CN117114369B - 智慧燃气应急供气处置方法、物联网系统、装置及介质 - Google Patents
智慧燃气应急供气处置方法、物联网系统、装置及介质 Download PDFInfo
- Publication number
- CN117114369B CN117114369B CN202311371304.4A CN202311371304A CN117114369B CN 117114369 B CN117114369 B CN 117114369B CN 202311371304 A CN202311371304 A CN 202311371304A CN 117114369 B CN117114369 B CN 117114369B
- Authority
- CN
- China
- Prior art keywords
- gas
- data
- determining
- target area
- future
- 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 33
- 238000012545 processing Methods 0.000 claims description 43
- 230000008859 change Effects 0.000 claims description 17
- 230000032683 aging Effects 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 1
- 239000007789 gas Substances 0.000 description 312
- 238000007726 management method Methods 0.000 description 70
- 230000000875 corresponding effect Effects 0.000 description 37
- 230000000694 effects Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000011282 treatment Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 239000002737 fuel gas Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 230000001550 time effect Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000005919 time-dependent effect Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
-
- 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
- G06Q10/30—Administration of product recycling or disposal
-
- 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
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种智慧燃气应急供气处置方法、物联网系统、装置及介质，该方法包括：基于数据采集装置，获取燃气数据；基于燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据；基于未来预测数据，确定未来故障管道；基于未来故障管道，确定目标区域；基于目标区域，确定应急车派遣指令。通过未来预测数据确定未来故障管道和目标区域，进而确定应急派遣指令，可以在发生燃气管道故障之前提前派遣应急车，解决了供气滞后的问题，有助于提高供气的稳定性，进而提高了燃气用户的使用体验。
Description
技术领域
本说明书涉及物联网技术领域，尤其涉及一种智慧燃气应急供气处置方法、物联网系统、装置及介质。
背景技术
当发生燃气管道故障时，可能存在供气滞后的现象，容易引发用户不满和投诉。派遣应急车来进行临时供气，可以保证供气的稳定性。然而，如果对应急车派遣不够明确合理，不仅耗费较大的人力、物力和时间，而且不会获得预期的效果。
针对应急车派遣指令的合理选择问题，CN203147281U提供一种移动应急天然气供气系统，借助可移动的供气平台，以实现对燃气管道故障等情况的快速反应和紧急供气。但由于燃气管道故障具有突发性和难预测性，该系统的应急车派遣指令建立在故障等情况已发生且被获悉的前提下，依然存在恢复供气滞后不及时的问题。
因此，希望提供一种智慧燃气应急供气处置方法、物联网系统、装置及介质，可以确定合理的应急派遣指令，从而有助于快速高效地提供应急供气，提高燃气用户的使用体验。
发明内容
为了解决如何确定合理的应急派遣指令以快速高效地提供应急供气的问题，本说明书提供一种智慧燃气应急供气处置方法、物联网系统、装置及介质。
发明内容包括一种智慧燃气应急供气处置方法，方法包括：基于数据采集装置，获取燃气数据，燃气数据包括燃气流量数据、燃气管道温度数据、燃气管道气压数据中至少一种；基于燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据，未来预测数据包括预测管道故障数据、未来燃气数据；基于未来预测数据，确定未来故障管道；基于未来故障管道，确定目标区域，目标区域包括第一预测目标区域；基于目标区域，确定应急车派遣指令，应急车派遣指令包括应急车派遣地点、应急车派遣时间中至少一种。
发明内容包括一种智慧燃气应急供气处置物联网系统，系统包括：依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台和智慧燃气管网对象平台，智慧燃气管网安全管理平台被配置为执行以下操作：基于数据采集装置，获取燃气数据，燃气数据包括燃气流量数据、燃气管道温度数据、燃气管道气压数据中至少一种；基于燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据，未来预测数据包括预测管道故障数据、未来燃气数据；基于未来预测数据，确定未来故障管道；基于未来故障管道，确定目标区域，目标区域包括第一预测目标区域；基于目标区域，确定应急车派遣指令，应急车派遣指令包括应急车派遣地点、应急车派遣时间中至少一种。
发明内容包括一种智慧燃气应急供气处置装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上所述任一项智慧燃气应急供气处置方法。
发明内容包括一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述智慧燃气应急供气处置方法。
上述发明内容带来的有益效果包括但不限于：（1）通过未来预测数据确定未来故障管道和目标区域，进而确定应急派遣指令，可以在发生燃气管道故障之前提前派遣应急车，解决了供气滞后的问题，有助于提高供气的稳定性，进而提高了燃气用户的使用体验；（2）基于故障特征图谱，通过故障预测模型可以高效地确定准确的预测变化数据，进而可以提升获得未来预测数据的准确率与效率；（3）通过目标区域的处理优先级确定应急车派遣地点，进而确定派遣时间，可以使处理优先级靠前的目标区域优先被派遣应急车，有助于提高应急供气效果。
