CN115330094A - 智慧燃气管道寿命预测方法、物联网系统、装置及介质 - Google Patents
智慧燃气管道寿命预测方法、物联网系统、装置及介质 Download PDFInfo
- Publication number
- CN115330094A CN115330094A CN202211256470.5A CN202211256470A CN115330094A CN 115330094 A CN115330094 A CN 115330094A CN 202211256470 A CN202211256470 A CN 202211256470A CN 115330094 A CN115330094 A CN 115330094A
- Authority
- CN
- China
- Prior art keywords
- gas pipeline
- performance parameter
- performance
- sequence
- target gas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000015556 catabolic process Effects 0.000 claims description 39
- 238000006731 degradation reaction Methods 0.000 claims description 39
- 230000009193 crawling Effects 0.000 claims description 25
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 320
- 238000007726 management method Methods 0.000 description 65
- 238000012549 training Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000007797 corrosion Effects 0.000 description 6
- 238000005260 corrosion Methods 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L55/00—Devices or appurtenances for use in, or in connection with, pipes or pipe systems
- F16L55/26—Pigs or moles, i.e. devices movable in a pipe or conduit with or without self-contained propulsion means
- F16L55/28—Constructional aspects
- F16L55/30—Constructional aspects of the propulsion means, e.g. towed by cables
- F16L55/32—Constructional aspects of the propulsion means, e.g. towed by cables being self-contained
-
- 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
-
- 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
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3447—Performance evaluation by modeling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L2101/00—Uses or applications of pigs or moles
- F16L2101/30—Inspecting, measuring or testing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L2201/00—Special arrangements for pipe couplings
- F16L2201/30—Detecting leaks
-
- 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
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based 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
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本说明书实施例提供一种智慧燃气管道寿命预测方法、物联网系统、装置以及介质,该方法由智慧燃气管网设备管理分平台执行,该方法包括:通过智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息;基于运行信息,确定目标燃气管道段在第一时间段内至少一个时刻的第一性能参数,其中,第一性能参数至少包括目标燃气管道段在第一时间段内的运输性能;基于至少一个时刻的第一性能参数,确定目标燃气管道段在第一时间段内的第一性能参数序列,其中,第一性能参数序列为至少一个时刻的第一性能参数按时间顺序进行排列得到的序列;基于第一性能参数序列,确定目标燃气管道段的剩余寿命。
Description
技术领域
本说明书涉及燃气管道安全领域,特别涉及一种智慧燃气管道寿命预测方法、物联网系统、装置以及介质。
背景技术
燃气管道传输因具有成本费用低、安全密闭、运输量大、容易控制管理等优势,已成为燃气运输的首选方式。但是燃气具有易燃、易爆的特点,一旦发生管道泄漏事故,就有可能造成爆炸、火灾、中毒、环境污染等一系列灾害,如果发生在居民聚集区,将会造成更为严重的危害。燃气管道发生泄漏的原因主要包括外力损伤、材料设备腐蚀老化、违规操作和自然灾害等。
燃气在管道运输过程中可能存在泄漏源,管线维护是一项艰苦的过程,在发生泄漏前及时对高风险的燃气管道段进行筛选和更换是有必要的。因此需要一种智慧燃气管道寿命预测方法、物联网系统、装置以及介质,能够实现对燃气管道的寿命进行预测。
发明内容
本说明书一个或多个实施例提供一种智慧燃气管道寿命预测方法,所述方法由智慧燃气管网设备管理分平台执行,所述方法包括:通过智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息;基于所述运行信息,确定所述目标燃气管道段在所述第一时间段内至少一个时刻的第一性能参数,其中,所述第一性能参数至少包括所述目标燃气管道段在第一时间段内的运输性能;基于所述至少一个时刻的所述第一性能参数,确定所述目标燃气管道段在所述第一时间段内的第一性能参数序列,其中,所述第一性能参数序列为所述至少一个时刻的所述第一性能参数按时间顺序进行排列得到的序列;基于所述第一性能参数序列,确定所述目标燃气管道段的剩余寿命。
本说明书一个或多个实施例提供一种智慧燃气管道寿命预测物联网系统,所述系统包括智慧燃气管网设备管理分平台和智慧燃气数据中心,所述智慧燃气管网设备管理分平台用于:通过所述智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息;基于所述运行信息,确定所述目标燃气管道段在所述第一时间段内至少一个时刻的第一性能参数,其中,所述第一性能参数至少包括所述目标燃气管道段在第一时间段内的运输性能;基于所述至少一个时刻的所述第一性能参数,确定所述目标燃气管道段在所述第一时间段内的第一性能参数序列,其中,所述第一性能参数序列为所述至少一个时刻的所述第一性能参数按时间顺序进行排列得到的序列;基于所述第一性能参数序列,确定所述目标燃气管道段的剩余寿命。
本说明书一个或多个实施例提供一种智慧燃气管道寿命预测装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现所述的方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行所述智慧燃气管道寿命预测方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的智慧燃气管道寿命预测物联网系统的应用场景示意图;
