CN116739314A - 基于智慧燃气的工业燃气需求调控方法和物联网系统 - Google Patents

基于智慧燃气的工业燃气需求调控方法和物联网系统 Download PDF

Info

Publication number
CN116739314A
CN116739314A CN202311015895.1A CN202311015895A CN116739314A CN 116739314 A CN116739314 A CN 116739314A CN 202311015895 A CN202311015895 A CN 202311015895A CN 116739314 A CN116739314 A CN 116739314A
Authority
CN
China
Prior art keywords
gas
usage
user
industrial
data
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
Application number
CN202311015895.1A
Other languages
English (en)
Other versions
CN116739314B (zh
Inventor
邵泽华
权亚强
魏小军
王峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Qinchuan IoT Technology Co Ltd
Original Assignee
Chengdu Qinchuan IoT Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Qinchuan IoT Technology Co Ltd filed Critical Chengdu Qinchuan IoT Technology Co Ltd
Priority to CN202311015895.1A priority Critical patent/CN116739314B/zh
Publication of CN116739314A publication Critical patent/CN116739314A/zh
Priority to US18/484,425 priority patent/US20240046283A1/en
Application granted granted Critical
Publication of CN116739314B publication Critical patent/CN116739314B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于智慧燃气的工业燃气需求调控方法和物联网系统。该方法基于智慧燃气的工业燃气需求调控物联网系统的智慧燃气管理平台执行。该系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台和智慧燃气对象平台。该方法包括：获取燃气数据和工业用户的用户特征；基于燃气数据、用户特征和外部特征，确定预估用量分布；获取工业用户的反馈数据；基于反馈数据和预估用量分布，确定更新用量分布；进而确定燃气调控方案，其中燃气调控方案包括至少一个工业用户所在区域之间的燃气输送量和/或燃气储气量。该方法有利于燃气调峰调压的合理安排，减少后续燃气投诉事件的发生。

