CN115619071B - 智慧燃气管网可靠性安全监测方法和物联网系统及介质 - Google Patents

Abstract

本说明书实施例提供一种智慧燃气管网可靠性安全监测方法和物联网系统及介质，该方法基于管网可靠性安全监测物联网系统的智慧燃气管网安全管理平台执行，该方法包括：获取管网节点的可靠性影响特征；其中，可靠性影响特征包括内在特征、外界特征中至少一种；基于可靠性影响特征，确定管网节点的可靠度；基于管网节点的可靠度，确定监测方案。其中，监测方案包括需要监测的重点管网节点；该物联网系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台、智慧燃气管网对象平台；该方法还可以通过计算机可读存储介质存储的计算机指令被读取后运行。

Description

智慧燃气管网可靠性安全监测方法和物联网系统及介质

技术领域

本申请涉及燃气管网安全监测领域，特别涉及一种智慧燃气管网可靠性安全监测方法和物联网系统及介质。

背景技术

燃气管网的损坏不仅会造成燃气公司的经济损失，而且还会对城市居民的生活造成影响，严重时甚至会威胁到人们的人身安全。但随着城市的不断发展，燃气管网受到外力破环（例如，施工等）的频率越来越高，其占燃气管网事故的比例也越来越高。

因此，希望提供一种智慧燃气管网可靠性安全监测方法和物联网系统，用于对燃气管网的可靠性进行安全监测，以避免燃气管网事故的发生。

发明内容

本申请发明内容提供一种智慧燃气管网可靠性安全监测方法，基于管网可靠性安全监测物联网系统的智慧燃气管网安全管理平台执行，该方法包括：获取管网节点的可靠性影响特征；所述可靠性影响特征包括内在特征、外界特征中至少一种；基于所述可靠性影响特征，确定所述管网节点的可靠度；基于所述管网节点的所述可靠度，确定监测方案；所述监测方案包括需要监测的重点管网节点。

本申请发明内容提供一种管网可靠性安全监测物联网系统，该系统包括：智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台、智慧燃气管网对象平台；所述智慧燃气管网对象平台用于：获取管网节点的可靠性影响特征，并通过所述智慧燃气管网传感网络平台将所述可靠性影响特征传递至所述智慧燃气管网安全管理平台；所述可靠性影响特征包括内在特征、外界特征中至少一种；所述智慧燃气管网安全管理平台用于：基于所述可靠性影响特征，确定所述管网节点的可靠度；基于所述管网节点的所述可靠度，确定监测方案；所述监测方案包括需要监测的重点管网节点；以及将所述监测方案传递至所述智慧燃气服务平台；所述智慧燃气服务平台用于通过所述智慧燃气用户平台将所述监测方案反馈至用户。

本申请发明内容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，计算机执行前述的智慧燃气管网可靠性安全监测方法。

有益效果：

本方案智慧燃气管网可靠性安全监测物联网系统实现监测方案的确定与传输，便于监管用户及时获取监测方案以加强对可靠度低的管网节点的监测，可以使监管用户提前做好应对措施，以避免燃气管网事故的发生，保障燃气管网的安全。

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管网可靠性安全监测物联网系统图；

图2是根据本说明书一些实施例所示的智慧燃气管网可靠性安全监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管网节点的可靠度确定方法的示意图；

图4是根据本说明书一些实施例所示的重点管网节点满足的条件的示意图；

图5是根据本说明书一些实施例所示的数据采集精度的影响因素的示意图。

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管网可靠性安全监测物联网系统图。

如图1所示，物联网系统100可以包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台以及智慧燃气管网对象平台。

智慧燃气用户平台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，智慧燃气用户平台可以被配置为终端设备。例如，台式电脑、平板电脑、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与监管用户分平台。其中，燃气用户分平台面向燃气用户，其可以用于接收智慧用气服务分平台发送的燃气相关数据与燃气问题解决方案，以及发送燃气相关数据查询指令与燃气问题解决方案查询指令至智慧用气服务分平台；监管用户分平台面向监管用户（如安全监管部门的用户），其可以用于接收智慧监管服务分平台的发送管网风险提醒信息与监测方案（如管网维护、巡检、排查策略等），以及发送管网风险评估信息查询指令与监测方案查询指令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。例如，智慧燃气服务平台可以用于接收智慧燃气管网安全管理平台的智慧燃气数据中心上传的燃气问题解决方案，以及将燃气问题解决方案发送至智慧燃气用户平台。在一些实施例中，智慧燃气服务平台可以用于接收智慧燃气用户平台下发的查询指令（如燃气相关数据查询指令、管网风险评估信息查询指令等），以及发送查询指令至智慧燃气管网安全管理平台的智慧燃气数据中心。

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与智慧监管服务分平台。其中，智慧用气服务分平台可以用于接收智慧燃气管网安全管理平台的智慧燃气数据中心上传的燃气相关数据与燃气问题解决方案，以及将燃气相关数据与燃气问题解决方案传递至燃气用户分平台；智慧用气服务分平台还可以用于接收燃气用户分平台发送的燃气相关数据查询指令，并将燃气相关数据查询指令发送至智慧燃气管网安全管理平台的智慧燃气数据中心。智慧监管服务分平台可以用于接收智慧燃气管网安全管理平台的智慧燃气数据中心上传的管网风险提醒信息与监测方案，以及将管网风险提醒信息与监测方案传递至监管用户分平台；智慧监管服务分平台还可以用于接收监管用户分平台发送的管网风险评估信息查询指令，以及将管网风险评估信息查询指令发送至智慧燃气管网安全管理平台的智慧燃气数据中心。

智慧燃气管网安全管理平台可以是指统筹、协调各功能平台之间的联系和协作，汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。例如，智慧燃气管网安全管理平台可以用于接收智慧燃气管网传感网络平台传递的管网节点的可靠性影响特征（如管网环境、管网压力等），对管网风险进行评估，确定监测方案。

在一些实施例中，智慧燃气管网安全管理平台可以包括智慧燃气管网风险评估管理分平台和智慧燃气数据中心。其中，智慧燃气管网风险评估管理分平台可以包括管网基础数据管理模块、管网运行数据管理模块以及管网风险评估管理模块。

