CN116127396A - 一种基于智慧燃气的燃气泄漏判别方法和物联网系统 - Google Patents

一种基于智慧燃气的燃气泄漏判别方法和物联网系统 Download PDF

Info

Publication number
CN116127396A
CN116127396A CN202310103582.5A CN202310103582A CN116127396A CN 116127396 A CN116127396 A CN 116127396A CN 202310103582 A CN202310103582 A CN 202310103582A CN 116127396 A CN116127396 A CN 116127396A
Authority
CN
China
Prior art keywords
target
pipeline
gas
platform
pipe
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.)
Pending
Application number
CN202310103582.5A
Other languages
English (en)
Inventor
邵泽华
向海堂
刘彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Qinchuan IoT Technology Co Ltd
Original Assignee
Chengdu Qinchuan IoT Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Qinchuan IoT Technology Co Ltd filed Critical Chengdu Qinchuan IoT Technology Co Ltd
Priority to CN202310103582.5A priority Critical patent/CN116127396A/zh
Priority to US18/183,132 priority patent/US20230221207A1/en
Publication of CN116127396A publication Critical patent/CN116127396A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • 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
    • G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
    • G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
    • G01M3/243—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations for pipes
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • F17D5/02—Preventing, monitoring, or locating loss
    • 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
    • G01M3/38—Investigating fluid-tightness of structures by using light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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]
    • G16Y30/00—IoT infrastructure
    • G16Y30/10—Security thereof
    • 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
    • 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
    • G16Y40/20—Analytics; Diagnosis
    • 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基于智慧燃气的燃气泄漏判别方法和物联网系统，该方法基于燃气泄漏判别物联网系统的智慧燃气安全管理平台的处理器执行，该方法包括：获取位于燃气管网上若干点位的第一管道数据；基于第一管道数据，确定目标管道段；获取目标管道段两端的第二管道数据；基于第二管道数据，确定目标管道段的燃气泄漏位置；将燃气泄漏位置反馈至燃气管理用户的终端。