Description

基于智慧燃气的工业燃气需求调控方法和物联网系统
技术领域
本发明涉及燃气需求调控领域，特别涉及一种基于智慧燃气的工业燃气需求调控方法和物联网系统。
背景技术
目前，随着燃气使用的不断推广和普及，燃气数据中心往往会接到大量关于燃气需求（用气量）的数据。其中，部分燃气需求数据可以直接确定其可靠性，而有些燃气需求数据，由于用户类型的不同，往往不能直观地获取可靠的燃气真实需求数据。能否对燃气需求数据进行及时分析，很大程度上影响着燃气调峰调压安排，与后续燃气投诉事件的发生概率。
因此，需要提供一种基于智慧燃气的工业燃气需求调控方法和物联网系统，判断燃气需求真实度，进而准确预估未来不同时间段对应的燃气用气量信息，以实现提高工业燃气需求调控效率，以及及时充分地满足用户需求，提高用户满意度。
发明内容
发明内容包括一种基于智慧燃气的工业燃气需求调控方法。所述方法基于智慧燃气的工业燃气需求调控物联网系统的智慧燃气管理平台执行，所述方法包括：
获取燃气数据和至少一个工业用户的用户特征，所述燃气数据包括燃气运营数据和所述至少一个工业用户的燃气需求数据；基于所述燃气数据、所述用户特征和外部特征，确定预估用量分布；将所述预估用量分布发送至智慧燃气用户平台，获取所述至少一个工业用户的反馈数据；基于所述反馈数据和所述预估用量分布，确定更新用量分布；基于所述更新用量分布，确定燃气调控方案，所述燃气调控方案包括所述至少一个工业用户所在区域之间的燃气输送量和/或燃气储气量。
发明内容包括一种基于智慧燃气的工业燃气需求调控物联网系统，所述系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台和智慧燃气对象平台；所述智慧燃气管理平台包括燃气业务管理分平台、非燃气业务管理分平台和智慧燃气数据中心；所述智慧燃气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对象平台进行交互；所述智慧燃气对象平台用于获取燃气数据；所述智慧燃气管理平台用于：获取所述燃气数据和至少一个工业用户的用户特征，所述燃气数据包括燃气运营数据和所述至少一个工业用户的燃气需求数据；基于所述燃气数据、所述用户特征和外部特征，确定预估用量分布；将所述预估用量分布通过所述智慧燃气服务平台发送至所述智慧燃气用户平台，获取所述至少一个工业用户的反馈数据；基于所述反馈数据和所述预估用量分布，确定更新用量分布；基于所述更新用量分布，确定燃气调控方案，所述燃气调控方案包括所述至少一个工业用户所在区域之间的燃气输送量和/或燃气储气量。
有益效果：通过获取燃气数据，确定工业用户的预估用量分布情况，再结合用户的反馈数据，及时对预估用量分布进行合理调整，确定更新用量情况，进而确定出准确的燃气调控方案，有利于燃气调峰调压的合理安排，减少后续燃气投诉事件的发生。
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的工业燃气需求调控物联网系统的平台结构图；
图2是根据本说明书一些实施例所示的基于智慧燃气的工业燃气需求调控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真实度预测模型的示例性示意图；
图4是根据本说明书一些实施例所示的确定用量趋势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。
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的工业燃气需求调控物联网系统的平台结构图。
在一些实施例中，基于智慧燃气的工业燃气需求调控物联网系统可以包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台和智慧燃气对象平台。
智慧燃气用户平台是用于与用户进行交互的平台。智慧燃气用户平台可以被配置为终端设备。
智慧燃气服务平台可以是用于接收和传输数据和/或信息的平台。例如，智慧燃气服务平台可以将用户的反馈数据传输至智慧燃气管理平台。
在一些实施例中，智慧燃气服务平台可以从智慧燃气管理平台（例如，智慧燃气数据中心）获取预估用量分布、工业燃气调控方案等，并发送至智慧燃气用户平台。
智慧燃气管理平台可以是统筹、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，智慧燃气管理平台可以包括燃气业务管理分平台、非燃气业务管理分平台和智慧燃气数据中心。
燃气业务管理分平台可以用于管理燃气业务，燃气业务管理分平台可以包括但不限于燃气安全管理、燃气设备管理和燃气运营管理。燃气业务管理分平台可以通过前述各管理对燃气业务相关信息进行分析处理。
非燃气业务管理分平台可以用于管理非燃气业务。非燃气业务管理分平台可以包括但不限于产品业务管理、数据业务管理和渠道业务管理。非燃气业务管理分平台可以对非燃气业务相关信息进行分析处理。
智慧燃气数据中心可以用于存储和管理基于智慧燃气的工业燃气需求调控物联网系统的所有运行信息。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，用于存储与燃气运行相关的数据等。例如，燃气输送量和燃气储气量等。
在一些实施例中，智慧燃气数据中心可以包括但不限于服务信息数据库、管理信息数据库和传感信息数据库。在一些实施例中，服务信息数据库可以包括燃气用户服务数据、政府用户服务数据、监管用户服务数据和非燃气用户服务数据；管理信息数据库可以包括燃气设备管理数据、燃气安全管理数据、燃气运营管理数据和非燃气业务管理数据；传感信息数据库可以包括燃气设备传感数据、燃气安全传感数据、燃气运营传感数据和非燃气业务传感数据。
在一些实施例中，智慧燃气数据中心可以与燃气业务管理分平台和非燃气业务管理分平台进行信息交互。
在一些实施例中，智慧燃气管理平台可以通过智慧燃气数据中心分别与智慧燃气服务平台、智慧燃气传感网络平台进行信息交互。例如，智慧燃气数据中心可以将工业燃气调控方案发送至智慧燃气服务平台。又例如，智慧燃气数据中心可以发送燃气数据检测指令至智慧燃气传感网络平台，并得到由智慧燃气传感网络平台传递的燃气的历史使用数据。
智慧燃气传感网络平台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用于与智慧燃气数据中心和智慧燃气对象平台进行交互，并传递燃气的历史使用数据。
智慧燃气对象平台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，智慧燃气对象平台用于获取燃气数据。智慧燃气对象平台可以将燃气数据通过智慧燃气传感网络平台发送至智慧燃气管理平台的智慧燃气数据中心。
关于上述的更多相关内容，具体可参见下述图2至图4的相关描述。
基于智慧燃气的工业燃气需求调控物联网系统，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，实现工业燃气需求管理信息化、智慧化。
图2是根据本说明书一些实施例所示的基于智慧燃气的工业燃气需求调控方法的示例性流程图。在一些实施例中，流程200可以由智慧燃气管理平台执行。
如图2所示，流程200包括下述步骤。
步骤210，获取燃气数据和至少一个工业用户的用户特征。
