CN116877934A - 适用于管网异常预警的检测方法及系统 - Google Patents
适用于管网异常预警的检测方法及系统 Download PDFInfo
- Publication number
- CN116877934A CN116877934A CN202310768264.0A CN202310768264A CN116877934A CN 116877934 A CN116877934 A CN 116877934A CN 202310768264 A CN202310768264 A CN 202310768264A CN 116877934 A CN116877934 A CN 116877934A
- Authority
- CN
- China
- Prior art keywords
- time
- node
- initial
- flow rate
- pipe network
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 102
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 94
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 230000005856 abnormality Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 33
- 239000013307 optical fiber Substances 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 239000003345 natural gas Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training 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
- F17D5/02—Preventing, monitoring, or locating loss
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及数据处理技术领域,具体提出了一种适用于管网异常预警的检测方法及系统,该方法包括建立管网仿真模型,并基于所述管网仿真模型获取管网的拓扑结构;基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0;在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1;将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常。本发明通过对管网各个节点相邻时刻的运行状态参数的检测,能够有效地判断各个节点在不同时刻的运行状态。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种适用于管网异常预警的检测方法及系统。
背景技术
目前,在针对天然气管网进行异常检测时,现有技术通过天然气管网管理系统进行管网数据的检测,在检测过程中,若发现管网的运行数据出现异常时,通过下发检查指令给检修人员,使检修人员进行现场检查确定管网是否发生泄漏。如何基于现有的管网管理系统,对管网的运行状态进行智能化的异常检测,成为急需解决的问题。
发明内容
鉴于此,本发明提出了一种适用于管网异常预警的检测方法及系统,旨在解决如何对管网的运行状态进行智能化的异常检测,并能够准确的发现管网异常点的问题。
一个方面,本发明提出了一种适用于管网异常预警的检测方法,包括:
建立管网仿真模型,并基于所述管网仿真模型获取管网的拓扑结构;
基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0;
在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1;
将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常:
若出现异常则进行异常报警;
若未出现异常,则继续进行后续检测。
进一步地,在基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0时,包括:
基于所述拓扑结构确定管网的节点数量N,在t0时刻获取每个节点的初始流速和初始压力信息,并建立初始流速合集A0(s1,s2,s3,...,si,...,sN)和初始压力合集B0(p1,p2,p3,...,pi,...,pN),其中,si表示第i节点在t0时刻的初始流速,pi表示第i节点在t0时刻的初始压力,基于获取的所述初始流速合集A0和初始压力合集B0建立初始矩阵J0,J0[s1/p1,s2/p2,s3/p3,...,si/pi,...,sN/pN];
在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1时,包括:
在t1时刻获取每个节点的第一流速合集A1(s11,s12,s13,...,s1i,...,s1N)和第一压力合集B1(p11,p12,p13,...,p1i,...,p1N),其中,s1i表示第i节点在t1时刻的第一流速,p1i表示第i节点在t1时刻的第一压力,并建立第一矩阵J1,J1[s11/p11,s12/p12,s13/p13,...,s1i/p1i,...,s1N/p1N]。
进一步地,将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常时,包括:
