CN116498908A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116498908A CN116498908A CN202310757123.9A CN202310757123A CN116498908A CN 116498908 A CN116498908 A CN 116498908A CN 202310757123 A CN202310757123 A CN 202310757123A CN 116498908 A CN116498908 A CN 116498908A
- Authority
- CN
- China
- Prior art keywords
- gas
- leakage
- platform
- pipe network
- intelligent gas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 238000009826 distribution Methods 0.000 claims description 56
- 238000002604 ultrasonography Methods 0.000 claims description 34
- 238000010801 machine learning Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 306
- 238000007726 management method Methods 0.000 description 80
- 239000013598 vector Substances 0.000 description 32
- 230000008569 process Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 11
- 239000002737 fuel gas Substances 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013112 stability test Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229910003472 fullerene Inorganic materials 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001744 unit root test Methods 0.000 description 1
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
-
- 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
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/66—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by measuring frequency, phase shift or propagation time of electromagnetic or other waves, e.g. using ultrasonic flowmeters
- G01F1/667—Arrangements of transducers for ultrasonic flowmeters; Circuits for operating ultrasonic flowmeters
-
- 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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/66—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by measuring frequency, phase shift or propagation time of electromagnetic or other waves, e.g. using ultrasonic flowmeters
-
- 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]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Measuring Volume Flow (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本说明书实施例提供一种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,该方法由基于超声波流量计的智慧燃气管网监测物联网系统的智慧燃气管理平台执行,包括:获取至少一个时刻的分布式超声数据,分布式超声数据包括超声波流量计获取的超声数据,超声波流量计部署在燃气管网的至少一个检测位置;基于分布式超声数据,确定燃气管网的至少一个预设点位的泄漏风险;基于泄漏风险,生成预警信息并发送用户。该物联网系统包括智慧燃气对象平台、智慧燃气传感网络平台、智慧燃气管理平台、智慧燃气服务平台和智慧燃气用户平台。实现了对燃气管网的实时监控,可以及时发现泄漏风险并提醒用户对有泄漏风险的燃气管道进行检查和维修。
Description
技术领域
本说明书涉及物联网领域,特别涉及一种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。
背景技术
在城市化建设和节能减排工作快速推进的大背景下,对燃气的使用需求越来越大,燃气管网的铺设里程也在快速增长。但是,对于燃气管网的监控措施还比较薄弱,燃气泄漏和燃气爆炸的安全隐患日益增大。
因此,有必要提供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,实现对燃气管网的实时监控,及时发现燃气管网的燃气泄漏,避免燃气爆炸。
发明内容
发明内容包括一种基于超声波流量计的智慧燃气管网监测方法,所述方法由基于超声波流量计的智慧燃气管网监测物联网系统的智慧燃气管理平台执行,包括:获取至少一个时刻的分布式超声数据,所述分布式超声数据包括超声波流量计获取的超声数据,所述超声波流量计部署在所述燃气管网的至少一个检测位置;基于所述分布式超声数据,确定所述燃气管网的至少一个预设点位的泄漏风险;基于所述泄漏风险,生成预警信息并发送用户。
发明内容包括一种基于超声波流量计的智慧燃气管网监测物联网系统,所述系统包括智慧燃气对象平台、智慧燃气传感网络平台、智慧燃气管理平台、智慧燃气服务平台和智慧燃气用户平台,所述智慧燃气对象平台用于获取至少一个时刻的分布式超声数据,所述分布式超声数据包括超声波流量计获取的超声数据,所述超声波流量计部署在所述燃气管网的至少一个检测位置;所述智慧燃气传感网络平台用于将所述分布式超声数据传输至所述智慧燃气管理平台;所述智慧燃气管理平台用于基于所述分布式超声数据,确定所述燃气管网的至少一个预设点位的泄漏风险;基于所述泄漏风险,生成预警信息;所述智慧燃气服务平台用于将所述预警信息发送至所述智慧燃气用户平台;所述智慧燃气用户平台用于向用户展示所述预警信息。
为了解决燃气管网的监控措施薄弱,无法及时发现燃气泄漏,容易造成燃气爆炸等安全隐患的问题。发明内容通过部署在燃气管网的超声波流量计获取分布式超声数据,确定泄漏风险,可以及时发现燃气管网的燃气泄漏并提醒用户对有泄漏风险的燃气管道进行检查和维修,实现了对燃气管网的实时监控,有利于保障燃气管网稳定安全的运行。
