CN116336398A - 基于物联网的智慧燃气泄漏安全监测方法、系统和介质 - Google Patents
基于物联网的智慧燃气泄漏安全监测方法、系统和介质 Download PDFInfo
- Publication number
- CN116336398A CN116336398A CN202310586674.3A CN202310586674A CN116336398A CN 116336398 A CN116336398 A CN 116336398A CN 202310586674 A CN202310586674 A CN 202310586674A CN 116336398 A CN116336398 A CN 116336398A
- Authority
- CN
- China
- Prior art keywords
- data
- region
- gas
- sub
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000007613 environmental effect Effects 0.000 claims abstract description 45
- 239000007789 gas Substances 0.000 claims description 183
- 238000009792 diffusion process Methods 0.000 claims description 68
- 238000012806 monitoring device Methods 0.000 claims description 35
- 238000012502 risk assessment Methods 0.000 claims description 16
- 239000002737 fuel gas Substances 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 claims 1
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 32
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012994 industrial processing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/16—Combustible gas alarms
-
- 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
-
- 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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Abstract
本说明书提供一种基于物联网的智慧燃气泄漏安全监测方法、系统和介质,该方法由基于物联网的智慧燃气泄漏安全监测系统的智慧燃气安全管理平台中的处理器执行,该方法包括:获取待监测车间厂房的区域数据和工业燃气数据;基于区域数据和工业燃气数据,确定重点子区域;基于重点子区域的环境数据,确定至少一个推荐监测点。本说明书实施例基于物联网获取的数据,针对不同复杂环境,合理可靠地确定推荐监测点,提高了燃气泄漏安全监测的灵敏度和准确度。
Description
技术领域
本说明书涉及燃气监测领域,特别涉及一种基于物联网的智慧燃气泄漏安全监测方法、系统和介质。
背景技术
随着燃气使用的普及,燃气的使用已广泛融入日常的生产生活中,然而,对工业加工车间、生产厂房等环境区域进行燃气泄漏安全监测时,仍存在一定的技术难度。根据现有标准规范,应依据燃气气体密度及风向确定监测装置的安装位置,并避免将监测装置安装在空气流动过大的地方。但是,标准中往往仅给出一个合理的范围值(比如,厂房的高度范围、监测装置与通风口的距离范围等),实际安装中,往往需要由具有丰富安装经验的技术人员指导安装参数,比较费时费力,且由于人为因素以及复杂多变的环境,其安装参数可能存在适应性较差的问题。
因此,希望提供一种基于物联网的智慧燃气泄漏安全监测方法、系统和介质,能够基于物联网获取的数据,针对不同复杂环境,合理可靠地确定推荐监测点,提高燃气泄漏安全监测的灵敏度和准确度。
发明内容
本说明书一个或多个实施例提供一种基于物联网的智慧燃气泄漏安全监测方法,该方法由基于物联网的智慧燃气泄漏安全监测系统的智慧燃气安全管理平台中的处理器执行,该方法包括:获取待监测车间厂房的区域数据和工业燃气数据;基于区域数据和工业燃气数据,确定重点子区域;基于重点子区域的环境数据,确定至少一个推荐监测点。
本说明书一个或多个实施例提供一种基于物联网的智慧燃气泄漏安全监测系统,该系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气户内设备传感网络平台、智慧燃气户内设备对象平台;智慧燃气安全管理平台用于:获取待监测车间厂房的区域数据和工业燃气数据;基于区域数据和工业燃气数据,确定重点子区域;基于重点子区域的环境数据,确定至少一个推荐监测点。
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后,计算机执行如上述实施例中任一项所述的基于物联网的智慧燃气泄漏安全监测方法。
在本说明书的一些实施例中,基于物联网获取的数据,针对不同复杂环境,合理可靠地确定推荐监测点,既避免了大量部署监测装置造成的资源浪费,又保证了对燃气泄漏的及时监测,有效提高了燃气泄漏安全监测的灵敏度和准确度,保障了燃气用气安全。
附图说明
图1是根据本说明书一些实施例所示的基于物联网的智慧燃气泄漏安全监测系统的示例性结构图;
图2是根据本说明书一些实施例所示的基于物联网的智慧燃气泄漏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重点子区域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扩散模型的示例性示意图;
图5是根据本说明书一些实施例所示的推荐监测点图谱和风险评估模型的示例性示意图。
具体实施方式
下面将对实施例描述中所需要使用的附图作简单的介绍。附图并不代表全部的实施方式。
