述通信管道的通信距离Dis与熔接损耗WLoss；
在实际实现中，所述指定目标点可以根据经验确定，例如经常发生故障或者异常、可能发生异常的管道节点；或者，将所述管道随机分为几个分段，将分段节点之一作为所述目标节点，等等，本实施例对此不作具体限制。
S2：若所述通信距离Dis大于第一预设值，并且所述熔接损耗WLoss小于第二预设值，则启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集；
S3：若所述通信距离Dis小于第一预设值，并且所述熔接损耗WLoss大于第二预设值，其启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集；
在实际实现中，所述第一预设值、第二预设值也可以根据实际测量的管道的局部目标长度确定，即本次需要获取的特定长度的管道的运行数据。
作为具体的例子，所述通信管道传感器包含OTDR模块。
OTDR的英文全称是Optical Time Domain Reflectometer，中文意思为光时域反射仪。OTDR是利用光线在光纤中传输时的瑞利散射和菲涅尔反射所产生的背向散射而制成的精密的光电一体化仪表，它被广泛应用于光缆线路的维护、施工之中，可进行光纤长度、光纤的传输衰减、接头衰减和故障定位等的测量。
OTDR测试是通过发射光脉冲到光纤内,然后在OTDR端口接收返回的信息来进行。当光脉冲在光纤内传输时，会由于光纤本身的性质，连接器，接合点，弯曲或其它类似的事件而产生散射、反射。其中一部分的散射和反射就会返回到OTDR中。返回的有用信息由OTDR的探测器来测量，它们就作为光纤内不同位置上的时间或曲线片断。从发射信号到返回信号所用的时间，再确定光在玻璃物质中的速度，就可以计算出距离。
从发射信号到返回信号所用的时间，再确定光在玻璃物质中的速度，就可以计算出距离。以下的公式就说明了OTDR是如何测量距离（即本发明所述的通信管道的通信距离）。
d=(c×t)/2(IOR)；
在这个公式里，c是光在真空中的速度， t是信号发射后到接收到信号（双程）的总时间，两值相乘除以2后就是单程的距离。因为光在玻璃中要比在真空中的速度慢，所以为了精确地测量距离，被测的光纤必须要指明折射率（IOR）。IOR是由光纤生产商来标明。
OTDR使用瑞利散射和菲涅尔反射来表征光纤的特性。瑞利散射是由于光信号沿着光纤产生无规律的散射而形成。OTDR就测量回到OTDR端口的一部分散射光。这些背向散射信号就表明了由光纤而导致的衰减（损耗/距离）程度。形成的轨迹是一条向下的曲线，它说明了背向散射的功率不断减小，这是由于经过一段距离的传输后发射和背向散射的信号都有所损耗。
OTDR的工作原理就类似于一个雷达。它先对光纤发出一个信号，然后观察从某一点上返回来的是什么信息。这个过程会重复地进行，然后将这些结果进行平均并以轨迹的形式来显示，这个轨迹就描绘了在整段光纤内信号的强弱。
基于ODTR可以实现在第一指定目标点的通信管道的通信距离Dis与熔接损耗WLoss的测量。
本发明的所述熔接损耗WLoss还可以定义为每根光纤的接续估算的损耗值与用ODTR测试接续点的损耗值的加权值。实际采用也可以基于前述现有技术的熔接损耗定义。
在步骤S1-S3之后，继续执行：
S4：在所述第一指定目标点采用所述排水管道传感器检测给排水的第一温度指标值，并获得所述供热管道传感器测量得到的第二温度指标值；
S5：将所述第一数据集，或第二数据集，与所述第一温度指标值、所述第二温度指标值进行融合，得到所述第一指定目标点的城市综合管廊运行数据。
可以看到，所述方法的步骤S1-S5可以多次在不同的“指定目标点”重复执行，每次执行选择的“指定目标点”不同。
因此，在所述步骤S5中，所述方法还包括：
S6：更改所述第一指定目标点，返回步骤S1。
另外，可以看到，步骤S4也可以在步骤S1之前执行，或者和S1并行执行。
更具体的，在一个实施例中，所述天然气管道传感器为压电加速传感器，所述压电加速传感器获取预定时间段内所述天然气管道周围的多组电荷值，将所述多组电荷值作为所述第二数据集。
在一个实施例中，所述电力电缆传感器为磁阻传感器；
所述磁阻传感器采集获得多组电压和/或电流值后执行电磁变换得到多组磁场变换值，将所述多组磁场变换值作为所述第一数据集。
可以看到，在上述技术方案中，第一数据集，或第二数据集，每次只需要采集获得其中一种即可，即要么将所述第一数据集与所述第一温度指标值、所述第二温度指标值进行融合，即可得到所述第一指定目标点的城市综合管廊运行数据；要么将所述第二数据集与所述第一温度指标值、所述第二温度指标值进行融合，即可得到所述第一指定目标点的城市综合管廊运行数据