燃气数据是指与燃气相关的数据信息。在一些实施例中，燃气数据可以包括燃气运营数据和至少一个工业用户的燃气需求数据。其中，燃气运营数据包括燃气制备、燃气传输、燃气使用过程中产生的监测数据，燃气需求数据包括工业用户产生的使用计划需求。
使用计划需求是指用户预估的需要使用燃气的计划。在一些实施例中，使用计划需求可以包括申请预估用量。其中，申请预估用量是指工业用户根据预估所申请的燃气需求量。
在一些实施例中，智慧燃气管理平台可以通过智慧燃气数据中心获取燃气数据。智慧燃气用户平台可以将工业用户输入的燃气需求数据传输至智慧燃气服务平台，再由智慧燃气服务平台传输至智慧燃气数据中心。
用户特征是指与用户相关的数据信息。用户特征可以包括用户类型、用户规模、用户的用气终端等特征。用户规模是指用气终端的规模，例如，用户的用气终端的数量；用户的用气终端是指用户所用燃气的去处，例如，锅炉、焊接、冶炼等。
在一些实施例中，智慧燃气管理平台通过智慧燃气数据中心获取用户特征。智慧燃气用户平台可以将工业用户输入的用户特征传输至智慧燃气服务平台，再由智慧燃气服务平台传输至智慧燃气数据中心。
步骤220，基于燃气数据、用户特征和外部特征，确定预估用量分布。
外部特征是指与燃气使用相关的外部环境因素的数据信息。外部特征可以包括气候、日期特征等。
在一些实施例中，智慧燃气管理平台可以基于第三方平台获取外部特征。第三方平台是指能够提供大数据的外部平台，例如，气象平台、交通中心等。
预估用量分布是指多个工业用户的预估用量的分布情况。预估用量分布可以由向量、图表，或其他形式表示。
预估用量是指预估工业用户的实际燃气用量。关于如何确定预估用量的更多内容可以参见下文相关描述。
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预估用量分布。例如，智慧燃气管理平台可以基于包括燃气数据、用户特征、外部特征和预估用量的对应关系的预设关系表，对于至少一个工业用户中的任意一个工业用户，基于燃气数据、用户特征和外部特征通过查表确定工业用户的预估用量，再基于预估用量确定预估用量分布。关于基于预估用量确定预估用量分布的更多内容可以参见下文相关描述。
在一些实施例中，对于至少一个工业用户中的任意一个工业用户，智慧燃气管理平台可以基于工业用户的用户特征、历史使用数据、使用计划需求和外部特征，确定工业用户的需求真实度；基于使用计划需求和需求真实度，确定工业用户的预估用量；基于至少一个工业用户对应的预估用量，确定预估用量分布。
需求真实度是指工业用户的燃气需求的真实程度。
需求真实度可以用于判断工业用户的需求是否真实。比如，需求真实度较低时，可能存在工业用户虚报数值、或是工业用户对未来时间段的燃气用量存在错误预估的情况。
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需求真实度。例如，智慧燃气管理平台可以通过历史需求数据与历史使用数据的相似度，确定需求真实度。相似度越大，需求真实度越高。
在一些实施例中，智慧燃气管理平台可以基于至少一个工业用户的用户特征、至少一个历史使用数据和至少一个使用计划需求，确定至少一个用量趋势分布；基于至少一个用量趋势分布，确定至少一个工业用户的需求真实度。
历史使用数据是指历史时间工业用户的真实燃气使用的相关数据，例如，历史燃气用量等。
用量趋势是指工业用户的燃气用量的变化趋势。用量趋势可以由数值表示。预设时间内工业用户的燃气用量的增长趋势（即，用量趋势的增幅）可以由正值表示，下降趋势（即，用量趋势的减幅）可以由负值表示。
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用量趋势。例如，智慧燃气管理平台可以基于燃气用量的变化量，通过预设计算规则确定用量趋势。其中，预设计算规则可以指预设公式、预设关系表等多种方式。
用量趋势分布是指至少一个工业用户的用量趋势的分布情况。在一些实施例中，至少一个用量趋势分布可以包括同类型工业用户的用量趋势分布以及上下游工业用户的用量趋势分布。关于同类型工业用户和上下游工业用户的更多内容可以参见图4及其相关描述。
在一些实施例中，智慧燃气管理平台可以通过多种方法确定至少一个用量趋势分布。例如，智慧燃气管理平台可以通过工业用户的用户特征判别各工业用户的同类型工业用户和上下游工业用户；通过历史使用数据和使用计划需求确定单个工业用户的燃气用量的变化量，进而确定单个工业用户的用量趋势；基于各工业用户的用量趋势构建预估用量趋势向量，将其确定为用量趋势分布。
在一些实施例中，智慧燃气管理平台可以构建用户关联图谱，进而确定工业用户链，最终确定用量趋势分布，更多内容可以参见图4及其相关描述。
在一些实施例中，智慧燃气管理平台可以基于至少一个用量趋势分布，确定至少一个工业用户的需求真实度。例如，智慧燃气管理平台可以计算工业用户A的同类型工业用户B的用量趋势，和工业用户A的上下游工业用户C的用量趋势；根据工业用户A本次使用计划需求与历史燃气用量，计算出工业用户A的燃气用量的变化量，进而确定工业用户A的用量趋势；计算工业用户A的用量趋势与工业用户B、C的用量趋势的趋势符合程度，对工业用户A的需求真实度进行增幅或减幅。其中，趋势符合程度可以通过以下公式（1）计算所得：
（1）
其中， 、/> 、/> 、/>分别代表趋势符合程度、工业用户A、B、C的用量趋势，k1、k2分别为工业用户B、C的用量趋势的权重，可以由本领域技术人员根据经验设置或由系统默认设置。
在一些实施例中，趋势符合程度可以与需求真实度的增量成正比，趋势符合程度小于第一预设阈值，则对应趋势符合程度越小，需求真实度的增量越大；趋势符合程度大于或等于第一预设阈值，则对应趋势符合程度越大，需求真实度的减量越大。第一预设阈值可以根据经验设置或由系统默认设置。
结合用户特征、历史使用数据和使用计划需求，可以准确确定工业用户的用量趋势分布；根据用量趋势分布，若某一工业用户的燃气用量陡增，需求真实度可能较低，若该时间段内多个工业用户都倾向于燃气用量增加的趋势，则该工业用户的需求真实度也会相应的增加，进而使得确定的工业用户的需求真实度更为准确合理。
在一些实施例中，智慧燃气管理平台可以基于用户特征、历史使用数据、使用计划需求和外部特征，通过真实度预测模型预测需求真实度。关于此部分的更多内容可以参见图3及其相关描述。
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任意一个工业用户的预估用量。例如，智慧燃气管理平台可以基于使用计划需求和需求真实度通过向量匹配的方式确定该工业用户的预估用量。
在一些实施例中，智慧燃气管理平台可以基于工业用户的使用计划需求和需求真实度，根据预设规则，确定工业用户的预估用量。
预设规则是指用于确定预估用量的规则。在一些实施例中，预设规则可以指需求真实度大于或等于第二预设阈值时，使用计划需求中的申请预估用量为预估用量；需求真实度小于第二预设阈值时，基于历史使用数据中的历史燃气用量确定预估用量。第二预设阈值可以根据经验设置或由系统默认设置。
在一些实施例中，当需求真实度小于第二预设阈值，判定使用计划需求与真实情况存在差距（例如，由于误触导致工业用户发送的申请预估用量超过该工业用户燃气用量的正常范围等），则基于历史燃气用量，通过多种方式确定预估用量。例如，通过长短期记忆网络（Long Short-Term Memory，LSTM）确定预估用量。