Description

一种基于智慧燃气的燃气泄漏判别方法和物联网系统
技术领域
本说明书涉及燃气安全领域，特别涉及一种基于智慧燃气的燃气泄漏判别方法和物联网系统。
背景技术
燃气管网一般在地下敷设，加之复杂的城市环境，无形增加了对燃气管网的风险排查难度，一旦发生安全事故，将带来巨大的人身、财产损失。现有技术中，一般是通过人工巡检、布设传感器等现场监测设备、结合上位监控软件等方式，判断燃气管网是否发生燃气泄漏，对于部分隐蔽位置或地下不可见位置的燃气泄漏的监测难度较大。
因此，有必要提供一种基于智慧燃气的燃气泄漏判别方法，以保证燃气管网可靠运行。
发明内容
本说明书一个或多个实施例提供一种基于智慧燃气的燃气泄漏判别方法，所述方法基于燃气泄漏判别物联网系统的智慧燃气安全管理平台的处理器执行，所述方法包括：获取位于燃气管网上若干点位的第一管道数据；基于所述第一管道数据，确定目标管道段；获取所述目标管道段两端的第二管道数据；基于所述第二管道数据，确定所述目标管道段的燃气泄漏位置；将所述燃气泄漏位置反馈至燃气管理用户的终端。
本说明书一个或多个实施例提供一种基于智慧燃气的燃气泄漏判别物联网系统，所述系统包括：智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气管网设备传感网络平台、智慧燃气管网设备对象平台；所述智慧燃气管网设备对象平台用于采集燃气管网在若干点位的第一管道数据和第二管道数据；并通过所述智慧燃气管网设备传感网络平台将所述第一管道数据和所述第二管道数据传递至所述智慧燃气安全管理平台；所述智慧燃气安全管理平台的处理器用于：获取位于所述燃气管网上若干点位的所述第一管道数据；基于所述第一管道数据，确定目标管道段；获取所述目标管道段两端的所述第二管道数据；基于所述第二管道数据，确定所述目标管道段的燃气泄漏位置；将所述燃气泄漏位置反馈至燃气管理用户的终端。
本说明书一个或多个实施例提供一种计算机可读存储介质，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时，计算机执行基于智慧燃气的燃气泄漏判别方法。
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燃气泄漏判别物联网系统的示意图；
图2是根据本说明书一些实施例所示的基于智慧燃气的燃气泄漏判别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可疑管道预测模型的示例性示意图；
图4是根据本说明书一些实施例所示的确定燃气泄漏位置的示例性流程图；
图5是根据本说明书一些实施例所示的泄漏可疑度确定模型的示例性示意图；
图6是根据本说明书一些实施例所示的确定目标管道段的目标位置的示例性流程图；
图7是根据本说明书一些实施例所示的振动特征确定模型的示例性示意图。
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。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的燃气泄漏判别物联网系统的示意图。
物联网系统是一种包括用户平台、服务平台、管理平台、传感网络平台、对象平台中部分或全部平台的信息处理系统。用户平台是实现用户感知信息获取和控制信息生成的功能平台。服务平台可以实现连接管理平台和用户平台，起着感知信息服务通信和控制信息服务通信的功能。管理平台可以实现统筹、协调各功能平台(如用户平台、服务平台)之间的联系和协作。管理平台汇聚着物联网运行体系的信息，可以为物联网运行体系提供感知管理和控制管理功能。传感网络平台可以连接管理平台和对象平台，实现感知信息传感通信和控制信息传感通信的功能。对象平台是感知信息生成和控制信息执行的功能平台。
物联网系统中信息的处理可以分为用户感知信息的处理流程及控制信息的处理流程。控制信息可以是基于用户感知信息而生成的信息。在一些实施例中，控制信息可以包括用户需求控制信息，用户感知信息可以包括用户查询信息。其中，感知信息的处理是由对象平台获取感知信息，并通过传感网络平台传递至管理平台，管理平台与服务平台进行感知信息交互后，由服务平台将感知信息传递至用户平台，用户平台最终获取感知信息。用户需求控制信息则是由用户平台下发至服务平台，服务平台将控制信息传递至管理平台，管理平台通过传感网络平台将控制信息下发至对象平台，最终由对象平台执行控制信息的指令。
在一些实施例中，燃气泄漏判别物联网系统100可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气安全管理平台130、智慧燃气管网设备传感网络平台140、智慧燃气管网设备对象平台150。
智慧燃气用户平台110可以是用于与用户进行交互的平台。用户可以是燃气用户、管理人员、维修工程人员等。例如，燃气用户可以是普通燃气用户、商业燃气用户、工业燃气用户等。管理人员可以是监管用户等。在一些实施例中，智慧燃气用户平台110可以被配置为终端设备。例如，终端设备可以包括移动设备、平板计算机等或其任意组合。
在一些实施例中，智慧燃气用户平台110可以用于接收用户输入的请求和/或指令。例如，智慧燃气用户平台110可以通过终端设备获取燃气管网设备安全信息查询的指令。在一些实施例中，智慧燃气用户平台110可以通过终端设备将信息反馈给用户。例如，智慧燃气用户平台110可以通过终端设备(例如，显示器)将警示信息(例如，燃气管网的某段管道出现泄漏)展示给用户。在一些实施例中，智慧燃气用户平台110可以将用户输入的请求和/或指令发送至智慧燃气服务平台120，并获取智慧燃气服务平台120反馈的相应信息。
在一些实施例中，智慧燃气用户平台110可以包括燃气用户分平台和监管用户分平台。燃气用户分平台与智慧用气服务分平台相对应。例如，燃气用户分平台可以从智慧用气服务分平台获取燃气用户的燃气用量、费用等信息，并反馈给用户。又如，燃气用户分平台可以通过终端设备为燃气用户发送燃气使用的提示信息、警报信息等。监管用户分平台与智慧监管服务分平台相对应，在一些实施例中，监管用户可以通过监管用户分平台对整个物联网系统的安全运行进行监督管理，以保证燃气泄漏判别物联网系统100的安全有序的运行。
智慧燃气服务平台120可以是用于将用户的需求与控制信息传达出去的平台，其连接了智慧燃气用户平台110和智慧燃气安全管理平台130。智慧燃气服务平台120可以从智慧燃气安全管理平台130(例如，智慧燃气数据中心)获取数据，并发送至智慧燃气用户平台110。在一些实施例中，智慧燃气服务平台120可以包括处理设备以及其他组件。其中，处理设备可以是服务器或服务器组。
在一些实施例中，智慧燃气服务平台120可以包括智慧用气服务分平台和智慧监管服务分平台。智慧用气服务分平台可以是为燃气用户提供用气服务的平台，其与燃气用户分平台相对应。例如，智慧用气服务分平台可以将燃气用户的燃气账单、用气安全指南、用气异常提醒等信息发送至燃气用户分平台，进而反馈给燃气用户。智慧监管服务分平台可以是为监管用户提供监管服务的平台，其与监管用户分平台相对应。例如，智慧监管服务分平台可以将燃气设备的安全管理信息、维修工程的调度信息等发送至监管用户分平台，监管用户可以进行检阅、监督和指导。
智慧燃气安全管理平台130可以指统筹、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。在一些实施例中，智慧燃气安全管理平台130可以包括处理设备以及其他组件。其中，处理设备可以是服务器或服务器组。在一些实施例中，智慧燃气安全管理平台130可以是由管理人员、人工智能、或由预设规则操控的远程平台。
在一些实施例中，智慧燃气安全管理平台130可以包括智慧燃气管网管理分平台131和智慧燃气数据中心132。
智慧燃气管网管理分平台131可以是用于对数据进行分析、处理的平台。在一些实施例中，智慧燃气管网管理分平台131可以与智慧燃气数据中心132进行双向交互。例如，智慧燃气管网管理分平台131可以从智慧燃气数据中心132获取安全管理相关数据(例如，第一管道数据)进行分析、处理，并将处理结果发送至智慧燃气数据中心132。
在一些实施例中，智慧燃气管网管理分平台131可以包括管网燃气泄漏监测模块、安全应急管理模块、管网地理信息管理模块。管网燃气泄漏监测模块可以用于处理智慧燃气管网设备对象平台150中管网设备的运行燃气数据，例如，燃气泄漏位置，为安全应急方案提供数据支持。安全应急管理模块可根据管网设备的安全风险，形成应急处理计划。管网地理信息管理模块可以实时查看管线及设备的地理信息和自身属性信息，为现场作业提供数据支持。在一些实施例中，智慧燃气数据中心132通过识别安全参数类别(如燃气管道声音特征、振动特征)，将获取的相关安全数据自动发送至对应的管网燃气泄漏监测模块；管网燃气泄漏监测模块预设了安全监测阈值，超出阈值后在管理平台自动报警，并可选择将报警信息自动推送给用户(如监管用户)。在一些实施例中，智慧燃气管网管理分平台131还可以包括管网风险评估管理模块、管网巡检安全管理模块、场站巡检安全管理模块、管网燃气泄漏监测模块、场站燃气泄漏监测模块、场站设备安全监测模块、管网仿真管理模块等。需要说明的是，上述管理模块并不旨在对智慧燃气管网管理分平台131所包含的管理模块进行限定。