管网基础数据管理模块可以用于管理管网的基础数据信息，如管网环境、管网使用年限、管网的材质等信息。管网运行数据管理模块可以用于管理管网的运行数据信息，如管网压力、泄露数据、维护情况等信息。管网风险评估管理模块可以用于基于管网基础数据、管网运行数据，对管网所受风险进行评估。例如，管网风险评估管理模块可以基于管网基础数据、管网运行数据，利用预设模型（如机器学习模型等），对管网安全进行风险评估，并根据风险评估情况进行风险等级划分，结合地理信息系统（Geographic InformationSystem，GIS）进行不同颜色区分的三维可视化管理。

在一些实施例中，智慧燃气数据中心可以用于接收智慧燃气管网传感网络平台发送的管网节点的可靠性影响特征，并分别将数据发送至智慧燃气管网风险评估管理分平台进行处理，当智慧燃气管网风险评估管理分平台处理完成之后再将数据发送至智慧燃气数据中心，智慧燃气数据中心对处理后的数据进行汇总、储存后发送至智慧燃气服务平台，并经由智慧燃气服务平台传递给智慧燃气用户平台。在一些实施例中，智慧燃气数据中心还可以用于接收智慧燃气服务平台发送的查询指令，并将其下发至智慧燃气管网传感网络平台。

智慧燃气管网传感网络平台可以是指对数据和/或信息进行处理、存储和传输的平台。例如，智慧燃气管网传感网络平台可以用于接收智慧燃气管网对象平台获取的管网节点的可靠性影响特征，并将其传递至智慧燃气数据中心。在一些实施例中，智慧燃气管网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，智慧燃气管网传感网络平台可以包括智慧燃气管网设备传感网络分平台和智慧燃气管网维护工程传感网络分平台。其中，智慧燃气管网设备传感网络分平台可以用于接收智慧燃气管网设备对象分平台（如管道等）的管网节点的可靠性影响特征，并将其发送至智慧燃气数据中心；智慧燃气管网设备传感网络分平台还可以用于接收智慧燃气数据中心下发的管网节点的可靠性影响特征查询指令，并将其发送至智慧燃气管网设备对象分平台。智慧燃气管网维护工程传感网络分平台可以用于接收智慧燃气数据中心下发的远程调度管理信息，并将其传递至智慧燃气管网维护工程对象分平台；智慧燃气管网维护工程传感网络分平台还可以用于接收智慧燃气管网维护工程对象分平台对于远程调度管理信息的执行反馈，并将其上传至智慧燃气数据中心。

智慧燃气管网对象平台可以是用于获取与管网对象有关的数据和/或信息的功能平台。例如，智慧燃气管网对象平台可以用于获取管网节点的可靠性影响特征，并通过智慧燃气管网传感网络平台传递至智慧燃气数据中心。在一些实施例中，智慧燃气管网对象平台可以被配置为各类管网设备。

在一些实施例中，智慧燃气管网对象平台可以包括智慧燃气管网设备对象分平台和智慧燃气管网维护工程对象分平台。其中，智慧燃气管网设备对象分平台可以用于接收智慧燃气管网传感网络平台传递的管网节点的可靠性影响特征查询指令，当获取管网节点的可靠性影响特征后，将其经由智慧燃气管网传感网络平台上传至智慧燃气数据中心。智慧燃气管网维护工程对象分平台可以基于智慧燃气管网传感网络平台传递的远程调度管理信息，对管网设备进行相应维护，并将其执行结果经由智慧燃气管网传感网络平台反馈至智慧燃气数据中心。

在本说明书的一些实施例中，通过五个平台的物联网功能体系搭建的管网可靠性安全监测系统，其中，智慧燃气管网安全管理平台采用分平台和数据中心结合布置，智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网传感网络平台和智慧燃气管网对象平台均采用多个分平台布置的方法，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。

需要注意的是，以上对于管网可靠性安全监测物联网系统及其模块的描述，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。在一些实施例中，图1中披露的智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台、智慧燃气管网对象平台可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图2是根据本说明书一些实施例所示的智慧燃气管网可靠性安全监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可以由管网可靠性安全监测物联网系统的智慧燃气管网安全管理平台执行。

步骤210，获取管网节点的可靠性影响特征。

管网节点可以是指燃气管网中燃气管道的监测点。例如，燃气管道的连接处、燃气管道中的任意位置等。

可靠性影响特征可以是指影响燃气管网节点安全可靠性的相关特征。在一些实施例中，可靠性影响特征可以包括内在特征、外界特征中至少一种。

内在特征可以是指与燃气管网自身相关的特征。在一些实施例中，内在特征可以包括管网特征、运行特征以及维护特征。其中，管网特征可以是与管网管道相关的特征，例如管道的运行年限、管道的材料、管道的长度等特征。运行特征可以是指管网运行参数，例如各节点额定流量、气压以及各节点实际的流量、气压等。维护特征可以是指与管网维护相关的特征，例如检修频率、最近一次检修时间等。关于内在特征的更多内容，可以参见图3及其相关描述。

外界特征可以是指与燃气管网周围环境相关的特征。在一些实施例中，外界特征可以包括气候特征和施工特征。其中，气候特征可以是指与气候相关的特征，例如环境温度、环境湿度等。施工特征可以是指与外界施工情况相关的特征，例如预期施工进度、实际施工进度、施工人数、施工范围等。关于外界特征的更多内容，可以参见图3及其相关描述。

管网节点的可靠性影响特征可以有多种方式进行获取。在一些实施例中，智慧燃气管网安全管理平台的智慧燃气数据中心可以基于智慧燃气管网对象平台的智慧燃气管网设备对象分平台获取管网节点的可靠性影响特征。智慧燃气管网设备对象分平台可以配置有管网设备的监测装置，用于获取管网节点的可靠性影响特征。例如，智慧燃气管网设备对象分平台可以分别采用压力传感器、温度传感器获取燃气管道段内的压力以及燃气管道周围的环境温度。

