CN115511666A - 用于智慧燃气的门站滤芯更换预测方法和物联网系统 - Google Patents
用于智慧燃气的门站滤芯更换预测方法和物联网系统 Download PDFInfo
- Publication number
- CN115511666A CN115511666A CN202211417216.9A CN202211417216A CN115511666A CN 115511666 A CN115511666 A CN 115511666A CN 202211417216 A CN202211417216 A CN 202211417216A CN 115511666 A CN115511666 A CN 115511666A
- Authority
- CN
- China
- Prior art keywords
- gas
- platform
- filter element
- wisdom
- intelligent
- 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 43
- 239000012535 impurity Substances 0.000 claims abstract description 100
- 238000012423 maintenance Methods 0.000 claims abstract description 71
- 238000009423 ventilation Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 49
- 238000004140 cleaning Methods 0.000 claims description 39
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 4
- 239000007789 gas Substances 0.000 description 285
- 238000007726 management method Methods 0.000 description 65
- 238000000605 extraction Methods 0.000 description 20
- 238000012549 training Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000009825 accumulation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000005273 aeration Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000009972 noncorrosive effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013022 venting Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000706 filtrate Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- 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
- 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
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering 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]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Filtering Of Dispersed Particles In Gases (AREA)
Abstract
本说明书实施例提供一种用于智慧燃气的门站滤芯更换预测方法和物联网系统,所述方法包括:智慧燃气数据中心经由智慧燃气传感网络平台获取滤芯的使用信息,所述使用信息至少包括滤芯通气效率、已过滤的杂质信息和堵塞程度中的至少一种;智慧燃气管网设备管理分平台从智慧燃气数据中心获取使用信息,基于使用信息确定滤芯维护方案,并将滤芯维护方案发送至智慧燃气数据中心;智慧燃气数据中心将滤芯维护方案经由智慧燃气服务平台发送至智慧燃气用户平台。
Description
技术领域
本说明书涉及燃气设备领域,特别涉及一种用于智慧燃气的门站滤芯更换预测方法和物联网系统。
背景技术
燃气过滤器是输送介质管道上不可缺少的一种装置,可以用来消除介质(例如,天然气、人工煤气、液化气及其它非腐蚀气体等)中的杂质,以保护阀门及设备的正常使用,减少设备维护费用。过滤器通常安装在减压阀、泄压阀、定位阀或其它设备的进口端。当流体进入置有滤芯的过滤器后,其杂质被滤芯阻挡,而清洁的滤气则由过滤器出口排出,当需要清洗时,可以将滤筒拆开,将滤芯取出,清洗后重新装入。不同的气源或不同型号的过滤器滤芯由于工作条件等的不同,可能会有不同的更换周期。
因此,需要一种用于智慧燃气的门站滤芯更换预测方法和物联网系统,以实现及时地保养和维护滤芯,保证滤芯的正常工作和门站的正常送气。
发明内容
本说明书发明内容包括一种用于智慧燃气的门站滤芯更换预测方法,所述方法由用于智慧燃气的门站滤芯更换预测的物联网系统实现,所述用于智慧燃气的门站滤芯更换预测的物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台和智慧燃气对象平台,所述智慧燃气设备管理平台包括智慧燃气数据中心和智慧燃气管网设备管理分平台,所述方法由所述智慧燃气设备管理平台执行,包括:所述智慧燃气数据中心经由所述智慧燃气传感网络平台获取滤芯的使用信息,所述使用信息至少包括滤芯通气效率、已过滤的杂质信息和堵塞程度中的至少一种;所述智慧燃气管网设备管理分平台从所述智慧燃气数据中心获取所述使用信息,基于所述使用信息确定滤芯维护方案,并将所述滤芯维护方案发送至所述智慧燃气数据中心;所述智慧燃气数据中心将所述滤芯维护方案经由所述智慧燃气服务平台发送至所述智慧燃气用户平台。
本说明书发明内容包括一种用于智慧燃气的门站滤芯更换预测的物联网系统,所述用于智慧燃气的门站滤芯更换预测的物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台和智慧燃气对象平台,所述智慧燃气设备管理平台包括智慧燃气数据中心和智慧燃气管网设备管理分平台,所述智慧燃气设备管理平台被配置为执行以下操作:所述智慧燃气数据中心经由所述智慧燃气传感网络平台获取滤芯的使用信息,所述使用信息至少包括滤芯通气效率、已过滤的杂质信息和堵塞程度中的至少一种;所述智慧燃气设备管理分平台从所述智慧燃气数据中心获取所述使用信息,基于所述使用信息确定滤芯维护方案,并将所述滤芯维护方案发送至所述智慧燃气数据中心;以及所述智慧燃气数据中心将所述滤芯维护方案经由所述智慧燃气服务平台发送至所述智慧燃气用户平台。
本说明书发明内容包括一种用于智慧燃气的门站滤芯更换预测装置,所述装置包括至少一个处理器以及至少一个存储器;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所述计算机指令中的至少部分指令以实现如上述实施例中任意一项所述的用于智慧燃气的门站滤芯更换预测方法。
本说明书发明内容包括一种计算机可读存储介质,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,计算机执行如上述实施例中任一项所述的用于智慧燃气的门站滤芯更换预测方法。
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用于智慧燃气的门站滤芯更换预测的物联网系统的示例性示意图;