附图说明
图1是根据本说明书一些实施例所示的智慧燃气应急供气处置物联网系统的示例性示意图；
图2是根据本说明书一些实施例所示的一种智慧燃气应急供气处置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未来预测数据的示例性示意图；
图4是根据本说明书一些实施例所示的管道重要程度的示例性示意图；
图5是根据本说明书一些实施例所示的候选预测关联管道的示例性流程图；
图6是根据本说明书一些实施例所示的确定应急车派遣指令的示例性流程图。
具体实施方式
下面将对实施例描述中所需要使用的附图作简单的介绍。附图并不代表全部的实施方式。
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。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。
图1是根据本说明书一些实施例所示的一种智慧燃气应急供气处置物联网系统的示例性示意图。以下将对本说明书实施例所涉及的一种智慧燃气应急供气处置物联网系统进行详细说明。需要注意的是，以下实施例仅用于解释本说明书，并不构成对本说明书的限定。
在一些实施例中，如图1所示，智慧燃气应急供气处置物联网系统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、智慧燃气管网安全管理平台130、智慧燃气管网传感网络平台140和智慧燃气管网对象平台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。燃气用户可以是工业燃气用户、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。监管用户可以安全管理部门的人员。
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，将应急车派遣指令等信息发送至监管用户。
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可以从智慧燃气管网安全管理平台130（例如，智慧燃气数据中心）获取应急车派遣指令等，并发送至智慧燃气用户平台110。
在一些实施例中，智慧燃气服务平台120可以包括智慧用气服务分平台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。
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应急车派遣指令发送至监管用户分平台。
智慧燃气管网安全管理平台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，智慧燃气管网安全管理平台130可以包括智慧燃气管网风险评估管理分平台和智慧燃气数据中心。
智慧燃气管网风险评估管理分平台可以是用于确定应急车派遣指令的平台。在一些实施例中，智慧燃气管网风险评估管理分平台可以包括管网基础数据管理模块、管网运行数据管理模块和管网风险评估管理模块。智慧燃气管网风险评估管理分平台可以通过前述各管理模块对燃气数据和燃气管道特征进行分析处理。
智慧燃气数据中心可以用于存储和管理智慧燃气应急供气处置物联网系统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，用于存储与应急供气处置相关的数据等。例如，燃气数据、燃气管道特征等。
在一些实施例中，智慧燃气管网安全管理平台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、智慧燃气管网传感网络平台140进行信息交互。例如，智慧燃气数据中心可以将应急车派遣指令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燃气管网系统的运行状态相关的指令至智慧燃气管网传感网络平台140，以获取燃气管网系统的检测数据。
智慧燃气管网传感网络平台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，智慧燃气管网传感网络平台140可以包括智慧燃气管网设备传感网络分平台、智慧燃气管网维护工程传感网络分平台，可以分别用于获取智慧燃气管网设备和智慧燃气管网维护工程的运行信息。
智慧燃气管网对象平台150可以是感知信息生成和控制信息执行的功能平台。例如，智慧燃气管网对象平台150可以监控并生成智慧燃气管网设备和智慧燃气管网维护工程的运行信息。
在一些实施例中，智慧燃气管网对象平台150可以包括智慧燃气管网设备对象分平台和智慧燃气管网维护工程对象分平台。
在一些实施例中，智慧燃气管网设备对象分平台可以被配置为各类数据采集装置，例如，燃气表、气体流量计、温压传感器等。
在一些实施例中，智慧燃气管网维护工程对象分平台可以被配置为应急供气处置装备，例如，应急车等。
本说明书一些实施例，基于智慧燃气应急供气处置物联网系统100，可以在智慧燃气管网对象平台150与智慧燃气用户平台110之间形成信息运行闭环，并在智慧燃气管网安全管理平台130的统一管理下协调、规律运行，实现智慧燃气应急供气处置管理信息化、智慧化。
图2是根据本说明书一些实施例所示的智慧燃气应急供气处置方法的示例性流程图。在一些实施例中，流程200可以基于智慧燃气管网安全管理平台执行。如图2所示，流程200包括下述步骤：
步骤210，基于数据采集装置，获取燃气数据。
数据采集装置是指用于采集燃气数据的设备或部件，例如燃气表、气体流量计、温压传感器等。
燃气数据是指与燃气相关的数据。在一些实施例中，燃气数据可以包括燃气流量数据、燃气管道温度数据、燃气管道气压数据中的至少一种。
在一些实施例中，智慧燃气管网安全管理平台可以基于智慧燃气管网设备传感网络分平台，获取通过智慧燃气管网设备对象分平台的数据采集装置采集的燃气数据。
步骤220，基于燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据。
燃气管道特征是指与燃气管道相关的特征，例如管道材质、管道结构、管道规格等。在一些实施例中，智慧燃气管网安全管理平台可以从外部数据库中获取燃气管道特征。外部数据库是智慧燃气应急供气处置物联网系统以外的数据库，外部数据库中存储有从管道厂家、实际测量或其他渠道获取的燃气管道特征。
未来预测数据是指预测的未来时间点与燃气管网相关的数据。在一些实施例中，未来预测数据可以包括预测管道故障数据和未来燃气数据。
预测管道故障数据是指预测的未来时间点与管道故障的相关数据。例如，是否故障、预测故障位置、预测故障时间点等。
未来燃气数据是指预测的未来时间点的燃气数据。例如，预测的管道的燃气流量数据、燃气管道温度数据、燃气管道气压数据等。
在一些实施例中，智慧燃气管网安全管理平台可以通过多种方式确定未来预测数据。例如，智慧燃气管网安全管理平台可以采用各种数据分析算法，例如回归分析法、判别分析法等，对燃气数据和燃气管道特征进行分析处理，确定燃气管网系统的未来预测数据。
在一些实施例中，智慧燃气管网安全管理平台可以基于预测变化数据确定未来预测数据，更多内容可以参见图3及其相关描述。
步骤230，基于未来预测数据，确定未来故障管道。
未来故障管道是指燃气管网系统中未来时间点存在故障的管道。
在一些实施例中，智慧燃气管网安全管理平台可以通过多种方式确定未来故障管道。例如，智慧燃气管网安全管理平台可以直接将预测故障时间点最接近当前时刻的管道确定为未来故障管道。