步骤220，基于可靠性影响特征，确定管网节点的可靠度。

可靠度可以用于描述燃气管网发生事故的概率。可靠度越高，管网节点的安全性越高，发生事故的概率越低。管网节点的可靠度可以基于多种方式表示，例如数值或等级等方式。在一些实施例中，管网节点的可靠度可以基于0-100%之间的数值进行表示。在一些实施例中，管网节点的可靠度还可以基于等级划分进行表示。数值越大或可靠度等级越高，则表示燃气管网的安全性越高，发生事故的概率就越低。等级划分的规则可以基于实际情况进行确定。

在一些实施例中，管网节点的可靠度可以基于管网节点的历史数据运行数据确定。例如，在管网节点的历史数据中，仅发生了2次事故，则基于预设转换规则，可以认为管网节点的可靠度为98%。历史数据可以是包括管网节点的可靠性影响特征的历史所有数据的集合。

在一些实施例中，智慧燃气数据中心将管网节点的可靠性影响特征数据传递至智慧燃气管网风险评估管理分平台，智慧燃气管网风险评估管理分平台可以通过多种方式实现基于可靠性影响特征，确定管网节点的可靠度。例如，智慧燃气管网风险评估管理分平台可以通过比较管网节点的可靠性影响特征与参考可靠性影响特征来确定管网节点的可靠度。参考可靠性影响特征可以是指燃气管网处于安全运行情况下的相关信息。例如，燃气管网安全运行时的管道内的流量、气压等。与参考可靠性影响特征的相似度越高，则管网节点的可靠度越高。

在一些实施例中，管网节点的可靠度可以基于内在可靠度和外界可靠度进行确定。例如，可以对内在可靠度和外界可靠度进行加权求和，以确定管网节点的可靠度，其权重可以基于历史事故中，由于内在因素和外界因素导致的事故数量之比确定。其中，历史事故可以是过往所有事故的集合。内在因素可以是指与管网自身相关的因素，如管网材料老化等。外界因素可以是指与管网周围环境有关的因素，如施工深度过深造成的燃气管网破损等。

又例如，可以对内在可靠度和外界可靠度取两者的平均值，以确定管网节点的可靠度。关于如何确定内在可靠度和外界可靠度以及基于内在可靠度和外界可靠度，确定管网节点的可靠度的具体内容，可以参见图3及其相关描述。

步骤230，基于管网节点的可靠度，确定监测方案。

监测方案可以是指用于监测燃气管网的方案，包括但不限于监测周期、监测频率等。例如，当发现某一管网节点的可靠度呈下降趋势时，对其的监测方案可以是在原监测方案基础上延长监测周期、增加监测频率等得到的新方案。又例如，当发现上述管网节点的可靠度呈平稳状态时，对其的监测方案可以是在原监测方案基础上减少监测频率得到的新方案。在一些实施例中，监测方案可以包括需要监测的重点管网节点。

重点管网节点可以是指可靠度低的管网节点。在一些实施例中，可靠度低可以是指可靠度低于预设可靠度阈值。例如，预设可靠度阈值为55%，当可靠度小于55%（如可靠度为54%）时，即可以认为该管网节点为重点管网节点。重点管网节点在后续应用中，比较容易发生事故，因此需要对其进行重点监测。关于如何确定重点管网节点的更多内容，可以参见图4及其相关描述。

在一些实施例中，监测方案还可以包括数据采集精度，例如，当某一管网节点的可靠度处于预设可靠度阈值附近时，可以通过提高数据采集精度，以更好地确定对其的监测方案。关于收据采集精度的更多内容，可以参见图5及其相关描述。

在一些实施例中，可以基于通过人工分析确定监测方案。例如，管网节点的可靠度低于可靠度阈值55%时，该管网节点为重点管网节点，燃气公司分析该管网节点的可靠度影响特征后给出监测频率为50次/天，监测周期为1周的监测方案，可以用（50，1）表示。

在一些实施例中，可以基于智慧燃气数据中心获取管网节点的可靠性影响特征，智慧燃气数据中心传输管网节点的可靠性影响特征至智慧燃气管网风险评估管理分平台，由智慧燃气管网风险评估管理分平台确定监测方案。其中，智慧燃气管网风险评估管理分平台可以基于管网节点的可靠度，预设多种监测方案。例如，55%＜管网节点的可靠度≤60%时，对应的监测方案为（20，1）；50%＜管网节点的可靠度≤55%时，对应的监测方案为（50，1）等。则基于当前管网节点的可靠度，即可确定其对应的监测方案。

在一些实施例中，流程200还可以包括下述步骤：

步骤240，基于智慧燃气服务平台将监测方案发送至智慧燃气用户平台。

在一些实施例中，智慧燃气管网风险评估管理分平台确定监测方案后，可以通过智慧燃气数据中心将监测方案传输至智慧燃气服务平台，智慧燃气服务平台再将监测方案发送至智慧燃气用户平台的监管用户分平台。监管用户可以在智慧燃气用户平台获取监测方案。

在本说明书的一些实施例中，智慧燃气管网可靠性安全监测物联网系统实现监测方案的确定与传输，便于监管用户及时获取监测方案以加强对可靠度低的管网节点的监测，可以使监管用户提前做好应对措施，以避免燃气管网事故的发生，保障燃气管网的安全。

应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图3是根据本说明书一些实施例所示的管网节点的可靠度确定方法的示意图。

如图3所示，可以基于内在可靠度331和外界可靠度332，确定管网节点的可靠度340。

在一些实施例中，智慧燃气数据中心将管网节点的可靠性影响特征数据传递至智慧燃气管网风险评估管理分平台，智慧燃气管网风险评估管理分平台可以通过多种方式实现基于内在可靠度和外界可靠度，确定管网节点的可靠度。例如，智慧燃气管网风险评估管理分平台可以取内在可靠度和外界可靠度的平均值作为管网节点的可靠度。

在一些实施例中，智慧燃气管网安全管理平台可以对内在可靠度和外界可靠度进行加权求和，以确定管网节点的可靠度。

在一些实施例中，内在可靠度的权重由内在因素导致事故的占比确定，外界可靠度的权重由外界因素导致事故的占比确定，内在因素和外界因素导致的事故数量之比可以由人工统计获取。例如，导致事故的原因中内在因素占比60%，外界因素占比40%，则确定内在可靠度的权重为0.6，外界可靠度的权重为0.4。

