CN116611820B - 基于智慧燃气物联网的管线故障评估方法与系统 - Google Patents
基于智慧燃气物联网的管线故障评估方法与系统 Download PDFInfo
- Publication number
- CN116611820B CN116611820B CN202310884638.5A CN202310884638A CN116611820B CN 116611820 B CN116611820 B CN 116611820B CN 202310884638 A CN202310884638 A CN 202310884638A CN 116611820 B CN116611820 B CN 116611820B
- Authority
- CN
- China
- Prior art keywords
- gas
- risk
- failure
- fault
- intelligent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000011282 treatment Methods 0.000 claims abstract description 80
- 238000012423 maintenance Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 18
- 238000013058 risk prediction model Methods 0.000 claims description 15
- 230000002787 reinforcement Effects 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 2
- 239000007789 gas Substances 0.000 description 347
- 238000007726 management method Methods 0.000 description 63
- 238000011269 treatment regimen Methods 0.000 description 7
- 239000002737 fuel gas Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000009420 retrofitting Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- 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
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- 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
-
- 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
- G16Y40/40—Maintenance of things
-
- 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
- G16Y40/50—Safety; Security of things, users, data or systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
Abstract
本说明书实施例提供一种基于智慧燃气物联网的管线故障评估方法与系统。该方法由智慧燃气管网安全管理物联网系统的智慧燃气安全管理平台执行,该方法包括:获取燃气管线中的至少一个第一故障风险以及下游用户特征;基于至少一个第一故障风险,生成若干个燃气候选处理方案;基于至少一个第一故障风险以及燃气候选处理方案,确定至少一个第二故障风险。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、智慧燃气管网设备传感网络平台、智慧燃气管网设备对象平台。
Description
技术领域
本说明书涉及管线故障评估领域,特别涉及一种基于智慧燃气物联网的管线故障评估方法与系统。
背景技术
燃气管线的某个位置存在故障风险(如泄露、损坏等)时,往往会因为泄露、故障、关阀维修等因素,对其他正常管线造成不同程度的影响,一方面影响燃气门站调压效果,一方面影响燃气调峰能力,进而影响燃气用户的使用体验,引发燃气投诉事件。
因此,希望提供一种基于智慧燃气物联网的管线故障评估方法与系统,能够在燃气管线的某个位置存在故障风险时,预先确定燃气调整策略,提前对燃气管线进行处理,减小管线故障对正常管线造成的影响。
发明内容
为了解决燃气管线存在故障风险对其他正常管线造成影响的问题,本发明提供一种基于智慧燃气物联网的管线故障评估方法与系统。
发明内容包括一种基于智慧燃气物联网的管线故障评估方法,所述方法由智慧燃气管网安全管理物联网系统的智慧燃气安全管理平台执行,所述方法包括:获取燃气管线中的至少一个第一故障风险以及下游用户特征,所述至少一个第一故障风险基于所述燃气管线的燃气管道数据、燃气传输数据和历史故障数据确定;基于所述至少一个第一故障风险,生成若干个燃气候选处理方案,所述燃气候选处理方案至少包括燃气维修子方案,所述燃气维修子方案包括断气维修子方案和减压加固维修子方案;基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定至少一个第二故障风险,所述第二故障风险用于评估基于所述燃气候选处理方案处理后,所述燃气管线的潜在故障风险。
发明内容包括一种基于智慧燃气物联网的管线故障评估系统,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;所述智慧燃气用户平台包括多个智慧燃气用户分平台;所述智慧燃气服务平台包括多个智慧燃气服务分平台;所述智慧燃气安全管理平台包括多个智慧燃气管网安全管理分平台和智慧燃气数据中心;所述智慧燃气管网设备传感网络平台用于与所述智慧燃气数据中心和所述智慧燃气管网设备对象平台进行交互;所述智慧燃气管网设备对象平台用于基于数据获取指令获取燃气监测数据;所述智慧燃气安全管理平台从所述智慧燃气数据中心获取燃气管线中的至少一个第一故障风险以及下游用户特征;所述至少一个第一故障风险基于所述燃气管线的燃气管道数据、燃气传输数据和历史故障数据确定;所述智慧燃气安全管理平台基于所述至少一个第一故障风险,生成若干个燃气候选处理方案;所述燃气候选处理方案至少包括燃气维修子方案,所述燃气维修子方案包括断气维修子方案和减压加固维修子方案;所述智慧燃气安全管理平台基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定至少一个第二故障风险;所述第二故障风险用于评估基于所述燃气候选处理方案处理后,所述燃气管线的潜在故障风险。