图2是根据本说明书一些实施例所示的智慧燃气管道寿命预测物联网系统的示例性模块图;
图3是根据本说明书一些实施例所示的智慧燃气管道寿命预测方法的示例性流程图;
图4是根据本说明书一些实施例所示的确定管道完整度的示意图;
图5A是根据本说明书一些实施例所示的燃气管道图谱的示意图;
图5B是根据本说明书一些实施例所示的确定目标燃气管道段的运输性能的示意图;
图6是根据本说明书一些实施例所示的性能参数预测模型的示例性结构图;
图7是根据本说明书一些实施例所示的确定第二性能参数序列的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解的是,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的智慧燃气管道寿命预测物联网系统的应用场景示意图。
如图1所示,应用场景100可以包括服务器110、网络120、终端设备130、监测设备140、存储设备150和目标燃气管道段160。
在一些实施例中,应用场景100可以通过实施本说明书中披露的智慧燃气管道寿命预测方法和/或物联网系统来确定目标燃气管道段的剩余寿命。例如,在一个典型的应用场景中,智慧燃气管道寿命预测物联网系统可以通过监测设备140获取目标燃气管道段160在第一时间段内的运行信息;基于运行信息,通过服务器110确定目标燃气管道段160在所述第一时间段内至少一个时刻的第一性能参数,其中,第一性能参数至少包括目标燃气管道段160在第一时间段内的运输性能;基于至少一个时刻的第一性能参数,通过服务器110确定目标燃气管道段160在第一时间段内的第一性能参数序列,其中,第一性能参数序列为至少一个时刻的第一性能参数按时间顺序进行排列得到的序列;基于第一性能参数序列,通过服务器110确定目标燃气管道段160的剩余寿命。关于运行信息、第一性能参数、第一时间点、第一性能参数序列以及剩余寿命的更多内容,可以参见图3及其相关描述。
服务器110与终端设备130可以通过网络120相连,服务器110可以与存储设备150通过网络120相连。服务器110可以包括处理设备,处理设备可以用于执行本说明书一些实施例所述的智慧燃气管道寿命预测方法。网络120可以连接应用场景100的各组成部分和/或连接系统与外部资源部分。存储设备150可以用于存储数据和/或指令,例如,存储设备150可以存储运行信息、第一性能参数、第一性能参数序列、第二性能参数、第二性能参数序列以及剩余寿命。存储设备150可以直接连接于服务器110或者处于服务器110的内部。终端设备130指一个或多个终端设备或软件。在一些实施例中,终端设备130可以接收处理设备发送的目标燃气管道段剩余寿命,并向用户展示。示例性的,终端设备130可以包括移动设备130-1、平板计算机130-2、膝上型计算机130-3等或其他具有输入和/或输出功能的设备中的一种或其任意组合。监测设备140可以用于获取目标燃气管道段在第一时间段内的运行信息。示例性的监测设备140可以包括摄像头、爬行机器人等。目标燃气管道段160可以是需要进行燃气管道寿命预测的气体运输的管路或管道段。例如,天然气管道段、二氧化碳管道段等。
应当注意应用场景100仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景100还可以包括数据库。又例如,应用场景100可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
物联网系统是一种包括用户平台、服务平台、管理平台、传感网络平台、对象平台中部分或全部平台的信息处理系统。用户平台是实现用户感知信息获取和控制信息生成的功能平台。服务平台可以实现连接管理平台和用户平台,起着感知信息服务通信和控制信息服务通信的功能。管理平台可以实现统筹、协调各功能平台(如用户平台、服务平台)之间的联系和协作。管理平台汇聚着物联网运行体系的信息,可以为物联网运行体系提供感知管理和控制管理功能。服务平台可以实现连接管理平台和对象平台,起着感知信息服务通信和控制信息服务通信的功能。用户平台是实现用户感知信息获取和控制信息生成的功能平台。
物联网系统中信息的处理可以分为用户感知信息的处理流程及控制信息的处理流程。控制信息可以是基于用户感知信息而生成的信息。在一些实施例中,控制信息可以包括用户需求控制信息,用户感知信息可以包括用户查询信息。其中,感知信息的处理是由对象平台获取感知信息,并通过传感网络平台传递至管理平台。用户需求控制信息则是由管理平台通过服务平台传输至用户平台,进而实现提示信息发送的控制。
图2是根据本说明书一些实施例所示的智慧燃气管道寿命预测物联网系统的示例性模块图。
如图2所示,智慧燃气管道寿命预测物联网系统200(后简称系统200)可以包括智慧燃气用户平台210、智慧燃气服务平台220、智慧燃气安全管理平台230、智慧燃气传感网络平台240以及智慧燃气管网设备对象平台250。在一些实施例中,系统200可以为服务器的一部分或由服务器实现。
在一些实施例中,系统200可以应用于燃气管道寿命预测的多种场景。在一些实施例中,系统200可以基于燃气用户发送的对燃气管道寿命的查询需求,得到查询指令,并根据查询指令,获取查询结果。在一些实施例中,系统200可以通过智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息;基于运行信息,确定目标燃气管道段在第一时间段内至少一个时刻的第一性能参数,其中,第一性能参数至少包括目标燃气管道段在第一时间段内的运输性能;基于至少一个时刻的第一性能参数,确定目标燃气管道段在第一时间段内的第一性能参数序列,其中,第一性能参数序列为至少一个时刻的第一性能参数按时间顺序进行排列得到的序列;基于第一性能参数序列,确定目标燃气管道段的剩余寿命。
系统200的多种场景可以包括燃气管道维护、燃气管道泄漏排查、燃气管道线路铺设等。需要说明的是以上场景仅为示例,并不对系统200的具体应用场景起限制作用,本领域技术人员可以在本实施例公开的内容基础上,将系统200应用于其他合适的任何场景。
智慧燃气用户平台210可以是以用户为主导,包括获取用户需求以及将信息反馈给用户的平台。在一些实施例中,智慧燃气用户平台210可以被配置为终端设备。例如,手机、电脑等智能设备。
在一些实施例中,智慧燃气用户平台210可以包括燃气用户分平台和监管用户分平台。燃气用户可以通过燃气用户分平台接收智慧燃气服务平台220发送的与目标燃气管道段剩余寿命相关的提醒信息;监管用户可以通过监管用户分平台发送目标燃气管道段剩余寿命查询指令至智慧燃气服务平台220。其中,燃气用户可以是目标燃气管道段的使用者,监管用户可以是目标燃气管道段的管理人员或政务人员。在一些实施例中,智慧燃气用户平台210可以通过终端设备,获取用户的输入指令,查询与目标燃气管道段剩余寿命相关的信息。又例如,智慧燃气用户平台210可以将与目标燃气管道段剩余寿命相关的信息反馈给用户。
智慧燃气服务平台220可以是提供信息/数据传递和交互的平台。
在一些实施例中,智慧燃气服务平台220可以用于智慧燃气安全管理平台230与智慧燃气用户平台210之间的信息和/或数据的交互。例如,智慧燃气服务平台220可以接收智慧燃气用户平台210发送的目标燃气管道段剩余寿命查询指令,进行存储处理后发送至智慧燃气安全管理平台230,以及从智慧燃气安全管理平台230获取与目标燃气管道段剩余寿命相关的信息,进行存储处理后发送至智慧燃气用户平台210。
在一些实施例中,智慧燃气服务平台220可以包括智慧用气服务分平台和智慧监管服务分平台。在一些实施例中,智慧用气服务分平台可以用于接收智慧燃气安全管理平台230发送的与目标燃气管道段剩余寿命相关的提醒信息,并将其发送至燃气用户分平台。在一些实施例中,智慧监管服务分平台可以用于接收监管用户分平台发送的目标燃气管道段剩余寿命查询指令,并将其发送至智慧燃气安全管理平台230。
智慧燃气安全管理平台230可以是指统筹、协调各功能平台之间的联系和协作,提供感知管理和控制管理的物联网平台。
在一些实施例中,智慧燃气安全管理平台230可以用于信息和/或数据的处理。例如,智慧燃气安全管理平台230可以用于管网巡线安全管理、管网燃气泄漏监测以及管网设备安全监测等。
在一些实施例中,智慧燃气安全管理平台230还可以用于智慧燃气服务平台220和智慧燃气传感网络平台240之间的信息和/或数据的交互。例如,智慧燃气安全管理平台230可以接收智慧燃气服务平台220(如智慧监管服务分平台)发送的目标燃气管道段剩余寿命查询指令,进行存储处理后发送至智慧燃气传感网络平台240,以及从智慧燃气传感网络平台240获取运行信息,进行存储处理后发送至智慧燃气服务平台220。