在一些实施例中，智慧燃气管网安全管理平台可以基于未来预测数据、第一预设时间阈值，确定未来故障管道。
在一些实施例中，未来预测数据可以包括预测故障位置；第一预设时间阈值正相关于预测故障位置对应的管道的重要程度。其中，预测故障位置对应的管道是指预测故障位置所在的管道。
预测故障位置是指预测的管道出现故障的位置。由于未来预测数据可以包括预测故障位置，当确定未来预测数据后，则可以确定预测故障位置。
图4是根据本说明书一些实施例所示的确定管道的重要程度的示例性示意图。
图4为管道图像，管道图像是指用于表示管道和用户间燃气流动信息的图像。
在一些实施例中，管道图像可以基于管道路线构建，管道图像中可以包括管道节点和用户节点。
管道节点是指燃气管道对应的节点。
用户节点是指燃气用户对应的节点。
管道图像的边对应燃气的流通路径，管道图像中的边可以为有向边，边的指向对应燃气的流向。
在一些实施例中，智慧燃气管网安全管理平台可以基于管道图像通过预设算法计算管道的重要程度，预设算法可以是：管道的重要程度=,其中，n为由该管道节点出发，按照燃气流动方向，能够到达的所有用户节点的路径数量，/>为第i个路径的路径系数，/>为第i个路径的末节点的重要程度。其中，末节点是指入度不为0、出度为0的节点，例如用户节点1。其中，节点的入度是指该节点被指向的箭头个数，出度是指该节点指出去的箭头个数。如图4所示，管道节点3的入度为1，出度为2。管道图像中的末节点可以理解为流至该节点后不再流向其他节点的节点。末节点的重要程度是该末节点对应的用户重要程度，关于用户重要程度的确定可以参见图5及其相关描述。
在一些实施例中，路径系数与路径长度正相关，路径长度是指管道图像中，该路径从管道节点到一个末节点所经历的节点数量，也即管道图像中路径起点与终点的邻度，例如，由管道节点1到用户节点2为一条路径，其中用户节点2为该路径的末节点，且该路径经过的节点可以表示为管道节点1-管道节点2-用户节点2，则管道节点1和用户节点2的邻度为2，即管道节点1到用户节点2对应的路径的路径长度为2。
可以理解的，管道节点所处位置越上游、分支越多，管道节点的重要程度越高。例如，管道节点3发生故障会影响到用户节点3和用户节点4两个节点；同理，管道节点1发生故障会影响到管道节点2、3和用户节点1、2、3、4。
在一些实施例中，第一预设时间阈值正相关于预测故障位置对应的管道的重要程度。
本说明书一些实施例，通过将第一预设时间阈值正相关于预测故障位置对应的管道的重要程度，可以保证重要的管道故障发生时间距离当前较远时也能作为未来故障管道进行应急供气，对第一预设时间阈值的灵活调整有助于后续应急车派遣指令更符合实际需求。
由于确定未来故障管道的目的是派遣应急车，如果预测故障时间点距离当前时刻较远，则在当前没有派遣应急车的必要性，因此，在一些实施例中，可以将预测故障时间点符合第一预设时间阈值的管道确定为未来故障管道。其中，预测故障时间点符合第一预设时间阈值是指从当前时间点到预测的故障时间点之间的时间长度小于第一预设时间阈值。例如，通过故障预测模型确定某一管道节点在未来5小时后管道会发生故障，第一预设时间阈值为8小时，则该管道节点对应的管道可以被确定为未来故障管道。由于未来预测数据可以包括预测故障时间点，当确定未来预测数据后，则可以确定预测故障时间点。关于故障预测模型的更多内容请参见图3及其相关描述。
本说明书一些实施例，通过未来预测数据、第一预设时间阈值，确定未来故障管道，有助于将预测的故障时间点距离当前较近的管道确定为未来故障管道，达到应急供气的效果。
步骤240，基于未来故障管道，确定目标区域。
目标区域是指应急车需要抵达的区域。在一些实施例中，目标区域可以包括第一预测目标区域。
第一预测目标区域是指燃气管道出现故障时被直接影响燃气供气的区域，例如直接与未来故障管道连接的居民区。
在一些实施例中，智慧燃气管网安全管理平台可以基于未来故障管道，结合燃气管网系统，将被影响燃气供气的区域确定为目标区域。在一些实施例中，智慧燃气管网安全管理平台可以基于管道图像，将未来故障管道燃气向下流动的用户节点对应的区域确定为被影响燃气供气的区域。
在一些实施例中，智慧燃气管网安全管理平台可以将未来故障管道对应的区域，确定为第一预测目标区域。
未来故障管道对应的区域是指与未来故障管道直接相连的区域。
本说明书一些实施例，将未来故障管道对应的区域确定为第一预测目标区域，有助于快速高效地确定被直接影响燃气供气的区域，提高确定第一预测目标区域的效率。
在一些实施例中，目标区域还包括第二预测目标区域。
第二预测目标区域是指燃气管道出现故障时被间接影响燃气供气的区域。
在一些实施例中，智慧燃气管网安全管理平台可以将未来故障管道的直接相连的下游管道所连接的区域作为第二预测目标区域。
在一些实施例中，智慧燃气管网安全管理平台可以基于未来故障管道，确定候选预测关联管道；基于候选预测关联管道以及未来预测数据，确定预测关联管道；基于预测关联管道，确定第二预测目标区域。
图5是根据本说明书一些实施例所示的候选预测关联管道的示例性示意图。图5为又一管道图像，其节点是管道图像中除去用户节点以外的其余管道节点，边对应燃气的流通路径。
候选预测关联管道是指可能成为预测关联管道的管道。
在一些实施例中，智慧燃气管网安全管理平台可以将未来故障管道的同级管道和直接相连的下游管道作为候选预测关联管道。示例性的，如图5所示，管道4-6（即，由管道节点4和管道节点6组成的管道）是确定的未来故障管道，则候选预测关联管道可以包括同级管道4-5、管道4-7，以及下游管道6-8、管道6-9、管道6-10。
预测关联管道是指与预测的与未来故障管道间存在一定关联影响的管道。
在一些实施例中，智慧燃气管网安全管理平台可以基于未来燃气数据和候选预测关联管道确定预测关联管道。其中，未来燃气数据是基于故障预测模型预测确定的。关于故障预测模型的更多内容可以参加图3相关描述。
在一些实施例中，在预测故障时间点之后的第二预设时间阈值之内，若某候选预测关联管道的未来燃气数据的变化程度大于变化阈值，则确定该候选预测关联管道为预测关联管道。例如，未来故障管道的预测故障时间点为13:00，第二预设时间阈值为2小时，如果该候选预测关联管道的未来燃气数据在13:00到15:00之间的变化程度为m且大于变化阈值n，则该候选预测关联管道为预测关联管道。
其中，第二预设时间阈值和变化阈值可以基于历史经验确定；智慧燃气管网安全管理平台可以对未来燃气流量数据、未来燃气管道温度数据、未来燃气管道气压数据的变化程度的加权计算值作为未来燃气数据的变化程度。
在一些实施例中，智慧燃气管网安全管理平台可以将被预测关联管道直接影响的区域作为第二预测目标区域。
本说明书一些实施例，通过预测关联管道确定第二预测目标区域，不仅考虑了同级管道和下游管道的影响，变化阈值和第二预设时间阈值的引入也可以过滤掉下级管道中受未来故障管道影响程度小的管道，有助于更准确地确定第二预测目标区域。
本说明书一些实施例，通过第二预测目标区域的确定，可以扩大目标区域的范围，有助于对受未来故障管道间接影响的区域进行应急派遣。
步骤250，基于目标区域，确定应急车派遣指令。
在一些实施例中，应急车派遣指令包括应急车派遣地点、应急车派遣时间中至少一种。
在一些实施例中，智慧燃气管网安全管理平台可以通过多种方式确定应急车派遣指令。例如，可以通过预设规则确定应急车派遣指令，示例性的预设规则可以是：重要程度越高的管道对应的目标区域，优先作为派遣地点，派遣时间越早。