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超声波流量计的智慧燃气管网物联网监测系统的结构示意图;
图2是根据本说明书一些实施例所示的基于超声波流量计的智慧燃气管网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确定第一泄漏风险的示例性示意图;
图4是根据本说明书一些实施例所示的低量泄漏预测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确定优选检测位置分布的示例性示意图。
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基于超声波流量计的智慧燃气管网监测物联网系统的结构示意图。如图1所示,所述基于超声波流量计的智慧燃气管网监测物联网系统100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。
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、政府用户分平台和监管用户分平台。
燃气用户分平台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。燃气用户可以包括工业燃气用户、商业燃气用户、普通燃气用户等。
监管用户分平台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。监管用户可以包括安全管理部门的人员等。
政府用户分平台可以是为政府用户提供燃气运营相关数据的平台。政府用户可以包括燃气运营主体的管理人员(如行政部管理人员)等。
在一些实施例中,智慧燃气用户平台110可以基于监管用户分平台,将预警信息等发送至监管用户。
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可以从智慧燃气管理平台130(例如,智慧燃气数据中心)获取预警信息等,并发送至监管用户分平台。
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、智慧运营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。智慧监管服务分平台可以是为监管用户提供监管需求的平台。智慧运营服务分平台可以是为政府用户提供燃气运营相关信息的平台。
在一些实施例中,智慧燃气服务平台120可以基于智慧监管服务分平台将预警信息发送至监管用户分平台。
智慧燃气管理平台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的全部信息,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,智慧燃气管理平台130可以包括智慧燃气户内设备参数管理分平台、智慧燃气管网设备参数管理分平台和智慧燃气数据中心。
智慧燃气户内设备参数管理分平台可以用于监测户内燃气管道泄露风险并进行预警提示。在一些实施例中,智慧燃气户内设备参数管理分平台可以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。智慧燃气户内设备参数管理分平台可以通过前述各管理模块对燃气用户相关信息进行分析处理。
智慧燃气管网设备参数管理分平台可以用于监测燃气管道的泄露风险并进行预警提示。在一些实施例中,智慧燃气管网设备参数管理分平台可以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。智慧燃气管网设备参数管理分平台可以通过前述各管理模块对分布式超声数据进行分析处理。
智慧燃气数据中心可以用于存储和基于超声波流量计的智慧燃气管网监测物联网系统100有关的运行信息。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相关的数据等。例如,智慧燃气数据中心可以存储分布式超声数据。
在一些实施例中,智慧燃气管理平台130可以通过智慧燃气数据中心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。例如,智慧燃气数据中心可以将预警信息发送至智慧燃气服务平台120。又例如,智慧燃气数据中心可以发送获取分布式超声数据的指令至智慧燃气传感网络平台140,以获取分布式超声数据。
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,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可以监控并生成燃气户内设备、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和智慧燃气管网设备对象分平台。智慧燃气户内设备对象分平台可以被配置为燃气用户的各类燃气户内设备。智慧燃气管网设备对象分平台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,基于超声波流量计的智慧燃气管网监测物联网系统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,实现燃气管道监测、预警与远程管理信息化、智慧化。
图2是根据本说明书一些实施例所示的基于超声波流量计的智慧燃气管网监测方法的示例性流程图。在一些实施例中,流程200可以由基于超声波流量计的智慧燃气管网监测物联网系统的智慧燃气管理平台执行。如图2所示,流程200可以包括步骤210、步骤220和步骤230。
步骤210,获取至少一个时刻的分布式超声数据。
分布式超声数据是指燃气管网的不同检测位置的超声数据。分布式超声数据包括不同检测位置的超声波流量计获取的超声数据。其中,超声数据是指超声波流量计工作过程中获取的与超声波的传输有关的数据。例如,超声数据可以包括超声波流量计发送和接收超声波的时间间隔等。
超声波流量计是指用于测量管道内流体流量的仪表。超声波流量计可以部署在燃气管网的至少一个检测位置。其中,检测位置是指燃气管网中需要对燃气的流量进行检测的位置。例如,多个超声波流量计可以部署在不同的燃气管道,也可以部署在同一燃气管道的不同检测位置。
燃气管网是指用于输送和存储燃气的管网。燃气管网可以包括一个或多个燃气管道。
在一些实施例中,超声波流量计可以通过可移动滑轨部署于燃气管网的燃气管道上。可移动滑轨具有一个预设长度,超声波流量计能够在可移动滑轨上进行预设长度范围内的运动,实现对预设长度范围内的多个检测位置进行检测。预设长度可以根据监测需求、历史经验等确定。例如,预设长度可以为20cm。
在一些实施例中,智慧燃气管理平台可以通过多种方式获取分布式超声数据。例如,超声波流量计可以将采集的分布式超声数据通过智慧燃气传感网络平台上传至智慧燃气管理平台的智慧燃气数据中心。
步骤220,基于分布式超声数据,确定燃气管网的至少一个预设点位的泄漏风险。
预设点位是指燃气管网中预先设定的需要进行泄漏风险检测的位置点。例如,预设点位可以是超声波流量计部署的检测位置。又例如,预设点位可以是两个检测位置中间的任何位置。
泄漏风险是指与燃气泄漏有关的风险及其概率。泄漏风险可以包括第一泄漏风险和第二泄漏风险。泄漏风险还可以包括其他类型,例如,没有泄漏风险。
第一泄漏风险是指与燃气的突发性泄漏有关的风险及其概率。例如,第一泄漏风险可以包括燃气管道突然破裂,导致大量燃气突发性泄漏的风险及其概率。