可以看到，所述方法可以基于实际通信管道传感器的情况激活不同类型的其他管道传感器，避免了全部传感器全天候工作的能量损耗。
当然，在极端情况下，可能“所述通信距离Dis大于第一预设值+所述熔接损耗WLoss小于第二预设值”、“ 所述通信距离Dis小于第一预设值+所述熔接损耗WLoss大于第二预设值”之外的判断情况，此类情况较少，即使出现，也不影响本发明的后续实现，因为依然可以选择开启全部传感器全天候工作。
不过，实际实施中，可以通过选择不同的指定目标点的方式，最大程度的满足上述“所述通信距离Dis大于第一预设值+所述熔接损耗WLoss小于第二预设值”、 “所述通信距离Dis小于第一预设值+所述熔接损耗WLoss大于第二预设值”之一。
作为上述方法的进一步具体实现，将所述第一数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到所述第一指定目标点的城市综合管廊运行数据，具体包括图2所述的降序情况下的处理流程：
将所述第一数据集中的多个第一数据进行降序排列，获得降序排列数据集
Figure 317423DEST_PATH_IMAGE001
；
计算第一温度指标值
Figure 72889DEST_PATH_IMAGE002
、第二温度指标值
Figure 727862DEST_PATH_IMAGE003
的第一差值绝对值变化率：
Figure 277792DEST_PATH_IMAGE004
基于第一差值绝对值变化率判断
Figure 221477DEST_PATH_IMAGE005
和
Figure 780634DEST_PATH_IMAGE006
是否符合融合条件，其中
Figure 493375DEST_PATH_IMAGE007
，并且
Figure 214207DEST_PATH_IMAGE008
；
若符合融合条件，则计算
Figure 379609DEST_PATH_IMAGE005
和
Figure 476878DEST_PATH_IMAGE006
的融合值
Figure 309704DEST_PATH_IMAGE009
：
Figure 467016DEST_PATH_IMAGE010
；
作为具体的融合条件判断，判断
Figure 922312DEST_PATH_IMAGE005
和
Figure 823272DEST_PATH_IMAGE006
是否符合融合条件，包括：
计算
Figure 510605DEST_PATH_IMAGE005
和
Figure 838818DEST_PATH_IMAGE006
的差异变化率
Figure 713233DEST_PATH_IMAGE011
是否小于所述第一差值绝对值变化率
Figure 152305DEST_PATH_IMAGE012
：
Figure 694144DEST_PATH_IMAGE013
；
即判断
Figure 193259DEST_PATH_IMAGE014
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将降序排列数据集
Figure 617287DEST_PATH_IMAGE015
中的
Figure 860049DEST_PATH_IMAGE005
和
Figure 256396DEST_PATH_IMAGE006
删除，并将
Figure 926412DEST_PATH_IMAGE005
和
Figure 40998DEST_PATH_IMAGE006
的融合 值
Figure 821872DEST_PATH_IMAGE009
加入到所述降序排列数据集
Figure 72725DEST_PATH_IMAGE005
中。
作为进一步的优选实施例，为体现上述排序的优点，在上述实施例中，所述
Figure 913642DEST_PATH_IMAGE005
和
Figure 515525DEST_PATH_IMAGE006
为相邻的集合元素，即i=j+1；或者j=i+1，此种优选方式能极大的降低数据比较量。
与此相对应的，参见图3，图3是图1所述方法的升序排列情况下的融合原理示意图。
在图3中，所述方法进一步示出：
将所述第二数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到所述第一指定目标点的城市综合管廊运行数据，具体包括：
计算第一温度指标值
Figure 100090DEST_PATH_IMAGE002
、第二温度指标值
