CN115796408B - 一种用于智慧燃气的燃气输送损耗预测方法和物联网系统 - Google Patents
一种用于智慧燃气的燃气输送损耗预测方法和物联网系统 Download PDFInfo
- Publication number
- CN115796408B CN115796408B CN202310104479.2A CN202310104479A CN115796408B CN 115796408 B CN115796408 B CN 115796408B CN 202310104479 A CN202310104479 A CN 202310104479A CN 115796408 B CN115796408 B CN 115796408B
- Authority
- CN
- China
- Prior art keywords
- gas
- intelligent
- platform
- data
- gas flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000007789 gas Substances 0.000 claims abstract description 1032
- 230000002159 abnormal effect Effects 0.000 claims abstract description 67
- 239000002737 fuel gas Substances 0.000 claims abstract description 45
- 230000007613 environmental effect Effects 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims description 124
- 230000008859 change Effects 0.000 claims description 43
- 238000000605 extraction Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 8
- 230000006855 networking Effects 0.000 claims 1
- 238000012549 training Methods 0.000 description 33
- 230000008569 process Effects 0.000 description 32
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000000306 recurrent effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 208000032368 Device malfunction Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus
- G01F15/06—Indicating or recording devices
- G01F15/061—Indicating or recording devices for remote indication
- G01F15/063—Indicating or recording devices for remote indication using electrical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus
- G01F15/06—Indicating or recording devices
- G01F15/061—Indicating or recording devices for remote indication
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus
- G01F15/02—Compensating or correcting for variations in pressure, density or temperature
- G01F15/022—Compensating or correcting for variations in pressure, density or temperature using electrical means
- G01F15/024—Compensating or correcting for variations in pressure, density or temperature using electrical means involving digital counting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F25/00—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume
- G01F25/10—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume of flowmeters
- G01F25/15—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume of flowmeters specially adapted for gas meters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/002—Investigating fluid-tightness of structures by using thermal means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
- G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
- G01M3/2807—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes
- G01M3/2815—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes using pressure measurements
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- 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
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本说明书实施例提供一种用于智慧燃气的燃气输送损耗预测方法和物联网系统,由用于智慧燃气的燃气输送损耗预测物联网系统的智慧燃气设备管理平台执行,该方法包括:基于燃气管网中多个位置的燃气计量装置、压力检测装置和温度监测装置,分别获取多个时间点的燃气流量数据、燃气压力数据和环境温度数据;基于环境温度数据,预测燃气计量误差;基于燃气流量数据、燃气压力数据和燃气计量误差,确定燃气损耗是否为异常损耗;响应于燃气损耗为异常损耗,发出预警通知。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。
Description
技术领域
本说明书涉及燃气输送技术领域,特别涉及一种用于智慧燃气的燃气输送损耗预测方法和物联网系统。
背景技术
在当前的社会发展中,城市化进程不断加快,燃气已成为人们生活中不可缺少的重要基础能源。随着燃气在全国范围内的推广与普及,燃气长输管道及城市配气管网大量建设,燃气在管道运输过程中的损耗越来越受到输气企业的重视。对于燃气计量模式,在我国多数地区,都是根据当地用户的用量来计算总量的模式。而纵观燃气计量实况,燃气计量误差始终较大,这种情况主要是由燃气压力和气流波动、宽量程计量误差、供应条件存在差异、燃气的质量等方面造成的,这对燃气计量的准确性提高十分不利,也就难以准确的确定燃气输送过程中的实际损耗。
因此,希望提供一种用于智慧燃气的燃气输送损耗预测方法和物联网系统,以提高燃气输送过程中燃气损耗预测的准确性。
发明内容
发明内容包括一种用于智慧燃气的燃气输送损耗预测方法,所述方法由用于智慧燃气的燃气输送损耗预测物联网系统的智慧燃气设备管理平台执行,包括:基于燃气管网中多个位置的燃气计量装置、压力检测装置和温度监测装置,分别获取多个时间点的燃气流量数据、燃气压力数据和环境温度数据;基于所述环境温度数据,预测燃气计量误差;基于所述燃气流量数据、所述燃气压力数据和所述燃气计量误差,确定燃气损耗是否为异常损耗;响应于所述燃气损耗为所述异常损耗,发出预警通知。
