CN117270404A - 一种多租户场景下能源供给精细控制系统及方法 - Google Patents
一种多租户场景下能源供给精细控制系统及方法 Download PDFInfo
- Publication number
- CN117270404A CN117270404A CN202311572435.9A CN202311572435A CN117270404A CN 117270404 A CN117270404 A CN 117270404A CN 202311572435 A CN202311572435 A CN 202311572435A CN 117270404 A CN117270404 A CN 117270404A
- Authority
- CN
- China
- Prior art keywords
- gas
- pipe
- value
- main pipe
- gas supply
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 151
- 239000007789 gas Substances 0.000 claims abstract description 664
- 239000002737 fuel gas Substances 0.000 claims abstract description 74
- 238000010801 machine learning Methods 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 230000001133 acceleration Effects 0.000 claims description 20
- 230000005484 gravity Effects 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009826 distribution Methods 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
- 239000003345 natural gas Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明涉及燃气供给控制技术领域,本发明公开了一种多租户场景下能源供给精细控制系统及方法,方法包括:采集历史燃气使用数据,训练预测出供气端供气量的机器学习模型,将实时的供气端供气量与预测出的供气端供气量对比分析,获取供气端供气量差值,与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示,获取泄漏点位置并生成燃气供给控制指令;本发明相对现有技术考虑更加全面,考虑了燃气传输损耗带来的误差影响,能够从供气端供气量的角度对燃气供给控制提供数据支持,提高了机器学习模型对供气端供气量的预测效果,从而及时且准确的生成燃气泄漏提示,并在发现燃气泄漏现象后进行燃气供给的精细供给控制。
Description
技术领域
本发明涉及燃气供给控制技术领域,更具体地说,本发明涉及一种多租户场景下能源供给精细控制系统及方法。
背景技术
能源是指能够提供能量的资源,这里的能量通常指热能、电能、光能、机械能、化学能等,燃气作为化学能的一种,在现代社会的日常生产和生活中发挥着重要的作用,尤其在面对数量较多的租户时,需要燃气公司根据租户的燃气需求,结合实际燃气管道的分布和负荷情况,向燃气管道内输入满足多租户需求的燃气量,从而对燃气供给起到精细控制效果。
申请公开号为CN116498899A的中国专利公开了城市天然气管网控制系统及方法,通过构建管网控制系统,在降低管网改造的成本的同时,对燃气管网输气量、输气压力进行调控,通过对管网输气流量的监测和判断,得到耗损率,并根据耗损率能够监测哪一部分管线出现泄漏,相对于传统仅能调控支线管路的输气量,该申请调控更精确。
现有技术存在以下不足:
当同一建筑内的多租户需要使用燃气时,供气端需要向管理端铺设一个燃气主管,管理端通过多个燃气副管将燃气传输到不同分岔端,并通过多个燃气支管将燃气传输到对应的租户端,而燃气公司通常按照租户端的燃气计量表数据对燃气用量进行计费,当燃气管道被破坏时,会造成燃气泄漏的现象,使得供气端燃气供气量与租户端实际燃气用量不匹配,从而导致燃气公司对燃气供给信息的采集不准确,不利于燃气精细供给控制。
鉴于此,本发明提出一种多租户场景下能源供给精细控制系统及方法以解决上述问题。
发明内容
为了克服现有技术的上述缺陷,为实现上述目的,本发明提供如下技术方案:一种多租户场景下能源供给精细控制方法,应用于燃气监测服务器,所述方法包括:
采集历史燃气使用数据,历史燃气使用数据为燃气管道不存在泄漏点的情况下采集,历史燃气使用数据包括燃气综合参数以及燃气综合参数对应的供气端供气量;
基于燃气综合参数,训练预测出供气端供气量的机器学习模型;
采集实时的燃气综合参数,基于训练完成的机器学习模型预测出实时的供气端供气量,将实时的供气端供气量与预测出的供气端供气量对比分析,获取供气端供气量差值;
将燃气用量差值比例与预设的安全用量阈值对比分析,将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示;
根据生成的燃气泄漏提示,在燃气管道上获取泄漏点位置,并根据泄漏点位置,生成燃气供给控制指令。