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。
应当理解,为了便于对本说明书的描述,术语“中心”、“上表面”、“下表面”、“上”、“下”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“外周”、“外部”等指示的位置关系为基于附图所示的位置关系,而不是指示所指的装置、组件或单元必须具有特定的位置关系,不能理解为是对本说明书的限制。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。
图1是根据本说明书一些实施例所示的基于物联网的智慧燃气泄漏安全监测系统的示例性结构图。如图1所示,系统可以包括依次连接的智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气安全管理平台130、智慧燃气户内设备传感网络平台140以及智慧燃气户内设备对象平台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。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。
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111和监管用户分平台112。
燃气用户分平台111可以是为燃气用户提供燃气使用相关数据以及燃气问题解决方案的平台。在一些实施例中,燃气用户分平台111可以与智慧用气服务分平台121对应及交互,以获取安全用气的服务。
监管用户分平台112可以是监管用户对整个系统的运行进行监管的平台。在一些实施例中,监管用户分平台112可以与智慧监管服务分平台122对应及交互,以获取安全监管需求的服务。
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。智慧燃气服务平台120可以从智慧燃气安全管理平台130获取燃气信息,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可以包括智慧用气服务分平台121和智慧监管服务分平台122。
智慧用气服务分平台121可以是为燃气用户提供用气服务的平台。
智慧监管服务分平台122可以是为监管用户提供监管需求的平台。
智慧燃气安全管理平台130可以是统筹、协调各功能平台之间的联系和协作,并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可以用于:获取待监测车间厂房的区域数据和工业燃气数据;基于区域数据和工业燃气数据,确定重点子区域;基于重点子区域的环境数据,确定至少一个推荐监测点。
关于区域数据、工业燃气数据、重点子区域、环境数据、推荐监测点的更多内容,参见图2-图5及其相关描述。
在一些实施例中,智慧燃气安全管理平台130可以包括智慧燃气户内安全管理分平台131和智慧燃气数据中心132。
智慧燃气户内安全管理分平台131可以包括本质安全监测管理模块1311、信息安全监测管理模块1312、功能监测安全管理模块1313和户内安检管理模块1314。
在一些实施例中,本质安全监测管理模块1311可以包括对机械泄漏、电气功耗(如,智能控制功耗、通信功耗)、阀控等燃气防爆安全的监控。
在一些实施例中,信息安全监测管理模块1312可以包括对数据异常、非法设备信息、非法访问等的监测。
在一些实施例中,功能监测管理模块1313可以包括对长期未使用、持续流量超时、流量过载、异常大流量、异常小流量、气压过低、强磁干扰、电压过低等功能性安全监测。
在一些实施例中,户内安检管理模块1314可以包括对燃气用户的户内设备的安检时间预警、安检状态管理、安检问题管理。
智慧燃气数据中心132可以用于存储和管理基于物联网的智慧燃气泄漏安全监测系统100的所有运行信息。在一些实施例中,智慧燃气数据中心可以被配置为存储设备,用于存储与燃气泄漏安全监测相关的数据等。
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与智慧燃气服务平台120、智慧燃气户内设备传感网络平台140进行信息交互,智慧燃气户内安全管理分平台131从智慧燃气数据中心132获取并反馈户内设备安全管理数据,智慧燃气数据中心132汇总和存储系统所有运行数据。
智慧燃气户内设备传感网络平台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,智慧燃气户内设备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,智慧燃气户内设备传感网络平台140可以包括网络管理141、协议管理142、指令管理143和数据解析144。
智慧燃气户内设备对象平台150可以是感知信息生成和控制信息执行的功能平台。在一些实施例中,智慧燃气户内设备对象平台150可以被配置为各类设备,包括户内燃气设备(如燃气表、监测设备、阀控设备)等。
在一些实施例中,智慧燃气户内设备对象平台150可以包括公平计量设备对象分平台151、安全监测设备对象分平台152和安全阀控设备对象分平台153,智慧燃气户内设备对象平台150可以通过上述对象分平台获取燃气使用相关信息。
本说明书一些实施例,基于物联网的智慧燃气泄漏安全监测系统100,可以在智慧燃气户内设备对象平台150与智慧燃气用户平台110之间形成信息运行闭环,并在智慧燃气安全管理平台130的统一管理下协调、规律运行,实现燃气安全管理信息化、智慧化。
图2是根据本说明书一些实施例所示的基于物联网的智慧燃气泄漏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可以由智慧燃气安全管理平台130中的处理器执行。
步骤210,获取待监测车间厂房的区域数据和工业燃气数据。
区域数据是指待监测车间厂房的相关信息数据。区域数据可以包括车间厂房的结构、面积、层高、封闭情况等。
工业燃气数据是指待监测车间厂房内与燃气相关的数据。工业燃气数据可以包括车间厂房内的燃气管道和燃气设备的分布情况、燃气管道的密集情况、燃气设备的使用频率和使用时长等。