发明内容包括一种用于智慧燃气的燃气输送损耗预测物联网系统,所述系统包括智慧燃气用户平台、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:所述智慧燃气用户平台包括多个智慧燃气用户分平台;所述智慧燃气服务平台包括多个智慧燃气服务分平台,不同的所述智慧燃气服务分平台对应不同的所述智慧燃气用户分平台;所述智慧燃气设备管理平台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;所述智慧燃气传感网络平台包括智慧燃气户内设备传感网络分平台、智慧燃气管网设备传感网络分平台;所述智慧燃气对象平台包括智慧燃气户内设备对象分平台、智慧燃气管网设备对象分平台,所述智慧燃气户内设备对象分平台对应所述智慧燃气户内设备传感网络分平台,所述智慧燃气管网设备对象分平台对应所述智慧燃气管网设备传感网络分平台;所述智慧燃气对象平台用于获取燃气流量数据、燃气压力数据和环境温度数据,并基于对应的所述智慧燃气传感网络分平台上传到所述智慧燃气设备管理平台的所述智慧燃气数据中心;所述智慧燃气设备管理平台用于基于所述环境温度数据,预测燃气计量误差;基于所述燃气流量数据、所述燃气压力数据和所述燃气计量误差,确定燃气损耗是否为异常损耗;响应于所述燃气损耗为所述异常损耗,发出预警通知;并基于所述智慧燃气数据中心将所述预警通知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将所述预警通知上传至所述智慧燃气用户平台。
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燃气输送损耗预测物联网系统的示例性平台结构图;
图2是根据本说明书一些实施例所示的用于智慧燃气的燃气输送损耗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基于误差模型确定计量误差的示例性示意图;
图4是根据本说明书一些实施例所示的确定是否为异常损耗的示例性流程图;
图5是根据本说明书一些实施例所示的基于图结构确定是否为异常损耗的示例性流程图;
图6是根据本说明书一些实施例所示的基于流量模型确定是否为异常损耗的示例性示意图。
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燃气输送损耗预测物联网系统的示例性平台结构图。在一些实施例中,所述用于智慧燃气的燃气输送损耗预测物联网系统100可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气设备管理平台130、智慧燃气传感网络平台140、智慧燃气对象平台150。
智慧燃气用户平台110可以是面向用户的服务接口。在一些实施例中,智慧燃气用户平台可以包括多个智慧燃气用户分平台,如燃气用户分平台、政府用户分平台和监管用户分平台。其中,燃气用户可以指燃气消费者,政府用户可以指对燃气供应进行调度运营的政府部门人员,监管用户可以指对燃气供应和使用安全进行监管的相关人员。
在一些实施例中,智慧燃气用户平台110可以接收来自用户和/或智慧燃气服务平台120的信息。例如,智慧燃气用户平台110可以接收来自用户输入的燃气设备参数管理信息查询指令,如燃气用户输入的燃气使用数据查询指令、燃气使用问题反馈;政府用户输入的燃气运营数据查询指令;监管用户输入的与监管相关的数据查询指令。其中,燃气设备参数管理信息可以包括但不限于燃气流量数据、燃气压力数据、环境温度数据、燃气损耗量、燃气损耗是否异常等。又例如,智慧燃气用户平台110可以接收来自智慧燃气服务平台120向用户反馈的信息,如接收燃气异常损耗的预警通知等。
在一些实施例中,智慧燃气用户平台110可以被配置为将接收到的信息反馈至用户。在一些实施例中,智慧燃气用户平台110可以被配置为向智慧燃气服务平台120下发数据和/或指令,例如,下发确定燃气损耗是否为异常损耗的指令。
智慧燃气服务平台120可以是对信息进行初步处理的平台。在一些实施例中,智慧燃气服务平台120可以被配置为与智慧燃气用户平台110和智慧燃气设备管理平台130进行信息和/或数据交互。例如,智慧燃气服务平台120可以从智慧燃气用户平台110获取用户输入的燃气设备参数管理信息查询指令、上传燃气设备参数管理信息至智慧燃气用户平台110等。又例如,智慧燃气服务平台120可以下发燃气设备参数管理信息查询指令至智慧燃气设备管理平台130、从智慧燃气设备管理平台130获取燃气输送异常损耗预测信息(如燃气损耗是否为异常损耗、预警通知等)。
在一些实施例中,智慧燃气服务平台120可以包括多个智慧燃气服务分平台,如智慧用气服务分平台、智慧运营服务分平台和智慧监管服务分平台。不同的智慧燃气服务分平台对应不同的智慧燃气用户分平台。例如,智慧用气服务分平台对应燃气用户分平台、智慧运营服务分平台对应政府用户分平台、智慧监管服务分平台对应监管用户分平台。
在一些实施例中,多个智慧燃气服务分平台中的至少一个可以向智慧燃气设备管理平台130发送查询与之对应的燃气设备参数管理信息的查询指令,以获取对应的信息。例如,多个智慧燃气服务分平台中的至少一个可以下发燃气设备参数管理信息查询指令至智慧燃气设备管理平台130中的智慧燃气数据中心,并接收智慧燃气设备管理平台130中的智慧燃气数据中心上传的燃气设备参数管理信息。
在一些实施例中,多个智慧燃气服务分平台中的至少一个可以接收对应的智慧燃气用户分平台下发的燃气设备参数管理信息查询指令,并上传对应的燃气设备参数管理信息到该智慧燃气用户分平台。例如,智慧运营服务分平台可以接收政府用户分平台下发的燃气设备参数管理信息查询指令,并上传对应的燃气设备参数管理信息至政府用户分平台。
智慧燃气设备管理平台130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,智慧燃气设备管理平台130可以用于基于环境温度数据,预测燃气计量误差;基于燃气流量数据、燃气压力数据和燃气计量误差,确定燃气损耗是否为异常损耗;响应于燃气损耗为所述异常损耗,发出预警通知;并基于智慧燃气数据中心将预警通知经智慧燃气服务平台120传递至智慧燃气用户平台110。在一些实施例中,用户可以通过智慧燃气用户平台110获取预警通知,并基于预警通知做出相应的处理。
更多关于确定燃气损耗是否为异常损耗、响应于燃气损耗为异常损耗,发出预警通知的内容可以参见图2、图3、图4、图5、图6及其相关描述。
在一些实施例中,智慧燃气设备管理平台130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。各个智慧燃气管理分平台相互独立设置,并且可以与智慧燃气数据中心进行数据交互。例如,各智慧燃气管理分平台可以从智慧燃气数据中心获取智慧燃气传感网络平台140上传的数据并进行处理,然后将处理结果反馈到智慧燃气数据中心。
在一些实施例中,智慧燃气设备管理平台130可以通过智慧燃气数据中心与智慧燃气服务平台120和智慧燃气传感网络平台140进行信息和/或数据交互。例如,智慧燃气数据中心可以获取智慧燃气传感网络平台140获取的燃气设备参数管理信息、向智慧燃气服务平台120上传各个智慧燃气设备管理分平台反馈的数据处理结果等。在一些实施例中,智慧燃气数据中心可以汇总、存储燃气设备参数管理信息。例如,智慧燃气数据中心可以对智慧燃气传感网络平台140上传的数据进行分类汇总、存储。又例如,智慧燃气数据中心可以对各个智慧燃气设备管理分平台反馈的数据处理结果进行分类汇总、存储。
在一些实施例中,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可以包括设备运行监测预警模块和设备远程管理模块。其中,设备运行监测预警模块可以用于查看户内和/或管网设备运行参数历史数据和实时数据,并根据预设阈值进行监测预警。设备远程管理模块可以对智慧燃气户内和/或管网中的智慧燃气对象平台设备的参数进行远程设置、调整,以及对智慧燃气户内和/或管网的智慧燃气对象平台设备现场发起的设备参数调节进行远程授权。
智慧燃气传感网络平台140可以是智慧燃气设备管理平台130和智慧燃气对象平台150之间实现交互的衔接的平台。在一些实施例中,智慧燃气传感网络平台140可以接收智慧燃气设备管理平台130通过智慧燃气数据中心下发的获取燃气设备参数管理信息的指令,并将指令下发至智慧燃气对象平台150。在一些实施例中,智慧燃气传感网络平台140可以用于从智慧燃气对象平台150接收燃气设备参数管理信息,并将接收到的燃气设备参数管理信息上传到智慧燃气设备管理平台130中的智慧燃气数据中心。
在一些实施例中,智慧燃气传感网络平台140可以包括智慧燃气户内设备传感网络分平台、智慧燃气管网设备传感网络分平台。在一些实施例中,各个智慧燃气传感网络分平台与各个智慧燃气设备管理分平台一一对应、与各个智慧燃气对象分平台一一对应。