在一些实施例中,智慧燃气安全管理平台230可以包括智慧燃气管网设备管理分平台和智慧燃气数据中心。
在一些实施例中,智慧燃气管网设备管理分平台可以用于通过智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息;基于所述运行信息,确定所述目标燃气管道段在所述第一时间段内至少一个时刻的第一性能参数,其中,所述第一性能参数至少包括所述目标燃气管道段在第一时间段内的运输性能;基于所述至少一个时刻的所述第一性能参数,确定所述目标燃气管道段在所述第一时间段内的第一性能参数序列,其中,所述第一性能参数序列为所述至少一个时刻的所述第一性能参数按时间顺序进行排列得到的序列;基于所述第一性能参数序列,确定所述目标燃气管道段的剩余寿命。
在一些实施例中,智慧燃气管网设备管理分平台可以进一步用于:通过爬行机器人获取所述目标燃气管道段的图像;基于所述图像,通过图像识别模型确定所述目标燃气管道段的所述管道完整度,其中,所述图像识别模型为机器学习模型。
在一些实施例中,智慧燃气管网设备管理分平台可以进一步用于:通过所述智慧燃气数据中心确定所述目标燃气管道段对应的燃气管道图谱,所述燃气管道图谱为所述目标燃气管道段预设范围内的多个燃气管道段连接关系的图谱;基于所述燃气管道图谱,通过运输性能确定模型确定所述目标燃气管道段在所述第一时间段内的所述运输性能,所述运输性能确定模型为图神经网络模型。
在一些实施例中,智慧燃气管网设备管理分平台可以进一步用于:基于所述第一性能参数序列,预测所述目标燃气管道段在第二时间段的第二性能参数序列,所述第二性能参数序列中包括至少一个未来时刻的性能参数;基于所述第一性能参数序列和/或所述第二性能参数序列,确定所述目标燃气管道段的剩余寿命。
在一些实施例中,智慧燃气管网设备管理分平台可以进一步用于:获取多个性能退化模型;针对所述多个性能退化模型中的每一个,确定所述第一性能参数序列与该性能退化模型之间的拟合优度;基于所述第一性能参数序列与各个性能退化模型之间的拟合优度,从所述多个性能退化模型中确定目标性能退化模型;基于所述目标性能退化模型,确定所述第二性能参数序列。
在一些实施例中,智慧燃气管网设备管理分平台可以进一步用于:基于所述第一性能参数序列,通过性能参数预测模型确定所述目标燃气管道段在所述第二时间段的所述第二性能参数序列,其中,所述性能参数预测模型为时间序列预测模型。
在一些实施例中,智慧燃气管网设备管理分平台可以进一步用于:通过所述性能参数预测模型对所述第一性能参数序列、环境特征序列进行处理,确定所述目标燃气管道段在所述第二时间段的所述第二性能参数序列,其中,所述环境特征序列包括所述目标燃气管道段在所述第一时间段和/或所述第二时间段内所处环境的多个天气数据。
智慧燃气数据中心可以是对数据进行存储、调用、转运的数据管理分平台。智慧燃气数据中心可以存储历史数据,例如,历史燃气管道图谱、历史第一性能参数、第一性能参数序列、历史运行信息以及历史剩余寿命等。其中,上述数据可以通过人工输入或历史执行本方法得到。在一些实施例中,智慧燃气数据中心可以用于将所述目标燃气管道段的剩余寿命发送至所述智慧燃气服务平台220。
关于智慧燃气安全管理平台230的更多内容可以参见图3、图4、图5A、图5B、图6、图7及其相关描述。
智慧燃气传感网络平台240可以指对系统200中各平台间的传感通信进行统一管理的平台。在一些实施例中,智慧燃气传感网络平台240可以被配置为通信网络和网关。智慧燃气传感网络平台240可以采用多组网关服务器,或者多组智能路由器,在此不作过多限定。
在一些实施例中,智慧燃气传感网络平台240可以用于网络管理、协议管理、指令管理以及数据解析。在一些实施例中,智慧燃气传感网络平台240可以用于将目标燃气管道段的剩余寿命发送至智慧燃气数据中心。
智慧燃气管网设备对象平台250可以是用于对目标管道段进行监测、传输的功能设备。在一些实施例中,智慧燃气管网设备对象平台250可以被配置为监测设备。例如监控装置、摄像头、爬行机器人等。在一些实施例中,智慧燃气管网设备对象平台250可以将获取的运行信息通过智慧燃气传感网络平台240发送至智慧燃气安全管理平台230。
在本说明书的一些实施例中,通过基于智慧燃气物联网的燃气管道寿命预测系统,可以保证不同类型的数据之间的对立性,确保数据分类传输、溯源以及指令的分类下达和处理,使得物联网结构和数据处理清晰可控,方便了物联网的管控和数据处理。
图3是根据本说明书一些实施例所示的智慧燃气管道寿命预测方法的示例性流程图。在一些实施例中,流程300可以由智慧燃气管网设备管理分平台执行。如图3所示,流程300包括下述步骤:
步骤310,智慧燃气管网设备管理分平台通过智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息。
第一时间段可以是历史某一时间段。例如,第一时间段可以是历史的3个月的时间段。
运行信息可以是与目标燃气管道段使用时相关的信息。例如,运行信息可以包括目标燃气管道段使用时管道内压力、温度、气体流通速率等。
步骤320,智慧燃气管网设备管理分平台基于运行信息,确定目标燃气管道段在第一时间段内至少一个时刻的第一性能参数。
第一性能参数可以是表征目标燃气管道段在某一时刻的使用性能的参数。在一些实施例中,第一性能参数还可以包括目标燃气管道段在第一时间段内的运输性能。关于运输性能的具体说明,参见图5B及其相关描述。在一些实施例中,第一性能参数还可以包括目标燃气管道段在第一时间段内的管道完整度。关于管道完整度的具体说明,参见图4及其相关描述。在一些实施例中,第一性能参数还可以包括其他内容。例如,第一性能参数还可以包括目标燃气管道段在某一时刻的载荷能力、耐腐蚀能力、机械强度等中的一种或多种。第一性能参数可以通过数值表示,例如,最大载荷的应力值、机械强度的应力值等。在一些实施例中,第一性能参数可以通过数学拟合、人工智能等方式确定。
步骤330,智慧燃气管网设备管理分平台基于至少一个时刻的第一性能参数,确定目标燃气管道段在第一时间段内的第一性能参数序列。
在一些实施例中,第一性能参数序列为至少一个时刻的第一性能参数按时间顺序进行排列得到的序列。其中,时间顺序可以是时间正序或时间倒序。
步骤340,智慧燃气管网设备管理分平台基于第一性能参数序列,确定目标燃气管道段的剩余寿命。
剩余寿命可以是目标燃气管道段的剩余使用时长。例如,目标燃气管道段的剩余寿命可以是9个月、3年等。在一些实施例中,目标燃气管道段的剩余寿命可以通过数学拟合、人工智能处理等方式第一性能参数序列进行处理得到。关于确定目标燃气管道段的剩余寿命的具体说明,参见图6及其相关描述。
在一些实施例中,流程300还可以包括步骤350,智慧燃气管网设备管理分平台将目标燃气管道段的剩余寿命发送至智慧燃气数据中心。
在一些实施例中,智慧燃气数据中心可以用于将目标燃气管道段的剩余寿命发送至智慧燃气服务平台,智慧燃气服务平台可以用于将目标燃气管道段的剩余寿命发送至智慧燃气用户平台,智慧燃气用户平台可以用于供用户查询所述目标燃气管道段的所述剩余寿命。
通过本说明书一些实施例所述的智慧燃气管道寿命预测方法,可以实现对目标燃气管道段的剩余使用寿命进行预测,提前预估每个管道段的剩余寿命,有利于对管路的路网排查,对高危管道段及时处理,避免潜在泄漏风险。
图4是根据本说明书一些实施例所示的确定管道完整度的示意图。
在一些实施例中,第一性能参数还包括目标燃气管道段在第一时间段内的管道完整度。如图4所示,智慧燃气管网设备管理分平台可以进一步用于通过爬行机器人410获取目标燃气管道段的图像420;基于目标燃气管道段的图像420,通过图像识别模型430确定目标燃气管道段的管道完整度440。
爬行机器人410可以是对目标燃气管道段进行监测的智能设备。在一些实施例中,爬行机器人具有在目标燃气管道段内壁爬行的功能。例如,爬行机器人可以包括吸盘、磁性材料等结构,用于吸附在管道内壁并爬行。在一些实施例中,爬行机器人可以通过预设的传感器获取与目标燃气管道段相关的信息。例如,爬行机器人可以包括红外装置与摄像头,用于获取目标燃气管道段的图像420以及内壁的腐蚀信息;爬行机器人可以包括温度传感器,用于获取目标燃气管道段内的温度信息;爬行机器人可以包括压力传感器,用于获取目标燃气管道段内的压力信息;爬行机器人可以包括流速传感器,用于获取目标燃气管道段内的气流流速信息;爬行机器人可以包括湿度传感器,用于获取目标燃气管道段内的湿度信息。在一些实施例中,爬行机器人可以通过远程操作爬行与监测,或通过预设爬行机器人的参数自行爬行与监测。在一些实施例中,爬行机器人可以在目标燃气管道段外壁爬行,以获取目标燃气管道段外壁的上述信息。