进一步的,所述燃气综合参数包括租户端用气量和燃气传输损耗;
租户端用气量的获取方法包括:
通过安装在租户端燃气支管出口处的燃气流量计获取个燃气支管出气口燃气流速,和/>个燃气支管出气口燃气使用时间,并计算得到单个燃气支管出气口流出的燃气量;
单个燃气支管出气口流出的燃气量的表达式为:*/>;
式中,为第/>个燃气支管出气口流出的燃气量,/>为第/>个支管燃气流速,为第/>个支管燃气使用时间;
将个燃气支管出气口流出的燃气量相加后,得到租户端用气量;
租户端用气量的表达式为:;
式中,为租户端用气量。
进一步的,所述燃气管道包括燃气主管、根燃气副管与/>根燃气支管,燃气主管输出端与其中一根燃气副管输入端连接,其余/>-1根燃气副管依次首尾连接,/>根燃气支管输入端一一对应与/>根燃气副管输出端连接,燃气支管输出端通入租户端;所述燃气传输损耗包括主管损耗、副管损耗和支管损耗;
影响主管损耗的参数包括主管摩擦系数、主管内外温度比例、主管长度、主管燃气流速、主管内径和主管重力加速度;
主管摩擦系数的获取方法包括:
通过部署在燃气主管的进气口和燃气主管的出气口的气压传感器分别检测第一燃气压力值和第二燃气压力值,计算第一燃气压力值与第二燃气压力值差值的绝对值,记为燃气主管压降值;
燃气主管压降值的表达式为:;
式中,为燃气主管压降值,/>为第一燃气压力值,/>为第二燃气压力值;
利用管道设计图纸分别获取燃气主管的内径和长度,通过在燃气主管上部署的密度传感器和燃气流量计获得燃气主管内的燃气密度和燃气流速,并计算获得主管摩擦系数;
主管摩擦系数的表达式为:;
式中,为主管摩擦系数,/>为主管内径,/>为主管长度,/>为主管燃气密度,为主管燃气流速。
进一步的,所述主管内外温度比例为燃气主管管外温度平均值与燃气主管管内温度平均值的比值;燃气主管管外温度平均值的获取方法包括:
将燃气主管等长度划分为个子区域,通过温度传感器检测/>个子区域的管外实时温度,去除数值最高和最低的管外实时温度,将余下的/>-2个管外实时温度累加后求平均值;
燃气主管管外温度平均值的表达式为:
;
式中,为燃气主管管外温度平均值,/>为第/>个子区域的管外实时温度;
燃气主管管内温度平均值的获取方法包括:
将燃气主管等长度划分为个子区域,通过温度传感器检测/>个子区域的管内实时温度,去除数值最高和最低的管内实时温度,将余下的/>-2个管内实时温度累加后求平均值;
燃气主管管内温度平均值的表达式为:
;
式中,为燃气主管管内温度平均值,/>为第/>个子区域的管内实时温度;
主管内外温度比例的表达式为:;
式中,为主管内外温度比例。
进一步的,主管损耗的表达式为:;
式中,为主管损耗,/>为主管重力加速度,/>为主管摩擦系数,/>为主管内径,/>为主管长度,/>为主管内外温度比例,/>为主管燃气流速;
副管损耗由个燃气副管损耗值汇总而来,单个燃气副管损耗值的表达式为:;
式中,为第/>个燃气副管损耗值,/>为第/>个副管摩擦系数,/>为第/>个副管长度,/>为第/>个副管燃气流速,/>为第/>个副管内径,/>为第/>个副管重力加速度,为第/>个副管内外温度比例;
副管损耗的表达式为:;
式中,为副管损耗;
支管损耗由个燃气支管损耗值汇总而来,单个燃气支管损耗值的表达式为:;
式中,为第/>个燃气支管损耗值,/>为第/>个支管摩擦系数,/>为第/>个支管长度,/>为第/>个支管燃气流速,/>为第/>个支管内径,/>为第/>个支管重力加速度,为第/>个支管内外温度比例;
支管损耗的表达式为:;
式中,为副管损耗;
综上,燃气传输损耗的表达式为:+/>+/>;
式中,为燃气传输损耗。
进一步的,预测出供气端供气量的机器学习模型的训练方法包括;
将采集到的燃气综合参数转换为对应的一组特征向量;
将每组特征向量作为所述机器学习模型的输入,所述机器学习模型以每组燃气综合参数对应的供气端供气量作为输出,以每组燃气综合参数实时对应的供气端供气量作为预测目标,以最小化所述机器学习模型损失函数值作为训练目标;当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
进一步的,供气端供气量差值的表达式为:
;
式中,为供气端供气量差值,/>为预测的供气端供气量,/>为实时的供气端供气量。
进一步的,燃气泄漏提示的生成方法包括:
预设安全供气量阈值,记为;
当时,在燃气监测服务器内不生成燃气泄漏提示;
当时,在燃气监测服务器内生成燃气泄漏提示。
进一步的,泄漏点位置的获取方法包括:
计算与/>的差值,记为泄漏值;
通过燃气流量计获取所有位置的燃气主管、燃气副管和燃气支管出气口流出的燃气量,并加上对应的燃气传输损耗后,与供气端供气量进行差值比较,获得对应的比较值,并根据比较值与泄漏值的差值大小是否为0,确定泄漏点位置;
通过燃气流量计获取燃气主管出气口流出的燃气量,加上主管损耗后,记为第一供气量,将第一供气量与供气端供气量相减比较,获得第一比较值,若第一比较值为0,则泄漏点位置不在燃气主管上,若第一比较值与泄漏值的差值为0,则泄漏点位置在燃气主管上;若第一比较值与泄漏值的差值大于0,则按照燃气流动方向上同理依次计算判定燃气副管与燃气支管是否存在泄漏点位置;
燃气供给控制指令的生成方法包括:
燃气监测服务器监测到燃气泄漏信息,向燃气供给控制中心发送燃气泄漏信息,燃气供给控制中心根据泄漏点位置对应的燃气管道,向供气端、管理端发送关闭泄漏点位置对应的燃气管道进气口的燃气电磁阀的控制指令。