Figure 267766DEST_PATH_IMAGE003
的第二差值绝对值变化率：
Figure 279584DEST_PATH_IMAGE016
；
将所述第二数据集中的多个第一数据进行升序排列，获得升序排列数据集
Figure 368763DEST_PATH_IMAGE017
；
基于第二差值绝对值变化率判断
Figure 491440DEST_PATH_IMAGE018
和
Figure 716885DEST_PATH_IMAGE019
是否符合融合条件，其中
Figure 165184DEST_PATH_IMAGE020
，并且
Figure 210500DEST_PATH_IMAGE021
；
若符合融合条件，则计算
Figure 136868DEST_PATH_IMAGE018
和
Figure 482398DEST_PATH_IMAGE019
的融合值
Figure 836019DEST_PATH_IMAGE022
：
Figure 448527DEST_PATH_IMAGE023
；
作为具体的融合条件判断，判断
Figure 178586DEST_PATH_IMAGE018
和
Figure 378623DEST_PATH_IMAGE019
是否符合融合条件，包括：
计算
Figure 637566DEST_PATH_IMAGE018
和
Figure 923054DEST_PATH_IMAGE019
的差异变化率
Figure 191224DEST_PATH_IMAGE024
是否小于所述第一差值绝对值变化率
Figure 245768DEST_PATH_IMAGE025
：
Figure 206770DEST_PATH_IMAGE026
；
即判断
Figure 979554DEST_PATH_IMAGE027
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将升序排列数据集
Figure 785836DEST_PATH_IMAGE028
中的
Figure 757203DEST_PATH_IMAGE018
和
Figure 623528DEST_PATH_IMAGE019
删除，并将
Figure 883608DEST_PATH_IMAGE018
和
Figure 493581DEST_PATH_IMAGE019
的融合值
Figure 522717DEST_PATH_IMAGE022
加入到所述升序排列数据集
Figure 559943DEST_PATH_IMAGE028
中。
作为进一步的优选实施例，为体现上述排序的优点，在上述实施例中，所述
Figure 41740DEST_PATH_IMAGE018
和
Figure 455404DEST_PATH_IMAGE019
为相邻的集合元素，即i=j+1；或者j=i+1，此种优选方式能极大的降低数据比较 量。
最后参见图4，图4示出了一种城市综合管廊运行数据的采集装置的整体单元布局图。
可以理解，图4的装置单元可以对应实现图1- 3的相应步骤。
在图4中，所述采集装置包括多个传感器单元、传感器数据分析单元、传感器启动单元、传感器数据排序单元以及传感器数据融合单元。
具体的，多个传感器单元包括图4示出的传感器单元A、传感器单元B、传感器单元C、传感器单元D和传感器单元E。
具体的，传感器单元A为通信管道传感器；传感器单元B为电力电缆传感器；传感器单元C为天然气管道传感器；传感器单元D为排水管道传感器；传感器单元E为供热管道传感器。
传感器单元A、传感器单元B、传感器单元C、传感器单元D和传感器单元E的具体实现形式和原理可参见前述图1的实施例介绍，本实施例不再重复描述。
采用所述排水管道传感器检测给排水的第一温度指标值，并获得所述供热管道传感器测量得到的第二温度指标值；
所述传感器数据分析单元用于分析所述通信管道传感器测量得到的通信管道的通信距离Dis与熔接损耗WLoss；
当所述通信距离Dis与熔接损耗WLoss满足第一预设条件时，所述传感器启动单元启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集；
当所述通信距离Dis与熔接损耗WLoss满足第二预设条件时，所述传感器启动单元启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集；
所述数据排序单元用于将所述第一数据集或者第二数据集中的元素进行降序或者升序排列，获得降序数据集或者升序数据集；
所述传感器数据融合单元将所述降序数据集，或升序数据集，与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据。
