CN116346864A - 基于智慧燃气物联网的超声波计量补偿方法、系统和介质 - Google Patents

Abstract

本说明书实施例提供一种基于智慧燃气物联网的超声波计量补偿方法、系统和介质，该方法基于超声波计量补偿系统实现，该方法由智慧燃气设备管理平台执行，包括：基于从外部数据库获取的燃气管道特征，确定第一预设条件；基于至少一个传感器获取燃气运输特征以及环境特征；基于燃气运输特征、环境特征与第一预设条件，确定补偿方案，补偿方案包括流速补偿系数、流量补偿参数、温度补偿系数、压力补偿系数中的至少一个；将补偿方案发送至超声波流量计，控制超声波流量计根据补偿方案，确定更新后的流量计量数据。本说明书一些实施例可以实现对环境因素、管道因素、流体自身因素引起的测量误差进行评估和补偿，提高超声波计量仪表的计量精确度。

Description

基于智慧燃气物联网的超声波计量补偿方法、系统和介质

技术领域

本说明书涉及超声波计量仪表领域，尤其涉及一种基于智慧燃气物联网的超声波计量补偿方法、系统和介质。

背景技术

超声波在流体中传播时会受到流体流速的影响，通过检测接收到的超声波可以检测出流体的流速，从而换算成流量。超声波在流体中的传播速度是作为已知的常量直接参与计算流速信息，而超声波在流体中的传播速度是随着温度的变化而改变的，当流体的温度变化范围比较大时候，对超声波传播速度的变化带来的影响也将不可忽视。

现有技术中多基于监测的温度差异、流速差异等计算流量补偿，CN105091970B利用动态补偿方法，对管道内温度差进行补偿，但没有涉及管道内流体温度分层的问题；CN103808381B通过拟合确定温度补偿公式，同样没有涉及管道内流体温度分层的问题，修正后的流量计量结果仍然可能存在不可忽略的误差。

因此，希望提供一种基于智慧燃气物联网的超声波计量补偿方法、系统和介质，对管道的温度分层情况进行评估，确定更为精准可靠的流量补偿系数，提高超声波计量仪表的计量精确度。

发明内容

有鉴于此，本说明书实施例公开了一种基于智慧燃气物联网的超声波计量补偿方法、系统和介质，以解决上述管道内温度分层的问题对超声波传播速度的变化带来的影响。

本说明书实施例之一提供一种基于智慧燃气物联网的超声波计量补偿方法，所述方法基于超声波计量补偿系统实现，所述方法由智慧燃气设备管理平台执行，包括：基于从外部数据库获取的燃气管道特征，确定第一预设条件，所述第一预设条件是指用于评估是否需要进行流量补偿的判断条件；基于至少一个传感器获取燃气运输特征以及环境特征；基于所述燃气运输特征、所述环境特征与所述第一预设条件，确定补偿方案，所述补偿方案包括流速补偿系数、流量补偿参数、温度补偿系数、压力补偿系数中的至少一个；将所述补偿方案发送至超声波计量仪表，控制所述超声波计量仪表根据所述补偿方案，确定更新后的流量计量数据。

本说明书实施例之一提供一种基于智慧燃气物联网的超声波计量补偿系统，所述系统包括依次连接的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台、智慧燃气对象平台；所述智慧燃气用户平台用于，将燃气设备参数管理信息的查询指令经由所述智慧燃气服务平台下发至所述智慧燃气设备管理平台；所述智慧燃气设备管理平台用于，响应于所述燃气设备参数管理信息的查询指令，将获取燃气设备相关数据的指令经由所述智慧燃气传感网络平台下发至所述智慧燃气对象平台，接收所述智慧燃气对象平台上传的所述燃气设备相关数据；对所述燃气设备相关数据进行处理，得到所述燃气设备管理信息；经由所述智慧燃气服务平台将所述燃气设备管理信息上传至所述智慧燃气用户平台；其中，所述燃气设备相关数据至少包括燃气管道特征、燃气运输特征和环境特征，所述燃气设备管理信息至少包括对超声波计量仪表的流量计量数据进行补偿的补偿方案，所述补偿方案的确定过程包括：基于从外部数据库获取的燃气管道特征，确定第一预设条件，所述第一预设条件是指用于评估是否需要进行流量补偿的判断条件；基于至少一个传感器获取燃气运输特征以及环境特征；基于所述燃气运输特征、所述环境特征与所述第一预设条件，确定补偿方案，所述补偿方案包括流速补偿系数、流量补偿参数、温度补偿系数、压力补偿系数中的至少一个。

本说明书实施例之一提供一种计算机可读存储介质，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，计算机执行的基于智慧燃气物联网的超声波计量补偿方法。

本说明书实施例至少包括以下有益效果：

（1）通过燃气运输特征、环境特征确定补偿方案，实现对环境因素、管道因素、流体自身因素引起的测量误差进行评估，确定更为精准可靠的流量补偿系数，进一步提高超声波计量仪表的计量精确度；

（2）通过综合考虑管道内外的温度分布情况对流速的影响，可以进一步减少温度对测量数据的影响，提高补偿的精度；通过预设算法，确定流速补偿系数，可以提高补偿参数计算的准确度；

（3）根据温度分层的情况，获得不同的补偿参数，实现针对不同温度变化，对测量数据进行不同的补偿方案，降低温度分布不均匀对测量数据的影响，同时提高超声波计量仪表的计量精确度；

（4）通过判断目标监测数据是否为干扰数据，并对其进行处理，可以高效准确的排除干扰数据，避免干扰数据对确定补偿方案造成的影响；

（5）干扰置信度越高，温度分层越不稳定，在当前时间点的干扰置信度较高时，通过当前时间点之前的多个历史时间点的参考温度分层数据确定当前时间点的温度分层数据，可以有效提高温度分层数据的计算精度，提高温度分层数据的可靠性，有利于后续对管道内温度分层是否均匀的判断。