在一些实施例中，可靠度包括内在可靠度。在一些实施例中，智慧燃气管网安全管理平台可以基于内在特征311，确定内在可靠度331。

内在特征包括管网特征、运行特征以及维护特征。关于内在特征的更多说明，可以参见图2及其相关描述。

在一些实施例中，可以从存储设备或者数据库中直接获取管网特征。例如，从存储设备或者数据库中直接调取燃气管网的运行年限、管道特征等。在一些实施例中，可以通过存储设备、数据库或传感器获取运行特征。例如，从存储设备或者数据库中直接调取燃气管网额定的运行参数（如，预先设置的温度、气压参数等），通过传感器获取实际的运行参数（如，通过流量计获取实际的燃气流量，通过温度计获取实际的温度，通过压力传感器获取实际的气压等）。在一些实施例中，可以从存储设备或者数据库中直接获取维护特征。例如，从存储设备或者数据库中直接调取检修频率等。

在一些实施例中，智慧燃气管网安全管理平台可以基于采集频率获取至少部分内在特征。例如，智慧燃气管网安全管理平台可以基于采集频率获取实际的运行参数等。

采集频率是指采集数据的频率，可以采用一段时间内采集几次的方式表示，例如1次/周等。

施工的作业频率是指施工方（如市政修路团队等）在燃气管网区域内施工的频率，可以采用一段时间内施工的时长来表示，例如12小时/天等。作业是指对土壤进行翻动、钻洞等可能影响管网节点的安全性的施工操作。在一些实施例中，可以通过传感器采集施工现场信息来确定施工的作业频率。如，通过摄像设备进行图像识别用于确定施工的作业频率，或者通过录音设备采集现场施工声音用于确定施工的作业频率等。

在一些实施例中，采集频率相关于施工的作业频率。例如，采集频率正相关于施工的作业频率，施工的作业频率越高，则采集频率越高等。施工的作业频率可以映射采集频率。例如，施工的作业频率为0小时/天-6小时/天，则对应采集频率为1次/周，施工的作业频率为6小时/天-12小时/天，则对应采集频率为2次/周，施工的作业频率为12小时/天-18小时/天，则对应采集频率为3次/周，施工的作业频率为18小时/天-24小时/天，则对应采集频率为4次/周。

在一些实施例中，智慧燃气管网安全管理平台可以基于施工的作业频率判断采集频率，基于采集频率获取至少部分内在特征。例如，施工的作业频率为10小时/天，则确定采集频率为2次/周，则每周2次通过传感器获取实际的运行参数。

施工可能会影响燃气管网的安全运行，施工的作业频率越高，则对燃气管网区域内地面、土壤的振动/破坏频率就越高，因此施工过程可能以更高的频率影响地下燃气管网，所以对应的采集频率越高。由此，基于采集频率获取至少部分内在特征可以提高采集数据的准确性。

内在可靠度用于描述燃气管网由于内在特征发生事故的概率。例如，内在可靠度包括由于管网特征（如运行年限、管道特征等）、运行特征（如各点位实际的温度、气压等）以及维护特征（如检修频率等）发生事故的概率。内在可靠度越高，则代表燃气管网由于内在特征发生事故的概率越低。内在可靠度的表示方式可以参见图2中可靠度的表示方式。

在一些实施例中，智慧燃气管网安全管理平台可以基于内在特征，计算与历史实例的向量距离，将最近距离的历史实例的内在可靠度确定为当前管网节点的内在可靠度。其中，历史实例是指历史某个管网节点的数据，历史实例可以包括：发生的事故类型，事故成因（用于确定事故由内在特征导致还是外界特征导致），发生事故时或发生事故之前某个时间或时间段的内在特征、外界特征。历史实例可以存储在存储设备或者数据库中。

在一些实施例中，智慧燃气管网安全管理平台可以基于内在特征311，通过预设聚类算法320确定内在可靠度331。

预设聚类算法为预先设定的用于确定内在可靠度或外界可靠度的聚类算法。聚类算法的类型可以包括多种，例如，聚类算法可以包括K-Means(K均值)聚类、基于密度的聚类方法(DBSCAN)等。

在一些实施例中，将历史实例分为两个大类，分别为与内在特征与外界特征对应的两个大类，即由于内在特征导致的事故的实例集合和由于外界特征导致的事故的实例集合。在由于内在特征导致的事故的实例集合中，通过聚类算法对由于内在特征导致的事故的实例进行聚类，得到若干个分类。由于内在特征导致的事故的实例可以由内在特征向量表示，内在特征向量中的元素可以与内在特征的参数值对应。例如，内在特征向量可以为（a，b，c，d，e，f，g），a可以表示管道的运行年限，b可以表示管道的材料，c可以表示管道的长度，d可以表示各节点额定流量，e可以表示各节点实际的流量，f可以表示检修频率，g可以表示最近一次检修时间。在一些实施例中，智慧燃气管网安全管理平台可以通过聚类算法对内在特征向量的集合进行聚类，并确定各个聚类集合的聚类中心。

在一些实施例中，上述聚类过程可以在预设聚类中心数量后进行，例如预设3个聚类中心，即将由于内在特征导致的事故的实例集合中的实例进行聚类得到3个分类。在一些实施例中，前述预设聚类中心数量可以根据实际情况设定。

在一些实施例中，由于内在特征导致的事故的实例集合中可以包括一个或多个聚类中心。聚类中心可以代表内在特征的类型。在一些实施例中，智慧燃气管网安全管理平台可以通过聚类算法对由于内在特征导致的事故的实例集合进行聚类，确定第一聚类中心集合。聚类算法可以包括但不限于K-Means（K均值）聚类和/或基于密度的聚类方法（DBSCAN）等。

在一些实施例中，当有新的由于内在特征导致的事故的实例产生时，可以基于该新的实例构建对应的新的内在特征向量，再基于该新的内在特征向量与实例集合中各个聚类中心对应的内在特征向量的向量距离确定该新的实例所属的聚类，例如，新的实例可以属于与其向量距离最小的聚类中心所在的聚类，其中，计算向量距离的方法可以包括但不限于欧式距离、余弦距离、马氏距离、切比雪夫距离和/或曼哈顿距离等。