在一些实施例中,各个智慧燃气传感网络分平台可以与对应的智慧燃气对象分平台进行信息和/或数据交互。例如,各个智慧燃气传感网络分平台可以接收智慧燃气数据中心下发的获取燃气设备参数管理信息的指令,并将指令下发至对应的智慧燃气对象分平台。又例如,各个智慧燃气传感网络分平台可以接收对应的智慧燃气对象分平台上传的燃气设备参数管理信息。
智慧燃气对象平台150可以是感知信息生成和控制信息最终执行的功能平台。在一些实施例中,智慧燃气对象平台150可以包括智慧燃气户内设备对象分平台、智慧燃气管网设备对象分平台。其中,智慧燃气户内设备对象分平台对应智慧燃气户内设备传感网络分平台,智慧燃气管网设备对象分平台对应智慧燃气管网设备传感网络分平台。
在一些实施例中,智慧燃气对象平台150可以接收智慧燃气传感网络平台140下发的获取燃气设备参数管理信息的指令,并通过对应的智慧燃气对象分平台获取对应的燃气设备参数管理信息。例如。智慧燃气对象平台150可以用于基于指令获取燃气流量数据、燃气压力数据和环境温度数据,并基于对应的智慧燃气传感网络分平台上传到智慧燃气设备管理平台的智慧燃气数据中心。在一些实施例中,智慧燃气对象平台150可以被配置为各种终端检测设备(如燃气计量装置、压力检测装置和温度监测装置),以获取燃气设备参数管理信息。例如,基于燃气管网中多个燃气计量装置获取对应位置的燃气流量数据、基于多个压力检测装置获取燃气管网不同位置的燃气压力数据、基于多个温度监测装置获取燃气管网不同位置的环境温度数据。其中,燃气计量装置可以包括但不限于燃气表、燃气流量计等;压力检测装置可以包括但不限于U型压力机、毫巴压力表、数字压力计等;温度监测装置可以包括但不限于气体温度计、压力式温度计、温度传感器等。
需要注意的是,以上对于用于智慧燃气的燃气输送损耗预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110、智慧燃气服务平台120、智慧燃气设备管理平台130、智慧燃气传感网络平台140和智慧燃气对象平台150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用于智慧燃气的燃气输送损耗预测方法的示例性流程图。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。如图2所示,流程200包括下述步骤:
步骤S210,基于燃气管网中多个位置的燃气计量装置、压力检测装置和温度监测装置,分别获取多个时间点的燃气流量数据、燃气压力数据和环境温度数据。
燃气流量数据可以指通过燃气管网中各个计量节点的燃气流量大小。例如,燃气流量数据可以是通过燃气管网主干与管网分支节点的流量大小。燃气流量数据可以用立方米每秒、立方米每分进行表示。
在一些实施例中,燃气流量数据可以通过智慧燃气对象平台(如配置在燃气管网中各个计量节点的燃气计量装置)获取。燃气计量装置可以指用于测量燃气流量数据的计量装置。例如,燃气计量装置可以包括但不限于燃气表、燃气流量计等。
燃气压力数据可以指燃气管网中各个位置的燃气压力值。在一些实施例中,燃气压力数据可以通过智慧燃气对象平台(如配置在燃气管网中各个位置的压力检测装置)获取,如配置在不同分支网络中的压力检测装置。
在一些实施例中,压力检测装置可以基于检测需求,根据预设间隔距离配置,如间隔20米、30米等配置一个压力检测装置。其中,压力检测装置可以指用于测量燃气管道中燃气压力的装置,压力检测装置可以包括但不限于U型压力机、毫巴压力表、数字压力计等。
环境温度数据可以指燃气输送环境的温度信息。在一些实施例中,环境温度数据可以包括管道外部环境温度、管道温度。
在一些实施例中,环境温度数据可以通过智慧燃气对象平台(如配置在燃气管网中的温度监测装置)获取。温度监测装置可以指用于监测环境温度数据的装置。例如,温度监测装置可以包括但不限于气体温度计、压力式温度计、温度传感器等。在一些实施例中,不同的环境温度数据可以通过不同的温度监测装置获取。例如,管道温度可以通过压力式温度计获取。
步骤S220,基于环境温度数据,预测燃气计量误差。
燃气计量误差可以指燃气流量计量过程中,由于燃气计量装置型号不同、环境温度变化、压力变化引起的燃气流量误差。
在一些实施例中,智慧燃气设备管理平台可以基于环境温度数据,预测燃气计量误差。例如,智慧燃气设备管理平台可以通过采集的燃气输送过程中的历史温度数据和历史实际燃气流量、历史燃气计量装置获取的燃气流量、燃气计量装置型号,确定不同环境温度、不同型号的燃气计量装置对应的燃气计量误差,将其作为预测的燃气计量误差。示例性的,可以将不同温度、不同型号的燃气计量装置对应的历史实际燃气流量、历史燃气计量装置获取的燃气流量作差,得到对应的燃气计量误差,将其作为预测的燃气计量误差。
在一些实施例中,智慧燃气设备管理平台可以利用误差模型,对环境温度数据进行处理,确定燃气计量误差。其中,误差模型为机器学习模型。更多关于基于误差模型确定燃气计量误差的内容可以参见图3及其相关描述。
步骤S230,基于燃气流量数据、燃气压力数据和燃气计量误差,确定燃气损耗是否为异常损耗。
燃气损耗可以指燃气输送过程中产生的燃气损失。例如,燃气损耗可以包括由于燃气泄漏、燃气计量装置损坏/故障、燃气压力、燃气杂质等造成的损失。
在一些实施例中,燃气损耗可以包括正常损耗和异常损耗。异常损耗可以指燃气输送过程中的非正常的燃气损耗。异常损耗可以包括由于计量装置损坏、燃气泄漏等造成的燃气理论流量与实际流量之间的差异。正常损耗可以指燃气输送过程中的燃气压力损失、燃气杂质损失等。
在一些实施例中,智慧燃气设备管理平台可以基于获取的多个节点(计量装置所在位置)的燃气流量数据,结合燃气计量误差,确定燃气损耗。例如,智慧燃气设备管理平台可以基于本级节点的燃气流量数据与上级节点的燃气流量数据的差异,结合燃气计量误差,确定燃气损耗。示例性的,智慧燃气设备管理平台可以通过燃气计量误差对本级节点的燃气流量数据进行修正,然后与上级节点的燃气流量数据进行对比,确定燃气损耗。
在一些实施例中,本级节点也可以称为下级节点,即本级节点是上级节点的下级节点。在一些实施例中,与上级节点对应的本级节点可能有多个,则智慧燃气设备管理平台可以分别确定每个本级节点的燃气流量数据修正值,然后相加,将相加结果与上级节点的燃气流量数据对比,确定燃气损耗。例如,与上级节点对应的本级节点有3个,智慧燃气设备管理平台分别确定该3个本级节点的燃气流量数据修正值为200m3/h、300m3/h和400m3/h,相加得到燃气流量总和为900m3/h,而上级节点的燃气流量数据为950m3/h。通过将燃气流量总和与上级节点的燃气流量数据对比,得到燃气损耗为50m3/h。
在一些实施例中,智慧燃气设备管理平台可以基于确定的燃气损耗,与预设的损耗阈值进行对比,确定燃气损耗是否为异常损耗。其中,预设的损耗阈值为燃气的正常损耗值,可以由人工设置。
在一些实施例中,智慧燃气设备管理平台可以基于燃气压力数据,确定燃气压力变化特征;基于多个位置的燃气流量数据,结合燃气压力变化特征以及燃气计量误差,确定燃气流量差异;判断燃气流量差异是否满足预设条件,响应于不满足,确定燃气损耗为异常损耗。更多关于确定燃气损耗是否为异常损耗的内容可以参见图4及其相关描述。
在一些实施例中,智慧燃气设备管理平台可以基于燃气流量数据、燃气压力变化特征、燃气计量误差、燃气流量差异、以及燃气流量差异范围构建图结构;基于图结构确定燃气流量差异是否满足燃气流量差异范围。响应于燃气流量差异不满足燃气流量差异范围,确定燃气损耗为异常损耗。
在一些实施例中,智慧燃气设备管理平台可以通过流量模型对图结构进行处理,确定燃气流量差异是否满足燃气流量差异范围;流量模型为机器学习模型。
更多关于基于图结构和流量模型确定燃气损耗是否为异常损耗的内容可以参见图5、图6及其相关描述。
步骤S240,响应于燃气损耗为异常损耗,发出预警通知。
预警通知可以指当燃气损耗为异常损耗时发送的通知。例如,预警通知可以是向燃气监管用户发送的“某位置燃气损耗异常,请进行该位置管道检修、计量装置检修”的通知。又例如,预警通知可以是向燃气运营用户(政府用户)发送的“某位置燃气损耗异常,请进行该位置的相关处置”的通知。其中,相关处置可以指暂时关闭该位置燃气阀门、通知检修等。
在一些实施例中,智慧燃气设备管理平台可以基于燃气损耗为异常损耗,发出预警通知,并传递到智慧燃气服务平台,再由智慧燃气服务平台上传到智慧燃气用户平台,以通知相关用户。
在一些实施例中,智慧燃气设备管理平台响应于燃气损耗为异常损耗,发出预警通知包括:基于异常损耗的位置和大小,确定预警等级。
异常损耗的位置可以指异常损耗在燃气管网中的位置。例如,异常损耗位置可以为燃气管网分支、燃气管网节点、是否靠近重点位置等,其中,重点位置可以是燃气输送主管道、居民区、存在明火的区域等。
异常损耗的大小可以指燃气异常损耗的量的大小。例如,异常损耗的大小可以是输送燃气量的5%、10%等。
预警等级可以指进行异常损耗预警的等级。例如,预警等级可以是一级、二级、三级,一级>二级>三级。又例如,预警等级可以是黄色预警、橙色预警和红色预警,红色预警>橙色预警>黄色预警。