第二泄漏风险是指与燃气的稳定低量泄漏有关的风险及其概率。例如,第二泄漏风险可以包括燃气管道穿孔,导致燃气持续低量泄漏的风险及其概率。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于分布式超声数据,确定燃气管网的至少一个预设点位的泄漏风险。例如,可以预先将燃气管网的各个燃气管道中的燃气的参考流速存储至存储设备,智慧燃气管理平台可以基于分布式超声数据,计算得到各个燃气管道中的燃气的实际流速;基于燃气的实际流速与参考流速计算流速差值,基于流速差值确定泄漏风险。其中,参考流速可以基于燃气管网中燃气的历史流速的最大值确定。
智慧燃气管理平台还可以通过其他监测数据,确定燃气管网的泄漏风险。例如,智慧燃气管理平台可以基于安装在燃气管道内部的压力传感器获取的压力数据,确定泄漏风险。
更多关于确定第一泄露风险、第二泄露风险的说明可以参见图3及其相关描述。
步骤230,基于泄漏风险,生成预警信息并发送用户。
预警信息是指用于提醒或警示用户的信息。例如,预警信息可以包括但不限于燃气管道有突发性泄漏、燃气管道有持续低量泄漏等。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于泄漏风险,生成预警信息。例如,存储设备可以预先存储不同的泄漏风险和预警信息的对应关系,智慧燃气管理平台可以基于确定的泄漏风险访问存储设备,通过对应关系生成预警信息。
智慧燃气管理平台可以通过智慧燃气服务平台将预警信息发送至智慧燃气用户平台,通过智慧燃气用户平台向用户展示预警信息。
本说明书一些实施例中,通过部署在燃气管网的超声波流量计获取分布式超声数据,确定泄漏风险,可以及时发现泄漏风险并提醒用户对有泄漏风险的燃气管道进行检查和维修,实现了对燃气管网的实时监控。
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确定第一泄漏风险的示例性示意图。
在一些实施例中,智慧燃气管理平台可以基于第一预设时间段内至少一个时刻的分布式超声数据310,确定燃气特征稳定度350;基于燃气特征稳定度350,确定第一泄漏风险360。
关于分布式超声数据、第一泄漏风险的更多内容可以参见图2及其相关描述。
第一预设时间段是指提前预设的历史时间段。
燃气特征稳定度是指用于反映多个时刻的燃气特征的稳定程度的参数。燃气特征稳定度可以用实数表示。数值越小,多个时刻的燃气特征的稳定程度越差。
燃气特征是指与燃气管道中的燃气状态有关的特征。例如,燃气特征可以包括但不限于燃气管道中燃气的流速、压力等。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于第一预设时间段内至少一个时刻的分布式超声数据,确定燃气特征稳定度。例如,智慧燃气管理平台可以基于第一预设时间段内至少一个时刻的分布式超声数据,计算得到燃气管网各个检测位置的燃气在多个时刻的流速。进一步的,智慧燃气管理平台可以对同一检测位置多个时刻的燃气的流速求方差,将计算得到的方差的倒数确定为该检测位置的燃气特征稳定度。
在一些实施例中,智慧燃气管理平台可以基于预设滑动参数320,将至少一个时刻的分布式超声数据划分为至少一组滑动区间集330,确定每组滑动区间集的燃气特征子稳定度340;基于至少一组滑动区间集的燃气特征子稳定度340,确定燃气特征稳定度350。
预设滑动参数是指用于将多个时刻的数据划分为多组数据的参数。例如,预设滑动参数可以包括滑动区间大小和滑动步长。其中,滑动区间大小是指每个滑动区间包含的数据量。滑动步长是指每相邻两个滑动区间间隔的数据量。预设滑动参数可以是预设值、经验值等。
滑动区间集是指包含多个滑动区间的集合。
仅作为示例的,假设多个时刻的分布式超声数据包括1000个时刻的分布式超声数据,将多个时刻的分布式超声数据分别编号为1、2、...、1000。设定的预设滑动参数包括预设滑动参数1和预设滑动参数2。预设滑动参数1包括滑动区间大小为200,滑动步长为10;预设滑动参数2包括滑动区间大小为300,滑动步长为20。智慧燃气管理平台可以基于预设滑动参数将分布式超声数据划分为两组滑动区间集。预设滑动参数1对应的滑动区间集1可以包括[1,200], [11,210], [21,220],……,[801,1000];预设滑动参数2对应的滑动区间集2可以包括[1,300], [21,320],[41,340],……, [701,1000]。其中,滑动区间集的一个区间为一个滑动区间,例如,[1,200]为一个滑动区间。
燃气特征子稳定度是指用于反映该滑动区间集中的数据的稳定程度的参数。燃气特征子稳定度可以用实数表示,数值越小,代表该滑动区间集中的数据的稳定程度越差。
在一些实施例中,智慧燃气管理平台可以通过多种方式确定每组滑动区间集的燃气特征子稳定度。例如,对于滑动区间集中的每个滑动区间,智慧燃气管理平台可以计算该滑动区间内的数据的方差,将该滑动区间集中所有滑动区间计算得到的方差求和,将求和的值的倒数确定为该滑动区间集的燃气特征子稳定度。
在一些实施例中,对于每一组滑动区间集,智慧燃气管理平台可以确定该组滑动区间集的每个滑动区间的数据稳定度;基于每个滑动区间的数据稳定度,确定该组滑动区间集的燃气特征子稳定度。
数据稳定度是指用于反映滑动区间内的数据的稳定程度的参数。数据稳定度可以用实数表示,数值越小,代表该滑动区间内的数据的稳定程度越差。
在一些实施例中,智慧燃气管理平台可以通过多种方式确定每个滑动区间的数据稳定度。例如,对于每一个滑动区间,智慧燃气管理平台可以计算该滑动区间内的数据的方差,将计算得到的方差的倒数确定为该滑动区间的数据稳定度。
在一些实施例中,对于每一个滑动区间,智慧燃气管理平台可以对该滑动区间对应的分布式超声数据进行平稳性检验;基于平稳性检验的结果,确定该滑动区间的数据稳定度。
平稳性检验是指用于检验数据的稳定性的检验。例如,平稳性检验可以包括单位根检验、增广迪基–富勒检验(augmented Dickey-Fuller test)(后面称之为ADF检验)等。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于平稳性检验的结果,确定该滑动区间的数据稳定度。例如,智慧燃气管理平台通过ADF检验对滑动区间对应的分布式超声数据进行检验时,得到的ADF检验的P值(p-value)越小,则该滑动区间的数据越稳定,对应的数据稳定度越大。
本说明书一些实施例中,通过对滑动区间对应的分布式超声数据进行平稳性检验,确定其数据稳定度,使得确定的数据稳定度更加准确,避免了人工确定的误差。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于每个滑动区间的数据稳定度,确定该组滑动区间集的燃气特征子稳定度。例如,智慧燃气管理平台可以将每个滑动区间的数据稳定度相加求和,将求和的值确定为该组滑动区间集的燃气特征子稳定度。
在一些实施例中,智慧燃气管理平台还可以将滑动区间集中每个滑动区间的数据稳定度按照一定权重加权求和,将求和的值确定为该组滑动区间集的燃气特征子稳定度。其中,每个滑动区间的数据稳定度对应的权重可以相关于该滑动区间的数据稳定度的大小。滑动区间的数据的稳定程度越差,即数据稳定度越小,其对应的权重可以越大。
本说明书一种实施例中,通过滑动区间的数据稳定度加权求和燃气特征子稳定度时,将每个滑动区间的数据稳定度对应的权重相关于数据稳定度,数据的稳定程度越差,对应的权重越大,有利于增加强化反馈,更容易寻找到异常波动。因为当多个滑动区间中只有少量稳定度较差的滑动区间时,若平等加权求和,由于稳定度较差的滑动区间的数量太少,可能导致这种不稳定性被淹没。因此,通过增大稳定度较差的滑动区间的数据稳定度的权重,有利于凸显该滑动区间的不稳定度从而更好的预测第一泄漏风险。
本说明书一些实施例中,基于每个滑动区间的数据稳定度,确定燃气特征子稳定度,由于考虑了每个滑动区间的数据的稳定程度,有利于提高确定的燃气特征子稳定度的准确性。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于至少一组滑动区间集的燃气特征子稳定度,确定燃气特征稳定度。例如,智慧燃气管理平台可以将多组滑动区间集的燃气特征子稳定度相加求和,将求和的值确定为燃气特征稳定度。