图2是根据本说明书一些实施例所示的用于智慧燃气的门站滤芯更换预测方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定杂质过滤累积量的示例性示意图;
图4是根据本说明书一些实施例所示的确定堵塞程度的示例性示意图;
图5是根据本说明书一些实施例所示的确定清洗成本的示例性示意图。
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,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。
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用于智慧燃气的门站滤芯更换预测的物联网系统的示例性示意图。如图1所示,用于智慧燃气的门站滤芯更换预测的物联网系统包括:依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台、智慧燃气对象平台。
智慧燃气用户平台是以用户为主导的平台。在一些实施例中,智慧燃气用户平台被配置为终端设备。例如,终端设备可以包括笔记本电脑、手机等实现数据处理以及数据通信的智能电子设备,在此不作过多限定。在一些实施例中,智慧燃气用户平台与智慧燃气服务平台进行交互,用于接收智慧燃气服务平台传递的燃气设备维护方案(如滤芯维护方案等),还可以用于下发燃气设备维护方案的查询指令至智慧燃气服务平台。
在一些实施例中,智慧燃气用户平台可以包括燃气用户分平台、政府用户分平台、监管用户分平台等。其中,燃气用户是使用燃气的用户,政府用户是提供燃气运营服务的用户,监管用户是监管燃气使用安全的用户。在一些实施例中,燃气用户分平台可以用于接收智慧用气服务分平台传递的燃气设备相关的信息,如燃气设备检修或安全用气提醒等,还可以用于将用气查询指令传递至智慧用气服务分平台。在一些实施例中,政府用户分平台可以接收智慧运营服务分平台传递的燃气运营的相关的信息。在一些实施例中,监管用户分平台可以用于接收智慧监管服务分平台传递的燃气设备运行管理信息或燃气安全运行信息等,如门站过滤器的滤芯使用情况,还可以用于将燃气设备维护方案的查询指令传递至智慧监管服务分平台。
智慧燃气服务平台可以是用于接收和传输数据和/或信息的平台。在一些实施例中,智慧燃气服务平台可以向上与智慧燃气用户平台进行交互。例如,接收智慧燃气用户平台下发的燃气设备维护方案的查询指令;上传燃气设备维护方案至智慧燃气用户平台等。在一些实施例中,智慧燃气服务平台还可以向下与智慧燃气设备管理平台进行交互。例如,下发燃气设备维护方案的查询指令至智慧燃气数据中心;接收智慧燃气数据中心上传的燃气设备维护方案等。
在一些实施例中,智慧燃气服务平台可以包括智慧用气服务分平台、智慧运营服务分平台、智慧监管服务分平台等。智慧用气服务分平台可以与燃气用户分平台对应,为燃气用户提供燃气使用相关信息的查询服务。例如,燃气用户可以通过智慧用气服务分平台查询燃气使用量、燃气费等信息。智慧运营服务分平台可以与政府用户分平台对应,为政府用户提供燃气运营相关信息的查询服务。例如,政府用户可以通过智慧运营服务分平台查询1个月的燃气总营收等信息。智慧监管服务分平台可以与监管用户分平台对应,为监管用户提供安全监管相关信息的查询服务。例如,监管用户可以通过智慧监管服务分平台查询燃气设备维护方案等信息。
慧燃气设备管理平台可以用于统筹、管理、分析智慧燃气管网中的燃气相关数据(如门站过滤器的滤芯的使用情况等)。
在一些实施例中,智慧燃气设备管理平台可以向上与智慧燃气服务平台进行交互。例如,接收智慧燃气服务平台下发的燃气设备维护方案的查询指令;上传燃气设备维护方案至智慧燃气服务平台等,上传燃气设备维护方案至智慧燃气服务平台。
在一些实施例中,智慧燃气设备管理平台可以向下与传感网络平台进行交互。例如,下发燃气设备维护方案的查询指令至智慧燃气传感网络分平台;接收智慧燃气传感网络分平台上传的燃气设备相关数据(如门站过滤器滤芯的使用情况等)。
在一些实施例中,智慧燃气设备管理平台可以包括智慧燃气户内设备管理分平台、智慧燃气管网设备管理分平台和智慧燃气数据中心等。其中,智慧燃气户内设备管理分平台和智慧燃气管网设备管理分平台相互独立。智慧燃气户内设备管理分平台和智慧燃气管网设备管理分平台可以与智慧燃气数据中心双向交互,例如,可以从智慧燃气数据中心获取并反馈数据等。
智慧燃气户内设备管理分平台用于对燃气用户的户内设备(例如,燃气表、燃气阀门等)进行维护和管理。
智慧燃气管网设备管理分平台用于对管网设备(例如,门站过滤器、燃气流量计等)进行维护和管理。在一些实施例中,智慧燃气管网设备管理分平台可以包括设备台账管理模块、设备维护记录管理模块、设备状态管理模块。其中,设备台账管理模块可以用于对户内设备实现分类别、分区域等多样化管理,还可以从智慧燃气数据中心提取管网设备型号、规格、数量、位置等基础信息以及安装时间、运行时间等投入运行信息等。设备维护记录管理模块可以用于对管网设备维修记录进行管理,还可以从智慧燃气数据中心提取管网设备养护记录、维修记录、巡检记录数据,并可实现设备固件升级管理。设备状态管理模块可以用于查询户内设备的当前运行状态、预计使用寿命等。在一些实施例中,智慧燃气管网设备管理平台可通过智慧燃气数据中心对门站过滤器的滤芯进行维护,包括:智慧燃气数据中心接收智慧燃气服务平台下发的关于滤芯维护方案的查询指令。智慧燃气数据中心基于该查询指令经由智慧燃气管网设备传感网络分平台从智慧燃气管网设备对象分平台中获取滤芯的相关数据(如滤芯的使用信息等),并将其发送到智慧燃气管网设备管理分平台中进行分析处理。其中,不同类型的信息,可以通过上述的智慧燃气管网设备管理分平台的不同模块进行分析处理。智慧燃气管网设备管理分平台将分析处理后的数据(如滤芯维护方案等)发送至智慧燃气数据中心。智慧燃气数据中心将处理后的数据经由智慧燃气服务平台发送至智慧燃气用户平台。
智慧燃气数据中心是用于汇总、存储各种数据、信息、指令等的平台。例如,智慧燃气数据中心可以存储各种户内设备、管网设备的管理数据、各种设备的维护方案等信息、用户下发的各种查询指令等。在一些实施例中,智慧燃气设备管理平台可以通过智慧燃气数据中心与相应的服务分平台、传感网络分平台进行信息交互。
智慧燃气传感网络平台可以被配置为通信网络和网关。在一些实施例中,智慧燃气传感网络平台可以向上与智慧燃气设备管理平台进行交互。例如,接收智慧燃气数据中心下发燃气设备维护方案的查询指令,上传燃气设备的相关数据至智慧燃气数据中心等。在一些实施例中,智慧燃气传感网络平台可以向下与智慧燃气对象平台进行交互。例如,下发燃气设备维护方案的查询指令至智慧燃气对象平台等,接收智慧燃气对象平台上传的燃气设备相关数据。
在一些实施例中,智慧燃气传感网络平台可以包括智慧燃气户内设备传感网络分平台和智慧燃气管网设备传感网络分平台。其中,智慧燃气户内设备传感网络分平台可以与智慧燃气户内设备对象分平台进行交互,用于获取户内设备的相关数据(例如,燃气表相关数据等)等。智慧燃气管网设备传感网络分平台可以与智慧燃气管网设备对象分平台进行交互,用于获取管网设备的相关数据(例如,滤芯的相关数据等)等。
智慧燃气对象平台可以用于获取智慧燃气管网中的燃气相关数据。在一些实施例中,智慧燃气对象平台可以向上与智慧燃气传感网络平台进行交互。例如,接收智慧燃气传感网络平台下发的燃气设备维护方案的查询指令,上传燃气设备相关数据至智慧燃气传感网络平台。
在一些实施例中,智慧燃气对象平台可以包括智慧燃气户内设备对象分平台和智慧燃气管网设备对象分平台。其中,户内设备为燃气用户处包含的设备(例如,燃气表、燃气阀门等)。管网设备为燃气管网内包含的设备(例如,门站过滤器滤芯、燃气流量计等)。
在一些实施例中,智慧燃气户内设备对象分平台可以与智慧燃气户内设备传感网络分平台进行交互,户内设备的相关数据可以通过智慧燃气户内设备传感网络分平台上传到智慧燃气数据中心。智慧燃气管网设备对象分平台可以与智慧燃气管网设备传感网络分平台进行交互,管网设备的相关数据(如门站过滤器滤芯的相关数据等)可以通过智慧燃气管网设备传感网络分平台上传到智慧燃气数据中心。