本发明的有益效果包括:在智慧燃气安全管理平台的统一管理下协调、规律运行,实现燃气管线故障评估和处理信息化、智慧化;通过机器学习模型准确地评估燃气管线的故障风险;通过故障风险及其他相关数据,确定合适的处理方案,减小管线故障对正常管线造成的影响。
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管线故障评估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管线故障评估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供气压力变化预测模型图;
图4是根据本说明书一些实施例所示的故障风险预测模型图;
图5是根据本说明书一些实施例所示的管道分布示意图;
图6是根据本说明书一些实施例所示的管道分布示意图。
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。
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管线故障评估系统的示例性结构图。如图1所示,基于智慧燃气物联网的管线故障评估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、智慧燃气管网设备传感网络平台140以及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。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。
监管用户分平台112可以是监管用户对整个物联网系统100的运行进行监管的平台。
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。
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可以包括智慧燃气管网安全管理分平台131和智慧燃气数据中心132。
智慧燃气管网安全管理分平台131可以包括但不限于管网巡线安全管理模块、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、管网设备安全监测模块、场站设备安全监测模块、安全应急管理模块、管网风险评估管理模块、管网地理信息管理模块、管网仿真管理模块。
智慧燃气数据中心132可以用于存储和管理物联网系统100的所有运行信息。在一些实施例中,智慧燃气数据中心可以被配置为存储设备,用于存储与燃气管网设备安全管理相关的数据等。例如,智慧燃气数据中心132可以存储燃气候选处理方案、下游用户特征等信息。
在一些实施例中,智慧燃气管网安全管理分平台131可以通过智慧燃气数据中心132与智慧燃气服务平台120、智慧燃气管网设备传感网络平台140进行信息交互,智慧燃气管网安全管理分平台131从智慧燃气数据中心132获取并反馈管网设备安全管理数据,智慧燃气数据中心132汇总和存储系统所有运行数据。
在一些实施例中,智慧燃气安全管理平台130可以从智慧燃气数据中心获取燃气管线中的至少一个第一故障风险以及下游用户特征;基于至少一个第一故障风险,生成若干个燃气候选处理方案;基于至少一个第一故障风险以及燃气候选处理方案,确定至少一个第二故障风险。
在一些实施例中,智慧燃气安全管理平台130可以基于至少一个第一故障风险、下游用户特征以及至少一个第二故障风险,确定燃气目标处理方案。
在一些实施例中,智慧燃气安全管理平台130可以基于燃气传输数据,确定异常点分布信息;基于燃气管道数据、历史故障数据以及异常点分布信息,确定至少一个第一故障风险。
在一些实施例中,智慧燃气安全管理平台130可以基于燃气管道数据、历史故障数据以及异常点分布信息,采用联合向量匹配的方法,确定至少一个第一故障风险。
在一些实施例中,智慧燃气安全管理平台130可以基于至少一个第一故障风险以及燃气候选处理方案,确定燃气候选处理方案对应的供气压力变化分布;基于供气压力变化分布,确定至少一个第二故障风险。
在一些实施例中,智慧燃气安全管理平台130可以构建第一供气压力特征图;基于第一供气压力特征图,通过供气压力变化预测模型,确定供气压力变化分布。
在一些实施例中,智慧燃气安全管理平台130可以构建第二供气压力特征图;基于第二供气压力特征图,通过故障风险预测模型,确定至少一个第二故障风险。智慧燃气安全管理平台的更多内容可以参见下文的相关描述。
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可以被配置为通信网络和网关。
在一些实施例中,智慧燃气管网设备传感网络平台140可以包括网络管理、协议管理、指令管理和数据解析。
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。在一些实施例中,智慧燃气管网设备对象平台150可以被配置为各类设备,包括管网设备(如燃气压缩机、燃气管道)、监测设备(如巡检机器人)等。
本说明书一些实施例,基于物联网系统100,可以在智慧燃气管网设备对象平台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,实现燃气管线故障评估和处理信息化、智慧化。
图2是根据本说明书一些实施例所示的管线故障评估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执行。
步骤210,获取燃气管线中的至少一个第一故障风险以及下游用户特征。
第一故障风险用于表明燃气管线中存在的故障风险,第一故障风险包括燃气管线的故障参数数据,故障参数数据可以包括具体的故障情况。