智慧燃气数据中心132可以用于存储和管理燃气泄漏判别物联网系统100的所有运行信息。在一些实施例中，智慧燃气数据中心132可以被配置为存储设备(例如，数据库)，用于存储历史的、当前的燃气安全数据。例如，智慧燃气数据中心132可以存储燃气管网的安全信息、维修人员的安排记录、燃气管网异常信息等。
在一些实施例中，智慧燃气安全管理平台130可以通过智慧燃气数据中心132分别与智慧燃气服务平台120、智慧燃气管网设备传感网络平台140进行信息交互。例如，智慧燃气数据中心132可以接收智慧燃气服务平台120(例如，智慧监管服务分平台)下发的维修工程人员的燃气管网异常信息查询指令，并将查询的结果发送至智慧燃气服务平台120。又例如，智慧燃气数据中心132可以发送获取燃气管网的燃气管道相关数据(例如，第一管道数据或第二管道数据)指令至智慧燃气管网设备传感网络平台140(例如，智慧燃气设备传感网络分平台)，并接收智慧燃气管网设备传感网络平台上传的燃气管道相关数据。
智慧燃气管网设备传感网络平台140可以是对传感通信进行管理的功能平台。在一些实施例中，智慧燃气管网设备传感网络平台140可以连接智慧燃气安全管理平台130和智慧燃气管网设备对象平台150，实现感知信息传感通信和控制信息传感通信的功能。
在一些实施例中，智慧燃气管网设备传感网络平台140可以用于实现网络管理、协议管理、指令管理、以及数据解析等功能。
智慧燃气管网设备对象平台150可以是感知信息生成和控制信息执行的功能平台。例如，智慧燃气管网设备对象平台150可以通过生成燃气管网的安全运行信息(例如，燃气管网的异常信息)，并通过智慧燃气管网设备传感网络平台140上传至智慧燃气数据中心132。智慧燃气管网设备对象平台150还可以通过智慧燃气管网设备传感网络平台140接收智慧燃气安全管理平台130下发的控制信息(例如，采集第一管道数据)，执行控制信息的指令。
在一些实施例中，智慧燃气管网设备对象平台150可以被配置为各类燃气设备(例如，燃气管网设备)和监控设备，可以用于获取燃气设备的运行信息。例如，智慧燃气管网设备对象平台150可以通过燃气流量计、压力传感器、温度传感器等实时获取燃气管网设备的燃气流量、压力、温度等指标，并通过智慧燃气管网设备传感网络平台140发送至智慧燃气数据中心132。
本说明书一些实施例基于燃气泄漏判别物联网系统100可以在管网设备、燃气运营商、燃气用户、监管用户间形成智慧燃气安全管理信息运行闭环，实现管网安全管理信息化和智慧化，确保燃气安全的有效管理。
应当注意燃气泄漏判别物联网系统100仅仅是为了说明的目的而提供，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，燃气泄漏判别物联网系统100可以包括其他合适的一个或多个组件以实现类似或不同的功能。然而，变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的基于智慧燃气的燃气泄漏判别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可以由智慧燃气安全管理平台130的处理器执行。
S210，获取位于燃气管网上若干点位的第一管道数据。
燃气管网的若干点位是指预设于燃气管网的燃气管道上的数据采集点，智慧燃气管网设备对象平台150可以基于相应点位采集对应燃气管道的第一管道数据。例如，可以将燃气管道上交叉处所在的点位或燃气管道上每隔一段距离(例如，1km)的点位作为采集第一管道数据的点位。
第一管道数据是指燃气管道上与燃气泄漏点相关的数据。第一管道数据可以是声音数据或振动数据。在一些实施例中，第一管道数据为燃气管网上若干点位的管道振动数据。在一些实施例中，管道振动数据可以用振动频率来表示。例如，位于燃气管网上点位1处的振动频率为15Hz。
在一些实施例中，智慧燃气管网设备传感网络平台140可以通过智慧燃气管网设备对象平台150基于配置于燃气管网中的一个或多个振动传感器来获取第一管道数据。
S220，基于第一管道数据，确定目标管道段。
目标管道段是与燃气泄漏相关的管道段。在一些实施例中，目标管道段可以是燃气泄漏可疑管道段。例如，智慧燃气安全管理平台130对智慧燃气管网设备传感网络平台140上传的第一管道数据进行分析，发现燃气管网中的点位3处的振动数据异常，其所在的管道段可能存在燃气泄漏，则将点位3所在的管道段确定为目标管道段。振动数据异常是指振动数据超出阈值，例如，振动频率超过设定振动阈值15Hz。
在一些实施例中，智慧燃气安全管理平台130可以通过设置振动阈值的方式确定目标管道段。例如，当第一管道数据超过振动阈值时，则确定与该第一管道数据对应的管道为目标管道段。例如，智慧燃气安全管理平台130设置默认振动阈值为15Hz，点位3对应的振动频率为20Hz，则确定点位3所在的管道段为目标管道段。关于更多确定目标管道段的更多内容可以参见图3。
S230，获取目标管道段两端的第二管道数据。
第二管道数据是指与目标管道段相关的数据。例如，第二管道数据可以是位于目标管道段上的管道振动数据。例如，第二管道数据可以是目标管道段上任一点的振动频率。
在一些实施例中，第二管道数据为目标管道段两端的管道振动数据。智慧燃气安全管理平台130可以通过多种方式获取第二管道数据，例如，在确定目标管道段后，智慧燃气安全管理平台130可以基于配置于智慧燃气对象平台150的燃气管网设备中的一个或多个振动传感器，进一步获取目标管道段两端的第二管道数据。
S240，基于第二管道数据，确定目标管道段的燃气泄漏位置。
智慧燃气安全管理平台130可以通过多种方法确定目标管道段的燃气泄漏位置。例如，可以直接将振动数据异常的点位作为燃气泄漏位置。
又例如，智慧燃气安全管理平台130可以通过二分法确定目标管道段的燃气泄漏位置。示例性地，若目标管道段左端的第二管道数据大于右端的第二管道数据，则将目标管道段的二分之一处作为新的目标管道段的右端点，将原目标管道段的左端作为新的目标管道段的左端点，基于新的目标管道段两端的第二管道数据确定新的目标管道段，最终确定目标管道段的燃气泄漏位置。关于更多确定燃气泄漏位置的内容可以参见图4。
S250，将燃气泄漏位置反馈至燃气管理用户的终端。
燃气管理用户可以是指位于智慧燃气用户平台110中与智慧监管服务分平台对应的监管用户分平台的用户。在一些实施例中，响应于燃气管理用户的终端接收到智慧燃气数据中心132反馈的燃气泄漏位置，监管用户分平台可以生成调度维修人员指令，将智慧燃气管网设备对象平台150中的维修工程人员调度至燃气泄漏位置，维修工程人员的终端基于调度指令，前往燃气泄漏位置处进行检修。
本说明书一个或多个实施例通过采集第一管道数据，确定目标管道段；通过确定目标管道段的第二管道数据，确定燃气泄漏位置，可以基于管道数据及时确定可疑管道段，对燃气管网潜在的燃气泄漏点进行排查，防范于未然。
图3是根据本说明书一些实施例所示的可疑管道预测模型的示例性示意图。
在一些实施例中，基于第一管道数据，确定目标管道段可以包括：基于燃气管网的特征信息，构建燃气管网的管道图谱，管道图谱包括节点和边。其中，管道图谱的节点可以对应管道段的交叉点、管道段的拐点，或管道段的振动传感器的安装处，管道图谱的边可以对应管道段。在一些实施例中，节点特征包括扭转角度和振动特征，边特征包括管道段整体特征。在一些实施例中，智慧燃气安全管理平台130可以基于管道图谱，通过可疑管道预测模型，确定管道图谱中各个管道的泄漏可疑度。在一些实施例中，如图3所示，智慧燃气安全管理平台130可以基于管道图谱310，通过可疑管道预测模型320，确定管道图谱中各个管道的泄漏可疑度330；基于泄漏可疑度330，确定目标管道段340。
可疑管道预测模型可以是机器学习模型。例如，可疑管道预测模型的类型可以是循环神经网络(Recurrent Neural Network，RNN)模型、深度神经网络(Deep NeuralNetwork，DNN)模型、图神经网络(Graph Neural Network，GNN)模型等。
在一些实施例中，可疑管道预测模型320的输入可以包括管道图谱310。
管道图谱是用于反映燃气管网中的各个管道连接关系的图谱。在一些实施例中，智慧燃气安全管理平台130可以基于燃气管网的特征信息，构建燃气管网的管道图谱。管道图谱包括节点和边；节点对应管道段的交叉点、管道段的拐点、或管道段的振动传感器的安装处，边对应管道段。