需要注意的是,以上对于用于智慧燃气门站滤芯更换预测的物联网系统及其内部模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。
图2是根据本说明书一些实施例所示的用于智慧燃气的门站滤芯更换预测方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由智慧燃气设备管理平台执行。
步骤S210,智慧燃气数据中心经由智慧燃气传感网络平台获取滤芯的使用信息。
滤芯可以是指过滤器的滤芯。过滤器可以用于在介质输送管道上消除介质中的杂质,以保护阀门及设备的正常使用。在一些实施例中,过滤器可以包括燃气过滤器。燃气过滤器可以过滤天然气、人工煤气、液化气及其它非腐蚀气体。
在一些实施例中,使用信息至少包括滤芯通气效率、已过滤的杂质信息和堵塞程度中的至少一种。
滤芯通气效率是指滤芯在单位时间内通过的气体量。例如,30立方/分钟等。
在一些实施例中,智慧燃气管网设备管理分平台可以基于滤芯的进出气口的压力差获取滤芯通气效率。压力差是指滤芯进出气口的压力差。压力差越大,代表气体越难通过滤芯,通气效率越低。在一些实施例中,智慧燃气对象平台可以基于内置的传感器(如,气压传感器)检测得到进出气口的压力,进而确定压力差。
在一些实施例中,智慧燃气管网设备管理分平台可以预先基于滤芯的历史滤芯通气效率和对应的进出气口的历史压力差,确定滤芯通气效率与压力差的对应关系。相应的,智慧燃气管网设备管理分平台可以基于滤芯的进出气口的当前压力差和对应关系,确定滤芯通气效率。
已过滤的杂质信息是指滤芯已过滤出的杂质的相关信息。例如,已过滤的杂质信息包括杂质种类、杂质的颗粒尺寸等。在一些实施例中,已过滤的杂质信息可以包括杂质过滤累积量。杂质过滤累积量是指滤芯当前已过滤出的杂质的总量。
在一些实施例中,杂质过滤累积量可以基于滤芯的使用时长确定。其中,使用时长是指从上次滤芯更换的时间到当前时间的时长。示例性地,滤芯的使用时长可以由智慧燃气对象平台中配置的时间记录器获取。
在一些实施例中,智慧燃气管网设备管理分平台可以预先基于同一滤芯或相同型号滤芯的历史使用时长和对应的历史杂质过滤累积量,生成杂质过滤累积量的映射表。进而可以将与当前滤芯的使用时长相同或近似的历史使用时长所对应的历史杂质过滤累积量作为当前使用时长对应的杂质过滤累积量。
在一些实施例中,智慧燃气管网设备管理分平台还可以基于杂质预测模型确定杂质过滤累积量,其中,杂质预测模型为机器学习模型。关于基于杂质预测模型确定杂质过滤累积量的更多内容,可以参见图3及其相关描述。
本说明书一些实施例中,通过滤芯的进出气口的压力差获取滤芯通气效率,从而确定滤芯的实际工作情况,为后续判断是否对滤芯清洗或更换提供了准确的依据。
堵塞程度可以指滤芯被杂质堵塞的程度情况。堵塞程度可以用不同等级表示。例如,“低”、“中”和“高”等。堵塞程度可以用数值表示。例如,堵塞程度可以被表示为范围在0-10中的某一数值。堵塞程度对应的数值越高,堵塞程度越严重。
在一些实施例中,智慧燃气管网设备管理分平台可以基于预设规则确定堵塞程度。预设规则可以包括堵塞程度与滤芯通气效率的对应关系。示例性地,智慧燃气管网设备管理分平台可以预设滤芯的通气效率阈值,通气效率阈值可以包括第一阈值以及第二阈值,其中,第二阈值高于第一阈值。例如,当滤芯通气效率大于等于第二阈值时,堵塞程度可以为0;当滤芯通气效率大于等于第一阈值小于第二阈值时,堵塞程度可以为1;当滤芯通气效率小于第一阈值时,堵塞程度可以为2。应当理解的是,滤芯通气效率越低,则表示堵塞程度越高。
在一些实施例中,智慧燃气管网设备管理分平台还可以基于堵塞预测模型确定堵塞程度,其中,堵塞预测模型为机器学习模型。关于基于堵塞预测模型确定堵塞程度的更多内容,可以参见图4及其相关描述。
在一些实施例中,滤芯的使用信息还可以包括清洗成本。清洗成本是指清洁滤芯所需耗费的经济成本。在一些实施例中,当滤芯的堵塞程度越高或使用时间越长时,清洗成本则越高。例如,清洗一个正常滤芯需要花费100元。如果滤芯堵塞严重,则清洗成本可以增加至190元。如果滤芯的使用时间较长,常规清洗方式容易直接损坏滤芯,则清洗成本可以增加至200元。
在一些实施例中,智慧燃气管网设备管理分平台可以采用各种数据分析算法,例如,向量相似度分析法、聚类分析法、回归分析法等,确定清洗成本。
在一些实施例中,智慧燃气管网设备管理分平台可以基于成本预测模型确定清洗成本,其中,成本预测模型为机器学习模型。关于基于成本预测模型确定清洗成本的更多内容,可以参见图5及其相关描述。
步骤S220,智慧燃气管网设备管理分平台从智慧燃气数据中心获取使用信息,基于使用信息确定滤芯维护方案,并将滤芯维护方案发送至智慧燃气数据中心。
滤芯维护方案是指对滤芯进行维护的方案。在一些实施例中,滤芯维护方案可以包括是否对滤芯进行清洗、是否对滤芯进行更换、上次滤芯更换日、上次滤芯清洗日、下次滤芯更换日、下次滤芯清洗日等。
在一些实施例中,智慧燃气管网设备管理分平台可以利用预设规则、各种数据分析算法和/或人工经验等多种方式,对使用信息进行分析处理,确定滤芯维护方案。
在一些实施例中,智慧燃气设备管理分平台可以基于杂质过滤累积量,确定滤芯维护方案。
在一些实施例中,当杂质过滤累积量位于某一预设范围内时,智慧燃气设备管理分平台可以根据杂质过滤累积量所处的预设范围,确定对应于该预设范围内的预设维护操作(即是否清洗或更换滤芯)。仅作为示例地,当杂质过滤量累积量位于0~500g之间时,预设维护操作可以为不需要清洗也不需要更换滤芯;当杂质过滤量累积量位于500~1000g之间时,预设维护操作可以为需要清洗但不需要更换滤芯;当杂质过滤量累积量大于1000g之间时,预设维护操作可以为需要更换滤芯。
本说明书一些实施例中,通过分析杂质过滤累积量,能够结合滤芯的实际使用状况,确定是否清洗或更换滤芯,从而保证滤芯正常工作和节省成本。
在一些实施例中,智慧燃气管网设备管理分平台可以基于杂质过滤累积量、累积量阈值和滤芯的使用时长,确定滤芯的更换周期;并基于更换周期,确定滤芯维护方案。
累积量阈值是指滤芯的杂质过滤累积量的最大值。当杂质过滤累积量达到累积量阈值时会堵塞滤芯,影响滤芯的过滤性能。累积量阈值可以是系统默认值、经验值、人为预先设定值等或其任意组合,可以根据实际需求设定。
更换周期是指滤芯从开始工作到被更换的时长。示例性地,更换周期可以通过如下公式(1)计算得到:
其中,T为更换周期,t为实用时长,m为累积量阈值,n为杂质过滤累积量。
在一些实施例中,智慧燃气管网设备管理分平台可以基于使用时长和更换周期,确定滤芯维护方案。示例性地,当使用时长大于等于更换周期,可以确定滤芯需要更换。当使用时长小于更换周期,且达到某一预设阈值(如,更换周期的50%)时,可以确定滤芯不需要更换,但需要清洗。当使用时长小于更换周期,但未达到某一预设阈值时,可以确定滤芯不需要清洗。
在一些实施例中,智慧燃气管网设备管理分平台确定滤芯维护方案后,可以将滤芯维护方案发送至智慧燃气数据中心。
本说明书一些实施例中,通过结合不同进气情况下的滤芯实际工作情况,确定滤芯的更换周期,可以根据滤芯的更换周期准确地确定出是否需要清洗或更换滤芯。与在统一时间更换滤芯相比,减少了个别不需要更换的滤芯的损耗,同时,能够对达到更换周期的滤芯进行及时更换,避免影响对正常过滤造成影响。
在一些实施例中,智慧燃气管网设备管理分平台还可以基于清洗成本,确定滤芯维护方案。智慧燃气管网设备管理分平台可以基于滤芯的清洗成本和更换成本进行比较,确定滤芯维护方案。其中,更换成本是指更换新滤芯所需耗费的经济成本。更换成本可以根据滤芯型号查询数据库等方式获取。示例性地,当清洗成本小于更换成本时,可以确定对滤芯进行清洗。当清洗成本大于等于更换成本时,智慧燃气设备管理分平台可以确定对滤芯进行更换。
本说明书一些实施例中,通过对清洗成本进行综合分析确定对应的滤芯维护方案,当滤芯的清洗成本过高,此时可以考虑直接更换滤芯,避免进行不必要地清洗所造成的人力物力的浪费,降低滤芯的维护成本。