在一些实施例中,智慧燃气安全管理平台可以通过多种方式确定第一故障风险。例如,智慧燃气安全管理平台可以基于燃气管线的燃气管道数据、燃气传输数据和历史故障数据等,通过向量匹配的方式确定第一故障风险。
燃气管道数据可以指与燃气输送管道相关的数据。例如,燃气管道数据可以包括管道直径、管道埋深、管道阀门数量以及管道位置等。
燃气传输数据可以指与燃气输送相关的数据。例如,燃气传输数据可以包括燃气流量、燃气流速、燃气压力等。
历史故障数据可以指燃气管线历史发生故障时的数据。例如,历史故障数据可以包括故障次数、故障类型、历史故障的发生点位、故障严重程度等。
在一些实施例中,智慧燃气安全管理平台可以基于燃气传输数据,确定异常点分布信息;基于燃气管道数据、历史故障数据以及异常点分布信息,确定至少一个第一故障风险。在一些实施例中,至少一个第一故障风险可以包括各个异常点存在故障的风险。
异常点可以指燃气管线中发生故障的传输点。异常点分布信息可以指与异常点的分布情况相关的信息,例如异常点所处的位置等。
在一些实施例中,智慧燃气安全管理平台可以将燃气传输数据与标准的传输数据进行对比,确定异常点分布信息。例如,当某个传输点的燃气传输数据与标准的传输数据之间的偏差超过阈值,智慧燃气安全管理平台可以判定该传输点发生了故障,为异常点;燃气管线中发生故障的传输点可以有多个,基于多个异常点所处的位置,可以确定异常点分布。在一些实施例中,阈值可以基于历史数据或专家意见确定。
在一些实施例中,智慧燃气安全管理平台可以基于燃气管道数据、历史故障数据以及异常点分布信息,通过向量匹配的方式确定第一故障风险。
在一些实施例中,智慧燃气安全管理平台可以将单个异常点所在管线的燃气管道数据、历史故障数据,提取数据特征,构建待匹配向量,通过计算待匹配的向量与标准向量的距离,选择距离最近的标准向量对应的故障风险,作为该异常点的第一故障风险。距离可以为余弦距离。其中,标准向量可以是预先设定的故障数据特征构建的向量,也可以是从历史故障数据里通过统计抽取故障数据特征得到的向量。
在一些实施例中,智慧燃气安全管理平台可以基于燃气管道数据、历史故障数据以及异常点分布信息,采用联合向量匹配的方法,确定至少一个第一故障风险。
在一些实施例中,智慧燃气安全管理平台可以基于(多个)异常点分布、各个异常点的燃气管道数据、各个异常点的燃气管道偏差阈值和各个异常点的历史故障数据,提取数据特征,构建待匹配的向量,通过计算待匹配的向量与标准向量的距离,选择距离最近的标准向量对应的故障风险分布,作为各个异常点的第一故障风险。燃气管道偏差阈值指的是基于传输点的燃气传输数据与标准的传输数据之间的偏差设定的阈值。距离可以为余弦距离。其中,标准向量可以是预先设定的多个异常点的故障数据特征构建的向量,也可以是从历史故障数据里通过统计抽取的多个异常点的故障数据特征得到的向量。
在一些实施例中,通过联合向量匹配可以更高效准确地确定多个异常点的至少一个第一故障风险。
下游用户特征可以指通过燃气管线供给燃气的用户具备的特征。例如,下游用户特征可以包括用户类型、燃气用量、燃气使用时间的分布等。
在一些实施例中,智慧燃气安全管理平台可以与智慧燃气数据中心进行交互,获取智慧燃气数据中心存储的下游用户特征。
步骤220,基于至少一个第一故障风险,生成若干个燃气候选处理方案。
燃气候选处理方案可以指燃气管线存在故障风险时作为候选的燃气调整方案。例如,燃气候选处理方案可以包括关闭总阀门、关闭部分管道阀门、改造或加固管道等中的一种或多种。
在一些实施例中,燃气候选处理方案可以由多个子方案组成;例如,燃气候选处理方案至少包括燃气维修子方案,燃气维修子方案可以包括断气维修子方案和减压加固维修子方案。
在一些实施例中,断气维修子方案包括对特定的管道进行关阀断气,减压加固维修子方案包括对特定的管道进行减压和/或加固,特定的管道可以指可能存在故障的管道以及可能存在故障的管道的上游或下游管道。
在一些实施例中,智慧燃气安全管理平台可以通过多种方式生成燃气候选处理方案。例如,智慧燃气安全管理平台可以随机生成多个处理方案作为燃气候选处理方案。
在一些实施例中,智慧燃气安全管理平台可以基于至少一个第一故障风险,确定故障类型;基于故障类型和下游用户特征,确定若干个燃气候选处理方案。
故障类型是指故障数据所属的类型,例如,判断该故障数据属于需要关阀断气维修类,还是减压加固维修类(不停气维修)。断气维修时,确定燃气候选处理方案需要考虑断气管线对其他管线的影响。
在一些实施例中,智慧燃气安全管理平台可以基于历史故障类型构建向量数据库,根据第一故障风险,构建检索特征向量,输入向量数据库中匹配相似度最高的参考向量,并将该相似度最高的参考向量对应的故障类型确定为第一故障风险对应的故障类型。
在一些实施例中,智慧燃气安全管理平台可以基于确定的故障类型对应的多个处理方案,随机生成处理方案作为燃气候选处理方案。在一些实施例中,在某类型故障发生时,智慧燃气安全管理平台可以基于历史数据中该类型故障发生时对应采取过的多个方案,随机生成处理方案作为燃气候选处理方案。
在一些实施例中,根据下游用户特征的不同,不同处理方案被生成的概率可以不同。例如,当下游用户在当前时间用气少,则包含对管线进行断气维修的燃气候选处理方案会有更高概率生成。
在一些实施例中,智慧燃气安全管理平台可以在确定若干个燃气候选处理方案时,基于预设随机算法随机生成燃气候选处理方案。
在一些实施例中,燃气候选处理方案中需要调整的管道数量不多于第一预设比例。通过第一预设比例可以确定燃气候选处理方案中需要调整的管线数量(如调压或调峰的管线数量)及各管线的调整量(如故障管线的燃气压力在各管线的分配量)。例如,第一预设比例为20%,燃气管网中有30条管线,每个燃气候选处理方案中最多可以对6条管线进行调整。
在一些实施例中,第一预设比例可以基于燃气管网复杂度确定,第一预设比例燃气管网复杂度,其中,k由人为确定。
在一些实施例中,燃气管网复杂度至少相关于第一供气压力特征图中各个节点的节点特征的出度和/或入度,例如,燃气管网复杂度=(管道1入度+管道2入度+...+管道n入度+管道1出度+管道2出度+...+管道n出度)/2n,其中,n为燃气管网中的管线数量。关于第一供气压力特征图的更多内容可以参见图3及其相关描述。
在一些实施例中,由于管道断气故障后会涉及多条燃气管道的调整,通过第一预设比例限制燃气候选处理方案中需要调整的管线数量,可以防止因燃气管线调整过多导致不确定性太大。
在一些实施例中,通过故障类型和下游用户特征,确定若干个燃气候选处理方案,可以在确定合适的处理方案的同时,减小对下游用户的用气影响。