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基于智慧燃气物联网的超声波计量补偿系统的结构示意图；

图2是根据本说明书一些实施例所示的基于智慧燃气物联网的超声波计量补偿方法的示例性流程图；

图3是根据本说明书一些实施例所示的确定干扰数据的示例性流程图；

图4是根据本说明书一些实施例所示的基于干扰数据确定模型判断干扰数据的示例性示意图；

图5是根据本说明书一些实施例所示的温度分层预测模型、第二参数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基于智慧燃气物联网的超声波计量补偿系统的示例性结构示意图。以下将对本说明书实施例所涉及的基于智慧燃气物联网的超声波计量补偿系统进行详细说明。需要注意的是，以下实施例仅用于解释本说明书，并不构成对本说明书的限定。

在一些实施例中，基于智慧燃气物联网的超声波计量补偿系统100（下称超声波计量补偿系统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、政府用户分平台112和监管用户分平台113。

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。燃气用户可以是工业燃气用户、商业燃气用户、普通燃气用户等。

政府用户分平台112可以是为政府用户提供燃气运营相关数据的平台。政府用户可以是燃气运营主体的管理人员（如行政部管理人员）等。

监管用户分平台113可以是监管用户对整个物联网系统的运行进行监管的平台。监管用户可以安全管理部门的人员。

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可以从智慧燃气设备管理平台130获取燃气设备管理信息，并上传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、智慧运营服务分平台122和智慧监管服务分平台123。

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。

智慧运营服务分平台122可以是为政府用户提供燃气运营相关信息（例如，燃气设备管理信息等）的平台。

智慧监管服务分平台123可以是为监管用户提供监管需求的平台。

智慧燃气设备管理平台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，智慧燃气设备管理平台130可以分为包括智慧燃气户内设备管理分平台131、智慧燃气管网设备管理分平台132和智慧燃气数据中心133。

智慧燃气户内设备管理分平台131可以是用于处理与户内设备相关信息的平台。在一些实施例中，智慧燃气户内设备管理分平台131包括但不限于设备运行参数监测预警模块和设备参数远程管理模块。

智慧燃气管网设备管理分平台132可以是用于对管网设备进行监控与管理的平台。在一些实施例中，智慧燃气管网设备管理分平台132包括但不限于设备运行参数监测预警模块和设备参数远程管理模块。

智慧燃气户内设备管理分平台131、智慧燃气管网设备管理分平台132可以分别通过前述各模块对户内设备或管网设备相关信息进行分析处理，确定户内设备或管网设备的运行参数异常时，进入设备参数远程管理模块，对户内设备或管网设备的运行参数进行远程设置、调整，以及远程授权等。

智慧燃气数据中心133可以用于存储和管理超声波计量补偿系统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，用于存储燃气设备相关数据等。例如，燃气管道特征等。

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133分别与智慧燃气服务平台120、智慧燃气传感网络平台140进行信息交互。

智慧燃气传感网络平台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，智慧燃气传感网络平台140可以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，智慧燃气传感网络平台140可以包括智燃气户内设备传感网络分平台141、智慧燃气管网设备传感网络分平台142，可以分别用于获取燃气户内设备和燃气管网设备的运行信息。

智慧燃气对象平台150可以是感知信息生成和控制信息执行的功能平台。例如，智慧燃气对象平台150可以监控并获取燃气户内设备、燃气管网设备的运行信息。

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151和智慧燃气管网设备对象分平台152。

在一些实施例中，智慧燃气户内设备对象分平台151可以被配置为燃气用户的各类燃气户内设备。

在一些实施例中，智慧燃气管网设备对象分平台152可以被配置为各类燃气管网设备和监测设备。

本说明书一些实施例，基于超声波计量补偿系统100，可以在智慧燃气对象平台与智慧燃气用户平台之间形成信息运行闭环，并在智慧燃气管理平台的统一管理下协调、规律运行，实现燃气设备管理信息化、智慧化。

需要注意的是，以上对于基于智慧燃气物联网的超声波计量补偿系统及其组成单元的描述，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。

图2是根据本说明书一些实施例所示的基于智慧燃气物联网的超声波计量补偿方法的示例性流程图。

在一些实施例中，流程200可以由超声波计量补偿系统100实现，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210，基于从外部数据库获取的燃气管道特征，确定第一预设条件。

燃气管道特征可以包括管道的材质、内径、外径等参数特征。

外部数据库是指超声波计量补偿系统100以外的数据库，外部数据库中存储有从管道厂家、实际测量或其他渠道获得的燃气管道特征。

第一预设条件是指用于评估是否需要进行流量补偿的判断条件。在一些实施例中，第一预设条件可以是与燃气运输特征、环境特征相关的条件。例如，预设条件可以包括燃气运输特征、环境特征中的至少一个对应的数值或数值范围。

燃气运输特征可以包括燃气流速、燃气温度、燃气压力等参数特征。燃气流速可以是指燃气在管道中的初始流速。

环境特征可以包括管道所处环境的环境温度、环境压力、环境湿度、光照数据、天气数据等参数特征。在一些实施例中，环境特征还可以包括光照强度。

在一些实施例中，第一预设条件包括燃气流速大于流速阈值，且燃气温度与环境温度的差值小于温差阈值。

在一些实施例中，流速阈值可以基于燃气管道特征确定。在一些实施例中，智慧燃气设备管理平台可以根据预设的不同燃气管道特征与不同流速阈值之间的对应关系和当前获取的燃气管道特征，确定流速阈值。

在一些实施例中，不同的流速阈值可以对应不同的温差阈值，流速阈值越大，对应的温差阈值越大。在一些实施例中，智慧燃气设备管理平台可以根据预设的不同流速阈值与不同的温差阈值之间的对应关系和当前确定的流速阈值，确定温差阈值。