步骤S230,智慧燃气数据中心将滤芯维护方案经由智慧燃气服务平台发送至智慧燃气用户平台。
在一些实施例中,智慧燃气数据中心可以基于所确定的是否清洗或更换滤芯的结果,向目标终端(如,负责清洗或更换滤芯的工作人员的终端等)和/或平台发送滤芯维护方案。发送形式可以包括但不限于数据指令、警报、短信、文本推送、图像、视频、语音、广播等一种或多种形式的组合。
本说明书一些实施例所述的方法,可以结合不同燃气门站的进气特征和滤芯的实际工作情况,对滤芯的使用信息进行分析,确定滤芯是否清洗或更换,从而对滤芯进行及时的保养和维护,保证滤芯的正常工作和门站的正常送气。
图3是根据本说明书一些实施例所示的确定杂质过滤累积量的示例性示意图。
在一些实施例中,智慧燃气管网设备管理分平台可以基于杂质预测模型确定杂质特征,以及基于杂质特征确定杂质过滤累积量。
杂质预测模型可以用于确定滤芯过滤的杂质特征。在一些实施例中,杂质预测模型为机器学习模型。例如,杂质预测模型可以是卷积神经网络(Convolutional NeuralNetworks, CNN)、深度神经网络(Deep Neural Networks, DNN)等一种或多种的组合。
在一些实施例中,杂质预测模型可以包括由多个处理层构成。如图3所示,杂质预测模型340可以包括第一特征提取层340-1、气体流量预测层340-2、第二特征提取层340-3和杂质预测层340-4。
第一特征提取层可以用于对滤芯的使用时长、滤芯的口径和使用压力进行处理以获取第一特征。其中,第一特征可以指对滤芯的使用时长、口径和使用压力进行特征提取后获得的特征。滤芯的口径可以根据滤芯的型号直接确定,例如,DN15表示通径为15mm。滤芯的口径越大则能够通过的气体流量越大。滤芯的使用压力也可以根据滤芯的型号直接确定。滤芯的压力越大,则能够通过的气体流量越大。
第一特征提取层可以是卷积神经网络等机器学习模型。如图3所示,第一特征提取层340-1的输入可以包括滤芯的使用时长310、口径320和使用压力330,输出可以是第一特征341。
气体流量预测层可以对第一特征进行处理,确定气体流量。其中,气体流量可以指一段时间内(如单位时间)通过滤芯的气体总量。
气体流量预测层可以是深度神经网络等机器学习模型。如图3所示,气体流量预测层340-2的输入可以包括第一特征341,输出可以是气体流量342。
第二特征提取层可以用于对气体流量、进气品质、过滤效率和过滤精度进行处理以获取第二特征。其中,进气品质可以反映进气气源的杂质情况(如,进气气源的杂质种类及含量、杂质颗粒尺寸及占比等数据)。进气品质可以基于气源厂家提供的参数确定。过滤效率是指滤芯对杂质的滤除程度。例如,过滤效率为99%代表99%的杂质被滤除。过滤精度可以指滤芯允许通过的最大颗粒的尺寸。例如,过滤精度0.3um代表颗粒直径小于0.3um的杂质无法被滤除。过滤效率、过滤精度可以基于滤芯的型号参数确定。第二特征可以指对气体流量、进气品质、过滤效率和过滤精度进行特征提取后获得的特征。
第二特征提取层可以是卷积神经网络等机器学习模型。如图3所示,第二特征提取层340-3的输入可以包括气体流量342、进气品质350、过滤效率360和过滤精度370,输出可以是第二特征343。
杂质预测层可以对第一特征进行处理,确定杂质特征。其中,杂质特征可以包括杂质的颗粒尺寸、质量、种类等信息。
杂质预测层可以是深度神经网络等机器学习模型。如图3所示,杂质预测层340-4的输入可以是第二特征343,输出可以是杂质特征380。
在一些实施例中,第一特征提取层340-1和气体流量预测层340-2可以通过联合训练得到。训练样本包括样本滤芯的历史使用时长、样本滤芯的口径和样本滤芯的使用压力。标签可以为该样本滤芯的实际气体流量。例如,可以将训练样本输入初始第一特征提取层,然后将初始第一特征提取层的输出输入至初始气体流量预测层中,并基于初始气体流量预测层的输出和标签构建损失函数。基于损失函数迭代更新初始第一特征提取层和初始气体流量层的参数,直至满足预设条件,得到训练好的第一特征提取层340-1和气体流量预测层340-2。预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值。
在一些实施例中,第二特征提取层340-3和杂质预测层340-4可以通过联合训练得到。训练样本包括样本滤芯的历史气体流量、历史进气品质、样本滤芯的过滤效率和样本滤芯的过滤精度,标签可以为该样本滤芯的实际杂质特征。例如,可以将训练样本输入初始第二特征提取层,然后将初始第二特征提取层的输出输入至初始杂质预测层中,并基于初始杂质预测层的输出和标签构建损失函数。基于损失函数迭代更新初始第二特征提取层和初始杂质层的参数,直至满足预设条件,得到训练好的第二特征提取层340-3和杂质预测层340-4。预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值。
在一些实施例中,训练好的第一特征提取层340-1、训练好的气体流量预测层340-2、训练好的第二特征提取层340-3和训练好的杂质预测层340-4可以组成杂质预测模型340。
本说明书一些实施例中,通过模型的多层结构对滤芯信息和气体信息进行处理,能够结合滤芯的实际工作情况和基于不同的燃气进气品质状况,对已过滤出的杂质特征进行预测,从而更快速准确地确定出杂质过滤累积量。
在一些实施例中,智慧燃气管网设备管理分平台可以基于杂质特征380,确定杂质过滤累积量390。示例性地,杂质过滤累积量可以为杂质特征中不同种类不同尺寸的杂质颗粒的质量之和。例如,杂质特征(液滴杂质,0.3~0.8um,0.5g;固体杂质,0.3~0.8um,0.8g;固体杂质,>0.8um,1g),其对应的杂质过滤累积量为:0.5+0.8+1=2.3g。
本说明书一些实施例中,通过模型能更准确地确定出杂质特征,从而确定出杂质过滤累积量,便于后续判断是否清洗或更换滤芯,从而保证滤芯的正常工作。
图4是根据本说明书一些实施例所示的确定堵塞程度的示例性示意图。
在一些实施例中,智慧燃气管网设备管理分平台可以基于堵塞预测模型对杂质特征、过滤介质和滤芯的使用时长进行处理,确定堵塞程度。
堵塞预测模型可以用于确定滤芯的堵塞程度。在一些实施例中,堵塞预测模型为机器学习模型。例如,堵塞预测模型可以为神经网络模型(Neural Networks, NN)、深度神经网络模型(Deep Neural Networks, DNN)等一种或多种的组合。
如图4所示,堵塞预测模型420的输入410包括杂质特征、过滤介质、滤芯的使用时长等,输出包括堵塞程度430。示例性的过滤介质可以是多孔塑料、金属粉末烧结管、陶瓷粉末烧结管等中的至少一种。
在一些实施例中,可以基于多组带有标签的训练样本训练堵塞预测模型。例如,可以将训练样本输入初始堵塞预测模型以确定模型的输出,基于模型输出与标签构建损失函数,基于损失函数迭代更新模型的参数,直至满足预设条件时训练完成。其中,预设条件可以是损失函数结果收敛或小于预设阈值等。
在一些实施例中,一组训练样本可以包括历史过滤数据中的杂质特征、过滤介质、滤芯的使用时长等。标签可以包括历史过滤数据对应的堵塞程度。标签的获取方式可以是人工标记,还可以是其他方式,本实施例不做限制。
在一些实施例中,堵塞程度还可以通过其他方式获取,在此不做限制。
本说明书一些实施例中,通过模型对实际过滤情况进行处理,能够更准确地确定堵塞程度,便于后续确定是否清洗或更换滤芯。
图5是根据本说明书一些实施例所示的确定清洗成本的示例性示意图。
在一些实施例中,智慧燃气管网设备管理分平台可以基于成本预测模型对堵塞程度、杂质特征、滤芯已清洗次数、滤芯的使用时长、更换周期进行处理,确定清洗成本。
成本预测模型可以用于确定清洗滤芯的清洗成本。在一些实施例中,成本预测模型为机器学习模型。例如,成本预测模型可以为神经网络模型(Neural Networks, NN)、深度神经网络模型(Deep Neural Networks, DNN)等一种或多种的组合。