当所述通信距离Dis与熔接损耗WLoss满足第一预设条件时，所述传感器启动单元启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集，具体包括：
若所述通信距离Dis大于第一预设值，并且所述熔接损耗WLoss小于第二预设值，则启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集。
当所述通信距离Dis与熔接损耗WLoss满足第二预设条件时，所述传感器启动单元启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集，具体包括：
若所述通信距离Dis小于第一预设值，并且所述熔接损耗WLoss大于第二预设值，其启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集。
所述传感器数据融合单元将所述降序数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据，具体包括：
计算第一温度指标值、第二温度指标值的第一差值绝对值变化率：
基于第一差值绝对值变化率判断降序数据集的每两个相邻元素是否符合融合条件，若符合融合条件，则计算所述两个相邻元素的融合值；
将降序数据集中的所述两个相邻元素删除，并将所述两个相邻元素的融合值加入到所述降序数据集中。
所述传感器数据融合单元将所述升序数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据，具体包括：
计算第一温度指标值、第二温度指标值的第二差值绝对值变化率：
基于第二差值绝对值变化率判断升序数据集的每两个相邻元素是否符合融合条件，若符合融合条件，则计算所述两个相邻元素的融合值；
将升序数据集中的所述两个相邻元素删除，并将所述两个相邻元素的融合值加入到所述升序数据集中。
可以理解，图4的实施例的相关判断条件，与图1- 3的相应步骤整体上一致。
图4的进一步改进在于限定了待比较或者待删除的两个元素“相邻”，这一点在图2或图3的优选实施例中也已经指出。
例如，所述传感器数据融合单元将所述降序数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据，可以是：
计算第一温度指标值
Figure 339046DEST_PATH_IMAGE002
、第二温度指标值
Figure 812753DEST_PATH_IMAGE003
的第一差值绝对值变化率：
Figure 578584DEST_PATH_IMAGE004
基于第一差值绝对值变化率判断
Figure 530359DEST_PATH_IMAGE005
和
Figure 534087DEST_PATH_IMAGE006
是否符合融合条件，其中
Figure 178695DEST_PATH_IMAGE007
，并且
Figure 369505DEST_PATH_IMAGE008
；
作为具体的融合条件判断，判断
Figure 124971DEST_PATH_IMAGE005
和
Figure 717627DEST_PATH_IMAGE006
是否符合融合条件，包括：
计算
Figure 329874DEST_PATH_IMAGE005
和
Figure 273559DEST_PATH_IMAGE006
的差异变化率
Figure 572996DEST_PATH_IMAGE011
是否小于所述第一差值绝对值变化率
Figure 285737DEST_PATH_IMAGE012
：
Figure 6569DEST_PATH_IMAGE013
；
即判断
Figure 437550DEST_PATH_IMAGE014
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
图4的实施例中，所述
Figure 331557DEST_PATH_IMAGE005
和
Figure 898804DEST_PATH_IMAGE006
为相邻的集合元素，即i=j+1；或者j=i+1。
若符合融合条件，则计算
Figure 790537DEST_PATH_IMAGE005
和
Figure 708814DEST_PATH_IMAGE006
的融合值
Figure 609774DEST_PATH_IMAGE009
：
Figure 828266DEST_PATH_IMAGE010
；
将降序排列数据集