设置预设规则，通过需求真实度大小判别使用计划需求的真假情况，进一步准确确定工业用户的预估用量，有利于获取可靠的燃气真实需求数据。
在一些实施例中，智慧燃气管理平台可以基于至少一个工业用户对应的预估用量，通过多种方法确定预估用量分布。例如，基于各工业用户的预估用量构建预估用量向量，将其确定为预估用量分布。
通过需求真实度，确定工业用户的预估用量，避免出现不合理的燃气计划需求用量，有利于提高预估用量分布的准确性与真实性。
步骤230，将预估用量分布发送至智慧燃气用户平台，获取至少一个工业用户的反馈数据。
反馈数据是指工业用户对所下放的燃气量的反馈信息。例如，反馈数据可以包括工业用户表示供气量合适、供气量偏少（少多少）、供气量偏多（多多少）等。
在一些实施例中，智慧燃气管理平台可以通过智慧燃气数据中心直接获取反馈数据。智慧燃气用户平台可以将工业用户输入的反馈数据传输至智慧燃气服务平台，智慧燃气服务平台传输至智慧燃气数据中心。
步骤240，基于反馈数据和预估用量分布，确定更新用量分布。
更新用量分布是指工业用户的更新用量的分布情况。其中，更新用量是指需要对预估燃气用量进行增减的变化量。
在一些实施例中，智慧燃气管理平台可以通过多种方法基于反馈数据和预估用量分布，确定更新用量分布。例如，智慧燃气管理平台可以基于反馈数据，修改预估用量分布，基于修改后的预估用量分布，确定更新用量分布。又例如，智慧燃气管理平台可以计算反馈数据中对应数据与预估用量分布中对应数据的差异值，若差异值小于第三预设阈值，则判断该反馈数据合理，进而基于该反馈数据，修改预估用量分布中该反馈数据对应的工业用户的数据。若差异值大于或等于第三预设阈值，则判断该反馈数据不合理，进而不修改预估用量分布中该反馈数据对应的工业用户的数据，最终，基于最新的预估用量分布，确定更新用量分布。第三预设阈值可以根据经验设置或由系统默认设置。
步骤250，基于更新用量分布，确定燃气调控方案。
燃气调控方案是指对不同区域之间的燃气进行调取的方案。在一些实施例中，燃气调控方案可以包括至少一个工业用户所在区域之间的燃气输送量和/或燃气储气量。其中，燃气输送量是指区域之间输送的燃气量；燃气储气量是指是指各区域储存的燃气量。
在一些实施例中，智慧燃气管理平台可以基于更新用量分布，通过多种方法确定燃气调控方案。例如，智慧燃气管理平台可以通过向量匹配、模型识别等方式确定燃气调控方案。
通过获取燃气数据，确定工业用户的预估用量分布情况，再结合用户的反馈数据，及时对预估用量分布进行合理调整，确定更新用量情况，进而确定出准确的燃气调控方案，有利于燃气调峰调压的合理安排，减少后续燃气投诉事件的发生。
在一些实施例中，智慧燃气管理平台可以基于更新用量分布，确定燃气需求等级；基于燃气需求等级，生成至少一个候选燃气调控方案；评估至少一个候选燃气调控方案的调控有效度；基于调控有效度，确定燃气调控方案。
燃气需求等级是指根据燃气需求量，对工业用户所在区域进行划分的所属区域等级。燃气需求等级可以包括燃气高需求区域、燃气中需求区域、燃气低需求区域等。
在一些实施例中，智慧燃气管理平台可以基于更新用量分布，通过多种方法确定燃气需求等级。例如，智慧燃气管理平台可以通过向量匹配、模型识别等方式确定燃气需求等级。
在一些实施例中，智慧燃气管理平台可以基于更新用量分布，确定燃气需求分布；基于燃气需求分布，确定燃气需求等级。
燃气需求分布是指工业用户所在区域的燃气需求的分布情况。
燃气需求是指工业用户更新用量后的预估需求燃气用量。
在一些实施例中，智慧燃气管理平台可以基于预设调控表格和工业用户所在区域，确定不同的工业用户所属的调控区域。其中，调控区域是指需要进行燃气调控的区域。
在一些实施例中，智慧燃气管理平台可以基于更新用量分布，确定各工业用户的燃气需求，将同一调控区域中的多个工业用户的燃气需求进行加和，统计出每个调控区域的总燃气需求。智慧燃气管理平台可以基于各个调控区域对应的各个总燃气需求，通过多种方式确定燃气需求分布，例如，构建燃气需求向量确定为燃气需求分布等。
在一些实施例中，智慧燃气管理平台可以基于燃气需求分布（各个调控区域对应的各个总燃气需求），通过预设等级表格确定燃气需求等级。
预设等级表格中包括不同的总燃气需求的范围（递增的总燃气需求范围）以及与其对应的调控区域的燃气需求等级。预设等级表格可以基于历史经验构建。
通过更新用量分布，确定工业用户所在区域的燃气需求分布；根据燃气需求分布，进而准确划分燃气需求等级，有利于后续燃气调控方案的合理确定。
候选燃气调控方案是指用于确定燃气调控方案的候选方案。
在一些实施例中，智慧燃气管理平台可以基于燃气需求等级，通过多种方式生成至少一个候选燃气调控方案。例如，智慧燃气管理平台可以通过预设方案表格确定每个调控区域对应的至少一个子候选燃气调控方案，基于子候选燃气调控方案，随机组合生成至少一个候选燃气调控方案。
在一些实施例中，子候选燃气调控方案可以包括调控燃气的管线和调控燃气量等信息。预设方案表格包括不同的调控区域分别对应的燃气需求等级以及至少一种子候选燃气调控方案。预设方案表格可以基于历史经验构建。
调控有效度是指燃气调控方案可解决燃气用量问题的有效程度。
在一些实施例中，智慧燃气管理平台可以通过多种方法评估至少一个候选燃气调控方案的调控有效度。例如，通过向量匹配确定候选燃气调控方案对应的调控有效度。
在一些实施例中，智慧燃气管理平台可以基于预设策略，评估至少一个候选燃气调控方案的调控有效度。
预设策略是指确定调控有效度的规则。在一些实施例中，预设策略相关于总调度量和当前管线供应量的关系、管线压力变化情况和调度效率。
总调度量是指当前管线需要调度的燃气总量。在一些实施例中，智慧燃气管理平台可以根据候选燃气调控方案，确定各个调控区域的调控燃气的管线和调控燃气量。其中，调控燃气的管线可以包括供应调度燃气的管线和接收调度燃气的管线。在一些实施例中，供应调度燃气的管线其总调度量为负值，接收调度燃气的管线其总调度量为正值。
在一些实施例中，智慧燃气管理平台可以基于候选燃气调控方案确定调控燃气的管线，计算其总调度量。
当前管线供应量是指当前管线可供应燃气的最大量。
在一些实施例中，智慧燃气管理平台可以基于总调度量和当前管线供应量的关系，确定第一调控有效度分量；基于管线压力变化情况，确定第二调控有效度分量；基于调度效率，确定第三调控有效度分量。其中，第一、二、三调控有效度分量均为用于确定调控有效度的分量。
在一些实施例中，总调度量和当前管线供应量的关系可以通过求和结果确定。求和结果大于等于0时，确定第一调控有效度分量为1，求和结果小于0时，确定第一调控有效度分量为0。
管线压力变化情况是指基于候选燃气调控方案调控前后的管线压力变化。例如，管线压力变化情况可以为燃气调度前的管道压强，与燃气调度后的管道压强的差值。燃气调度后的管道压强可以由物理原理计算所得。
智慧燃气管理平台可以基于管线压力变化情况，通过公式（2）确定第二调控有效度分量：
（2）
其中，、/>、/>、/>分别代表第二调控有效度分量、燃气调度前的管道压强、燃气调度后的管道压强、管线可承受的最大压强变化。
调度效率是指不同调度管线数量的候选燃气调控方案的效率。在一些实施例中，智慧燃气管理平台可以基于子候选燃气调控方案，确定实际调度管线数量，通过公式（3）确定该子候选燃气调控方案的调度效率；计算所有子候选燃气调控方案的调度效率的均值作为该候选燃气调控方案的调度效率。公式（3）如下：