节点的节点特征包括扭转角度和振动特征。其中，扭转角度为该节点连接的两个边对应的管道段之间的夹角。例如，两条垂直的管道段之间的节点对应的节点特征可以包括扭转角度为90°；处于同一直线上的管道段之间的节点的节点特征可以包括扭转角度为0°。又例如，对应三条及以上的边的节点的节点特征可以包括多个扭转角度。例如，图3中管道图谱310的节点A与四条边相连，则节点A的节点特征可以包括4个扭转角度，分别为边a与边b、边b与边d、边d与边c、边c与边a之间的夹角。
节点的振动特征是反应管道振动数据的特征，节点的振动特征可以包括该节点所在位置的振动幅度和振动频率。例如，振动特征可以包括振动幅度为3.5mm，振动频率为10Hz。
在一些实施例中，若管道图谱的节点为未部署振动传感器的节点(例如，仅仅是管道段的交叉点、管道段的拐点所在的节点)，则节点特征的振动特征可以为空，或用预设标记如0或x等表示。仅作为示例，图3中管道图谱310的节点A、B、C为未部署振动传感器的节点，其中，节点A为管道段的交叉点，节点B和节点C为管道段的拐点；节点1、2、3、4为安装振动传感器的节点。
边的边特征包括管道段整体特征。例如，边特征可以为管道段长度、管道段材料、管道段内径。
特征信息是由管道段整体特征、管道段之间的扭转角度以及管道段的交叉点、管道段的拐点、或管道段的振动传感器的安装处的振动特征组成的信息的集合。智慧燃气安全管理平台130可以通过燃气泄漏判别物联网系统中的管网地理信息管理模块获取管道段的交叉点、管道段的拐点、或管道段的振动传感器的安装处所在的位置、管道段之间的扭转角度、以及管道段整体特征，通过燃气管网中布置的一个或多个振动传感器来获取管道段的交叉点、管道段的拐点、或管道段的振动传感器的安装处的振动特征。管道段的交叉点、管道段的拐点、或管道段的振动传感器的安装处所在的位置和振动特征、管道段之间的扭转角度、以及管道段整体特征即可构成特征信息。
在一些实施例中，可以以特征信息中的管道段的交叉点、管道段的拐点、或管道段的振动传感器的安装处所在的位置作为管道图谱的节点，以特征信息中的各个管道段作为边，构建管道图谱。示例性地，如图3所示，管道图谱310的节点可以包括管道段的交叉点和管道段的拐点，例如节点A、节点B、节点C。管道图谱的节点还可以包括管道段的振动传感器的安装处，例如节点1、节点2、节点3、节点4，管道图谱的边可以包括a、b、c、d、e、f。
在一些实施例中，管道图谱的边特征还包括管道段特征向量。管道段特征向量是由若干管道段特征组成的向量。管道段特征可以包括管道段所处的环境特征。例如，管道段特征可以是管道段暴露在空气中的程度，管道段外层覆盖土层的温湿度、土层密度等。
例如，管道段特征向量L可以表示为L＝(e，t，h，ρ)，其中，e代表管道段暴露在空气中的程度，t代表管道段外层覆盖土层的温度、h代表管道段外层覆盖土层的湿度，ρ代表土层密度。仅作为示例，若管道段P的道段特征向量L＝(20，30，50，1.4)，则表示管道段P暴露在空气中的程度为20％，管道段P外层覆盖土层的温度为30℃、管道段P外层覆盖土层的湿度为50％RH，土层密度为1.4g/cm3。可以通过管网地理信息管理模块获取管道段特征。
在一些实施例中，管道段特征向量可以基于管道单元特征序列，通过泄漏可疑度确定模型中的管道特征嵌入层确定。
管道单元特征序列是由管道单元特征组成的序列。管道单元特征是管道段中长度更短的单元管道对应的管道段特征。例如，可以基于经验预设步长，每隔一个步长采集一个单元管道对应的管道段特征，管道单元特征序列可以由不同位置的管道单元特征组成。示例性地，管道段P的管道单元特征序列Cp可以表示为Cp＝{Cp1，Cp2，Cp3，…，Cpn}，代表管道段被分成了n个单元管道，Cp1，Cp2，Cp3，…Cpn分别对应第1单元管道至第n单元管道的管道段特征。
在一些实施例中，泄漏可疑度确定模型的管道特征嵌入层可以对管道单元特征序列进行处理，确定管道段特征向量。关于更多泄漏可疑度确定模型的内容可以参见图5。
在一些实施例中，管道图谱的边特征还可以包括管道单元特征序列的序列元素特征。
序列元素特征可以反映管道单元特征序列中包含的元素的元素特征信息。序列元素特征的每个子特征对应为管道单元特征序列中元素的一种元素特征。例如，序列元素特征可以包括管道单元特征序列中元素的数量、元素密集度等。示例性地，对于管道单元特征序列Cp＝{Cp1，Cp2，Cp3}，元素的数量为3。元素密集度可以用于表示单元管道的位置分布的密集程度。例如单位距离内分布的单元管道越多，则表示管道单元特征序列的元素特征中的元素密集度越高。示例性地，序列元素特征可以表示为“(Cp，100，3，0.03)”，表示管道段P的长度为100米，管道段P的单元特征序列Cp包含3段单元管道，元素密集度为0.03。
在一些实施例中，可疑管道预测模型320可以基于对管道图谱中的边特征和节点特征的提取，输出各条边对应的管道段的泄漏可疑度330。
各条边输出的泄漏可疑度用于表示该边对应的管道段发生燃气泄漏的可能性大小。燃气管道发生燃气泄漏的可能性越大，泄漏可疑度越高。泄漏可疑度可以用百分数表示，数值越大，则表示越可能发生燃气泄漏。
仅作为示例的，将管道图谱310输入可疑管道预测模型320后，可疑管道预测模型320可以提取管道图谱310中的节点A、节点B、节点C的节点特征、节点1、节点2、节点3、节点4的节点特征，以及边a、b、c、d、e、f的边的特征，并对管道图谱的节点的特征和边的特征进行处理，由各边输出各边对应的泄漏可疑度330。
关于确定泄漏可疑度的其他方式可以参见图5。
在一些实施例中，可疑管道预测模型320可以通过大量带有标签的第一训练样本获得。第一训练样本可以包括样本管道图谱，第一训练样本的标签可以为与样本管道图谱的边对应的管道段是否发生泄漏的标记，若管道段发生泄漏，则将管道图谱中与该管道段对应的边的是否异常的标签标记为1，若管道段未发生泄漏，则将管道图谱与该管道段对应的边的是否异常的标签标记为0。
训练可疑管道预测模型时，可以将第一训练样本的样本管道图谱输入可疑管道预测模型，基于可疑管道预测模型输出的泄漏可疑度和第一训练样本的标签构建第一损失函数，并基于第一损失函数迭代更新初始可疑管道预测模型的参数，直至满足第三预设条件，确定可疑管道预测模型中的参数，获得训练好的可疑管道预测模型。第三预设条件可以包括但不限于第一损失函数收敛、训练周期达到阈值等。
本说明书一个或多个实施例中，将基于管道信息网构建的管道图谱输入可疑管道预测模型，预测管道的泄漏可疑度，进而确定目标管道段，可以更加准确地预判管道是否发生泄漏以及确定可能泄漏的管道段，便于及时对燃气管网进行维修，确保燃气管网安全运行。
在一些实施例中，智慧燃气安全管理平台130可以基于训练好的可疑管道预测模型输出的泄漏可疑度，确定目标管道段。例如，将泄漏可疑度最大的管道段确定为目标管道段。
图4是根据本说明书一些实施例所示的确定燃气泄漏位置的示例性流程图。如图4所示，流程400包括下述步骤。在一些实施例中，流程400可以由智慧燃气安全管理平台130执行。
S410，基于第二管道数据，通过一轮或多轮迭代，直至迭代满足预设迭代条件并获取迭代结果。
在一些实施例中，第二管道数据为目标管道段两端的管道振动数据。关于第二管道数据的更多内容可以参见图2。
在一些实施例中，对第二管道数据进行的一轮或多轮迭代中的至少一轮迭代包括下述步骤。
S4101，向巡检机器人发出指令，控制巡检机器人移动至目标管道段的目标位置。
巡检机器人是具有自动化巡检和监控功能的人工智能装置。巡检机器人能够模拟人工操作对燃气管道段进行巡检，例如，对燃气管道段进行识别、检查等巡检操作。巡检机器人可以包括摄像头、振动感应器等结构。其中，摄像头用于识别管道段，振动传感器用于获取位于管道段的振动数据。在一些实施例中，智慧燃气管网设备对象平台150被配置为巡检机器人，巡检机器人用于接收智慧燃气管网设备传感网络平台140下发的移动指令，移动至目标管道段的目标位置。
目标位置是可能的燃气泄漏点所在的位置。同一个目标管道段上的目标位置可以为1个或多个。在一些实施例中，可以人工预设目标位置，巡检机器人可以移动至目标管道段的预设目标位置处，将该位置标记为目标位置。关于更多确定目标位置的方式可以参见图6。
S4102，基于目标位置，将目标管道段划分为至少一个目标管道子段。
目标管道子段是比目标管道段长度更短的管道段。智慧燃气安全管理平台130可以根据巡检机器人标记的目标位置，将目标管道段划分为至少一个目标管道子段。示例性地，智慧燃气安全管理平台130根据第一目标位置、第二目标位置、和第三目标位置，将目标管道段P划分为目标管道子段1-4。其中，目标管道子段1为目标管道段P的端点P1与目标位置A之间的管道段；目标管道子段2为目标位置A与目标位置B之间的管道段；目标管道子段3为目标位置B与目标位置C之间的管道段；目标管道子段4为目标管道段的端点P2与目标位置C之间的管道段。
S4103，通过巡检机器人，获取目标位置的目标数据。