在一些实施例中,智慧燃气管理平台可以将多组滑动区间集的燃气特征子稳定度按照一定权重加权求和,将求和的值确定为燃气特征稳定度。其中,每组滑动区间集的燃气特征子稳定度对应的权重,可以相关于该组滑动区间集对应的预设滑动参数。例如,滑动区间集对应的预设滑动参数中的滑动区间大小越大、滑动步长越小,则该组滑动区间集的燃气特征子稳定度对应的权重越大。
本说明书一些实施例中,多组滑动区间集的燃气特征子稳定度加权求和确定燃气特征稳定度时,滑动区间集对应的滑动区间大小越大且滑动步长越小,说明该组滑动区间集对应的数据量更丰富,加权求和时将其权重设置得更大,有利于提高确定的燃气特征稳定度的准确性。
本说明书一些实施例中,通过将多个时刻的分布式超声数据划分为多组滑动区间集,滑动区间集的燃气特征子稳定度,确定燃气特征稳定度,有利于扩大数据量,使得确定的燃气特征稳定度更加准确。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于燃气特征稳定度,确定第一泄漏风险。例如,燃气特征的稳定程度越差,即燃气特征稳定度越小,则第一泄漏风险越大。
当燃气管道发生第一泄漏风险时,燃气管道中的燃气的流速、压力等会发生大幅度的变化,通过采集的分布式超声数据,确定燃气特征稳定度;基于燃气特征稳定度,确定第一泄漏风险,有利于提高第一泄漏风险确定的准确性。
在一些实施例中,智慧燃气管理平台可以基于第二预设时间段内至少一个时刻的分布式超声数据,确定第二泄露风险。
关于分布式超声数据、第二泄露风险的更多内容可以参见图2及其相关描述。
第二预设时间段是指预设的历史时间段。第二预设时间段可以和第一预设时间段相同或不相同。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于第二预设时间段内至少一个时刻的分布式超声数据,确定第二泄露风险。例如,智慧燃气管理平台可以基于第二预设时间段内至少一个时刻的分布式超声数据,通过预设数据对照表确定第二泄漏风险。其中预设数据对照表中记录有不同的分布式超声数据等对应的第二泄漏风险。预设数据对照表可以基于先验知识或历史数据预设得到。
在一些实施例中,智慧燃气管理平台可以通过低量泄漏预测模型对第二预设时间段内至少一个时刻的分布式超声数据进行处理,确定第二泄露风险,低量泄漏预测模型为机器学习模型。关于上述实施例的更多内容可以参见图4及其相关描述。
本说明书一些实施例中,基于第二预设时间段内至少一个时刻的分布式超声数据,确定第二泄露风险,实现了对燃气管道中燃气持续低量的泄漏风险的监控。
图4是根据本说明书一些实施例所示的低量泄漏预测模型的示例性示意图。
低量泄漏预测模型可以是用于确定第二泄露风险的机器学习模型。例如,低量泄漏预测模型可以包括深度神经网络(Deep Neural Network, DNN)模型等。
在一些实施例中,低量泄漏预测模型420的输入可以包括第二预设时间段内至少一个时刻的分布式超声数据410-1;输出可以包括第二泄露风险430。关于分布式超声数据、第二泄露风险的更多内容可以参见图2及其相关描述。
在一些实施例中,低量泄漏预测模型的输入还可以包括第一预设时间段内的燃气特征稳定度410-2。关于第一预设时间段内的燃气特征稳定度的更多内容可以参见图3及其相关描述。
本说明书一些实施例中,通过将第一预设时间段内的燃气特征稳定度作为低量泄漏预测模型的输入,考虑了第一预设时间段内燃气特征的变化程度,使得最终输出的第二泄漏风险更加准确。
在一些实施例中,低量泄漏预测模型420可以通过多个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第二预设时间段内至少一个时刻的样本分布式超声数据。第一标签可以包括该组第一训练样本对应的样本第二泄漏风险。在一些实施例中,第一训练样本可以基于历史数据(例如,历史分布式超声数据)获取。第一标签可以通过下述方式确定:在与第一训练样本对应的历史分布式超声数据相同的情况下,对第二泄漏风险的历史实际发生次数进行统计。将统计得到的历史实际发生次数除以该情况下的历史总次数,计算得到的值确定为第二泄漏风险的发生概率。
本说明书一些实施例中,通过低量泄漏预测模型对第二预设时间段内至少一个时刻的分布式超声数据进行处理,确定第二泄漏风险,可以同时考虑多种因素的影响,使第二泄漏风险的确定更加高效准确,避免人工确定的误差。
在一些实施例中,智慧燃气管理平台可以将至少一组具有不同检测位置分布的超声波流量计采集的分布式超声数据,分别输入低量泄漏预测模型,确定至少一个候选第二泄漏风险;基于至少一个候选第二泄漏风险,确定第二泄漏风险。
检测位置分布是指与多个检测位置有关的分布。智慧燃气管理平台可以通过随机(例如、高斯随机等)生成的方式,生成多组不同的检测位置分布。关于检测位置的更多内容可以参见图2及其相关描述。
候选第二泄漏风险是指可供选择的第二泄漏风险。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于至少一个候选第二泄漏风险,确定第二泄漏风险。例如,智慧燃气管理平台可以将多个候选第二泄漏风险相加求和或求和后取平均值,将求和的值或求和后的平均值确定为第二泄漏风险。
在一些实施例中,智慧燃气管理平台可以将多个候选第二泄漏风险按照一定权重进行加权求和,将求和的值确定为第二泄漏风险。其中,每个候选第二泄漏风险对应的权重相关于该候选第二泄漏风险对应的检测位置分布与优选检测位置分布的差异。关于优选检测位置分布的更多内容可以参见图5及其相关描述。
仅作为示例的,假设多组检测位置分布包括检测位置分布s1、检测位置分布s2、……、检测位置分布sn;将每一组检测位置分布对应的分布式超声数据分别输入低量泄漏预测模型,确定对应的候选第二泄漏风险分别为候选第二泄漏风险x1、候选第二泄漏风险x2、……、候选第二泄漏风险xn;则第二泄漏风险可以利用公式Q=k1*x1+k2*x2+……+kn*xn计算得到。其中,Q为第二泄漏风险;k1-kn分别对应候选第二泄漏风险x1-xn的权重。权重k1可以基于检测位置分布s1与优选检测位置分布的差异确定,差异越大,k1越小;权重k2、...、kn的确定方式与权重k1的确定方式类似。
本说明书一些实施例中,通过低量泄漏预测模型分别对多组不同检测位置分布的分布式超声数据进行处理,确定对应的候选第二泄漏风险;并基于该组检测位置分布与优选检测位置分布的差异,加权求和确定第二泄漏风险,不仅扩大了计算的数据量,而且越靠近优选检测位置分布的数据对应的加权权重越大,有利于提高最终确定的第二泄漏风险的准确性。
图5是根据本说明书一些实施例所示的确定优选检测位置分布的示例性示意图。
在一些实施例中,智慧燃气管理平台可以基于燃气管网的燃气管道的燃气运输特征510,确定优选检测位置分布540。
燃气运输特征是指与燃气管道中燃气的运输情况有关的特征。例如,燃气运输特征可以包括燃气的流速等。
智慧燃气管理平台可以通过访问超声波流量计的存储设备,获取燃气运输特征。
优选检测位置分布是指与优选检测位置有关的分布。例如,优选检测位置分布可以包括一个或多个超声波流量计的优选检测位置。
优选检测位置是指超声波流量计在燃气管道上合适的安装和检测位置。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于燃气管网的燃气管道的燃气运输特征,确定优选检测位置分布。例如,智慧燃气管理平台可以通过燃气运输特征,基于预设数据对照表确定优选检测位置分布。其中,预设数据对照表记录有不同的燃气运输特征对应的优选检测位置分布。
在一些实施例中,智慧燃气管理平台可以基于燃气管网的燃气管道的燃气运输特征510,生成至少一组候选检测位置分布520;确定每组候选检测位置分布的预测准确率530;基于预测准确率530,确定优选检测位置分布540。