（3）
其中，、/>、/>、/>分别代表子候选燃气调控方案的调度效率、标准调度效率、实际调度管线数量、标准调度管线数量，标准调度效率和标准调度管线数量可以由本领域技术人员根据经验设置或由系统默认设置。
在一些实施例中，智慧燃气管理平台可以将候选燃气调控方案的调度效率和标准调度效率的比值，确定为第三调控有效度分量。
在一些实施例中，对第一调控有效度分量、第二调控有效度分量和第三调控有效度分量进行加权求和，确定单根管线的调控有效度。智慧燃气管理平台对候选燃气调控方案中的所有管线的调度有效度进行加和，确定为该候选燃气调控方案的调控有效度。
在一些实施例中，第一、第二、第三调控有效度分量的权重相关于用量趋势分布和需求真实度。
在一些实施例中，第一调控有效度分量、第二调控有效度分量和第三调控有效度分量的权重分别通过以下公式（4）、（5）、（6）确定：
（4）
（5）
（6）
其中，、/>、/>分别为第一、二、三调控有效度分量的权重，/>、/>为数量级调控参数，用于将/>、/>修正为0-1的数值。/>、/>分别代表用量趋势的增幅和工业用户的更新用量。用量趋势的增幅和工业用户的更新用量与需求真实度成反比。
通过用量趋势分布和需求真实度确定调控有效度分量的权重，使得单根管线的调控有效度的确定更为准确。
基于预设策略，考虑总调度量和当前管线供应量的关系、管线压力变化情况和调度效率，用于评估候选燃气调控方案的调控有效度，提高了调控有效度的可靠性，有利于确保最终燃气调控方案的准确选取。
在一些实施例中，智慧燃气管理平台可以基于调控有效度，通过多种方式确定燃气调控方案，例如，选择调控有效度最高的候选燃气调控方案作为燃气调控方案。
根据各区域的燃气需求等级生成候选燃气调控方案，评估调控有效度，进而可以实现选取最高效最合理的燃气调控方案。
图3是根据本说明书一些实施例所示的真实度预测模型的示例性示意图。
在一些实施例中，如图3所示，智慧燃气管理平台可以基于工业用户的用户特征311、历史使用数据312、使用计划需求313和外部特征314，通过真实度预测模型320预测工业用户的需求真实度330。
真实度预测模型是指用于确定工业用户的需求真实度的模型。真实度预测模型可以为机器学习模型。例如，神经网络（Neural Networks，NN）等。
在一些实施例中，真实度预测模型320的输入可以包括用户特征311、历史使用数据312、使用计划需求313和外部特征314，输出可以为工业用户的需求真实度330。
在一些实施例中，真实度预测模型的第一训练样本可以包括历史数据中历史用户特征、历史使用数据、历史使用计划需求和历史外部特征，第一训练样本的标签可以为历史需求真实度，第一训练样本的标签可以基于（工业用户申请预估用量-实际燃气用量）/实际燃气用量的比值确定。
在一些实施例中，真实度预测模型320的输入还可以包括至少一条工业用户链对应的用量趋势分布和用户数量。
工业用户链是指工业用户所属的用户链。在一些实施例中，工业用户链由多个工业用户所构成。关于至少一条工业用户链对应的用量趋势分布和用户数量的更多内容可以参见图4及其相关描述。
在一些实施例中，当真实度预测模型的输入包括至少一条工业用户链对应的用量趋势分布和用户数量时，第一训练样本还可以包括样本工业用户链对应的用量趋势分布和用户数量。
工业用户链对应的用量趋势分布和用户数量作为模型的输入，充分考虑到大环境对燃气需求的影响，在出现突发事件时，结合大环境下的规律比仅根据用户燃气规律更能反映真实需求，使得工业用户的需求真实度更准确。
在本说明书的一些实施例中，结合用户特征、历史使用数据和外部特征，通过真实度预测模型，利用机器学习的强大能力，有效提高需求真实度的预测准确性。
在一些实施例中，真实度预测模型包括多个子真实度预测模型；智慧燃气管理平台可以基于用户特征、历史使用数据、使用计划需求和外部特征，通过子真实度预测模型预测工业用户的子需求真实度；基于多个子需求真实度，通过加权确定需求真实度。
子真实度预测模型是指用于确定工业用户的子需求真实度的模型。子真实度预测模型可以为机器学习模型。
在一些实施例中，子真实度预测模型的输入可以包括用户特征、历史使用数据、使用计划需求和外部特征，输出可以为工业用户的子需求真实度。
子需求真实度是指基于不同数据确定的多个工业用户的不同需求真实度。
在一些实施例中，基于第一训练样本构成的原始训练数据集可以确定多个抽样训练数据集。一个抽样训练数据集可以作为一个子真实度预测模型的第二训练样本和标签。
在一些实施例中，智慧燃气管理平台可以通过以下步骤基于原始训练数据集确定多个抽样训练数据集。
步骤一：从原始训练数据集中随机抽样预设数量范围的原始训练数据，构成待判定数据集。
待判定数据集是指等待判别能否作为抽样训练数据集的数据集。预设数量范围可以由本领域技术人员根据经验设置或由系统默认设置。
通过随机抽样构成待判定数据集，进而从中确定抽样训练数据集，可以一定程度上降低数据集的数据复杂度，有效防止真实度预测模型学习能力不足，无法学习到复杂度较高的原始训练数据集数据中的“一般规律”，而导致的泛化能力弱。
步骤二：计算待判定数据集的燃气用户分布。
在一些实施例中，对于待判定数据集中的每个训练数据（即第一训练样本），将样本燃气用户特征、样本燃气历史使用数据拼接为样本向量；基于每个训练数据对应的样本向量，进行聚类得到聚类结果；根据聚类结果，得到燃气用户分布。
其中，聚类算法为无需预先指定聚类个数的聚类算法，例如，具有噪声的基于密度的聚类算法等。聚类结果可以包括每个簇的聚类中心与每个簇中样本向量的数量。燃气用户分布是指各簇中样本向量的数量之比，例如，聚类结果为3簇，簇1、2、3中样本向量的数量分别为a、b、c，则燃气用户分布为a:b:c。
步骤三：根据待判定数据集的燃气用户分布，确定预设相似度阈值。
在一些实施例中，根据待判定数据集的燃气用户分布，通过预设关系确定预设相似度阈值。预设关系可以指各簇中样本向量的数量越均匀（即燃气用户分布的方差越小），预设相似度阈值越小。设置预设相似度阈值可以使得抽样出的训练数据集的数据分布更均匀，防止过拟合。
步骤四：计算原始训练数据集的燃气用户分布。
在一些实施例中，计算原始训练数据集的燃气用户分布，与步骤一中计算待判定数据集的燃气用户分布的方法相同。
步骤五：计算待判定数据集的燃气用户分布与原始训练数据集的燃气用户分布的差异，根据预设相似度阈值，判断待判断数据集是否为抽样训练数据集。
在一些实施例中，智慧燃气管理平台可以通过分别计算待判定数据集的燃气用户分布与原始训练数据集的燃气用户分布的均值、列表元素数、中位数、方差的差值，对差值进行求平均，将平均值作为待判定数据集的燃气用户分布与原始训练数据集的燃气用户分布的差异。
在一些实施例中，若待判定数据集的燃气用户分布与原始训练数据集的燃气用户分布的差异小于或等于预设相似度阈值，将该待判断数据集作为一个抽样训练数据集；若该待判定数据集的燃气用户分布与原始训练数据集的燃气用户分布的差异大于预设相似度阈值，防止抽样训练数据集和原始训练数据集的数据分布的差异过大，则丢弃该待判定数据集。
步骤六：重复执行步骤三至步骤五，确定预设数量的抽样训练数据集。
在一些实施例中，预设数量与子真实度预测模型的数量一致，将预设数量的多个抽样训练数据集，分别作为多个子真实度预测模型的第二训练样本和标签。预设数量可以根据实际需求进行设定。