一种多租户场景下能源供给精细控制系统,应用于燃气供给控制中心,用于实现所述的一种多租户场景下能源供给精细控制方法,包括数据采集模块、模型训练模块、泄漏提示模块和指令控制模块,其中,各个模块之间通过有线和/或无线网络方式连接:
数据采集模块,采集历史燃气使用数据,历史燃气使用数据包括燃气综合参数以及燃气综合参数对应的供气端供气量;
模型训练模块,基于燃气综合参数,训练出能够预测出供气端供气量的机器学习模型;
泄漏提示模块,采集实时的燃气综合参数,基于训练完成的机器学习模型预测出实时的供气端供气量,将实时的供气端供气量与预测出的供气端供气量对比分析,获取供气端供气量差值,将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示;
控制指令模块,根据生成的燃气泄漏提示,在燃气管道上获取泄漏点位置,并根据泄漏点位置,生成燃气供给控制指令。
一种计算机设备,包括:处理器和存储器;
其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行实现所述的一种多租户场景下能源供给精细控制方法。
一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序被运行时,执行实现所述的一种多租户场景下能源供给精细控制方法。
本发明一种多租户场景下能源供给精细控制系统及方法的技术效果和优点:
本发明通过采集历史燃气使用数据对机器学习模型进行训练,基于训练完成的机器学习模型预测出实时的供气端供气量,并结合预测出的供气端供气量获取供气端供气量差值,将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示,并在发生燃气泄漏时及时准确的定位到泄漏点位置,生成相应的燃气供给控制指令进行燃气供给控制,相对现有技术考虑更加全面,考虑了燃气传输损耗带来的误差影响,能够从供气端供气量的角度对燃气供给控制提供数据支持,提高了机器学习模型对供气端供气量的预测效果,从而及时且准确的生成燃气泄漏提示,并在发现燃气泄漏现象后进行燃气供给的精细供给控制。
附图说明
图1为本发明实施例1一种多租户场景下能源供给精细控制方法的示意图;
图2为本发明实施例2一种多租户场景下能源供给精细控制系统的示意图;
图3为本发明实施例1一种多租户场景下能源供给精细控制方法的燃气管道铺设结构示意图;
图4为本发明实施例3提供的一种电子设备的结构示意图;
图5为本发明实施例4提供的一种计算机可读存储介质的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1所示,本实施例所述一种多租户场景下能源供给精细控制方法,应用于燃气监测服务器,所述方法包括:
S1:在实验环境下,采集历史燃气使用数据,历史燃气使用数据包括燃气综合参数以及燃气综合参数对应的供气端供气量,历史燃气使用数据为燃气管道不存在泄漏点的情况下采集;
燃气综合参数包括租户端用气量和燃气传输损耗;
租户端用气量是指所有租户端对应的所有燃气支管出气口流出的燃气量的总和,租户端用气量与租户端的支管燃气流速和支管燃气使用时间相关,当燃气支管出气口的燃气流速越大和燃气使用时间越长时,则租户端用气量会越多;
租户端用气量的获取方法包括:
通过安装在租户端燃气支管出口处的燃气流量计获取个燃气支管出气口燃气流速,和/>个燃气支管出气口燃气使用时间,并计算得到单个燃气支管出气口流出的燃气量;
单个燃气支管出气口流出的燃气量的表达式为:*/>;
式中,为第/>个燃气支管出气口流出的燃气量,/>为第/>个支管燃气流速,为第/>个支管燃气使用时间;
将个燃气支管出气口流出的燃气量相加后,得到租户端用气量;
租户端用气量的表达式为:;
式中,为租户端用气量;
燃气传输损耗是指燃气在燃气管道中流动时由于与燃气管道摩擦而产生的燃气损失,传输损耗会导致实时的租户端燃气用量小于燃气公司供应的燃气用量;燃气传输损耗包括主管损耗、副管损耗和支管损耗;
如图3所示,主管损耗是指供气端到管理端之间燃气主管的传输损耗,副管损耗是指管理端到分岔端之间的燃气副管的传输损耗,支管损耗是指分岔端到租户端之间的燃气支管的传输损耗;
影响主管损耗的参数包括主管摩擦系数、主管内外温度比例、主管长度、主管燃气流速、主管内径和主管重力加速度;
主管摩擦系数是燃气在燃气管道内流动时与燃气主管内壁的摩擦力大小,当主管摩擦系数越大时,燃气流动时受到的摩擦阻力越大,则主管损耗越多;
主管摩擦系数的获取方法包括:
通过部署在燃气主管的进气口和燃气主管的出气口的气压传感器分别检测第一燃气压力值和第二燃气压力值,计算第一燃气压力值与第二燃气压力值差值的绝对值,记为燃气主管压降值;
燃气主管压降值的表达式为:;
式中,为燃气主管压降值,/>为第一燃气压力值,/>为第二燃气压力值;
利用管道设计图纸分别获取燃气主管的内径和长度,通过在燃气主管上部署的密度传感器和燃气流量计获得燃气主管内的燃气密度和燃气流速,并计算获得主管摩擦系数;
主管摩擦系数的表达式为:;
式中,为主管摩擦系数,/>为主管内径,/>为主管长度,/>为主管燃气密度,为主管燃气流速;
主管内外温度比例为燃气主管管外温度平均值与燃气主管管内温度平均值的比值,主管内外温度比例越大,则主管损耗越多;
燃气主管管外温度平均值的获取方法包括:
将燃气主管等长度划分为个子区域,通过温度传感器检测/>个子区域的管外实时温度,去除数值最高和最低的管外实时温度,将余下的/>-2个管外实时温度累加后求平均值;能够消除掉异常的管外实时温度带来的影响,避免造成燃气主管管外温度平均值不准的现象;