将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C:
当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;
当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。
进一步地,所述的适用于管网异常预警的检测方法,还包括:
当判断第i节点在t1时刻为待确认异常状态时,分别计算第i节点在t0时刻和t1时刻的流速和压力比均值,记为初始均值(Σsi/pi)/i和第一均值(Σs1i/p1i)/i;
对所述初始均值(Σsi/pi)/i和第一均值(Σs1i/p1i)/i进行比对,根据比对结果确定所述第i节点是否异常:
当(Σsi/pi)/i<(Σs1i/p1i)/i时,则确定所述第i节点在t1时刻为异常状态;
当(Σsi/pi)/i≥(Σs1i/p1i)/i时,则对所述第i节点继续进行检测,并在t21时刻获取所述第i节点的二次流速s2i和第i节点的二次压力p2i,
若|si/pi-s2i/p2i|>C则确定所述第i节点在t21时刻为异常状态;
若|si/pi-s2i/p2i|≤C则继续对所述第i节点进行检测,并在t22时刻获取所述第i节点的三次流速s3i和第i节点的三次压力p3i:
当|si/pi-s3i/p3i|>C则确定所述第i节点在t22时刻为异常状态;
当|si/pi-s3i/p3i|≤C则确定所述第i节点在t22时刻为正常状态。
进一步地,所述的适用于管网异常预警的检测方法,还包括:
当|si/pi-s1i/p1i|>C,且在(Σsi/pi)/i≥(Σs1i/p1i)/i时,根据si/pi与s1i/p1i之间的差值确定所述t1时刻与t21时刻之间的间隔时长:
预先设定第一预设差值C1、第二预设差值C2和第三预设差值C3,且C<C1<C2<C3<2C;预先设定第一预设时长T1、第二预设时长T2、第三预设时长T3和第四预设时长T4,且(t1-t0)>T1>T2>T3>T4;
当C<|si/pi-s1i/p1i|≤C1时,则将t1时刻与t21时刻之间的时间间隔设定为所述第一预设时长T1;
当C1<|si/pi-s1i/p1i|≤C2时,则将t1时刻与t21时刻之间的时间间隔设定为所述第二预设时长T2;
当C2<|si/pi-s1i/p1i|≤C3时,则将t1时刻与t21时刻之间的时间间隔设定为所述第三预设时长T3;
当C3<|si/pi-s1i/p1i|时,则将t1时刻与t21时刻之间的时间间隔设定为所述第四预设时长T4;
在选定第n预设时长Tn作为t1与t21之间的时间间隔后,n=1,2,3,4,将t21时刻与t22时刻之间的间隔时长设定为0.5Tn。
进一步地,在确定所述第i节点在t21时刻或t22时刻为异常状态时,还包括:
确定所述第i节点的上游节点和下游节点,并将上游节点表示为第n节点,下游节点表示为第m节点,n和m的取值范围为1~N;
计算所述第n节点与第i节点的流量差Ln-i,以及计算所述第i节点与第m节点的流量差Li-m,并根据Ln-i与Li-m之间的关系确定异常节点区间:
当Ln-i=Li-m时,则判断所述第m节点与第n节点之间的管道存在异常;
当Ln-i>Li-m时,则判断所述第i节点与第n节点之间的管道存在异常;
当Ln-i<Li-m时,则判断所述第m节点与第i节点之间的管道存在异常。
进一步地,当Ln-i=Li-m,或者,当Ln-i>Li-m,或者,当Ln-i<Li-m时,并在判断所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道存在异常时,包括:
基于分布式光纤探测技术获取t1时刻的所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道周围的温度变化信号,并建立t1时刻的第一温度曲线;
对所述第一温度曲线进行识别,判断所述第一温度曲线中是否存在异常点;
若存在,则判断所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道在t21时刻或t22时刻存在异常;
若不存在,则获取t0时刻所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道周围的温度变化信号,并建立t0时刻的初始温度曲线;
将所述第一温度曲线与所述初始温度曲线的变化幅值进行比对:
当所述第一温度曲线与初始温度曲线的变化幅值小于等于阈值时,则在t11时刻获取第二温度曲线,将所述第二温度曲线与所述初始温度曲线的变化幅值进行比对:若此时变化幅值小于等于阈值,则最终确定该节点区间的管道为正常状态;若此时变化幅值大于阈值,则在t12时刻获取第三温度曲线,当所述第三温度曲线与初始温度曲线之间的变化幅值小于等于阈值时,则最终确定该节点区间的管道为正常状态,当所述第三温度曲线与初始温度曲线之间的变化幅值大于阈值时,则确定该节点区间的管道存在泄露点;
当所述第一温度曲线与初始温度曲线的变化幅值大于阈值时,则获取相邻节点间的流速差△s:
当所述流速差△s大于等于阈值时,则判断确定该节点区间的管道存在泄露点;
当所述流速差△s小于阈值时,则获取t0与t1时刻的环境温度差,若环境温度差小于阈值,则判断确定该节点区间的管道存在泄露点;
若环境温度差大于等于阈值,则对该节点区间的管道进行声波检测,根据所述声波检测的结果确定该节点区间的管道是否存在泄露点。
另一方面,本发明还提出了一种适用于管网异常预警的检测系统,包括:
仿真模块,用于建立管网仿真模型,并基于所述管网仿真模型获取管网的拓扑结构;
第一数据采集模块,用于基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0;