在一些实施例中,爬行机器人可以以目标频率获取目标燃气管道段的图像。目标频率可以是爬行机器人获取目标燃气管道段的信息的频率。在一些实施例中,目标频率可以相关于目标燃气管道段与其他燃气管道段的差异率。例如,通过差异率与目标频率之间的预设关系表,确定每个差异率对应的目标频率。差异率可以表征目标燃气管道段与参考燃气管道段内部物理环境的差异(如温度、压力、湿度等)。例如,通过从智慧燃气数据中心调用历史燃气管道段内部的温度、压力、湿度等参数作为参考燃气管道段的参数,将其与目标燃气管道段的对应参数进行比较后得到。差异率可以通过百分数表示。例如,10%。在一些实施例中,当目标燃气管道段与其他燃气管道段的差异率大于差异率阈值时,说明目标燃气管道段可能因泄漏、腐蚀老化等因素导致内部物理环境变化,目标燃气管道段可能是存在泄漏风险的异常管道段。其中,差异率阈值可以人工设置确定。
图像识别模型430可以是机器学习模型,例如,图像识别模型430可以是卷积神经网络模型。图像识别模型430的输入可以包括目标燃气管道段的图像420,输出可以包括管道完整度440。
管道完整度可以是表征管道完好程度的参数。管道完整度可以是100以内的具体数值。在一些实施例中,管道完整度可以通过目标燃气管道段内的破裂、腐蚀、凸起、凹陷程度确定。管道内的破裂、腐蚀、凸起、凹陷等情况越严重,管道完整度可以越小。
在一些实施例中,图像识别模型430可以通过大量带有标识的训练样本训练得到。具体的,将带有标识的多组训练样本输入初始图像识别模型,基于初始图像识别模型的输出以及标识构建损失函数,基于损失函数迭代更新初始图像识别模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的图像识别模型。其中,预设条件可以为损失函数收敛。在一些实施例中,训练样本可以包括历史某一燃气管道段的图像,标识可以是历史某一燃气管道段的图像对应的管道完整度。标识可以通过人工标注获取。
本说明书一些实施例中,通过爬行机器人获取目标燃气管道段的图像以及其他信息,可以减少人工测量产生的人力资源浪费,爬行机器人的使用可以避免影响燃气管路的正常运行;另外,通过图像识别模型对图像进行进一步处理,可以提高管道完整度确定的智能化程度,避免人工确定带来的主观影响。
图5A是根据本说明书一些实施例所示的燃气管道图谱的示意图;图5B是根据本说明书一些实施例所示的确定目标燃气管道段的运输性能的示意图。
在一些实施例中,智慧燃气管网设备管理分平台可以通过智慧燃气数据中心确定目标燃气管道段对应的燃气管道图谱。例如,智慧燃气数据中心从存储设备、数据库中调用历史燃气管道段的信息,生成燃气管道图谱。
燃气管道图谱可以是反映目标燃气管道段预设范围内的多个燃气管道段连接关系的图谱。燃气管道图谱的节点可以是各个燃气管道段之间的分段处、储气点、门站或管道拐弯处,燃气管道图谱的边可以是各个燃气管道段。如图5A所示,A、B、C、D、E可以是节点,线段AB、BC、CD、CE可以是边,线段CD可以是目标燃气管道段。在一些实施例中,燃气管道图谱的节点特征可以包括各个燃气管道段之间的对接偏差。对接偏差可以反映各个燃气管道段之间对接结构的角度偏差、装配误差/公差。例如,节点D的角度误差为±0.025°。可以理解的是,对接偏差越大,燃气管道段产生泄漏的可能性越大。在一些实施例中,对接偏差可以通过人工输入确定,或由爬行机器人测量后确定。
在一些实施例中,燃气管道图谱的节点特征还包括是否对燃气进行处理。例如,节点D的节点特征可以包括对燃气进行加压处理;节点A的节点特征可以包括对燃气进行减压处理。在一些实施例中,是否对燃气进行处理可以通过特征值、向量表示。例如,节点D的节点特征为对燃气进行加压100Pa处理时,节点D的特征值可以是+100。在一些实施例中,是否对燃气进行处理可以通过人工输入确定。在一些实施例中,燃气管道图谱的边特征可以包括管道参数、管道维护情况。管道参数可以包括管道长度、管道内径、管壁厚度、管道材料等信息。管道维护情况可以包括管道维护周期、上一次维护时间等。在一些实施例中,管道参数、管道维护情况可以通过人工输入确定。在一些实施例中,燃气管道图谱的边特征可以包括管道完整度。管道完整度可以表征管道段的完好情况。在一些实施例中,管道完整度可以通过100以内的数值表示。
如图5B所示,智慧燃气管网设备管理分平台可以基于燃气管道图谱510,通过运输性能确定模型520确定目标燃气管道段在第一时间段内的运输性能530。
运输性能530可以是表征目标燃气管道段运载气体能力的参数。运输性能可以通过100以内的数值表示。可以理解的是,某一时刻目标燃气管道段的运输性能越好,目标燃气管道段在该时刻的剩余寿命可能越大。
运输性能确定模型520可以是机器学习模型。例如,图神经网络模型等。运输性能确定模型520的输入可以包括燃气管道图谱510,输出可以包括运输性能530。
在一些实施例中,运输性能确定模型520的输入还可以包括多个燃气管道段之间的差异率540。差异率540可以单独作为输入,还可以作为燃气管道图谱的节点特征输入。关于差异率的说明参见图4及其相关描述。
在一些实施例中,运输性能确定模型520可以通过大量带有标识的训练样本训练得到。具体的,将带有标识的训练样本输入运输性能确定模型,通过训练更新运输性能确定模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束。其中,预设条件为损失函数收敛。在一些实施例中,训练样本可以包括历史燃气管道图谱以及历史差异率,标识可以是历史燃气管道图谱中各个节点对应的运输性能。其中,历史燃气管道图谱包括历史节点、历史边、历史节点特征以及历史边特征。标识可以通过人工标注获取。
通过本说明书一些实施例所述的燃气管道图谱,可以将目标燃气管道段对应的管道网络可视化,有利于分析管道与管道对接处的运输能力,同时引入温度、压力、气体速率等损失,避免因管道长度的固有传输损失而导致性能预测偏差;另外,通过采用运输能力确定模型实现管道段运输能力智能判定,减少人为判断带来的误差。
图6是根据本说明书一些实施例所示的性能参数预测模型的示意图。
在一些实施例中,智慧燃气管网设备管理分平台可以基于第一性能参数序列,预测目标燃气管道段在第二时间段的第二性能参数序列。
第二时间段可以是未来某一时间段。例如,第二时间段可以是未来的2个月的时间段。在一些实施例中,第二时间段可以是第一时间段之后的某一时间段。
第二性能参数可以是目标燃气管道段在第二时间段内的性能参数。第二性能参数序列为在第二时间段内,至少一个时刻的第二性能参数按时间顺序进行排列得到的序列。其中,时间顺序可以是时间正序或时间倒序。例如,第二性能参数序列可以包括未来某一时间段内的第二性能参数1、第二性能参数2、……第二性能参数N等。在一些实施例中,第二性能参数序列中包括至少一个未来时刻的性能参数。在一些实施例中,第二性能参数序列可以通过数学拟合、人工智能等方式对第一性能参数序列进行处理得到。在一些实施例中,第二性能参数序列可以通过目标性能退化模型确定。关于目标性能退化模型的具体说明,参见图6及其相关描述。
在一些实施例中,智慧燃气管网设备管理分平台可以基于第一性能参数序列610,通过性能参数预测模型630确定目标燃气管道段在第二时间段的第二性能参数序列640。
性能参数预测模型630可以是机器学习模型。例如,时间序列预测模型等。性能参数预测模型630的输入可以包括第一性能参数序列610,输出可以包括第二性能参数序列640。
在一些实施例中,性能参数预测模型630的输入还可以包括环境特征序列620。智慧燃气管网设备管理分平台可以通过性能参数预测模型630对第一性能参数序列610、环境特征序列620进行处理,确定目标燃气管道段在第二时间段的第二性能参数序列640。
环境特征序列620可以是以时间顺序排列的多个环境特征。在一些实施例中,环境特征序列620可以包括目标燃气管道段在第一时间段和/或第二时间段内所处环境的多个时间点的天气数据。例如,环境特征1、环境特征2、……环境特征N等。在一些实施例中,环境特征序列620可以通过网络获取,或通过传感器、爬行机器人等获取。
在一些实施例中,性能参数预测模型630可以包括第一预测层631和第二预测层634。第一预测层631的输入可以包括第一性能参数序列610,输出可以包括修正前的第二性能参数序列632。第二预测层的输入可以包括修正前的第二性能参数序列632、置信度633、第一性能参数序列610以及环境特征序列620,输出可以包括第二性能参数序列640。