在一些实施例中,智慧燃气设备管理平台可以基于燃气损耗的位置和大小,综合确定预警等级。在一些实施例中,智慧燃气设备管理平台可以分别基于燃气损耗的位置和大小确定初步的预警等级,再进行加权求和,确定最终的预警等级。例如,智慧燃气设备管理平台可以先基于燃气损耗的位置,确定基于位置的预警等级,再基于燃气损耗的大小确定基于损耗大小的预警等级,然后将基于位置的预警等级和基于损耗大小的预警等级加权求和,确定最终的预警等级。其中,加权求和的权重可以根据燃气损耗位置和燃气损耗大小带来的经济损失和危险程度确定。
在一些实施例中,智慧燃气设备管理平台可以基于燃气损耗位置,确定该位置是否位于重点位置,或距离重点位置的距离,确定预警等级。若燃气损耗位置位于重点位置,则预警等级最高,相应的,距离重点位置越远,预警等级越低。具体的,可以通过提前预设确定距离重点位置的不同距离范围对应的预警等级。
在一些实施例中,智慧燃气设备管理平台可以基于燃气损耗大小,确定该损耗大小可能造成的经济损失和/或危险程度,确定预警等级。燃气损耗大,带来的经济损失大、危险程度也大,相应的预警等级也更高。例如,智慧燃气设备管理平台可以通过提前计算每一燃气损耗大小对应的经济损失和危险程度,并为其设定对应的预警等级。
在一些实施例中,智慧燃气设备管理平台可以基于预警等级,发出对应的预警通知。例如,若预警等级为红色预警,则智慧燃气设备管理平台可以向智慧燃气服务平台发送预警通知为“某位置燃气损耗为异常损耗,预警等级为红色预警,请及时处理”等。
在一些实施例中,预警通知还相关于流量模型的置信度,当置信度低于置信度阈值时,在预警通知中加入置信度。
置信度可以指流量模型输出结果的可信程度。例如,置信度可以指60%、70%、80%、90%等。在一些实施例中,流量模型的置信度可以基于流量模型输出结果的准确度确定。在一些实施例中,可以直接将流量模型输出结果的准确度作为置信度。例如,可以利用流量模型对多组基于历史数据构建的图结构进行处理,将输出结果与历史实际结果对比,确定输出结果为真的数量占所有输出结果的比值,将比值作为流量模型的准确度,进而确定置信度。其中,历史数据是指历史时间的燃气流量数据、燃气压力变化特征、燃气计量误差、燃气流量差异、以及燃气流量差异范围。
示例性的,智慧燃气设备管理平台可以通过流量模型对多组基于历史数据构建的图结构进行处理,可以输出多个处理结果。假设,一共处理了1000组数据,得到1000个处理结果。将该1000个处理结果与历史实际结果对比,其中,为真的数量为900个,计算得到流量模型的准确度为90%,则流量模型的置信度也为90%。
关于燃气流量数据、燃气压力变化特征、燃气计量误差的更多内容可以参见图2及其相关描述。关于燃气流量差异的更多内容可以参见图4及其相关描述。关于燃气流量差异范围的更多内容可以参见图5及其相关描述。
置信度阈值可以指流量模型的置信度需要满足的阈值。例如,置信度阈值可以是80%。在一些实施例中,置信度阈值可以由人工设置。
在一些实施例中,当流量模型的置信度低于置信度阈值时,智慧燃气设备管理平台可以在预警通知中加入置信度。例如,置信度为78%,而置信度阈值为80%,置信度低于置信度阈值,则预警通知中可以为“某位置燃气损耗为异常损耗的置信度为78%,请及时进行处置”。
在一些实施例中,当流量模型的置信度低于置信度阈值时,智慧燃气设备管理平台可以适当调低预警通知对应的预警等级。例如,当流量模型的置信度低于置信度阈值时,智慧燃气设备管理平台可以将原本预警通知的预警等级由一级(或红色预警)调整为二级(或橙色预警)。
本说明书一些实施例,通过基于燃气损耗的位置和大小,确定预警通知的预警等级,考虑了燃气损耗的位置和大小对周围区域的危害程度、经济损失等因素,可以为用户提供更准确、科学的燃气损耗预警,以便作出更符合实际情况的处置。同时,通过为预警通知设置置信度,在置信度低于置信度阈值时,在预警通知中加入置信度,用户在确定燃气异常损耗处置方式时,可以基于置信度进一步制定合理的处置方案。
本说明书一些实施例,通过采集燃气管道中的燃气相关数据,确定计量误差,并基于计量误差对燃气流量数据进行修正,然后基于修正后的燃气流量数据与上一节点的理论燃气流量数据进行比较,确定燃气损耗是否为异常损耗。排除了燃气计量误差带来的干扰,可以更准确的确定燃气损耗是正常损耗还是异常损耗,提高了燃气输送损耗预测的准确度。
图3是根据本说明书一些实施例所示的基于误差模型确定计量误差的示例性示意图。
在一些实施例中,智慧燃气设备管理平台基于环境温度数据,预测燃气计量误差包括:利用误差模型,对环境温度数据进行处理,确定燃气计量误差;误差模型为机器学习模型。
在一些实施例中,误差模型可以是卷积神经网络(Convolutional NeuralNetworks,CNN)、循环神经网络(Recurrent Neural Network,RNN)或其他自定义网络中的至少一种。
在一些实施例中,误差模型的输入可以为环境温度数据,输出为燃气计量误差。更多关于环境温度数据的内容可以参见图2及其相关描述。
在一些实施例中,误差模型可以基于训练获取。训练误差模型的第一训练样本为历史采集的环境温度数据、或人工确定的温度数据,第一训练标签为历史采集的环境温度数据对应的实际燃气计量误差。在一些实施例中,第一训练标签可以基于实验获取。在一些实施例中,可以通过在一段预设的实验管道内输送定量的燃气,并将实验的环境温度数据设置为历史采集的环境温度数据,然后通过燃气计量装置测量燃气流量数据,将测量值与输送值进行比较,确定燃气计量误差。
在一些实施例中,智慧燃气设备管理平台可以将样本环境温度数据输入初始误差模型,得到样本初始燃气计量误差。基于样本初始燃气计量误差和第一训练标签构建损失函数,基于损失函数更新初始误差模型的参数。通过参数更新,获取训练好的误差模型。
在一些实施例中,误差模型可以包括温度特征提取层和预测层:温度特征提取层用于对环境温度数据进行处理,确定温度变化特征;预测层用于对温度变化特征进行处理,确定燃气计量误差。
在一些实施例中,误差模型的温度特征提取层可以是循环神经网络(RecurrentNeural Network,RNN)、长短期记忆网络(Long Short-Term Memory,LSTM)等中的一种。在一些实施例中,误差模型的预测层可以是循环神经网络(Recurrent Neural Network,RNN)、卷积神经网络(Convolutional Neural Networks,CNN)或其他自定义网络等中的一种。
如图3所示,误差模型可以包括温度特征提取层320和预测层360。温度特征提取层320用于对环境温度数据310进行处理,确定温度变化特征330;预测层360用于对温度变化特征330进行处理,确定燃气计量误差370。温度变化特征330可以指环境温度数据的变化情况,如环境温度变化大小、快慢等。
在一些实施例中,温度变化特征可以是未来时间段的温度变化特征,未来时间段为基于当下的时间之后的时间段。例如,温度变化特征可以是未来1个小时、5个小时、一天、一星期等的温度变化特征。在一些实施例中,不同的温度变化大小可以对应不同的燃气计量误差。
通过温度特征提取层先对环境温度数据进行提取,得到温度变化特征,再输入预测层确定燃气计量误差,可以提高数据处理的效率。
在一些实施例中,预测层360的输入还可以包括燃气计量装置信息340和燃气信息350。此时,预测层360可以对温度变化特征330、燃气计量装置信息340和燃气信息350进行处理,确定燃气计量误差370。
燃气计量装置信息340可以指与燃气计量装置相关的信息。例如,燃气计量装置信息可以包括燃气计量装置的型号和品牌等。在一些实施例中,燃气计量装置信息可以通过燃气计量装置的出厂参数信息中获取。
燃气信息可以指燃气管网中输送的燃气相关的信息。例如,燃气信息可以包括燃气的类型及品质。其中,燃气类型可以包括天然气、人工煤气、液化石油气和沼气,不同的燃气供应商或不同的供应区域,燃气类型不同。燃气品质可以指燃气的组成成分,不同品质的燃气组成成分(如甲烷含量)不同。在一些实施例中,燃气信息可以通过燃气的供应商获取。
在一些实施例中,误差模型的温度特征提取层和预测层可以通过联合训练获取。在一些实施例中,联合训练温度特征提取层和预测层的第一训练样本可以是历史采集的样本环境温度数据,第一训练标签为历史采集的样本环境温度数据对应的实际燃气计量误差。在一些实施例中,第一训练样本还可以包括样本燃气计量装置信息和样本燃气信息,样本环境温度数据、样本燃气计量装置信息和样本燃气信息是一一对应的关系。即,第一训练样本中,样本环境温度数据为样本燃气信息对应的样本燃气的环境温度数据,样本燃气计量装置信息是用于计量样本燃气的燃气计量装置的相关信息。样本燃气计量装置信息和样本燃气信息主要用于训练预测层时作为预测层的输入。