第二数据采集模块,用于在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1;
数据处理模块,用于将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常:
若出现异常则进行异常报警;
若未出现异常,则继续进行后续检测。
进一步地,所述第一数据采集模块还用于在基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0时,包括:
所述第一数据采集模块还用于基于所述拓扑结构确定管网的节点数量N,在t0时刻获取每个节点的初始流速和初始压力信息,并建立初始流速合集A0(s1,s2,s3,...,si,...,sN)和初始压力合集B0(p1,p2,p3,...,pi,...,pN),其中,si表示第i节点在t0时刻的初始流速,pi表示第i节点在t0时刻的初始压力,基于获取的所述初始流速合集A0和初始压力合集B0建立初始矩阵J0,J0[s1/p1,s2/p2,s3/p3,...,si/pi,...,sN/pN];
所述第二数据采集模块还用于在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1时,包括:
在t1时刻获取每个节点的第一流速合集A1(s11,s12,s13,...,s1i,...,s1N)和第一压力合集B1(p11,p12,p13,...,p1i,...,p1N),其中,s1i表示第i节点在t1时刻的第一流速,p1i表示第i节点在t1时刻的第一压力,并建立第一矩阵J1,J1[s11/p11,s12/p12,s13/p13,...,s1i/p1i,...,s1N/p1N]。
进一步地,所述数据处理模块还用于将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常时,包括:
将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C:
当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;
当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。
与现有技术相比,本发明的有益效果在于,上述适用于管网异常预警的检测方法及系统中,通过建立管网仿真模型,基于拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息建立初始矩阵J0,并在t1时刻再次获取所有节点的流速与压力信息建立第一矩阵J1,将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常。本发明通过对管网各个节点相邻时刻的运行状态参数的检测,能够有效地判断各个节点在不同时刻的运行状态,同时,通过建立仿真模型,基于仿真模型对各个节点进行智能化的异常检测,不仅能够准确的发现管网中的异常节点,还有效的提高了检测效率。
进一步地,上述适用于管网异常预警的检测方法及系统中,通过将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C,当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。本发明通过获取管网中各个节点在不同时刻的运行参数,通过运行参数的变化及时的发现异常点,并通过对异常点进行精准的识别判断,能够及时有效的发现管网节点的异常信息,还能够极大地提高异常点判断的准确性。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提供的适用于管网异常预警的检测方法的流程图;
图2为本发明实施例提供的适用于管网异常预警的检测系统的功能框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明实施例基于现有的天然气管网管理系统,通过获取天然气管网管理系统中的管网数据,基于管网数据建立管网仿真模型,根据管网仿真模型展示的管网数据进行管网运行状态的判断,能够有效地识别管网的异常点,提高管网运行的安全性。
参阅图1所示,本实施例提供了一种适用于管网异常预警的检测方法,包括以下步骤:
步骤S100:建立管网仿真模型,并基于所述管网仿真模型获取管网的拓扑结构。
具体而言,本实施例中可通过SPS(Stoner Pipeline Simulator,油气管道模拟软件)软件进行管网的模拟仿真,以建立管网仿真模型,通过SCADA(Supervisory ControlAnd Data Acquisition,数据采集与监视控制系统)系统采集管网运行时的数据,并反馈至SPS软件。
具体而言,在建立管网仿真模型后,获取管网仿真模型中的管网的拓扑结构。
步骤S200:基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0。
具体而言,管网节点的流速与压力信息在采集时,可通过SCADA系统采集,或者还可通过管网的管理系统进行获取,可根据实际情况进行设定。
步骤S300:在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1。
步骤S400:将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常:
若出现异常则进行异常报警;
若未出现异常,则继续进行后续检测。