步骤230,基于至少一个第一故障风险以及燃气候选处理方案,确定至少一个第二故障风险。
第二故障风险用于评估处理后燃气管线潜在的故障风险,第二故障风险可以包括燃气管线的故障参数数据,故障参数数据可以包括具体的故障情况。第二故障风险可以是与燃气候选处理方案相关的,可以评估每个燃气候选处理方案处理后对应第二故障风险。例如,根据燃气候选处理方案需要关闭燃气管线A,第二故障风险可以用于评估关闭燃气管线A后与其相关的燃气管线的管道压力是否超过管道承载阈值,是否会发生故障等。
在一些实施例中,第二故障风险的确定可以与燃气管线的类型、使用寿命等有关,也可以与故障发生的时间有关。例如,当故障发生在燃气供应的高峰期,如果根据燃气候选处理方案需要关闭燃气管线A,则与燃气管线A连通的燃气管线B和C可能发生故障的风险相对较大,基于此可以确定第二故障风险。
在一些实施例中,智慧燃气安全管理平台可以基于至少一个第一故障风险以及燃气候选处理方案,确定燃气候选处理方案对应的供气压力变化分布;基于供气压力变化分布,确定至少一个第二故障风险。
供气压力变化分布可以是燃气管线基于燃气候选处理方案处理前后压力变化的分布。
在一些实施例中,供气压力变化分布可以与燃气候选处理方案、燃气管线数量等有关。在一些实施例中,供气压力变化分布可以基于燃气候选处理方案确定,例如,根据燃气候选处理方案能够确定对燃气管线实施相应的处理,历史情况下对燃气管线经过该处理后,燃气管道的供气压力变化分布,即可以作为该燃气候选处理方案处理后的供气压力变化分布。
在一些实施例中,可以根据燃气候选处理方案计算燃气管线的压力变化,例如与燃气管道A有2条并行的管道B和C,当燃气处理方案的显示需要对燃气管道A进行断气处理时,则管道B、C会均分管道A的供气压力。基于管道B、C均分管道A的压力后,可以确定第二故障风险,即管道B、C的压力是否超过管道承载阈值,超过承载阈值则会发生故障。
在一些实施例中,智慧燃气安全管理平台可以构建第一供气压力特征图,第一供气压力特征图包括第一节点和第一边,第一节点包括管线管道的连接处,第一边包括管线管道;基于第一供气压力特征图,通过供气压力变化预测模型,确定供气压力变化分布。
第一供气压力特征图可以是用于反映燃气管道走向、连接及内部压力的特征图。在一些实施例中,第一边可以代表连接管道节点的管道,第一边可以为有向边,其方向可以反映燃气流动的方向。第一边的边特征可以包括供气压力、管道寿命、历史故障数据、操作特征等。第一节点可以代表管道节点,即两段及以上管道的连接点或拐点。第一节点的节点特征可以包括供气压力、历史故障数据、操作特征等。其中,操作特征可以是燃气候选处理方案中,是否对燃气管道/管道节点进行断气/加固/减压等操作。例如,无燃气经过该燃气管道/管道节点则认为对该燃气管道/管道节点断气。
图3是根据本说明书一些实施例所示的供气压力变化预测模型图。
供气压力变化预测模型可以是机器学习模型。例如,供气压力变化预测模型可以为图神经网络模型(Graph Neural Networks,GNN),供气压力变化预测模型也可以是其他神经网络等或其任意组合。
在一些实施例中,如图3所示,供气压力变化预测模型320的输入可以包括第一供气压力特征图(包括第一边的边特征311、第一节点的节点特征312),供气压力变化预测模型320的输出可以包括节点和边的供气压力变化330。
在一些实施例中,基于各个节点和边的供气压力变化可以形成供气压力变化分布。
在一些实施例中,供气压力变化预测模型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,第一训练样本中可以包括历史第一供气压力特征图。第一标签可以包括采用样本处理方案时,历史第一供气压力特征图对应的节点/边的供气压力变化。在一些实施例中,第一训练样本可以基于历史数据获取。第一标签可以人工标注。
在一些实施例中,利用供气压力变化预测模型预测节点/边的供气压力变化,可以使得到的节点/边的供气压力变化和供气压力变化分布更加准确,从而能实现对燃气管线的潜在故障风险更准确和高效的识别。
在一些实施例中,第一供气压力特征图的第一节点的节点特征可以包括出度和入度。
出度可以表示从管道节点流出的管道分支数量,入度可以表示从管道节点流入的管道分支数量。例如,节点1连接了5段燃气管道A、B、C、D、E,燃气管道A和B的燃气经过节点1流向燃气管道C、D、E,则入度为2(对应燃气管道A和B),出度为3(对应燃气管道C、D、E)。
在一些实施例中,通过设置第一供气压力特征图和出度和入度,能更加准确高效地显示燃气管线的特征,有利于后续机器学习模型对出入度与供气变化的关联进行学习,使输出的供气压力变化分布更加准确。
在一些实施例中,智慧燃气安全管理平台可以基于预测得到的供气压力变化分布,根据经验或根据预设算法确定第二故障风险。在一些实施例中,第二故障风险还可以基于机器学习模型确定。
在一些实施例中,智慧燃气安全管理平台可以构建第二供气压力特征图;第二供气压力特征图包括第二节点和第二边,第二节点包括管线管道的连接处,第二边包括管线管道;基于第二供气压力特征图,通过故障风险预测模型,确定至少一个第二故障风险。
第二供气压力特征图可以是用于反映经燃气候选处理方案处理后的燃气管道走向、连接及内部压力的特征图。在一些实施例中,第二边可以代表连接管道节点的管道,第二边可以为有向边,其方向可以反映燃气流动的方向。第二边的边特征可以包括供气压力、管道寿命、历史故障数据、供气压力变化、故障风险、下游供气特征等。供气压力变化可以指增加或减少的压力,供气压力变化可以基于供气压力变化预测模型确定,关于供气压力变化预测模型的内容可以参见前文的描述。
第二节点可以代表管道节点,即两段及以上管道的连接点或拐点。第二节点的节点特征可以包括出度和入度、故障风险、下游供气特征、操作特征等。
其中,下游供气特征可以是指具有下游的第二边/第二节点的供气特征,具有下游的第二边/第二节点指的是管道(第二边)/管道节点(第二节点)中的燃气能够流到其他管道/管道节点,该其他管道/管道节点则为管道(第二边)/管道节点(第二节点)的下游。供气特征是与供气情况有关的特征,可以包括是否供气(管道/管道节点中是否有燃气流过)、供气的流量等。如果第二边/第二节点没有下游,则其下游供气特征可以表示为0。
图4是根据本说明书一些实施例所示的故障风险预测模型图。