燃气主管管外温度平均值的表达式为:
;
式中,为燃气主管管外温度平均值,/>为第/>个子区域的管外实时温度;
燃气主管管内温度平均值的获取方法包括:
将燃气主管等长度划分为个子区域,通过温度传感器检测/>个子区域的管内实时温度,去除数值最高和最低的管内实时温度,将余下的/>-2个管内实时温度累加后求平均值;能够消除掉异常的管内实时温度带来的影响,避免造成燃气主管管内温度平均值不准的现象;
燃气主管管内温度平均值的表达式为:
;
式中,为燃气主管管内温度平均值,/>为第/>个子区域的管内实时温度;
主管内外温度比例的表达式为:;
式中,为主管内外温度比例;
主管长度越长,燃气从供气端流动到管理端时在燃气主管内受到摩擦的路径会越长,则主管损耗越多;
主管内径越大,燃气从供气端流动到管理端时在燃气主管内通过的截面积越大,则主管损耗越少;主管长度和主管内径均由管道设计图纸获得;
主管燃气流速越大,燃气在主管内流动时与主管内壁接触摩擦的燃气越多,则主管损耗越多;主管燃气流速通过部署在燃气主管上的燃气流量计获得;
重力加速度越大,则主管损耗越少,重力加速度采用国际上通用的重力加速度参考值;示例的,重力加速度的取值为9.8 m/s²;
主管损耗的表达式为:;
式中,为主管损耗,/>为主管重力加速度;
影响副管损耗的参数包括副管摩擦系数、副管内外温度比例、副管长度、副管燃气流速、副管内径和副管重力加速度;
副管损耗中的副管摩擦系数、副管内外温度比例、副管长度、副管燃气流速、副管内径和副管重力加速度的获取方法如上述主管损耗中参数的获取方法一致;
如图3所示,在多租户的燃气管道铺设当中,一个租户端对应一个燃气支管,一个分岔端对应一个燃气副管,且燃气副管与燃气支管的数量一致,均铺设有个;因此,副管损耗为/>个燃气副管损耗值之和;支管损耗为/>个燃气支管损耗值之和;
单个燃气副管损耗值的表达式为:;
式中,为第/>个燃气副管损耗值,/>为第/>个副管摩擦系数,/>为第/>个副管长度,/>为第/>个副管燃气流速,/>为第/>个副管内径,/>为第/>个副管重力加速度,为第/>个副管内外温度比例;
副管损耗的表达式为:;
式中,为副管损耗;
影响支管损耗的参数包括支管摩擦系数、支管内外温度比例、支管长度、支管燃气流速、支管内径和支管重力加速度;
支管损耗中的支管摩擦系数、支管内外温度比例、支管长度、支管燃气流速、支管内径和支管重力加速度的获取方法如上述主管损耗中参数的获取方法一致;
单个燃气支管损耗值的表达式为:;
式中,为第/>个燃气支管损耗值,/>为第/>个支管摩擦系数,/>为第/>个支管长度,/>为第/>个支管燃气流速,/>为第/>个支管内径,/>为第/>个支管重力加速度,为第/>个支管内外温度比例;
支管损耗的表达式为:;
式中,为副管损耗;
综上,燃气传输损耗的表达式为:+/>+/>;
式中,为燃气传输损耗;
供气端供气量由安装在燃气主管进气口的燃气流量计获得;
S2:基于燃气综合参数,训练出能够预测出供气端供气量的机器学习模型;
预测出供气端供气量的机器学习模型的训练方法包括;
将采集到的燃气综合参数转换为对应的一组特征向量;
将每组特征向量作为所述机器学习模型的输入,所述机器学习模型以每组燃气综合参数对应的供气端供气量作为输出,以每组燃气综合参数实时对应的供气端供气量作为预测目标,以最小化所述机器学习模型损失函数值作为训练目标;当机器学习模型损失函数值小于等于预设的目标损失值时停止训练;
所述机器学习模型损失函数值为均方误差;
均方误差是常用的损失函数之一,通过将损失函数公=/>最小化为目标来训练模型,使得所述机器学习模型更好地拟合数据,从而提高模型的性能和准确率;
损失函数中为机器学习模型损失函数值,/>为特征向量组号;/>为特征向量组数;/>为第/>组特征向量所对应的供气端供气量,/>为第/>组特征向量实际所对应的供气端供气量;
所述机器学习模型的其他模型参数,目标损失值、优化算法、训练集测试集验证集比例以及损失函数的优化等均通过实际的工程实现,不断地进行实验调优后获得;
S3:采集实时的燃气综合参数,基于训练完成的机器学习模型预测出实时的供气端供气量,将实时的供气端供气量与预测出的供气端供气量对比分析,获取供气端供气量差值;
采集实时的燃气综合参数,并将实际的燃气综合参数作为机器学习模型的输入,并通过机器学习模型输出实际的燃气综合参数对应的供气端供气量;
供气端供气量差值的表达式为:
;
式中,为供气端供气量差值,/>为预测的供气端供气量,/>为实时的供气端供气量;
S4:将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示;
燃气泄漏提示的生成方法包括:
预设安全供气量阈值,记为,安全供气量阈值是判断供气端供气量差值处于正常范围还是异常范围的依据,当供气端供气量差值处于正常范围时,则说明没有发生燃气泄漏现象;当供气端供气量差值处于异常范围时,则说明发生了燃气泄漏现象;安全供气量阈值的设定根据燃气在燃气管道内流动时产生损耗的多组历史数据汇总而来,安全供气量阈值的大小需要考虑燃气管道长度、燃气温度、管道进口压力和出口压力等数据带来的损耗;
当时,说明供气端供气量差值处于正常范围时,实时的供气端供气量与预测的供气端供气量之间的差距小,则没有发生供气端供气量异常现象,此时在燃气监测服务器内不生成燃气泄漏提示;
当时,说明供气端供气量差值处于异常范围时,实时的供气端供气量与预测的供气端供气量之间的差距大,则发生了供气端供气量异常现象,此时在燃气监测服务器内生成燃气泄漏提示;