本实施例中,通过建立管网仿真模型,基于拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息建立初始矩阵J0,并在t1时刻再次获取所有节点的流速与压力信息建立第一矩阵J1,将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常。上述实施例通过对管网各个节点相邻时刻的运行状态参数的检测,能够有效地判断各个节点在不同时刻的运行状态,同时,通过建立仿真模型,基于仿真模型对各个节点进行智能化的异常检测,不仅能够准确的发现管网中的异常节点,还有效的提高了检测效率。
具体而言,在基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0时,包括:
基于所述拓扑结构确定管网的节点数量N,在t0时刻获取每个节点的初始流速和初始压力信息,并建立初始流速合集A0(s1,s2,s3,...,si,...,sN)和初始压力合集B0(p1,p2,p3,...,pi,...,pN),其中,si表示第i节点在t0时刻的初始流速,pi表示第i节点在t0时刻的初始压力,基于获取的所述初始流速合集A0和初始压力合集B0建立初始矩阵J0,J0[s1/p1,s2/p2,s3/p3,...,si/pi,...,sN/pN]。
具体而言,在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1时,包括:
在t1时刻获取每个节点的第一流速合集A1(s11,s12,s13,...,s1i,...,s1N)和第一压力合集B1(p11,p12,p13,...,p1i,...,p1N),其中,s1i表示第i节点在t1时刻的第一流速,p1i表示第i节点在t1时刻的第一压力,并建立第一矩阵J1,J1[s11/p11,s12/p12,s13/p13,...,s1i/p1i,...,s1N/p1N]。
具体而言,将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常时,包括:
将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C:
当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;
当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。
具体而言,参考差值C根据管网在稳定运行时的情况下,多次采集各个节点流速和压力比值信息,通过多次的数据训练获取该参考差值。可以理解的是,参考差值C可根据实际情况进行确定。
具体而言,上述实施例中,通过将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C,当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。上述实施例通过获取管网中各个节点在不同时刻的运行参数,通过运行参数的变化及时的发现异常点,并通过对异常点进行精准的识别判断,能够及时有效的发现管网节点的异常信息,还能够极大地提高异常点判断的准确性。
具体而言,所述的适用于管网异常预警的检测方法还包括:
当判断第i节点在t1时刻为待确认异常状态时,分别计算第i节点在t0时刻和t1时刻的流速和压力比均值,记为初始均值(Σsi/pi)/i和第一均值(Σs1i/p1i)/i;
对所述初始均值(Σsi/pi)/i和第一均值(Σs1i/p1i)/i进行比对,根据比对结果确定所述第i节点是否异常:
当(Σsi/pi)/i<(Σs1i/p1i)/i时,则确定所述第i节点在t1时刻为异常状态;
当(Σsi/pi)/i≥(Σs1i/p1i)/i时,则对所述第i节点继续进行检测,并在t21时刻获取所述第i节点的二次流速s2i和第i节点的二次压力p2i,
若|si/pi-s2i/p2i|>C则确定所述第i节点在t21时刻为异常状态;
若|si/pi-s2i/p2i|≤C则继续对所述第i节点进行检测,并在t22时刻获取所述第i节点的三次流速s3i和第i节点的三次压力p3i:
当|si/pi-s3i/p3i|>C则确定所述第i节点在t22时刻为异常状态;
当|si/pi-s3i/p3i|≤C则确定所述第i节点在t22时刻为正常状态。
具体而言,所述的适用于管网异常预警的检测方法还包括:
当|si/pi-s1i/p1i|>C,且在(Σsi/pi)/i≥(Σs1i/p1i)/i时,根据si/pi与s1i/p1i之间的差值确定所述t1时刻与t21时刻之间的间隔时长:
预先设定第一预设差值C1、第二预设差值C2和第三预设差值C3,且C<C1<C2<C3<2C;预先设定第一预设时长T1、第二预设时长T2、第三预设时长T3和第四预设时长T4,且(t1-t0)>T1>T2>T3>T4;
当C<|si/pi-s1i/p1i|≤C1时,则将t1时刻与t21时刻之间的时间间隔设定为所述第一预设时长T1;
当C1<|si/pi-s1i/p1i|≤C2时,则将t1时刻与t21时刻之间的时间间隔设定为所述第二预设时长T2;
当C2<|si/pi-s1i/p1i|≤C3时,则将t1时刻与t21时刻之间的时间间隔设定为所述第三预设时长T3;
当C3<|si/pi-s1i/p1i|时,则将t1时刻与t21时刻之间的时间间隔设定为所述第四预设时长T4;
在选定第n预设时长Tn作为t1与t21之间的时间间隔后,n=1,2,3,4,将t21时刻与t22时刻之间的间隔时长设定为0.5Tn。
具体而言,在确定所述第i节点在t21时刻或t22时刻为异常状态时,还包括:
确定所述第i节点的上游节点和下游节点,并将上游节点表示为第n节点,下游节点表示为第m节点,n和m的取值范围为1~N;