在一些实施例中，可以基于管网节点的内在特征，将其划分到上述由于内在特征导致的事故的实例集合中的一个类中。例如，计算管网节点的内在特征和聚类中心的内在特征之间的向量距离，将其划分到离聚类中心距离最近的对应分类中。再基于该类中的历史实例的内在可靠度，确定内在可靠度。例如，将该类中包含的各个历史实例的内在可靠度取平均值作为内在可靠度。

在一些实施例中，可以基于由于内在特征导致的事故发生时长的间隔，确定历史实例的内在可靠度。每个历史实例的内在特征对应的是某一个时刻的特征。例如，对于某个历史实例，该历史实例的内在特征对应的时刻为t0，若该历史实例所在的施工现场在t0时刻的同时（或很短的时间内，如1小时等），发生了由于内在特征导致的事故，那么该历史实例的内在可靠度可以很低（例如，为0）；若该历史实例所在的施工现场隔了很久才发生由于内在特征导致的事故，甚至一直没发生由于内在特征导致的事故，那该历史实例的内在可靠度就很高（例如，接近1）。

在一些实施例中，可以基于聚类中的历史实例的内在可靠度的加权求和，确定内在可靠度。在一些实施例中，历史实例的内在可靠度的权重相关于历史实例对应的历史数据采集精度。

历史数据采集精度是指采集历史数据的精细程度，可以包括采集历史数据的频率，采集历史数据是否全面等。历史数据采集精度可以按等级划分，等级越高代表历史数据采集精度越高，可以设置等级上限，如10级。在一些实施例中，历史数据采集精度可以从数据采集记录中查询获取，或者从存储历史数据采集精度的存储设备或数据库中调取。

在一些实施例中，聚类中的历史实例的内在可靠度的权重可以正相关于历史数据采集精度。例如，聚类中包含历史实例1、历史实例2和历史实例3，其中，历史实例1的历史数据采集精度为2级，历史实例2的历史数据采集精度为3级，历史实例3的历史数据采集精度为5级，则历史实例1的内在可靠度权重为0.2，历史实例2的内在可靠度权重为0.3，历史实例3的内在可靠度权重为0.5。则聚类中的历史实例的内在可靠度为0.2*历史实例1的内在可靠度+0.3*历史实例2的内在可靠度+0.5*历史实例3的内在可靠度。

基于聚类中的历史实例的内在可靠度的加权求和来确定内在可靠度，该确定方式考虑了历史数据采集精度，使得确定内在可靠度时，考虑的因素更全面，且数据采集精度与数据准确性相关联，也使得确定的内在可靠度更为准确。

在一些实施例中，可靠度包括外界可靠度。在一些实施例中，智慧燃气管网安全管理平台可以基于外界特征312，确定外界可靠度332。

在一些实施例中，外界特征包括气候特征、施工特征等。其中，气候特征用于表示与气候相关的因素，例如，阳光平均照射时长、温度、湿度等。气候特征还可以是多个时刻的气候特征构成的序列。施工特征用于表示与施工相关的特征。例如，预期施工进度、实际施工进度、施工人数、施工设备、施工范围等，其中施工范围可以包括施工深度与施工面积等。在一些实施例中，施工特征还包括施工的作业频率。关于施工的作业频率参见上文相关描述。

外界特征中施工特征包括施工的作业频率，能更详细地描述施工特征，使施工特征数据更加全面，从而使基于外界特征确定的外界可靠度的可信度更高。

在一些实施例中，可以通过燃气管网周围环境中部署的传感器获取气候特征。例如，通过温度计获取环境温度，通过光照度传感器获取阳光照射时长等。在一些实施例中，可以通过施工队预先报备的信息确定施工特征。例如，施工队预先报备预期施工进度、实际施工进度、施工人数、施工设备、施工范围等。

外界可靠度用于描述燃气管网由于外界特征发生事故的概率。例如，外界可靠度包括由于气候特征（如环境温度、湿度等）和施工特征（如施工范围、施工设备等）发生事故的概率。外界可靠度越高，则代表燃气管网由于外界特征发生事故的概率越低。外界可靠度的表示方式可以参见图2中可靠度的表示方式。

在一些实施例中，智慧燃气管网安全管理平台可以基于外界特征，计算与历史实例的向量距离，将最近距离的历史实例的外界可靠度确定为当前管网节点的外界可靠度。历史实例参见上文相关描述。

在一些实施例中，智慧燃气管网安全管理平台可以基于外界特征312，通过预设聚类算法320确定外界可靠度332。关于预设聚类算法参见上文相关描述。

如前所述，可以将历史实例分为两个大类（即由于内在特征导致的事故的实例集合和由于外界特征导致的事故的实例集合）。在一些实施例中，在由于外界特征导致的事故的实例集合中，通过聚类算法对由于外界特征导致的事故的实例进行聚类，得到若干个分类。由于外界特征导致的事故的实例可以由外界特征向量表示，外界特征向量中的元素可以与外界特征的参数值对应。例如，外界特征向量可以为（a，b，c，d，e，f），a可以表示环境温度，b可以表示环境湿度，c可以表示预期施工进度，d可以表示实际施工进度，e可以表示施工人数，f可以表示施工范围。在一些实施例中，智慧燃气管网安全管理平台可以通过聚类算法对外界特征向量的集合进行聚类，并确定各个聚类集合的聚类中心。在一些实施例中，上述聚类过程可以在预设聚类中心数量后进行，例如预设2个聚类中心，即将由于外界特征导致的事故的实例集合中的实例进行聚类得到2个分类。在一些实施例中，前述预设聚类中心数量可以根据实际情况设定。

在一些实施例中，由于外界特征导致的事故的实例集合中可以包括一个或多个聚类中心。聚类中心可以代表外界特征的类型。在一些实施例中，智慧燃气管网安全管理平台可以通过聚类算法对由于外界特征导致的事故的实例集合进行聚类，确定第一聚类中心集合。聚类算法可以包括但不限于K-Means（K均值）聚类和/或基于密度的聚类方法（DBSCAN）等。