在一些实施例中,智慧燃气户内设备对象平台150可以获取工业燃气数据,并通过智慧燃气户内设备传感网络平台140上传至智慧燃气数据中心132,处理器可以从智慧燃气数据中心132获取工业燃气数据。关于智慧燃气户内设备对象平台150、智慧燃气户内设备传感网络平台140、智慧燃气数据中心132的更多内容,参见图1及其相关描述。
步骤220,基于区域数据和工业燃气数据,确定重点子区域。
重点子区域是指待监测车间厂房内需要安装或变更监测装置的区域。
在一些实施例中,处理器可以基于区域数据和工业燃气数据,基于预设规则确定重点子区域。例如,处理器可以将车间厂房面积小于面积阈值、空间较密闭、燃气管道分布密集、燃气设备经常长时间使用的区域确定为重点子区域。
在一些实施例中,处理器可以通过下述步骤S11-S13确定重点子区域。
步骤S11,基于区域数据和工业燃气数据,将待监测车间厂房进行网格化处理,确定多个网格区域。
网格化处理是指将整个车间厂房的三维空间区域划分成有限个均等体积的子空间区域的过程。
在一些实施例中,将待监测车间厂房进行网格化处理后,可以剔除不包含任何燃气相关设施(如,燃气管道、燃气设备等)的网格区域。
步骤S12,获取多个网格区域中至少一个网格区域的环境数据。
环境数据是指网格区域内环境的相关数据。环境数据可以包括风向变化等风向情况、空气流速、温度、湿度等。
步骤S13,基于至少一个网格区域的环境数据,确定重点子区域。
在一些实施例中,处理器可以基于至少一个网格区域的环境数据,通过查表的方式,确定重点子区域。例如,处理器可以获取历史重点子区域对应的环境数据并构建表格,若网格区域的环境数据与表格中的环境数据相同,则将该网格区域确定为重点子区域。
在一些实施例中,处理器可以基于至少一个网格区域的环境数据,通过重点子区域预测模型,确定重点子区域范围。关于重点子区域预测模型的更多内容,参见图3及其相关描述。
重点子区域范围是指重点子区域在车间厂房的坐标范围。
在一些实施例中,处理器可以基于重点子区域范围,确定重点子区域。例如,处理器可以将落在重点子区域范围内的网格区域确定为重点子区域。
在本说明书的一些实施例中,将车间厂房网格化处理来确定重点子区域,可以初步筛选掉无效的网格区域,减少需要处理的数据,提高平台的工作效率;并且,基于环境数据确定重点子区域,可以充分考虑外部环境因素对燃气泄漏安全监测结果的影响,提高确定的重点子区域的准确性。
步骤230,基于重点子区域的环境数据,确定至少一个推荐监测点。
推荐监测点是指燃气监测装置的推荐安装位置或位置范围。
在一些实施例中,处理器可以基于重点子区域的当前环境数据,通过与历史数据进行比对分析,确定至少一个推荐监测点。例如,处理器可以获取同一重点子区域的历史环境数据和历史监测点位置,将与当前环境数据相同的历史环境数据对应的历史监测点位置,作为推荐监测点位置。
在一些实施例中,处理器可以通过下述步骤S21-S22,确定至少一个推荐监测点。
步骤S21,基于重点子区域的环境数据,确定重点子区域的至少一组扩散走向数据。
扩散走向数据可以包括燃气向各个方向的扩散速度。
在一些实施例中,当处理器将待监测车间厂房进行网格化处理后,基于待监测车间厂房形成坐标系,扩散走向数据可以包括燃气在坐标系x轴、y轴、z轴三个方向上的扩散速度。
在一些实施例中,多个连续网格区域的燃气路径数据可以构成燃气的扩散走向数据。例如,燃气从一个网格区域流向下一个网格区域的路径数据可以构成燃气的扩散走向数据。
在一些实施例中,处理器可以基于重点子区域的环境数据,通过扩散模型,预测重点子区域的至少一组扩散走向数据。
关于扩散模型的更多内容可以参见图4及其相关描述。
在一些实施例中,至少一组扩散走向数据还与待监测车间厂房的门窗启闭情况相关。例如,门窗处于开启状态,由于空气流动的影响,扩散走向数据中燃气向某一个方向的扩散速度加快。
在一些实施例中,待监测车间厂房的门窗启闭情况相关可以通过布尔值表示,若开启,布尔值为1,若关闭,布尔值为0。
在本说明书的一些实施例中,在确定扩散走向数据时进一步考虑门窗的启闭情况,可以避免因门窗开启导致扩散走向数据发生变化,从而对燃气泄漏造成误判的情况。
步骤S22,基于重点子区域的至少一组扩散走向数据,确定至少一个推荐监测点。
在一些实施例中,若某个位置发生燃气泄漏,由于空气不流通,泄漏的燃气会聚集在该位置,因此,处理器可以基于重点子区域的至少一组扩散走向数据,将燃气向各个方向的扩散速度均较小(如小于速度阈值)的一组扩散走向数据对应的位置确定为推荐监测点。
在一些实施例中,处理器可以基于扩散走向数据中的扩散方向,将燃气扩散的上游位置确定为推荐监测点。例如,扩散走向数据中,燃气的扩散方向为从位置A扩散至位置B,则位置A为上游位置,处理器可以将位置A确定为推荐监测点。
在一些实施例中,监测燃气泄漏的至少一个监测装置位于组合滑轨上,至少一个监测装置在组合滑轨上移动。在一些实施例中,当处理器将待监测车间厂房进行网格化处理后,基于待监测车间厂房形成坐标系,组合滑轨可以包括坐标系x轴、y轴、z轴方向上的多套组合滑轨,以使得监测装置可以在不同维度的方向上滑动。
在一些实施例中,处理器可以持续基于重点子区域的环境数据、至少一组扩散走向数据和燃气使用数据,确定至少一个监测装置在至少一个推荐监测点上的自适应位置。例如,处理器可以根据不同季节的风力风向、重点子区域的空气流动方向、待监测车间厂房所使用的燃气的密度变化,自行调整监测装置的高度。
燃气使用数据是指待监测车间厂房所使用的燃气的相关信息数据。燃气使用数据可以包括所使用的燃气的类型、密度、流速等。
在一些实施例中,处理器可以通过扩散模型,持续对燃气使用数据、重点子区域的环境数据进行处理,预测重点子区域的至少一组扩散走向数据,基于扩散走向数据确定至少一个新的推荐监测点,并将监测装置自适应调节至新的推荐监测点。
关于扩散模型的更多内容,参见图4及其相关描述;关于基于扩散走向数据确定推荐监测点的更多内容,参见前文步骤S22。
在本说明书的一些实施例中,根据重点子区域的实时环境数据、实时扩散走向数据,持续调整推荐监测点的位置,并自动移动监测装置,可以使得监测装置根据实际情况灵活变动监测位置,既提高了资源的利用率,又保证了对可能发生燃气泄漏的点位进行监测的及时性。
在一些实施例中,推荐监测点可以包括至少一个必选开启点和至少一个可选开启点。
必选开启点是指必须安装和开启监测装置的位置。可选开启点是指根据实际需求按需开启监测装置的位置。
在一些实施例中,确定可选开启点的监测装置是否开启的实际需求可以包括车间厂房的实际生产情况和燃气使用情况。
在一些实施例中,可选开启点的位置相关于必选开启点的位置。例如,若某个区域的可选开启点较多,则可以适当设置一个必选开启点。