在一些实施例中,智慧燃气设备管理平台可以将第一训练样本中的样本环境温度数据输入初始温度特征提取层,得到样本初始温度变化特征。将样本初始温度变化特征、样本燃气计量装置信息和样本燃气信息输入初始预测层,得到样本初始燃气计量误差。基于样本初始燃气计量误差和第一训练标签构建损失函数,基于损失函数同步更新初始温度特征提取层和初始预测层。通过参数更新,获取训练好的温度特征提取层和预测层。
本说明书一些实施例,通过误差模型对环境温度数据进行处理,可以利用机器学习模型的自学习能力,在大量数据中找到环境温度数据和燃气计量误差之间的关系,提高预测燃气计量误差的效率和准确率。在误差模型的输入中增加燃气计量装置的型号和品牌、燃气的品质和类型,考虑到了不同品牌和型号的燃气计量装置造成燃气计量误差的差异性、以及不同品质和类型的燃气可能引起的燃气计量误差,可以更全面的考虑多种可能引起燃气计量误差的因素,提高模型输出的准确度。
图4是根据本说明书一些实施例所示的确定是否为异常损耗的示例性流程图。在一些实施例中,流程400可以由智慧燃气设备管理平台执行。如图4所示,流程400包括如下步骤:
步骤S410,基于燃气压力数据,确定燃气压力变化特征。
燃气压力变化特征可以指反映燃气压力变化情况的数据。例如,燃气压力变化特征可以是燃气压力变化速率、燃气压力变化频率、燃气压力变化趋势。
在一些实施例中,智慧燃气设备管理平台可以对燃气压力数据进行统计分析,确定燃气压力变化特征。例如,智慧燃气设备管理平台可以以一定时间间隔获取燃气压力数据中燃气压力的大小,然后依次对比每个时间间隔的燃气压力大小,确定燃气压力变化速率、燃气压力变化频率、燃气压力变化趋势等特征。更多关于燃气压力数据的内容可以参见图2及其相关描述。
在一些实施例中,燃气压力变化特征可以通过压力特征提取层获取。
在一些实施例中,压力特征提取层可以是循环神经网络(Recurrent NeuralNetwork,RNN)、长短期记忆网络(Long Short-Term Memory,LSTM)或自定义网络等中的一种。
在一些实施例中,智慧燃气设备管理平台可以将燃气压力数据输入压力特征提取层,利用压力特征提取层对燃气压力数据进行处理,获取燃气压力特征。
在一些实施例中,燃气压力特征提取层可以通过训练获取。训练压力特征提取层的第二训练样本为多组燃气压力数据,可以是历史的燃气压力数据,也可以是人工设置的压力数据。第二训练标签可以是第二训练样本对应的实际燃气压力特征。在一些实施例中,第二训练标签可以通过对每组第二训练样本进行统计分析获取。
步骤S420,基于多个位置的燃气流量数据,结合燃气压力变化特征以及燃气计量误差,确定燃气流量差异。
燃气流量差异可以指不同的计量节点之间实际燃气流量数据的差值。例如,上级节点与本级节点(下级节点)之间的实际燃气流量数据的差值。
在一些实施例中,智慧燃气设备管理平台可以基于多个计量节点(计量位置)的燃气流量数据和燃气计量误差,计算每个计量节点实际的燃气流量数据,然后与上级节点的燃气流量数据对比,确定燃气流量差异。
例如,当某个计量节点的燃气计量误差为正值时,智慧燃气设备管理平台可以用该计量节点的燃气流量数据减去燃气计量误差,得到该计量节点实际的燃气流量数据。又例如,当某个计量节点的燃气计量误差为负值时,智慧燃气设备管理平台可以用该计量节点的燃气流量数据加上燃气计量误差的绝对值,得到该计量节点实际的燃气流量数据。
获得实际的燃气流量数据后,智慧燃气设备管理平台可以将实际燃气流量数据与上级节点的燃气流量数据对比,确定燃气流量差异。更多关于燃气流量数据的内容可以参见图2及其相关描述。
在一些实施例中,一个上级节点可能对应多个下级节点。例如,上级节点位于燃气管网主干上,其可以对应多个分支管网上的多个分支节点。此时,智慧燃气设备管理平台可以将多个下级节点的实际燃气流量数据相加,得到实际燃气流量数据的和,再与上级节点的燃气流量数据对比,确定燃气流量差异。
在一些实施例中,当燃气管道中输送燃气时,燃气计量装置的计量误差还和燃气压力变化特征相关。因为燃气很容易受到温度和压力的影响,而燃气计量必须是在一定温度和压力下的计量,燃气压力变化时,就会产生燃气计量误差。因此,智慧燃气设备管理平台可以基于燃气压力变化特征进一步确定更准确的燃气计量误差,再基于燃气计量误差和燃气流量数据确定实际的燃气流量数据,与上级节点的燃气流量数据对比,确定燃气流量差异。
在一些实施例中,上级节点的燃气流量数据可以通过燃气计量误差对燃气计量装置获取的燃气流量数据进行修正确定。在一些实施例中,上级节点的燃气流量数据还可以通过预设公式计算获取。例如,已知各用气设备的额定流量和台数等资料时,燃气流量(小时计算流量)可以通过下式计算:
(式1)
其中,表示居民用户燃气计算流量(m3/h);K表示用气设备同时工作系数,可通过相关数据表获取;N表示同种设备数目;表示单台用气设备的额定流量(m3/h)。
在一些实施例中,不同的用户燃气流量可以通过不同的方式进行计算,在此不作赘述。
在一些实施例中,智慧燃气设备管理平台基于多个位置的燃气流量数据,结合燃气压力变化特征以及燃气计量误差,确定燃气流量差异包括:基于燃气压力变化特征对燃气计量误差进行修正,得到燃气计量误差修正值;基于多个位置的燃气流量数据和燃气计量误差修正值,确定燃气流量差异。
应当理解的是,当燃气管网中未通气时,燃气装置的燃气计量误差主要受环境温度、以及燃气计量装置自身因素等的影响。而当燃气管网中通气之后,燃气压力的变化也会影响燃气计量装置的计量准确度,造成计量误差。因此,需要基于燃气压力变化特征对燃气计量误差进一步进行修正,以获得更精确的燃气计量误差。
燃气计量误差修正值可以指通过燃气压力变化特征对燃气计量误差进行修正后的值。
在一些实施例中,智慧燃气设备管理平台可以基于燃气压力变化特征,确定压力变化引起的燃气计量误差,然后基于压力变化引起的燃气计量误差对原本的燃气计量误差进行修正,确定燃气计量误差修正值。例如,利用燃气计量误差加上压力变化引起的燃气计量误差,得到燃气计量误差修正值。
在一些实施例中,智慧燃气设备管理平台可以通过实验,确定不同的燃气压力变化特征带来的燃气计量误差。例如,可以在实验的燃气管道中输送燃气,然后通过压力装置等改变燃气压力,采集燃气压力变化特征;同时,将对应采集的燃气计量装置的燃气流量数据与实际燃气流量数据对比,确定总的燃气计量误差。通过总的燃气计量误差与环境温度等因素确定的燃气计量误差对比,确定由于燃气压力变化引起的燃气计量误差。
在一些实施例中,智慧燃气设备管理平台可以利用燃气流量数据与燃气计量误差修正值,确定实际的燃气流量数据,然后与上级节点的燃气流量数据对比,确定燃气流量差异。例如,基于计量装置获取的燃气流量数据为200m3/h,燃气计量误差修正值为-20m3/h,得到实际的燃气流量数据为220m3/h,而上级节点的燃气流量数据为250m3/h,可以得到燃气流量差异为30m3/h。
本说明书一些实施例,通过确定燃气压力变化特征,并基于燃气压力变化特征对燃气计量误差进行修正,考虑了燃气管道中燃气压力变化对燃气计量装置的准确度的影响,可以确定更加精准的燃气计量误差值,提高确定的燃气流量数据的准确度,进而提高确定的燃气流量差异的准确度。
在一些实施例中,智慧燃气设备管理平台基于多个位置的燃气流量数据,结合燃气压力变化特征以及燃气计量误差,确定燃气流量差异可以包括:基于燃气流量数据、燃气压力变化特征、燃气计量误差、燃气流量差异、以及燃气流量差异范围构建图结构;基于图结构确定燃气流量差异是否满足燃气流量差异范围。
在一些实施例中,智慧燃气设备管理平台基于图结构确定燃气流量差异是否满足燃气流量差异范围可以包括:通过流量模型对图结构进行处理,确定燃气流量差异是否满足燃气流量差异范围;流量模型为机器学习模型。
更多关于基于图结构和流量模型确定燃气流量差异的内容可以参见图5、图6及其相关描述。
步骤S430,判断燃气流量差异是否满足预设条件,响应于不满足,确定燃气损耗为异常损耗。
预设条件可以指预先设定的判断燃气损耗是否为异常损耗的条件、标准等。例如,预设条件可以是燃气流量差异小于等于差异阈值。又例如,预设条件可以是燃气流量差异满足燃气流量差异范围。在一些实施例中,预设条件可以基于多种方式确定。例如,基于燃气输送的相关行业标准、规定确定。又例如,基于燃气输送的区域、环境等因素确定。
在一些实施例中,智慧燃气设备管理平台可以将燃气流量差异与预设条件对比,判断燃气流量差异是否满足预设条件,若不满足,则确定燃气损耗为异常损耗。例如,智慧燃气设备管理平台可以将燃气流量差异与差异阈值比较,若燃气流量差异大于差异阈值,则确定燃气损耗为异常损耗。
本说明书一些实施例,基于燃气计量误差与燃气计量装置采集的燃气流量数据确定实际的燃气流量数据,再与上级节点的实际燃气流量数据进行对比,确定燃气流量差异,排除了由于各种因素引起的燃气计量误差的影响,可以确定更准确的燃气流量数据,提高判断燃气损耗是否为异常损耗的准确性。
应当注意的是,上述有关流程400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400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。例如,流程400可以包括基于多个位置的燃气流量数据与上级节点的燃气流量数据确定燃气流量差异。