Figure 156479DEST_PATH_IMAGE015
中的
Figure 296474DEST_PATH_IMAGE005
和
Figure 1124DEST_PATH_IMAGE006
删除，并将
Figure 277385DEST_PATH_IMAGE005
和
Figure 776499DEST_PATH_IMAGE006
的融合 值
Figure 403790DEST_PATH_IMAGE009
加入到所述降序数据集
Figure 646552DEST_PATH_IMAGE015
中。
所述传感器数据融合单元将所述升序数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据，可以是：
计算第一温度指标值
Figure 42899DEST_PATH_IMAGE002
、第二温度指标值
Figure 712914DEST_PATH_IMAGE003
的第二差值绝对值变化率：
Figure 624239DEST_PATH_IMAGE016
；
基于第二差值绝对值变化率判断
Figure 405113DEST_PATH_IMAGE018
和
Figure 921545DEST_PATH_IMAGE019
是否符合融合条件，其中
Figure 762462DEST_PATH_IMAGE020
，并且
Figure 364344DEST_PATH_IMAGE021
；
若符合融合条件，则计算
Figure 948910DEST_PATH_IMAGE018
和
Figure 319848DEST_PATH_IMAGE019
的融合值
Figure 66087DEST_PATH_IMAGE022
：
Figure 889687DEST_PATH_IMAGE023
；
作为具体的融合条件判断，判断
Figure 277943DEST_PATH_IMAGE018
和
Figure 497528DEST_PATH_IMAGE019
是否符合融合条件，包括：
计算
Figure 680248DEST_PATH_IMAGE018
和
Figure 256723DEST_PATH_IMAGE019
的差异变化率
Figure 183090DEST_PATH_IMAGE024
是否小于所述第一差值绝对值变化率
Figure 59780DEST_PATH_IMAGE025
：
Figure 678980DEST_PATH_IMAGE026
；
即判断
Figure 477171DEST_PATH_IMAGE027
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将升序数据集
Figure 207230DEST_PATH_IMAGE028
中的
Figure 141688DEST_PATH_IMAGE018
和
Figure 666210DEST_PATH_IMAGE019
删除，并将
Figure 951698DEST_PATH_IMAGE018
和
Figure 219868DEST_PATH_IMAGE019
的融合值
Figure 274412DEST_PATH_IMAGE022
加入到所述升序数据集
Figure 235415DEST_PATH_IMAGE028
中。
在上述实施例中，所述
Figure 742620DEST_PATH_IMAGE018
和
Figure 611218DEST_PATH_IMAGE019
为相邻的集合元素，即i=j+1；或者j=i+1。
可以看到，本发明可以获得城市综合管廊“有效”运行数据，获得的运行数据具有各向差异性，并且重复程度较低；同时，获得的运行数据又能够符合现场的温度变化的实际情况，具有各向代表性，符合城市综合管廊运行环境的客观规律；本发明对于监测数据进行整合再进行传输，不会存在大量冗余的数据会给数据处理增添处理负担的问题；同时，不同管道的不同传感器不会存在测量相同指标数据或者相近指标数据的情况，也不必所有时刻同时开启所有管道传感器同时传送所有数据。
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。此外，本发明的各个实施例可以单独或者合并，解决其中一个或者多个技术问题，但是不要求每个实施例或者技术方案均解决所有技术问题。
本发明未特别明确的部分模块结构，以现有技术记载的内容为准。本发明在前述背景技术部分以及具体实施例部分提及的现有技术可作为本发明的一部分，用于理解部分技术特征或者参数的含义。本发明的保护范围以权利要求实际记载的内容为准。