计算所述第n节点与第i节点的流量差Ln-i,以及计算所述第i节点与第m节点的流量差Li-m,并根据Ln-i与Li-m之间的关系确定异常节点区间:
当Ln-i=Li-m时,则判断所述第m节点与第n节点之间的管道存在异常;
当Ln-i>Li-m时,则判断所述第i节点与第n节点之间的管道存在异常;
当Ln-i<Li-m时,则判断所述第m节点与第i节点之间的管道存在异常。
具体而言,当Ln-i=Li-m,或者,当Ln-i>Li-m,或者,当Ln-i<Li-m时,并在判断所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道存在异常时,包括:
基于分布式光纤探测技术获取t1时刻的所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道周围的温度变化信号,并建立t1时刻的第一温度曲线。
具体而言,通过设置分布式光纤探测系统,以对管网进行数据检测。同时,使得分布式光纤探测系统与管网管理系统进行通信,从而能够及时的获取分布式光纤探测系统采集的数据信息。
具体而言,对所述第一温度曲线进行识别,判断所述第一温度曲线中是否存在异常点;
若存在,则判断所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道在t21时刻或t22时刻存在异常;
若不存在,则获取t0时刻所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道周围的温度变化信号,并建立t0时刻的初始温度曲线;
将所述第一温度曲线与所述初始温度曲线的变化幅值进行比对:
当所述第一温度曲线与初始温度曲线的变化幅值小于等于阈值时,则在t11时刻获取第二温度曲线,将所述第二温度曲线与所述初始温度曲线的变化幅值进行比对:若此时变化幅值小于等于阈值,则最终确定该节点区间的管道为正常状态;若此时变化幅值大于阈值,则在t12时刻获取第三温度曲线,当所述第三温度曲线与初始温度曲线之间的变化幅值小于等于阈值时,则最终确定该节点区间的管道为正常状态,当所述第三温度曲线与初始温度曲线之间的变化幅值大于阈值时,则确定该节点区间的管道存在泄露点;
当所述第一温度曲线与初始温度曲线的变化幅值大于阈值时,则获取相邻节点间的流速差△s:
当所述流速差△s大于等于阈值时,则判断确定该节点区间的管道存在泄露点;
当所述流速差△s小于阈值时,则获取t0与t1时刻的环境温度差,若环境温度差小于阈值,则判断确定该节点区间的管道存在泄露点;
若环境温度差大于等于阈值,则对该节点区间的管道进行声波检测,根据所述声波检测的结果确定该节点区间的管道是否存在泄露点。
参阅图2所示,基于上述实施例的另一种优选的实施方式中,本实施方式提供了一种适用于管网异常预警的检测系统,包括:
仿真模块,用于建立管网仿真模型,并基于所述管网仿真模型获取管网的拓扑结构;
第一数据采集模块,用于基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0;
第二数据采集模块,用于在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1;
数据处理模块,用于将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常:
若出现异常则进行异常报警;
若未出现异常,则继续进行后续检测。
具体而言,所述第一数据采集模块还用于在基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0时,包括:
所述第一数据采集模块还用于基于所述拓扑结构确定管网的节点数量N,在t0时刻获取每个节点的初始流速和初始压力信息,并建立初始流速合集A0(s1,s2,s3,...,si,...,sN)和初始压力合集B0(p1,p2,p3,...,pi,...,pN),其中,si表示第i节点在t0时刻的初始流速,pi表示第i节点在t0时刻的初始压力,基于获取的所述初始流速合集A0和初始压力合集B0建立初始矩阵J0,J0[s1/p1,s2/p2,s3/p3,...,si/pi,...,sN/pN];
所述第二数据采集模块还用于在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1时,包括:
在t1时刻获取每个节点的第一流速合集A1(s11,s12,s13,...,s1i,...,s1N)和第一压力合集B1(p11,p12,p13,...,p1i,...,p1N),其中,s1i表示第i节点在t1时刻的第一流速,p1i表示第i节点在t1时刻的第一压力,并建立第一矩阵J1,J1[s11/p11,s12/p12,s13/p13,...,s1i/p1i,...,s1N/p1N]。
具体而言,所述数据处理模块还用于将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常时,包括:
将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C:
当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;
当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。
本实施例中,通过建立管网仿真模型,基于拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息建立初始矩阵J0,并在t1时刻再次获取所有节点的流速与压力信息建立第一矩阵J1,将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常。上述实施例通过对管网各个节点相邻时刻的运行状态参数的检测,能够有效地判断各个节点在不同时刻的运行状态,同时,通过建立仿真模型,基于仿真模型对各个节点进行智能化的异常检测,不仅能够准确的发现管网中的异常节点,还有效的提高了检测效率。