目标数据是指与目标位置对应的管道相关的数据。例如，目标数据可以是目标位置处的管道振动数据。例如，目标数据可以是目标位置处的管道振动频率为20Hz，振动幅度为5mm。巡检机器人可以基于智慧燃气管网设备传感网络平台140下发的获取数据指令，通过振动传感器对目标位置的目标数据进行采集，智慧燃气管网设备传感网络平台140将接收的目标数据发送至智慧燃气数据中心132。
S4104，基于目标数据，将满足第一预设条件的目标管道子段从目标管道段中移除得到新的目标管道段。
第一预设条件是指目标管道子段的燃气泄漏风险小于泄漏风险阈值。泄漏阈值可以人工预设得到，例如，预设泄漏风险阈值为80％。可以通过先验知识对目标数据进行分析，判断目标管道子段是否满足第一预设条件。例如，根据人工经验，目标管道子段两端的振动频率为20Hz时，判断该目标管道子段的泄漏风险为80％，不满足第一预设条件；目标管道子段两端的振动频率为5Hz时，判断该目标管道子段的泄漏风险为10％，满足第一预设条件。示例性地，若从燃气数据中心132获取的目标数据中目标管道子段1和2两端的振动频率小于20Hz，目标管道子段3两端的振动频率大于25Hz，且基于历史经验可知，振动频率小于20Hz的燃气管道的燃气泄漏风险较低(如为5％)，则智慧燃气安全管理平台130可以将目标管道子段1和目标管道子段2从目标管道段中移除，将目标管道子段3作为新的目标管道段。
在一些实施例中，智慧燃气安全管理平台130还可以基于目标管道子段的泄漏可疑度，将满足第一预设条件的目标管道子段从目标管道段中移除得到新的目标管道段。例如，目标管道子段的泄漏可疑度越大，泄漏风险越高。智慧燃气安全管理平台130可以将泄漏风险低于泄漏风险阈值的目标管道子段从目标管道段中移除。关于确定泄漏可疑度的更多内容可以参见图5。
S4105，响应于预设迭代条件未满足，将新的目标管道段作为下一轮的迭代的目标管道段。
新的目标管道段是移除不存在泄漏风险的目标管道子段后，剩下的仍然包含燃气泄漏位置的管道段，可以理解的是，新的目标管道段的长度小于原目标管道段。
预设迭代条件可以为迭代收敛或达到预先指定的迭代次数等。在一些实施例中，预设迭代条件还可以是目标数据大于目标数据阈值时(例如，振动频率大于30Hz或振动幅度大于10mm)停止迭代或目标管道段的长度小于长度阈值(例如，小于1m)则停止迭代中的一种。
S4106，响应于预设迭代条件满足，停止迭代；迭代结果包括新的目标管道段和/或目标数据。
在迭代结束后，迭代结果中包括的新的目标管道段及其对应的目标数据。示例性的，响应于目标管道子段1的左端的振动频率为32Hz大于目标数据阈值30Hz，智慧燃气安全管理平台130可以停止迭代，迭代结果中的新的管道段即为目标管道子段1，目标数据即为32Hz。又例如，目标管道段2的长度为0.5m，小于长度阈值1米，智慧燃气安全管理平台130可以停止迭代，迭代结果中的新的管道段即为目标管道子段2，目标数据即为目标管道子段2两端的振动数据。
S420，基于迭代结果，确定燃气泄漏位置。
在一些实施例中，智慧燃气安全管理平台130可以基于迭代结果中的新的目标管道段和/或目标数据确定燃气泄漏位置。例如，可以确定与目标数据对应的位置为燃气泄漏位置，又例如，还可以确定目标管道段覆盖的长度所在的位置为燃气泄漏位置。
本说明书一个或多个实施例中，基于第二管道数据，通过一轮或多轮迭代，获取满足迭代条件的迭代结果，基于迭代结果，确定目标管道段的燃气泄漏位置，可以在确定燃气泄漏位置的过程中同时移除不存在燃气泄漏的管道子段，提高对燃气泄漏位置的排查效率。
图5是根据本说明书一些实施例所示的泄漏可疑度确定模型的示例性示意图。
在一些实施例中，智慧燃气安全管理平台130可以基于目标数据，通过泄漏可疑度确定模型预测每个目标管道子段的泄漏可疑度，将泄漏可疑度满足第一预设条件的目标管道子段从目标管道段中移除。
在一些实施例中，泄漏可疑度确定模型可以是用于确定燃气管道段的泄漏可疑度的机器学习模型。泄漏可疑度确定模型的类型可以是多种。例如，泄漏可疑度确定模型的类型可以是循环神经网络(Recurrent Neural Network，RNN)模型、深度神经网络(DeepNeural Network，DNN)模型、长短期记忆(long short-term memory，LSTM)网络模型等。
在一些实施例中，如图5所示，泄漏可疑度确定模型500可以包括嵌入层530以及泄漏可疑度确定层540。
嵌入层的处理过程实质是提取深度信息的过程。嵌入层530可以基于深度神经网络(DNN)来构建。在一些实施例中，嵌入层530可以包括管道特征嵌入层531和端点嵌入层532。
端点嵌入层用于对目标管道子段的端点特征信息进行处理，确定端点特征向量。
端点特征信息是与目标管道子段的端部相关的特征信息。例如，端点特征信息可以是目标管道子段左端的振动特征为振动幅度4mm，振动频率5Hz；目标管道子段右端的振动特征为振动幅度5mm，振动频率6Hz。
端点特征向量是将端点特征以数字方式表示的一组特征向量。例如，端点特征向量可以表示为P1＝(4，5)，P2＝(5，6)，代表管道段P1端的振动特征为振动幅度4mm，振动频率5Hz；管道段P2端的振动特征为振动幅度5mm，振动频率6Hz。
在一些实施例中，智慧燃气安全管理平台130可以将目标管道段子段两端的端点特征信息520输入端点嵌入层532，得到两端的端点特征向量522。示例性地，智慧燃气安全管理平台130可以将目标管道段子段的端点特征信息“管道段左端的振动特征为振动幅度4mm，振动频率5Hz；管道段右端的振动特征为振动幅度5mm，振动频率6Hz”输入端点嵌入层532，输出端点特征向量P1＝(4，5)，P2＝(5，6)。其中，P1可以代表目标管道子段的左端，P2可以代表目标管道子段的右端。
管道特征嵌入层用于对目标管道段的管道单元特征序列进行处理，确定管道段特征向量。
示例性地，智慧燃气安全管理平台130可以将目标管道段P的管道单元特征序列Cp＝{Cp1，Cp2，Cp3，…，Cpn}输入管道特征嵌入层531，得到由n个管道单元特征向量组成的管道段特征向量512的集合(L1，L2，L3，…，Ln)，其中L1-Ln分别为与第1单元管道至第n单元管道的管道段特征对应的管道段特征向量。其中，Cp1，Cp2，Cp3，…，Cpn是位于目标管道段P端点P1和P2之间的第1单元管道至第n单元管道。关于管道单元特征序列和管道段特征向量的更多内容可以参见图3。
在一些实施例中，泄漏可疑度确定模型的泄漏可疑度确定层用于对目标管道子段的端点特征向量和管道段特征向量进行处理，确定目标管道子段的泄漏可疑度。
泄漏可疑度是指管道段发生燃气泄漏的可疑程度，即可以表示为指示燃气泄漏可能发生的概率。泄漏可疑度可以用百分数表示，数值越大，可能存在燃气泄漏的风险越高。
示例性地，智慧燃气安全管理平台130可以将目标管道子段1的端点特征向量522“P1＝(4，5)，P2＝(5，6)”和目标管道子段1的管道段特征向量512“L1＝(100，20，50，1.4)”输入泄漏可疑度确定层540，得到目标管道子段1的泄漏可疑度为10％。
在一些实施例中，泄漏可疑度确定模型可以通过对嵌入层和泄漏可疑度确定层的联合训练得到。第二训练样本可以包括包含目标管道段的样本管道单元特征序列和样本管道单元特征序列中目标管道子段两端的样本端点特征信息，第二训练样本的标签可以为与样本管道单元特征序列中的元素和元素的样本端点特征信息对应的目标管道段子段是否发生泄漏的标记，若发生泄漏，则标记为1，若未发生泄漏，则标记为0。
训练泄漏可疑度确定模型时，可以将第二训练样本的样本管道单元特征序列和样本端点特征信息分别输入泄漏可疑度确定模型的管道特征嵌入层和端点嵌入层，将管道特征嵌入层输出的管道特征向量和端点嵌入层输出的端点特征向量输入泄漏可疑度确定模型的泄漏可疑度确定层，基于泄漏可疑度确定层输出的泄漏可疑度和第二样本的标签构建第二损失函数，并基于第二损失函数迭代更新初始泄漏可疑度确定模型的参数，直至满足第四预设条件，确定泄漏可疑度确定模型中的参数，获得训练好的泄漏可疑度确定模型。第四预设条件可以包括但不限于第二损失函数收敛、训练周期达到阈值等。
在一些实施例中，智慧燃气安全管理平台130可以基于目标管道子段的泄漏可疑度，将满足第一预设条件的目标管道子段从目标管道段中移除。第一预设条件可以是目标管道子段的泄漏可疑度小于可疑阈值。可疑阈值可以人工预设。例如，将泄漏可疑度小于0.5的目标管道子段从目标管道段中移除。
本说明书一个或多个实施例中，基于目标管道子段的管道单元特征序列和端点特征信息，通过泄漏可疑度确定模型预测每个目标管道子段的泄漏可疑度，可以使得对目标管道子段的泄漏可疑度预测更准确，减少对目标管道子段移除时的误判。
图6是根据本说明书一些实施例所示的确定目标管道段的目标位置的示例性流程图。
S610，基于目标管道段的长度和预设步长，确定多个候选位置。
目标管道段的预设步长是相邻两个候选位置之间的距离。预设步长可以根据经验进行人工设定。预设步长可以为多个，长度可以相同，也可以不同。
候选位置是指位于目标管道段上的人工预设的点位所在的位置。例如，可以人工对长度为1000m的目标管道段设置多个步长，分别为400m，300m，200m，100m，则目标管道段基于预设步长生成3个候选位置和两个端点。又例如，可以人工对长度为1000m的目标管道段设置步长为100m，则目标管道段基于预设步长生成9个间距相等的候选位置和两个端点。以类似的方式，智慧燃气安全管理平台130可以基于多个预设步长确定目标管道段的多个候选位置。
S620，基于多个候选位置，为多个候选位置预设多组泄漏特征。
泄漏特征是指与管道段的管道状态相关的特征。例如，泄漏特征可以包括管道段候选位置处的裂缝特征、泄漏强度等。
裂缝特征可以包括裂缝处的面积大小、裂缝形状等。裂缝形状包括但不限于圆形小孔，三角孔，长形孔。
泄漏强度用于表示燃气泄漏的严重程度，可以用0-1以内的数字表示。燃气泄漏程度越严重，泄漏强度值越大。
智慧燃气安全管理平台130可以为S610中确定的多个候选位置分别预设泄漏特征。例如，为候选位置A预设泄漏特征为“裂缝面积3mm2，长形孔，泄漏强度为0.2”，为候选位置B预设泄漏特征为“裂缝面积5mm2，圆形小孔，泄漏强度为0.3”。在一些实施例中，智慧燃气安全管理平台130可以为每个候选位置预设至少一个泄漏特征。例如，可以为候选位置C预设第一泄漏特征为“裂缝面积5mm2，长形孔，泄漏强度为0.4”，为候选位置C预设第二泄漏特征为“裂缝面积3mm2，圆形孔，泄漏强度为0.25”。
S630，基于泄漏特征，通过振动特征确定模型，确定与每个候选位置对应的目标管道段两端的预测振动特征。
与候选位置对应的目标管道段两端的预测振动特征是指预测出候选位置所在的管道段两端的振动特征。关于振动特征的更多内容可以参见图3。仅作为示例，可以基于人工经验对S620中确定的候选位置处A的泄漏特征进行分析和研判，预测候选位置A处在泄漏特征为“裂缝面积3mm2，长形孔，泄漏强度为0.2”时的预测振动特征为“管道段P的P1端振动频率为25Hz，振动幅度为8mm，管道段P的P2端振动频率为15Hz，振动幅度为5mm”。
在一些实施例中，还可以通过振动特征确定模型确定候选位置两端的预测振动特征。关于更多确定预测振动特征的内容可以参见图7。
S640，基于预测振动特征和目标管道段两端的实际振动特征计算与每个候选位置对应的目标管道段两端的振动符合度。
候选位置对应的目标管道段的振动符合度是指目标管道段两端的预测振动特征与目标管道段两端的实际振动特征之间的符合程度。振动符合度可以用百分数表示，数值越大，则表示预测振动特征与实际振动特征之间的符合程度越高。
在一些实施例中，目标管道段的振动符合度可以包括目标管道段两端的振动符合度，且每端的振动符合度可以包括振动频率的振动符合度和振动幅度的振动符合度。智慧燃气安全管理平台130可以基于1-预测振动特征与实际振动特征之差的绝对值除以实际振动特征来确定候选位置的每端的振动符合度。例如，基于候选位置A预测出目标管道段P的端点P1处的预测振动特征为“振动频率为25Hz，振动幅度为8mm”，实际振动特征为“振动频率为20Hz，振动幅度为5mm”，则可以确定候选位置A在端点P1的振动频率的振动符合度为1-|25-20|÷20×100％＝75％；候选位置A在端点P1的振动幅度的振动符合度为1-|8-5|÷5×100％＝40％。
在一些实施例中，智慧燃气安全管理平台130可以计算某候选位置的振动频率的振动符合度和振动幅度的振动符合度的平均振动符合度，将平均振动符合度确定为候选位置每个端点的振动符合度。例如，目标管道段P(两端端点分别为P1和P2)中的候选位置C，基于候选位置C的第一泄漏特征“裂缝面积5mm2，长形孔，泄漏强度为0.4”，确定的候选位置C在第一泄漏特征下，对应的端点P1预测的振动频率与端点P1实际的振动频率的振动符合度为50％，端点P1预测的振动幅度与端点P1实际的振动幅度的振动符合度为40％，候选位置C在端点P2的振动频率的振动符合度为60％，在端点P2的振动幅度的振动符合度为70％；则可以确定候选位置C在第一泄漏特征下，对应的目标管道段的P1端的振动符合度为(50％+40％)÷2＝45％，P2端的振动符合度为(60％+70％)÷2＝65％。
S650，基于振动符合度，确定第一置信点。
第一置信点是指候选位置中燃气泄漏可能性最大的候选位置所在的点。智慧燃气安全管理平台130可以基于S630中的步骤，通过振动特征确定模型，确定与每个候选位置对应的目标管道段两端的预测振动特征，基于S640中的步骤，即基于预测振动特征和目标管道段两端的实际振动特征，计算每个候选位置在每一种泄漏特征下对应的目标管道段两端的振动符合度，对目标管道段两端的振动符合度求均值，确定均值最大的候选位置，将该候选位置所在的点确定为第一置信点。
例如，目标管道段P(两端端点分别为P1和P2)设置有候选位置A、候选位置B、和候选位置C。基于泄漏特征“裂缝面积3mm2，长形孔，泄漏强度为0.2”确定的候选位置A在目标管道段的P1端的振动符合度为45％，与P2端的振动符合度为65％，则候选位置A对应的目标管道段两端的振动符合度的均值为(45％+65％)÷2＝55％；基于泄漏特征“裂缝面积5mm2，圆形小孔，泄漏强度为0.3”确定的候选位置B在目标管道段的P1端的振动符合度为52.5％，在P2端的振动符合度为67.5％，则候选位置B对应的目标管道段两端的振动符合度的均值为(52.5％+67.5％)÷2＝60％；基于泄漏特征“裂缝面积5mm2，长形孔，泄漏强度为0.4”确定的候选位置C在目标管道段的P1端的振动符合度为27.5％，在P2端的振动符合度为32.5％，则候选位置C在第一泄漏特征下对应的目标管道段两端的振动符合度的均值为(27.5％+32.5％)÷2＝30％；基于泄漏特征“裂缝面积3mm2，圆形孔，泄漏强度为0.25”确定的候选位置C在目标管道段的P1端的振动符合度为30％，在P2端的振动符合度为40％，则候选位置C在第二泄漏特征下对应的目标管道段两端的振动符合度的均值为(30％+40％)÷2＝35％；候选位置B对应的目标管道两端振动符合度的均值最大，则可以将候选位置B作为第一置信点。
在一些实施例中，还可以将与两个端点的振动符合度之和满足振动符合度阈值的候选位置作为第一置信点。例如基于候选位置确定的两个端点的振动符合度之和大于160％时，将该候选位置作为第一置信点。
在一些实施例中，第一置信点还可以基于每个候选位置两端的振动符合度的权重进行加权求和确定，权重基于候选位置与两端端点的距离、管道单元特征子序列的序列元素特征确定。
候选位置与目标管道段两端端点的距离可以参考智慧燃气管网安全管理平台130构建的管道图谱，根据实际比例尺确定。关于管道图谱的更多内容可以参见图3。
基于每个候选位置两端的振动符合度的权重进行加权求和时，候选位置与端点的距离越近，对该端振动符合度的权重设置越大；候选位置与端点之间的管道单元特征子序列的序列元素密集度越高，对该端的振动符合度的权重设置越大。
示例性地，智慧燃气安全管理平台130可以确定在候选位置A处的目标管道段的P1端的振动符合度为45％，在P2端的振动符合度为65％；智慧燃气管网安全管理平台130进一步确定候选位置A至端点P1的距离为50米，距离端点P2的距离为450米，则可以确定候选位置A在端点P1的振动符合度的权重为1-50/(50+450)＝0.9，确定候选位置A在端点P2的振动符合度的权重为1-450/(50+450)＝0.1，则基于候选位置A确定的目标管道段两端的振动频率的振动符合度为：45％×0.9+65％×0.1＝47％。又例如，智慧燃气管网安全管理平台130还可以进一步确定候选位置A至端点P1之间的管道单元特征子序列的序列元素数量，根据元素数量进一步调整目标管道段两端的振动符合度的权重。例如，候选位置至端点之间的管道单元特征子序列的序列元素数量每增加1个，该端点的振动符合度的权重相应增加0.1，其中，权重的极限为1。
本说明书一个或多个实施例中，对目标管道段两端的振动符合度进行加权求和，获取每个候选位置对应的目标管道段的振动符合度，目标管道段两端的振动符合度的权重可以基于候选位置与两端端点的距离、管道单元特征子序列的序列元素特征确定，使得获得的振动符合度更能够反应目标管道段中不同位置和管道单元特征子序列分布水平对振动符合度的影响，提高确定的振动符合度的准确性。
S660，控制巡检机器人移动至第一置信点，获取第一置信点的数据作为目标数据，并将第一置信点所在的位置确定为目标管道段的目标位置。
巡检机器人可以接收智慧燃气管网设备传感网络平台140下发的移动指令，移动至目标管道段的第一置信点，将第一置信点所在的位置确定为目标管道段的目标位置，并接收智慧燃气管网设备传感网络平台140下发的获取数据指令，通过振动传感器对第一置信点的目标数据进行采集，获取目标管道段在目标位置处的目标数据。