故障风险预测模型可以是机器学习模型。例如,图神经网络模型(Graph NeuralNetworks,GNN),故障风险预测模型也可以是其他神经网络等或其任意组合。
在一些实施例中,如图4所示,故障风险预测模型420的输入可以包括第二供气压力特征图(包括第二边的边特征411、第二节点的节点特征412),故障风险预测模型420的输出可以包括节点和边的故障风险430。在一些实施例中,可以基于故障风险预测模型420的输出节点和边的故障风险430生成第二故障风险。
在一些实施例中,故障风险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,第二训练样本中可以包括历史第二供气压力特征图。第二标签可以包括基于样本处理方案处理后,历史第二供气压力特征图对应的节点/边是否发生故障,以及发生故障的燃气管线参数。在一些实施例中,第二训练样本可以基于历史数据获取。第二标签可以人工标注。
在一些实施例中,利用故障风险预测模型预测节点/边的故障风险,可以使得到的节点/边的故障风险更加准确,从而得到更准确的第二故障风险,以对应制定出更加准确高效的燃气处理方案。
在一些实施例中,第二供气压力特征图的第二边的边特征还包括汇入管道关联度分布和汇出管道关联度分布,汇入管道关联度由各个汇入管道与当前节点的故障关联度确定,汇出管道关联度由各个汇出管道与当前节点的故障关联度确定。
在一些实施例中,汇入/汇出管道关联度分布可以反映汇入/汇出当前节点的边与当前节点所在的边之间的故障关联度分布。故障关联度可以反映两个管道的内在关联程度。
图5是根据本说明书一些实施例所示的管道分布示意图。
示例的,如图5所示,BC的边特征中,汇入管道关联度分布可以表示为:管道A1B与管道BC的故障关联度,管道A2B与管道BC的故障关联度,管道A3B与管道BC的故障关联度。BC的边特征中,汇出管道关联度分布可以表示为:管道CD1与管道BC的故障关联度,管道CD2与管道BC的故障关联度,管道CD3与管道BC的故障关联度。
在一些实施例中,故障关联度正相关于两个管道同时发生故障的频率,两个管道同时发生故障的频率可以通过历史数据统计得到,也可以通过其他方式得到,在此不做限定。
在一些实施例中,通过将汇入/汇出管道关联度分布输入故障风险预测模型,可以更加准确的判断管道之间的内在关联程度,从而提高判断故障风险的精确度。
在一些实施例中,第二供气压力特征图的第二边的边特征还包括异常距离分布,异常距离分布包括第二边对应的管道所在位置与异常点分布信息中异常点所在位置的距离。关于异常点的更多内容参见图2及其相关内容。
在一些实施例中,距离可以是指基于燃气流动路线方向经过的燃气管道的数量。异常距离分布可以反映异常点的远近与潜在故障风险的内在关联。
图6是根据本说明书一些实施例所示的管道分布示意图。
示例的,如图6所示,以CD2的边特征为例,CD2的异常距离分布可以表示为(0,2,2,2)。其中,第一个元素代表当前边CD2上的异常点本身,则该异常点的异常距离为0;第二个元素代表当前边CD2上的异常点与边A1B上的异常点的距离,由于相隔管道A1B和管道BC,每个管道的距离认为是1,则异常距离为2;第三个元素代表当前边CD2上的异常点与边A2B上的异常点的距离,由于相隔管道A2B和管道BC,则异常距离为2;第四个元素代表当前边CD2上的异常点与边A3B上的异常点的距离,由于相隔管道A3B和管道BC,则异常距离为2。
在一些实施例中,通过将异常距离分布输入故障风险预测模型,可以对异常点的远近与潜在故障风险的内在关联进行分析,从而提高判断故障风险的精确度。
在一些实施例中,智慧燃气安全管理平台还可以基于至少一个第一故障风险、下游用户特征以及至少一个第二故障风险,确定燃气目标处理方案。
燃气目标处理方案可以是对故障的燃气管线进行针对性处理的方案。燃气目标处理方案可以包括燃气维修子方案,如断气维修子方案、减压加固维修子方案等。
在一些实施例中,可以首先根据第一故障风险,即燃气管线的故障参数数据,确定是否需要进行停气维修。例如,根据燃气管线的故障参数数据,可以基于经验判断是否需要断气维修。如果根据第一故障风险判断需要断气维修,则需要根据下游用户特征和第二故障风险共同确定燃气目标处理方案。
根据下游用户特征,可以通过人工判断选择调压方案或是调峰方案。其中,调压方案是指将其他燃气管线调整为帮助故障的燃气管线供应。例如,将重要性相对较弱的用户的燃气管线B调整为帮助故障的重要性相对较强的用户的燃气管线A进行燃气供应。在一些实施例中,调压可以基于上游燃气门站进行。
调峰方案是指将故障的燃气管线需要输出的燃气分配到其他正常工作的燃气管线中进行燃气供应。在一些实施例中,当关闭故障燃气管线时,可以使用储气罐进行临时的储气和放气。
如果根据第一故障风险判断不需要断气维修,则可以选择第二故障风险较小的燃气候选处理方案作为燃气目标处理方案。该燃气目标处理方案的选择需要考虑管线的承压能力,避免出现潜在故障(即第二故障风险为无)。在一些实施例中,基于故障风险预测模型输出第二故障风险的同时还可以输出其对应的风险概率,风险概率指发生故障风险的可能性,风险概率越大则发生故障的可能性越大。选择风险概率小于预先设定阈值的第二故障风险所对应的燃气候选处理方案作为燃气目标处理方案,可以有效控制潜在故障的风险。
在一些实施例中,如果燃气候选处理方案里面有停气和不需要停气的两类方案,表明可以采用不需要停气的处理方案即能够处理该故障,那就可以优先采用不停气的处理方案而不采用需要停气的处理方案,此时可以将第二故障风险较小的方案确定为燃气目标处理方案。如果只有停气一种类型的方案,那么需要考虑下游用户特征,通过调峰解决或者调压解决。
在一些实施例中,由于燃气候选处理方案是根据管线的故障问题生成的处理方案,没有考虑下游用户,因此在最后选择方案的时候,需要考虑下游用户。
示例的,下游商业用户固定在下午四点至五点会有大量燃气需求,如果在下午三点燃气出现了问题,并需要有半小时进行断气维修,燃气候选处理方案中包括各种调用管道调压的方案,但是按照下游用户的情况(如3点下游用户用燃气很少,可以直接用燃气储罐临时放气或者发送停气通知),则燃气候选处理方案中的各种调压方案的第二故障风险是失效的;但如果在下午四点燃气出现问题需要维修,就需要依赖第二故障风险进行判断选择。
在一些实施例中,通过第一故障风险、下游用户特征以及第二故障风险联合对燃气目标处理方案进行确定,可以准确地确定有效的燃气目标处理方案。
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。