具体而言,上述实施例中,通过将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C,当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。上述实施例通过获取管网中各个节点在不同时刻的运行参数,通过运行参数的变化及时的发现异常点,并通过对异常点进行精准的识别判断,能够及时有效的发现管网节点的异常信息,还能够极大地提高异常点判断的准确性。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种适用于管网异常预警的检测方法,其特征在于,包括:
建立管网仿真模型,并基于所述管网仿真模型获取管网的拓扑结构;
基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0;
在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1;
将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常:
若出现异常则进行异常报警;
若未出现异常,则继续进行后续检测。
2.根据权利要求1所述的适用于管网异常预警的检测方法,其特征在于,
在基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0时,包括:
基于所述拓扑结构确定管网的节点数量N,在t0时刻获取每个节点的初始流速和初始压力信息,并建立初始流速合集A0(s1,s2,s3,...,si,...,sN)和初始压力合集B0(p1,p2,p3,...,pi,...,pN),其中,si表示第i节点在t0时刻的初始流速,pi表示第i节点在t0时刻的初始压力,基于获取的所述初始流速合集A0和初始压力合集B0建立初始矩阵J0,J0[s1/p1,s2/p2,s3/p3,...,si/pi,...,sN/pN];
在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1时,包括:
在t1时刻获取每个节点的第一流速合集A1(s11,s12,s13,...,s1i,...,s1N)和第一压力合集B1(p11,p12,p13,...,p1i,...,p1N),其中,s1i表示第i节点在t1时刻的第一流速,p1i表示第i节点在t1时刻的第一压力,并建立第一矩阵J1,J1[s11/p11,s12/p12,s13/p13,...,s1i/p1i,...,s1N/p1N]。
3.根据权利要求2所述的适用于管网异常预警的检测方法,其特征在于,
将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常时,包括:
将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C:
当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;
当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。
4.根据权利要求3所述的适用于管网异常预警的检测方法,其特征在于,还包括:
当判断第i节点在t1时刻为待确认异常状态时,分别计算第i节点在t0时刻和t1时刻的流速和压力比均值,记为初始均值(Σsi/pi)/i和第一均值(Σs1i/p1i)/i;
对所述初始均值(Σsi/pi)/i和第一均值(Σs1i/p1i)/i进行比对,根据比对结果确定所述第i节点是否异常:
当(Σsi/pi)/i<(Σs1i/p1i)/i时,则确定所述第i节点在t1时刻为异常状态;
当(Σsi/pi)/i≥(Σs1i/p1i)/i时,则对所述第i节点继续进行检测,并在t21时刻获取所述第i节点的二次流速s2i和第i节点的二次压力p2i,
若|si/pi-s2i/p2i|>C则确定所述第i节点在t21时刻为异常状态;
若|si/pi-s2i/p2i|≤C则继续对所述第i节点进行检测,并在t22时刻获取所述第i节点的三次流速s3i和第i节点的三次压力p3i:
当|si/pi-s3i/p3i|>C则确定所述第i节点在t22时刻为异常状态;
当|si/pi-s3i/p3i|≤C则确定所述第i节点在t22时刻为正常状态。
5.根据权利要求4所述的适用于管网异常预警的检测方法,其特征在于,还包括:
当|si/pi-s1i/p1i|>C,且在(Σsi/pi)/i≥(Σs1i/p1i)/i时,根据si/pi与s1i/p1i之间的差值确定所述t1时刻与t21时刻之间的间隔时长:
预先设定第一预设差值C1、第二预设差值C2和第三预设差值C3,且C<C1<C2<C3<2C;预先设定第一预设时长T1、第二预设时长T2、第三预设时长T3和第四预设时长T4,且(t1-t0)>T1>T2>T3>T4;
当C<|si/pi-s1i/p1i|≤C1时,则将t1时刻与t21时刻之间的时间间隔设定为所述第一预设时长T1;
当C1<|si/pi-s1i/p1i|≤C2时,则将t1时刻与t21时刻之间的时间间隔设定为所述第二预设时长T2;
当C2<|si/pi-s1i/p1i|≤C3时,则将t1时刻与t21时刻之间的时间间隔设定为所述第三预设时长T3;
当C3<|si/pi-s1i/p1i|时,则将t1时刻与t21时刻之间的时间间隔设定为所述第四预设时长T4;
在选定第n预设时长Tn作为t1与t21之间的时间间隔后,n=1,2,3,4,将t21时刻与t22时刻之间的间隔时长设定为0.5Tn。
6.根据权利要求5所述的适用于管网异常预警的检测方法,其特征在于,
在确定所述第i节点在t21时刻或t22时刻为异常状态时,还包括:
确定所述第i节点的上游节点和下游节点,并将上游节点表示为第n节点,下游节点表示为第m节点,n和m的取值范围为1~N;
计算所述第n节点与第i节点的流量差Ln-i,以及计算所述第i节点与第m节点的流量差Li-m,并根据Ln-i与Li-m之间的关系确定异常节点区间:
当Ln-i=Li-m时,则判断所述第m节点与第n节点之间的管道存在异常;
当Ln-i>Li-m时,则判断所述第i节点与第n节点之间的管道存在异常;
当Ln-i<Li-m时,则判断所述第m节点与第i节点之间的管道存在异常。
7.根据权利要求6所述的适用于管网异常预警的检测方法,其特征在于,
当Ln-i=Li-m,或者,当Ln-i>Li-m,或者,当Ln-i<Li-m时,并在判断所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道存在异常时,包括:
基于分布式光纤探测技术获取t1时刻的所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道周围的温度变化信号,并建立t1时刻的第一温度曲线;
对所述第一温度曲线进行识别,判断所述第一温度曲线中是否存在异常点;
若存在,则判断所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道在t21时刻或t22时刻存在异常;
若不存在,则获取t0时刻所述第m节点与第n节点之间、第i节点与第n节点之间或第m节点与第i节点之间的管道周围的温度变化信号,并建立t0时刻的初始温度曲线;
将所述第一温度曲线与所述初始温度曲线的变化幅值进行比对:
当所述第一温度曲线与初始温度曲线的变化幅值小于等于阈值时,则在t11时刻获取第二温度曲线,将所述第二温度曲线与所述初始温度曲线的变化幅值进行比对:若此时变化幅值小于等于阈值,则最终确定该节点区间的管道为正常状态;若此时变化幅值大于阈值,则在t12时刻获取第三温度曲线,当所述第三温度曲线与初始温度曲线之间的变化幅值小于等于阈值时,则最终确定该节点区间的管道为正常状态,当所述第三温度曲线与初始温度曲线之间的变化幅值大于阈值时,则确定该节点区间的管道存在泄露点;
当所述第一温度曲线与初始温度曲线的变化幅值大于阈值时,则获取相邻节点间的流速差△s:
当所述流速差△s大于等于阈值时,则判断确定该节点区间的管道存在泄露点;
当所述流速差△s小于阈值时,则获取t0与t1时刻的环境温度差,若环境温度差小于阈值,则判断确定该节点区间的管道存在泄露点;
若环境温度差大于等于阈值,则对该节点区间的管道进行声波检测,根据所述声波检测的结果确定该节点区间的管道是否存在泄露点。
8.一种适用于管网异常预警的检测系统,其特征在于,包括:
仿真模块,用于建立管网仿真模型,并基于所述管网仿真模型获取管网的拓扑结构;
第一数据采集模块,用于基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0;
第二数据采集模块,用于在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1;
数据处理模块,用于将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常:
若出现异常则进行异常报警;
若未出现异常,则继续进行后续检测。
9.根据权利要求8所述的适用于管网异常预警的检测系统,其特征在于,
所述第一数据采集模块还用于在基于所述拓扑结构确定管网的节点数量,并确定所有节点在t0时刻的流速与压力信息,并基于所述t0时刻的流速与压力信息建立初始矩阵J0时,包括:
所述第一数据采集模块还用于基于所述拓扑结构确定管网的节点数量N,在t0时刻获取每个节点的初始流速和初始压力信息,并建立初始流速合集A0(s1,s2,s3,...,si,...,sN)和初始压力合集B0(p1,p2,p3,...,pi,...,pN),其中,si表示第i节点在t0时刻的初始流速,pi表示第i节点在t0时刻的初始压力,基于获取的所述初始流速合集A0和初始压力合集B0建立初始矩阵J0,J0[s1/p1,s2/p2,s3/p3,...,si/pi,...,sN/pN];
所述第二数据采集模块还用于在t1时刻再次获取所有节点的流速与压力信息,并基于所述t1时刻的流速与压力信息建立第一矩阵J1时,包括:
在t1时刻获取每个节点的第一流速合集A1(s11,s12,s13,...,s1i,...,s1N)和第一压力合集B1(p11,p12,p13,...,p1i,...,p1N),其中,s1i表示第i节点在t1时刻的第一流速,p1i表示第i节点在t1时刻的第一压力,并建立第一矩阵J1,J1[s11/p11,s12/p12,s13/p13,...,s1i/p1i,...,s1N/p1N]。
10.根据权利要求9所述的适用于管网异常预警的检测系统,其特征在于,
所述数据处理模块还用于将所述初始矩阵J0与所述第一矩阵J1中相对应的节点的流速与压力信息进行比对,以判断各节点在t1时刻是否出现异常时,包括:
将所述初始矩阵J0和第一矩阵J1中的N个元素进行一一比对,并预先设定参考差值C:
当|si/pi-s1i/p1i|≤C时,则判断第i节点在t1时刻为正常状态;