如图5所示,成本预测模型520的输入510可以包括堵塞程度、杂质特征、滤芯已清洗次数、滤芯的使用时长、更换周期等,输出可以包括清洗成本530等。其中,滤芯已清洗次数是指滤芯从开始使用至现在被清洗的次数。
在一些实施例中,可以基于多组带有标签的训练样本训练成本预测模型。例如,可以将训练样本输入初始成本预测模型以确定模型的输出,基于模型输出与标签构建损失函数,基于损失函数迭代更新模型的参数,直至满足预设条件时训练完成。其中,预设条件可以是损失函数结果收敛或小于预设阈值等。
在一些实施例中,一组训练样本可以包括历史过滤数据(包括堵塞程度、杂质特征、滤芯的使用时长等)和历史清洗数据(包括滤芯已清洗次数、更换周期等)。训练标签可以为对应的清洗成本。其中,当历史清洗数据中对滤芯进行清洗的次数大于0次时,对应清洗成本为实际清洗所耗费的成本。当历史清洗数据中对滤芯进行清洗的次数为0次时(即并未对滤芯进行清洗,而是直接进行更换),对应清洗成本为新滤芯的更换成本。标签的获取方式可以是人工标记,还可以是其他方式,本实施例不做限制。
本说明书一些实施例中,通过模型能够结合滤芯的实际工作情况,更准确地确定出清洗成本,便于后续判断是否清洗或更换滤芯。
本说明书一个或多个实施例还提供一种用于智慧燃气的门站滤芯更换预测装置,所述装置包括至少一个处理器以及至少一个存储器;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所述计算机指令中的至少部分指令以实现如上述实施例中任意一项所述的用于智慧燃气的门站滤芯更换预测方法。
本说明书一个或多个实施例还提供一种计算机可读存储介质,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,计算机执行如上述实施例中任一项所述的用于智慧燃气的门站滤芯更换预测方法。
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.用于智慧燃气的门站滤芯更换预测方法,其特征在于,所述方法由用于智慧燃气的门站滤芯更换预测的物联网系统实现,所述用于智慧燃气的门站滤芯更换预测的物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台和智慧燃气对象平台,所述智慧燃气设备管理平台包括智慧燃气数据中心和智慧燃气管网设备管理分平台,所述方法由所述智慧燃气设备管理平台执行,包括:
所述智慧燃气数据中心经由所述智慧燃气传感网络平台获取滤芯的使用信息,所述使用信息至少包括滤芯通气效率、已过滤的杂质信息和堵塞程度中的至少一种;
所述智慧燃气管网设备管理分平台从所述智慧燃气数据中心获取所述使用信息,基于所述使用信息确定滤芯维护方案,并将所述滤芯维护方案发送至所述智慧燃气数据中心;
所述智慧燃气数据中心将所述滤芯维护方案经由所述智慧燃气服务平台发送至所述智慧燃气用户平台。
2.如权利要求1所述的用于智慧燃气的门站滤芯更换预测方法,其特征在于,所述获取滤芯的使用信息包括:
基于所述滤芯的进出气口的压力差获取所述滤芯通气效率。
3.如权利要求1所述的用于智慧燃气的门站滤芯更换预测方法,其特征在于,所述已过滤的杂质信息包括杂质过滤累积量;
所述基于所述使用信息确定滤芯维护方案包括:
获取所述杂质过滤累积量;
基于所述杂质过滤累积量确定所述滤芯维护方案。
4.如权利要求1所述的用于智慧燃气的门站滤芯更换预测方法,其特征在于,所述使用信息还包括清洗成本;
所述基于所述使用信息确定滤芯维护方案包括:
获取所述清洗成本;
基于所述清洗成本确定所述滤芯维护方案。
5.用于智慧燃气的门站滤芯更换预测的物联网系统,其特征在于,所述用于智慧燃气的门站滤芯更换预测的物联网系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台和智慧燃气对象平台,所述智慧燃气设备管理平台包括智慧燃气数据中心和智慧燃气管网设备管理分平台,所述智慧燃气设备管理平台被配置为执行以下操作:
所述智慧燃气数据中心经由所述智慧燃气传感网络平台获取滤芯的使用信息,所述使用信息至少包括滤芯通气效率、已过滤的杂质信息和堵塞程度中的至少一种;
所述智慧燃气设备管理分平台从所述智慧燃气数据中心获取所述使用信息,基于所述使用信息确定滤芯维护方案,并将所述滤芯维护方案发送至所述智慧燃气数据中心;以及
所述智慧燃气数据中心将所述滤芯维护方案经由所述智慧燃气服务平台发送至所述智慧燃气用户平台。
6.根据权利要求5所述的用于智慧燃气的门站滤芯更换预测的物联网系统,其特征在于,为获取滤芯的使用信息,所述智慧燃气管网设备管理分平台用于:
基于所述滤芯的进出气口的压力差获取所述滤芯通气效率。
7.如权利要求5所述的用于智慧燃气的门站滤芯更换预测的物联网系统,其特征在于,所述已过滤的杂质信息包括杂质过滤累积量;
为基于所述使用信息确定滤芯维护方案,所述智慧燃气管网设备管理分平台用于:
获取所述杂质过滤累积量;
基于所述杂质过滤累积量确定所述滤芯维护方案。
8.如权利要求5所述的用于智慧燃气的门站滤芯更换预测的物联网系统,其特征在于,所述使用信息还包括清洗成本;
为基于所述使用信息确定滤芯维护方案,所述智慧燃气管网设备管理分平台用于:
获取所述清洗成本;
基于所述清洗成本,确定所述滤芯维护方案。
9.一种用于智慧燃气的门站滤芯更换预测装置,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1-4中任意一项所述的用于智慧燃气的门站滤芯更换预测方法。
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1-4任一项所述的用于智慧燃气的门站滤芯更换预测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211417216.9A CN115511666B (zh) | 2022-11-14 | 2022-11-14 | 用于智慧燃气的门站滤芯更换预测方法和物联网系统 |
US18/066,249 US11985194B2 (en) | 2022-11-14 | 2022-12-14 | Methods and internet of things systems for predicting filter element replacement at gate station for smart gas |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211417216.9A CN115511666B (zh) | 2022-11-14 | 2022-11-14 | 用于智慧燃气的门站滤芯更换预测方法和物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115511666A true CN115511666A (zh) | 2022-12-23 |
CN115511666B CN115511666B (zh) | 2023-04-07 |
Family
ID=84514562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211417216.9A Active CN115511666B (zh) | 2022-11-14 | 2022-11-14 | 用于智慧燃气的门站滤芯更换预测方法和物联网系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11985194B2 (zh) |
CN (1) | CN115511666B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879913A (zh) * | 2023-02-13 | 2023-03-31 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 |