Claims (6)

1.一种城市综合管廊运行数据的采集方法，所述方法基于多传感器组合实现，所述多传感器组合包括天然气管道传感器、电力电缆传感器、排水管道传感器、通信管道传感器以及供热管道传感器；
所述天然气管道传感器用于检测天然气管道周围的电荷变化；
所述电力电缆传感器用于检测电力电缆运行状态是否正常；
所述排水管道传感器用于检测给排水的多种数据指标；
所述供热管道传感器用于测量供热管道的温度指标；
其特征在于，所述方法包括：
在第一指定目标点采用通信管道传感器测量通信管道的通信距离Dis与熔接损耗WLoss；
若通信距离Dis大于第一预设值，并且熔接损耗WLoss小于第二预设值，则启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集；
若通信距离Dis小于第一预设值，并且熔接损耗WLoss大于第二预设值，其启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集；
在第一指定目标点采用排水管道传感器检测给排水的第一温度指标值，并获得供热管道传感器测量得到的第二温度指标值；
将第一数据集或者第二数据集与第一温度指标值、第二温度指标值进行融合，得到第一指定目标点的城市综合管廊运行数据；
其中，将第一数据集与第一温度指标值、第二温度指标值进行融合，具体包括：
将第一数据集中的数据进行降序排列，获得降序排列数据集data1＝{data1,data2,…,datan}；
计算第一温度指标值Tep1、第二温度指标值Tep2的第一差值绝对值变化率：
Figure FDA0003757643590000011
基于第一差值绝对值变化率判断datai和dataj是否符合融合条件，其中i,j∈{1,2,…n}，并且i≠j,n>2；
若符合融合条件，则计算datai和dataj的融合值
Figure FDA0003757643590000012
Figure FDA0003757643590000013
其中，判断datai和dataj是否符合融合条件，包括：
计算datai和dataj的差异变化率
Figure FDA0003757643590000014
Figure FDA0003757643590000021
判断
Figure FDA0003757643590000022
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将降序排列数据集data1中的datai和dataj删除，并将datai和dataj的融合值
Figure FDA0003757643590000023
加入到所述降序排列数据集data1中；
其中，将第二数据集与第一温度指标值、第二温度指标值进行融合，具体包括：
计算第一温度指标值Tep1、第二温度指标值Tep2的第二差值绝对值变化率：
Figure FDA0003757643590000024
将第二数据集中的数据进行升序排列，获得升序排列数据集data2＝{Meta1,Meta2,…,Metam}；
基于第二差值绝对值变化率判断Metai和Metaj是否符合融合条件，其中i,j∈{1,2,…m}，并且i≠j,m>2；
若符合融合条件，则计算Metai和Metaj的融合值
Figure FDA0003757643590000025
Figure FDA0003757643590000026
其中，判断Metai和Metaj是否符合融合条件，包括：
计算Metai和Metaj的差异变化率
Figure FDA0003757643590000027
Figure FDA0003757643590000028
判断
Figure FDA0003757643590000029
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将升序排列数据集data2中的Metai和Metaj删除，并将Metai和Metaj的融合值
Figure FDA0003757643590000031
加入到升序排列数据集data2中。
2.如权利要求1所述的一种城市综合管廊运行数据的采集方法，其特征在于：
所述天然气管道传感器为压电加速传感器，所述压电加速传感器获取预定时间段内天然气管道周围的多组电荷值，将多组电荷值作为第二数据集。
3.如权利要求1所述的一种城市综合管廊运行数据的采集方法，其特征在于：
所述电力电缆传感器为磁阻传感器；所述磁阻传感器采集获得多组电压和/或电流值后执行电磁变换得到多组磁场变换值，将多组磁场变换值作为第一数据集。
4.一种城市综合管廊运行数据的采集装置，所述采集装置包括多个传感器单元、传感器数据分析单元、传感器启动单元、传感器数据排序单元以及传感器数据融合单元；
其特征在于：
所述多个传感器单元包括天然气管道传感器、电力电缆传感器、排水管道传感器、通信管道传感器以及供热管道传感器；
采用所述排水管道传感器检测给排水的第一温度指标值，并获得所述供热管道传感器测量得到的第二温度指标值；
传感器数据分析单元用于分析所述通信管道传感器测量得到的通信管道的通信距离Dis与熔接损耗WLoss；