在一些实施例中，当有新的由于外界特征导致的事故的实例产生时，可以基于该新的实例构建对应的新的外界特征向量，再基于该新的外界特征向量与实例集合中各个聚类中心对应的外界特征向量的向量距离确定该新的实例所属的聚类，例如，新的实例可以属于与其向量距离最小的聚类中心所在的聚类，其中，计算向量距离的方法可以包括但不限于欧式距离、余弦距离、马氏距离、切比雪夫距离和/或曼哈顿距离等。

在一些实施例中，可以基于管网节点的外界特征，将其划分到上述由于上述特征导致的事故的实例集合中的一个类中。例如，计算管网节点的外界特征和聚类中心的外界特征之间的向量距离，将其划分到离聚类中心距离最近的对应分类中。再基于该类中的历史实例的外界可靠度，确定外界可靠度。例如，将该类中包含的各个历史实例的外界可靠度取平均值作为外界可靠度。

在一些实施例中，可以基于由外界特征导致的事故发生时长的间隔，确定历史实例的外界可靠度。历史实例的外界可靠度的确定方法与历史实例的内在可靠度的确定方法类似，历史实例的外界可靠度的确定方法可以参见历史实例的内在可靠度的确定方法。

在一些实施例中，可以基于聚类中的历史实例的外界可靠度的加权求和，确定外界可靠度。在一些实施例中，权重相关于历史实例对应的历史数据采集精度。关于历史实例及历史数据采集精度的更多内容参见上文相关描述。

在一些实施例中，聚类中的历史实例的外界可靠度的权重可以正相关于历史数据采集精度。例如，聚类中包含历史实例4、历史实例5，其中，历史实例4的历史数据采集精度为4级，历史实例5的历史数据采集精度为6级，则历史实例4的外界可靠度权重为0.4，历史实例5的外界可靠度权重为0.6。则聚类中的历史实例的外界可靠度为0.4*历史实例4的外界可靠度+0.6*历史实例5的外界可靠度。

基于聚类中的历史实例的外界可靠度的加权求和来确定外界可靠度，该确定方式考虑了历史数据采集精度，使得确定外界可靠度时，考虑的因素更全面，且数据采集精度与数据准确性相关联，也使得确定的外界可靠度更为准确。

在一些实施例中，外界可靠度还相关于发生施工事故的概率。即外界可靠度的确定还需考虑到发生施工事故的概率。

发生施工事故的概率是指施工过程中发生事故的概率。发生施工事故的概率可以用百分数表示，百分数越大，发生施工事故的概率越大。在一些实施例中，可以通过查询安全信息表获取施工相关信息，凭施工经验得到发生施工事故的概率。在一些实施例中，可以将目前的施工特征与历史施工过程中发生事故时的历史施工特征进行比对，基于相似度确定概率。例如，目前的施工特征与历史施工特征的相似度为50%，则确定发生施工事故的概率为50%。

在一些实施例中，外界可靠度负相关于发生施工事故的概率，例如，发生施工事故的概率越大，则确定外界可靠度越低。

在一些实施例中，外界可靠度的确认还需要对基于向量相似度确定外界可靠度，基于聚类中的历史实例确定外界可靠度以及当前施工特征对应的发生施工事故的概率进行综合考虑。例如，发生施工事故的概率可以作为一个下降因子，对基于历史实例确定的外界可靠度进行下降，下降幅度可以是预设值，例如，施工事故概率越大下降幅度越大。

在一些实施例中，下降因子还可以考虑当前施工特征对应的发生施工事故的概率与历史实例的施工特征对应的施工事故概率之比的相对关系。例如，下降因子与当前施工特征对应的发生施工事故的概率与历史实例的施工特征对应的发生施工事故的概率之比正相关。

在一些实施例中，可以基于施工特征与异常项集合中的异常项的重合度，确定发生施工事故的概率。其中，异常项可以基于频繁项算法确定。

异常项是指将发生施工事故时的经常同时出现的特征构建而成的特征项。例如，将发生施工事故的历史施工特征表示为（A，B，C，D），其中A可以表示预期施工进度，B可以表示实际施工进度，C可以表示施工人数，D可以表示施工设备。则发生施工事故的历史施工特征（55，45，10，A）则表示预期施工进度为55，实际施工进度45，施工人数为10，施工设备为A。若发生施工事故1的历史施工特征（55，45，10，A），发生施工事故2的历史施工特征（53，36，5，B），发生施工事故3的历史施工特征（53，36，5，A），（53，36，5）这个特征项反复同时出现，如出现次数或占比超过阈值，则可以认为（53，36，5）为异常项。

在一些实施例中，可以基于历史施工特征中某特征项在发生施工事故的施工特征中的出现次数来确定异常项。例如，历史施工特征中某特征项的出现次数大于出现阈值则确定该特征项为异常项。出现阈值可以人工指定，如5次等。

在一些实施例中，可以基于历史施工特征中某特征项在发生施工事故与未发生施工事故中的支持度，确定异常项。例如，（53，36，5）这个特征项既在发生施工事故的施工特征中，也在未发生施工事故的特征中，则该特征项的正向支持度（该特征项在发生施工事故的施工特征中出现的次数）大于正向支持度阈值，且逆向支持度（该特征项在未发生施工事故的施工特征中出现的次数）小于逆向支持度阈值时，才确定为异常项。仅作为示例的，当正向支持度阈值设置为10，逆向支持度阈值设置为5时，若（53，36，5）在发生施工事故的施工特征中出现的次数的20次，（53，36，5）在未发生施工事故的施工特征中出现的次数的3次，正向支持度20大于正向支持度阈值10，逆向支持度3小于逆向支持度阈值5，则可以确定（53，36，5）为异常项。

在一些实施例中，可以基于预设算法确定异常项。

在一些实施例中，智慧燃气管网安全管理平台可以基于各个特征项的支持度确定异常项。支持度可以指某个特征项或某个特征项组合在所有发生施工事故的施工特征集合中出现的频率。

仅作为示例的，智慧燃气管网安全管理平台可以基于第一数据集确定第二数据集，基于第二数据集中每个数据的值确定第三数据集，以及基于第三数据集中每个数据的特征项数量确定异常项。其中，第二数据集中每个数据的值指该数据在第一数据集中的出现的次数。基于第二数据集中每个数据的值确定第三数据集，可以包括确定第二数据集中数据的值大于支持度的数据，并且确定值大于支持度的数据为第三数据集。在一些实施例中，可以使用预设算法（如FP-Growth、Apriori等算法）确定第三数据集。