KR102657552B1 (ko) * | 2023-12-18 | 2024-04-15 | (주)로가닉코리아 | 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법, 장치 및 시스템 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117685489B (zh) * | 2024-02-04 | 2024-04-30 | 青岛众屹科锐工程技术有限公司 | 一种润滑油净化处理集成智能系统 |
Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1930379A (zh) * | 2004-03-11 | 2007-03-14 | 丰田自动车株式会社 | 内燃机排气净化装置 |
US20070056272A1 (en) * | 2005-09-15 | 2007-03-15 | Dollmeyer Thomas A | Apparatus, system, and method for determining and implementing estimate reliability |
FR2936838A1 (fr) * | 2008-10-03 | 2010-04-09 | Renault Sas | Procede de determination de la masse de suies piegee dans un filtre a particules de vehicule automobile et dispositif correspondant. |
US20110308308A1 (en) * | 2010-06-17 | 2011-12-22 | Cummins Filtration Ip Inc. | Engine Air Filter Replacement Indication System |
CN102628386A (zh) * | 2011-02-04 | 2012-08-08 | 通用汽车环球科技运作有限责任公司 | 用于估计在颗粒过滤器中累积的颗粒物质量的系统和方法 |
US20120288410A1 (en) * | 2010-02-03 | 2012-11-15 | Ko Takayanagi | Exhaust gas purification apparatus for engine |
US20150020507A1 (en) * | 2013-07-16 | 2015-01-22 | GM Global Technology Operations LLC | Particulate filter performance monitoring |
CN104361218A (zh) * | 2014-10-29 | 2015-02-18 | 小米科技有限责任公司 | 滤芯更换的方法及装置 |
CN204961119U (zh) * | 2015-09-01 | 2016-01-13 | 北汽福田汽车股份有限公司 | 空气滤清器、空气滤芯检测系统及车辆 |
CN105276687A (zh) * | 2015-11-24 | 2016-01-27 | 珠海格力电器股份有限公司 | 空气净化器的清洗提示系统及清洗提示方法、空气净化器 |
CN105363298A (zh) * | 2014-08-15 | 2016-03-02 | 台达电子工业股份有限公司 | 具滤网脏污检测功能的换气设备及其检测方法 |
US20170173505A1 (en) * | 2015-12-22 | 2017-06-22 | Cummins Filtration Ip, Inc. | Filtration monitoring systems |
CN107120751A (zh) * | 2017-05-05 | 2017-09-01 | 杭州卡丽智能科技股份有限公司 | 一种适于多住户楼宇的智能空气净化系统 |
CN107622313A (zh) * | 2017-08-28 | 2018-01-23 | 合肥美的暖通设备有限公司 | 过滤网清洗判别方法、空气能热水器、及存储介质 |
CN107883538A (zh) * | 2017-10-10 | 2018-04-06 | 完美(广东)日用品有限公司 | 滤网使用寿命的确定方法、装置及其空气净化设备 |
CN108007837A (zh) * | 2016-11-02 | 2018-05-08 | 财团法人车辆研究测试中心 | 流体滤清器异常侦测方法及流体滤清器异常侦测系统 |
US20180161709A1 (en) * | 2016-12-11 | 2018-06-14 | Automotive Research & Testing Center | Method for detecting abnormality of fluid filter and fluid filter abnormality detecting system |
JP2018153737A (ja) * | 2017-03-16 | 2018-10-04 | 北越コーポレーション株式会社 | エアフィルタ用濾材の製造方法及びエアフィルタの製造方法 |
CN109854334A (zh) * | 2017-11-30 | 2019-06-07 | 江苏亿达汽车滤清器有限公司 | 一种汽车机油滤清器 |
CN110195911A (zh) * | 2018-02-27 | 2019-09-03 | 上海熙鼎信息科技有限公司 | 空气净化器及滤网到期判断组件及空气净化器滤网到期判断方法 |
CN110400125A (zh) * | 2019-07-26 | 2019-11-01 | 珠海格力电器股份有限公司 | 净化器过滤网提醒方法、计算机装置以及计算机可读存储介质 |
CN110619361A (zh) * | 2019-09-10 | 2019-12-27 | 北京小米智能科技有限公司 | 预测滤芯堵塞的方法和预测滤芯堵塞的装置 |
CN111425303A (zh) * | 2020-04-24 | 2020-07-17 | 平原滤清器有限公司 | 滤清器集中控制系统、滤清器集中控制方法及机动车滤清器滤芯旁通的检测方法 |
CN113155708A (zh) * | 2021-05-25 | 2021-07-23 | 上海网互物联网科技有限公司 | 一种便携式汽车空调滤芯剩余寿命及空调管道的检测系统 |
JP2021163158A (ja) * | 2020-03-31 | 2021-10-11 | 新明和工業株式会社 | コンピュータプログラム、学習モデルの生成方法、ガス用フィルタの状態監視方法、及びガス用フィルタの状態監視装置 |
CN214794368U (zh) * | 2021-05-25 | 2021-11-19 | 上海网互物联网科技有限公司 | 一种便携式汽车空调滤芯剩余寿命及空调管道的检测系统 |
WO2021241703A1 (ja) * | 2020-05-29 | 2021-12-02 | いすゞ自動車株式会社 | フィルタ状態検知装置 |
CN114239309A (zh) * | 2021-12-24 | 2022-03-25 | 北京小米移动软件有限公司 | 过滤网寿命的确定方法、电路、装置、电路及存储介质 |
CN114542338A (zh) * | 2022-01-26 | 2022-05-27 | 石家庄扬天科技有限公司 | 工程机械发动机空气滤清器阻塞程度监测系统及监测方法 |
CN114819199A (zh) * | 2021-07-13 | 2022-07-29 | 长城汽车股份有限公司 | 一种空气滤清器智能维保方法、装置、存储介质及车辆 |
CN115330094A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道寿命预测方法、物联网系统、装置及介质 |