在一些实施例中，智慧燃气管网安全管理平台可以基于目标区域的处理优先级确定应急车派遣指令，更多内容可以参见图5及其相关描述。
本说明书一些实施例，通过未来预测数据确定未来故障管道和目标区域，进而确定应急派遣指令，可以在发生燃气管道故障之前提前派遣应急车，解决了供气滞后的问题，有助于提高供气的稳定性，进而提高了燃气用户的使用体验。
在一些实施例中，目标区域还可以包括第一实际目标区域、第二实际目标区域；智慧燃气管网安全管理平台可以基于实际故障管道，确定第一实际目标区域；基于实际故障管道，确定实际关联管道；基于实际关联管道，确定第二实际目标区域。
第一实际目标区域是指管道实际发生故障时被直接影响燃气供气的区域。
实际故障管道是指当前实际发生故障的管道。在一些实施例中，智慧燃气管网安全管理平台可以基于智慧燃气数据中心获取实际故障管道。例如，智慧燃气管网安全管理平台可以调取智慧燃气数据中心中存储的当前实际发生故障的管道，作为实际故障管道。
第一实际目标区域的确定与第一预测目标区域的确定类似，可参见前文相关描述。
第二实际目标区域是指管道实际发生故障时被间接影响燃气供气的区域。
实际关联管道是指与实际故障管道存在一定关联影响的管道。
在一些实施例中，智慧燃气管网安全管理平台可以基于实际故障管道确定候选实际关联管道；基于燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据；基于候选实际关联管道和未来预测数据确定实际关联管道。此处的未来预测数据是指实际故障时间点之后的预测数据。实际关联管道的具体确定方式与预测关联管道的确定方法类似，可参见前文相关描述。
第二实际目标区域的确定与前文第二预测目标区域的确定方式类似，可参见前文相关描述。
本说明书一些实施例，通过确定第一实际目标区域和第二实际目标区域，有助于对实际发生故障的管道所影响的区域进行应急派遣工作，保证燃气供气的稳定。
图3是根据本说明书一些实施例所示的确定未来预测数据的示例性示意图。
在一些实施例中，如图3所示，智慧燃气管网安全管理平台可以基于燃气数据310-1和燃气管道特征310-2构建故障特征图谱320；基于故障特征图谱320，通过故障预测模型330，确定预测变化数据340；基于预测变化数据340，确定未来预测数据350。
在一些实施例中，故障特征图谱320可以由节点和边构成。其中，节点可以具有节点特征，边可以具有边特征。
节点包括燃气管道节点、管道阀门节点。在一些实施例中，燃气管道节点可以是该管道中点位置，也可以将一根管道进行划分（例如，每隔5米），每个划分点为一个节点。
在一些实施例中，节点特征可以包括燃气管道节点特征和管道阀门节点特征。
具体地，燃气管道节点特征可以包括燃气数据310-1、燃气管道特征310-2、环境数据、位置数据、维修数据。燃气数据310-1可以包括燃气流量数据、燃气管道温度数据、燃气管道气压数据等。燃气管道特征310-2可以包括管道内径、材质、长度等。环境数据可以包括外部温度、降雨量、降水PH值等。维修数据可以包括历史维修频率、上次维修时间等。其中，环境数据可以是基于第三方平台获取的多个未来时间点的数据。
相应地，管道阀门节点特征可以包括燃气数据、运行参数（例如，阀门开合程度）、环境数据、维修数据等。
边对应燃气管道。其中，边的方向为燃气流动方向。
边特征可以包括对应燃气管道的长度。
预测变化数据340是指经预测获得的与燃气特征和燃气管道故障等相关的数据。在一些实施例中，预测变化数据340可以包括各节点是否故障、预测故障时间点、预测故障类型、预测燃气数据等。例如，预测变化数据340可以是（a1，0、0、0、m1），（a2，1，13:20，x、m2）。其中，第一个元素表示节点编号（例如，a1表示节点1，a2表示节点2），第二个元素表示是否发生故障（例如，0表示不故障，1表示故障），第三个元素表示故障时间（例如，0表示无对应的故障时间，13:20表示故障时间为13:20），第四个元素表示故障类型（例如，0表示无对应的故障类型，x表示故障类型为x），第五个元素表示预测燃气数据（例如，m1表示预测燃气数据1，m2表示预测燃气数据2）。
在一些实施例中，智慧燃气管网安全管理平台可以使用故障预测模型330预测燃气管道可能出现的各类故障问题。
在一些实施例中，故障预测模型330可以是深度学习神经网络模型等。示例性地，故障预测模型可以为图神经网络（Graph Neural Network, GNN）等。
在一些实施例中，故障预测模型330的输入为故障特征图谱320，其输出为未来预测数据350。
在一些实施例中，故障预测模型330可以基于大量带有第一标签的第一训练样本训练得到。具体的，将带有第一标签的第一训练样本输入初始故障预测模型，通过第一标签和初始故障预测模型的预测结果构建损失函数，基于损失函数迭代更新初始故障预测模型，当初始故障预测模型的损失函数满足预设条件时训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第一训练样本可以包括样本故障特征图谱，第一训练样本可以基于历史数据获取。在一些实施例中，第一标签可以包括第一训练样本对应的未来预测数据。在一些实施例中，第一标签可以为样本故障特征图谱对应的历史时刻之后的实际测量数据。
在一些实施例中，智慧燃气管网安全管理平台可以基于故障预测模型330的输出预测变化数据340，确定未来预测数据350。例如，智慧燃气管网安全管理平台可以将故障节点对应的管道确定为故障管道，将故障节点的位置确定为故障管道的预测故障位置。其中，对应的管道是指故障节点所在的管道。
响应于故障管道上仅有一个故障节点，智慧燃气管网安全管理平台可以将该故障节点的故障时间确定为对应的管道的故障时间，该故障节点的未来燃气数据确定为对应的管道的未来燃气数据。响应于故障管道上有多个故障节点，智慧燃气管网安全管理平台可以将多个故障节点中，故障时间最早的故障节点的故障时间，确定为故障管道的故障时间；并且将多个故障节点的未来燃气数据的均值，确定为故障管道的未来燃气数据。
本说明书的一些实施例中，基于故障特征图谱320，通过故障预测模型330可以高效地确定准确的预测变化数据，进而可以提升获得未来预测数据350的准确率与效率。
图6是根据本说明书一些实施例所示的确定应急车派遣指令的示例性流程图。在一些实施例中，流程600可以基于智慧燃气管网安全管理平台执行。如图6所示，流程600包括下述步骤：
步骤610，确定多个目标区域的处理优先级。其中，对于一个目标区域确定处理优先级包括以下步骤：
步骤611，基于影响管道的未来燃气数据、影响管道的特征、目标区域的位置数据，通过抵达时效预测模型，确定目标区域的抵达时效数据。
关于未来燃气数据的更多内容可以参加图2及其相关描述。
影响管道是指影响目标区域的管道，例如目标区域是基于管道X确定的，则管道X是该目标区域的影响管道。影响管道的特征可以包括影响管道的位置、长度等。
在一些实施例中，目标区域的位置数据可以包括第一预测目标区域和第二预测目标区域的位置数据。在一些实施例中，智慧燃气管网安全管理平台可以下发获取目标区域的位置数据的指令，获取智慧燃气管网传感平台传输的位置数据。
在一些实施例中，抵达时效预测模型可以是机器学习模型，例如卷积神经网络模型（Convolutional Neural Networks，CNN）等。
抵达时效预测模型的输入可以包括影响管道的未来燃气数据、影响管道的特征、目标区域的位置数据；输出可以包括抵达时效数据。