仅作为示例，所有发生施工事故的施工特征集合（即第一数据集）有4个，如，（55，45，10，A）、（53，36，5，B）、（53，36，5，A）、（53，36，5，C）。对于该施工特征集合，智慧燃气管网安全管理平台可以获取多个k元组。k元组可以指包含k个特征项的集合（即第二数据集），即每相邻的k个元素形成一个k元组，而跟其他因素（例如，时间）无关。例如，当k元组为二元组时，每2个元素为一组即：“（55，45）”、“（45，10）”、“（10，A）”、“（55，36）”、“（36，5）”、“（5，B）”等。又例如，当k元组为三元组时，每相邻三个元素为一组，即：“（55，45，10）”、“（45，10，A）”、“（55，36，5）”等。第三数据集可以包括所有符合条件的k元组。该条件为k元组在施工特征集合（即，第一数据集）中出现的次数超过支持度。支持度可以预先设置或采用默认值，例如，支持度为2，第三数据集可以包括“（55，36）”、“（36，5）”、“（55，36，5）”。在第三数据集中，“（55，36，5）”涵盖的特征项数量最多，所以智慧燃气管网安全管理平台可以确定“（55，36，5）”为异常项。

重合度是指施工特征中特征项相同的程度，可以用百分数表示。例如，假设施工特征一共有5个特征项，其中2个特征项与异常项中对应项相同，则重合度=2/5，表示为40%。仅作为示例性的，异常项集合中的异常项包括（53，36，5），当前管网节点的施工特征为（50，30，5，A）时，施工特征中施工人数5与异常项中施工人数5重合，则重合度=1/4，表示为25%。

在一些实施例中，发生施工事故的概率可以正相关于施工特征与异常项集合中的异常项的重合度。例如，施工特征与异常项集合中的异常项的重合度越高，则发生施工事故的概率越高，两者可以是数值相等的关系，也可以是其他正相关关系。

基于预设算法确定异常项来预测发生施工事故的概率，可以提高预测发生施工事故的概率的准确性，进而提高确定外界可靠度的准确性。

图4是根据本说明书一些实施例所示重点管网节点满足的条件的示意图。

在一些实施例中，重点管网节点满足以下至少之一条件：可靠度低于预设可靠度阈值410，可靠度降幅大于预设降幅阈值420。

预设可靠度阈值是预先设置的可靠度阈值，可以基于历史经验人工设置，例如，预设可靠度阈值设置为60%等。

在一些实施例中，当管网节点的可靠度低于预设可靠度阈值时，管网节点被确定为重点管网节点。例如，当管网节点的可靠度为50%时，其低于预设可靠度阈值（60%），则该管网节点被确定为重点管网节点。

可靠度降幅为管网节点的第一时间点可靠度与第二时间点可靠度的之差，即可靠度降幅为第一时间点可靠度（如70%）减去第二时间点可靠度（如60%）得到的差值（如10%）。

预设降幅阈值是预先设置的降幅阈值，可以基于历史经验人工设置，例如，预设降幅阈值为5%等。

第一时间点可靠度是指基于管网节点在第一时间点的可靠性影响特征确定的可靠度。例如t0时刻对应的可靠度。

第二时间点可靠度是指基于管网节点在第二时间点的可靠性影响特征确定的可靠度。例如t1时刻对应的可靠度。第一时间点早于第二时间点。

在一些实施例中，当管网节点的可靠度降幅大于预设降幅阈值时，管网节点被确定为重点管网节点。例如，当管网节点的可靠度降幅为10%，其大于预设降幅阈值（5%），则该管网节点被确定为重点管网节点。

基于可靠度低于预设可靠度阈值判断重点管网节点，还基于可靠度降幅大于预设降幅阈值判断重点管网节点，从上述两方面判断，能够防止重点管网节点出现误判的情况，提高了判断管网节点的准确性。

图5是根据本说明书一些实施例所示的数据采集精度的影响因素的示意图。

在一些实施例中，监测方案还包括数据采集精度。

数据采集精度是指采集数据的精细程度，可以包括采集频率，采集数据是否全面等。数据采集精度可以按等级划分，等级越高代表数据采集精度越高，可以设置等级上限，如10级。

在一些实施例中，可以基于管网节点的可靠度511确定数据采集精度520。例如，数据采集精度与可靠度负相关，即可靠度越低，数据采集精度越高，可靠度越高，则数据采集精度越低。

基于可靠度确定数据采集精度，能实现根据可靠度调整数据采集精度，重点监测可靠度较低的管网节点，提高了监测方案的灵活性，同时有效控制监测成本。

在一些实施例中，数据采集精度520还相关于与施工特征满足重合度要求的异常项的正向支持度512。关于异常项的更多内容，可以参见图3及其相关描述。

异常项的正向支持度可以指异常项在发生施工事故的施工特征中出现的频率。可以用次数表示，也可以用百分数表示。异常项的正向支持度越大，则代表该异常项与发生施工事故的关联越密切，即该异常项越容易导致发生施工事故。例如，异常项1的正向支持度为10，异常项2的正向支持度为5，则相较于异常项2，异常项1更容易导致发生施工事故。关于正向支持度的更多内容，可以参见图3及其相关描述。

重合度要求可以是指大于重合度阈值，重合度阈值可以人为设置为70%，此时重合度要求为重合度大于70%。关于重合度的更多内容，可以参见图3及其相关描述。

与施工特征满足重合度要求是指异常项与当前管网节点的施工特征的重合度满足重合度要求。例如，当前管网节点的施工特征为（80，75，15，A，50），异常项1为（80，75，60），异常项2为（20，B，50），异常项3为（80，75，15，B，50），异常项1与当前管网节点的施工特征中的2个特征项相同，则重合度为2/5，表示为40%，异常项2与当前管网节点的施工特征中的1个特征项相同，则重合度为1/5，表示为20%，异常项3与当前管网节点的施工特征中的4个特征项相同，则重合度为4/5，表示为80%。异常项3与当前管网节点的施工特征的重合度（80%）大于重合度阈值（如70%），因此异常项3为与施工特征满足重合度要求的异常项。