当|si/pi-s1i/p1i|>C时,则判断第i节点在t1时刻为待确认异常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768264.0A CN116877934A (zh) | 2023-06-27 | 2023-06-27 | 适用于管网异常预警的检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768264.0A CN116877934A (zh) | 2023-06-27 | 2023-06-27 | 适用于管网异常预警的检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116877934A true CN116877934A (zh) | 2023-10-13 |
Family
ID=88265382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310768264.0A Pending CN116877934A (zh) | 2023-06-27 | 2023-06-27 | 适用于管网异常预警的检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116877934A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117108939A (zh) * | 2023-10-23 | 2023-11-24 | 华清安泰能源股份有限公司 | 一种地温场的在线监测方法、系统、装置及存储介质 |
CN117128461A (zh) * | 2023-10-23 | 2023-11-28 | 华清安泰能源股份有限公司 | 一种地温场的检漏方法、系统、装置及存储介质 |
-
2023
- 2023-06-27 CN CN202310768264.0A patent/CN116877934A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117108939A (zh) * | 2023-10-23 | 2023-11-24 | 华清安泰能源股份有限公司 | 一种地温场的在线监测方法、系统、装置及存储介质 |
CN117128461A (zh) * | 2023-10-23 | 2023-11-28 | 华清安泰能源股份有限公司 | 一种地温场的检漏方法、系统、装置及存储介质 |
CN117108939B (zh) * | 2023-10-23 | 2024-01-02 | 华清安泰能源股份有限公司 | 一种地温场的在线监测方法、系统、装置及存储介质 |
CN117128461B (zh) * | 2023-10-23 | 2024-02-09 | 华清安泰能源股份有限公司 | 一种地温场的检漏方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116877934A (zh) | 适用于管网异常预警的检测方法及系统 | |
Mounce et al. | A neural network approach to burst detection | |
US5919267A (en) | Neural network fault diagnostics systems and related method | |
EP0457783B1 (en) | Monitoring | |
JP2006105142A (ja) | 装置の障害検出方法および障害検出/切離しシステム | |
JP3651693B2 (ja) | プラント監視診断装置および方法 | |
CN109114424B (zh) | 管道泄漏点位置的确定方法及装置 | |
CN113266766B (zh) | 一种供水dma爆管监测与定位方法 | |
CN116311594B (zh) | 一种船舶子系统状态分析方法、装置及存储介质 | |
CN113341813A (zh) | 一种城市燃气中低压管网检测方法及系统 | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN116384277A (zh) | 一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 | |
JP2006163517A (ja) | 異常検知装置 | |
CN109991956B (zh) | 一种液体火箭发动机稳态故障预测方法 | |
CN117170304B (zh) | 一种基于工业物联网的plc远程监测控制方法及系统 | |
CN111207306B (zh) | 基于数字压力信号处理的热力管网泄漏监测方法 | |
CN113113167A (zh) | 一种核电站主设备振动响声检测数据快速定位的方法 | |
CN116398825A (zh) | 一种基于概率模型的供水管漏损检测与定位方法、系统及装置 | |
CN111425932A (zh) | 一种基于flink的热网运行监测告警系统及方法 | |
CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
JPH03235027A (ja) | 異常検出装置 | |
CN113446521B (zh) | 基于瞬变流的爆管定位方法 | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
CN112182959A (zh) | 一种配水管网泄漏检测方法 | |
CN110925182A (zh) | 热轧产线除鳞泵振动劣化的预警方法 |
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 |