抵达时效数据是指反映应急车不同的抵达时间及其对应的时效性效果的数值或字母等。例如，时效性效果可以通过0~100分表示，分数越低效果越差。抵达时效数据可以表示为（（t1，q1），（t2，q2），（t3，q3）），其中，t1、t2、t3可以分别表示为第一个抵达时间、第二个抵达时间和第三个抵达时间，q1、q2、q3分别表示第一个抵达时间对应的时效性效果、第二个抵达时间对应的时效性效果和第三个抵达时间对应的时效性效果。
在一些实施例中，抵达时效预测模型的输入还可以包括目标区域的区域数据。
区域数据可以包括区域不同时间的用气规模，例如某区域每天12:00~14:00平均用气x立方米，14:00~16:00平均用气y立方米。在一些实施例中，智慧燃气管网安全管理平台可以基于目标区域的历史数据确定目标区域的区域数据，例如取历史数据的均值或中位数作为目标区域的区域数据。
本说明书一些实施例，通过将目标区域的区域数据输入抵达时效预测模型，可以结合区域数据更准确地确定抵达时效数据。
在一些实施例中，抵达时效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。例如，可以将多个带有第二标签的第二训练样本输入初始抵达时效预测模型，通过第二标签和初始抵达时效预测模型的预测结果构建损失函数，基于损失函数迭代更新初始抵达时效预测模型，当初始抵达时效预测模型的损失函数满足预设条件时训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，第二训练样本可以包括样本影响管道的未来燃气数据、样本影响管道的特征、样本目标区域的位置数据，第二训练样本可以基于历史数据获取。在一些实施例中，第二标签可以包括第二训练样本对应的抵达时效数据。在一些实施例中，智慧燃气管网安全管理平台可以在每次进行应急供气任务后，记录应急车抵达时间，并调研该目标区域的民众评价确定时效性效果，评价越低时效性效果越差。
在一些实施例中，智慧燃气管网安全管理平台可以直接将民众评价分数的均值作为时效性效果；也可以查询预设表确定时效性效果，预设表可以是预先设置的民众评价分数的均值与时效性效果对应关系的表。
步骤612，基于抵达时效数据，确定目标区域的处理优先级。
处理优先级是指不同目标区域被处理的优先顺序。例如，当存在5个第一预测目标区域和10个第二预测目标区域，目前可用的应急车有10辆，则需要对目标区域确定处理顺序。在一些实施例中，处理优先级越高，处理顺序越前。
在一些实施例中，处理优先级可以基于处理优先评分确定，处理优先评分越高，对应的处理优先级越靠前。在一些实施例中，处理优先评分的计算可以是：处理优先评分=[（系数1用户数量+系数2/>用户重要程度+系数3/>有效抵达时间）]/>系数4。用户数量是指目标区域中用户的数量，可以基于智慧燃气用户平台获取，并经智慧燃气服务平台传输至智慧燃气管网安全管理平台。
在一些实施例中，用户重要程度可以正相关于燃气使用量、用户通气时间以及按时缴费概率。用户通气时间是指是指用户开始使用燃气的时间。
在一些实施例中，系数3可以为负数，即有效抵达时间越短，处理优先评分越高。有效抵达时间是指应急车抵达目标区域进行供气的时效性效果满足效果阈值的最晚时间点。在一些实施例中，有效抵达时间可以是大于效果阈值的时效性效果对应的若干个不同抵达时间中，数值最大的抵达时间。例如，抵达时效预测模型输出的抵达时效数据为（（0.5，100），（1，90），（1.5，60），（2，30）），预设的效果阈值为50，则有效抵达时间为1.5小时。
在一些实施例中，第一预测目标区域的系数4大于第二预测目标区域的系数4。
步骤620，基于多个目标区域的处理优先级，确定处理多个目标区域的应急车派遣地点。
应急车派遣地点是指需要派遣应急车的目标区域。
在一些实施例中，智慧燃气管网安全管理平台可以通过多种方式确定处理多个目标区域的应急车派遣地点。例如，在不考虑区域推荐供气量大于应急车的容量的情况下，每个派遣地点可以直接派遣一辆应急车，则智慧燃气管网安全管理平台可以直接基于处理优先级高低顺序确定应急车派遣地点。例如，目标区域有15个，应急车有10辆，则智慧燃气管网安全管理平台可以将目标区域的处理优先级靠前的前10个目标区域确定为应急车派遣地点。
在一些实施例中，智慧燃气管网安全管理平台可以对于一个目标区域，基于目标区域对应的未来故障管道的故障类型、目标区域的区域数据、应急车与目标区域对应的未来故障管道的距离，确定区域推荐供气量；响应于区域推荐供气量大于应急车的容量，确定预备处理方案；基于多个目标区域的处理优先级和预备处理方案，确定处理多个目标区域的应急车派遣地点。关于区域数据的更多内容可以参见前文相关描述。
未来故障管道的故障类型是指未来故障管道所属的故障类型。例如，故障类型可以包括燃气管道中燃气泄漏、管道腐蚀、管道出现裂纹等。在一些实施例中，智慧燃气管网安全管理平台可以基于未来预测数据，确定故障类型。关于未来预测数据的更多内容可以参见图3的相关描述。
在一些实施例中，智慧燃气管网安全管理平台可以基于应急车所处的位置和未来故障管道的位置计算应急车与目标区域对应的未来故障管道的距离。
区域推荐供气量是指推荐的目标区域的供气量。
在一些实施例中，智慧燃气管网安全管理平台可以基于故障类型、区域数据、应急车与目标区域对应的未来故障管道的距离构建当前特征向量，从向量数据库中查找与当前特征向量相似度最高的参考特征向量，将参考特征向量对应的区域推荐供气量作为当前特征向量对应的区域推荐供气量。其中，向量数据库中可以包括由多个历史故障类型、区域数据、应急车与目标区域对应的未来故障管道的距离构成的多组参考特征向量，以及各组参考特征向量对应的区域推荐供气量。
应急车容量是指应急车可以存储的最大燃气量。
预备处理方案是指针对区域推荐供气量大于应急车的容量的目标区域所设定的备选方案。
在一些实施例中，为简化描述，对区域推荐供气量大于应急车的容量的目标区域，预备处理方案可以为直接多派出一辆或多辆应急车给该目标区域。在一些实施例中，如果存在多个目标区域的推荐供气量大于应急车的容量，预备处理方案可以为多个目标区域共用一辆应急车。下文均以直接多派出一辆应急车为例进行说明。
在一些实施例中，智慧燃气管网安全管理平台可以基于多个目标区域的处理优先级和预备处理方案确定应急车派遣地点。例如，智慧燃气管网安全管理平台可以按照处理优先级的顺序依次向目标区域分配应急车辆。并基于预备处理方案确定需要分配两辆应急车的目标区域，如当分配到需要分配两辆应急车的目标区域时，智慧燃气管网安全管理平台可以分配两辆应急车辆；当分配到需要分配一辆应急车的目标区域时，智慧燃气管网安全管理平台可以分配一辆应急车辆。直至应急车被分配完后，将之前被分配到的目标区域确定为应急车派遣地点。若存在最后一个被分配应急车的目标区域需要两辆应急车，但仅存一辆应急车时，可以先分配一辆应急车，待其余应急车完成任务后，再向该目标区域派遣第二辆应急车。
本说明书一些实施例，不同时间段的用气量不同，所需供气量也不同，因此通过区域推荐供气量确定预备处理方案，可以根据实际情况对预备处理方案进行调整；通过处理优先级和预备处理方案，确定处理多个目标区域的应急车派遣地点，有助于满足供气需求量较大的目标区域的供气需求。
步骤630，基于派遣地点和抵达时效数据，确定派遣时间。
在一些实施例中，智慧燃气管网安全管理平台可以基于路程时间确定派遣时间。路程时间是指应急车到达派遣地点所需的时间，可以基于目标区域的位置数据和派遣中心位置确定应急车与目标区域的距离，将二者距离除以应急车平均速度以获取路程时间。
在一些实施例中，智慧燃气管网安全管理平台可以将与路程时间相加后的时间小于有效抵达时间的任意时间点作为派遣时间。例如，有效抵达时间是下午五点，从派遣中心到派遣地点的路程时间为1.5小时，则派遣时间应为下午三点半前。关于有效抵达时间的更多内容可以参见前文相关描述。