步骤220，基于至少一个传感器获取燃气运输特征以及环境特征。

在一些实施例中，至少一个传感器可以包括但不限于流速传感器、温度传感器、气压传感器、湿度传感器、日射强度计等。

燃气运输特征及环境特征可以分别根据安装在管道中或管道外的至少一个传感器获得。

步骤230，基于燃气运输特征、环境特征与第一预设条件，确定补偿方案。

补偿方案是针对流量计量数据进行补偿的手段。补偿方案可以用于对燃气流速、燃气流量、燃气温度等至少一个进行补偿。

在一些实施例中，补偿方案包括流速补偿系数、流量补偿参数、温度补偿系数、压力补偿系数等中的至少一个。

流速补偿系数是用于对燃气流速进行补偿的参数数据。

流量补偿参数是用于对燃气流量进行补偿的参数数据。在一些实施例中，流量补偿参数包括第一流量补偿参数、第二流量补偿参数。关于第一流量补偿参数、第二流量补偿参数的说明参见下文。

温度补偿系数、压力补偿系数是分别用于对燃气温度、燃气压力进行补偿的参数数据。

在一些实施例中，智慧燃气设备管理平台可以基于燃气运输特征、环境特征和第一预设条件，通过多种方式确定补偿方案。例如，可以判断燃气运输特征、环境特征是否满足第一预设条件，根据判断结果确定补偿方案为流速补偿系数、第一流量补偿参数、第二流量补偿参数、温度补偿系数、压力补偿系数中至少一个或多个的组合。

在一些实施例中，响应于燃气运输特征、环境特征不满足第一预设条件时，即燃气流速小于流速阈值，且燃气温度与环境温度的差值大于温差阈值，智慧燃气设备管理平台可以确定补偿方案为仅利用流速补偿系数进行补偿。

在一些实施例中，智慧燃气设备管理平台可以通过向量数据库确定流速补偿系数。向量数据库中包括多个第一参考特征向量及其对应的参考流速补偿参数。第一参考特征向量可以基于历史燃气流速、历史环境温度和历史燃气温度构建，参考流速补偿参数可以基于历史补偿方案确定。

在一些实施例中，智慧燃气设备管理平台可以基于燃气流速、环境温度和燃气温度构建第一特征向量，基于第一特征向量在向量数据库中检索，将满足预设匹配条件的第一参考特征向量确定为第一关联特征向量，将第一关联特征向量对应的参考流速补偿参数确定为当前的流速补偿参数。其中，预设条件可以指用于确定第一关联特征向量的判断条件。在一些实施例中，预设条件可以包括向量距离小于距离阈值、向量距离最小等。

在一些实施例中，智慧燃气设备管理平台可以基于燃气流速、环境温度和燃气温度，根据预设算法计算流速补偿系数。

预设算法可以包括但不限于数据库查询算法、拟合算法等。

在一些实施例中，预设算法包括：通过超声波计量仪表测量获得各个温度组合对应的原始流速数据；获得各个温度组合对应的实际流速数据；通过对实际流速数据、预测流速数据环境温度以及燃气温度进行拟合，获得流速补偿公式；通过流速补偿公式确定流速补偿系数。其中，温度组合是指一种环境温度与一种燃气温度的组合。

超声波计量仪表是用于测量管道内介质流量的设备。例如，超声波计量仪表可以是多普勒超声波流量计、时差式超声波流量计、超声波燃气表等。

原始流速数据是指通过超声波计量仪表测量得到的管道内的未进行补偿的燃气流速。

实际流速数据是指实验中测量得到的管道内实际的燃气流速。

在一些实施例中，智慧燃气设备管理平台可以通过拟合算法，对各个温度对应的实际流速数据、预测流速数据、环境温度以及燃气温度进行处理，确定流速补偿公式。拟合算法可以包括最小二乘法、Levenberg-Marquardt算法、遗传算法、霍夫变换等。

在一些实施例中，智慧燃气设备管理平台可以将各个温度组合对应的实际流速数据、原始流速数据、环境温度以及燃气温度输入仿真模拟软件进行仿真模拟，输出仿真模拟结果，仿真模拟结果可以以流速补偿公式的方式反应管道传输过程中的各个温度组合对应的流速补偿情况。

本说明书的一些实施例，通过综合考虑管道内外的温度分布情况对流速的影响，可以进一步减少温度对测量数据的影响，提高补偿的精度；通过预设算法，确定流速补偿系数，可以提高补偿参数计算的准确度。

在一些实施例中，响应于燃气运输特征、环境特征不满足第一预设条件时，智慧燃气设备管理平台可以基于以下步骤S1-步骤S2确定补偿方案。

步骤S1，确定温度分层数据。

温度分层数据可以反映管道剖面的温度分层。温度分层是指流体温度在管道内呈环状分布的现象。

在一些实施例中，温度分层数据可以通过多种方式表示。例如，温度分层数据可以是管道剖面的径向温度分布图。又例如，温度分层数据可以通过向量[（T1，A1），（T2，A1），……]表示，其中T1、T2表示温度，A1、A2分别表示温度为T1、T2的温度区域。温度区域可以是管道剖面中温度相同或相近（例如，±1°内）的位置点构成的区域。例如，温度区域可以是管道剖面中的圆形区域、圆环状区域等。

在一些实施例中，智慧燃气设备管理平台可以通过对当前时间点的燃气管道特征、燃气运输特征、环境特征进行分析处理，确定当前时间点的温度分层数据。示例性的处理方式可以包括拟合等。

在一些实施例中，智慧燃气设备管理平台可以基于温度分层预测模型确定温度分层数据，关于温度分层预测模型的更多说明参见图5。

在一些实施例中，温度分层数据可以包括温度分层是否均匀。其中，温度分层均匀可以是指管道剖面内各个位置点的温度相同或相近。

在一些实施例中，温度分层是否均匀可以基于光照数据确定。例如，当光照强度小于第一光强阈值时，可以认为是温度分层均匀。当光照强度大于第二光强阈值时，可以认为是温度分层不均匀。其中，第一光强阈值小于第二光强阈值，二者可以通过系统或人为预设得到。