CN115330361A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 基于户内安全的燃气泄漏预测方法及智慧燃气物联网系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MY174446A (en) * | 2010-06-25 | 2020-04-19 | Petroliam Nasional Berhad Petronas | A method and system for validating energy measurement in a high pressure gas distribution network |
CN104807144B (zh) * | 2015-05-14 | 2016-05-18 | 陈甘 | 基于物联网的智能室内空气净化新风系统的云控制平台 |
US11237030B2 (en) * | 2019-03-27 | 2022-02-01 | Chengdu Qinchuan Technology Development Co., Ltd. | Gas leakage detection method based on compound internet of things (IoT) and IoT system |
WO2021179250A1 (en) * | 2020-03-12 | 2021-09-16 | Johnson Controls Technology Company | Systems and methods for controlling variable refrigerant flow systems and equipment using artificial intelligence models |
FR3108415B1 (fr) * | 2020-03-18 | 2022-04-01 | Total Sa | Procédé de prédiction d’engorgement(s) de colonne(s) de distillation d’une raffinerie, programme d’ordinateur et système de prédiction associé |
DE102022211726A1 (de) * | 2021-11-30 | 2023-06-01 | Bosch Limited | Verfahren zum Trainieren eines Artificial-Intelligence(AI-)Modells und Bestimmen verbleibender Nutzlebensdauer eines Filters |
-
2022
- 2022-11-14 CN CN202211417216.9A patent/CN115511666B/zh active Active
- 2022-12-14 US US18/066,249 patent/US11985194B2/en active Active
Patent Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1930379A (zh) * | 2004-03-11 | 2007-03-14 | 丰田自动车株式会社 | 内燃机排气净化装置 |
US20070056272A1 (en) * | 2005-09-15 | 2007-03-15 | Dollmeyer Thomas A | Apparatus, system, and method for determining and implementing estimate reliability |
FR2936838A1 (fr) * | 2008-10-03 | 2010-04-09 | Renault Sas | Procede de determination de la masse de suies piegee dans un filtre a particules de vehicule automobile et dispositif correspondant. |
US20120288410A1 (en) * | 2010-02-03 | 2012-11-15 | Ko Takayanagi | Exhaust gas purification apparatus for engine |
US20110308308A1 (en) * | 2010-06-17 | 2011-12-22 | Cummins Filtration Ip Inc. | Engine Air Filter Replacement Indication System |
CN102628386A (zh) * | 2011-02-04 | 2012-08-08 | 通用汽车环球科技运作有限责任公司 | 用于估计在颗粒过滤器中累积的颗粒物质量的系统和方法 |
US20150020507A1 (en) * | 2013-07-16 | 2015-01-22 | GM Global Technology Operations LLC | Particulate filter performance monitoring |
CN105363298A (zh) * | 2014-08-15 | 2016-03-02 | 台达电子工业股份有限公司 | 具滤网脏污检测功能的换气设备及其检测方法 |
CN104361218A (zh) * | 2014-10-29 | 2015-02-18 | 小米科技有限责任公司 | 滤芯更换的方法及装置 |
CN204961119U (zh) * | 2015-09-01 | 2016-01-13 | 北汽福田汽车股份有限公司 | 空气滤清器、空气滤芯检测系统及车辆 |
CN105276687A (zh) * | 2015-11-24 | 2016-01-27 | 珠海格力电器股份有限公司 | 空气净化器的清洗提示系统及清洗提示方法、空气净化器 |
US20170173505A1 (en) * | 2015-12-22 | 2017-06-22 | Cummins Filtration Ip, Inc. | Filtration monitoring systems |
CN108007837A (zh) * | 2016-11-02 | 2018-05-08 | 财团法人车辆研究测试中心 | 流体滤清器异常侦测方法及流体滤清器异常侦测系统 |
US20180161709A1 (en) * | 2016-12-11 | 2018-06-14 | Automotive Research & Testing Center | Method for detecting abnormality of fluid filter and fluid filter abnormality detecting system |
JP2018153737A (ja) * | 2017-03-16 | 2018-10-04 | 北越コーポレーション株式会社 | エアフィルタ用濾材の製造方法及びエアフィルタの製造方法 |
CN107120751A (zh) * | 2017-05-05 | 2017-09-01 | 杭州卡丽智能科技股份有限公司 | 一种适于多住户楼宇的智能空气净化系统 |
CN107622313A (zh) * | 2017-08-28 | 2018-01-23 | 合肥美的暖通设备有限公司 | 过滤网清洗判别方法、空气能热水器、及存储介质 |
CN107883538A (zh) * | 2017-10-10 | 2018-04-06 | 完美(广东)日用品有限公司 | 滤网使用寿命的确定方法、装置及其空气净化设备 |