本说明书一些实施例，通过目标区域的处理优先级确定应急车派遣地点，进而确定派遣时间，可以使处理优先级靠前的目标区域优先被派遣应急车，有助于提高应急供气效果，提升用户用气体验。
在一些实施例中，响应于目标区域包括第一实际目标区域、第二实际目标区域、第一预测目标区域和第二预测目标区域，智慧燃气管网安全管理平台可以确定多个目标区域的处理优先级；基于多个目标区域的处理优先级，确定处理多个目标区域的应急车派遣地点；基于派遣地点和抵达时效数据，确定派遣时间。
关于处理优先级的确定与处理优先评分的更多内容可以参见相关描述，其中计算处理优先评分时，不同目标区域系数4的大小不同，第一实际目标区域>第二实际目标区域>第一预测目标区域>第二预测目标区域。
应急车派遣地点及派遣时间的确定方式与前文应急车派遣地点及派遣时间的确定类似，可参见前文相关描述。
本说明书一些实施例，通过多个目标区域的处理优先级确定应急车派遣指令，可以使第一实际目标区域和第二实际目标区域相较于第一预测目标区域和第二预测目标区域被优先派遣应急车，提高了燃气应急供气处置的智能化。
在本说明书的实施例中按步骤说明所执行的操作时，如无特别说明，则步骤的次序均为可调换的，步骤是可以省略的，在操作过程中也可以包括其他步骤。
本说明书中的实施例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进行的各种修正和改变仍在本说明书的范围之内。
本说明书的一个或多个实施例中的某些特征、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属性、数量等的数字，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。
如果本说明书引用材料中的描述、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。
Claims (8)
1.一种智慧燃气应急供气处置方法，其特征在于，所述方法由智慧燃气应急供气处置物联网系统的智慧燃气管网安全管理平台执行，包括：
基于数据采集装置，获取燃气数据，所述燃气数据包括燃气流量数据、燃气管道温度数据、燃气管道气压数据中至少一种；
基于所述燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据，所述未来预测数据包括预测管道故障数据、未来燃气数据；
基于所述未来预测数据，确定未来故障管道；
基于所述未来故障管道，确定目标区域，所述目标区域包括第一预测目标区域，所述目标区域的数量为多个；
基于所述目标区域，确定应急车派遣指令，所述应急车派遣指令包括应急车派遣地点、应急车派遣时间中至少一种；
其中，所述基于所述燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据包括：
基于所述燃气数据和所述燃气管道特征构建故障特征图谱；
基于所述故障特征图谱，通过故障预测模型，确定预测变化数据，所述故障预测模型为机器学习模型；
基于所述预测变化数据，确定所述未来预测数据；
所述基于所述目标区域，确定应急车派遣指令包括：
对于一个所述目标区域，
基于影响管道的未来燃气数据、影响管道的特征、目标区域的位置数据，通过抵达时效预测模型，确定所述目标区域的抵达时效数据，所述抵达时效预测模型为机器学习模型；
基于所述抵达时效数据，确定所述目标区域的处理优先级；
基于多个所述目标区域的处理优先级，确定处理多个所述目标区域的应急车派遣地点；
基于所述派遣地点和所述抵达时效数据，确定派遣时间。
2.如权利要求1所述的方法，其特征在于，所述基于所述未来预测数据，确定未来故障管道包括：
基于所述未来预测数据、第一预设时间阈值，确定未来故障管道。
3.如权利要求2所述的方法，其特征在于，确定所述第一预测目标区域包括：
将所述未来故障管道对应的区域，确定为所述第一预测目标区域。
4.如权利要求1所述的方法，其特征在于，所述目标区域还包括第一实际目标区域、第二实际目标区域；
所述第一实际目标区域的确定包括：
基于实际故障管道，确定所述第一实际目标区域；
所述第二实际目标区域的确定包括：
基于所述实际故障管道，确定实际关联管道；
基于所述实际关联管道，确定所述第二实际目标区域。
5.一种智慧燃气应急供气处置物联网系统，其特征在于，所述系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台和智慧燃气管网对象平台，所述智慧燃气管网安全管理平台被配置为执行以下操作：
基于数据采集装置，获取燃气数据，所述燃气数据包括燃气流量数据、燃气管道温度数据、燃气管道气压数据中至少一种；
基于所述燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据，所述未来预测数据包括预测管道故障数据、未来燃气数据；
基于所述未来预测数据，确定未来故障管道；
基于所述未来故障管道，确定目标区域，所述目标区域包括第一预测目标区域，所述目标区域的数量为多个；
基于所述目标区域，确定应急车派遣指令，所述应急车派遣指令包括应急车派遣地点、应急车派遣时间中至少一种；
其中，所述基于所述燃气数据和燃气管道特征，确定燃气管网系统的未来预测数据包括：
基于所述燃气数据和所述燃气管道特征构建故障特征图谱；
基于所述故障特征图谱，通过故障预测模型，确定预测变化数据，所述故障预测模型为机器学习模型；
基于所述预测变化数据，确定所述未来预测数据；
所述基于所述目标区域，确定应急车派遣指令包括：
对于一个所述目标区域，
基于影响管道的未来燃气数据、影响管道的特征、目标区域的位置数据，通过抵达时效预测模型，确定所述目标区域的抵达时效数据，所述抵达时效预测模型为机器学习模型；
基于所述抵达时效数据，确定所述目标区域的处理优先级；
基于多个所述目标区域的处理优先级，确定处理多个所述目标区域的应急车派遣地点；
基于所述派遣地点和所述抵达时效数据，确定派遣时间。
6.根据权利要求5所述的物联网系统，其特征在于，所述智慧燃气用户平台包括燃气用户分平台和监管用户分平台，其中，所述燃气用户分平台对应燃气用户，所述监管用户分平台对应监管用户；以及
所述智慧燃气服务平台包括智慧用气服务分平台和智慧监管服务分平台，其中，所述智慧用气服务分平台与所述燃气用户分平台对应，所述智慧监管服务分平台和所述监管用户分平台对应。
7.一种智慧燃气应急供气处置装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~4任一项所述的智慧燃气应急供气处置方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1~4任一项所述的智慧燃气应急供气处置方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311371304.4A CN117114369B (zh) | 2023-10-23 | 2023-10-23 | 智慧燃气应急供气处置方法、物联网系统、装置及介质 |