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。
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 (3)
1.一种基于智慧燃气物联网的管线故障评估方法,其特征在于,所述方法由智慧燃气管网安全管理物联网系统的智慧燃气安全管理平台执行,所述方法包括:
获取燃气管线中的至少一个第一故障风险以及下游用户特征;所述至少一个第一故障风险基于所述燃气管线的燃气管道数据、燃气传输数据和历史故障数据确定,包括:基于所述燃气传输数据,确定异常点分布信息;基于所述燃气管道数据、所述历史故障数据以及所述异常点分布信息,确定所述至少一个第一故障风险;所述至少一个第一故障风险包括各个异常点存在故障的风险;
基于所述至少一个第一故障风险,生成若干个燃气候选处理方案;所述燃气候选处理方案至少包括燃气维修子方案,所述燃气维修子方案包括断气维修子方案和减压加固维修子方案;
基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定至少一个第二故障风险,包括:基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定所述燃气候选处理方案对应的供气压力变化分布;基于所述供气压力变化分布,确定所述至少一个第二故障风险;
基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定所述燃气候选处理方案对应的供气压力变化分布,包括:构建第一供气压力特征图;所述第一供气压力特征图包括第一节点和第一边,所述第一节点包括管线管道的连接处,所述第一边包括管线管道;基于所述第一供气压力特征图,通过供气压力变化预测模型,确定所述供气压力变化分布;所述供气压力变化预测模型为机器学习模型;
所述第二故障风险用于评估基于所述燃气候选处理方案处理后,所述燃气管线的潜在故障风险;
所述方法还包括:
基于所述至少一个第一故障风险、所述下游用户特征以及所述至少一个第二故障风险,确定燃气目标处理方案;
所述燃气目标处理方案包括所述燃气维修子方案。
2.根据权利要求1所述的方法,其特征在于,基于所述供气压力变化分布,确定所述至少一个第二故障风险,包括:
构建第二供气压力特征图;所述第二供气压力特征图包括第二节点和第二边,所述第二节点包括管线管道的连接处,所述第二边包括管线管道;
基于所述第二供气压力特征图,通过故障风险预测模型,确定所述至少一个第二故障风险;所述故障风险预测模型为机器学习模型。
3.一种基于智慧燃气物联网的管线故障评估系统,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;
所述智慧燃气用户平台包括多个智慧燃气用户分平台;
所述智慧燃气服务平台包括多个智慧燃气服务分平台;
所述智慧燃气安全管理平台包括多个智慧燃气管网安全管理分平台和智慧燃气数据中心;
所述智慧燃气管网设备传感网络平台用于与所述智慧燃气数据中心和所述智慧燃气管网设备对象平台进行交互;
所述智慧燃气管网设备对象平台用于基于数据获取指令获取燃气监测数据;
所述智慧燃气安全管理平台从所述智慧燃气数据中心获取燃气管线中的至少一个第一故障风险以及下游用户特征;所述至少一个第一故障风险基于所述燃气管线的燃气管道数据、燃气传输数据和历史故障数据确定,包括:基于所述燃气传输数据,确定异常点分布信息;基于所述燃气管道数据、所述历史故障数据以及所述异常点分布信息,确定所述至少一个第一故障风险;所述至少一个第一故障风险包括各个异常点存在故障的风险;
所述智慧燃气安全管理平台基于所述至少一个第一故障风险,生成若干个燃气候选处理方案;所述燃气候选处理方案至少包括燃气维修子方案,所述燃气维修子方案包括断气维修子方案和减压加固维修子方案;
所述智慧燃气安全管理平台基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定至少一个第二故障风险,包括:基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定所述燃气候选处理方案对应的供气压力变化分布;基于所述供气压力变化分布,确定所述至少一个第二故障风险;
基于所述至少一个第一故障风险以及所述燃气候选处理方案,确定所述燃气候选处理方案对应的供气压力变化分布,包括:构建第一供气压力特征图;所述第一供气压力特征图包括第一节点和第一边,所述第一节点包括管线管道的连接处,所述第一边包括管线管道;基于所述第一供气压力特征图,通过供气压力变化预测模型,确定所述供气压力变化分布;所述供气压力变化预测模型为机器学习模型;
所述第二故障风险用于评估基于所述燃气候选处理方案处理后,所述燃气管线的潜在故障风险;
所述智慧燃气安全管理平台基于所述至少一个第一故障风险、所述下游用户特征以及所述至少一个第二故障风险,确定燃气目标处理方案;所述燃气目标处理方案包括所述燃气维修子方案。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884638.5A CN116611820B (zh) | 2023-07-19 | 2023-07-19 | 基于智慧燃气物联网的管线故障评估方法与系统 |
US18/454,779 US20230392757A1 (en) | 2023-07-19 | 2023-08-23 | Methods and systems for assessing pipeline failures based on smart gas internet of things |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884638.5A CN116611820B (zh) | 2023-07-19 | 2023-07-19 | 基于智慧燃气物联网的管线故障评估方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116611820A CN116611820A (zh) | 2023-08-18 |
CN116611820B true CN116611820B (zh) | 2023-09-22 |
Family