在一些实施例中，数据采集精度可以负相关于与施工特征满足重合度要求的异常项的正向支持度。例如，与施工特征满足重合度要求的异常项的正向支持度越小，则确定数据采集精度越大。

异常项的正向支持度越小，则认为该异常项与发生施工事故的关联越不密切，因此该异常项判断得到的可靠度的置信度可能较低，从而仅根据可靠度确认的数据采集精度的置信度较低。基于异常项的正向支持度确定数据采集精度，能够修正正向支持度较小的异常项导致可靠度的置信度较低的不利影响，从而提高确定的数据采集精度的准确性。

本说明书实施例还公开了一种计算机可读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，计算机执行智慧燃气管网可靠性安全监测方法。

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 (7)

1.一种智慧燃气管网可靠性安全监测方法，其特征在于，基于管网可靠性安全监测物联网系统的智慧燃气管网安全管理平台执行；

所述方法包括：

获取管网节点的可靠性影响特征；所述可靠性影响特征包括内在特征、外界特征中至少一种；所述内在特征包括管网特征、运行特征以及维护特征，所述外界特征包括气候特征和施工特征；

基于所述可靠性影响特征，确定所述管网节点的可靠度；

基于所述管网节点的所述可靠度，确定监测方案；所述监测方案包括需要监测的重点管网节点；

其中，所述可靠度包括内在可靠度和外界可靠度；所述基于所述可靠性影响特征，确定所述管网节点的可靠度包括：

基于所述管网节点的内在特征，确定所述管网节点的内在可靠度；

基于所述管网节点的外界特征，将所述管网节点划分到由所述外界特征导致的事故的实例集合中的类中，所述类通过预设聚类算法确定；

基于所述类中的历史实例的外界可靠度加权求和，确定所述管网节点的外界可靠度，所述加权求和的权重正相关于所述类中的历史实例对应的历史数据采集精度；

将发生施工事故的概率作为下降因子，对所述管网节点的外界可靠度进行下降，得到下降后的所述管网节点的外界可靠度，所述发生施工事故的概率基于所述施工特征与异常项集合中的异常项的重合度确定，所述异常项是指将发生施工事故时的经常同时出现的特征构建而成的特征项。

2.根据权利要求1所述的方法，其特征在于，所述获取管网节点的可靠性影响特征包括：

基于采集频率获取至少部分所述内在特征；所述采集频率相关于施工的作业频率。

3.根据权利要求1所述的方法，其特征在于，所述重点管网节点满足以下至少之一条件：

所述可靠度低于预设可靠度阈值；

可靠度降幅大于预设降幅阈值；所述可靠度降幅为所述管网节点的第一时间点可靠度与第二时间点可靠度的之差；所述第一时间点可靠度、所述第二时间点可靠度分别对应基于所述管网节点在第一时间点的可靠性影响特征确定以及在第二时间点的可靠性影响特征确定；所述第一时间点早于所述第二时间点。

4.根据权利要求1所述的方法，其特征在于，所述管网可靠性安全监测物联网系统还包括：智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网传感网络平台、智慧燃气管网对象平台；

所述智慧燃气管网对象平台用于获取所述管网节点的所述可靠性影响特征，并通过所述智慧燃气管网传感网络平台传递至所述智慧燃气管网安全管理平台；

所述方法还包括：

基于所述智慧燃气服务平台将所述监测方案发送至所述智慧燃气用户平台。

5.一种管网可靠性安全监测物联网系统，其特征在于，包括：智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台、智慧燃气管网对象平台；

所述智慧燃气管网对象平台用于：获取管网节点的可靠性影响特征，并通过所述智慧燃气管网传感网络平台将所述可靠性影响特征传递至所述智慧燃气管网安全管理平台；所述可靠性影响特征包括内在特征、外界特征中至少一种；所述内在特征包括管网特征、运行特征以及维护特征，所述外界特征包括气候特征和施工特征；

所述智慧燃气管网安全管理平台用于：

基于所述可靠性影响特征，确定所述管网节点的可靠度；

基于所述管网节点的所述可靠度，确定监测方案；所述监测方案包括需要监测的重点管网节点；

其中，所述可靠度包括内在可靠度和外界可靠度；所述基于所述可靠性影响特征，确定所述管网节点的可靠度包括：

基于所述管网节点的内在特征，确定所述管网节点的内在可靠度；

基于所述管网节点的外界特征，将所述管网节点划分到由所述外界特征导致的事故的实例集合中的类中，所述类通过预设聚类算法确定；

基于所述类中的历史实例的外界可靠度加权求和，确定所述管网节点的外界可靠度，所述加权求和的权重正相关于所述类中的历史实例对应的历史数据采集精度；

将发生施工事故的概率作为下降因子，对所述管网节点的外界可靠度进行下降，得到下降后的所述管网节点的外界可靠度，所述发生施工事故的概率基于所述施工特征与异常项集合中的异常项的重合度确定，所述异常项是指将发生施工事故时的经常同时出现的特征构建而成的特征项；

以及将所述监测方案传递至所述智慧燃气服务平台；

所述智慧燃气服务平台用于通过所述智慧燃气用户平台将所述监测方案反馈至用户。

6.根据权利要求5所述的系统，其特征在于，所述智慧燃气用户平台包括燃气用户分平台、监管用户分平台；

所述智慧燃气服务平台包括与所述燃气用户分平台对应的智慧用气服务分平台、与所述监管用户分平台对应的智慧监管服务分平台；

所述智慧燃气管网安全管理平台包括智慧燃气管网风险评估管理分平台、智慧燃气数据中心；其中，所述智慧燃气管网风险评估管理分平台包括管网基础数据管理模块、管网运行数据管理模块、管网风险评估管理模块；

所述智慧燃气管网传感网络平台包括智慧燃气管网设备传感网络分平台、智慧燃气管网维护工程传感网络分平台；

所述智慧燃气管网对象平台包括智慧燃气管网设备对象分平台、智慧燃气管网维护工程对象分平台。

7.一种计算机可读存储介质，所述存储介质存储计算机指令，其特征在于，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中任一项所述的智慧燃气管网可靠性安全监测方法。

Images