在一些实施例中，智慧燃气管理平台可以基于多个子需求真实度，通过加权确定需求真实度，其中，子需求真实度的权重相关于子需求真实度与多个子需求真实度的平均值的距离以及需求波动。例如，子需求真实度的数量为3个，确定需求真实度的加权公式为下式（7），子需求真实度的权重基于下式（8）确定：
（7）
（8）
其中，、/>、/>分别为3个子真实度预测模型输出的3个子需求真实度，/>、/>、/>分别为3个子需求真实度的权重，/>为需求真实度，/>为由需求波动所确定的系数，需求波动越大，/>越大。/>为子需求真实度/>与多个子需求真实度的平均值/>的距离。/>、/>的计算方法与/>相同，在此不做赘述。
通过多个子真实度预测模型预测多个子需求真实度，有效防止单个真实度预测模型导致预测的需求真实度过拟合。通过加权计算，使得需求真实度的确定更为准确。权重相关于平均值的距离，可以使得偏离平均值的预测结果具有更小的权重。权重相关于燃气需求波动，使得燃气需求波动越大，权重大小受与平均值的距离影响的幅度越小，以上均使得总体需求真实度的预测更加准确。
图4是根据本说明书一些实施例所示的确定用量趋势分布的示例性示意图。
在一些实施例中，如图4所示，构建用户关联图谱410；基于用户关联图谱，确定至少一条工业用户链420；基于至少一条工业用户链，确定至少一个用量趋势分布430。
在一些实施例中，智慧燃气管理平台可以基于至少一个工业用户的用户特征、至少一个历史使用数据和至少一个使用计划需求，构建用户关联图谱。
工业用户的用户特征、历史使用数据和使用计划需求的相关内容具体可参见图2及其相关描述。
用户关联图谱是指可以表示工业用户关联关系的图谱。在一些实施例中，用户关联图谱410可以是由节点和边/路径组成的一种数据结构，可以包括多个节点以及连接多个节点的多条边/路径。
节点对应工业用户。例如，节点410-1对应某一工业用户。
在一些实施例中，用户关联图谱的节点特征可以包括用户特征、用量趋势。用量趋势可以基于历史使用数据和使用计划需求确定。
关于用户特征和用量趋势的更多内容具体可参见图2及其相关描述。
在一些实施例中，用量趋势的表达形式可以是百分数。例如，+20%表示增长20%，-10%表示降低10%。
边对应工业用户之间的关系。
在一些实施例中，用户关联图谱的边可以包含两种类型，一种为“同类型工业用户”边，指同类型的工业用户之间存在一条无向边，例如，“同类型工业用户”边410-4；一种为“上下游工业用户”边，指由上游工业用户指向下游工业用户的有向边，例如，“上下游工业用户“边410-3。
在一些实施例中，同类型工业用户是指相似度大于第四预设阈值的工业用户。相似度可以基于企业类型、经营方向、规模等确定，第四预设阈值可以根据经验设置或由系统默认。
在一些实施例中，工业用户的上游和下游可以根据该用户对应的经营类型中的上下游环节确定。例如，某工业用户的经营类型为餐饮，则上游可以是食品开发、生产或物流配送等，下游可以是成品加工商或供应商等。工业用户的经营类型可以根据常识进行判断，也可以从登记的企业信息中获取。例如，有向边410-3表示节点410-2所对应的工业用户为上游工业用户，节点410-1所对应的工业用户为下游工业用户。有向边410-3的箭头指向表示上游工业用户指向下游工业用户。
在一些实施例中，用户关联图谱的边特征包括燃气关联值。燃气关联值是指两个节点（两个工业用户）之间的用量趋势的相似度，可以表示两个节点之间的相关程度。
在一些实施例中，可以计算工业用户在历史使用时间段的用量趋势，根据用量趋势区间划分，统计各区间中的用量趋势数量，并表示为向量形式，作为该工业用户的用量趋势特征向量，计算两个工业用户的用量趋势特征向量的相似度作为燃气关联值。
在一些实施例中，历史使用时间段的长短可以根据实际的精度和处理器的性能决定。在一些实施例中，历史使用时间段可以选取至少一个时间段。
在一些实施例中，用量趋势区间划分可以根据至少一个工业用户的用量趋势进行预设划分。例如，在至少一个工业用户的用量趋势中，用量趋势最高为18%，最低为-14%，则用量趋势区间划分可以为（-15%，-10%]，（-10%,-5%]，（-5%，0%]，(0%,+5%]，(5%，10%]，（10%，15%]，（15%，20%]；若某工业用户在历史使用时间段内的用量趋势为+20%，+13%，-10%，+10%，-3%，14%，其中在区间（-15%，-10%]的用量趋势有1个，在区间（-10%,-5%]的用量趋势有0个，按照同样的处理方式，可以得到该工业用户的用量趋势在每个区间中的个数，则可得出该工业用户的用量趋势特征向量为（1，0，0，1，1，2，1）。
在一些实施例中，向量相似度的计算方法可以包括但不限于余弦相似度、欧几里得距离、曼哈顿距离等。
在一些实施例中，边可以预先设置，并进行周期性的更新。这是由于市场上的工业用户会发生变化，例如，工业用户的经营类型改变；又例如，某经营类型的上下游关系发生变化。在一些实施例中，更新周期可以提前预设。
在一些实施例中，工业用户的用户特征可以由智慧燃气数据中心获取，工业用户的历史使用数据可以由智慧燃气对象平台获取，工业用户的使用计划需求可以由智慧燃气用户平台获取。智慧燃气管理平台可以基于至少一个工业用户的用户特征、历史使用数据、使用计划需求按照上述的说明构建用户关联图谱。
在一些实施例中，在用户关联图谱中，有相关关系的工业用户通过边的连接，可以组成一条工业用户链。例如，某些工业用户，由于类型相同之间存在边，因此组成一条工业用户链。又例如，某些工业用户，由于都处在某条供应链上（上下游），之间存在有向边，因此组成一条工业用户链。
在一些实施例中，基于用户关联图谱确定的工业用户链可以不止一条。
在一些实施例中，确定某工业用户所在的至少一条工业用户链，可以基于用户关联图谱和燃气关联值，确定与该工业用户对应的节点有边关系的节点，记录满足条件的节点与边，从而确定至少一条工业用户链。满足条件可以指类型相同或存在上下游关系。
在一些实施例中，在确定了至少一条工业用户链之后，智慧燃气管理平台可以根据上述确定的工业用户链上的节点个数确定用户数量。智慧燃气管理平台可以根据工业用户链上的节点特征和边特征确定用量趋势，从而确定用量趋势分布。
在一些实施例中，获得工业用户所在的至少一条工业用户链后，可以根据燃气关联值计算每一个用户由上游传递过来的变化率，再根据多个变化率确定申请变化率。
变化率是指工业用户的历史燃气用量的变化情况。
在一些实施例中，若已知工业用户至少两次历史燃气用量，则该工业用户的变化率的计算方式可以为：变化率=（本次历史燃气用量-上次历史燃气用量）/上次历史燃气用量。
申请变化率是指经过计算后工业用户可能达到的最高变化率。
在一些实施例中，若工业用户的申请预估用量低于申请变化率所对应的燃气用量，则输送给用户的燃气用量为申请预估用量；否则，输送给用户的燃气用量为申请变化率所对应的燃气用量。
在一些实施例中，可以根据工业用户所处的工业用户链上其他工业用户的变化率来计算该工业用户的变化率。变化率的计算方式可以包括但不限于差值法和梯度传导法等。
在计算出该工业用户在至少一条工业用户链上的变化率之后，可以结合与上游工业用户的燃气关联值计算出该工业用户的申请变化率。申请变化率的计算方式可以为：申请变化率=sum{一条工业用户链的插值结果（变化率）燃气关联值}。
示例性的，使用差值法进行计算：假设工业用户链1上变化率依次为+2%，+4%，x，+8%，工业用户链2上变化率依次为+3%，+6%，x，+12%，其中x表示该节点所对应的工业用户的变化率为未知状态。通过插值法分别计算，在工业用户链1上x=+6%，在工业用户链2上x=+9%。同时，已知工业用户链1上+4%所对应的工业用户与x所对应的工业用户燃气关联值为0.3，工业用户链2上+6%所对应的工业用户与x所对应的工业用户燃气关联值为0.7，那么申请变化率，即用户在平常的水平下最高增长8.1%的用量。
在一些实施例中，确定了单个工业用户的申请变化率后，也就确定了单个工业用户的燃气用量的变化量，进而可以确定单个工业用户的用量趋势；基于各工业用户的用量趋势构建预估用量趋势向量，将其确定为用量趋势分布。
通过用户关联图谱的方式表示多个工业用户的数据，可以在体现出工业用户的特征数据本身的同时，更好地体现出工业用户之间的关系及其相互影响，可以更好地确定用量趋势分布，进而提高燃气调控的准确性。
本说明书一些实施例提供了一种基于智慧燃气的工业燃气需求调控装置，装置包括至少一个存储器和至少一个处理器，至少一个存储器用于存储计算机指令，至少一个处理器执行计算机指令或部分指令，以实现本说明书实施例中任一项所述的基于智慧燃气的工业燃气需求调控方法。
本说明书一些实施例提供了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，计算机执行上述实施例所述的基于智慧燃气的工业燃气需求调控方法。
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。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于智慧燃气的工业燃气需求调控方法，其特征在于，所述方法基于智慧燃气的工业燃气需求调控物联网系统的智慧燃气管理平台执行，所述方法包括：
获取燃气数据和至少一个工业用户的用户特征，所述燃气数据包括燃气运营数据和所述至少一个工业用户的燃气需求数据；
基于所述燃气数据、所述用户特征和外部特征，确定预估用量分布；
将所述预估用量分布发送至智慧燃气用户平台，获取所述至少一个工业用户的反馈数据；
基于所述反馈数据和所述预估用量分布，确定更新用量分布；
基于所述更新用量分布，确定燃气调控方案，所述燃气调控方案包括所述至少一个工业用户所在区域之间的燃气输送量和/或燃气储气量。
2.根据权利要求1所述的方法，其特征在于，所述基于所述燃气数据、所述用户特征和外部特征，确定预估用量分布包括：
对于所述至少一个工业用户中的任意一个工业用户，
基于所述工业用户的所述用户特征、历史使用数据、使用计划需求和所述外部特征，确定所述工业用户的需求真实度，所述燃气需求数据包括所述使用计划需求；
基于所述使用计划需求和所述需求真实度，确定所述工业用户的预估用量；
基于所述至少一个工业用户对应的所述预估用量，确定所述预估用量分布。
3.根据权利要求2所述的方法，其特征在于，所述基于所述工业用户的所述用户特征、历史使用数据、使用计划需求和所述外部特征，确定所述工业用户的需求真实度包括：
基于所述用户特征、所述历史使用数据、所述使用计划需求和所述外部特征，通过真实度预测模型预测所述需求真实度，其中，所述真实度预测模型为机器学习模型。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于所述至少一个工业用户的用户特征、至少一个历史使用数据和至少一个使用计划需求，确定至少一个用量趋势分布，所述至少一个用量趋势分布包括同类型工业用户的用量趋势分布以及上下游工业用户的用量趋势分布；
基于所述至少一个用量趋势分布，确定所述至少一个工业用户的所述需求真实度。
5.根据权利要求1所述的方法，其特征在于，所述基于所述更新用量分布，确定燃气调控方案包括：
基于所述更新用量分布，确定燃气需求等级；
基于所述燃气需求等级，生成至少一个候选燃气调控方案；
评估所述至少一个候选燃气调控方案的调控有效度；
基于所述调控有效度，确定所述燃气调控方案。
6.一种基于智慧燃气的工业燃气需求调控物联网系统，其特征在于，所述系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台和智慧燃气对象平台；
所述智慧燃气管理平台包括燃气业务管理分平台、非燃气业务管理分平台和智慧燃气数据中心；
所述智慧燃气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对象平台进行交互；
所述智慧燃气对象平台用于获取燃气数据；
所述智慧燃气管理平台用于：
获取所述燃气数据和至少一个工业用户的用户特征，所述燃气数据包括燃气运营数据和所述至少一个工业用户的燃气需求数据；
基于所述燃气数据、所述用户特征和外部特征，确定预估用量分布；
将所述预估用量分布通过所述智慧燃气服务平台发送至所述智慧燃气用户平台，获取所述至少一个工业用户的反馈数据；
基于所述反馈数据和所述预估用量分布，确定更新用量分布；
基于所述更新用量分布，确定燃气调控方案，所述燃气调控方案包括所述至少一个工业用户所在区域之间的燃气输送量和/或燃气储气量。
7.根据权利要求6所述的系统，其特征在于，所述智慧燃气管理平台进一步用于：
对于所述至少一个工业用户中的任意一个工业用户，
基于所述工业用户的所述用户特征、历史使用数据、使用计划需求和所述外部特征，确定所述工业用户的需求真实度，所述燃气需求数据包括所述使用计划需求；
基于所述使用计划需求和所述需求真实度，确定所述工业用户的预估用量；
基于所述至少一个工业用户对应的所述预估用量，确定所述预估用量分布。
8.根据权利要求7所述的系统，其特征在于，所述智慧燃气管理平台进一步用于：
基于所述用户特征、所述历史使用数据、所述使用计划需求和所述外部特征，通过真实度预测模型预测所述需求真实度，其中，所述真实度预测模型为机器学习模型。
9.根据权利要求7所述的系统，其特征在于，所述智慧燃气管理平台进一步用于：
基于所述至少一个工业用户的用户特征、至少一个历史使用数据和至少一个使用计划需求，确定至少一个用量趋势分布，所述至少一个用量趋势分布包括同类型工业用户的用量趋势分布以及上下游工业用户的用户；
基于所述至少一个用量趋势分布，确定所述至少一个工业用户的所述需求真实度。
10.根据权利要求6所述的系统，其特征在于，所述智慧燃气管理平台进一步用于：
基于所述更新用量分布，确定燃气需求等级；
基于所述燃气需求等级，生成至少一个候选燃气调控方案；
评估所述至少一个候选燃气调控方案的调控有效度；
基于所述调控有效度，确定所述燃气调控方案。
CN202311015895.1A 2023-08-14 2023-08-14 基于智慧燃气的工业燃气需求调控方法和物联网系统 Active CN116739314B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202311015895.1A CN116739314B (zh) 2023-08-14 2023-08-14 基于智慧燃气的工业燃气需求调控方法和物联网系统
US18/484,425 US20240046283A1 (en) 2023-08-14 2023-10-10 Methods and iot systems for industrial gas demand regulation based on smart gas