S5:根据生成的燃气泄漏提示,在燃气管道上获取泄漏点位置,并根据泄漏点位置,生成燃气供给控制指令;
当时,生成燃气泄漏提示,此时燃气管道上的泄漏点位置并不确定,泄漏点位置可能在燃气主管、燃气副管和燃气支管上的一个或多个位置,需要对具体的泄漏点位置进行定位;
燃气支管、燃气副管和燃气支管的进气口和出气口处均部署由集成由计时模块的流量传感器,用于获取对应进气口和出气口流出的燃气量;
泄漏点位置的获取方法包括:
计算与/>的差值,记为泄漏值;
通过燃气流量计获取所有位置的燃气主管、燃气副管和燃气支管出气口流出的燃气量,并加上对应的燃气传输损耗后,与供气端供气量进行差值比较,获得对应的比较值,并根据比较值与泄漏值的差值大小是否为0,确定泄漏点位置;
示例性的,通过燃气流量计获取燃气主管出气口流出的燃气量,加上主管损耗后,记为第一供气量,将第一供气量与供气端供气量相减比较,获得第一比较值,若第一比较值为0,则泄漏点位置不在燃气主管上,若第一比较值与泄漏值的差值为0,则泄漏点位置在燃气主管上;若第一比较值与泄漏值的差值大于0,则还有其他泄漏点位置;
当第一比较值与泄漏值的差值大于0时,通过燃气流量计获取第一个燃气副管出气口流出的燃气量,加上主管损耗和第一个燃气副管损耗值后,记为第二供气量,将第二供气量与供气端供气量相减比较,获得第二比较值,若第二比较值为0,则其他泄漏点位置不在第一个燃气副管上,若第二比较值与泄漏值的差值为0,则其他泄漏点位置在第一燃气副管上;若第二比较值与泄漏值的差值大于0,则还有其他泄漏点位置;
若第二比较值与泄漏值的差值大于0时,通过燃气流量计获取第一个燃气支管出气口流出的燃气量,加上主管损耗、第一个燃气副管损耗值和第一个燃气支管损耗值后,记为第三供气量,将第三供气量与供气端供气量相减比较,获得第三比较值,若第三比较值为0,则其他泄漏点位置不在第一个燃气支管上,若第三比较值与泄漏值的差值为0,则其他泄漏点位置在第一燃气支管上;若第三比较值与泄漏值的差值大于0,则还有其他泄漏点位置;
如此往复,计算所有的燃气主管、燃气副管和燃气支管的组合情况,直至最终确定所有泄漏点位置;
燃气供给控制指令的生成方法包括:
燃气监测服务器监测到燃气泄漏信息,向燃气供给控制中心发送燃气泄漏信息,燃气供给控制中心根据泄漏点位置对应的燃气管道,向供气端、管理端发送关闭泄漏点位置对应的燃气管道进气口的燃气电磁阀的控制指令;
示例性的,当泄漏点位置对应的燃气管道为燃气主管时,燃气供给控制中心向供气端发送关闭燃气主管出气口的燃气电磁阀的控制指令;
当泄漏点位置对应的燃气管道为燃气副管或燃气支管时,燃气供给控制中心向管理端发送关闭燃气副管出气口或燃气支管出气口的燃气电磁阀的控制指令;
当泄漏点位置对应的燃气管道为燃气主管以及燃气副管或燃气支管时,燃气供给控制中心分别向供气端和管理端发送关闭燃气主管出气口的燃气电磁阀和关闭燃气副管出气口或燃气支管出气口的燃气电磁阀的控制指令;
通过采集历史燃气使用数据对机器学习模型进行训练,基于训练完成的机器学习模型预测出实时的供气端供气量,并结合预测出的供气端供气量获取供气端供气量差值,将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示,并在发生燃气泄漏时及时准确的定位到泄漏点位置,生成相应的燃气供给控制指令进行燃气供给控制,相对现有技术考虑更加全面,考虑了燃气传输损耗带来的误差影响,能够从供气端供气量的角度对燃气供给控制提供数据支持,提高了机器学习模型对供气端供气量的预测效果,从而及时且准确的生成燃气泄漏提示,并在发现燃气泄漏现象后进行燃气供给的精细供给控制。
实施例2
请参阅图2所示,本实施例未详细叙述部分见实施例1描述内容,提供一种多租户场景下能源供给精细控制系统,应用于燃气供给控制中心,用于实现一种多租户场景下能源供给精细控制方法,包括数据采集模块、模型训练模块、泄漏提示模块和控制指令模块,其中,各个模块之间通过有线和/或无线网络方式连接;
数据采集模块,采集历史燃气使用数据,历史燃气使用数据包括燃气综合参数以及燃气综合参数对应的供气端供气量;
模型训练模块,基于燃气综合参数,训练出能够预测出供气端供气量的机器学习模型;
泄漏提示模块,采集实时的燃气综合参数,基于训练完成的机器学习模型预测出实时的供气端供气量,将实时的供气端供气量与预测出的供气端供气量对比分析,获取供气端供气量差值,将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示;
控制指令模块,根据生成的燃气泄漏提示,在燃气管道上获取泄漏点位置,并根据泄漏点位置,生成燃气供给控制指令。
实施例3
请参阅图4所示,本实施例公开提供了一种计算机设备,包括:处理器和存储器;
其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行实现所述的一种多租户场景下能源供给精细控制方法。
由于本实施例所介绍的电子设备为实施本申请实施例1中一种多租户场景下能源供给精细控制方法所采用的电子设备,故而基于本申请实施例中所介绍的一种多租户场景下能源供给精细控制方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中一种多租户场景下能源供给精细控制方法所采用的电子设备,都属于本申请所欲保护的范围。
实施例4