其中,置信度可以是反映修正前的第二性能参数序列可信程度的参数。在一些实施例中,置信度可以相关于第一预测层输出的修正前的第二性能参数序列中性能参数个数,以及燃气管道图谱的复杂程度。例如,当修正前的第二性能参数序列中性能参数个数越多,燃气管道图谱的复杂程度越大,表示修正前的第二性能参数序列数据完备,相应的其置信度可以越大。在一些实施例中,置信度可以通过置信度与性能参数个数,或置信度与复杂程度的预设对照关系表确定。
在一些实施例中,第一预测层和第二预测层可以通过联合训练得到。例如,可以基于大量带有标识的训练样本训练初始第一预测层和初始第二预测层。训练样本可以包括历史第一性能参数序列、历史环境特征序列、历史第一性能参数序列的置信度。标识可以是对应的第二性能参数序列。标识可以人工标注获取。将训练样本中的历史第一性能参数序列输入第一预测层;将第一预测层的输出、历史第一性能参数序列的置信度、历史第一性能参数序列以及历史环境特征序列输入第二预测层,得到第二预测层输出的第二性能参数序列。基于标识的第二性能参数序列和第二预测层输出的第二性能参数序列构建损失函数,同步更新第一预测层和第二预测层的参数。通过参数更新,得到训练好的第一预测层和第二预测层。
通过本说明书一些实施例所述的性能参数预测模型,可以实现第二性能参数序列的智能预测;另外,通过引入环境特征序列以及置信度来对预测的第二性能参数序列进行修正,可以得到更符合实时环境情况的第二性能参数序列。
在一些实施例中,智慧燃气管网设备管理分平台可以基于第一性能参数序列和/或第二性能参数序列,确定目标燃气管道段的剩余寿命650。在一些实施例中,目标燃气管道段的剩余寿命650可以基于第一性能参数序列和/或第二性能参数序列,通过预设函数关系确定。例如,第一性能参数序列和/或第二性能参数序列可以与目标燃气管道段的剩余寿命呈一次函数关系,即每个第一性能参数和/或第二性能参数越小,剩余寿命可以呈一次函数关系减小。可以理解的是,预设函数关系还可以包括其他关系如指数函数、幂函数等,本领域人员可以通过不同使用场景确定具体的预设函数关系,此处不再赘述。
图7是根据本说明书一些实施例所示的确定第二性能参数序列的示例性流程图。在一些实施例中,流程700可以由智慧燃气管网设备管理分平台执行。如图7所示,流程700包括下述步骤:
步骤710,智慧燃气管网设备管理分平台获取多个性能退化模型。
性能退化模型可以是反映目标燃气管道段性能参数随时间变化的模型。例如,性能参数退化模型可以包括线性退化模型、非线性退化模型(如幂律退化模型、指数退化模型、对数退化模型)等。在一些实施例中,性能退化模型可以通过网络获取,或通过从存储设备、数据库等调用获取。智慧燃气管网设备管理分平台可以同时获取多个性能退化模型。
步骤720,智慧燃气管网设备管理分平台针对多个性能退化模型中的每一个,确定第一性能参数序列与该性能退化模型之间的拟合优度。
拟合优度可以表征第一性能参数序列与性能退化模型之间的拟合匹配度。例如,性能退化模型的回归曲线与第一性能参数序列观测值的拟合程度越高,拟合优度可以越大。
步骤730,智慧燃气管网设备管理分平台基于第一性能参数序列与各个性能退化模型之间的拟合优度,从多个性能退化模型中确定目标性能退化模型。
目标性能退化模型可以是最终要使用的模型。在一些实施例中,智慧燃气管网设备管理分平台可以将多个性能退化模型中拟合优度最大的性能退化模型确定为目标性能退化模型。
步骤740,智慧燃气管网设备管理分平台基于目标性能退化模型,确定第二性能参数序列。
在一些实施例中,智慧燃气管网设备管理分平台可以将第一性能参数序列带入目标性能退化模型,通过模型拟合确定第二性能参数序列。
在一些实施例中,智慧燃气管网设备管理分平台可以基于上述方式得到的第二性能参数序列,确定目标燃气管道段的剩余寿命。关于确定目标燃气管道段的剩余寿命的具体说明,参见图6及其相关描述。
本说明书一些实施例中通过模型拟合回归的方式确定第二性能参数序列,可以通过数学计算得到第二性能参数序列的理论值,为后续实际剩余寿命的确定提供理论参考。
本说明书提供一种智慧燃气管道寿命预测装置,该装置包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行计算机指令中的至少部分指令以实现前述智慧燃气管道寿命预测方法。
本说明书提供一种计算机可读存储介质,该存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如前述智慧燃气管道寿命预测方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种智慧燃气管道寿命预测方法,其特征在于,所述方法由智慧燃气管网设备管理分平台执行,所述方法包括:
通过智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息;
基于所述运行信息,确定所述目标燃气管道段在所述第一时间段内至少一个时刻的第一性能参数,其中,所述第一性能参数至少包括所述目标燃气管道段在第一时间段内的运输性能;
基于至少一个时刻的所述第一性能参数,确定所述目标燃气管道段在所述第一时间段内的第一性能参数序列,其中,所述第一性能参数序列为至少一个时刻的所述第一性能参数按时间顺序进行排列得到的序列;
基于所述第一性能参数序列,确定所述目标燃气管道段的剩余寿命。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述目标燃气管道段的所述剩余寿命发送至所述智慧燃气数据中心,所述智慧燃气数据中心用于将所述目标燃气管道段的剩余寿命发送至智慧燃气服务平台,所述智慧燃气服务平台用于将所述目标燃气管道段的所述剩余寿命发送至智慧燃气用户平台,所述智慧燃气用户平台用于供用户查询所述目标燃气管道段的所述剩余寿命。
3.如权利要求1所述的方法,其特征在于,所述第一性能参数还包括所述目标燃气管道段在所述第一时间段内的管道完整度,所述基于运行信息,确定目标燃气管道段在第一时间段内至少一个时刻的第一性能参数包括:
通过爬行机器人获取所述目标燃气管道段的图像;
基于所述图像,通过图像识别模型确定所述目标燃气管道段的所述管道完整度,其中,所述图像识别模型为机器学习模型。
4.如权利要求1所述的方法,其特征在于,所述基于运行信息,确定目标燃气管道段在第一时间段内至少一个时刻的第一性能参数包括:
通过所述智慧燃气数据中心确定所述目标燃气管道段对应的燃气管道图谱,所述燃气管道图谱为所述目标燃气管道段预设范围内的多个燃气管道段连接关系的图谱;
基于所述燃气管道图谱,通过运输性能确定模型确定所述目标燃气管道段在所述第一时间段内的所述运输性能,所述运输性能确定模型为图神经网络模型。
5.如权利要求1所述的方法,其特征在于,所述基于第一性能参数序列,确定目标燃气管道段的剩余寿命包括:
基于所述第一性能参数序列,预测所述目标燃气管道段在第二时间段的第二性能参数序列,所述第二性能参数序列中包括至少一个未来时刻的性能参数;
基于所述第一性能参数序列和/或所述第二性能参数序列,确定所述目标燃气管道段的剩余寿命。
6.如权利要求5所述的方法,其特征在于,所述基于第一性能参数序列,预测目标燃气管道段在第二时间段的第二性能参数序列包括:
获取多个性能退化模型;
针对所述多个性能退化模型中的每一个,确定所述第一性能参数序列与所述性能退化模型之间的拟合优度;
基于所述第一性能参数序列与各个性能退化模型之间的拟合优度,从所述多个性能退化模型中确定目标性能退化模型;
基于所述目标性能退化模型,确定所述第二性能参数序列。
7.如权利要求5所述的方法,其特征在于,所述基于第一性能参数序列,预测目标燃气管道段在第二时间段的第二性能参数序列包括:
基于所述第一性能参数序列,通过性能参数预测模型确定所述目标燃气管道段在所述第二时间段的所述第二性能参数序列,其中,所述性能参数预测模型为时间序列预测模型。
8.一种智慧燃气管道寿命预测物联网系统,其特征在于,所述系统包括智慧燃气安全管理平台,所述智慧燃气安全管理平台包括智慧燃气管网设备管理分平台和智慧燃气数据中心,所述智慧燃气管网设备管理分平台用于:
通过所述智慧燃气数据中心获取目标燃气管道段在第一时间段内的运行信息;
基于所述运行信息,确定所述目标燃气管道段在所述第一时间段内至少一个时刻的第一性能参数,其中,所述第一性能参数至少包括所述目标燃气管道段在第一时间段内的运输性能;
基于至少一个时刻的所述第一性能参数,确定所述目标燃气管道段在所述第一时间段内的第一性能参数序列,其中,所述第一性能参数序列为至少一个时刻的所述第一性能参数按时间顺序进行排列得到的序列;
基于所述第一性能参数序列,确定所述目标燃气管道段的剩余寿命。
9.一种智慧燃气管道寿命预测装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1至7中任意一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310139762.9A CN116070771A (zh) | 2022-10-14 | 2022-10-14 | 智慧燃气管道运输性能确定方法和物联网系统 |