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311015895.1A CN116739314B (zh) 2023-08-14 2023-08-14 基于智慧燃气的工业燃气需求调控方法和物联网系统

Publications (2)

Publication Number Publication Date
CN116739314A true CN116739314A (zh) 2023-09-12
CN116739314B CN116739314B (zh) 2023-11-17

Family

ID=87901534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311015895.1A Active CN116739314B (zh) 2023-08-14 2023-08-14 基于智慧燃气的工业燃气需求调控方法和物联网系统

Country Status (2)

Country Link
US (1) US20240046283A1 (zh)
CN (1) CN116739314B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273379A (zh) * 2023-10-24 2023-12-22 成都秦川物联网科技股份有限公司 一种智慧燃气应急设备预置方法、物联网系统和介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200102902A1 (en) * 2018-09-27 2020-04-02 General Electric Company Control and tuning of gas turbine combustion
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
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
US20230095727A1 (en) * 2022-11-11 2023-03-30 Chengdu Qinchuan Iot Technology Co., Ltd. Preset management methods of gas pipeline network for smart gas and internet of things systems thereof
CN116187724A (zh) * 2023-04-27 2023-05-30 成都秦川物联网科技股份有限公司 智慧燃气平台工单联动处理方法、物联网系统及存储介质
CN116308125A (zh) * 2023-02-06 2023-06-23 成都秦川物联网科技股份有限公司 用于智慧燃气的燃气管道补偿器安设方法和物联网系统
CN116433090A (zh) * 2023-04-12 2023-07-14 成都秦川物联网科技股份有限公司 智慧燃气工单执行质量评估方法、物联网系统及存储介质
CN116503975A (zh) * 2023-06-29 2023-07-28 成都秦川物联网科技股份有限公司 基于智慧燃气gis的安全隐患处置方法和物联网系统
US20230247138A1 (en) * 2023-03-06 2023-08-03 Chengdu Qinchuan Iot Technology Co., Ltd. Methods and internet of things systems for gas operation based on call centers of smart gas

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200102902A1 (en) * 2018-09-27 2020-04-02 General Electric Company Control and tuning of gas turbine combustion
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
US20230095727A1 (en) * 2022-11-11 2023-03-30 Chengdu Qinchuan Iot Technology Co., Ltd. Preset management methods of gas pipeline network for smart gas and internet of things systems thereof
CN116308125A (zh) * 2023-02-06 2023-06-23 成都秦川物联网科技股份有限公司 用于智慧燃气的燃气管道补偿器安设方法和物联网系统
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
US20230247138A1 (en) * 2023-03-06 2023-08-03 Chengdu Qinchuan Iot Technology Co., Ltd. Methods and internet of things systems for gas operation based on call centers of smart gas
CN116433090A (zh) * 2023-04-12 2023-07-14 成都秦川物联网科技股份有限公司 智慧燃气工单执行质量评估方法、物联网系统及存储介质
CN116187724A (zh) * 2023-04-27 2023-05-30 成都秦川物联网科技股份有限公司 智慧燃气平台工单联动处理方法、物联网系统及存储介质
CN116503975A (zh) * 2023-06-29 2023-07-28 成都秦川物联网科技股份有限公司 基于智慧燃气gis的安全隐患处置方法和物联网系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHUAN SHENG WU 等: "Internet of Things Intelligent Gas Meter and Control System", 《APPLIED MECHANICS AND MATERIALS》, vol. 3365, no. 602, pages 870 - 873 *
乔武康 等: "基于万物互联的智慧燃气体系建设", 《创新世界周刊》, no. 11, pages 14 - 21 *
胡尧 等: "天然气储气调峰大数据信息平台构建", 《天然气工业》, vol. 40, no. 06, pages 157 - 163 *
马季林;: "物联网在东疆保税港区燃气管网监测的应用", 《煤气与热力》, vol. 35, no. 07, pages 19 - 23 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273379A (zh) * 2023-10-24 2023-12-22 成都秦川物联网科技股份有限公司 一种智慧燃气应急设备预置方法、物联网系统和介质
CN117273379B (zh) * 2023-10-24 2024-02-02 成都秦川物联网科技股份有限公司 一种智慧燃气应急设备预置方法、物联网系统和介质

Also Published As

Publication number Publication date
CN116739314B (zh) 2023-11-17
US20240046283A1 (en) 2024-02-08

Similar Documents

Publication Publication Date Title
Islam Comparison of conventional and modern load forecasting techniques based on artificial intelligence and expert systems
CN116739314B (zh) 基于智慧燃气的工业燃气需求调控方法和物联网系统
US20230247138A1 (en) Methods and internet of things systems for gas operation based on call centers of smart gas
CN115640914A (zh) 一种智慧燃气储气优化方法、物联网系统、装置及介质
CN115456315A (zh) 一种用于智慧燃气的燃气管网预设管理方法和物联网系统
US20190362354A1 (en) Real-time updating of predictive analytics engine
Birek et al. Water leakage forecasting: the application of a modified fuzzy evolving algorithm
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
CN115146764A (zh) 一种预测模型的训练方法、装置、电子设备及存储介质
Pliszczuk et al. Forecasting sales in the supply chain based on the LSTM network: the case of furniture industry
Wang et al. Improving economic values of day‐ahead load forecasts to real‐time power system operations
Daş Forecasting the energy demand of Turkey with a NN based on an improved Particle Swarm Optimization
Sundararajan et al. Marketing optimization in retail banking
CN115842847B (zh) 一种基于物联网的水表智能控制方法、系统及介质
CN115829418B (zh) 适用于负荷管理的电力用户负荷特性画像构建方法和系统
CN116739787A (zh) 基于人工智能的交易推荐方法及系统
Pei et al. Predicting agent-based financial time series model on lattice fractal with random Legendre neural network
CN109145207B (zh) 一种基于分类指标预测的信息个性化推荐方法及装置
CN115859808A (zh) 一种泵组工作预测方法、装置、电子设备及存储介质
CN111582408B (zh) 数据处理方法、数据处理装置、存储介质和电子设备
CN115908007A (zh) 基于智能体的客户理财产品购买选择行为仿真方法与系统
Mittal et al. Stock price prediction using machine learning algorithm with web interface (GUI)
Slany Towards the automatic evolutionary prediction of the FOREX market behaviour
CN111783487A (zh) 一种读卡器设备的故障预警方法及装置
CN111489192A (zh) 融合ict供应链网络拓扑特征的产品份额趋势预测方法

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