请参阅图5所示,本实施例公开提供了一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序被运行时,执行实现所述的一种多租户场景下能源供给精细控制方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种多租户场景下能源供给精细控制方法,应用于燃气监测服务器,其特征在于,所述方法包括:
采集历史燃气使用数据,历史燃气使用数据为燃气管道不存在泄漏点的情况下采集,历史燃气使用数据包括燃气综合参数以及燃气综合参数对应的供气端供气量;
基于燃气综合参数,训练预测出供气端供气量的机器学习模型;
采集实时的燃气综合参数,基于训练完成的机器学习模型预测出实时的供气端供气量,将实时的供气端供气量与预测出的供气端供气量对比分析,获取供气端供气量差值;
将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示;
根据生成的燃气泄漏提示,在燃气管道上获取泄漏点位置,并根据泄漏点位置,生成燃气供给控制指令。
2.根据权利要求1所述的一种多租户场景下能源供给精细控制方法,其特征在于,所述燃气综合参数包括租户端用气量和燃气传输损耗;
租户端用气量的获取方法包括:
通过安装在租户端燃气支管出口处的燃气流量计获取个燃气支管出气口燃气流速,和/>个燃气支管出气口燃气使用时间,并计算得到单个燃气支管出气口流出的燃气量;
单个燃气支管出气口流出的燃气量的表达式为:*/>;
式中,为第/>个燃气支管出气口流出的燃气量,/>为第/>个支管燃气流速,/>为第个支管燃气使用时间;
将个燃气支管出气口流出的燃气量相加后,得到租户端用气量;
租户端用气量的表达式为:;
式中,为租户端用气量。
3.根据权利要求2所述的一种多租户场景下能源供给精细控制方法,其特征在于,所述燃气管道包括燃气主管、根燃气副管与/>根燃气支管,燃气主管输出端与其中一根燃气副管输入端连接,其余/>-1根燃气副管依次首尾连接,/>根燃气支管输入端一一对应与/>根燃气副管输出端连接,燃气支管输出端通入租户端;所述燃气传输损耗包括主管损耗、副管损耗和支管损耗;
影响主管损耗的参数包括主管摩擦系数、主管内外温度比例、主管长度、主管燃气流速、主管内径和主管重力加速度;
主管摩擦系数的获取方法包括:
通过部署在燃气主管的进气口和燃气主管的出气口的气压传感器分别检测第一燃气压力值和第二燃气压力值,计算第一燃气压力值与第二燃气压力值差值的绝对值,记为燃气主管压降值;
燃气主管压降值的表达式为:;
式中,为燃气主管压降值,/>为第一燃气压力值,/>为第二燃气压力值;
利用管道设计图纸分别获取燃气主管的内径和长度,通过在燃气主管上部署的密度传感器和燃气流量计获得燃气主管内的燃气密度和燃气流速,并计算获得主管摩擦系数;
主管摩擦系数的表达式为:;
式中,为主管摩擦系数,/>为主管内径,/>为主管长度,/>为主管燃气密度,/>为主管燃气流速。
4.根据权利要求3所述的一种多租户场景下能源供给精细控制方法,其特征在于,所述主管内外温度比例为燃气主管管外温度平均值与燃气主管管内温度平均值的比值;燃气主管管外温度平均值的获取方法包括:
将燃气主管等长度划分为个子区域,通过温度传感器检测/>个子区域的管外实时温度,去除数值最高和最低的管外实时温度,将余下的/>-2个管外实时温度累加后求平均值;
燃气主管管外温度平均值的表达式为:
;
式中,为燃气主管管外温度平均值,/>为第/>个子区域的管外实时温度;
燃气主管管内温度平均值的获取方法包括:
将燃气主管等长度划分为个子区域,通过温度传感器检测/>个子区域的管内实时温度,去除数值最高和最低的管内实时温度,将余下的/>-2个管内实时温度累加后求平均值;
燃气主管管内温度平均值的表达式为:
;
式中,为燃气主管管内温度平均值,/>为第/>个子区域的管内实时温度;
主管内外温度比例的表达式为:;
式中,为主管内外温度比例。
5.根据权利要求4所述的一种多租户场景下能源供给精细控制方法,其特征在于,主管损耗的表达式为:;
式中,为主管损耗,/>为主管重力加速度,/>为主管摩擦系数,/>为主管内径,为主管长度,/>为主管内外温度比例,/>为主管燃气流速;
副管损耗由个燃气副管损耗值汇总而来,单个燃气副管损耗值的表达式为:;
式中,为第/>个燃气副管损耗值,/>为第/>个副管摩擦系数,/>为第/>个副管长度,为第/>个副管燃气流速,/>为第/>个副管内径,/>为第/>个副管重力加速度,/>为第个副管内外温度比例;
副管损耗的表达式为:;
式中,为副管损耗;
支管损耗由个燃气支管损耗值汇总而来,单个燃气支管损耗值的表达式为:;
式中,为第/>个燃气支管损耗值,/>为第/>个支管摩擦系数,/>为第/>个支管长度,/>为第/>个支管燃气流速,/>为第/>个支管内径,/>为第/>个支管重力加速度,为第/>个支管内外温度比例;
支管损耗的表达式为:;
式中,为副管损耗;
综上,燃气传输损耗的表达式为:+/>+/>;
式中,为燃气传输损耗。
6.根据权利要求5所述的一种多租户场景下能源供给精细控制方法,其特征在于,预测出供气端供气量的机器学习模型的训练方法包括;
将采集到的燃气综合参数转换为对应的一组特征向量;
将每组特征向量作为所述机器学习模型的输入,所述机器学习模型以每组燃气综合参数对应的供气端供气量作为输出,以每组燃气综合参数实时对应的供气端供气量作为预测目标,以最小化所述机器学习模型损失函数值作为训练目标;当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