当所述通信距离Dis与熔接损耗WLoss满足第一预设条件时，所述传感器启动单元启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集；
当所述通信距离Dis与熔接损耗WLoss满足第二预设条件时，所述传感器启动单元启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集；
所述数据排序单元用于将所述第一数据集或者第二数据集中的元素进行降序或者升序排列，获得降序排列数据集或者升序排列数据集；
所述传感器数据融合单元将所述降序排列 数据集或升序排列 数据集与所述第一温度指标值、所述第二温度指标值进行融合，得到城市综合管廊运行数据，
其中，将所述降序排列 数据集与所述第一温度指标值、所述第二温度指标值进行融合，具体包括：
所述降序排列数据集表示为data1＝{data1,data2,…,datan}；
计算第一温度指标值Tep1、第二温度指标值Tep2的第一差值绝对值变化率：
Figure FDA0003757643590000032
基于第一差值绝对值变化率判断datai和dataj是否符合融合条件，其中i,j∈{1,2,…n}，并且i≠j,n>2；
若符合融合条件，则计算datai和dataj的融合值
Figure FDA0003757643590000041
Figure FDA0003757643590000042
其中，判断datai和dataj是否符合融合条件，包括：
计算datai和dataj的差异变化率
Figure FDA0003757643590000043
Figure FDA0003757643590000044
判断
Figure FDA0003757643590000045
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将降序排列数据集data1中的datai和dataj删除，并将datai和dataj的融合值
Figure FDA0003757643590000046
加入到所述降序排列数据集data1中；
其中，将所述升序排列 数据集与所述第一温度指标值、所述第二温度指标值进行融合，具体包括：
所述升序排列数据集表示为data2＝{Meta1,Meta2,…,Metam}；
计算第一温度指标值Tep1、第二温度指标值Tep2的第二差值绝对值变化率：
Figure FDA0003757643590000047
基于第二差值绝对值变化率判断Metai和Metaj是否符合融合条件，其中i,j∈{1,2,…m}，并且i≠j,m>2；
若符合融合条件，则计算Metai和Metaj的融合值
Figure FDA0003757643590000048
Figure FDA0003757643590000049
其中，判断Metai和Metaj是否符合融合条件，包括：
计算Metai和Metaj的差异变化率
Figure FDA0003757643590000051
Figure FDA0003757643590000052
判断
Figure FDA0003757643590000053
是否成立；
如果成立，则符合融合条件；否则，不符合融合条件；
将升序排列数据集data2中的Metai和Metaj删除，并将Metai和Metaj的融合值
Figure FDA0003757643590000054
加入到所述升序排列数据集data2中。
5.如权利要求4所述的一种城市综合管廊运行数据的采集装置，其特征在于：
当所述通信距离Dis与熔接损耗WLoss满足第一预设条件时，所述传感器启动单元启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集，具体包括：
若所述通信距离Dis大于第一预设值，并且所述熔接损耗WLoss小于第二预设值，则启动通信距离Dis范围内的多个电力电缆传感器进行数据采集获得第一数据集。
6.如权利要求4所述的一种城市综合管廊运行数据的采集装置，其特征在于：
当所述通信距离Dis与熔接损耗WLoss满足第二预设条件时，所述传感器启动单元启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集，具体包括：
若所述通信距离Dis小于第一预设值，并且所述熔接损耗WLoss大于第二预设值，其启动通信距离Dis范围内的至少一个天然气管道传感器进行数据采集获得第二数据集。
CN202210536801.4A 2022-05-18 2022-05-18 城市综合管廊运行数据的采集方法与装置 Active CN114638557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210536801.4A CN114638557B (zh) 2022-05-18 2022-05-18 城市综合管廊运行数据的采集方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210536801.4A CN114638557B (zh) 2022-05-18 2022-05-18 城市综合管廊运行数据的采集方法与装置