图5是根据本说明书一些实施例所示的基于图结构确定是否为异常损耗的示例性流程图。在一些实施例中,流程500可以由智慧燃气设备管理平台执行。如图5所示,流程500可以包括如下步骤:
步骤S510,基于燃气流量数据、燃气压力变化特征、燃气计量误差、燃气流量差异、以及燃气流量差异范围构建图结构。
燃气流量差异范围可以指预设的判断燃气损耗是否为异常损耗的范围。例如,流量差异范围可以是燃气流量差异小于上级节点燃气流量的3%。
在一些实施例中,燃气流量差异范围可以基于燃气输送行业的相关标准、规定确定;也可以基于燃气输送的区域、环境数据确定。
在一些实施例中,燃气流量差异范围与燃气的类型和品质相关,不同的燃气类型,燃气流量差异范围不同;燃气的品质好,对应的燃气流量差异范围更小。
在一些实施例中,燃气流量差异范围还相关于燃气压力变化特征,燃气压力变化较大或较频繁时,燃气流量差异范围相对更大,即对燃气流量差异的容忍度更高。关于燃气压力变化特征的内容可以参见图4及其相关描述。
确定燃气流量差异范围时考虑燃气类型和品质、以及燃气压力变化特征,当燃气类型或品质不同,或燃气压力变化较大或较频繁时,分别预设不同的燃气流量差异范围,比较符合实际,在一定程度上可以避免误判现象的发生。
图结构可以指用于反映燃气管网分布、各种燃气计量装置分布、以及各种燃气相关数据的图。例如,图结构可以用于反映燃气管网的分布情况、各种燃气计量装置的安装位置、以及燃气流量数据、燃气压力变化特征、燃气计量误差、燃气流量差异、燃气流量差异范围等数据。
在一些实施例中,智慧燃气设备管理平台可以基于燃气流量数据、燃气压力变化特征、燃气计量误差、燃气流量差异、以及燃气流量差异范围,以燃气管网中各个燃气计量装置为节点,燃气管道为边,构建图结构。
图6是根据本说明书一些实施例所示的基于流量模型确定是否为异常损耗的示例性示意图。如图6所示,图结构610的节点为对应安装在燃气管道之间的多个燃气计量装置,如燃气计量装置1、燃气计量装置2、燃气计量装置3、燃气计量装置4、燃气计量装置5、燃气计量装置6、燃气计量装置7、燃气计量装置8等。在一些实施例中,节点的特征可以为燃气流量数据、燃气压力变化特征、燃气计量误差以及燃气流量差异范围。更多关于燃气流量数据、燃气压力变化特征、燃气计量误差的内容可以参见图2及其相关描述。
继续参考图6,图结构610的边为燃气管网中的燃气管道,如管道a、管道b、管道c、管道d、管道e、管道f、管道g等。边为有向边,指向燃气输送的方向。在一些实施例中,边特征可以包括燃气流量差异,燃气流量差异可以基于配置在每一条边对应的管道两端的燃气计量装置获取的燃气流量数据作差确定。
在一些实施例中,图结构的节点可以与多条边对应,每一条边可以对应一个燃气计量装置。例如,某个节点有N条边连接时,该节点配置有N个燃气计量装置,则该N个燃气装置分别与N条边对应,分别用于检测每个燃气计量装置对应的边的燃气流量数据。
应当理解的是,图6中示出的图结构610仅仅是处于示例的目的,并不是对本说明书范围的限制。实际可以基于整个燃气输送区域、或不同的燃气输送片区中的燃气管网分布及燃气计量装置构建图结构。
步骤S520,基于图结构确定燃气流量差异是否满足燃气流量差异范围。
在一些实施例中,智慧燃气设备管理平台可以基于图结构610,确定图结构610中每一条边的燃气流量差异是否满足燃气流量差异范围。例如,智慧燃气设备管理平台可以基于图结构610,确定边为管道f的燃气流量差异,并判断管道f的燃气流量差异是否满足燃气流量差异范围。
在一些实施例中,智慧燃气设备管理平台基于图结构确定燃气流量差异是否满足燃气流量差异范围可以包括:通过流量模型对图结构进行处理,确定燃气流量差异是否满足燃气流量差异范围;流量模型为机器学习模型。
在一些实施例中,流量模型可以是图神经网络(Graph Neural Network,GNN)或其他自定义网络中的至少一种。
在一些实施例中,如图6所示,流量模型620的输入可以是图结构610,输出可以是每一条边对应的燃气流量差异是否满足燃气流量差异范围630。在一些实施例中,流量模型620可以对图结构610进行处理,确定每一条边对应的燃气流量差异预测值,然后对图结构中对应的燃气流量差异进行更新。进一步的,流量模型620可以确定图结构中每一条边对应的燃气流量差异预测值是否满足燃气流量差异范围。
在一些实施例中,流量模型620可以通过训练获取。
在一些实施例中,训练流量模型620的第三训练样本可以是基于多个历史数据构建的多个图结构,历史数据是指历史燃气流量数据、历史燃气压力变化特征、历史燃气计量误差、历史燃气流量差异、以及历史燃气流量差异范围。其中,历史燃气流量差异范围可以基于历史数据中的其他数据确定。历史燃气流量数据可以通过配置在燃气管网中的燃气计量装置获取。历史燃气压力变化特征可以基于历史燃气压力数据确定,具体确定方式可以参见图4及其相关描述。历史燃气计量误差可以基于历史环境温度数据、历史燃气压力变化特征等因素确定,具体确定方式可以参见图3、图4及其相关描述。历史燃气流量差异可以基于燃气管道两端的燃气计量装置获取的历史燃气流量数据作差确定。
在一些实施例中,训练流量模型620的第三训练标签可以是每组第三训练样本对应的历史燃气流量实际差异、以及燃气流量差异是否满足燃气流量差异范围的结果。其中,燃气流量差异是否满足燃气流量差异范围的结果可以用0或1表示。在一些实施例中,历史燃气流量实际差异值,可以通过第三训练样本中每一条边两端的历史实际燃气流量作差确定。
在一些实施例中,智慧燃气设备管理平台可以基于第三训练样本中的历史燃气流量实际差异,与预设的历史燃气流量差异范围,确定燃气流量差异是否满足燃气流量差异范围的结果为0还是1。例如,智慧燃气设备管理平台可以将历史燃气流量差异与预设的历史燃气流量差异范围对比,确定历史燃气流量差异是否满足历史燃气流量差异范围。若满足,则对应的燃气流量差异是否满足燃气流量差异范围的结果为1,否则为0。
在一些实施例中,智慧燃气设备管理平台还可以基于实际数据进行人工标注,确定历史燃气流量差异是否满足历史燃气流量差异范围。比如,第三训练样本中某一条边出现故障或发生泄露等,则将该条边对应的预测结果标注为0,作为训练标签。
在一些实施例中,智慧燃气设备管理平台可以将第三训练样本输入初始流量模型,得到初始预测结果。基于初始预测结果和第三训练标签构建损失函数,基于损失函数更新初始流量模型的参数。通过参数更新,获取训练好的流量模型。
本说明书一些实施例,通过建立图结构来表示燃气管道分布以及燃气计量装置分布,以及各种燃气相关的数据,可以使得数据表示更加的直观,为进一步分析建立基础。利用流量模型对图结构进行处理,确定燃气流量差异是否满足燃气流量差异范围,可以利用机器学习模型的自学习能力,在大量燃气数据中找到规律,可以比较快速准确地判断图结构中每条边的燃气流量差异是否在预设燃气流量差异范围内,以便及时发现燃气流量差异异常的位置,充分满足燃气运营和监管需求。
应当注意的是,上述有关流程500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500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。
本说明书实施例可能带来的有益效果包括但不限于:(1)通过采集燃气管道中的燃气相关数据,确定计量误差,并基于计量误差对燃气流量数据进行修正,然后基于修正后的燃气流量数据与上级节点的理论燃气流量数据进行比较,确定燃气损耗是否为异常损耗。排除了燃气计量误差带来的干扰,可以更准确的确定燃气损耗是正常损耗还是异常损耗,提高了燃气输送损耗预测的准确度。(2)通过误差模型对环境温度数据进行处理,可以利用机器学习模型的自学习能力,在大量数据中找到环境温度数据和燃气计量误差之间的关系,提高预测燃气计量误差的效率和准确率。在误差模型的输入中增加燃气计量装置的型号和品牌、燃气的品质和类型,考虑到了不同品牌和型号的燃气计量装置造成燃气计量误差的差异性、以及不同品质和类型的燃气可能引起的燃气计量误差,可以更全面的考虑多种可能引起燃气计量误差的因素,提高模型输出的准确度。(3)通过建立图结构来表示燃气管道分布以及燃气计量装置分布,以及各种燃气相关的数据,可以使得数据表示更加的直观。利用流量模型对图结构进行处理,确定燃气流量差异是否满足燃气流量差异范围,可以利用机器学习模型的自学习能力,在大量燃气相关数据中找到规律,提高数据处理的效率,以及准确度。
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)
1.一种用于智慧燃气的燃气输送损耗预测方法,其特征在于,所述方法由用于智慧燃气的燃气输送损耗预测物联网系统的智慧燃气设备管理平台执行,包括:
基于燃气管网中多个位置的燃气计量装置、压力检测装置和温度监测装置,分别获取多个时间点的燃气流量数据、燃气压力数据和环境温度数据;