7.根据权利要求6所述的一种多租户场景下能源供给精细控制方法,其特征在于,供气端供气量差值的表达式为:
;
式中,为供气端供气量差值,/>为预测的供气端供气量,/>为实时的供气端供气量。
8.根据权利要求7所述的一种多租户场景下能源供给精细控制方法,其特征在于,燃气泄漏提示的生成方法包括:
预设安全供气量阈值,记为;
当时,在燃气监测服务器内不生成燃气泄漏提示;
当时,在燃气监测服务器内生成燃气泄漏提示。
9.根据权利要求8所述的一种多租户场景下能源供给精细控制方法,其特征在于,泄漏点位置的获取方法包括:
计算与/>的差值,记为泄漏值;
通过燃气流量计获取所有位置的燃气主管、燃气副管和燃气支管出气口流出的燃气量,并加上对应的燃气传输损耗后,与供气端供气量进行差值比较,获得对应的比较值,并根据比较值与泄漏值的差值大小是否为0,确定泄漏点位置;
通过燃气流量计获取燃气主管出气口流出的燃气量,加上主管损耗后,记为第一供气量,将第一供气量与供气端供气量相减比较,获得第一比较值,若第一比较值为0,则泄漏点位置不在燃气主管上,若第一比较值与泄漏值的差值为0,则泄漏点位置在燃气主管上;若第一比较值与泄漏值的差值大于0,则按照燃气流动方向上同理依次计算判定燃气副管与燃气支管是否存在泄漏点位置;
燃气供给控制指令的生成方法包括:
燃气监测服务器监测到燃气泄漏信息,向燃气供给控制中心发送燃气泄漏信息,燃气供给控制中心根据泄漏点位置对应的燃气管道,向供气端、管理端发送关闭泄漏点位置对应的燃气管道进气口的燃气电磁阀的控制指令。
10.一种多租户场景下能源供给精细控制系统,应用于燃气供给控制中心,用于实现权利要求1-9中任一项所述的一种多租户场景下能源供给精细控制方法,其特征在于,包括数据采集模块、模型训练模块、泄漏提示模块和控制指令模块,其中,各个模块之间通过有线和/或无线网络方式连接:
数据采集模块,采集历史燃气使用数据,历史燃气使用数据包括燃气综合参数以及燃气综合参数对应的供气端供气量;
模型训练模块,基于燃气综合参数,训练出能够预测出供气端供气量的机器学习模型;
泄漏提示模块,采集实时的燃气综合参数,基于训练完成的机器学习模型预测出实时的供气端供气量,将实时的供气端供气量与预测出的供气端供气量对比分析,获取供气端供气量差值,将供气端供气量差值与预设的安全供气量阈值对比分析,判断是否生成燃气泄漏提示;
控制指令模块,根据生成的燃气泄漏提示,在燃气管道上获取泄漏点位置,并根据泄漏点位置,生成燃气供给控制指令。
11.一种计算机设备,其特征在于,包括:处理器和存储器;
其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行实现权利要求1-9中任一项所述的一种多租户场景下能源供给精细控制方法。
12.一种计算机可读存储介质,其特征在于,其上存储有可擦写的计算机程序;
当所述计算机程序被运行时,执行实现权利要求1-9中任一项所述的一种多租户场景下能源供给精细控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311572435.9A CN117270404B (zh) | 2023-11-23 | 2023-11-23 | 一种多租户场景下能源供给精细控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311572435.9A CN117270404B (zh) | 2023-11-23 | 2023-11-23 | 一种多租户场景下能源供给精细控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117270404A true CN117270404A (zh) | 2023-12-22 |
CN117270404B CN117270404B (zh) | 2024-02-02 |
Family
ID=89204939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311572435.9A Active CN117270404B (zh) | 2023-11-23 | 2023-11-23 | 一种多租户场景下能源供给精细控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117270404B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102210698B1 (ko) * | 2020-09-16 | 2021-02-01 | 서울대학교산학협력단 | 하천 유해화학물질 유출 시나리오 기반 기계학습모형과 재귀적 특징 제거법을 결합한 화학사고 발생원 역추적 방법 |
CN112884250A (zh) * | 2021-03-31 | 2021-06-01 | 杨大松 | 一种智慧燃气管理系统及方法 |
WO2022205403A1 (zh) * | 2021-04-02 | 2022-10-06 | 广州燃气集团有限公司 | 一种可监控家用燃气泄漏状态的智能燃气表、系统及方法 |
CN115507309A (zh) * | 2022-11-22 | 2022-12-23 | 深圳市泉立威电子科技有限公司 | 一种燃气泄露报警方法和系统 |