在本说明书的一些实施例中,通过设置必选开启点和可选开启点,对于需求较高的位置长期开启监测装置,对于需求较低的位置根据实际情况按需开启监测装置,既可以保证不遗漏对可能发生燃气泄漏的位置进行监测,又可以降低监测成本和平台的数据处理数量;并且,可选开启点可以辅助必选开启点监测是否发生燃气泄漏,进一步提高了对燃气泄漏安全监测结果的准确性,有效保障了燃气用气安全。
在一些实施例中,处理器可以评估开启点集合的风险值。
开启点集合是指由推荐监测点中已开启监测装置的位置所构成的集合。
风险值是指评判能否及时准确监测燃气泄漏的指标。风险值越小,对燃气泄漏的监测越及时和准确。
在一些实施例中,不同开启点集合对应不同的风险值。例如,共有三个可选开启点A、B、C,仅开启A的监测装置时对应的风险值可能为90%,开启A和B的监测装置时对应的风险值可能为50%,开启B和C的监测装置时对应的风险值可能为40%。
在一些实施例中,处理器可以将风险值满足风险条件的开启点集合中包含的开启点作为必选开启点,把推荐监测点中除了必选开启点以外的监测点作为可选开启点。
在一些实施例中,风险条件可以基于先验经验确定。例如,风险条件可以是风险值小于风险阈值(如,50%)。
在一些实施例中,在风险值满足风险条件的前提下,可选开启点还相关于其他因素。例如,可选开启点还相关于经济效益,在风险值满足风险条件的前提下,可选开启点的数量越少,生产成本越低。
在一些实施例中,处理器可以基于至少一个推荐监测点,构建推荐监测点图谱;基于推荐监测点图谱,通过风险评估模型,确定开启点集合的风险值。
关于推荐监测点图谱、风险评估模型的更多内容,参见图5及其相关描述。
在一些实施例中,处理器可以基于风险值,确定至少一个可选开启点中需要开启的监测装置。例如,当风险值降至满足风险条件时,处理器可以基于该风险值对应的可选开启点的监测装置的开启情况,确定至少一个可选开启点中需要开启的监测装置。
在本说明书的一些实施例中,基于风险值确定可选开启点中需要开启的监测装置,可以准确判断需要开启的监测装置,既可以保证对燃气泄漏进行及时和全面的监测,又可以避免资源的浪费。
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重点子区域预测模型的示例性示意图。
在一些实施例中,如图5所示,处理器可以基于网格区域的环境数据310,确定网格区域的至少一组扩散走向数据320。
基于至少一个网格区域的环境数据,确定至少一个网格区域的至少一组扩散走向数据的方式,和基于重点子区域的环境数据,确定重点子区域的至少一组扩散走向数据的方式相同。关于环境数据、扩散走向数据、基于环境数据,确定扩散走向数据的更多内容,参见图2、图4及其相关描述。
在一些实施例中,处理器可以基于至少一个网格区域的至少一组扩散走向数据、区域数据和工业燃气数据,通过重点子区域预测模型,确定重点子区域范围。关于区域数据、工业燃气数据的更多内容,参见图2及其相关描述。
重点子区域预测模型是指用于确定重点子区域的模型。在一些实施例中,重点子区域预测模型可以是机器学习模型,如神经网络(Neural Networks,NN)模型等。在一些实施例中,重点子区域预测模型可以为其他机器学习模型或其组合。
在一些实施例中,重点子区域预测模型350的输入可以包括网格区域的至少一组扩散走向数据320、区域数据330、工业燃气数据340,输出可以包括重点子区域范围360。
在一些实施例中,处理器可以基于重点子区域范围360确定重点子区域370。关于重点子区域范围、重点子区域的更多,内容参见图2及其相关描述。
在一些实施例中,重点子区域预测模型可以基于历史数据单独训练得到。在一些实施例中,训练重点子区域预测模型的第一训练样本可以包括多个样本网格区域的至少一组扩散走向数据、区域数据和工业燃气数据;第一训练样本对应的第一标签为样本网格区域是否为重点子区域,若样本网格区域为重点子区域(即,确实需要安装或变更监测装置),则第一标签为1,反之为0。
在本说明书的一些实施例中,将车间厂房网格化,对于每一个网格,基于环境数据确定扩散走向数据,可以充分考虑到不同环境因素对燃气扩散的影响;并且,通过重点子区域预测模型对扩散走向数据、区域数据、工业燃气数据进行处理,确定重点子区域,可以提高对重点子区域预测的效率和准确度。
图4是根据本说明书一些实施例所示的扩散模型的示例性示意图。
在一些实施例中,处理器可以通过扩散模型对重点子区域的环境数据进行处理,预测重点子区域的至少一组扩散走向数据。
关于重点子区域、环境数据、扩散走向数据的更多内容,参见图2及其相关描述。
扩散模型是指用于预测重点子区域的至少一组扩散走向数据的模型。在一些实施例中,扩散模型可以是机器学习模型,如神经网络(Neural Networks,NN)模型等。在一些实施例中,扩散模型可以为其他机器学习模型或其组合。
在一些实施例中,扩散模型430的输入至少包括燃气使用数据410、重点子区域的环境数据420,输出可以包括重点子区域的至少一组扩散走向数据440。在一些实施例中,输出的重点子区域的至少一组扩散走向数据440包括燃气在x轴、y轴、z轴方向上的扩散速度。
在一些实施例中,扩散模型430的输入还可以包括待监测车间厂房的门窗启闭情况。
关于燃气使用数据、待监测车间厂房的门窗启闭情况的更多内容,参见图2及其相关描述。
在一些实施例中,扩散模型可以基于历史数据单独训练得到。在一些实施例中,训练扩散模型的第二训练样本可以包括多个样本重点子区域的环境数据和样本燃气使用数据;第二训练样本对应的第二标签为样本重点子区域实际的扩散走向数据。
在本说明书的一些实施例中,基于燃气使用数据和重点子区域的环境数据,通过扩散模型预测重点子区域的至少一组扩散走向数据,进一步地,将待监测车间厂房的门窗启闭情况也作为扩散模型的输入,可以提高确定的扩散走向数据的准确性。
图5是根据本说明书一些实施例所示的推荐监测点图谱和风险评估模型的示例性示意图。
在一些实施例中,如图5所示,处理器可以基于至少一个推荐监测点510,构建推荐监测点图谱520。
推荐监测点图谱是指基于推荐监测点构建的以符号形式反映各种因素之间的关系的图谱。推荐监测点图谱包括节点和边。
在一些实施例中,处理器可以从推荐监测点中随机选择有限个推荐监测点构成推荐监测点图谱。