| US18/510,578 US20240086870A1 (en) | 2023-10-23 | 2023-11-15 | Method, internet of things (iot) system, and medium for disposing emergency gas supply of smart gas |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311371304.4A CN117114369B (zh) | 2023-10-23 | 2023-10-23 | 智慧燃气应急供气处置方法、物联网系统、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117114369A CN117114369A (zh) | 2023-11-24 |
| CN117114369B true CN117114369B (zh) | 2024-01-02 |
Family
ID=88795081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311371304.4A Active CN117114369B (zh) | 2023-10-23 | 2023-10-23 | 智慧燃气应急供气处置方法、物联网系统、装置及介质 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240086870A1 (zh) |
| CN (1) | CN117114369B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118534883B (zh) * | 2024-07-29 | 2024-10-01 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的设备故障智能诊断方法、系统和介质 |
| CN118569845A (zh) * | 2024-07-30 | 2024-08-30 | 北京世纪黄龙技术有限公司 | 适用于智慧供热的线上交互处理方法、装置及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403265A (zh) * | 2017-07-21 | 2017-11-28 | 深圳市燃气集团股份有限公司 | 一种城镇燃气地上管道的选用方法及系统 |
| CN113094990A (zh) * | 2021-04-08 | 2021-07-09 | 上海天麦能源科技有限公司 | 一种低压燃气管道泄漏定位方法 |
| CN113944888A (zh) * | 2021-11-03 | 2022-01-18 | 北京软通智慧科技有限公司 | 燃气管道泄漏检测方法、装置、设备和存储介质 |
| CN113962500A (zh) * | 2020-07-21 | 2022-01-21 | 中国移动通信集团山东有限公司 | 一种应急车辆的调度方法、装置、计算机设备和存储介质 |
| CN113962464A (zh) * | 2021-10-25 | 2022-01-21 | 武汉理工大学 | 一种应急车辆调度方法、装置、设备及存储介质 |
| KR20220017122A (ko) * | 2020-08-04 | 2022-02-11 | 한국정보공학 주식회사 | 스마트 가스 안전 제어 서비스 플랫폼 및 방법 |
| CN114352947A (zh) * | 2021-12-08 | 2022-04-15 | 天翼物联科技有限公司 | 一种燃气管道泄漏检测方法、系统、装置及存储介质 |
| CN115545363A (zh) * | 2021-06-11 | 2022-12-30 | 清华大学 | 区域轨道交通站点维修调度方法、系统及电子设备 |
| 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 |
| CN115936722A (zh) * | 2023-03-09 | 2023-04-07 | 成都秦川物联网科技股份有限公司 | 智慧燃气呼叫中心的数据管理方法与物联网系统、介质 |
| CN116109122A (zh) * | 2023-04-17 | 2023-05-12 | 成都秦川物联网科技股份有限公司 | 智慧燃气维修管理派单预警方法、物联网系统和介质 |
| CN116506470A (zh) * | 2023-06-26 | 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的安全巡检方法和物联网系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019226818A1 (en) * | 2018-05-22 | 2019-11-28 | Pacific Gas And Electric Company | Resource mapping server and system |
| CA3109042A1 (en) * | 2018-08-09 | 2020-02-13 | Tyler Randall Reece | Leak detection with artificial intelligence |
| BE1026852B1 (nl) * | 2018-12-27 | 2020-09-28 | Atlas Copco Airpower Nv | Werkwijze voor het detecteren van lekken in een gasnetwerk onder druk of onder vacuüm en gasnetwerk |
| CN111625913B (zh) * | 2020-05-25 | 2021-10-15 | 清华大学 | 考虑天然气管道动态特性的天然气网动态状态估计方法 |
| US20230175914A1 (en) * | 2021-12-02 | 2023-06-08 | Bp America Production Company | System and method for gas detection at a field site using multiple sensors |
| US20240029232A1 (en) * | 2022-07-25 | 2024-01-25 | Clean Connect, Inc. | Machine learning system for natural gas leak detection |
| CN115356978B (zh) * | 2022-10-20 | 2023-04-18 | 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 |
-
2023
- 2023-10-23 CN CN202311371304.4A patent/CN117114369B/zh active Active
- 2023-11-15 US US18/510,578 patent/US20240086870A1/en active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403265A (zh) * | 2017-07-21 | 2017-11-28 | 深圳市燃气集团股份有限公司 | 一种城镇燃气地上管道的选用方法及系统 |
| CN113962500A (zh) * | 2020-07-21 | 2022-01-21 | 中国移动通信集团山东有限公司 | 一种应急车辆的调度方法、装置、计算机设备和存储介质 |