CN202211256470.5A CN115330094B (zh) | 2022-10-14 | 2022-10-14 | 智慧燃气管道寿命预测方法、物联网系统、装置及介质 |
US18/062,555 US11898704B2 (en) | 2022-10-14 | 2022-12-06 | Methods and Internet of Things systems for smart gas pipeline life prediction based on safety |
US18/528,705 US20240102619A1 (en) | 2022-10-14 | 2023-12-04 | Method and internet of things system for smart gas pipeline transportation performance prediction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211256470.5A CN115330094B (zh) | 2022-10-14 | 2022-10-14 | 智慧燃气管道寿命预测方法、物联网系统、装置及介质 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310139762.9A Division CN116070771A (zh) | 2022-10-14 | 2022-10-14 | 智慧燃气管道运输性能确定方法和物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330094A true CN115330094A (zh) | 2022-11-11 |
CN115330094B CN115330094B (zh) | 2023-04-07 |
Family
ID=83914891
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211256470.5A Active CN115330094B (zh) | 2022-10-14 | 2022-10-14 | 智慧燃气管道寿命预测方法、物联网系统、装置及介质 |
CN202310139762.9A Pending CN116070771A (zh) | 2022-10-14 | 2022-10-14 | 智慧燃气管道运输性能确定方法和物联网系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310139762.9A Pending CN116070771A (zh) | 2022-10-14 | 2022-10-14 | 智慧燃气管道运输性能确定方法和物联网系统 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11898704B2 (zh) |
CN (2) | CN115330094B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511666A (zh) * | 2022-11-14 | 2022-12-23 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的门站滤芯更换预测方法和物联网系统 |
CN116006809A (zh) * | 2022-12-20 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 一种基于智慧燃气的管道低温维护方法和物联网系统 |
CN116737804A (zh) * | 2023-08-15 | 2023-09-12 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气物联网的燃气数据分级处理方法和系统 |
US11985194B2 (en) | 2022-11-14 | 2024-05-14 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things systems for predicting filter element replacement at gate station for smart gas |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631066B (zh) * | 2022-12-22 | 2023-03-07 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道冻胀安全管理方法和物联网系统 |
CN116539128B (zh) * | 2023-06-26 | 2023-11-17 | 成都秦川物联网科技股份有限公司 | 智慧燃气超声波计量仪表准确度诊断方法及物联网系统 |
CN117132026B (zh) * | 2023-10-26 | 2024-01-12 | 成都秦川物联网科技股份有限公司 | 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 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030011363A1 (en) * | 2001-05-30 | 2003-01-16 | Malcolm Wayman | Pipe condition detecting apparatus |
CN101071098A (zh) * | 2007-06-19 | 2007-11-14 | 广州市煤气公司 | 地下钢质燃气管网管道腐蚀预测系统 |
CN101488213A (zh) * | 2008-01-17 | 2009-07-22 | 新奥(廊坊)燃气技术研究发展有限公司 | 城镇燃气管道风险评价和安全管理决策支持系统 |
US20140379280A1 (en) * | 2013-06-20 | 2014-12-25 | Mitsubishi Hitachi Power Systems, Ltd. | Remaining Life Assessment Method for Heat-Resisting Steel Member |
EP2902584A2 (en) * | 2014-02-04 | 2015-08-05 | Aquaterra Energy Limited | An offshore pipe monitoring system |
JP2016033808A (ja) * | 2014-07-30 | 2016-03-10 | 株式会社日立製作所 | 管路更新計画立案支援システムおよび管路更新計画立案支援方法 |
US20160215918A1 (en) * | 2015-01-27 | 2016-07-28 | Andrew Cunningham | Method of improving the life expectancy of piping |
WO2018044507A1 (en) * | 2016-08-29 | 2018-03-08 | Siemens Corporation | Machine learning-aided model-based method for estimating gas turbine component life |
CN108536926A (zh) * | 2018-03-21 | 2018-09-14 | 西安建筑科技大学 | 基于改进自适应gev分布的腐蚀油气管道剩余寿命分析方法 |
CN109977511A (zh) * | 2019-03-18 | 2019-07-05 | 四川轻化工大学 | 基于人工智能大数据预测塑料压力管道长期寿命的方法 |
CN110705176A (zh) * | 2019-09-02 | 2020-01-17 | 北京市燃气集团有限责任公司 | 燃气管道剩余寿命预测方法和装置 |
CN111783354A (zh) * | 2020-05-22 | 2020-10-16 | 浙江理工大学 | Rbf神经网络模型的流致腐蚀特性预测及寿命评估方法 |
