CN117871771A - 一种基于大数据的燃气能源监测方法 - Google Patents
一种基于大数据的燃气能源监测方法 Download PDFInfo
- Publication number
- CN117871771A CN117871771A CN202410281832.9A CN202410281832A CN117871771A CN 117871771 A CN117871771 A CN 117871771A CN 202410281832 A CN202410281832 A CN 202410281832A CN 117871771 A CN117871771 A CN 117871771A
- Authority
- CN
- China
- Prior art keywords
- gas
- representing
- monitoring
- data
- energy consumption
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005265 energy consumption Methods 0.000 claims abstract description 61
- 238000002485 combustion reaction Methods 0.000 claims abstract description 40
- 238000012937 correction Methods 0.000 claims abstract description 27
- 238000003062 neural network model Methods 0.000 claims abstract description 17
- 230000001105 regulatory effect Effects 0.000 claims abstract description 12
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 239000007789 gas Substances 0.000 claims description 207
- 239000002737 fuel gas Substances 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及燃气能源监测领域,尤其涉及一种基于大数据的燃气能源监测方法,包括通过传感器、仪表和监测设备采集燃气数据信息,将采集到的数据进行数据预处理处理和存储;根据燃气效能对燃烧效率和燃气流量进行预设,通过数据预处理后的燃气压力、温度,得到燃气燃烧效率修偏系数;基于深度学习并结合预处理后的燃气数据信息,建立燃气能耗预测神经网络模型,为后续监测过程提供数据支持;根据燃气能耗预测对燃气流量进行调节;实时监测燃气能源的使用情况,结合燃气燃烧效率修偏系数和调节后的燃气流量,综合监测燃气系统。本发明可以准确的进行数据分析从而更好地监测燃气系统,提高能源利用效率,确保燃气系统的安全运行。
Description
技术领域
本发明涉及燃气能源监测领域,尤其涉及一种基于大数据的燃气能源监测方法。
背景技术
目前,燃气能源在工业生产、城市供暖和家庭生活中起着重要作用。然而,由于燃气能源的复杂性和分布性,传统的监测方法往往无法满足实时监测和精确分析的需求。
现有技术存在以下问题:常常依赖于简单仪器或实验室分析,存在延迟和不准确性的问题,实时监测和精确分析的需求无法得到满足;传统的监测方法通常只提供基础的数据记录,缺乏对数据进行综合分析和预测的能力,这导致无法及时发现潜在的问题或预测可能的故障,从而无法采取及时的措施进行调整和修复;无法提供实时的安全警报和预警功能,无法及时发现并应对潜在的危险;由于无法对燃气数据准确分析,还会造成能源浪费,成本增加。
因此,需要一种基于大数据的燃气能源监测方法,以提高能源利用效率、减少能源浪费和优化能源配置,并确保燃气系统的安全运行。
发明内容
本发明提供的一种基于大数据的燃气能源监测方法,目的在于对燃气能源系统进行准确地监测,通过数据分析能够最大限度地利用燃气的能量,提高能源利用效率,降低能源成本,并快速识别潜在的问题或故障,及时采取措施进行修复、调整或优化,以避免进一步的能源浪费或设备损坏,确保燃气系统的安全运行,减少事故风险。
本发明技术方案具体如下:
一种基于大数据的燃气能源监测方法,包括以下步骤:
S1.通过传感器、仪表和监测设备采集燃气数据信息,将采集到的数据传输至云平台或本地服务器进行数据预处理处理和存储;根据燃气效能对燃烧效率和燃气流量进行预设,通过数据预处理后的燃气压力、温度,得到燃气燃烧效率修偏系数;
S2.基于深度学习并结合预处理后的燃气数据信息,建立燃气能耗预测神经网络模型,得到燃气能耗预测结果,为后续监测过程提供数据支持;
S3.根据燃气能耗预测对燃气流量进行调节;通过监测平台或移动应用程序实时监测燃气能源的使用情况,结合燃气燃烧效率修偏系数和调节后的燃气流量,综合监测燃气系统。
进一步,步骤S1具体包括:
燃气效能分为高效能、良好效能、中等效能、低效能;定义燃气的标准燃烧效率为,标准燃气流量为;
计算燃气燃烧效率修偏系数,其中,预处理后的燃气压力参数和温度参数分别
用和表示,具体过程如下所示:
;
;
其中,表示映射结果;表示映射函数;表示正数的波动调节参数;表示
预设的燃气压力值;表示预设的温度情况;表示记录的时间总长度;表示在
时的结果;、分别表示对应的修正比例系数;表示取平均值后燃气压力对燃气
燃烧效率修偏系数的影响;表示取平均值后温度对燃气燃烧效率修偏系数的影响。
进一步,步骤S2具体包括:
所述燃气能耗预测神经网络模型中包括输入门、更新门、重置门、输出门;将输入到燃气能耗预测神经网络模型中,标记初始状态为,表示预
处理后的燃气信息样本数据,表示一组样本数据中元素的数量。
进一步,输入门中具体过程如下所示:
;
其中,表示输入门的神经元输出;表示当前时刻的输入状态;、表示在输
入门中可学习的权重值;表示上一时刻的隐藏状态;表示输入门对应的偏置;表示激活函数;表示初始权重;表示控制参数。
进一步,步骤S3具体包括:
当时,燃气流量;
当时,燃气流量;
其中,表示第一燃气流量的调节参数;表示第二燃气流量的调节参数;
表示标准的燃气流量;用表示燃气能耗预测结果,定义为预设的燃气能耗值,且,表示对比参数;
定义综合监测值,并根据调节后的燃气流量综合监测燃气系统。
进一步,步骤S3具体包括:
如果所述综合监测值,则说明燃气系统运行出现问题,需要通过监测系
统发出警报,以便相关人员及时收到警报并采取必要的行动来处理问题,进行针对性的排
查和修复。
有益效果:
1.本发明通过对采集到的燃气数据进行预处理和存储,包括数据清洗、去噪、特征提取等操作,能够提高数据的质量和可用性,为后续的分析、建模和决策提供基础;通过燃气效能对燃烧效率和燃气流量进行预设,设定燃烧效率值,将燃气转化为热能的效率提高到预期水平,减少能源的浪费;根据燃气压力、温度,得到燃气燃烧效率修偏系数,可以最大限度地利用燃气的能量,提高能源利用效率,降低能源成本,为后续的能源监测过程提供数据支持。
2.本发明建立燃气能耗预测神经网络模型对燃气能耗进行预测和监测,更好地理解序列数据中的长期依赖关系,提高燃气能耗预测的准确性和稳定性,相比传统的统计方法或经验模型,深度学习模型可以更好地捕捉数据中的非线性关系和隐含特征,从而保证能耗预测的可靠性;通过预测燃气能耗,可以对能源需求进行合理规划和调度,实现能源的有效利用;对燃气流量进行调节,减少能耗过程中的浪费和损失,促进可持续发展。
3.本发明通过预测燃气能耗,可以合理地调节燃气流量,避免过量供应燃气,提高燃气设备的运行效率;实时监测燃气能源的使用情况,根据燃气燃烧效率修偏系数和调节后的燃气流量,综合监测燃气系统,经过数据分析提供智能化的能源优化建议。同时,通过综合监测值来监测燃气系统运行情况,可以及时发现燃气系统中的异常情况,有助于快速识别潜在的问题或故障,并及时采取措施进行修复、调整或优化,以避免进一步的能源浪费或设备损坏,确保燃气系统的安全运行,减少事故风险。
附图说明
图1为本发明的一种基于大数据的燃气能源监测方法的流程图;
图2为本发明的一种基于大数据的燃气能源监测系统的模块图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。同时应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照附图1,本实施例提供了一种基于大数据的燃气能源监测方法,包括以下步骤:
S1.通过传感器、仪表和监测设备采集燃气数据信息,将采集到的数据传输至云平台或本地服务器进行数据预处理处理和存储;根据燃气效能对燃烧效率和燃气流量进行预设,通过数据预处理后的燃气压力、温度,得到燃气燃烧效率修偏系数。
通过传感器、仪表和监测设备等手段,采集与燃气能源相关的数据,包括但不限于燃气流量、温度、燃气压力、湿度等参数。将采集到的数据传输至云平台或本地服务器,进行数据处理和存储。数据处理包括数据清洗、数据融合和数据分析等操作,以获取准确的燃气能源使用情况。
在本实施例中,对获取到的数据进行标准化,其中异常值可能使某些参数的值显著偏离其他参数,对数据分析和建模产生不良影响,引起不合理的结果。通过标准化,可以消除异常值的影响,使得数据在统一的尺度上进行比较。以参数燃气压力为例:
;
其中,表示标准化后的燃气压力参数;表示初始的燃气压力值;表示燃气
压力的时间序列均值;表示燃气压力的时间序列的标准差;表示记录的时间;进一步,表示标准化后的温度参数。
根据燃气效能对燃烧效率和燃气流量进行预设,其中燃气效能为100%
时指燃气系统中的燃气的热值都被完全释放和利用,燃气效能通过燃气的热值(根据不同
的燃气类型确定)、实际使用的燃气量(通过流量计等记录仪器获取)、燃气完全燃烧产生的
热值计算得到(根据不同燃气类型的成分计算得出);例如:假设燃气的热值为8000焦耳/标
立方米,实际使用了100标立方米的燃气,并且完全燃烧后可以产生80000焦耳的热值,则燃
气效能= 80000 / (8000×100)×100% = 100%;其中,燃气效能可以分为高效能、良好
效能、中等效能、低效能;定义燃气的标准燃烧效率为,标准燃气流量为;
当燃气效能为高效能时,燃气系统能够充分利用燃气能源,能源利用率超过90%,
则对应的燃气燃烧效率为,表示高燃气效能的调整参数;
当燃气效能为良好效能时,燃气系统具有较高的能源利用率,在80%-90%之间,则
对应的燃气燃烧效率为,表示良好燃气效能的调整参数;
当燃气效能为中等时,燃气系统在能源利用率方面一般,效率为70%-80%,则对应
的燃气燃烧效率为,表示中等气效能的调整参数;
当燃气效能为低效能时,燃气能源浪费较多,利用率较低,低于60%,则对应的燃气
燃烧效率为,表示低燃气效能的调整参数;其中。
通过数据预处理后的燃气压力、温度,计算得到燃气燃烧效率修偏系数,
其中,预处理后的燃气压力参数和温度参数分别用和表示,具体过程如下所示:
;
;
其中,表示映射结果;表示映射函数;表示正数的波动调节参数;表示
预设的燃气压力值;表示预设的温度情况;表示记录的时间总长度;表示在
时的结果;、分别表示对应的修正比例系数;表示取平均值后燃气压力对燃气
燃烧效率修偏系数的影响;表示取平均值后温度对燃气燃烧效率修偏系数的影响。
本发明通过对采集到的燃气数据进行预处理和存储,包括数据清洗、去噪、特征提取等操作,能够提高数据的质量和可用性,为后续的分析、建模和决策提供基础;通过燃气效能对燃烧效率和燃气流量进行预设,设定燃烧效率值,将燃气转化为热能的效率提高到预期水平,减少能源的浪费;根据燃气压力、温度,得到燃气燃烧效率修偏系数,可以最大限度地利用燃气的能量,提高能源利用效率,降低能源成本,为后续的能源监测过程提供数据支持。
S2.基于深度学习并结合预处理后的燃气数据信息,建立燃气能耗预测神经网络模型,得到燃气能耗预测结果,为后续监测过程提供数据支持;
基于采集到的数据,利用数据分析技术,建立燃气能耗预测神经网络模型,燃气能耗的预测对于能源管理和效率改进非常重要,通过预测燃气能耗,可以评估能源利用的效率、检测能源浪费的情况,并采取相应的措施来降低能源消耗、提高能源利用效率。
基于深度学习建立燃气能耗预测神经网络模型,从预处理后的燃气信息数据利用
现有技术提取特征数据作为样本数据,将得到的样本数据分为训练集和测试集。训练集中
有将要输入到燃气能耗预测神经网络模型中的燃气信息数据集,现预设表示预处理后的
燃气信息样本数据,,表示一组样本数据中元素的数量,其中燃气
能耗预测神经网络模型中包括输入门、更新门、重置门、输出门。
先将输入到燃气能耗预测神经网络模型中,标记初始状态
为,输入门可以控制哪些信息可以进入细胞状态,即哪些历史相关能耗数据对当前时间步
的预测是有意义的,具体过程如下所示:
;
其中,表示输入门的神经元输出;表示当前时刻的输入状态;、表示在输
入门中可学习的权重值;表示上一时刻的隐藏状态;表示输入门对应的偏置;表示激活函数;表示初始权重;表示控制参数。
更新门决定了上一时刻的隐藏状态中哪些信息应该被遗忘,根据当前的输入信息及其对燃气能耗的影响来决定细胞状态中保留旧信息和引入新信息的程度,具体过程如下所示:
;
其中,表示更新门神经元的输出;表示更新门中神经元权重;表示时间延迟
响应系数;表示常值系数;表示更新门对应的偏置;表示当前时刻的状态;表示时刻的状态。
通过重置门决定哪些历史能耗数据应该被遗忘,燃气能耗预测神经网络可以选择性地遗忘这些不相关的历史能耗数据,以避免对预测产生干扰并提高模型的泛化能力,具体过程如下所示:
;
其中,表示重置门神经元的输出;表示重置门中神经元的权重;表示在时刻对应的权重;表示动态稳定变量;表示重置门对应的偏置;表示激活函
数。
在燃气能耗预测中,输出门可以控制输出的隐藏状态中包含的能耗信息的比例,为最终的能耗预测提供有效的信息,具体过程如下所示:
;
其中,表示输出门中的输出结果;表示输出门中神经元的偏置;表示输出
门中神经元的权重。
本发明通过输入门、更新门、遗忘门和输出门的协同作用,使网络能够在燃气能耗预测任务中处理序列数据,它可以从历史能耗数据中提取和保留重要的模式和趋势,同时过滤掉不相关或不重要的信息。这使得网络能够更好地理解序列数据中的长期依赖关系,提高燃气能耗预测的准确性和稳定性。
本发明建立燃气能耗预测神经网络模型对燃气能耗进行预测和监测,相比传统的统计方法或经验模型,深度学习模型可以更好地捕捉数据中的非线性关系和隐含特征,从而提高能耗预测的准确性和可靠性;通过预测燃气能耗,可以对能源需求进行合理规划和调度,实现能源的有效利用;对燃气流量进行调节,减少能耗过程中的浪费和损失,促进可持续发展。
S3.根据燃气能耗预测对燃气流量进行调节;通过监测平台或移动应用程序实时监测燃气能源的使用情况,结合燃气燃烧效率修偏系数和调节后的燃气流量,综合监测燃气系统。
根据燃气能耗预测对燃气流量进行调节,其中用表示燃气能耗预测结果,
定义为预设的燃气能耗值,且,表示对比参数,具体如下所示:
当时,燃气流量;
当时,燃气流量;
其中,表示第一燃气流量的调节参数;表示第二燃气流量的调节参数;
表示标准的燃气流量。
本发明通过预测燃气能耗,可以合理地调节燃气流量,避免过量供应燃气,提高燃气设备的运行效率,减少能源浪费,确保燃气系统的正常运行;同时,监测系统可以实时监控能源供应情况,及时预警供应中断等问题,确保能源供应的稳定性和可靠性。
通过监测平台或移动应用程序等界面,实时监测燃气能源的使用情况,根据燃气
燃烧效率修偏系数和调节后的燃气流量,综合监测燃气系统;经过数据分析,提供智能化
的能源优化建议,如合理调整燃气供应、优化能源利用方式等,以实现能源的高效利用和节
约。
在本实施例中,现定义燃气能源系统工作情况综合监测值为,具体计算过程如
下:
;
其中,表示选取的燃气系统运行时长;表示时间节点;表示监测过程中燃
气流量的平均取值;表示监测过程中燃气流量的最大值。
如果得出,则说明燃气系统运行出现问题,需要立即通过监测系统发出
警报,以便相关人员及时收到警报并采取必要的行动来处理问题,防止事态进一步恶化;并
能够根据警报信息迅速判断故障的性质和位置,进行针对性的排查和修复,节省故障排查
的时间,快速恢复系统的正常运行。除此之外其他情况说明燃气系统工作正常。
本发明通过综合监测值来监测燃气系统运行情况,可以及时发现燃气系统中的异常情况,有助于快速识别潜在的问题或故障,并及时采取措施进行修复、调整或优化,以避免进一步的能源浪费或设备损坏;确保燃气系统的安全运行,减少事故风险。
参照附图2,本实施例提供了一种基于大数据的燃气能源监测系统,包括以下部分:
数据获取模块、数据处理模块、参数修偏模块、能耗预测模块、综合监测模块;
数据获取模块,用于从各个燃气能源使用设备或传感器中收集数据,包括燃气表、传感器、智能计量设备等;通过传统的串口通信、网络接口或其他通信方式获取数据,并将其传输到数据处理模块;
数据处理模块,用于对从数据获取模块获得的原始数据进行处理和清洗,包括对数据进行验证、校正和去噪处理,以确保数据的准确性和一致性,将数据传输至能耗预测模块、参数修偏模块;
参数修偏模块,利用预处理过的数据对燃气能源系统的参数进行修正和校准,根据数据的变化调整参数,保证监测系统的准确性和可靠性,将数据传输至综合监测模块;
燃气能耗预测模块,通过分析预处理后的燃气数据信息,建立燃气能耗预测模型,得出燃气能耗预测结果,能够优化能源管理和计划供应,将数据传输至综合监测模块;
综合监测模块,通过对数据进行分析和计算,综合考虑各种不同因素,根据燃气燃烧效率修偏系数和调节后的燃气流量,对燃气能源系统的运行情况进行监测评估。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (6)
1.一种基于大数据的燃气能源监测方法,其特征在于,包括以下步骤:
S1.通过传感器、仪表和监测设备采集燃气数据信息,将采集到的数据传输至云平台或本地服务器进行数据预处理处理和存储;根据燃气效能对燃烧效率和燃气流量进行预设,通过数据预处理后的燃气压力、温度,得到燃气燃烧效率修偏系数;
S2.基于深度学习并结合预处理后的燃气数据信息,建立燃气能耗预测神经网络模型,得到燃气能耗预测结果,为后续监测过程提供数据支持;
S3.根据燃气能耗预测对燃气流量进行调节;通过监测平台或移动应用程序实时监测燃气能源的使用情况,结合燃气燃烧效率修偏系数和调节后的燃气流量,综合监测燃气系统。
2.根据权利要求1所述的一种基于大数据的燃气能源监测方法,其特征在于,所述步骤S1具体包括:
燃气效能分为高效能、良好效能、中等效能、低效能;定义燃气的标准燃烧效率为,标准燃气流量为/>;
计算燃气燃烧效率修偏系数,其中,预处理后的燃气压力参数和温度参数分别用/>和/>表示,具体过程如下所示:
;
;
其中,表示映射结果;/>表示映射函数;/>表示正数的波动调节参数;/>表示预设的燃气压力值;/>表示预设的温度情况;/>表示记录的时间总长度;/>表示在/>时的结果;/>、/>分别表示对应的修正比例系数;/>表示取平均值后燃气压力对燃气燃烧效率修偏系数的影响;/>表示取平均值后温度对燃气燃烧效率修偏系数的影响。
3.根据权利要求1所述的一种基于大数据的燃气能源监测方法,其特征在于,所述步骤S2具体包括:
所述燃气能耗预测神经网络模型中包括输入门、更新门、重置门、输出门;将输入到燃气能耗预测神经网络模型中,标记初始状态为/>,/>表示预处理后的燃气信息样本数据,/>表示一组样本数据中元素的数量。
4.根据权利要求3所述的一种基于大数据的燃气能源监测方法,其特征在于,所述输入门中具体过程如下所示:
;
其中,表示输入门的神经元输出;/>表示当前时刻的输入状态;/>、/>表示在输入门中可学习的权重值;/>表示上一时刻的隐藏状态;/>表示输入门对应的偏置;/>表示激活函数;/>表示初始权重;/>表示控制参数。
5.根据权利要求1所述的一种基于大数据的燃气能源监测方法,其特征在于,所述步骤S3具体包括:
当时,燃气流量/>;
当时,燃气流量/>;
其中,表示第一燃气流量的调节参数;/>表示第二燃气流量的调节参数;/>表示标准的燃气流量;用/>表示燃气能耗预测结果,定义/>为预设的燃气能耗值,且,/>表示对比参数;
定义综合监测值,并根据调节后的燃气流量综合监测燃气系统。
6.根据权利要求5所述的一种基于大数据的燃气能源监测方法,其特征在于,所述步骤S3具体包括:
如果所述综合监测值,则说明燃气系统运行出现问题,需要通过监测系统发出警报,以便相关人员及时收到警报并采取必要的行动来处理问题,进行针对性的排查和修复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281832.9A CN117871771A (zh) | 2024-03-13 | 2024-03-13 | 一种基于大数据的燃气能源监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281832.9A CN117871771A (zh) | 2024-03-13 | 2024-03-13 | 一种基于大数据的燃气能源监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117871771A true CN117871771A (zh) | 2024-04-12 |
Family
ID=90581437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410281832.9A Pending CN117871771A (zh) | 2024-03-13 | 2024-03-13 | 一种基于大数据的燃气能源监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117871771A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000130750A (ja) * | 1998-10-28 | 2000-05-12 | Hitachi Ltd | 燃焼監視装置 |
US6109244A (en) * | 1997-11-17 | 2000-08-29 | Denso Corporation | Fuel injection control apparatus for an internal combustion engine |
JP2009275691A (ja) * | 2008-04-16 | 2009-11-26 | Mitsubishi Heavy Ind Ltd | 内燃機関の燃焼制御方法および制御装置 |
CN104750066A (zh) * | 2015-02-10 | 2015-07-01 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 燃气轮机燃烧过程控制和优化系统 |
CN105570868A (zh) * | 2016-02-04 | 2016-05-11 | 上海带来科技有限公司 | 一种燃气锅炉燃烧工况实时监控系统 |
CN107923351A (zh) * | 2015-08-17 | 2018-04-17 | 株式会社电装 | 燃料供给系统 |
CN109655275A (zh) * | 2018-11-29 | 2019-04-19 | 沈阳工程学院 | 一种基于敏感系数法的燃气轮机循环热经济性诊断方法 |
CN112228234A (zh) * | 2020-09-29 | 2021-01-15 | 广西玉柴机器股份有限公司 | 一种发电用燃气发动机的瞬态燃料控制方法及系统 |
CN113588280A (zh) * | 2021-08-27 | 2021-11-02 | 华能国际电力股份有限公司 | 一种适用于燃气轮机燃烧状态参数监测的系统 |
CN113776080A (zh) * | 2021-08-30 | 2021-12-10 | 邯郸钢铁集团有限责任公司 | 一种基于综合满意度和时滞分析的热风炉空燃比修正方法 |
CN113779858A (zh) * | 2020-06-10 | 2021-12-10 | 国家能源投资集团有限责任公司 | 一种燃烧优化方法、系统、存储介质及电子设备 |
CN115526307A (zh) * | 2022-08-24 | 2022-12-27 | 中国科学院半导体研究所 | 网络模型压缩方法、装置、电子设备及存储介质 |
CN116029201A (zh) * | 2022-12-23 | 2023-04-28 | 浙江苍南仪表集团股份有限公司 | 基于聚类和循环神经网络的燃气流量预测方法及系统 |
CN116380474A (zh) * | 2023-02-20 | 2023-07-04 | 中国船舶重工集团公司第七0三研究所 | 一种基于能量平衡法的船用燃气轮机动力涡轮入口平均温度预测方法 |
US20230213917A1 (en) * | 2022-11-28 | 2023-07-06 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things systems for gate station compressor operation optimization for smart gas |
CN116502766A (zh) * | 2023-05-17 | 2023-07-28 | 广东工业大学 | 考虑风速变化特征的短期风电功率区间预测方法 |
CN117387729A (zh) * | 2023-10-07 | 2024-01-12 | 陕西维斯达仪器仪表有限公司 | 一种燃气表计数检测方法 |
CN117419359A (zh) * | 2023-10-30 | 2024-01-19 | 华能太仓发电有限责任公司 | 一种电厂锅炉燃烧的优化监控系统及方法 |
-
2024
- 2024-03-13 CN CN202410281832.9A patent/CN117871771A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6109244A (en) * | 1997-11-17 | 2000-08-29 | Denso Corporation | Fuel injection control apparatus for an internal combustion engine |
JP2000130750A (ja) * | 1998-10-28 | 2000-05-12 | Hitachi Ltd | 燃焼監視装置 |
JP2009275691A (ja) * | 2008-04-16 | 2009-11-26 | Mitsubishi Heavy Ind Ltd | 内燃機関の燃焼制御方法および制御装置 |
CN104750066A (zh) * | 2015-02-10 | 2015-07-01 | 北京华清燃气轮机与煤气化联合循环工程技术有限公司 | 燃气轮机燃烧过程控制和优化系统 |
CN107923351A (zh) * | 2015-08-17 | 2018-04-17 | 株式会社电装 | 燃料供给系统 |
CN105570868A (zh) * | 2016-02-04 | 2016-05-11 | 上海带来科技有限公司 | 一种燃气锅炉燃烧工况实时监控系统 |
CN109655275A (zh) * | 2018-11-29 | 2019-04-19 | 沈阳工程学院 | 一种基于敏感系数法的燃气轮机循环热经济性诊断方法 |
CN113779858A (zh) * | 2020-06-10 | 2021-12-10 | 国家能源投资集团有限责任公司 | 一种燃烧优化方法、系统、存储介质及电子设备 |
CN112228234A (zh) * | 2020-09-29 | 2021-01-15 | 广西玉柴机器股份有限公司 | 一种发电用燃气发动机的瞬态燃料控制方法及系统 |
CN113588280A (zh) * | 2021-08-27 | 2021-11-02 | 华能国际电力股份有限公司 | 一种适用于燃气轮机燃烧状态参数监测的系统 |
CN113776080A (zh) * | 2021-08-30 | 2021-12-10 | 邯郸钢铁集团有限责任公司 | 一种基于综合满意度和时滞分析的热风炉空燃比修正方法 |
CN115526307A (zh) * | 2022-08-24 | 2022-12-27 | 中国科学院半导体研究所 | 网络模型压缩方法、装置、电子设备及存储介质 |
US20230213917A1 (en) * | 2022-11-28 | 2023-07-06 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things systems for gate station compressor operation optimization for smart gas |
CN116029201A (zh) * | 2022-12-23 | 2023-04-28 | 浙江苍南仪表集团股份有限公司 | 基于聚类和循环神经网络的燃气流量预测方法及系统 |
CN116380474A (zh) * | 2023-02-20 | 2023-07-04 | 中国船舶重工集团公司第七0三研究所 | 一种基于能量平衡法的船用燃气轮机动力涡轮入口平均温度预测方法 |
CN116502766A (zh) * | 2023-05-17 | 2023-07-28 | 广东工业大学 | 考虑风速变化特征的短期风电功率区间预测方法 |
CN117387729A (zh) * | 2023-10-07 | 2024-01-12 | 陕西维斯达仪器仪表有限公司 | 一种燃气表计数检测方法 |
CN117419359A (zh) * | 2023-10-30 | 2024-01-19 | 华能太仓发电有限责任公司 | 一种电厂锅炉燃烧的优化监控系统及方法 |
Non-Patent Citations (4)
Title |
---|
叶向前;谭磊;方彦军;: "基于支持向量机增量算法的锅炉燃烧效率建模研究", 锅炉技术, no. 02, 28 March 2013 (2013-03-28) * |
崔桂梅;张丹丹;刘丕亮;: "新型燃气分析仪的研究", 计算机仿真, no. 03, 15 March 2018 (2018-03-15) * |
张杨竣;逯红梅;: "天然气部分预混燃烧一次空气系数与燃烧器头部温度关系的模拟仿真与实验研究", 石油与天然气化工, no. 05, 25 October 2015 (2015-10-25) * |
黄建伟;: "M701F燃气-蒸汽联合循环机组燃烧控制系统", 热力发电, no. 10, 25 October 2011 (2011-10-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118384A (zh) | 一种风电机组健康预警方法 | |
US20100280673A1 (en) | Systems and Methods for Analyzing Reporting Data | |
CN102090704A (zh) | 一种提高制丝工艺批次过程能力的方法 | |
CN109827004B (zh) | 对调节阀特性分析的方法及装置 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
WO2020242553A1 (en) | Failure prediction using gradient-based sensor identification | |
TWI738016B (zh) | 液態氣體充填之智能化學習機制與自適應調節系統 | |
CN111191725A (zh) | 一种基于pca数据处理的rbf故障诊断方法、系统、终端及计算机存储介质 | |
CN117606578A (zh) | 一种智能的气体流量监测方法 | |
CN116345700B (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
CN115373370A (zh) | 一种可编程控制器运行状态监测方法及系统 | |
CN111445105A (zh) | 基于目标值分析的电厂在线性能诊断方法及系统 | |
CN103577647A (zh) | 一种汽轮机及其调速系统模型的评估分析方法及装置 | |
CN115827411A (zh) | 一种用于自动化设备的在线监测及运维评估系统和方法 | |
CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
CN117648543A (zh) | 一种自演化的变电站设备学习方法 | |
US11687772B2 (en) | Optimization of cyber-physical systems | |
CN117871771A (zh) | 一种基于大数据的燃气能源监测方法 | |
CN115427767A (zh) | 用于过程工厂内数据驱动的故障检测的改进模式识别技术 | |
CN109375104A (zh) | 一种应用在网源平台的机组avr模型的在线校核方法 | |
US11378063B2 (en) | System and method for detecting turbine underperformance and operation anomaly | |
CN117764422B (zh) | 智慧节能运维管理云平台 | |
CN117687461B (zh) | 一种动物实验室的环境调控系统 | |
CN117332360B (zh) | 基于5g技术的温室大棚设备故障监测方法及系统 | |
CN117076260B (zh) | 一种参数及设备异常检测方法及装置 |
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 |