ID=87683896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310884638.5A Active CN116611820B (zh) | 2023-07-19 | 2023-07-19 | 基于智慧燃气物联网的管线故障评估方法与系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230392757A1 (zh) |
CN (1) | CN116611820B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350680B (zh) * | 2023-11-28 | 2024-02-13 | 成都秦川物联网科技股份有限公司 | 基于用户活跃度的智慧燃气安全管理方法和物联网系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3557438A2 (fr) * | 2018-04-19 | 2019-10-23 | Soletanche Freyssinet | Plateforme informatique pour l'agregation et la visualisation de donnees numeriques |
CN111612301A (zh) * | 2020-04-17 | 2020-09-01 | 北京市燃气集团有限责任公司 | 基于权重自调节的燃气埋地管道泄漏风险评估方法及装置 |
CN114429042A (zh) * | 2022-01-14 | 2022-05-03 | 国家石油天然气管网集团有限公司 | 管道安全系数及修正因子确定方法、局部腐蚀评价方法 |
CN115356978A (zh) * | 2022-10-20 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 实现户内安全的智慧燃气终端联动处置方法和物联网系统 |
CN115358432A (zh) * | 2022-10-14 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的燃气表计量故障确定方法和物联网系统 |
WO2022251888A1 (en) * | 2021-05-25 | 2022-12-01 | Minerp South Africa (Pty) Limited | System and method for creating, ranking, integrating and implementing plans in a mining and production process |
CN115496625A (zh) * | 2022-10-08 | 2022-12-20 | 成都秦川物联网科技股份有限公司 | 一种用于智慧燃气的管网安全联动处置方法和物联网系统 |
CN115545231A (zh) * | 2022-10-11 | 2022-12-30 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道安全监测方法、物联网系统、装置及介质 |
CN115587640A (zh) * | 2022-11-24 | 2023-01-10 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道清管安全管理方法、物联网系统及介质 |
CN115631066A (zh) * | 2022-12-22 | 2023-01-20 | 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 |
CN115879913A (zh) * | 2023-02-13 | 2023-03-31 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113780237A (zh) * | 2021-09-27 | 2021-12-10 | 深圳供电局有限公司 | 一种地下管线的防外力破坏预警方法、装置及系统 |
US20230204166A1 (en) * | 2021-12-29 | 2023-06-29 | Petróleo Brasileiro S.A. - Petrobras | Observation system, location and identification of damage in pipelines |
CN115577744A (zh) * | 2022-09-05 | 2023-01-06 | 辽宁石油化工大学 | 一种油气管道泄漏火灾风险的智能预测方法 |
CN115965822A (zh) * | 2023-02-09 | 2023-04-14 | 沈阳工业大学 | 一种风险等级的分类方法及模型训练方法 |
-
2023
- 2023-07-19 CN CN202310884638.5A patent/CN116611820B/zh active Active
- 2023-08-23 US US18/454,779 patent/US20230392757A1/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3557438A2 (fr) * | 2018-04-19 | 2019-10-23 | Soletanche Freyssinet | Plateforme informatique pour l'agregation et la visualisation de donnees numeriques |
CN111612301A (zh) * | 2020-04-17 | 2020-09-01 | 北京市燃气集团有限责任公司 | 基于权重自调节的燃气埋地管道泄漏风险评估方法及装置 |
WO2022251888A1 (en) * | 2021-05-25 | 2022-12-01 | Minerp South Africa (Pty) Limited | System and method for creating, ranking, integrating and implementing plans in a mining and production process |