CN112257327A (zh) * | 2019-07-05 | 2021-01-22 | 天津科技大学 | 一种基于小波变换去噪和堆叠自编码特征选择的海底管道剩余寿命预测方法 |
CN112800580A (zh) * | 2020-12-30 | 2021-05-14 | 上海电气风电集团股份有限公司 | 风电机组的备品备件的储备数量确定方法及其系统 |
CN113486494A (zh) * | 2021-06-07 | 2021-10-08 | 深圳市燃气集团股份有限公司 | 一种燃气管道状态监控决策方法及系统 |
CN113536982A (zh) * | 2021-06-28 | 2021-10-22 | 长江大学 | 主减速器剩余寿命智能预测方法、系统、设备及介质 |
CN114352947A (zh) * | 2021-12-08 | 2022-04-15 | 天翼物联科技有限公司 | 一种燃气管道泄漏检测方法、系统、装置及存储介质 |
CN114390079A (zh) * | 2022-03-24 | 2022-04-22 | 成都秦川物联网科技股份有限公司 | 一种智慧城市公共场所管理方法和物联网系统 |
CN114547822A (zh) * | 2022-02-28 | 2022-05-27 | 国家石油天然气管网集团有限公司华南分公司 | 一种管道安全预警方法、装置及介质 |
CN114626643A (zh) * | 2022-05-16 | 2022-06-14 | 成都秦川物联网科技股份有限公司 | 智慧城市政府供电调控方法、物联网系统、装置及介质 |
CN114778687A (zh) * | 2021-12-24 | 2022-07-22 | 杭州市特种设备检测研究院(杭州市特种设备应急处置中心) | 一种压力管道焊接缺陷快速识别与评价方法 |
CN114818460A (zh) * | 2022-03-07 | 2022-07-29 | 上海交通大学 | 基于自动机器学习的实验室设备剩余使用寿命预测方法 |
CN115130232A (zh) * | 2022-04-14 | 2022-09-30 | 腾讯科技(深圳)有限公司 | 零件的寿命预测方法、装置、设备、存储介质及程序产品 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11620553B2 (en) * | 2016-04-21 | 2023-04-04 | Utopus Insights, Inc. | System and method for forecasting leaks in a fluid-delivery pipeline network |
BR112020010627A2 (pt) * | 2017-11-30 | 2020-11-10 | Michael Munoz | sistema sensor sem fio habilitado com internet das coisas (iot) que permite controle de processo, métodos para permitir o controle de processo e a manutenção preditiva, de fabricação de uma cápsula do sensor eletromagnético passivo e de fabricação de componentes de hardware de distribuição equipados com sensor eletromagnético passivo |
EP3671201B1 (en) * | 2018-12-20 | 2022-12-14 | Suez International | An improved method for evaluating pipe condition |
WO2020153903A1 (en) * | 2019-01-21 | 2020-07-30 | Nanyang Technological University | Method and system for monitoring a gas distribution network operating at low pressure |
-
2022
- 2022-10-14 CN CN202211256470.5A patent/CN115330094B/zh active Active
- 2022-10-14 CN CN202310139762.9A patent/CN116070771A/zh active Pending
- 2022-12-06 US US18/062,555 patent/US11898704B2/en active Active
-
2023
- 2023-12-04 US US18/528,705 patent/US20240102619A1/en active Pending
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030011363A1 (en) * | 2001-05-30 | 2003-01-16 | Malcolm Wayman | Pipe condition detecting apparatus |
CN101071098A (zh) * | 2007-06-19 | 2007-11-14 | 广州市煤气公司 | 地下钢质燃气管网管道腐蚀预测系统 |
CN101488213A (zh) * | 2008-01-17 | 2009-07-22 | 新奥(廊坊)燃气技术研究发展有限公司 | 城镇燃气管道风险评价和安全管理决策支持系统 |
US20140379280A1 (en) * | 2013-06-20 | 2014-12-25 | Mitsubishi Hitachi Power Systems, Ltd. | Remaining Life Assessment Method for Heat-Resisting Steel Member |
EP2902584A2 (en) * | 2014-02-04 | 2015-08-05 | Aquaterra Energy Limited | An offshore pipe monitoring system |
JP2016033808A (ja) * | 2014-07-30 | 2016-03-10 | 株式会社日立製作所 | 管路更新計画立案支援システムおよび管路更新計画立案支援方法 |
US20160215918A1 (en) * | 2015-01-27 | 2016-07-28 | Andrew Cunningham | Method of improving the life expectancy of piping |
WO2018044507A1 (en) * | 2016-08-29 | 2018-03-08 | Siemens Corporation | Machine learning-aided model-based method for estimating gas turbine component life |
CN108536926A (zh) * | 2018-03-21 | 2018-09-14 | 西安建筑科技大学 | 基于改进自适应gev分布的腐蚀油气管道剩余寿命分析方法 |
CN109977511A (zh) * | 2019-03-18 | 2019-07-05 | 四川轻化工大学 | 基于人工智能大数据预测塑料压力管道长期寿命的方法 |
CN112257327A (zh) * | 2019-07-05 | 2021-01-22 | 天津科技大学 | 一种基于小波变换去噪和堆叠自编码特征选择的海底管道剩余寿命预测方法 |
CN110705176A (zh) * | 2019-09-02 | 2020-01-17 | 北京市燃气集团有限责任公司 | 燃气管道剩余寿命预测方法和装置 |
CN111783354A (zh) * | 2020-05-22 | 2020-10-16 | 浙江理工大学 | Rbf神经网络模型的流致腐蚀特性预测及寿命评估方法 |
CN112800580A (zh) * | 2020-12-30 | 2021-05-14 | 上海电气风电集团股份有限公司 | 风电机组的备品备件的储备数量确定方法及其系统 |
CN113486494A (zh) * | 2021-06-07 | 2021-10-08 | 深圳市燃气集团股份有限公司 | 一种燃气管道状态监控决策方法及系统 |
CN113536982A (zh) * | 2021-06-28 | 2021-10-22 | 长江大学 | 主减速器剩余寿命智能预测方法、系统、设备及介质 |
CN114352947A (zh) * | 2021-12-08 | 2022-04-15 | 天翼物联科技有限公司 | 一种燃气管道泄漏检测方法、系统、装置及存储介质 |
CN114778687A (zh) * | 2021-12-24 | 2022-07-22 | 杭州市特种设备检测研究院(杭州市特种设备应急处置中心) | 一种压力管道焊接缺陷快速识别与评价方法 |
CN114547822A (zh) * | 2022-02-28 | 2022-05-27 | 国家石油天然气管网集团有限公司华南分公司 | 一种管道安全预警方法、装置及介质 |
CN114818460A (zh) * | 2022-03-07 | 2022-07-29 | 上海交通大学 | 基于自动机器学习的实验室设备剩余使用寿命预测方法 |
CN114390079A (zh) * | 2022-03-24 | 2022-04-22 | 成都秦川物联网科技股份有限公司 | 一种智慧城市公共场所管理方法和物联网系统 |
CN115130232A (zh) * | 2022-04-14 | 2022-09-30 | 腾讯科技(深圳)有限公司 | 零件的寿命预测方法、装置、设备、存储介质及程序产品 |
CN114626643A (zh) * | 2022-05-16 | 2022-06-14 | 成都秦川物联网科技股份有限公司 | 智慧城市政府供电调控方法、物联网系统、装置及介质 |
Non-Patent Citations (3)
Title |
---|
张新生等: "基于动态PSO-HSMM的海底油气管道寿命预测", 《消防科学与技术》 * |
滕伟等: "基于数据驱动的燃气轮机剩余寿命预测", 《燃气轮机技术》 * |
郭凌云等: "基于不同随机退化过程的腐蚀管道时变失效概率", 《石油学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511666A (zh) * | 2022-11-14 | 2022-12-23 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的门站滤芯更换预测方法和物联网系统 |
US11985194B2 (en) | 2022-11-14 | 2024-05-14 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things systems for predicting filter element replacement at gate station for smart gas |
CN116006809A (zh) * | 2022-12-20 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 一种基于智慧燃气的管道低温维护方法和物联网系统 |
CN116737804A (zh) * | 2023-08-15 | 2023-09-12 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气物联网的燃气数据分级处理方法和系统 |
CN116737804B (zh) * | 2023-08-15 | 2023-11-10 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气物联网的燃气数据分级处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20240102619A1 (en) | 2024-03-28 |
US20230094640A1 (en) | 2023-03-30 |
US11898704B2 (en) | 2024-02-13 |
CN116070771A (zh) | 2023-05-05 |
CN115330094B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115330094B (zh) | 智慧燃气管道寿命预测方法、物联网系统、装置及介质 | |
US20230386314A1 (en) | Methods for indoor gas leakage disposal of smart gas and internet of things systems thereof | |
US20230221207A1 (en) | Methods and internet of things systems for determining gas leakages based on smart gas | |
US20240035868A1 (en) | Method for correcting reading of gas meter in smart gas, internet of things system, and medium thereof | |
US20230092319A1 (en) | Drone cloud connectivity for asset and facility operations | |
CN115936722B (zh) | 智慧燃气呼叫中心的数据管理方法与物联网系统、介质 | |
US11620341B1 (en) | Industrial virtual assistant platform with robotic process automation for knowledge and insights management | |
CN110019285A (zh) | 一种警情识别分派方法及电子设备 | |
CN116940956A (zh) | 用于设备功能下降型故障预警的工业物联网、方法及介质 | |
CN115545967A (zh) | 实现安全用气的燃气异常判断方法和智慧燃气物联网系统 | |
CN113723184A (zh) | 基于智能网关的场景识别系统、方法、装置和智能网关 | |
US11562227B2 (en) | Interactive assistant | |
CN113678150A (zh) | 用于动作确定的系统 | |
CN114205134A (zh) | 网络策略检测方法、电子设备及存储介质 | |
CN116703167B (zh) | 养殖设备告警监测处理方法、装置、设备及存储介质 | |
US20230117676A1 (en) | Methods and internet of things systems for maintaining and managing storage and distribution station of smart gas | |
CN115619355B (zh) | 智慧燃气有害组分监控方法、物联网系统、装置以及介质 | |
US20230367935A1 (en) | Methods, internet of things systems, and storage mediums for management of pipeline network inspection based on smart gas geographic information systems | |
CN116744357A (zh) | 基站故障预测方法、装置、设备和介质 | |
CN113225525B (zh) | 一种室内监控方法及系统 | |
KR102279039B1 (ko) | 모바일 디바이스 및 정비지원서버를 포함하는 선박 정비 지원 시스템에 의한 선박 정비 지원 방법 | |
CN115577334B (zh) | 一种基于多模型融合的空管安全数据运行保障系统及方法 | |
CN116029537A (zh) | 输电线路巡检方法、装置、计算机设备和存储介质 | |
Naline et al. | STREAMER 3.0: Towards Online Monitoring and Distributed Learning | |
Zhu et al. | When Edge Computing Meets Agile Software Development |
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 |