节点是指推荐监测点,节点的属性包括该节点对应的推荐监测点的高度和工业燃气相关数据。高度是指以待监测车间厂房的地面为基准,推荐监测点在垂直方向上的上升距离。工业燃气相关数据是指推荐监测点附近(如,与推荐监测点的距离小于距离阈值)的燃气管道和燃气设备的分布情况和使用情况。
边用于连接节点。在一些实施例中,若两个节点对应的推荐监测点之间的距离小于距离阈值,则这两个节点之间通过边连接。在一些实施例中,连接节点之间的边为有向边,边的方向为燃气的扩散方向。
边的属性包括节点对应的推荐监测点之间的距离和燃气的扩散方向。
在一些实施例中,处理器可以通过风险评估模型对推荐监测点图谱进行处理,确定风险值。
风险评估模型是指用于确定开启点集合的风险值的模型。在一些实施例中,风险评估模型可以是图神经网络(Graph Neural Networks,GNN)模型。在一些实施例中,风险评估模型可以为其他机器学习模型或其组合。
在一些实施例中,风险评估模型530的输入可以包括推荐监测点图谱520。在一些实施例中,推荐监测点图谱520输入风险评估模型530时,推荐监测点图谱520中包含的推荐监测点均视为开启点。在一些实施例中,风险评估模型530的输出可以包括推荐监测点图谱520所包含的开启点集合的风险值540。关于风险值的更多内容,参见图2及其相关描述。
在一些实施例中,风险评估模型可以基于历史数据单独训练得到。在一些实施例中,训练风险评估模型的第三训练样本可以包括基于不同样本推荐监测点构建的至少一个样本推荐监测点图谱;第三训练样本对应的第三标签为按照样本推荐监测点图谱中包含的推荐监测点开启监测装置时,能否及时准确监测到燃气泄漏,若可以监测到,则标签为1,反之为0。
在本说明书的一些实施例中,基于推荐监测点构建推荐监测点图谱,可以充分考虑到不同推荐监测点之间的相互关系,基于风险评估模型对推荐监测点图谱进行处理,可以提高预测的风险值的科学性和合理性。
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后,计算机执行如上述实施例中任一项所述的基于物联网的智慧燃气泄漏安全监测方法。
在本说明书的实施例中按步骤说明所执行的操作时,如无特别说明,则步骤的次序均为可调换的,步骤是可以省略的,在操作过程中也可以包括其他步骤。
本说明书中的实施例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进行的各种修正和改变仍在本说明书的范围之内。
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。
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。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。
如果本说明书引用材料中的描述、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。
Claims (10)
1.一种基于物联网的智慧燃气泄漏安全监测方法,其特征在于,所述方法由基于物联网的智慧燃气泄漏安全监测系统的智慧燃气安全管理平台中的处理器执行,所述方法包括:
获取待监测车间厂房的区域数据和工业燃气数据;
基于所述区域数据和所述工业燃气数据,确定重点子区域;
基于所述重点子区域的环境数据,确定至少一个推荐监测点。
2.根据权利要求1所述的方法,其特征在于,所述基于所述区域数据和所述工业燃气数据,确定重点子区域包括:
基于所述区域数据和所述工业燃气数据,将所述待监测车间厂房进行网格化处理,确定多个网格区域;
获取所述多个网格区域中至少一个网格区域的环境数据;
基于所述至少一个网格区域的所述环境数据,确定所述重点子区域。
3.根据权利要求2所述的方法,其特征在于,所述基于所述至少一个网格区域的所述环境数据,确定所述重点子区域包括:
基于所述至少一个网格区域的所述环境数据,通过重点子区域预测模型,确定重点子区域范围,所述重点子区域预测模型为机器学习模型;
基于所述重点子区域范围,确定所述重点子区域。
4.根据权利要求1所述的方法,其特征在于,所述基于所述重点子区域的环境数据,确定至少一个推荐监测点包括:
基于所述重点子区域的所述环境数据,确定所述重点子区域的至少一组扩散走向数据;
基于所述重点子区域的所述至少一组扩散走向数据,确定所述至少一个推荐监测点。
5.根据权利要求4所述的方法,其特征在于,用于监测燃气泄漏的至少一个监测装置位于组合滑轨上,所述至少一个监测装置在所述组合滑轨上移动;
所述方法还包括:
基于所述重点子区域的所述环境数据、所述至少一组扩散走向数据和燃气使用数据,确定所述至少一个监测装置在所述至少一个推荐监测点上的自适应位置。
6.根据权利要求4所述的方法,其特征在于,所述至少一个推荐监测点包括至少一个必选开启点和至少一个可选开启点。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
评估开启点集合的风险值;
基于所述风险值,确定所述至少一个必选开启点和所述至少一个可选开启点。
8.根据权利要求7所述的方法,其特征在于,所述评估开启点集合的风险值包括:
基于所述至少一个推荐监测点,构建推荐监测点图谱;
基于所述推荐监测点图谱,通过风险评估模型,确定所述风险值,所述风险评估模型为图神经网络模型。
9.一种基于物联网的智慧燃气泄漏安全监测系统,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、智慧燃气户内设备传感网络平台、智慧燃气户内设备对象平台;
所述智慧燃气安全管理平台用于:
获取待监测车间厂房的区域数据和工业燃气数据;
基于所述区域数据和所述工业燃气数据,确定重点子区域;
基于所述重点子区域的环境数据,确定至少一个推荐监测点。
10.一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,其特征在于,当所述计算机指令被处理器执行时,实现如权利要求1-8任一项所述的基于物联网的智慧燃气泄漏安全监测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586674.3A CN116336398B (zh) | 2023-05-24 | 2023-05-24 | 基于物联网的智慧燃气泄漏安全监测方法、系统和介质 |