CN109854334A (zh) * | 2017-11-30 | 2019-06-07 | 江苏亿达汽车滤清器有限公司 | 一种汽车机油滤清器 |
CN110195911A (zh) * | 2018-02-27 | 2019-09-03 | 上海熙鼎信息科技有限公司 | 空气净化器及滤网到期判断组件及空气净化器滤网到期判断方法 |
CN110400125A (zh) * | 2019-07-26 | 2019-11-01 | 珠海格力电器股份有限公司 | 净化器过滤网提醒方法、计算机装置以及计算机可读存储介质 |
CN110619361A (zh) * | 2019-09-10 | 2019-12-27 | 北京小米智能科技有限公司 | 预测滤芯堵塞的方法和预测滤芯堵塞的装置 |
JP2021163158A (ja) * | 2020-03-31 | 2021-10-11 | 新明和工業株式会社 | コンピュータプログラム、学習モデルの生成方法、ガス用フィルタの状態監視方法、及びガス用フィルタの状態監視装置 |
CN111425303A (zh) * | 2020-04-24 | 2020-07-17 | 平原滤清器有限公司 | 滤清器集中控制系统、滤清器集中控制方法及机动车滤清器滤芯旁通的检测方法 |
WO2021241703A1 (ja) * | 2020-05-29 | 2021-12-02 | いすゞ自動車株式会社 | フィルタ状態検知装置 |
CN113155708A (zh) * | 2021-05-25 | 2021-07-23 | 上海网互物联网科技有限公司 | 一种便携式汽车空调滤芯剩余寿命及空调管道的检测系统 |
CN214794368U (zh) * | 2021-05-25 | 2021-11-19 | 上海网互物联网科技有限公司 | 一种便携式汽车空调滤芯剩余寿命及空调管道的检测系统 |
CN114819199A (zh) * | 2021-07-13 | 2022-07-29 | 长城汽车股份有限公司 | 一种空气滤清器智能维保方法、装置、存储介质及车辆 |
CN114239309A (zh) * | 2021-12-24 | 2022-03-25 | 北京小米移动软件有限公司 | 过滤网寿命的确定方法、电路、装置、电路及存储介质 |
CN114542338A (zh) * | 2022-01-26 | 2022-05-27 | 石家庄扬天科技有限公司 | 工程机械发动机空气滤清器阻塞程度监测系统及监测方法 |
CN115330094A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道寿命预测方法、物联网系统、装置及介质 |
CN115330361A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 基于户内安全的燃气泄漏预测方法及智慧燃气物联网系统 |
Non-Patent Citations (5)
Title |
---|
卢进军 等: "空气滤清器纸滤芯纸折过滤过程仿真研究" * |
巴鹏 等: "液压管路不锈钢滤芯使用寿命的研究" * |
肖连 等: "天然气净化用过滤元件性能测定与分析" * |
郎庆阳 等: "具有滤芯寿命监控功能的过滤装置设计与研究", 《科技风》 * |
陈士杰 等: "空气滤清器滤芯的进气顺畅性及稳健性试验技术研究", 《汽车技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879913A (zh) * | 2023-02-13 | 2023-03-31 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 |
CN115879913B (zh) * | 2023-02-13 | 2023-05-05 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 |
US11966885B2 (en) | 2023-02-13 | 2024-04-23 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and Internet of Things (IoT) systems for predicting maintenance materials of smart gas pipeline networks |
KR102657552B1 (ko) * | 2023-12-18 | 2024-04-15 | (주)로가닉코리아 | 센서 기반 필터의 상태 모니터링 및 교체 주기 알람 방법, 장치 및 시스템 |
Also Published As
Publication number | Publication date |
---|---|
US20230118293A1 (en) | 2023-04-20 |
CN115511666B (zh) | 2023-04-07 |
US11985194B2 (en) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115511666B (zh) | 用于智慧燃气的门站滤芯更换预测方法和物联网系统 | |
CN108779925B (zh) | 用于空气过滤器管理的系统、方法及计算机程序产品 | |
CN107194621B (zh) | 一种供水管网管理系统和方法 | |
EP3069247B1 (en) | Filtration monitoring system | |
CN106228465A (zh) | 一种净水机物联网管理系统 | |
CN108108823B (zh) | 一种确定空气净化器滤芯寿命的方法及装置 | |
US20240086788A1 (en) | Method and system for determining pressure regulation scheme at intelligent gas gate station based on internet of things | |
CN105259326A (zh) | 排污控制系统 | |
CN109682436A (zh) | 物联网燃气表抄表数据补抄的方法 | |
CN205015679U (zh) | 一种净水器及实时监控系统 | |
CN116258347A (zh) | 基于智慧燃气呼叫中心的燃气资源调度方法和物联网系统 | |
CN111206650A (zh) | 一种水箱错峰调蓄管理系统 | |
CN107862415A (zh) | 一种产量预测方法 | |
CN111766813A (zh) | 车辆过滤器智能监测、控制系统 | |
CA3152730C (en) | Systems and methods to detect dirt level of filters | |
CN116991133A (zh) | 一种基于流程智能优化的高效供料控制方法及装置 | |
CN107606743A (zh) | 空调净化滤芯更换提醒的方法及装置 | |
CN113050573B (zh) | 一种基于生产节奏的空压机节能的方法 | |
CN212181302U (zh) | 车辆过滤器智能监测、控制系统 | |
CN208065998U (zh) | 可预报滤网寿命的空气净化装置 | |
CN114184226B (zh) | 基于远程排放监控技术的柴油车排放超标鉴定方法 | |
CN104484750A (zh) | 生物信息项目的产品参数自动匹配方法及系统 | |
CN109472528A (zh) | 一种自动配货方法及装置 | |
CN114169663A (zh) | 一种电能表装拆业务规范性监管方法 | |
CN114809195B (zh) | 无负压供水设备远程监控系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |