CN117610322A - 基于数字孪生的智慧水务动态监测系统及监测方法 - Google Patents
基于数字孪生的智慧水务动态监测系统及监测方法 Download PDFInfo
- Publication number
- CN117610322A CN117610322A CN202410097940.0A CN202410097940A CN117610322A CN 117610322 A CN117610322 A CN 117610322A CN 202410097940 A CN202410097940 A CN 202410097940A CN 117610322 A CN117610322 A CN 117610322A
- Authority
- CN
- China
- Prior art keywords
- data
- water
- digital twin
- determining
- module
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 292
- 238000012544 monitoring process Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000010276 construction Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 238000007405 data analysis Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 230000000704 physical effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000006399 behavior Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011439 discrete element method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了基于数字孪生的智慧水务动态监测系统及监测方法,涉及智慧水务技术领域。为了解决现有技术中,仅通过数字孪生技术对实景中的水务系统进行虚拟展示,无法基于实时变化的数据进行预测,无法根据水务系统的实际环境状态和预测结果进行水资源的合理分配,造成水资源无法有效利用的问题;基于数字孪生的智慧水务动态监测系统,包括数字孪生模型构建单元,智慧水务动态监测单元,运行状态分析预测单元和水资源管理优化单元;通过在水源地、水厂和管网上安装传感器,实时监测水位、流量、温度、湿度、风速等参数,通过数字孪生技术实现对水务系统的实时监控与预测,提高了水务监测的实时性、精度和智能化程度。
Description
技术领域
本发明涉及智慧水务技术领域,特别涉及基于数字孪生的智慧水务动态监测系统及监测方法。
背景技术
数字孪生技术是指通过数字模型对现实世界进行模拟,在数字模型中进行各种模拟实验和仿真测试,并对结果进行预测和优化。智慧水务是指通过各种传感器、数据采集、数据分析等技术手段对城市供排水系统进行智能化管理,提高水资源利用效率和管理水平。现关于数字孪生的智慧水务动态监测,已有相关专利;比如公开号为:CN116468338A的中国专利公开了一种基于数字孪生的智慧水务监测方法、系统及电子设备、计算机可读存储介质;其中,该智慧水务监测方法包括:构建水务系统的数字孪生模型,数字孪生模型包括水务系统中各设施对应的数字孪生体;监听对水务系统中各设施的控制指令;将控制指令发送至数字孪生模型以输出用于反馈水务系统各设施状态的状态参数;根据状态参数调整对应的数字孪生体的状态,进而改变数字孪生模型的状态。该专利提供的智慧水务监测方法主要基于数字孪生技术实现,能够在虚拟空间中以三维形式构建虚拟的水务系统,并将三维的虚拟水务系统直观地展现在用户面前,通过虚拟水务系统获得现场各设施的实时变化情况。
上述专利虽然基于数字孪生技术实现虚拟的水务系统,但仍存在以下问题:
现有技术中,仅通过数字孪生技术对实景中的水务系统进行虚拟展示,无法基于实时变化的数据进行预测,无法根据水务系统的实际环境状态和预测结果进行水资源的合理分配,造成水资源无法有效利用的情况,且无法提前发现故障或异常情况,导致维修维护不及时,影响供排水系统的稳定性和可靠性。
发明内容
本发明的目的在于提供基于数字孪生的智慧水务动态监测系统及监测方法,通过在水源地、水厂和管网上安装传感器,实时监测水位、流量、温度、湿度、风速等参数,通过数字孪生技术实现对水务系统的实时监控与预测,提高了水务监测的实时性、精度和智能化程度,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于数字孪生的智慧水务动态监测系统,包括:
数字孪生模型构建单元,用于:
获取布设在城市水务区域各个关键节点的终端采集设备主动上传的数据,对获取到的数据进行预处理,同时,将预处理后的数据进行存储、备份和归档;
其中,所述数据包括设备运行数据和水务供排水系统状态信息;
对数据进行特征提取,基于提取的数据特征创建数字孪生模型,确定数字孪生模型的范围、目标和限制,并在模型构建完成后,使用训练数据集对数字孪生模型进行训练;
智慧水务动态监测单元,用于:
基于构建的数字孪生模型将水务区域的各个关键节点进行真实复现,基于各个关键节点的不同物理属性结合水文水动力学分析模型对物理环境全过程进行可视化动态展示;
实时获取水务区域的各个关键节点的设备分布和水务供排水系统状态信息,对水质、水量的关键指标进行监测分析,并基于分析结果对各异常情况进行预警警报;
同时,基于实时获取的水务区域的各个关键节点的设备分布和水务供排水系统状态信息与历史数据进行比对,确定差异数据,将所述差异数据对数字孪生模型构建的虚拟模型进行更新覆盖;
运行状态分析预测单元,用于基于数字孪生模型结合智慧水务动态监测单元的分析数据进行供排水系统的运行状态预测,判断可能出现的故障或异常情况,并发出预警信号;
水资源管理优化单元,用于对城市供排水系统的水资源利用情况进行优化,制定更加科学合理的水资源管理方案,基于所述应急调度等级由高到低的顺序先后为每个所述调度方案进行应急设备调度,并在完成调度方案后进行救援信息反馈。
进一步的,数字孪生模型构建单元,包括:
数据采集模块,用于对终端采集设备主动上传的数据进行数据预处理,去除重复、异常、错误的数据,将不同数据源的数据进行标准化处理;
动态模型生成模块,用于基于机理模型和数据驱动模型构成数字孪生模型,确定数字孪生模型的物理属性及行为逻辑;
数字孪生模型确定模块,用于对数字孪生模型的准确性进行验证,基于实际测量数据比对模拟结果,并利用结果反馈调整模型参数,基于调整结果确定水务区域的三维虚拟模型。
进一步的,所述数字孪生模型构建单元将预处理后的数据进行存储,包括:
第一确定模块,用于:
在将预处理后的数据进行存储前,对存储模块进行识别,确定空区块与若干个非空区块;
获取每个非空区块对应的校验码,并与预设校验码进行比较;
在确定校验码与预设校验码不一致时,确定当前的非空区块为异常区块;
对异常区块进行擦除处理,得到处理区块;
根据空区块及处理区块,得到可用区块;
生成模块,用于在可用区块中设置若干个存储节点,根据选举机制从若干个存储节点中选取一个关键存储节点,基于关键存储节点利用广播生成树算法确定关键存储节点与其他存储节点的连接关系,生成通信树;
第二确定模块,用于对预处理后的数据进行聚类分析,得到若干个数据集合;将若干个数据集合根据业务场景存储需求,确定通信树中的目标存储节点;
验证模块,用于:
构建DMA控制块;所述DMA控制块用于描述在将若干个数据集合存储至各个目标存储节点的数据传输信息;
基于关键存储节点对数据传输信息进行内容验证,生成验证信息列表;
对验证信息列表进行数据异常检测,在确定存在异常时,发出报警提示;在确定无异常时,生成存储完成的提示信息。
进一步的,动态模型生成模块,具体为:
基于数据采集模块处理后的数据的数据特征设置模型的参数,在预设算法数据库中选择适合的算法,并进行实现,构成初始数字孪生模型;
准备充足的训练数据集,并选择与初始数字孪生模型对应的评估指标和方法,使用对应的训练数据集对所述初始数字孪生模型进行训练;
在模型训练完成后对数字孪生模型进行评估,基于评估结果调整模型参数并提取目标特征作为数字孪生模型的性能表现。
进一步的,智慧水务动态监测单元,包括:
水务数据分析模块,用于对实时获取到的终端采集设备主动上传的数据进行数据分析,基于聚类分析和数据关联关系确定数据的规律,对水资源分布和流向进行可视化分析;
可视化模块,用于基于实时获取的数字孪生模型参数进行所述水务区域的三维虚拟模型的数据更新,通过实时渲染动态展现物理实体和业务流程;
还用于将水务数据分析模块的数据分析结果进行可视化展示,以图表、报表和文档的方式进行呈现;
监测预警模块,用于基于数据分析结果判断水务区域的供排水系统的水压、流量是否出现异常,实时监测供排水系统中的水质情况,若出现异常,则基于出现异常的位置及异常类别进行对应的预警警报。
进一步的,运行状态分析预测单元,包括:
环境数据获取模块,用于基于第三方平台获取环境参数数据,并基于所述环境参数数据确定对所述水务区域的供排水系统的影响;
运行数据获取模块,用于实时掌握遥感数据,基于获取到的遥感数据确定设备运行数据及水务区域的供排水系统运行数据列表;
虚拟水务推演模块,用于在数字模型中进行模拟仿真,基于环境数据获取模块和运行数据获取模块获取到的数据进行虚拟水务区域的供排水系统的动态推演;
风险分析模块,用于基于推演结果进行风险评估,确定虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级;
推演预警模块,用于基于确定的虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级匹配对应预警警报类别,进行预警警报。
进一步的,所述虚拟水务推演模块,具体为:
对水务区域的供排水系统的运行设备和供排水水量、流向进行三维实景显示,对水量水质、泵房运行、进出口压力、管网运行和能耗的关键指标进行推演分析;
基于第三方平台获取环境参数数据,对降雨量、路面积水高度、影响范围的指标与水务区域的供排水系统进行串并分析和动态推演。
进一步的,水资源管理优化单元,包括:
水资源调度预演模块,用于基于虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级匹配对应的水资源调度方案,基于所述水资源调度方案进行水资源调度预演;
管理优化确定模块,用于基于水资源调度预演结果的数据反馈确定所述水资源调度预演的完成度和执行度,并进行分析评比,对所述防洪调度决策优化方案进行更新调整。
进一步的,所述数字孪生模型构建单元将预处理后的数据进行备份,包括:
提取模块,用于:
根据预处理后的数据生成备份集;
从所述备份集中提取有效数据块,确定有效数据包在备份集中的位置信息并封装为数据包,确定数据包的属性信息;
设定模块,用于:
设定备份节点,确定每个备份节点的可用带宽;
根据属性信息及可用带宽进行匹配,根据匹配结果建立备份节点与对应数据包的关联关系;
备份模块,用于:
通过备份节点基于所述关联关系进行备份;
在备份过程中,对各备份节点进行实时检测,确定备份节点中各数据包的改动信息,根据所述改动信息确定每个备份节点的备份进度;
根据每个备份节点的备份进度确定是否完成全部备份,在完成全部备份时生成备份完成提示信息。
进一步的,还包括:
风险管控模块,用于:
确定布设在城市水务区域各个关键节点的终端采集设备对应的若干个监测项目及风险信息;
根据若干个监测项目及风险信息,计算每个终端采集设备的风险值:
;
其中,为第i个监测项目对终端采集设备的风险期望概率;/>为处理第i个监测项目对应的安全漏洞所需时间小于等于给定时间的概率;/>为第i个监测项目在基于历史数据确定的安全漏洞监测严重性分布规律下的期望值;n为监测项目的数量;/>为终端采集设备的风险值;/>为自然常数;
确定风险值大于预设阈值的终端采集设备,作为受到攻击的设备;
采集受到攻击的设备的运行信息,根据运行信息确定受到攻击的设备受到的攻击等级;
;
其中,D为受到攻击的设备受到的攻击等级;为受到攻击的设备的防御时间;/>为两次相连的攻击之间间隔的最小时间;/>为自然常数;/>为攻击节点的攻击能力值;/>为受到攻击的设备的防御能力值;
根据受到攻击的设备受到的攻击等级查询预设数据库,确定对应攻击等级的修复策略对受到攻击的设备进行修复。
本发明提供另一种技术方案,基于数字孪生的智慧水务动态监测方法,所述方法包括以下步骤:
步骤一:建立数字孪生模型:利用各种传感器采集水务区域的供排水系统的各项数据,构建数字孪生模型,并在数字模型中进行模拟仿真;
步骤二:动态监测水质:通过数字孪生模型实时监测水务区域的供排水系统中的水质情况,并将监测结果进行可视化展示;
步骤三:预测供排水系统的运行状态:通过数字孪生模型对水务区域的供排水系统的运行状态进行预测,提前发现可能出现的故障或异常情况,并发出预警信号;
步骤四:优化水资源配置管理:通过数字孪生模型对水务区域的供排水系统的水资源利用情况进行优化,制定更加科学合理的水资源管理方案。
与现有技术相比,本发明的有益效果是:
通过对采集的数据进行去重、标准化等基础处理,以便于建立准确的数字孪生模型,以提高模型的准确性和可靠性,利用数字孪生技术对采集的数据进行处理,构建数字化模型,实现对实际物理系统的实时映射与交互,提高了水务监测的实时性、精度和智能化程度,基于预测结果对水务系统进行水资源调度方案的制定,实现水量调度及实时调度过程相关要素的仿真模拟,有效提高了水资源调度决策的科学化、精细化水平。
附图说明
图1为本发明的基于数字孪生的智慧水务动态监测系统模块图;
图2为本发明的运行状态分析预测单元模块图;
图3为本发明的基于数字孪生的智慧水务动态监测方法流程图。
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。
为了解决无法基于实时变化的数据进行预测,无法根据水务系统的实际环境状态和预测结果进行水资源的合理分配的技术问题,请参阅图1-2,本实施例提供以下技术方案:
基于数字孪生的智慧水务动态监测系统,包括:
数字孪生模型构建单元,用于:
获取布设在城市水务区域各个关键节点的终端采集设备主动上传的数据,对获取到的数据进行预处理,同时,将预处理后的数据进行存储、备份和归档;
其中,数据包括设备运行数据和水务供排水系统状态信息;
具体的,终端采集设备为部署在水源、水厂、管网等关键节点的传感器,实时采集水的流量、水位、水质等数据,以及环境参数如温度、湿度、风速等数据;
对数据进行特征提取,基于提取的数据特征创建数字孪生模型,确定数字孪生模型的范围、目标和限制,并在模型构建完成后,使用训练数据集对数字孪生模型进行训练;
智慧水务动态监测单元,用于:
基于构建的数字孪生模型将水务区域的各个关键节点进行真实复现,基于各个关键节点的不同物理属性结合水文水动力学分析模型对物理环境全过程进行可视化动态展示;
实时获取水务区域的各个关键节点的设备分布和水务供排水系统状态信息,对水质、水量的关键指标进行监测分析,并基于分析结果对各异常情况进行预警警报;
同时,基于实时获取的水务区域的各个关键节点的设备分布和水务供排水系统状态信息与历史数据进行比对,确定差异数据,将所述差异数据对数字孪生模型构建的虚拟模型进行更新覆盖;
运行状态分析预测单元,用于基于数字孪生模型结合智慧水务动态监测单元的分析数据进行供排水系统的运行状态预测,判断可能出现的故障或异常情况,并发出预警信号;
水资源管理优化单元,用于对城市供排水系统的水资源利用情况进行优化,制定更加科学合理的水资源管理方案,基于所述应急调度等级由高到低的顺序先后为每个所述调度方案进行应急设备调度,并在完成调度方案后进行救援信息反馈;
水资源管理优化单元,包括:
水资源调度预演模块,用于基于虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级匹配对应的水资源调度方案,基于所述水资源调度方案进行水资源调度预演;
管理优化确定模块,用于基于水资源调度预演结果的数据反馈确定所述水资源调度预演的完成度和执行度,并进行分析评比,对所述防洪调度决策优化方案进行更新调整。
具体的,通过在水源地、水厂和管网上安装传感器,实时监测水位、流量、温度、湿度、风速等参数,通过数字孪生技术实现对水务系统的实时监控与预测,提高了水务监测的实时性、精度和智能化程度,基于预测结果对水务系统进行水资源调度方案的制定,实现水量调度及实时调度过程相关要素的仿真模拟,有效提高了水资源调度决策的科学化、精细化水平。
为了解决无法基于实时变化的数据进行预测,无法根据水务系统的实际环境状态和预测结果进行水资源的合理分配的技术问题,请参阅图1-2,本实施例提供以下技术方案:
数字孪生模型构建单元,包括:
数据采集模块,用于对终端采集设备主动上传的数据进行数据预处理,去除重复、异常、错误的数据,提高数据的质量和准确性,将不同数据源的数据进行标准化处理,以便于后续的特征提取和模型构建,以及后续的数据分析和处理;
动态模型生成模块,用于基于机理模型和数据驱动模型构成数字孪生模型,确定数字孪生模型的物理属性及行为逻辑;
具体的,数字孪生模型的物理属性例如多体动力学、离散元方法、神经网络等物理属性模拟,根据实际物体或系统的物理特性,例如供排水系统中各个设备的形状、材料、力学和热特性等,建立数字孪生模型的物理属性,数字孪生模型的行为逻辑包括定义模型的行为如何随时间变化,例如水流的运动、管道变形、管道热传导等,行为逻辑的实现可以基于物理定律、经验公式或机器学习算法;
动态模型生成模块,具体为:
基于数据采集模块处理后的数据的数据特征设置模型的参数,在预设算法数据库中选择适合的算法,并进行实现,构成初始数字孪生模型;
具体的,设置模型的参数例如学习率、迭代次数等,算法包括监督学习算法、无监督学习算法、强化学习算法等;
准备充足的训练数据集,并选择与初始数字孪生模型对应的评估指标和方法,使用对应的训练数据集对所述初始数字孪生模型进行训练;
在模型训练完成后对数字孪生模型进行评估,基于评估结果调整模型参数并提取目标特征作为数字孪生模型的性能表现;
数字孪生模型确定模块,用于对数字孪生模型的准确性进行验证,基于实际测量数据比对模拟结果,并利用结果反馈调整模型参数,基于调整结果确定水务区域的三维虚拟模型。
具体的,通过对采集的数据进行去重、标准化等基础处理,并根据数据分析结果发现数据中的规律和模式,以便于建立准确的数字孪生模型,便于数字孪生模型基于其规律对未来水务数据进行预测,以提高模型的准确性和可靠性,利用数字孪生技术对采集的数据进行处理,数字孪生技术即通过收集各种数据,构建数字化模型,实现对实际物理系统的实时映射与交互。
为了解决无法基于实时变化的数据进行预测,无法根据水务系统的实际环境状态和预测结果进行水资源的合理分配的技术问题,请参阅图1-2,本实施例提供以下技术方案:
智慧水务动态监测单元,包括:
水务数据分析模块,用于对实时获取到的终端采集设备主动上传的数据进行数据分析,基于聚类分析和数据关联关系确定数据的规律,对水资源分布和流向进行可视化分析;
可视化模块,用于基于实时获取的数字孪生模型参数进行所述水务区域的三维虚拟模型的数据更新,通过实时渲染动态展现物理实体和业务流程;
还用于将水务数据分析模块的数据分析结果进行可视化展示,以图表、报表和文档的方式进行呈现;
具体的,图表如柱状图、折线图、饼图等,直观展示数据变化趋势和结构,报表如日报、周报、月报等,汇总和呈现关键指标数据,文档如分析报告、评估报告等,详细阐述数据分析过程和结论;
监测预警模块,用于基于数据分析结果判断水务区域的供排水系统的水压、流量是否出现异常,实时监测供排水系统中的水质情况,包括PH值、浊度、余氯等指标,若出现异常,则基于出现异常的位置及异常类别进行对应的预警警报;
运行状态分析预测单元,包括:
环境数据获取模块,用于基于第三方平台获取环境参数数据,并基于所述环境参数数据确定对所述水务区域的供排水系统的影响;
运行数据获取模块,用于实时掌握遥感数据,基于获取到的遥感数据确定设备运行数据及水务区域的供排水系统运行数据列表;
虚拟水务推演模块,用于在数字模型中进行模拟仿真,基于环境数据获取模块和运行数据获取模块获取到的数据进行虚拟水务区域的供排水系统的动态推演;
所述虚拟水务推演模块,具体为:
对水务区域的供排水系统的运行设备和供排水水量、流向进行三维实景显示,对水量水质、泵房运行、进出口压力、管网运行和能耗的关键指标进行推演分析;
基于第三方平台获取环境参数数据,对降雨量、路面积水高度、影响范围的指标与水务区域的供排水系统进行串并分析和动态推演;
风险分析模块,用于基于推演结果进行风险评估,确定虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级;
推演预警模块,用于基于确定的虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级匹配对应预警警报类别,进行预警警报。
具体的,根据设备运行数据和预测分析结果进行实时监测,避免设备在水务系统运行过程中出现异常情况,影响水务区域的供排水系统的工作效率和工作质量,通过对水质数据的实时监测和数据分析,提前发现水质异常情况,及时采集处理措施,并及时进行预警,同时,基于数据分析结果合理安排维护时间和巡检路线,提高巡检效率,提高水务措施的正常运行。
进一步的,所述数字孪生模型构建单元,包括:
第一确定模块,用于:
在将预处理后的数据进行存储前,对存储模块进行识别,确定空区块与若干个非空区块;
获取每个非空区块对应的校验码,并与预设校验码进行比较;
在确定校验码与预设校验码不一致时,确定当前的非空区块为异常区块;
对异常区块进行擦除处理,得到处理区块;
根据空区块及处理区块,得到可用区块;
生成模块,用于在可用区块中设置若干个存储节点,根据选举机制从若干个存储节点中选取一个关键存储节点,基于关键存储节点利用广播生成树算法确定关键存储节点与其他存储节点的连接关系,生成通信树;
第二确定模块,用于对预处理后的数据进行聚类分析,得到若干个数据集合;将若干个数据集合根据业务场景存储需求,确定通信树中的目标存储节点;
验证模块,用于:
构建DMA控制块;所述DMA控制块用于描述在将若干个数据集合存储至各个目标存储节点的数据传输信息;
基于关键存储节点对数据传输信息进行内容验证,生成验证信息列表;
对验证信息列表进行数据异常检测,在确定存在异常时,发出报警提示;在确定无异常时,生成存储完成的提示信息。
上述技术方案的工作原理:该实施例中,空区块为存储模块中未存储数据的部分区域;非空区块为存储模块中存储数据的部分区域;
该实施例中,为了对非空区块进行管理,在存储数据后都会根据存储的数据生成相应的校验码;预设校验码为在对应的区块存储正确类型的数据后生成的校验码。将非空区块对应的校验码,并与预设校验码进行比较,便于判断非空区块中存储的数据的类型是否正确,以及非空区块是否异常。在确定校验码与预设校验码不一致时,确定当前的非空区块为异常区块。
该实施例中,对异常区块进行擦除处理,得到处理区块;根据空区块及处理区块,得到可用区块;便于确定存储模块中所有可用的区域,便于后续进行数据存储的分配。
该实施例中,选举机制可能基于一定的规则,例如节点的工作量证明(Proof-of-Work)或权益证明(Proof-of-Stake)。在选举中胜出的节点被选为关键存储节点。广播生成树算法:在这个步骤,关键存储节点利用广播生成树算法来确定与其他存储节点的连接关系。这个算法可能需要关键存储节点与其他节点进行通信,并根据这些通信的信息构建一个通信树。通信树为树状结构,关键存储节点为顶点。通信树包括关键存储节点、其他存储节点,以及关键存储节点与其他存储节点的关联关系。
该实施例中,对预处理后的数据进行聚类分析,得到若干个数据集合,即得到不同类型的数据。根据业务场景存储需求的不同,需要将若干个数据集合存储至通信树中的目标存储节点,即根据场景标签的不同,选择性的基于存储节点进行存储,提高数据存储及管理的有效性。
该实施例中,DMA(Direct Memory Access)控制块是一种硬件或软件组件,它允许某些计算机系统中的设备在不需要中央处理器(CPU)干预的情况下直接访问主内存。这使得设备可以更独立地执行任务,而不必通过CPU进行数据传输,从而减轻了CPU的负担,提高了系统的整体效率。基于DMA控制块需要能够在不需要CPU干预的情况下,直接在设备和主内存之间传输数据。
该实施例中,基于将若干个数据集合存储至各个目标存储节点时,均通过关键存储节点进行管理,基于关键存储节点对数据传输信息进行内容验证,生成验证信息列表;对验证信息列表进行数据异常检测,在确定存在异常时,发出报警提示;在确定无异常时,生成存储完成的提示信息。便于准确判断数据是否存储完成。
上述技术方案的有益效果:在将预处理后的数据进行存储前,确定存储模块中的可用区块,并对可用区块进行设置,生成通信树,便于重新对存储模块的存储性能进行管理与分配。基于第二确定模块,用于对预处理后的数据进行聚类分析,根据业务场景存储需求,准确存储在目标存储节点中,在存储过程中,基于关键存储节点对数据传输信息进行内容验证,生成验证信息列表,便于准确检测存储的正确性以及存储是否完成。
进一步的,所述数字孪生模型构建单元,包括:
提取模块,用于:
根据预处理后的数据生成备份集;
从所述备份集中提取有效数据块,确定有效数据包在备份集中的位置信息并封装为数据包,确定数据包的属性信息;
设定模块,用于:
设定备份节点,确定每个备份节点的可用带宽;
根据属性信息及可用带宽进行匹配,根据匹配结果建立备份节点与对应数据包的关联关系;
备份模块,用于:
通过备份节点基于所述关联关系进行备份;
在备份过程中,对各备份节点进行实时检测,确定备份节点中各数据包的改动信息,根据所述改动信息确定每个备份节点的备份进度;
根据每个备份节点的备份进度确定是否完成全部备份,在完成全部备份时生成备份完成提示信息。
上述技术方案的工作原理:该实施例中,从所述备份集中提取有效数据块,避免对无效数据块进行备份,提高了备份速率。属性信息包括数据包的大小。
该实施例中,根据属性信息及可用带宽进行匹配,目的是为了确定数据包的大小与每个备份节点的可用带宽的差值在预设差值范围内进行匹配,便于提高对备份节点的利用率,提高备份速率。
该实施例中,备份模块通过备份节点基于所述关联关系进行备份;基于关联关系进行备份便于使得备份任务有序进行,提高备份的准确性,在备份过程中基于检测备份节点中各数据包的改动信息,准确确定每个备份节点的备份进度,进而准确判断是否完成全部备份,在完成全部备份时生成备份完成提示信息,提高用户体验。
上述技术方案的有益效果:从所述备份集中提取有效数据块,便于减少备份的数量,提高备份速率。基于根据属性信息及可用带宽进行匹配,提高对备份节点的利用率,对备份进程进行检测,便于准确确定备份进度,提高用户体验。
进一步的,还包括:
风险管控模块,用于:
确定布设在城市水务区域各个关键节点的终端采集设备对应的若干个监测项目及风险信息;
根据若干个监测项目及风险信息,计算每个终端采集设备的风险值:
;
其中,为第i个监测项目对终端采集设备的风险期望概率;/>为处理第i个监测项目对应的安全漏洞所需时间小于等于给定时间的概率;/>为第i个监测项目在基/>于历史数据确定的安全漏洞监测严重性分布规律下的期望值;n为监测项目的数量;/>为终端采集设备的风险值;为自然常数;
确定风险值大于预设阈值的终端采集设备,作为受到攻击的设备;
采集受到攻击的设备的运行信息,根据运行信息确定受到攻击的设备受到的攻击等级;
;
其中,D为受到攻击的设备受到的攻击等级;为受到攻击的设备的防御时间;/>为两次相连的攻击之间间隔的最小时间;/>为自然常数;/>为攻击节点的攻击能力值;/>为受到攻击的设备的防御能力值;
根据受到攻击的设备受到的攻击等级查询预设数据库,确定对应攻击等级的修复策略对受到攻击的设备进行修复。
上述技术方案的工作原理及有益效果:该实施例中,为通过终端采集设备的历史漏洞,获取未来一段时间内的漏洞监测严重性分布规律,进而确定第i个监测项目的期望值。
该实施例中,预设数据库为攻击等级-修复策略数据库。
在通过布设在城市水务区域各个关键节点的终端采集设备进行数据采集的过程中,按照监测项目进行数据采集,在数据采集过程中存在受到攻击,导致数据泄露的风险。基于若干个监测项目及风险信息,计算每个终端采集设备的风险值,进而准确确定受到攻击的设备,进行针对性的运行信息的采集,根据运行信息确定受到攻击的设备受到的攻击等级;根据受到攻击的设备受到的攻击等级查询预设数据库,确定对应攻击等级的修复策略对受到攻击的设备进行修复。便于针对每个终端采集设备的受到的攻击等级采用不同等级的修复策略,提高系统资源的利用率,同时修复各个终端采集设备的安全漏洞,保证系统的安全运行,提高对水务动态监测的准确性。
为了更好的展现基于数字孪生的智慧水务动态监测系统的监测流程,本发明提供基于数字孪生的智慧水务动态监测方法,所述方法包括以下步骤:
步骤一:建立数字孪生模型:利用各种传感器采集水务区域的供排水系统的各项数据,构建数字孪生模型,并在数字模型中进行模拟仿真;
步骤二:动态监测水质:通过数字孪生模型实时监测水务区域的供排水系统中的水质情况,并将监测结果进行可视化展示;
步骤三:预测供排水系统的运行状态:通过数字孪生模型对水务区域的供排水系统的运行状态进行预测,提前发现可能出现的故障或异常情况,并发出预警信号;
步骤四:优化水资源配置管理:通过数字孪生模型对水务区域的供排水系统的水资源利用情况进行优化,制定更加科学合理的水资源管理方案。
以上所述,仅为本发明较佳的具体实施方式,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披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于数字孪生的智慧水务动态监测系统,其特征在于:包括:
数字孪生模型构建单元,用于:
获取布设在城市水务区域各个关键节点的终端采集设备主动上传的数据,对获取到的数据进行预处理,同时,将预处理后的数据进行存储、备份和归档;
其中,所述数据包括设备运行数据和水务供排水系统状态信息;
对数据进行特征提取,基于提取的数据特征创建数字孪生模型,确定数字孪生模型的范围、目标和限制,并在模型构建完成后,使用训练数据集对数字孪生模型进行训练;
智慧水务动态监测单元,用于:
基于构建的数字孪生模型将水务区域的各个关键节点进行真实复现,基于各个关键节点的不同物理属性结合水文水动力学分析模型对物理环境全过程进行可视化动态展示;
实时获取水务区域的各个关键节点的设备分布和水务供排水系统状态信息,对水质、水量的关键指标进行监测分析,并基于分析结果对各异常情况进行预警警报;
同时,基于实时获取的水务区域的各个关键节点的设备分布和水务供排水系统状态信息与历史数据进行比对,确定差异数据,将所述差异数据对数字孪生模型构建的虚拟模型进行更新覆盖;
运行状态分析预测单元,用于基于数字孪生模型结合智慧水务动态监测单元的分析数据进行供排水系统的运行状态预测,判断可能出现的故障或异常情况,并发出预警信号;
水资源管理优化单元,用于对城市供排水系统的水资源利用情况进行优化,制定更加科学合理的水资源管理方案,基于所述应急调度等级由高到低的顺序先后为每个所述调度方案进行应急设备调度,并在完成调度方案后进行救援信息反馈。
2.如权利要求1所述的基于数字孪生的智慧水务动态监测系统,其特征在于:数字孪生模型构建单元,包括:
数据采集模块,用于对终端采集设备主动上传的数据进行数据预处理,去除重复、异常、错误的数据,将不同数据源的数据进行标准化处理;
动态模型生成模块,用于基于机理模型和数据驱动模型构成数字孪生模型,确定数字孪生模型的物理属性及行为逻辑;
数字孪生模型确定模块,用于对数字孪生模型的准确性进行验证,基于实际测量数据比对模拟结果,并利用结果反馈调整模型参数,基于调整结果确定水务区域的三维虚拟模型。
3.如权利要求2所述的基于数字孪生的智慧水务动态监测系统,其特征在于:动态模型生成模块,具体为:
基于数据采集模块处理后的数据的数据特征设置模型的参数,在预设算法数据库中选择适合的算法,并进行实现,构成初始数字孪生模型;
准备充足的训练数据集,并选择与初始数字孪生模型对应的评估指标和方法,使用对应的训练数据集对所述初始数字孪生模型进行训练;
在模型训练完成后对数字孪生模型进行评估,基于评估结果调整模型参数并提取目标特征作为数字孪生模型的性能表现。
4.如权利要求1所述的基于数字孪生的智慧水务动态监测系统,其特征在于:所述数字孪生模型构建单元将预处理后的数据进行存储,包括:
第一确定模块,用于:
在将预处理后的数据进行存储前,对存储模块进行识别,确定空区块与若干个非空区块;
获取每个非空区块对应的校验码,并与预设校验码进行比较;
在确定校验码与预设校验码不一致时,确定当前的非空区块为异常区块;
对异常区块进行擦除处理,得到处理区块;
根据空区块及处理区块,得到可用区块;
生成模块,用于在可用区块中设置若干个存储节点,根据选举机制从若干个存储节点中选取一个关键存储节点,基于关键存储节点利用广播生成树算法确定关键存储节点与其他存储节点的连接关系,生成通信树;
第二确定模块,用于对预处理后的数据进行聚类分析,得到若干个数据集合;将若干个数据集合根据业务场景存储需求,确定通信树中的目标存储节点;
验证模块,用于:
构建DMA控制块;所述DMA控制块用于描述在将若干个数据集合存储至各个目标存储节点的数据传输信息;
基于关键存储节点对数据传输信息进行内容验证,生成验证信息列表;
对验证信息列表进行数据异常检测,在确定存在异常时,发出报警提示;在确定无异常时,生成存储完成的提示信息。
5.如权利要求3所述的基于数字孪生的智慧水务动态监测系统,其特征在于:智慧水务动态监测单元,包括:
水务数据分析模块,用于对实时获取到的终端采集设备主动上传的数据进行数据分析,基于聚类分析和数据关联关系确定数据的规律,对水资源分布和流向进行可视化分析;
可视化模块,用于基于实时获取的数字孪生模型参数进行所述水务区域的三维虚拟模型的数据更新,通过实时渲染动态展现物理实体和业务流程;
还用于将水务数据分析模块的数据分析结果进行可视化展示,以图表、报表和文档的方式进行呈现;
监测预警模块,用于基于数据分析结果判断水务区域的供排水系统的水压、流量是否出现异常,实时监测供排水系统中的水质情况,若出现异常,则基于出现异常的位置及异常类别进行对应的预警警报。
6.如权利要求5所述的基于数字孪生的智慧水务动态监测系统,其特征在于:运行状态分析预测单元,包括:
环境数据获取模块,用于基于第三方平台获取环境参数数据,并基于所述环境参数数据确定对所述水务区域的供排水系统的影响;
运行数据获取模块,用于实时掌握遥感数据,基于获取到的遥感数据确定设备运行数据及水务区域的供排水系统运行数据列表;
虚拟水务推演模块,用于在数字模型中进行模拟仿真,基于环境数据获取模块和运行数据获取模块获取到的数据进行虚拟水务区域的供排水系统的动态推演;
风险分析模块,用于基于推演结果进行风险评估,确定虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级;
推演预警模块,用于基于确定的虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级匹配对应预警警报类别,进行预警警报;
所述虚拟水务推演模块,具体为:
对水务区域的供排水系统的运行设备和供排水水量、流向进行三维实景显示,对水量水质、泵房运行、进出口压力、管网运行和能耗的关键指标进行推演分析;
基于第三方平台获取环境参数数据,对降雨量、路面积水高度、影响范围的指标与水务区域的供排水系统进行串并分析和动态推演。
7.如权利要求1所述的基于数字孪生的智慧水务动态监测系统,其特征在于:水资源管理优化单元,包括:
水资源调度预演模块,用于基于虚拟水务区域的供排水系统的可能存在风险的区域、范围和风险等级匹配对应的水资源调度方案,基于所述水资源调度方案进行水资源调度预演;
管理优化确定模块,用于基于水资源调度预演结果的数据反馈确定所述水资源调度预演的完成度和执行度,并进行分析评比,对所述防洪调度决策优化方案进行更新调整。
8.如权利要求1所述的基于数字孪生的智慧水务动态监测系统,其特征在于:所述数字孪生模型构建单元将预处理后的数据进行备份,包括:
提取模块,用于:
根据预处理后的数据生成备份集;
从所述备份集中提取有效数据块,确定有效数据包在备份集中的位置信息并封装为数据包,确定数据包的属性信息;
设定模块,用于:
设定备份节点,确定每个备份节点的可用带宽;
根据属性信息及可用带宽进行匹配,根据匹配结果建立备份节点与对应数据包的关联关系;
备份模块,用于:
通过备份节点基于所述关联关系进行备份;
在备份过程中,对各备份节点进行实时检测,确定备份节点中各数据包的改动信息,根据所述改动信息确定每个备份节点的备份进度;
根据每个备份节点的备份进度确定是否完成全部备份,在完成全部备份时生成备份完成提示信息。
9.如权利要求1所述的基于数字孪生的智慧水务动态监测系统,其特征在于:还包括:
风险管控模块,用于:
确定布设在城市水务区域各个关键节点的终端采集设备对应的若干个监测项目及风险信息;
根据若干个监测项目及风险信息,计算每个终端采集设备的风险值:
;
其中,为第i个监测项目对终端采集设备的风险期望概率;/>为处理第i个监测项目对应的安全漏洞所需时间小于等于给定时间的概率;/>为第i个监测项目在基于历史数据确定的安全漏洞监测严重性分布规律下的期望值;n为监测项目的数量;/>为终端采集设备的风险值;/>为自然常数;
确定风险值大于预设阈值的终端采集设备,作为受到攻击的设备;
采集受到攻击的设备的运行信息,根据运行信息确定受到攻击的设备受到的攻击等级;
;
其中,D为受到攻击的设备受到的攻击等级;为受到攻击的设备的防御时间;/>为两次相连的攻击之间间隔的最小时间;/>为自然常数;/>为攻击节点的攻击能力值;/>为受到攻击的设备的防御能力值;
根据受到攻击的设备受到的攻击等级查询预设数据库,确定对应攻击等级的修复策略对受到攻击的设备进行修复。
10.基于数字孪生的智慧水务动态监测方法,基于如权利要求1-9任一项所述的基于数字孪生的智慧水务动态监测系统实现,其特征在于:所述方法包括以下步骤:
步骤一:建立数字孪生模型:利用各种传感器采集水务区域的供排水系统的各项数据,构建数字孪生模型,并在数字模型中进行模拟仿真;
步骤二:动态监测水质:通过数字孪生模型实时监测水务区域的供排水系统中的水质情况,并将监测结果进行可视化展示;
步骤三:预测供排水系统的运行状态:通过数字孪生模型对水务区域的供排水系统的运行状态进行预测,提前发现可能出现的故障或异常情况,并发出预警信号;
步骤四:通过数字孪生模型对水务区域的供排水系统的水资源利用情况进行优化,制定更加科学合理的水资源管理方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410097940.0A CN117610322B (zh) | 2024-01-24 | 2024-01-24 | 基于数字孪生的智慧水务动态监测系统及监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410097940.0A CN117610322B (zh) | 2024-01-24 | 2024-01-24 | 基于数字孪生的智慧水务动态监测系统及监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117610322A true CN117610322A (zh) | 2024-02-27 |
CN117610322B CN117610322B (zh) | 2024-04-19 |
Family
ID=89948359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410097940.0A Active CN117610322B (zh) | 2024-01-24 | 2024-01-24 | 基于数字孪生的智慧水务动态监测系统及监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610322B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118013766A (zh) * | 2024-04-10 | 2024-05-10 | 河北工程大学 | 基于数字孪生的智慧农业线上产业化服务系统 |
CN118035900A (zh) * | 2024-04-15 | 2024-05-14 | 四川港通医疗设备集团股份有限公司 | 一种用于医用空气系统的监测预警方法及系统 |
CN118095103A (zh) * | 2024-04-22 | 2024-05-28 | 三峡金沙江川云水电开发有限公司 | 水厂数字孪生应用增强方法、装置、存储介质及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112908390A (zh) * | 2021-02-02 | 2021-06-04 | 深圳市显控科技股份有限公司 | 数据存储方法、装置、电子设备及存储介质 |
CN113094743A (zh) * | 2021-03-18 | 2021-07-09 | 南京邮电大学 | 一种基于改进型拜占庭共识算法的电网数据存储方法 |
CN115688227A (zh) * | 2022-10-13 | 2023-02-03 | 长江空间信息技术工程有限公司(武汉) | 数字孪生水利工程运行安全监测系统及运行方法 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
CN116468338A (zh) * | 2023-05-19 | 2023-07-21 | 上海旷仪智能科技有限公司 | 基于数字孪生的智慧水务监测方法、系统及电子设备 |
CN117131697A (zh) * | 2023-09-07 | 2023-11-28 | 国网江苏省电力工程咨询有限公司 | 一种面向变电站建设阶段的线上工作流程的数字孪生系统 |
CN117196159A (zh) * | 2023-11-07 | 2023-12-08 | 山东辰智电子科技有限公司 | 基于互联网大数据分析的智慧水务分区计量系统 |
CN117424886A (zh) * | 2023-09-22 | 2024-01-19 | 青岛巨川水处理有限公司 | 一种智慧水务业务管控平台及管控方法 |
-
2024
- 2024-01-24 CN CN202410097940.0A patent/CN117610322B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112908390A (zh) * | 2021-02-02 | 2021-06-04 | 深圳市显控科技股份有限公司 | 数据存储方法、装置、电子设备及存储介质 |
CN113094743A (zh) * | 2021-03-18 | 2021-07-09 | 南京邮电大学 | 一种基于改进型拜占庭共识算法的电网数据存储方法 |
CN115688227A (zh) * | 2022-10-13 | 2023-02-03 | 长江空间信息技术工程有限公司(武汉) | 数字孪生水利工程运行安全监测系统及运行方法 |
CN116129366A (zh) * | 2023-04-19 | 2023-05-16 | 肯特智能技术(深圳)股份有限公司 | 基于数字孪生的园区监测方法及相关装置 |
CN116468338A (zh) * | 2023-05-19 | 2023-07-21 | 上海旷仪智能科技有限公司 | 基于数字孪生的智慧水务监测方法、系统及电子设备 |
CN117131697A (zh) * | 2023-09-07 | 2023-11-28 | 国网江苏省电力工程咨询有限公司 | 一种面向变电站建设阶段的线上工作流程的数字孪生系统 |
CN117424886A (zh) * | 2023-09-22 | 2024-01-19 | 青岛巨川水处理有限公司 | 一种智慧水务业务管控平台及管控方法 |
CN117196159A (zh) * | 2023-11-07 | 2023-12-08 | 山东辰智电子科技有限公司 | 基于互联网大数据分析的智慧水务分区计量系统 |
Non-Patent Citations (2)
Title |
---|
郭剑桥;田甜;张坤林;: "基于新技术的长江大保护智慧水务系统应用", 绿色科技, no. 14, 30 July 2020 (2020-07-30) * |
高誉轩 等: "数字孪生在智慧水务领域的应用", 中国自动识别技术, no. 5, 31 October 2023 (2023-10-31), pages 44 - 50 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118013766A (zh) * | 2024-04-10 | 2024-05-10 | 河北工程大学 | 基于数字孪生的智慧农业线上产业化服务系统 |
CN118035900A (zh) * | 2024-04-15 | 2024-05-14 | 四川港通医疗设备集团股份有限公司 | 一种用于医用空气系统的监测预警方法及系统 |
CN118095103A (zh) * | 2024-04-22 | 2024-05-28 | 三峡金沙江川云水电开发有限公司 | 水厂数字孪生应用增强方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117610322B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117610322B (zh) | 基于数字孪生的智慧水务动态监测系统及监测方法 | |
CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN108418841B (zh) | 基于ai的下一代关键信息基础设施网络安全态势感知系统 | |
CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
CN112987675B (zh) | 一种异常检测的方法、装置、计算机设备和介质 | |
CN108700851B (zh) | 用于预测能量消耗的系统、方法和基于云的平台 | |
CN109858140B (zh) | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 | |
CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
CN116485202B (zh) | 一种基于物联网工业污染实时监测方法及系统 | |
CN116187552A (zh) | 异常检测方法、计算设备及计算机存储介质 | |
CN116823227A (zh) | 一种基于物联网的智能设备管理系统及方法 | |
CN114519923A (zh) | 一种电厂智能诊断预警方法和系统 | |
CN116822115A (zh) | 一种基于数字孪生技术的智慧园区的环境管理方法及系统 | |
CN116757303A (zh) | 一种沉降预测方法、系统和设备 | |
CN111666652A (zh) | 蒸汽热网疏水器巡检排放操作调度方法及操作调度系统 | |
CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
CN116821610B (zh) | 一种利用大数据优化风力发电效率的方法 | |
CN117422938A (zh) | 基于三维分析平台的坝坡混凝土结构异常分析方法 | |
CN117172983A (zh) | 一种基于遥感技术的植被生态水储量监测系统 | |
CN113011477A (zh) | 一种太阳辐照数据的清洗和补全系统及方法 | |
CN117076878A (zh) | 一种风电场历史出力缺失数据修补方法及系统 | |
CN110399537B (zh) | 一种基于人工智能技术的警情时空预测方法 | |
CN115480556A (zh) | 一种暖通机电设备的智能在线故障诊断系统 |
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 |