步骤S2，基于温度分层数据与第二预设条件，确定补偿方案。

第二预设条件是指用于确定补偿方案所包含内容的判断条件。在一些实施例中，第二预设条件可以包括温度分层数据为温度分层均匀等。

根据温度分层数据与第二预设条件的不同关系，可以确定不同的补偿方案。以下将通过步骤S21-步骤S22确定补偿方案进行示例性说明，步骤S21-步骤S22之间的说明顺序并非限制性的。

步骤S21，响应于温度分层数据满足第二预设条件，确定补偿方案为第一流量补偿参数和流速补偿系数的组合。

第一流量补偿参数是指在不考虑温度分层的情况下，对燃气流量进行的补偿的数据。

智慧燃气设备管理平台可以通过多种方式，确定第一流量补偿参数。在一些实施例中，智慧燃气设备管理平台可以基于当前时间点的燃气运输特征、环境特征，在预设对照表中匹配相近的参考燃气运输特征和参考环境特征，将参考燃气运输特征和参考环境特征对应的参考第一流量补偿参数确定为当前的确定第一流量补偿参数。其中，预设对照表中包括多个参考燃气运输特征、多个参考环境特征与多个参考第一流量补偿参数的对应关系，其可以根据先验知识或历史数据确定。

在一些实施例中，智慧燃气设备管理平台可以通过第一参数确定模型对燃气运输特征、环境特征进行处理，确定第一流量补偿参数，第一参数确定模型为机器学习模型。

在一些实施例中，第一参数确定模型可以为神经网络模型等。

在一些实施例中，第一参数确定模型可以通过大量带有第一标签的第一训练样本训练得到。在一些实施例中，第一训练样本可以包括样本燃气运输特征、样本环境特征，第一训练样本可以通过历史数据获取。在一些实施例中，第一标签为第一训练样本对应的历史第一流量补偿参数，第一标签可以由处理器或人为标注确定。

本说明的一些实施例，通过第一参数确定模型确定第一流量补偿参数，可以利用机器学习模型的自学习能力，提高确定第一流量补偿参数的准确性和效率。

在一些实施例中，响应于温度分层数据满足第二预设条件，智慧燃气设备管理平台还可以确定补偿方案为利用温度补偿系数进行温度补偿。

智慧燃气设备管理平台可以通过多种方式，确定温度补偿系数。在一些实施例中，智慧燃气设备管理平台可以基于通过测量若干温度点下超声波在流体中的传播速度和流体运动黏度；通过分段拟合得到温度补偿系数。

在一些实施例中，响应于温度分层数据满足第二预设条件，智慧燃气设备管理平台还可以判断燃气温度是否处于标准燃气温度范围内，当燃气温度处于标准燃气温度范围内时，智慧燃气设备管理平台还可以确定补偿方案为利用压力补偿系数进行压力补偿。其中，标准燃气温度范围可以由系统或人为基于先验知识或历史数据确定。

智慧燃气设备管理平台可以通过多种方式，确定压力补偿系数。在一些实施例中，智慧燃气设备管理平台可以基于不同压力环境下超声波在流体中的传播速度和流体运动黏度；通过分段拟合得到温度补偿系数。其中，不同压力环境下的燃气温度均处于标准燃气温度范围内。

步骤S22，响应于温度分层数据不满足第二预设条件，确定补偿方案为第二流量补偿参数和流速补偿系数的组合。

第二流量补偿参数是指在考虑温度分层的情况下，对燃气流量进行的补偿的数据。

在一些实施例中，智慧燃气设备管理平台可以筛选管道在相同或相近的温度分层数据下的历史传输数据，基于该历史传输数据确定第二流量补偿参数。例如，智慧燃气设备管理平台可以在历史传输数据中选出与当前的燃气运输特征、环境特征相同或相近的历史燃气运输特征、历史环境特征，将历史燃气运输特征、历史环境特征对应的历史第二流量补偿参数确定为当前的第二流量补偿参数。

在一些实施例中，智慧燃气设备管理平台还可以通过其他方式确定第二流量补偿参数，更多内容参见图5及其相关描述。

本说明的一些实施例，根据温度分层的情况，获得不同的补偿参数，实现针对不同温度变化，对测量数据进行不同的补偿方案，降低温度分布不均匀对测量数据的影响，同时提高超声波计量仪表的计量精确度。

步骤240，将补偿方案发送至超声波计量仪表，控制超声波计量仪表根据补偿方案，确定更新后的流量计量数据。

更新后的流量计量数据是指基于补偿方案，对超声波计量仪表的测量值进行补偿后得到的数据。

在一些实施例中，超声波计量仪表可以基于补偿方案，对测量值进行各种补偿操作，以获得更新后的流量计量数据。例如，超声波计量仪表可以基于补偿方案，调大或调小测量的流速。

在一些实施例中，在燃气流速大于流速阈值，并且燃气温度与环境温度温的差值小于温差阈值时，超声波计量仪表可以基于流速补偿系数更新流量计量数据。在燃气流速小于流速阈值或者燃气温度与环境温度温的差值大于温差阈值，并且温度分层数据满足第二预设条件时，超声波计量仪表可以基于流速补偿系数、第一流量补偿参数更新流量计量数据。在燃气流速小于流速阈值或者燃气温度与环境温度温的差值大于温差阈值，并且温度分层数据不满足第二预设条件时，超声波计量仪表可以基于流速补偿系数、第二流量补偿参数更新流量计量数据。

本说明书的一些实施例，通过燃气运输特征、环境特征确定补偿方案，实现对环境因素、管道因素、流体自身因素引起的测量误差进行评估，确定更为精准可靠的流量补偿系数，进一步提高超声波计量仪表的计量精确度。

图3是根据本说明书一些实施例所示的确定干扰数据的示例性流程图。在一些实施例中，流程300可以由智慧燃气设备管理平台执行。如图3所示，流程300包括下述步骤：

步骤310，获取目标时间点的目标监测数据、第一预设时间段内的第一监测数据序列以及第二预设时间段内的第二监测数据序列。

目标时间点是指进行干扰数据判定的时间点。目标时间点为历史时间点。

监测数据可以是与燃气管道的内外部因素相关的数据。

在一些实施例中，监测数据包括燃气运输特征、环境特征中的至少一个。关于燃气运输特征、环境特征的更多说明参见图2。

目标监测数据可以是目标时间点获取的监测数据。

在一些实施例中，第一预设时间段可以是目标时间点之前的一段时间。第一预设时间段的预设长度可以通过多种方式确定。例如，可以由系统或人为预设。又例如，可以根据时间分布（早晨、中午还是半夜，关系到光照变化幅度和环境温度变化幅度）、天气数据等，通过预设规则确定或通过向量数据库确定。

第一监测数据序列是由第一预设时间段内多个历史时间点的监测数据组成的数据序列。

在一些实施例中，第二预设时间段可以是目标时间点之后的一段时间。第二预设时间段的预设长度可以通过多种方式确认，其确定方式与第一预设时间段的预设长度的确定方式类似，在此不再赘述。

第二监测数据序列是由第二预设时间段内多个历史时间点的监测数据组成的数据序列。

当前监测数据、第一监测数据序列以及第二监测数据序列可以通过用户输入、从存储器中读取等方式获取，还可以采用本领域技术人员熟知的任意方式获取，本说明书对此不做限制。

步骤320，基于第一监测数据序列、第二监测数据序列，判断目标监测数据是否属于干扰数据。

干扰数据可以是数值异常的数据。例如，存在数据突变的监测数据等。

在一些实施例中，智慧燃气设备管理平台可以通过多种方式对第一监测数据序列、第二监测数据序列进行分析处理，判断目标监测数据是否属于干扰数据。

在一些实施例中，智慧燃气设备管理平台可以采用异常值监测算法对第一监测数据序列、第二监测数据序列进行分析处理，判断目标监测数据是否属于干扰数据。示例性的异常值监测算法可以包括但不限于KNN（K近邻）法、One-Class SVM等。

在一些实施例中，智慧燃气设备管理平台还可以基于第一监测数据序列、第二监测数据序列进行分析处理，判断第一监测数据序列、第二监测数据序列中是否存在干扰数据。判断方法与判断目标监测数据是否属于干扰数据类似，在此不再赘述。

在一些实施例中，智慧燃气设备管理平台可以通过干扰数据确定模型判断目标监测数据是否属于干扰数据。关于干扰数据确定模型的更多说明参见图4。

步骤330，响应于目标监测数据是干扰数据，对干扰数据进行处理。

对干扰数据进行处理的方式可以包括多种。

在一些实施例中，处理方式可以包括直接丢弃干扰数据，重新采集数据，或从第二监测数据序列中（除去其中的干扰数据），选择离目标时间点最近的监测数据作为目标监测数据，又或如取第二监测数据序列（除去其中的干扰数据）的均值作为目标监测数据。

在一些实施例中，可以通过其他方式对干扰数据进行处理，在此不做限制。

本说明书的一些实施例，通过判断目标监测数据是否为干扰数据，并对其进行处理，可以高效准确的排除干扰数据，避免干扰数据对确定补偿方案造成的影响。

图4根据本说明书一些实施例所示的基于干扰数据确定模型判断干扰数据的示例性示意图。

在一些实施例中，智慧燃气设备管理平台可以基于第一监测数据序列411、第二监测数据序列421、目标监测数据431，通过干扰数据确定模型440判断目标监测数据431是否属于干扰数据，干扰数据确定模型440为机器学习模型。

在一些实施例中，干扰数据确定模型可以是神经网络模型等。

在一些实施例中，干扰数据确定模型440的输入可以包括第一监测数据序列411、第二监测数据序列421、目标监测数据431，输出为目标监测数据431是否属于干扰数据的判断结果。关于第一监测数据序列、第二监测数据序列、目标监测数据的更多说明参见图3。

在一些实施例中，干扰数据确定模型440的输入还包括第一监测数据序列的第一时间点集合412及各个第一时间点的干扰置信度413、第二监测数据序列的第二时间点集合422及各个第二时间点的干扰置信度423、目标监测数据的目标时间点432及目标时间点的干扰置信度433。

第一时间点是位于第一预设时间段内采集监测数据的时间点。第一时间点集合是指第一预设时间段内多个第一时间点的集合。

第二时间点是位于第二预设时间段内采集监测数据的时间点。第二时间点集合是指第二预设时间段内多个第二时间点的集合。关于第一预设时间段、第二预设时间段的说明参见图3。

目标时间点是指目标监测数据采集的时间点。目标时间点为历史时间点。

干扰置信度是指可以是对干扰数据判断结果准确率的衡量值。干扰置信度越高，判断结果准确率越高。干扰置信度可以是数值、百分比、分数等形式。关于如何确定干扰置信度的更多说明参见下文。

干扰数据确定模型440可以基于大量带有第二标签的第二训练样本，得到训练好的干扰数据确定模型。在一些实施例中，第二训练样本可以是样本第一监测数据序列、样本第二监测数据序列、样本目标监测数据。在一些实施例中，第二训练样本还可以包括第样本一监测数据序列的第一时间点集合及各个第一时间点的干扰置信度、样本第二监测数据序列的第二时间点集合及各个第二时间点的干扰置信度、样本目标监测数据的目标时间点及目标时间点的干扰置信度。第二训练样本可以基于历史监测数据获得。

在一些实施例中，第二标签可以是样本目标监测数据是否为干扰数据。例如，样本目标监测数据为干扰数据时第二标签为1，反之为0。第二标签可以人工标注获得。

本说明书的一些实施例，通过使干扰数据确定模型的输入包括各个时间点及其对应干扰置信度，可以进一步提高对干扰数据判断的准确性。

本说明书的一些实施例，通过干扰数据确定模型确定干扰数据，可以提高确定的干扰数据的准确性，能够对监测数据的异常进行有效监测，从而能够及时干扰数据进行处理，以及更有利于后续基于处理后的数据，获得更准确的补偿参数。

在一些实施例中，智慧燃气设备管理平台可以基于历史管道传输数据中，某采集时间点出现干扰数据的次数与该采集点的所有数据总量的比值，确定干扰置信度。

在一些实施例中，智慧燃气设备管理平台可以从第一监测数据序列、第二监测数据序列、目标监测数据中，分别选取不同时间点的第一数量的监测数据作为基准数据，将第二数量的监测数据作为待评估数据；通过置信度确定模型确定待评估数据对应的采集时间点的干扰置信度。

第一数量是指从监测数据集合中选取的作为基准数据的数量。其中，监测数据集合是由第一监测数据序列、第二监测数据序列和目标监测数据构成的多个时间点的监测数据的组合。第一数量可以由系统或人工预设获得。选取可以是随机选取或基于预设选取规则等方式进行选取，本说明书对此不做限制。

基准数据可以是用于评估某些监测数据是否为干扰数据的样本数据。第二数量是指监测数据集合中除基准数据外，剩余可作为待评估数据的数量。待评估数据是指需要确定是否为干扰数据的数据。

仅作为示例，第一监测数据序列中有十个数据，第二监测数据序列中有十个数据，当前监测数据为一个时间点的数据，则从二十一个监测数据中，随机选取十个监测数据作为基准数据，剩余十一个监测数据为待评估数据。

在一些实施例中，智慧燃气设备管理平台可以通过至少两次应用置信度确定模型，得到第一监测数据序列、第二监测数据序列和当前检测数据对应的每个采集时间点的干扰置信度。例如，以上述示例为例，十个监测数据作为基准数据，十一个监测数据为待评估数据，则可以在第一次应用置信度确定模型时，确定十一个待评估数据的干扰置信度。在第二次应用置信度确定模型时，可以将前述十一个监测数据作为基准数据，将前述十个监测数据作为待评估数据，确定该十个待评估数据的干扰置信度。

置信度确定模型为机器学习模型。在一些实施例中，置信度确定模型可以为神经网络模型等。

在一些实施例中，置信度确定模型输入可以包括基准数据及其采集时间点、待评估数据及其采集时间点，输出可以包括待评估数据对应的采集时间点的干扰置信度。

在一些实施例中，置信度确定模型可以通过大量带有第三标签的第三训练样本训练得到。在一些实施例中，第三训练样本可以包括样本基准数据及其采集时间点、样本待评估数据及其采集时间点，其可以通过历史数据获取。在一些实施例中，第三标签为样本待评估数据对应的采集时间点的实际干扰置信度。第三标签可以由处理器或人为标注确定。例如，可以判断样本待评估数据是否为干扰数据，当样本待评估数据为干扰数据时，第三标签标注为1，反之标注为0。

本说明书的一些实施例，通过置信度确定模型确定干扰置信度，可以获得比直接基于经验预设确定干扰置信度更好的效果，对后续在判定干扰数据时，提高了判定的可靠性，节约人力和时间资源。

图5是根据本说明书一些实施例所示的温度分层预测模型、第二参数确定模型的示例性示意图。

在一些实施例中，智慧燃气设备管理平台可以基于燃气管道特征、燃气运输特征、环境特征，通过温度分层预测模型确定温度分层数据；响应于燃气运输特征、环境特征满足第三预设条件，基于温度分层数据，确定第二流量补偿参数。

温度分层预测模型为机器学习模型。例如，温度分层预测模型可以为卷积神经网络模型等。

如图5所示，在一些实施例中，温度分层预测模型520的输入可以包括当前时间点的燃气管道特征511、燃气运输特征512、环境特征513，输出可以包括温度分层数据530。

在一些实施例中，响应于当前时间点的干扰置信度高于预设阈值，温度分层预测模型520的输入还包括至少一个历史时间点的燃气管道特征、燃气运输特征和环境特征。通过将当前时间点之前多个历史时间点采集的多个燃气管道特征、多个燃气运输特征、多个环境特征分别输入温度分层预测模型中，可以确定多个参考温度分层数据。其中，当前时间点的干扰置信度可以基于置信度确定模型得到。例如，可以将当前时间点的监测数据作为待评估数据，将其他时间点的监测数据作为基准数据，得到当前时间点的干扰置信度。关于置信度确定模型的更多说明参见图4及其相关描述。

需要说明的是，当前时间点的干扰置信度越高，则说明管道内的温度分层不稳定，温度分层数据需要调整。例如，若当前时间点的干扰置信度大于置信度阈值，则对温度分层数据进行调整，将调整后的温度分层数据确定为最终的温度分层数据；若当前时间点的干扰置信度小于置信度阈值，则不对温度分层数据进行调整。

在一些实施例中，对温度分层数据进行调整可以包括：基于多个参考温度分层数据进行聚类得到多个聚类中心集合，将包含参考温度分层数据最多的聚类中心集合的聚类中心确定为调整后的当前时间点的温度分层数据。聚类算法可以包括但不限于K-Means（K均值）聚类和/或基于密度的聚类方法（DBSCAN）等。

本说明书的一些实施例，干扰置信度越高，温度分层越不稳定，在当前时间点的干扰置信度较高时，通过当前时间点之前的多个历史时间点的参考温度分层数据确定当前时间点的温度分层数据，可以有效提高温度分层数据的计算精度，提高温度分层数据的可靠性，有利于后续对管道内温度分层是否均匀的判断。

在一些实施例中，温度分层预测模型520可以通过大量带有第四标签的第四训练样本训练获取。

在一些实施例中，第四训练样本可以包括样本燃气管道特征、样本燃气运输特征、样本环境特征，第四训练样本可以通过历史数据获取。在一些实施例中，第四标签为第四训练样本对应的历史温度分层数据，第四标签可以由处理器或人为标注确定。

在一些实施例中，温度分层预测模型520可以与第二参数确定模型540联合训练得到，更多内容可以参见下文相关描述。

第三预设条件是指用于评估是否需要确定第二流量补偿参数的判断条件。

在一些实施例中，第三预设条件可以包括：燃气运输特征、环境特征不满足第二预设条件，且光照强度大于光照强度阈值。

光照强度阈值是与光照强度有关的阈值条件。在一些实施例中，光照强度阈值由系统或人为预设。在一些实施例中，光照强度阈值相关于干扰置信度。例如，光照强度阈值可以负相关于干扰置信度。

较大的环境特征变化量或燃气输送特征变化量，可以导致某组监测数据的变化量较大，从而该组的监测数据的干扰置信度较大，表示管道内部越倾向于温度分层不均匀。通过设置光照强度阈值负相关于干扰置信度，可以在干扰置信度较大此时设置一个较小的光照强度阈值，以提高光照强度检测的灵敏度。

在一些实施例中，智慧燃气设备管理平台可以在判断燃气运输特征、环境特征不满足第二预设条件，且光照强度大于光照强度阈值时，确定第二流量补偿参数。

本说明书的一些实施例，考虑温度分层数据与光照强度对温度分层的影响，能够有效避免温度分层不均匀引起的测量不准确的问题，进而提高燃气管道流量计量的准确性。

在一些实施例中，智慧燃气设备管理平台可以通过多种方式，基于温度分层数据确定第二流量补偿参数。例如，智慧燃气设备管理平台可以预设温度分层数据与第二流量补偿参数的对应关系，通过查表的方式，获得第二流量补偿参数。

如图5所示，在一些实施例中，智慧燃气设备管理平台可以基于温度分层数据530，通过第二参数确定模型540确定第二流量补偿参数。第二参数确定模型540为机器学习模型。例如，深度神经网络模型等。

在一些实施例中，第二参数确定模型540的输入可以包括温度分层数据530等，输出可以包括第二流量补偿参数550。

在一些实施例中，第二参数确定模型540可以通过大量带有第五标签的第五训练样本训练获取。

在一些实施例中，第五训练样本可以包括样本温度分层数据，第五训练样本可以通过历史数据获取。在一些实施例中，第五标签为第五训练样本对应的历史第二流量补偿参数，第五标签可以由处理器或人为标注确定。

在一些实施例中，温度分层预测模型520的输出可以是第二参数确定模型540的输入。在一些实施例中，温度分层预测模型520可以通过与第二参数确定模型540进行联合训练获取。

示例性的联合训练过程包括：将第四训练样本输入初始温度分层预测模型中，得到初始温度分层预测模型输出的温度分层数据，将初始温度分层预测模型的输出输入初始第二参数确定模型，得到第二流量补偿参数；根据初始第二参数确定模型的输出和第五标签，构建损失函数，同时对初始温度分层预测模型的参数和初始第二参数确定模型的参数进行更新，直到预设条件被满足，训练完成。其中，预设条件可以是损失函数小于阈值、收敛，或训练周期达到阈值。

本说明书的一些实施例，通过联合训练可以解决单独训练温度分层预测模型时，标签不好获取的问题，提高训练效果。

本说明书的一些实施例，通过温度分层预测模型、第二参数确定模型确定温度分层数据和第二流量补偿参数，可以获得比直接基于历史数据确定第二流量补偿参数更好的效果，进一步提高流量补偿的准确性，同时提高效率，节约人力和时间资源。

在一些实施例中，智慧燃气设备管理平台还可以获取预设时间段；根据预设时间段内至少一个时间点的监测数据，确定至少一个参考补偿参数；基于至少一个参考补偿参数，确定第二流量补偿参数。

预设时间段是指相对于当前时间点之前的一段历史时间范围。在一些实施例中，取决于当前时刻，预设时间段的持续时间可以相同或不同。

预设时间段可以通过多种方式确定。例如，预设时间段可以由系统或人为预设。

在一些实施例中，智慧燃气设备管理平台可以向量数据库获取预设时间段。

在一些实施例中，智慧燃气设备管理平台可以基于时间分布、天气数据构建第二特征向量，基于第二特征向量在向量数据库中检索，确定第二关联特征向量，将第二关联特征向量对应的参考时间段确定为预设时间段。

时间分布是指由连续的多个时间点构成的不同时间段。例如，时间分布可以包括早晨、中午、下午或夜晚等。不同的时间分布，对应不同的光照变化幅度和环境温度变化幅度。

在一些实施例中，向量数据库中的向量可以包括多个第二参考特征向量及其对应的参考时间段。第二参考特征向量基于历史时间分布、历史天气数据构建。需要说明的是，此处用于确定预设时间段的向量数据库不同于前文中确定流速补偿参数的向量数据

在一些实施例中，智慧燃气设备管理平台可以确定第二特征向量与向量数据库中各个第二参考特征向量的评估值。评估值可以用于评估第二参考特征向量与第二特征向量的匹配程度。评估值越高，表示第二参考特征向量与第二特征向量的匹配程度越高。在一些实施例中，评估值可以是第二参考特征向量与第二特征向量的向量距离的倒数。

在一些实施例中，智慧燃气设备管理平台可以将最大评估值对应的第二参考特征向量确定为第二关联特征向量。

本说明书一些实施例，根据历史数据建立向量数据库，并在向量数据库中检索，可以比较快速地获取合理的预设时间段。

在一些实施例中，预设时间段还相关于燃气运输特征以及环境特征的变化情况。

在一些实施例中，当智慧燃气设备管理平台检测到环境温度、天气数据、燃气流速、燃气温度等发生突变（变化值大于预设阈值）时，可以将预设时间段缩短。

本说明书一些实施例，根据环境因素实时调整预设时间段，可以避免环境突变对监测数据的影响，使得基于监测数据获得的参考补偿参数的可靠性较高，进一步提高第二流量补偿参数的准确性。

在一些实施例中，智慧燃气设备管理平台可以基于至少一个参考补偿参数，通过多种方式确定第二流量补偿参数。例如，智慧燃气设备管理平台可以对多个参考补偿参数进行均值运算，将其均值确定为第二流量补偿参数。均值运算可以是算术平均，也可以是加权平均。其中，加权平均的权重相关于参考补偿参数对应的时间点与当前时间点的距离，当参考补偿参数对应的时间点距离当前的时间点越近，其对应的权重越大。

本说明书一些实施例，基于单一时间点的数据获取的第二流量补偿参数，可能存在因为环境突变而导致误差大的可能性，为了减少测量误差，基于连续时间段内的参考补偿参数，确定第二流量补偿参数，可以提高流量补偿的准确性。

应当注意的是，上述有关流程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。

本说明书的一个或多个实施例中还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如上述任一实施例所述的基于智燃气慧物联网的超声波计量补偿方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于智慧燃气物联网的超声波计量补偿方法，其特征在于，所述方法基于超声波计量补偿系统实现，所述方法由智慧燃气设备管理平台执行，包括：

基于从外部数据库获取的燃气管道特征，确定第一预设条件，所述第一预设条件是指用于评估是否需要进行流量补偿的判断条件；

基于至少一个传感器获取燃气运输特征以及环境特征；

基于所述燃气运输特征、所述环境特征与所述第一预设条件，确定补偿方案，所述补偿方案包括流速补偿系数、流量补偿参数、温度补偿系数、压力补偿系数中的至少一个；

将所述补偿方案发送至超声波计量仪表，控制所述超声波计量仪表根据所述补偿方案，确定更新后的流量计量数据。

2.根据权利要求1所述的方法，其特征在于，所述流量补偿参数包括第一流量补偿参数、第二流量补偿参数；所述基于所述燃气运输特征、所述环境特征与所述第一预设条件，确定补偿方案还包括：

响应于所述燃气运输特征、所述环境特征不满足所述第一预设条件，

确定温度分层数据；

基于所述温度分层数据与第二预设条件，确定所述补偿方案，所述第二预设条件是指用于确定所述补偿方案所包含内容的判断条件；

响应于所述温度分层数据满足第二预设条件，确定所述补偿方案为所述第一流量补偿参数和所述流速补偿系数的组合；

响应于所述温度分层数据不满足第二预设条件，确定所述补偿方案为所述第二流量补偿参数和所述流速补偿系数的组合。

3.根据权利要求1所述的方法，其特征在于，所述燃气运输特征至少包括燃气流速、燃气温度、燃气压力中的至少一个，所述环境特征至少包括环境温度、环境压力中的至少一个；

所述基于所述燃气运输特征、所述环境特征与所述第一预设条件，确定补偿方案包括：

基于所述燃气流速、所述环境温度和所述燃气温度，根据预设算法计算所述流速补偿系数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取目标时间点的目标监测数据、第一预设时间段内的第一监测数据序列以及第二预设时间段内的第二监测数据序列，所述监测数据包括所述燃气运输特征、所述环境特征中的至少一个；

基于所述第一监测数据序列、所述第二监测数据序列，判断所述目标监测数据是否属于干扰数据；

响应于所述目标监测数据是干扰数据，对所述干扰数据进行处理。

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一监测数据序列、所述第二监测数据序列，判断所述目标监测数据是否属于干扰数据包括：

基于所述第一监测数据序列、所述第二监测数据序列、所述目标监测数据，通过干扰数据确定模型判断所述目标监测数据是否属于干扰数据，所述干扰数据确定模型为机器学习模型。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于当前时间点的所述燃气管道特征、所述燃气运输特征、所述环境特征，通过温度分层预测模型确定温度分层数据，所述温度分层预测模型为机器学习模型；

响应于所述燃气运输特征、所述环境特征满足第三预设条件，基于所述温度分层数据，确定所述第二流量补偿参数。

7.根据权利要求6所述的方法，其特征在于，所述基于所述温度分层数据，确定所述第二流量补偿参数包括：

基于所述温度分层数据，通过第二参数确定模型确定所述第二流量补偿参数，所述第二参数确定模型为机器学习模型。

8.根据权利要求6所述的方法，其特征在于，所述基于所述温度分层数据，确定所述第二流量补偿参数还包括：

获取预设时间段；

根据所述预设时间段内至少一个时间点的所述监测数据，确定至少一个参考补偿参数；

基于所述至少一个参考补偿参数，确定所述第二流量补偿参数。

9.一种基于智慧燃气物联网的超声波计量补偿系统，其特征在于，所述系统包括依次连接的智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台、智慧燃气对象平台；

所述智慧燃气用户平台用于，将燃气设备参数管理信息的查询指令经由所述智慧燃气服务平台下发至所述智慧燃气设备管理平台；

所述智慧燃气设备管理平台用于，响应于所述燃气设备参数管理信息的查询指令，将获取燃气设备相关数据的指令经由所述智慧燃气传感网络平台下发至所述智慧燃气对象平台，接收所述智慧燃气对象平台上传的所述燃气设备相关数据；对所述燃气设备相关数据进行处理，得到燃气设备管理信息；经由所述智慧燃气服务平台将所述燃气设备管理信息上传至所述智慧燃气用户平台；

其中，所述燃气设备相关数据至少包括燃气管道特征、燃气运输特征和环境特征，所述燃气设备管理信息至少包括对超声波计量仪表的流量计量数据进行补偿的补偿方案，所述补偿方案的确定过程包括：

基于从外部数据库获取的燃气管道特征，确定第一预设条件，所述第一预设条件是指用于评估是否需要进行流量补偿的判断条件；

基于至少一个传感器获取燃气运输特征以及环境特征；

基于所述燃气运输特征、所述环境特征与所述第一预设条件，确定补偿方案，所述补偿方案包括流速补偿系数、流量补偿参数、温度补偿系数、压力补偿系数中的至少一个。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如权利要求1至8中任一项所述基于智慧燃气物联网的超声波计量补偿方法。

Images