CN114429042A (zh) * | 2022-01-14 | 2022-05-03 | 国家石油天然气管网集团有限公司 | 管道安全系数及修正因子确定方法、局部腐蚀评价方法 |
CN115496625A (zh) * | 2022-10-08 | 2022-12-20 | 成都秦川物联网科技股份有限公司 | 一种用于智慧燃气的管网安全联动处置方法和物联网系统 |
CN115545231A (zh) * | 2022-10-11 | 2022-12-30 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道安全监测方法、物联网系统、装置及介质 |
CN115358432A (zh) * | 2022-10-14 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的燃气表计量故障确定方法和物联网系统 |
CN115356978A (zh) * | 2022-10-20 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 实现户内安全的智慧燃气终端联动处置方法和物联网系统 |
CN115587640A (zh) * | 2022-11-24 | 2023-01-10 | 成都秦川物联网科技股份有限公司 | 智慧燃气管道清管安全管理方法、物联网系统及介质 |
CN115631066A (zh) * | 2022-12-22 | 2023-01-20 | 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 |
CN115879913A (zh) * | 2023-02-13 | 2023-03-31 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 |
Non-Patent Citations (1)
Title |
---|
基于复杂网络的燃气管线破裂灾害链风险分析;刘海云;中国安全生产科学技术;第16卷(第09期);37-42 * |
Also Published As
Publication number | Publication date |
---|---|
US20230392757A1 (en) | 2023-12-07 |
CN116611820A (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115879913B (zh) | 一种智慧燃气管网维修物资预测方法和物联网系统、介质 | |
CN116611820B (zh) | 基于智慧燃气物联网的管线故障评估方法与系统 | |
Hu et al. | Opportunistic predictive maintenance for complex multi-component systems based on DBN-HAZOP model | |
CN115330278B (zh) | 基于燃气安全的维修调度管理方法和智慧燃气物联网系统 | |
US20140142766A1 (en) | Methods and systems to improve power plant performance by corrective set points | |
CN115796847B (zh) | 一种智慧燃气维修人员管理方法和物联网系统、介质 | |
CN115936722B (zh) | 智慧燃气呼叫中心的数据管理方法与物联网系统、介质 | |
CN115775088B (zh) | 一种智慧燃气巡检计划确定方法与物联网系统 | |
Lin et al. | A Bayesian approach to fault identification in the presence of multi-component degradation | |
CN116258347A (zh) | 基于智慧燃气呼叫中心的燃气资源调度方法和物联网系统 | |
CN116703651B (zh) | 一种智慧燃气数据中心运行管理方法、物联网系统和介质 | |
JP6568776B2 (ja) | 水運用計画立案装置 | |
CN114580922A (zh) | 一种燃气管网调控方案生成、分发和状态评估系统 | |
CN117480462A (zh) | 用于监管工业设备的运行和维护的系统 | |
CN117495356B (zh) | 基于人机联动的智慧燃气管道维修方法和物联网系统 | |
CN117455196B (zh) | 基于智慧燃气平台的燃气门站监控方法和物联网系统 | |
CN117291352B (zh) | 基于智慧燃气物联网的管网维修调控方法、系统及介质 | |
Pasaribu et al. | An ARCH model the electric power of extra high voltage (EHV) transmission substation forecasting in Cawang, Jakarta, Indonesia | |
EP4105750A2 (en) | Artificial intelligence alarm management | |
Dong et al. | Selection of optimum maintenance strategy for power plant equipment based on evidential reasoning and FMEA | |
CN117114369B (zh) | 智慧燃气应急供气处置方法、物联网系统、装置及介质 | |
CN117196220A (zh) | 一种智慧燃气应急方案评估方法、物联网系统与存储介质 | |
CN117592770B (zh) | 一种智慧燃气工商户流量计调控方法、物联网系统和介质 | |
CN112947611B (zh) | 一种基于压力监测的调度方法及系统 | |
Tian et al. | Optimal operation of water distribution networks under local pipe failures |
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 |