Publications (2)

Publication Number Publication Date
CN114638557A CN114638557A (zh) 2022-06-17
CN114638557B true CN114638557B (zh) 2022-08-30

Family

ID=81953370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210536801.4A Active CN114638557B (zh) 2022-05-18 2022-05-18 城市综合管廊运行数据的采集方法与装置

Country Status (1)

Country Link
CN (1) CN114638557B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107424380A (zh) * 2017-07-13 2017-12-01 丁志国 城市地下综合管廊监测预警系统及其方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL251808B (en) * 2017-04-19 2019-03-31 Kimchy Yoav High resolution underground analysis
CN108170865A (zh) * 2018-01-30 2018-06-15 广州晟能电子科技有限公司 地下综合管廊系统廊体内部环境参数数据场采集及分析方法
CN208209989U (zh) * 2018-06-05 2018-12-07 山东捷讯通信技术有限公司 地下综合管廊多功能一体化区域网关
CN109587696B (zh) * 2018-11-05 2021-11-30 浙江农林大学 一种均衡城市综合管廊中的无线传感器网络能耗的方法
CN110022564B (zh) * 2019-05-21 2022-04-15 浙江农林大学 城市综合管廊中的无线传感器网络节点的部署方法
CN112862188A (zh) * 2021-02-06 2021-05-28 罗普特科技集团股份有限公司 一种多传感器环境预测方法及系统
CN113706838A (zh) * 2021-07-17 2021-11-26 北京工业大学 一种基于智能感知的便携式地铁和地下管廊施工风险自动解析仪
CN114118202A (zh) * 2022-01-17 2022-03-01 南京邮电大学 一种城市地下综合管廊异常事件预警方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107424380A (zh) * 2017-07-13 2017-12-01 丁志国 城市地下综合管廊监测预警系统及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于5G无线传感网络的智慧管廊综合监控系统设计;罗家木等;《电子测量技术》;20170415(第04期);全文 *

Also Published As

Publication number Publication date
CN114638557A (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
AU2020101293A4 (en) Artificial intelligence detection system for deep-buried fuel gas pipeline leakage
CN111120877B (zh) 一种基于分布式光纤测温的排水管网泄漏监测设备
CN104613885B (zh) 一种隧道内管道监测预警系统
CN103048588B (zh) 电力电缆故障在线定位方法与系统
CN105065917A (zh) 城市排水管网在线检测方法
CN110360945A (zh) 基于botdr的管道变形监测和掌上预警系统及方法
CN104266084A (zh) 基于分布式光纤传感器的输油管道内检测器跟踪定位方法
CN105089701A (zh) 基于分布式光纤传感的运营隧道健康监测预警系统及方法
CN109442561A (zh) 一种分布式热力管道泄漏监测系统
CN102706514A (zh) 光纤水感知系统与方法
CN105221936A (zh) 一种监测和定位直埋热力管道泄漏点的装置及其控制方法
CN105509979A (zh) 基于光纤负压波的油气管道泄漏监测定位系统及方法
CN111006849A (zh) 一种判断油气管道伴行光缆敷设状态的方法及系统
CN112728424A (zh) 一种基于螺旋缠绕式光纤的管道渗漏监测系统及监测方法
CN102997056A (zh) 一种天然气管道泄漏检测传感器间隔测定方法
CN114638557B (zh) 城市综合管廊运行数据的采集方法与装置
CN114842603A (zh) 一种高压电缆防外破监测预警系统
CN112066270B (zh) 一种分布式光纤内置的输水管道泄漏监测方法及设备
CN112964301A (zh) 电力管道的监测方法、装置、系统、设备及存储介质
CN203703626U (zh) 查找管道泄漏点的实际位置的系统
CN213274636U (zh) 一种分布式光纤供热管道渗漏检测预警系统
CN103439630A (zh) 电力电缆故障点定位方法与系统
CN205118673U (zh) 一种监测和定位直埋热力管道泄漏点的装置
CN209744071U (zh) 城镇供热管道光纤与铜线泄漏监测集成系统
CN204348003U (zh) 分布式地下光缆振动检测预警设备

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231122

Address after: 215004 Room 401, building 4, No. 78, Keling Road, high tech Zone, Huqiu District, Suzhou City, Jiangsu Province

Patentee after: SUZHOU BRAIN CONTROL ELECTRONIC TECHNOLOGY CO.,LTD.

Address before: 311200 Xiaoshan Higher Education Park, Hangzhou City, Zhejiang Province

Patentee before: ZHEJIANG College OF CONSTRUCTION