| KR20220017122A (ko) * | 2020-08-04 | 2022-02-11 | 한국정보공학 주식회사 | 스마트 가스 안전 제어 서비스 플랫폼 및 방법 |
| CN113094990A (zh) * | 2021-04-08 | 2021-07-09 | 上海天麦能源科技有限公司 | 一种低压燃气管道泄漏定位方法 |
| CN115545363A (zh) * | 2021-06-11 | 2022-12-30 | 清华大学 | 区域轨道交通站点维修调度方法、系统及电子设备 |
| CN113962464A (zh) * | 2021-10-25 | 2022-01-21 | 武汉理工大学 | 一种应急车辆调度方法、装置、设备及存储介质 |
| CN113944888A (zh) * | 2021-11-03 | 2022-01-18 | 北京软通智慧科技有限公司 | 燃气管道泄漏检测方法、装置、设备和存储介质 |
| CN114352947A (zh) * | 2021-12-08 | 2022-04-15 | 天翼物联科技有限公司 | 一种燃气管道泄漏检测方法、系统、装置及存储介质 |
| 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 |
| CN115936722A (zh) * | 2023-03-09 | 2023-04-07 | 成都秦川物联网科技股份有限公司 | 智慧燃气呼叫中心的数据管理方法与物联网系统、介质 |
| CN116109122A (zh) * | 2023-04-17 | 2023-05-12 | 成都秦川物联网科技股份有限公司 | 智慧燃气维修管理派单预警方法、物联网系统和介质 |
| CN116506470A (zh) * | 2023-06-26 | 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的安全巡检方法和物联网系统 |
Non-Patent Citations (4)
| Title |
|---|
| System-level prognosis and health monitoring modeling framework and software implementation for gas pipeline system integrity management;Wadie Chalgham 等;Journal of Natural Gas Science and Engineering;第84卷;1-27 * |
| 城市供燃气系统应急管理模拟仿真系统开发;竹俊卿;中国优秀硕士学位论文全文数据库 信息科技辑(第S2期);I138-1618 * |
| 城市灾害应急物流配送干扰管理系统模型研究;闫卓男 等;工程管理学报;第28卷(第02期);61-65 * |
| 社区燃气设施风险监测和预警系统设计;邓小宝;中国优秀硕士学位论文全文数据库 工程科技II辑(第01期);C038-1917 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240086870A1 (en) | 2024-03-14 |
| CN117114369A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117114369B (zh) | 智慧燃气应急供气处置方法、物联网系统、装置及介质 | |
| CN115796408B (zh) | 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 | |
| CN116308965B (zh) | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 | |
| 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 | |
| CN115936449B (zh) | 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统 | |
| CN115587640B (zh) | 智慧燃气管道清管安全管理方法、物联网系统及介质 | |
| CN116506470A (zh) | 基于智慧燃气gis的安全巡检方法和物联网系统 | |
| CN115775088B (zh) | 一种智慧燃气巡检计划确定方法与物联网系统 | |
| US11982613B2 (en) | Methods and internet of things (IOT) systems for corrosion protection optimization of pipeline of smart gas | |
| CN116127396A (zh) | 一种基于智慧燃气的燃气泄漏判别方法和物联网系统 | |
| 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 | |
| CN116664019B (zh) | 智慧燃气数据时效性管理方法、物联网系统、装置及介质 | |
| 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 | |
| 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 | |
| US20240084975A1 (en) | Method, internet of things system, and storage medium for assessing smart gas emergency plan | |
| CN114399113B (zh) | 一种天然气管网管理方法和系统 | |
| KR102494144B1 (ko) | 빅데이터 기반 지능형 상수관망 의사결정지원 시스템 | |
| CN116951317B (zh) | 基于智慧燃气的供气成本管控方法、物联网系统与介质 | |
| Abghari et al. | Trend analysis to automatically identify heat program changes | |
| CN118442548B (zh) | 基于智慧燃气物联网的管线运行状态安全监测方法和系统 | |
| CN117010663B (zh) | 基于图谱的智慧燃气数据管理方法和物联网系统及介质 | |
| US20240037424A1 (en) | Methods and internet of things (iot) systems for managing operation progresses of smart gas pipeline networks | |
| CN118195594B (zh) | 智慧燃气管网附属结构安全维保管理方法与物联网系统 | |
| CN118798810A (zh) | 基于智慧燃气监管的管廊应急物资管控方法与物联网系统 | |
| CN118674126A (zh) | 一种智慧燃气监管信息的巡检方法和物联网系统 |
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 |