基于所述环境温度数据,预测燃气计量误差;
基于所述燃气流量数据、所述燃气压力数据和所述燃气计量误差,确定燃气损耗是否为异常损耗;其中,包括:
基于所述燃气压力数据,确定燃气压力变化特征;
基于多个位置的所述燃气流量数据,结合所述燃气压力变化特征以及所述燃气计量误差,确定燃气流量差异;
判断所述燃气流量差异是否满足预设条件,响应于不满足,确定所述燃气损耗为所述异常损耗;所述预设条件包括所述燃气流量差异满足燃气流量差异范围;所述燃气流量差异范围相关于燃气的类型和品质、所述燃气压力变化特征中至少一种;其中,所述判断所述燃气流量差异是否满足预设条件包括:
基于所述燃气流量数据、所述燃气压力变化特征、所述燃气计量误差、所述燃气流量差异、以及所述燃气流量差异范围构建图结构;
基于所述图结构确定所述燃气流量差异是否满足所述燃气流量差异范围;
响应于所述燃气损耗为所述异常损耗,发出预警通知。
2.根据权利要求1所述的方法,其特征在于,所述基于所述环境温度数据,预测燃气计量误差包括:
利用误差模型,对所述环境温度数据进行处理,确定所述燃气计量误差;所述误差模型为机器学习模型。
3.根据权利要求2所述的方法,其特征在于,所述误差模型包括温度特征提取层和预测层:
所述温度特征提取层用于对所述环境温度数据进行处理,确定温度变化特征;
所述预测层用于对所述温度变化特征进行处理,确定所述燃气计量误差。
4.根据权利要求1所述的方法,其特征在于,所述基于多个位置的所述燃气流量数据,结合所述燃气压力变化特征以及所述燃气计量误差,确定燃气流量差异包括:
基于所述燃气压力变化特征对所述燃气计量误差进行修正,得到燃气计量误差修正值;
基于所述多个位置的所述燃气流量数据和所述燃气计量误差修正值,确定所述燃气流量差异。
5.根据权利要求1所述的方法,其特征在于,所述基于所述图结构确定所述燃气流量差异是否满足所述燃气流量差异范围包括:
通过流量模型对所述图结构进行处理,确定所述燃气流量差异是否满足所述燃气流量差异范围;所述流量模型为机器学习模型。
6.根据权利要求1所述的方法,其特征在于,所述响应于所述燃气损耗为所述异常损耗,发出预警通知包括:
基于所述异常损耗的位置和大小,确定预警等级;
基于预警等级发出对应的预警通知。
7.一种用于智慧燃气的燃气输送损耗预测物联网系统,其特征在于,所述系统包括智慧燃气用户平台、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:
所述智慧燃气用户平台包括多个智慧燃气用户分平台;
所述智慧燃气服务平台包括多个智慧燃气服务分平台,不同的所述智慧燃气服务分平台对应不同的所述智慧燃气用户分平台;
所述智慧燃气设备管理平台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;
所述智慧燃气传感网络平台包括智慧燃气户内设备传感网络分平台、智慧燃气管网设备传感网络分平台;
所述智慧燃气对象平台包括智慧燃气户内设备对象分平台、智慧燃气管网设备对象分平台,所述智慧燃气户内设备对象分平台对应所述智慧燃气户内设备传感网络分平台,所述智慧燃气管网设备对象分平台对应所述智慧燃气管网设备传感网络分平台;所述智慧燃气对象平台用于获取燃气流量数据、燃气压力数据和环境温度数据,并基于对应的所述智慧燃气传感网络分平台上传到所述智慧燃气设备管理平台的所述智慧燃气数据中心;
所述智慧燃气设备管理平台用于基于所述环境温度数据,预测燃气计量误差;基于所述燃气流量数据、所述燃气压力数据和所述燃气计量误差,确定燃气损耗是否为异常损耗;响应于所述燃气损耗为所述异常损耗,发出预警通知;并基于所述智慧燃气数据中心将所述预警通知传递至所述智慧燃气服务平台;其中,为了确定所述燃气损耗是否为所述异常损耗,所述智慧燃气设备管理平台进一步用于:
基于所述燃气压力数据,确定燃气压力变化特征;
基于多个位置的所述燃气流量数据,结合所述燃气压力变化特征以及所述燃气计量误差,确定燃气流量差异;
判断所述燃气流量差异是否满足预设条件,响应于不满足,确定所述燃气损耗为所述异常损耗;所述预设条件包括所述燃气流量差异满足燃气流量差异范围;所述燃气流量差异范围相关于燃气的类型和品质、所述燃气压力变化特征中至少一种;其中,为了判断所述燃气流量差异是否满足所述预设条件,所述智慧燃气设备管理平台进一步用于:
基于所述燃气流量数据、所述燃气压力变化特征、所述燃气计量误差、所述燃气流量差异、以及所述燃气流量差异范围构建图结构;
基于所述图结构确定所述燃气流量差异是否满足所述燃气流量差异范围;
所述智慧燃气服务平台用于将所述预警通知上传至所述智慧燃气用户平台。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310104479.2A CN115796408B (zh) | 2023-02-13 | 2023-02-13 | 一种用于智慧燃气的燃气输送损耗预测方法和物联网系统 |
US18/184,650 US11965765B2 (en) | 2023-02-13 | 2023-03-15 | Methods and internet of things (IoT) systems for predicting gas transmission loss of smart gas |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310104479.2A CN115796408B (zh) | 2023-02-13 | 2023-02-13 | 一种用于智慧燃气的燃气输送损耗预测方法和物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115796408A CN115796408A (zh) | 2023-03-14 |
CN115796408B true CN115796408B (zh) | 2023-04-25 |
Family
ID=85430994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310104479.2A Active CN115796408B (zh) | 2023-02-13 | 2023-02-13 | 一种用于智慧燃气的燃气输送损耗预测方法和物联网系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11965765B2 (zh) |
CN (1) | CN115796408B (zh) |
Families Citing this family (10)
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 |
CN115773797B (zh) * | 2023-02-10 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 智慧燃气流量修正方法、物联网系统、装置以及介质 |
CN116498908B (zh) | 2023-06-26 | 2023-08-25 | 成都秦川物联网科技股份有限公司 | 基于超声波流量计的智慧燃气管网监测方法和物联网系统 |
CN116951328B (zh) * | 2023-07-21 | 2024-02-06 | 浙江华创设计有限公司 | 基于大数据的排水管线运行智慧监控系统 |
CN116739314B (zh) * | 2023-08-14 | 2023-11-17 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气的工业燃气需求调控方法和物联网系统 |
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 |
CN117091799B (zh) * | 2023-10-17 | 2024-01-02 | 湖南一特医疗股份有限公司 | 医用中心氧气供应安全智能立体监测方法及系统 |
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 |
CN117688775A (zh) * | 2023-12-21 | 2024-03-12 | 上海叁零肆零科技有限公司 | 一种燃气管网泄漏数据生成方法、装置、设备及存储介质 |
CN117493787B (zh) * | 2024-01-02 | 2024-03-15 | 山东力威液压技术有限公司 | 基于压力流量关联分析的液压阀运行数据异常预警方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990680A (zh) * | 2021-03-05 | 2021-06-18 | 广州燃气集团有限公司 | 一种燃气分析方法 |