US18/341,732 US20230332973A1 (en) | 2023-05-24 | 2023-06-26 | Methods, systems, and mediums for monitoring gas leakage safety based on internet of things |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586674.3A CN116336398B (zh) | 2023-05-24 | 2023-05-24 | 基于物联网的智慧燃气泄漏安全监测方法、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116336398A true CN116336398A (zh) | 2023-06-27 |
CN116336398B CN116336398B (zh) | 2023-07-25 |
Family
ID=86889758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310586674.3A Active CN116336398B (zh) | 2023-05-24 | 2023-05-24 | 基于物联网的智慧燃气泄漏安全监测方法、系统和介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230332973A1 (zh) |
CN (1) | CN116336398B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035396A (zh) * | 2023-07-04 | 2023-11-10 | 北京市燃气集团有限责任公司 | 一种燃气安全联锁保护方法、系统和电子设备 |
CN117319450A (zh) * | 2023-11-27 | 2023-12-29 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波计量仪表数据交互方法、装置及设备 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100918960B1 (ko) * | 2009-04-09 | 2009-09-25 | (주)테크윈시스템 | 지하시설 가스 발생지역 내의 유해가스 원격 감시제어 시스템 |
JP2016025377A (ja) * | 2014-07-16 | 2016-02-08 | 東京瓦斯株式会社 | 監視システム |
CN108647470A (zh) * | 2018-05-29 | 2018-10-12 | 杭州电子科技大学 | 一种基于聚类和深度信念网络的漏损初定位方法 |
US20180365555A1 (en) * | 2016-12-22 | 2018-12-20 | Naveed Aslam | Artificial intelligence based algorithm for predicting pipeline leak and corrosion detection |
CN109672847A (zh) * | 2017-10-13 | 2019-04-23 | 李玉卓 | 基于图像识别技术的智能安防监控系统 |
EP3655743A1 (en) * | 2017-07-19 | 2020-05-27 | Rezatec Limited | Water network monitoring system |
US20200191897A1 (en) * | 2018-12-14 | 2020-06-18 | Kepco Engineering & Construction Company, Inc. | Method and terminal for controlling power plant |
CN111563433A (zh) * | 2020-04-27 | 2020-08-21 | 郭琼 | 基于区块链的智慧工地漫水监测系统 |
CA3138879A1 (en) * | 2019-05-06 | 2020-11-12 | Badger Meter, Inc. | System and method for outdoor leak detection |
CN111949749A (zh) * | 2020-07-30 | 2020-11-17 | 中国科学技术大学 | 基于高阶图卷积网络的空气质量监测站点位置推荐方法 |
EP3745230A1 (fr) * | 2019-05-29 | 2020-12-02 | Lacroix Sofrel | Procédé et système de surveillance et de commande d'équipements industriels |
CN112966374A (zh) * | 2021-02-23 | 2021-06-15 | 南京乐之飞科技有限公司 | 智能电网电力线路安全实时在线预测预警管理系统 |
CN115330278A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 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 |
CN115619071A (zh) * | 2022-12-07 | 2023-01-17 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网可靠性安全监测方法和物联网系统及介质 |
CN115685861A (zh) * | 2022-08-30 | 2023-02-03 | 西安热工研究院有限公司 | 基于电厂边缘云平台的智慧煤场管控系统及控制方法 |
CN115751203A (zh) * | 2022-12-05 | 2023-03-07 | 南通中油燃气有限责任公司 | 一种基于红外热像仪的天然气管道泄漏监测系统 |
CN116016856A (zh) * | 2022-12-16 | 2023-04-25 | 重庆慧涛实业有限公司 | 一种集成式智慧工地监控数据采集交互系统 |