CN116539241A (zh) * | 2023-05-09 | 2023-08-04 | 北京市燃气集团有限责任公司 | 基于智能燃气表和浓度传感器的燃气泄漏检测方法及装置 |
CN117073933A (zh) * | 2023-10-16 | 2023-11-17 | 西安米特电子科技有限公司 | 一种用于燃气管网的管道压力监测方法及系统 |
-
2023
- 2023-11-23 CN CN202311572435.9A patent/CN117270404B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102210698B1 (ko) * | 2020-09-16 | 2021-02-01 | 서울대학교산학협력단 | 하천 유해화학물질 유출 시나리오 기반 기계학습모형과 재귀적 특징 제거법을 결합한 화학사고 발생원 역추적 방법 |
CN112884250A (zh) * | 2021-03-31 | 2021-06-01 | 杨大松 | 一种智慧燃气管理系统及方法 |
WO2022205403A1 (zh) * | 2021-04-02 | 2022-10-06 | 广州燃气集团有限公司 | 一种可监控家用燃气泄漏状态的智能燃气表、系统及方法 |
CN115507309A (zh) * | 2022-11-22 | 2022-12-23 | 深圳市泉立威电子科技有限公司 | 一种燃气泄露报警方法和系统 |
CN116539241A (zh) * | 2023-05-09 | 2023-08-04 | 北京市燃气集团有限责任公司 | 基于智能燃气表和浓度传感器的燃气泄漏检测方法及装置 |
CN117073933A (zh) * | 2023-10-16 | 2023-11-17 | 西安米特电子科技有限公司 | 一种用于燃气管网的管道压力监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117270404B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107420743B (zh) | 一种智能城市燃气pe管网测控系统及测控方法 | |
CN110245411B (zh) | 一种城镇集中供热系统及泄漏点检测方法 | |
CN204389421U (zh) | 传热管寿命估算装置 | |
CN109357169B (zh) | 供热一次管网泄漏故障定位方法及装置 | |
Wang et al. | Hydraulic resistance identification and optimal pressure control of district heating network | |
CN111503718A (zh) | 基于多因素影响的热电联产供热负荷预测方法及供热系统 | |
CN109377008B (zh) | 电热耦合的综合能源系统风险评估方法 | |
KR101295098B1 (ko) | 지역난방 네트워크의 열공급량 결정방법 | |
CN109340583B (zh) | 供热管网泄漏监测系统及方法 | |
KR101189837B1 (ko) | 발전설비에서의 관청정도 측정 시스템 및 그 방법 | |
Feng et al. | Predictive control model for variable air volume terminal valve opening based on backpropagation neural network | |
CN203838150U (zh) | 用于润滑油检测的油路系统 | |
CN102326062A (zh) | 中央热能设施的热计量 | |
CN117270404B (zh) | 一种多租户场景下能源供给精细控制系统及方法 | |
WO2017119306A1 (ja) | 配管ネットワーク評価装置および方法 | |
Liu et al. | A smart and transparent district heating mode based on industrial Internet of things | |
JP4924762B2 (ja) | 蒸気管の損失計測システム及び計測方法 | |
JP6201640B2 (ja) | 蒸気管の損失計測システム及び計測方法 | |
KR101372489B1 (ko) | 스마트 센서를 이용한 원전 저압 터빈 온라인 감시 시스템 | |
JP6303473B2 (ja) | 蒸気管の損失計測システム及び蒸気管の損失計測方法 | |
Wakui et al. | On-line model-based performance monitoring of a shell-and-tube type heat exchanger using steam and water | |
CN205262747U (zh) | 一种用于频繁快速启停联合循环汽轮机主汽阀壳寿命监控装置 | |
JP6264898B2 (ja) | 蒸気管の損失計測システム及び計測方法 | |
CN221376943U (zh) | 一种烟冷器在线检漏及智能温度调节系统 | |
CN112632872B (zh) | 一种气体管道泄漏处质量通量计算方法、系统和存储介质 |
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 |