候选检测位置分布是指可供选择的检测位置分布。
智慧燃气管理平台可以通过多种方式生成候选检测位置分布。例如,随机(如高斯随机等)生成。
预测准确率是指用于评估该候选检测位置分布对燃气的泄漏风险的预测的准确率的参数。
在一些实施例中,智慧燃气管理平台可以通过多种方式确定每组候选检测位置分布的预测准确率,例如,智慧燃气管理平台可以基于候选检测位置分布、燃气运输特征构建目标向量;基于目标向量,通过向量数据库确定关联向量;将关联向量对应的参考预测准确率确定为目标向量对应的预测准确率。
目标向量是指基于候选检测位置分布、燃气运输特征构建的向量。构建目标向量的方式可以有多种。例如,处理器可以将候选检测位置分布、燃气运输特征输入嵌入层(Embedding Layer)进行处理,得到目标向量。嵌入层可以通过与低量泄漏预测模型联合训练得到。
向量数据库中包含多个参考向量,且多个参考向量中的每一个参考向量存在对应的参考预测准确率。
参考向量是指基于历史时间段内的历史候选检测位置分布、历史燃气运输特征构建的向量,参考向量对应的参考预测准确率可以是历史时间段内的历史预测准确率。参考向量的构建方式可以参见上述目标向量的构建方式。
在一些实施例中,智慧燃气管理平台可以分别计算目标向量与参考向量之间的向量距离,确定目标向量的预测准确率。例如,将与目标向量之间的向量距离满足预设条件的参考向量作为关联向量,将关联向量对应的参考预测准确率作为目标向量对应的预测准确率。预设条件可以根据情况设定。例如,预设条件可以是向量距离最小或向量距离小于距离阈值等。向量距离可以包括但不限于余弦距离、马氏距离、欧氏距离等。
在一些实施例中,智慧燃气管理平台可以通过准确率预测模型对候选检测位置分布和燃气运输特征进行处理,确定预测准确率。
准确率预测模型可以是用于确定预测准确率的机器学习模型。例如,深度神经网络(Deep Neural Network, DNN)模型等。
在一些实施例中,准确率预测模型的输入可以包括候选检测位置分布和燃气运输特征;输出可以包括预测准确率。关于选检测位置分布、燃气运输特征和预测准确率的更多内容可以参见前述相关描述。
在一些实施例中,准确率预测模型可以通过多个带有第二标签的第二训练样本,训练得到。
在一些实施例中,第二训练样本可以包括样本侯选检测位置分布和样本燃气运输特征。第二标签可以包括该组第二训练样本对应的样本预测准确率。在一些实施例中,第二训练样本可以基于历史数据(例如,历史选检测位置分布和历史燃气运输特征)获取。第二标签可以基于在该组第二训练样本对应的历史选检测位置分布和历史燃气运输特征的情况下,通过对第一泄漏风险以及第二泄漏风险的历史实际发生次数进行统计,基于历史实际发生次数除以该情况下的预测发生总次数确定预测准确率。
本说明书一些实施例中,通过准确率预测模型对候选检测位置分布和燃气运输特征进行处理,确定预测准确率,可以同时考虑多种因素的影响,使预测准确率的确定更加高效准确,避免人工确定的误差。
在一些实施例中,智慧燃气管理平台可以通过多种方式基于预测准确率,确定优选检测位置分布。例如,智慧燃气管理平台可以将所有候选检测位置分布对应的预测准确率按照大小进行排序,将最大的预测准确率对应的候选检测位置分布确定为优选检测位置分布。又例如,智慧燃气管理平台可以将所有候选检测位置分布对应的预测准确率按照大小进行排序,将预测准确率大于预设阈值的其中一个候选检测位置分布确定为优选检测位置分布。
本说明书一些实施例中,基于燃气运输特征,随机生成多组候选检测位置分布,根据每组候选检测位置分布对应的预测准确率,确定优选检测位置分布,不仅丰富了计算的数据量,而且考虑不同的候选检测位置分布对燃气泄漏风险的预测准确率,使得最终确定的优选检测位置分布,对燃气的泄漏有更好的检测效果,有利于提高对燃气泄漏风险判断的准确性。
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)
1.一种基于超声波流量计的智慧燃气管网监测方法,其特征在于,所述方法由基于超声波流量计的智慧燃气管网监测物联网系统的智慧燃气管理平台执行,包括:
获取至少一个时刻的分布式超声数据,所述分布式超声数据包括超声波流量计获取的超声数据,所述超声波流量计部署在所述燃气管网的至少一个检测位置;
基于所述分布式超声数据,确定所述燃气管网的至少一个预设点位的泄漏风险;
基于所述泄漏风险,生成预警信息并发送用户。
2.根据权利要求1所述的方法,其特征在于,所述泄漏风险包括第一泄漏风险,所述基于所述分布式超声数据,确定所述燃气管网的至少一个预设点位的泄漏风险,包括:
基于第一预设时间段内所述至少一个时刻的所述分布式超声数据,确定燃气特征稳定度;
基于所述燃气特征稳定度,确定所述第一泄漏风险。
3.根据权利要求2所述的方法,其特征在于,所述基于第一预设时间段内所述至少一个时刻的所述分布式超声数据,确定燃气特征稳定度,包括:
基于预设滑动参数,将所述至少一个时刻的所述分布式超声数据划分为至少一组滑动区间集,确定每组滑动区间集的燃气特征子稳定度;
基于所述至少一组滑动区间集的所述燃气特征子稳定度,确定所述燃气特征稳定度。
4.根据权利要求1所述的方法,其特征在于,所述泄漏风险还包括第二泄漏风险,所述基于所述分布式超声数据,确定所述燃气管网的至少一个预设点位的泄漏风险,包括:
基于第二预设时间段内所述至少一个时刻的所述分布式超声数据,确定所述第二泄露风险。
5.根据权利要求4所述的方法,其特征在于,所述基于第二预设时间段内所述至少一个时刻的所述分布式超声数据,确定所述第二泄露风险,包括:
通过低量泄漏预测模型对所述第二预设时间段内所述至少一个时刻的所述分布式超声数据进行处理,确定所述第二泄露风险,所述低量泄漏预测模型为机器学习模型。
6.根据权利要求5所述的方法,其特征在于,所述低量泄漏预测模型的输入还包括第一预设时间段内的燃气特征稳定度。
7.根据权利要求1所述的方法,其特征在于,所述超声波流量计通过可移动滑轨部署于所述燃气管网的燃气管道上,所述可移动滑轨具有预设长度,所述方法还包括:
基于所述燃气管网的所述燃气管道的燃气运输特征,确定优选检测位置分布,所述优选检测位置分布包括一个或多个所述超声波流量计的优选检测位置。
8.根据权利要求7所述的方法,其特征在于,所述基于所述燃气管网的所述燃气管道的燃气运输特征,确定优选检测位置分布,包括:
基于所述燃气管网的所述燃气管道的所述燃气运输特征,生成至少一组候选检测位置分布;
确定每组候选检测位置分布的预测准确率;
基于所述预测准确率,确定所述优选检测位置分布。
9.一种基于超声波流量计的智慧燃气管网监测物联网系统,其特征在于,所述系统包括智慧燃气对象平台、智慧燃气传感网络平台、智慧燃气管理平台、智慧燃气服务平台和智慧燃气用户平台,
所述智慧燃气对象平台用于获取至少一个时刻的分布式超声数据,所述分布式超声数据包括超声波流量计获取的超声数据,所述超声波流量计部署在所述燃气管网的至少一个检测位置;
所述智慧燃气传感网络平台用于将所述分布式超声数据传输至所述智慧燃气管理平台;
所述智慧燃气管理平台用于基于所述分布式超声数据,确定所述燃气管网的至少一个预设点位的泄漏风险;基于所述泄漏风险,生成预警信息;
所述智慧燃气服务平台用于将所述预警信息发送至所述智慧燃气用户平台;
所述智慧燃气用户平台用于向用户展示所述预警信息。
10.根据权利要求9所述的物联网系统,其特征在于,所述泄漏风险包括第一泄漏风险,所述智慧燃气管理平台进一步用于:
基于第一预设时间段内所述至少一个时刻的所述分布式超声数据,确定燃气特征稳定度;
基于所述燃气特征稳定度,确定所述第一泄漏风险。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310757123.9A CN116498908B (zh) | 2023-06-26 | 2023-06-26 | 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 |
US18/357,148 US11953356B2 (en) | 2023-06-26 | 2023-07-23 | Methods and internet of things (IoT) systems for monitoring smart gas pipeline networks based on ultrasonic flowmeters |
US18/431,970 US20240175734A1 (en) | 2023-06-26 | 2024-02-03 | Method and internet of things (iot) system for managing and controlling risk in smart gas pipeline network by combining ultrasonic flowmeter |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310757123.9A CN116498908B (zh) | 2023-06-26 | 2023-06-26 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116498908A true CN116498908A (zh) | 2023-07-28 |
CN116498908B CN116498908B (zh) | 2023-08-25 |
Family
ID=87328693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310757123.9A Active CN116498908B (zh) | 2023-06-26 | 2023-06-26 | 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 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11953356B2 (zh) |
CN (1) | CN116498908B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116719984A (zh) * | 2023-08-10 | 2023-09-08 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气数据管理方法、物联网系统和存储介质 |
CN116737804A (zh) * | 2023-08-15 | 2023-09-12 | 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 |
CN117889943A (zh) * | 2024-03-13 | 2024-04-16 | 浙江维度仪表有限公司 | 基于机器学习的气体超声波流量计检验方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118133475A (zh) * | 2024-04-30 | 2024-06-04 | 上海真兰仪表科技股份有限公司 | 超声波燃气表计量性能的在线监测预警方法及系统 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994333A (zh) * | 2014-05-09 | 2014-08-20 | 东北大学 | 一种基于二维信息融合的油气管网泄漏检测方法 |
EA201591062A1 (ru) * | 2012-12-11 | 2015-10-30 | Пайп Мониторинг Корпорейшн Срл | Система и способ наблюдения, управления и мониторинга конструкционной целостности сети трубопроводов для транспортировки текучей среды, локализации местоположения утечки и оценки степени повреждения |
CN106682742A (zh) * | 2016-12-06 | 2017-05-17 | 浙江图讯科技股份有限公司 | 一种基于物联网技术的实时数据采集分析方法 |
CN107067080A (zh) * | 2016-12-05 | 2017-08-18 | 哈尔滨理工大学 | 基于核极限学习机的泄露气体监测浓度数据虚拟扩展方法 |
CN107590516A (zh) * | 2017-09-16 | 2018-01-16 | 电子科技大学 | 基于光纤传感数据挖掘的输气管道泄漏检测识别方法 |
CN107842713A (zh) * | 2017-11-03 | 2018-03-27 | 东北大学 | 基于knn‑svr的海底管道漏磁数据缺失插补方法 |
CN107976223A (zh) * | 2017-11-16 | 2018-05-01 | 哈尔滨工业大学 | 一种高精度泄漏量检测装置 |
CA2989027A1 (en) * | 2016-12-15 | 2018-06-15 | Ingu Solutions Inc. | Sensor device, systems, and methods for identifying leaks in a fluid conduit |
CN108447229A (zh) * | 2018-06-26 | 2018-08-24 | 宋雁章 | 一种智能型燃气泄漏报警及自动切断气源方法及装置 |
CN109345148A (zh) * | 2018-11-26 | 2019-02-15 | 南智(重庆)能源技术有限公司 | 天然气管道及场站工艺装置安全隐患识别的智能诊断方法 |
CN109780452A (zh) * | 2019-01-24 | 2019-05-21 | 天津中科飞航技术有限公司 | 基于激光遥测技术的气体泄漏无人机巡检浓度反演方法 |
CN112000008A (zh) * | 2020-07-18 | 2020-11-27 | 淮阴工学院 | 一种基于神经网络的管道监测系统 |
CN112197176A (zh) * | 2020-09-28 | 2021-01-08 | 广州东部发展燃气有限公司 | 一种燃气泄漏检测系统 |
CN112633553A (zh) * | 2020-11-27 | 2021-04-09 | 合肥泽众城市智能科技有限公司 | 一种用于燃气管线-危化企业耦合隐患辨识与风险评估方法及系统 |
CN113719764A (zh) * | 2021-08-04 | 2021-11-30 | 中国人民解放军陆军勤务学院 | 一种管道泄漏检测方法 |
CN114623990A (zh) * | 2020-12-14 | 2022-06-14 | 阿里巴巴集团控股有限公司 | 监测和泄漏定位方法、设备、锅炉、系统及存储介质 |
CN114782785A (zh) * | 2022-03-22 | 2022-07-22 | 华为技术有限公司 | 多传感器信息融合方法及装置 |
GB202208733D0 (en) * | 2021-06-15 | 2022-07-27 | Nvidia Corp | Neural network path planning |
CN115063954A (zh) * | 2022-06-01 | 2022-09-16 | 武汉誉钱乐房地产有限公司 | 一种基于物联网的智慧消防在线监测无线报警服务系统 |
EP4083592A1 (en) * | 2021-04-30 | 2022-11-02 | Kamstrup A/S | System and method for acoustic leakage detection by use of an ultrasonic flow meter |
CN115348282A (zh) * | 2022-07-30 | 2022-11-15 | 江苏数智碳中和科技有限公司 | 一种采用分布式数据处理的能耗监管平台 |
CN115355447A (zh) * | 2022-10-20 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧燃气门站调压优化方法和系统 |
CN115496353A (zh) * | 2022-09-19 | 2022-12-20 | 辽宁石油化工大学 | 一种压缩天然气加气站智能风险评估方法 |
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 |
CN115796408A (zh) * | 2023-02-13 | 2023-03-14 | 成都秦川物联网科技股份有限公司 | 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 |
CN218720698U (zh) * | 2022-10-31 | 2023-03-24 | 泉州市佳立德信息技术有限公司 | 一种基于物联网的智慧燃气检测装置 |
CN116006908A (zh) * | 2022-12-07 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网可靠度监测方法和物联网系统 |
-
2023
- 2023-06-26 CN CN202310757123.9A patent/CN116498908B/zh active Active
- 2023-07-23 US US18/357,148 patent/US11953356B2/en active Active
-
2024
- 2024-02-03 US US18/431,970 patent/US20240175734A1/en active Pending
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EA201591062A1 (ru) * | 2012-12-11 | 2015-10-30 | Пайп Мониторинг Корпорейшн Срл | Система и способ наблюдения, управления и мониторинга конструкционной целостности сети трубопроводов для транспортировки текучей среды, локализации местоположения утечки и оценки степени повреждения |
CN103994333A (zh) * | 2014-05-09 | 2014-08-20 | 东北大学 | 一种基于二维信息融合的油气管网泄漏检测方法 |
CN107067080A (zh) * | 2016-12-05 | 2017-08-18 | 哈尔滨理工大学 | 基于核极限学习机的泄露气体监测浓度数据虚拟扩展方法 |
CN106682742A (zh) * | 2016-12-06 | 2017-05-17 | 浙江图讯科技股份有限公司 | 一种基于物联网技术的实时数据采集分析方法 |
CA2989027A1 (en) * | 2016-12-15 | 2018-06-15 | Ingu Solutions Inc. | Sensor device, systems, and methods for identifying leaks in a fluid conduit |
CN107590516A (zh) * | 2017-09-16 | 2018-01-16 | 电子科技大学 | 基于光纤传感数据挖掘的输气管道泄漏检测识别方法 |
CN107842713A (zh) * | 2017-11-03 | 2018-03-27 | 东北大学 | 基于knn‑svr的海底管道漏磁数据缺失插补方法 |
CN107976223A (zh) * | 2017-11-16 | 2018-05-01 | 哈尔滨工业大学 | 一种高精度泄漏量检测装置 |
CN108447229A (zh) * | 2018-06-26 | 2018-08-24 | 宋雁章 | 一种智能型燃气泄漏报警及自动切断气源方法及装置 |
CN109345148A (zh) * | 2018-11-26 | 2019-02-15 | 南智(重庆)能源技术有限公司 | 天然气管道及场站工艺装置安全隐患识别的智能诊断方法 |
CN109780452A (zh) * | 2019-01-24 | 2019-05-21 | 天津中科飞航技术有限公司 | 基于激光遥测技术的气体泄漏无人机巡检浓度反演方法 |
CN112000008A (zh) * | 2020-07-18 | 2020-11-27 | 淮阴工学院 | 一种基于神经网络的管道监测系统 |
CN112197176A (zh) * | 2020-09-28 | 2021-01-08 | 广州东部发展燃气有限公司 | 一种燃气泄漏检测系统 |
CN112633553A (zh) * | 2020-11-27 | 2021-04-09 | 合肥泽众城市智能科技有限公司 | 一种用于燃气管线-危化企业耦合隐患辨识与风险评估方法及系统 |
CN114623990A (zh) * | 2020-12-14 | 2022-06-14 | 阿里巴巴集团控股有限公司 | 监测和泄漏定位方法、设备、锅炉、系统及存储介质 |
EP4083592A1 (en) * | 2021-04-30 | 2022-11-02 | Kamstrup A/S | System and method for acoustic leakage detection by use of an ultrasonic flow meter |
GB202208733D0 (en) * | 2021-06-15 | 2022-07-27 | Nvidia Corp | Neural network path planning |
CN113719764A (zh) * | 2021-08-04 | 2021-11-30 | 中国人民解放军陆军勤务学院 | 一种管道泄漏检测方法 |
CN114782785A (zh) * | 2022-03-22 | 2022-07-22 | 华为技术有限公司 | 多传感器信息融合方法及装置 |
CN115063954A (zh) * | 2022-06-01 | 2022-09-16 | 武汉誉钱乐房地产有限公司 | 一种基于物联网的智慧消防在线监测无线报警服务系统 |
CN115348282A (zh) * | 2022-07-30 | 2022-11-15 | 江苏数智碳中和科技有限公司 | 一种采用分布式数据处理的能耗监管平台 |
CN115496353A (zh) * | 2022-09-19 | 2022-12-20 | 辽宁石油化工大学 | 一种压缩天然气加气站智能风险评估方法 |
CN115355447A (zh) * | 2022-10-20 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧燃气门站调压优化方法和系统 |
CN218720698U (zh) * | 2022-10-31 | 2023-03-24 | 泉州市佳立德信息技术有限公司 | 一种基于物联网的智慧燃气检测装置 |
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 |
CN116006908A (zh) * | 2022-12-07 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网可靠度监测方法和物联网系统 |
CN115796408A (zh) * | 2023-02-13 | 2023-03-14 | 成都秦川物联网科技股份有限公司 | 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 |
Non-Patent Citations (2)
Title |
---|
肖玉;: "浅谈天然气场站设备及安全管理路径", 中国设备工程, no. 10 * |
黄文尧;: "声发射检测技术在城市燃气管道的应用初探", 科学技术创新, no. 17 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116719984A (zh) * | 2023-08-10 | 2023-09-08 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气数据管理方法、物联网系统和存储介质 |
CN116719984B (zh) * | 2023-08-10 | 2023-11-17 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气数据管理方法、物联网系统和存储介质 |
US12007751B2 (en) | 2023-08-10 | 2024-06-11 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for smart gas data management, internet of things systems, and storage media |
CN116737804A (zh) * | 2023-08-15 | 2023-09-12 | 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 |
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 |
US12009992B2 (en) | 2023-08-15 | 2024-06-11 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for hierarchical processing of gas data based on smart gas internet of things |
CN117889943A (zh) * | 2024-03-13 | 2024-04-16 | 浙江维度仪表有限公司 | 基于机器学习的气体超声波流量计检验方法及系统 |
CN117889943B (zh) * | 2024-03-13 | 2024-05-14 | 浙江维度仪表有限公司 | 基于机器学习的气体超声波流量计检验方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20240175734A1 (en) | 2024-05-30 |
CN116498908B (zh) | 2023-08-25 |
US20230366710A1 (en) | 2023-11-16 |
US11953356B2 (en) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US20210216852A1 (en) | Leak detection with artificial intelligence | |
AU2016286280B2 (en) | Combined method for detecting anomalies in a water distribution system | |
CN102132138B (zh) | 用于实时增强流体输运管道的操作的方法和装置 | |
CN108870090B (zh) | 基于最小二乘支持向量机信息融合的管道泄漏检测方法 | |
CN108508863A (zh) | 一种基于灰色模型的机电设备故障诊断方法 | |
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 | |
CN116642560B (zh) | 基于智慧燃气物联网的超声波燃气表计量纠正方法和系统 | |
US20230221207A1 (en) | Methods and internet of things systems for determining gas leakages based on smart gas | |
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 | |
CN109034641A (zh) | 管道缺陷预测方法及装置 | |
US20220082409A1 (en) | Method and system for monitoring a gas distribution network operating at low pressure | |
US20220275610A1 (en) | Method and system to monitor pipeline condition | |
CN110334816A (zh) | 一种工业设备检测方法、装置、设备及可读存储介质 | |
CN115681821B (zh) | 用于智慧燃气设备管理的加臭自动控制方法和物联网系统 | |
Caputo et al. | An inverse approach for piping networks monitoring | |
CN116006908A (zh) | 一种智慧燃气管网可靠度监测方法和物联网系统 | |
US20240060605A1 (en) | Method, internet of things (iot) system, and storage medium for smart gas abnormal data analysis | |
Hatchett et al. | Real-time distribution system modeling: Development, application, and insights | |
CN116719984B (zh) | 一种智慧燃气数据管理方法、物联网系统和存储介质 | |
US20240084561A1 (en) | Systems and methods for water distribution network leakage detection and/or localization | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
CN114021864A (zh) | 一种涉氨制冷企业重大风险辨识与实时动态风险评估方法 | |
Mounce et al. | Development of artificial intelligence systems for analysis of water supply system data | |
WO2018049149A1 (en) | Pipeline monitoring system |
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 |