CN116011740A (zh) * | 2022-12-15 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网巡检方法和物联网系统、介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11646808B2 (en) * | 2016-05-09 | 2023-05-09 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for adaption of data storage and communication in an internet of things downstream oil and gas environment |
CN206249037U (zh) * | 2016-12-15 | 2017-06-13 | 苏州工业职业技术学院 | 一种基于物联网技术的天然气泄漏监控系统 |
US11237030B2 (en) * | 2019-03-27 | 2022-02-01 | Chengdu Qinchuan Technology Development Co., Ltd. | Gas leakage detection method based on compound internet of things (IoT) and IoT system |
CN212621322U (zh) * | 2020-07-03 | 2021-02-26 | 广州金燃智能系统有限公司 | 一种基于窄带物联网通信技术的燃气具物联安全管理系统 |
US20220357230A1 (en) * | 2021-05-05 | 2022-11-10 | Earthview Corporation | Gas leak quantization system |
US20230129412A1 (en) * | 2021-10-22 | 2023-04-27 | Baker Hughes Holdings Llc | Detection and localization of gas emission |
-
2023
- 2023-05-24 CN CN202310586674.3A patent/CN116336398B/zh active Active
- 2023-06-26 US US18/341,732 patent/US20230332973A1/en active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100918960B1 (ko) * | 2009-04-09 | 2009-09-25 | (주)테크윈시스템 | 지하시설 가스 발생지역 내의 유해가스 원격 감시제어 시스템 |
JP2016025377A (ja) * | 2014-07-16 | 2016-02-08 | 東京瓦斯株式会社 | 監視システム |
US20180365555A1 (en) * | 2016-12-22 | 2018-12-20 | Naveed Aslam | Artificial intelligence based algorithm for predicting pipeline leak and corrosion detection |
EP3655743A1 (en) * | 2017-07-19 | 2020-05-27 | Rezatec Limited | Water network monitoring system |
CN109672847A (zh) * | 2017-10-13 | 2019-04-23 | 李玉卓 | 基于图像识别技术的智能安防监控系统 |
CN108647470A (zh) * | 2018-05-29 | 2018-10-12 | 杭州电子科技大学 | 一种基于聚类和深度信念网络的漏损初定位方法 |
US20200191897A1 (en) * | 2018-12-14 | 2020-06-18 | Kepco Engineering & Construction Company, Inc. | Method and terminal for controlling power plant |
CA3138879A1 (en) * | 2019-05-06 | 2020-11-12 | Badger Meter, Inc. | System and method for outdoor leak detection |
EP3745230A1 (fr) * | 2019-05-29 | 2020-12-02 | Lacroix Sofrel | Procédé et système de surveillance et de commande d'équipements industriels |
CN111563433A (zh) * | 2020-04-27 | 2020-08-21 | 郭琼 | 基于区块链的智慧工地漫水监测系统 |
CN111949749A (zh) * | 2020-07-30 | 2020-11-17 | 中国科学技术大学 | 基于高阶图卷积网络的空气质量监测站点位置推荐方法 |
CN112966374A (zh) * | 2021-02-23 | 2021-06-15 | 南京乐之飞科技有限公司 | 智能电网电力线路安全实时在线预测预警管理系统 |
CN115685861A (zh) * | 2022-08-30 | 2023-02-03 | 西安热工研究院有限公司 | 基于电厂边缘云平台的智慧煤场管控系统及控制方法 |
CN115330278A (zh) * | 2022-10-14 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 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 |
CN115751203A (zh) * | 2022-12-05 | 2023-03-07 | 南通中油燃气有限责任公司 | 一种基于红外热像仪的天然气管道泄漏监测系统 |
CN115619071A (zh) * | 2022-12-07 | 2023-01-17 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网可靠性安全监测方法和物联网系统及介质 |