本说明书一个或多个实施例中，基于多个候选位置的泄漏特征，确定每个候选位置两端的预测振动特征；基于每个候选位置两端的振动符合度，确定第一置信点，从而确定目标管道段的目标位置和目标数据。在确定目标管道段的目标位置的过程中，充分考虑了目标管道段可能的泄漏特征，可以使得确定的目标位置更加准确；另外，根据振动符合度确定第一置信点，可以使得确定的第一置信点最接近于目标管道段两端真实振动特征，进一步提高确定目标位置的准确度。
图7是根据本说明书一些实施例所示的振动特征确定模型的示例性示意图。
在一些实施例中，如图7所示，振动特征确定模型720可以包括管道特征嵌入层721和振动特征确定层723。
管道特征嵌入层721用于基于管道单元特征子序列710，确定管道段特征向量722。
例如，智慧燃气安全管理平台130可以将候选位置至端点之间的管道单元特征序列{Cp1，Cp2，Cp3，Cp4}输入管道特征嵌入层721，输出管道段特征向量为L1＝(100，20，50，1.4)，L2＝(100，22，50，1.3)，L3＝(90，20，70，1.4)，L4＝(80，20，50，1.4)。
振动特征确定层723用于基于多个泄漏位置740、与多个候选位置对应的泄漏特征750、目标管道段的端点位置760、以及管道特征嵌入层721输出的管道段特征向量722，确定预测振动特征730。关于候选位置和泄漏特征的更多内容可以参见图6。
振动特征确定模型可以通过对管道特征嵌入层和振动特征确定层的联合训练获取。第三训练样本可以包括样本管道单元特征序列、样本候选位置、样本泄漏特征、样本端点位置，第三训练样本的标签可以包括与样本管道单元特征序列对应的预测振动特征。
训练时，可以将第二训练样本的历史样本应用的样本管道单元特征序列输入管道特征嵌入层，得到管道特征嵌入层的管道段特征向量，将样本候选位置、样本泄漏特征、样本端点位置以及管道特征嵌入层的输出振动特征确定层，基于振动特征确定层的输出和标签构建第三损失函数，并基于第三损失函数迭代更新初始管道特征嵌入层和初始振动特征确定层的参数，直至满足第五预设条件，确定管道特征嵌入层和振动特征确定层中的参数，获得训练好的振动特征确定模型。第五预设条件可以包括但不限于第三损失函数收敛、训练周期达到阈值等。
本说明书一个或多个实施例中，通过振动特征确定模型预测目标管道段的预测振动特征，在预测振动特征时，将候选位置至端点之间的管道单元特征序列、多个候选位置、与候选位置对应的泄漏特征以及端点位置进行深层次信息的提取，能够使得得到的目标管道段两端的预测振动特征更加准确。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于智慧燃气的燃气泄漏判别方法，其特征在于，所述方法基于燃气泄漏判别物联网系统的智慧燃气安全管理平台的处理器执行，所述方法包括：
获取位于燃气管网上若干点位的第一管道数据；
基于所述第一管道数据，确定目标管道段；
获取所述目标管道段两端的第二管道数据；
基于所述第二管道数据，确定所述目标管道段的燃气泄漏位置；
将所述燃气泄漏位置反馈至燃气管理用户的终端。
2.根据权利要求1所述的方法，其特征在于，所述燃气泄漏判别物联网系统还包括：智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网设备传感网络平台、智慧燃气管网设备对象平台；
所述智慧燃气管网设备对象平台用于采集所述燃气管网在所述若干点位的所述第一管道数据和所述第二管道数据；并通过所述智慧燃气管网设备传感网络平台将所述第一管道数据和所述第二管道数据传递至所述智慧燃气安全管理平台。
3.根据权利要求2所述的方法，其特征在于，所述燃气泄漏判别物联网系统中，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；
所述智慧燃气安全管理平台包括智慧燃气管网管理分平台、智慧燃气数据中心；其中，所述智慧燃气管网管理分平台包括管网燃气泄漏监测模块、安全应急管理模块、管网地理信息管理模块。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一管道数据，确定目标管道段包括：
基于所述燃气管网的特征信息，构建所述燃气管网的管道图谱，所述管道图谱包括节点和边；所述节点对应管道段的交叉点、管道段的拐点、或管道段的振动传感器的安装处，所述边对应所述管道段，所述节点的节点特征包括扭转角度和振动特征，所述边的边特征包括管道段整体特征；
基于所述管道图谱，通过可疑管道预测模型，确定所述管道图谱中各个管道的泄漏可疑度，所述可疑管道预测模型为机器学习模型；
基于所述泄漏可疑度，确定所述目标管道段。
5.根据权利要求1所述的方法，其特征在于，所述基于所述第二管道数据，确定所述目标管道段的燃气泄漏位置，包括：
基于所述第二管道数据，通过一轮或多轮迭代，直至迭代满足预设迭代条件并获取迭代结果；
基于所述迭代结果，确定所述燃气泄漏位置；其中，
所述一轮或多轮迭代中至少一轮迭代包括：
向巡检机器人发出指令，控制所述巡检机器人移动至所述目标管道段的目标位置；
基于所述目标位置，将所述目标管道段划分为至少一个目标管道子段；
通过所述巡检机器人，获取所述目标位置的目标数据；
基于所述目标数据，将满足第一预设条件的目标管道子段从所述目标管道段中移除得到新的目标管道段；
响应于所述预设迭代条件未满足，将所述新的目标管道段作为下一轮的迭代的所述目标管道段；
响应于所述预设迭代条件满足，停止迭代；所述迭代结果包括所述新的目标管道段和/或所述目标数据。
6.根据权利要求5所述的方法，其特征在于，所述基于所述目标数据，将满足第一预设条件的目标管道子段从所述目标管道段中移除，包括：
基于所述目标数据，通过泄漏可疑度确定模型预测每个目标管道子段的泄漏可疑度，所述泄漏可疑度确定模型为机器学习模型；
将泄漏可疑度满足所述第一预设条件的目标管道子段从所述目标管道段中移除。
7.根据权利要5求所述的方法，其特征在于，所述目标管道段的目标位置的确定包括：
基于所述目标管道段的长度和预设步长，确定多个候选位置；
基于所述多个候选位置，为所述多个候选位置预设多组泄漏特征；
基于所述泄漏特征，通过振动特征确定模型，确定与每个候选位置对应的所述目标管道段两端的预测振动特征，所述振动特征确定模型为机器学习模型；
基于所述预测振动特征和所述目标管道段两端的实际振动特征计算与所述每个候选位置对应的所述目标管道段两端的振动符合度；
基于所述振动符合度，确定第一置信点；
控制所述巡检机器人移动至所述第一置信点，获取所述第一置信点的数据作为所述目标数据，并将所述第一置信点所在的位置确定为所述目标管道段的目标位置。
8.一种燃气泄漏判别物联网系统，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、智慧燃气安全管理平台、智慧燃气管网设备传感网络平台、智慧燃气管网设备对象平台；
所述智慧燃气管网设备对象平台用于采集燃气管网在若干点位的第一管道数据和第二管道数据；并通过所述智慧燃气管网设备传感网络平台将所述第一管道数据和所述第二管道数据传递至所述智慧燃气安全管理平台；
所述智慧燃气安全管理平台的处理器用于：
获取位于所述燃气管网上若干点位的所述第一管道数据；
基于所述第一管道数据，确定目标管道段；
获取所述目标管道段两端的所述第二管道数据；
基于所述第二管道数据，确定所述目标管道段的燃气泄漏位置；
将所述燃气泄漏位置反馈至燃气管理用户的终端。
9.根据权利要求8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；
所述智慧燃气安全管理平台包括智慧燃气管网管理分平台、智慧燃气数据中心；其中，所述智慧燃气管网管理分平台包括管网燃气泄漏监测模块、安全应急管理模块、管网地理信息管理模块。
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，当计算机读取所述计算机指令时，所述计算机执行如权利要求1-7任一项所述的方法。
CN202310103582.5A 2023-02-02 2023-02-02 一种基于智慧燃气的燃气泄漏判别方法和物联网系统 Pending CN116127396A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310103582.5A CN116127396A (zh) 2023-02-02 2023-02-02 一种基于智慧燃气的燃气泄漏判别方法和物联网系统
US18/183,132 US20230221207A1 (en) 2023-02-02 2023-03-13 Methods and internet of things systems for determining gas leakages based on smart gas

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310103582.5A CN116127396A (zh) 2023-02-02 2023-02-02 一种基于智慧燃气的燃气泄漏判别方法和物联网系统

Publications (1)

Publication Number Publication Date
CN116127396A true CN116127396A (zh) 2023-05-16

Family

ID=86302618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310103582.5A Pending CN116127396A (zh) 2023-02-02 2023-02-02 一种基于智慧燃气的燃气泄漏判别方法和物联网系统

Country Status (2)

Country Link
US (1) US20230221207A1 (zh)
CN (1) CN116127396A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116668491A (zh) * 2023-07-21 2023-08-29 成都秦川物联网科技股份有限公司 基于报警器的智慧燃气安全风险防控方法与物联网系统
CN117291352A (zh) * 2023-11-27 2023-12-26 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管网维修调控方法、系统及介质
CN117784697A (zh) * 2024-01-31 2024-03-29 成都秦川物联网科技股份有限公司 智慧燃气管网数据采集终端智能控制方法与物联网系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
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
CN116680501B (zh) * 2023-08-01 2023-10-27 益都智能技术（北京）股份有限公司 一种基于物联网的分区计量漏损监控管理方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116668491A (zh) * 2023-07-21 2023-08-29 成都秦川物联网科技股份有限公司 基于报警器的智慧燃气安全风险防控方法与物联网系统
CN116668491B (zh) * 2023-07-21 2023-10-31 成都秦川物联网科技股份有限公司 基于报警器的智慧燃气安全风险防控方法与物联网系统
CN117291352A (zh) * 2023-11-27 2023-12-26 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管网维修调控方法、系统及介质
CN117291352B (zh) * 2023-11-27 2024-02-09 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管网维修调控方法、系统及介质
CN117784697A (zh) * 2024-01-31 2024-03-29 成都秦川物联网科技股份有限公司 智慧燃气管网数据采集终端智能控制方法与物联网系统

Also Published As

Publication number Publication date
US20230221207A1 (en) 2023-07-13

Similar Documents

Publication Publication Date Title
CN116127396A (zh) 一种基于智慧燃气的燃气泄漏判别方法和物联网系统
CN116308965B (zh) 智慧燃气地下燃气管网安全管理方法、物联网系统及装置
US11367053B2 (en) System and method for damage assessment and restoration
CN116503975B (zh) 基于智慧燃气gis的安全隐患处置方法和物联网系统
CN115640915B (zh) 一种智慧燃气管网压缩机安全管理方法和物联网系统
CN101255950A (zh) 输油集输系统计量与管道监控智能报警系统
CN117010863A (zh) 一种基于物联网技术的市政管网健康度在线监测系统和方法
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
US20220082409A1 (en) Method and system for monitoring a gas distribution network operating at low pressure
CN115899595B (zh) 一种智慧燃气管道防腐优化方法、物联网系统及存储介质
US20230221208A1 (en) Systems and methods for detecting and predicting a leak in a pipe system
CN116498908B (zh) 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
US20230368632A1 (en) Methods, internet of things systems, and storage media for smart gas pipeline network inspection
CN115587640A (zh) 智慧燃气管道清管安全管理方法、物联网系统及介质
TW201824022A (zh) 用於監督本機分析之系統及方法
CN116006908A (zh) 一种智慧燃气管网可靠度监测方法和物联网系统
CN105114821A (zh) 埋地金属管线渗漏检测方法
Liu et al. Identification of multiple fire sources in the utility tunnel based on a constrained particle swarm optimization algorithm
KR20230064858A (ko) 상수관망 수질 중점관리지점의 우선순위와 수질센서의 최적위치를 결정하는 의사결정 시스템 및 그 방법
CN116629580B (zh) 基于gis的智慧燃气安全隐患项管理方法和物联网系统
CN115914267A (zh) 一种流域水生态安全监控预警系统
CN115689118A (zh) 一种油气管道风险评价方法、系统、存储介质和电子设备
US20220196512A1 (en) Detection of a leakage in a supply grid
Weeraddana et al. Long-term water pipe condition assessment: a semiparametric model using gaussian process and survival analysis
CN117114369B (zh) 智慧燃气应急供气处置方法、物联网系统、装置及介质

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