CN113778685A (zh) * | 2021-09-16 | 2021-12-10 | 上海天麦能源科技有限公司 | 一种用于城市燃气管网边缘计算系统的卸载方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203116785U (zh) * | 2013-01-17 | 2013-08-07 | 成都伦力表具有限公司 | 计量修正式膜式燃气表 |
US20220058745A1 (en) * | 2015-10-28 | 2022-02-24 | Qomplx, Inc. | System and method for crowdsensing-based insurance premiums |
CN106302683A (zh) * | 2016-08-10 | 2017-01-04 | 成都秦川科技发展有限公司 | 智慧城市体系 |
US20190257700A1 (en) * | 2018-02-21 | 2019-08-22 | Miqrotech, Inc. | Apparatus, system, and method for monitoring a member |
US20190301963A1 (en) * | 2018-03-28 | 2019-10-03 | Fracta | Processing data for predicting pipe failure |
CN109060060B (zh) * | 2018-09-04 | 2020-05-08 | 宁夏隆基宁光仪表股份有限公司 | 一种基于温度补偿的燃气计量方法及装置 |
CN114398987A (zh) * | 2022-01-14 | 2022-04-26 | 成都秦川物联网科技股份有限公司 | 一种天然气能量计量的异常监测方法和系统 |
CN113033973A (zh) * | 2021-03-05 | 2021-06-25 | 广州燃气集团有限公司 | 一种燃气供输差优化管理的方法 |
CN113570475B (zh) * | 2021-07-26 | 2023-10-27 | 成都秦川物联网科技股份有限公司 | 智慧管网能量计量数据跨网共享方法及系统 |
US20230214682A1 (en) * | 2022-01-04 | 2023-07-06 | Miqrotech, Inc. | System, apparatus, and method for making a prediction regarding a passage system |
CN115545967A (zh) * | 2022-09-27 | 2022-12-30 | 成都秦川物联网科技股份有限公司 | 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 |
CN115356978B (zh) * | 2022-10-20 | 2023-04-18 | 成都秦川物联网科技股份有限公司 | 实现户内安全的智慧燃气终端联动处置方法和物联网系统 |
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 |
-
2023
- 2023-02-13 CN CN202310104479.2A patent/CN115796408B/zh active Active
- 2023-03-15 US US18/184,650 patent/US11965765B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990680A (zh) * | 2021-03-05 | 2021-06-18 | 广州燃气集团有限公司 | 一种燃气分析方法 |
CN113778685A (zh) * | 2021-09-16 | 2021-12-10 | 上海天麦能源科技有限公司 | 一种用于城市燃气管网边缘计算系统的卸载方法 |
Non-Patent Citations (1)
Title |
---|
方林权 ; .燃气输差控制对燃气公司重要意义的探讨.煤.2012,(第08期),55-56. * |
Also Published As
Publication number | Publication date |
---|---|
US20230213370A1 (en) | 2023-07-06 |
CN115796408A (zh) | 2023-03-14 |
US11965765B2 (en) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115796408B (zh) | 一种用于智慧燃气的燃气输送损耗预测方法和物联网系统 | |
CN115358432B (zh) | 用于智慧燃气的燃气表计量故障确定方法和物联网系统 | |
CN115879913B (zh) | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 | |
CN115330278B (zh) | 基于燃气安全的维修调度管理方法和智慧燃气物联网系统 | |
Machell et al. | Online modelling of water distribution systems: a UK case study | |
CN113723834B (zh) | 一种输气管网的智能高阶调度与运维系统及方法 | |
US11893518B2 (en) | Methods and systems of optimizing pressure regulation at intelligent gas gate stations based on internet of things | |
US20230221207A1 (en) | Methods and internet of things systems for determining gas leakages based on smart gas | |
CN115936449B (zh) | 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统 | |
CN116539128B (zh) | 智慧燃气超声波计量仪表准确度诊断方法及物联网系统 | |
US20230191464A1 (en) | Methods for smart gas pipeline cleaning management for safety management and internet of things systems thereof | |
CN116006908A (zh) | 一种智慧燃气管网可靠度监测方法和物联网系统 | |
CN115775088B (zh) | 一种智慧燃气巡检计划确定方法与物联网系统 | |
US11842301B1 (en) | Methods for monitoring distributed energy storage safety and internet of things systems thereof | |
CN116346864A (zh) | 基于智慧燃气物联网的超声波计量补偿方法、系统和介质 | |
CN114398987A (zh) | 一种天然气能量计量的异常监测方法和系统 | |
CN116308125A (zh) | 用于智慧燃气的燃气管道补偿器安设方法和物联网系统 | |
CN113227640A (zh) | 管道和中游设施系统自主运行的系统和方法 | |
CN117455196B (zh) | 基于智慧燃气平台的燃气门站监控方法和物联网系统 | |
CN117114369B (zh) | 智慧燃气应急供气处置方法、物联网系统、装置及介质 | |
CN104133393A (zh) | 一种能源管理控制方法和装置 | |
US20240126253A1 (en) | Methods and systems for regulating pipeline network maintenance based on a smart gas internet of things (iot) | |
NL2023673B1 (en) | Energy distribution network | |
US20240062320A1 (en) | Methods, internet of things systems, and storage mediums for controlling gas supply cost based on smart gas | |
CN117196220A (zh) | 一种智慧燃气应急方案评估方法、物联网系统与存储介质 |
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 |