CN116011740A (zh) * | 2022-12-15 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网巡检方法和物联网系统、介质 |
CN116016856A (zh) * | 2022-12-16 | 2023-04-25 | 重庆慧涛实业有限公司 | 一种集成式智慧工地监控数据采集交互系统 |
Non-Patent Citations (2)
Title |
---|
李建华,薛广民,陈冰: "油气生产物联网技术在油气生产中的应用", 《自动化博览》, no. 2013 * |
邹宜轩: "高大建筑空间突发性空气污染高效监测与应急响应", 《中国硕士学位论文全文数据库 工程科技I辑》, no. 2022 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035396A (zh) * | 2023-07-04 | 2023-11-10 | 北京市燃气集团有限责任公司 | 一种燃气安全联锁保护方法、系统和电子设备 |
CN117319450A (zh) * | 2023-11-27 | 2023-12-29 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波计量仪表数据交互方法、装置及设备 |
CN117319450B (zh) * | 2023-11-27 | 2024-02-09 | 成都秦川物联网科技股份有限公司 | 基于物联网的超声波计量仪表数据交互方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116336398B (zh) | 2023-07-25 |
US20230332973A1 (en) | 2023-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116336398B (zh) | 基于物联网的智慧燃气泄漏安全监测方法、系统和介质 | |
Pang et al. | Application of mobile positioning occupancy data for building energy simulation: An engineering case study | |
CN101764893B (zh) | 基于数据中间层的通信话务波动监控方法 | |
US10915835B2 (en) | Systems and methods for maximizing expected utility of signal injection test patterns in utility grids | |
CN104657791B (zh) | 一种基于相关性分析的风电场群风速分布预测方法 | |
KR101094195B1 (ko) | 2차원 코드 및 관리서버를 이용한 전력설비 관리방법과 그 시스템 | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
US11321616B2 (en) | Computer-based extraction of complex building operation rules for products and services | |
CN103620512A (zh) | 针对高压电气部件的动态评估系统 | |
CN116011740A (zh) | 一种智慧燃气管网巡检方法和物联网系统、介质 | |
US10698371B2 (en) | Systems and methods for classifying in-situ sensor response data patterns representative of grid pathology severity | |
CN117314094A (zh) | 基于ai智能园区的能源管控方法及系统 | |
CN105319967A (zh) | 空调器的控制方法、服务器和空调系统 | |
CN117093883A (zh) | 智慧燃气异常数据分析方法、物联网系统和装置及介质 | |
Wang et al. | Anomaly detection for mobile network management | |
CN114552770A (zh) | 管理智能警报的系统和方法 | |
Nagasaka et al. | Integrated analysis system for elevator optimization maintenance using ontology processing and text mining | |
Rodrigues et al. | Adaptation of functional inspection test plan in a production line using a multi-agent system | |
CN214544369U (zh) | 一种基于神经网络的电厂安全系统 | |
Kriksciuniene et al. | Sensor Network Analytics for Intelligent Facility Management. | |
CN116245357B (zh) | 一种数智节能柜故障诊断方法及系统 | |
Hebean et al. | Cloud Computing and Internet of Things Concepts Applied on Buildings Data Analysis | |
Kermani | Implementing BMS in household and commercial complexes using industrial PLCs as well as its impact on optimizing energy consumption | |
CN116974347A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN117251810A (zh) | 基于数字孪生平台的变电站设备状态评估预警系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |