CN117973877A - 基于智慧燃气物联网的燃气管井安全管理方法与系统 - Google Patents
基于智慧燃气物联网的燃气管井安全管理方法与系统 Download PDFInfo
- Publication number
- CN117973877A CN117973877A CN202410369960.9A CN202410369960A CN117973877A CN 117973877 A CN117973877 A CN 117973877A CN 202410369960 A CN202410369960 A CN 202410369960A CN 117973877 A CN117973877 A CN 117973877A
- Authority
- CN
- China
- Prior art keywords
- well
- gas
- inspection
- risk value
- determining
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims abstract description 195
- 238000007689 inspection Methods 0.000 claims abstract description 158
- 230000007613 environmental effect Effects 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 10
- 230000007797 corrosion Effects 0.000 claims description 81
- 238000005260 corrosion Methods 0.000 claims description 81
- 230000008859 change Effects 0.000 claims description 53
- 238000007654 immersion Methods 0.000 claims description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 37
- 238000012502 risk assessment Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 41
- 239000013598 vector Substances 0.000 description 19
- 238000012549 training Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000002791 soaking Methods 0.000 description 5
- 239000002349 well water Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种基于智慧燃气物联网的燃气管井安全管理方法与系统,该方法由处理器执行,包括:通过智慧燃气物联网控制监测部件按照监测参数获取燃气管井的环境信息序列、井内监测数据序列,并存储到至存储单元;基于环境信息序列、井内监测数据序列,确定井内风险值;响应于井内风险值超过风险阈值,调整监测参数,并基于调整后的监测参数更新井内风险值;基于更新后的井内风险值,确定燃气部件的受影响度;基于燃气部件的受影响度,确定管井巡检方案,并生成对应的管井巡检指令发送至巡检终端;基于巡检人员对管井巡检指令的巡检结果,调整监测参数,并清除存储单元内的过期数据。通过评估井内风险值可以有效确定管井巡检方案。
Description
技术领域
本说明书涉及智慧燃气领域,特别涉及一种基于智慧燃气物联网的燃气管井安全管理方法与系统。
背景技术
燃气管井是用于管理、维护和访问地下燃气管道系统的基础设施。为了保证燃气管井的安全性,需要在燃气管井内安装燃气监测装置。由于燃气管井建造在地下,燃气监测装置很容易受到地下环境的影响,例如,雨水浸泡,腐蚀等。这些外部环境影响会导致燃气监测装置出现异常,无法进行正常监测,减少其使用寿命。
针对如何保证燃气管井中燃气检测设备的正常运行的问题,CN218845772U公开了一种带有防水结构的燃气井泄漏在线监测装置,通过将防护罩罩在顶部,对监测仪进行防水防护。然而,该方案仅能对设备进行防水防护,不能对其他风险进行预防和有效的监测。
因此,需要提出一种基于智慧燃气物联网的燃气管井安全管理方法与系统,加强对燃气检测装置的管理和监测,提高燃气管井的可靠性、安全性和维护性。
发明内容
本说明书一个或多个实施例提供一种基于智慧燃气物联网的燃气管井安全管理方法,所述方法由处理器执行,所述方法包括:通过智慧燃气物联网控制监测部件按照监测参数获取燃气管井的环境信息序列、井内监测数据序列,并存储至存储单元;基于所述环境信息序列、所述井内监测数据序列,确定井内风险值;响应于所述井内风险值超过风险阈值,调整所述监测参数,并基于调整后的监测参数更新所述井内风险值;基于更新后的井内风险值,确定燃气部件的受影响度;基于所述燃气部件的受影响度,确定管井巡检方案,并生成对应的管井巡检指令发送至巡检终端;基于运营用户对所述管井巡检指令的巡检结果,调整所述监测参数,并清除所述存储单元内过期的环境信息和/或井内监测数据。
本说明书实施例之一提供一种基于智慧燃气物联网的燃气管井安全管理系统,所述系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台、智慧燃气对象平台;所述智慧燃气设备管理平台被配置为:通过智慧燃气物联网控制监测部件按照监测参数获取燃气管井的环境信息序列、井内监测数据序列,并存储至存储单元;基于所述环境信息序列、所述井内监测数据序列,评估井内风险值;响应于所述井内风险值超过风险阈值,调整所述监测参数,并基于调整后的监测参数更新所述井内风险值;基于更新后的井内风险值,确定燃气部件的受影响度;基于所述燃气部件的受影响度,确定管井巡检方案,并生成对应的管井巡检指令发送至巡检终端;基于运营用户对所述管井巡检指令的巡检结果,调整所述监测参数,并清除所述存储单元内过期的环境信息和/或井内监测数据。
本说明书一个或多个实施例提供一种计算机可读存储介质,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,计算机执行基于智慧燃气物联网的燃气管井安全管理方法。
本说明书实施例至少包括如下有益效果:通过评估井内风险值,基于井内风险值,确定燃气部件的受影响度,从而确定管井巡检方案,可以有效地评估燃气管井可能存在的风险情况,并根据该风险的影响程度高低确定燃气管井的巡检优先级。同时,还可以及时地预判可能存在的风险,并对其进行预警,动态调整巡检方案,保障燃气管井的安全使用。
附图说明
图1是根据本说明书一些实施例所示的基于智慧燃气物联网的燃气管井安全管理系统的示例性平台结构图;
图2是根据本说明书一些实施例所示的基于智慧燃气物联网的燃气管井安全管理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井内风险值的示例性示意图;
图4是根据本说明书一些实施例所示的确定燃气部件的受影响度的示例性示意图。
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。
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。
燃气管井内一般设置有多种监测部件,用于监测燃气管井内的情况。例如监测燃气管井内的水位情况、燃气泄漏情况等。然而,这些监测部件可能受雨水浸泡、锈蚀、温度异常等影响,导致监测功能异常,影响正常的监测工作,使用寿命降低。
鉴于此,本说明书一些实施例提供一种智慧燃气物联网的燃气管井安全管理方法与系统,能够对燃气管井进行管理,及时对可能存在的浸泡、锈蚀等风险进行预防处理,降低环境因素导致的监测部件异常情况,确保监测功能正常运行,保障燃气管网安全。
图1是根据本说明书一些实施例所示的基于智慧燃气物联网的燃气管井安全管理系统的示例性平台结构图。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。
如图1所示,基于智慧燃气物联网的燃气管井安全管理系统100可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气设备管理平台130、智慧燃气传感网络平台140和智慧燃气对象平台150。
智慧燃气用户平台110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、政府用户分平台和监管用户分平台。
燃气用户分平台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。政府用户分平台是为政府用户提供燃气运营相关数据的平台。监管用户分平台是监管用户对整个物联网系统的运行进行监管的平台。
智慧燃气服务平台120是用于传递用户的需求和/或控制信息的平台。在一些实施例中,智慧燃气服务平台120可以接收智慧燃气用户平台110下发的查询指令,并下发至智慧燃气设备管理平台130。在一些实施例中,智慧燃气服务平台120可以将管井巡检指令发送至智慧燃气用户平台110。
在一些实施例中,智慧燃气用户平台120可以包括智慧用气服务分平台、智慧运营服务平台和智慧监管服务分平台。
智慧用气服务分平台是为燃气用户提供用气服务的平台。智慧运营服务分平台是为政府用户提供燃气运营相关信息(例如,燃气管井的环境信息序列、井内监测数据序列等)的平台。智慧监管服务分平台是为监管用户提供监管需求的平台。
智慧燃气设备管理平台130是指统筹、协调各功能平台之间的联系和协作的平台,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,智慧燃气设备管理平台130可以包括智慧燃气数据中心和智慧燃气户内设备参数管理分平台,以及智慧燃气管网设备参数管理分平台。
智慧燃气户内设备参数管理分平台包括设备运行参数监测预警模块1、设备参数远程管理模块1。智慧燃气管网设备参数管理分平台包括设备运行参数监测预警模块2、设备参数远程管理模块2。通过设备运行参数监测预警模块可查看设备运行参数历史数据和实时数据,并根据预设阈值进行监测预警;当设备运行参数异常(例如,超出对应的预设阈值)时,管理人员可从设备运行参数监测预警模块直接切换进入设备参数远程管理模块,进行设备参数远程处理,必要时通过智慧燃气服务平台120向用户发起提醒信息。通过设备参数远程管理模块,可对智慧燃气对象平台150的设备参数进行远程设置、调整,以及对智慧燃气对象平台150现场发起的设备参数调节进行远程授权。
在一些实施例中,智慧燃气设备管理平台130可以通过物联网控制监测部件按照监测参数获取燃气管井的环境信息序列、井内监测数据序列,并存储至存储单元;基于环境信息序列、井内监测数据序列,评估井内风险值;响应于井内风险值超过风险阈值,调整监测参数,并基于调整后的监测参数更新井内风险值;基于更新后的井内风险值,确定燃气部件的受影响度;基于燃气部件的受影响度,确定管井巡检方案,并生成对应的管井巡检指令发送到巡检终端;基于运营用户对管井巡检指令的巡检结果,调整监测参数,并清除存储单元内过期的环境信息和/或井内监测数据。智慧燃气数据中心可以用于存储和管理基于智慧燃气物联网的燃气管井安全管理系统100的至少部分运行信息。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,用于存储与燃气管井有关的数据等。例如,燃气管井的环境信息序列、井内检测数据序列等。
在一些实施例中,智慧燃气设备管理平台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接收燃气服务平台120下发的燃气管井的监测数据的查询指令,并将燃气管井的监测数据的查询指令进一步下发至智慧燃气传感网络平台140,并接收智慧燃气传感网络平台140上传的燃气管井的相关数据。又例如,智慧燃气设备管理平台130可以通过智慧燃气数据中心将管井巡检指令发送至智慧燃气服务平台120。
在一些实施例中,智慧燃气户内设备参数管理分平台、智慧燃气管网设备参数管理分平台可以分别与智慧燃气数据中心双向交互。
智慧燃气户内设备参数管理分平台包括设备运行参数监测预警模块1、设备参数远程管理模块1。智慧燃气管网设备参数管理分平台包括设备运行参数监测预警模块2、设备参数远程管理模块2。通过设备运行参数监测预警模块可查看设备运行参数历史数据和实时数据,并根据预设阈值进行监测预警;当设备运行参数异常(例如,超出对应的预设阈值)时,管理人员可从设备运行参数监测预警模块直接切换进入设备参数远程管理模块,进行设备参数远程处理,必要时通过智慧燃气服务平台120向用户发起提醒信息。通过设备参数远程管理模块,可对智慧燃气对象平台150的设备参数进行远程设置、调整,以及对智慧燃气对象平台150现场发起的设备参数调节进行远程授权。
智慧燃气传感网络平台140是对传感通信进行管理的功能平台。在一些实施例中,智慧燃气传感网络平台140可以被配置为通信网络和网关。
在一些实施例中,智慧燃气传感网络平台140可以包括智慧燃气户内设备传感网络分平台和智慧燃气管网设备传感网络分平台,分别用于下发用于获取燃气户内设备的监测数据的查询指令至智慧燃气户内设备对象分平台,和下发用于获取燃气管网设备的监测数据的查询指令至智慧燃气管网设备对象分平台。
智慧燃气对象平台150可以是感知信息生成和控制信息执行的功能平台。例如,智慧燃气对象平台150可以响应于接收到燃气管井的监测数据的查询指令,监控并获取监测部件(例如,管井内外部署的温度传感器、湿度传感器等)的运行信息。
在一些实施例中,智慧燃气对象平台150可以包括智慧燃气户内设备对象分平台和智慧燃气管网设备对象分平台。其中,智慧燃气户内设备对象分平台可以被配置为燃气用户的各类燃气户内设备。智慧燃气管网设备对象分平台可以被配置为各类燃气管网设备和监测设备。在一些实施例中,智慧燃气管网设备对象分平台可以用于获取燃气管井的环境信息、井内监测数据。
基于智慧物联网的燃气管井安全管理系统100,可以在各功能平台之间形成信息运行闭环,并在智慧燃气设备管理平台的统一管理下协调、规律运行,实现智慧燃气管井管理的信息化、智慧化。
图2是根据本说明书一些实施例所示的基于智慧燃气物联网的燃气管井安全管理方法的示例性流程图。在一些实施例中,流程200可以由智慧燃气设备管理平台执行。如图2所示,流程200包括下述步骤。
步骤210,通过智慧燃气物联网控制监测部件按照监测参数获取燃气管井的环境信息序列、井内监测数据序列,并存储至存储单元。
监测部件是指具有监测功能的部件。在一些实施例中,监测部件可以包括管井内外部署的温度传感器、湿度传感器等。
在一些实施例中,监测部件还可以包括燃气管井内部署的燃气含量传感器等。
在一些实施例中,部署于燃气管井外部的监测部件获取的监测数据为环境信息,部署于燃气管井内部的监测部件获取的监测数据为井内监测数据。其中,环境信息可以包括燃气管井所在区域的温度、湿度、天气信息等。井内监测数据指燃气管井内部的相关信息。例如,可以包括燃气管井内部的温度、湿度、燃气含量等数据。
在一些实施例中,环境信息还可以通过其他可行的方式获取。例如,可以通过互联网获取天气信息。又例如,可以通过视觉传感器获取天气信息等。
在一些实施例中,监测部件可以部署于多个监测点位中。在一些实施例中,监测点位可以设置在燃气管井外部的一定距离范围内,和/或设置在燃气管井内部的不同高度范围内。例如,监测点位可以环绕设置在燃气管井外部的多个方位上,和/或环绕设置在燃气管井内部的多个高度范围的井壁上。监测点位的设置位置可以根据实际需求进行调整,在此不做限制。
监测参数是指监测部件的监测力度的指标参数。在一些实施例中,监测参数可以包括各个监测点位的监测频率。
在一些实施例中,处理器可以根据环境信息变化率确定监测参数。例如,当某监测点位的环境信息变化率越高,该监测点位中部署的监测部件的监测频率可以设置得越高。其中,环境信息变化率是指环境信息在一段时间内的变化幅度。环境信息变化率可以基于环境信息序列确定。例如,可以将单位时间内环境信息的变化值确定为环境信息变化率。
在一些实施例中,处理器还可以根据监测点位的部署位置确定监测参数。例如,越靠近井口的监测点位中部署的监测部件,设置其监测频率越高;越远离井口的监测点位中部署的监测部件,设置其监测频率越低。
环境信息序列是指由多个时间点获取的多个环境信息组成的序列。环境信息序列中各个环境信息可以按照时间顺序进行排列。
井内监测数据序列是指由多个时间点获取的多个井内监测数据组成的序列。井内监测数据序列中各个井内监测数据可以按照时间顺序进行排列。
步骤220,基于环境信息序列、井内监测数据序列,确定井内风险值。
井内风险值是用于衡量管井内部的井内风险因子的风险情况的参数值。井内风险值越高,表示井内风险因子的风险情况越严重或可能性越高等。其中,井内风险因子是指燃气管井内部存在的风险类型。
在一些实施例中,井内风险因子可以包括井壁浸水风险、腐蚀风险等。在一些实施例中,井内风险值可以包括井壁浸水风险值与腐蚀风险值。
井壁浸水风险值是用于衡量井壁浸水风险的风险情况的参数值。井壁浸水风险值越高,表示井壁浸水导致部署在井壁的燃气部件进水损坏的可能性越高。
腐蚀风险值是用于衡量燃气部件的腐蚀风险的风险情况的参数值。腐蚀风险值越高,表示燃气部件被腐蚀的可能性越高。
其中,燃气部件可以包括安装在管井井壁的监测部件、燃气管道上的各种部件、设备等。
在一些实施例中,处理器可以基于环境信息序列、井内监测数据序列,通过多种方式确定井内风险值。例如,处理器可以基于环境信息序列、井内监测数据序列构建待匹配向量;基于待匹配向量在向量数据库中进行向量匹配,确定井内风险值。其中,向量数据库中包括多个参考向量以及其对应的浸水情况和腐蚀情况。在一些实施例中,处理器可以基于待匹配向量,在向量数据库中确定符合预设匹配条件的参考向量,将符合预设匹配条件的参考向量确定为关联向量;将出现浸水情况的关联向量的数量与关联向量的总数量的比值,确定为井壁浸水风险值;将出现腐蚀情况的关联向量的数量与关联向量的总数量的比值,确定为腐蚀风险值。其中,参考向量可以基于历史环境信息序列、历史井内监测数据序列构建,参考向量对应的浸水情况与腐蚀情况可以基于历史巡检记录确定。例如,历史巡检记录中记录了“燃气部件的进水标已变色”等情况时,可以确定燃气部件出现了进水情况。
在一些实施例中,处理器还可以基于井内监测数据序列与井壁浸水风险值,通过预设规则确定腐蚀风险值。在一些实施例中,腐蚀风险值与井内监测数据中的温度、湿度、井内杂质以及井壁浸水风险值正相关。在一些实施例中,预设规则可以是:温度、湿度越高,腐蚀风险值越高。在一些实施例中,预设规则可以是:井内中包含硫化物等杂质时,腐蚀风险值越高。在一些实施例中,预设规则还可以是:井壁浸水风险值越高时,腐蚀风险值越高。此时燃气部件、监测部件越容易直接接触水,腐蚀风险值越高。
关于确定井内风险值的更多内容可以参见图3的相关描述。
步骤230,响应于井内风险值超过风险阈值,调整监测参数,并基于调整后的监测参数更新井内风险值。
风险阈值是与井内风险值相关的阈值。在一些实施例中,风险阈值可以包括第一风险阈值和第二风险阈值。第一风险阈值是与井壁浸水风险值相关的阈值。第二风险阈值是与腐蚀风险值相关的阈值。风险阈值可以是系统默认值、经验值、人为预先设定值等。
在一些实施例中,处理器可以根据井内风险值调整监测参数。当井壁浸水风险值超出第一风险阈值,和/或腐蚀风险值超出第二风险阈值时,增高至少部分监测点位的监测频率。
在一些实施例中,响应于监测参数已调整,处理器可以根据调整后的监测参数确定更新后的井内风险值。例如,处理器可以通过物联网控制监测部件按照调整后的监测参数重新获取燃气管井的环境信息序列、井内监测数据序列,并根据重新获取的环境信息序列、井内监测数据序列确定井内风险值,确定更新后的井内风险值。
步骤240,基于更新后的井内风险值,确定燃气部件的受影响度。
燃气部件的受影响度是指燃气部件受到井内风险因子的影响程度。不同的燃气部件对相同的井内风险因子的受影响度不同。例如,安装在井壁的燃气部件受到井壁浸水风险的影响程度较高。又例如,金属材质的燃气阀门受到腐蚀风险的影响程度较高。
燃气部件的受影响度可以通过多种方式确定。在一些实施例中,处理器可以基于井内浸水风险值和腐蚀风险值,确定燃气部件的受影响度。例如,处理器可以基于井内浸水风险值和腐蚀风险值,通过下述公式(1)计算确定燃气部件的受影响度I:
I=k1p1+k2p2(1)
其中,p1、p2分别为井壁浸水风险值和腐蚀风险值,k1、k2分别为井壁浸水风险值和腐蚀风险值的权重系数。k1、k2可以基于燃气部件的部署位置、材质、使用时长、上次巡检时的完好情况确定。例如,燃气部件越靠近井壁,k1越大;部件使用时长越长,k1越大;燃气部件的材质越容易受腐蚀,使用时长越长,且上次巡检时燃气部件的完好度越低,k2越大。其中,燃气部件的完好情况可以由运营用户输入确定。
在一些实施例中,处理器可以基于燃气部件的部署位置、材质、使用时长、上次巡检时的完好情况中的一种或多种,通过查询系数对照表的方式确定井壁浸水风险值和腐蚀风险值各自对应的权重系数。在一些实施例中,系数对照表中可以包括不同的部署位置、材质、使用时长以及上次巡检时的完好情况中一种或多种,与井壁浸水风险值和腐蚀风险值各自的权重系数之间的对应关系。系数对照表可以由该领域工作人员根据经验或历史数据进行预设。关于确定燃气部件的受影响度的更多说明可以参见图4的相关描述。
步骤250,基于燃气部件的受影响度,确定管井巡检方案,并生成对应的管井巡检指令发送至巡检终端。
管井巡检方案是指对燃气管井内外部署的燃气部件进行巡检的方案。在一些实施例中,管井巡检方案至少包括燃气管井的下次巡检时间以及巡检力度。
下次巡检时间是指对燃气管井进行下一次巡检的起止时间。巡检力度是指对燃气管井进行巡检时的仔细程度。例如,巡检力度越大,巡检报告上要求记录的细节越多。在一些实施例中,不同的监测点位和/或不同的燃气部件可以对应不同的巡检力度。
管井巡检方案可以通过多种方式确定。在一些实施例中,处理器可以基于燃气部件的受影响度与影响度阈值,确定管井巡检方案。影响度阈值是指与燃气部件的受影响度相关的阈值。例如,处理器可以响应于某个燃气管井中多个燃气部件的受影响度的平均值超过影响度阈值,确定该燃气管井为待巡检的目标燃气管井,并确定该目标燃气管井的下次巡检时间为限值时段内;目标燃气管井中多个燃气部件的受影响度的平均值越大,对应的巡检力度越大。其中,限值时段是指限制的某一个时间段内。限值时段可以通过人为预设、系统预设等方式确定。例如,限值时段可以为两天内。
在一些实施例中,处理器可以基于燃气部件的受影响度,确定管井巡检优先级;基于管井巡检优先级,确定管井巡检方案。
管井巡检优先级是指对不同燃气管井进行巡检的先后顺序。
在一些实施例中,处理器可以对燃气管井中多个燃气部件的受影响度进行加权求和,确定燃气管井的巡检优先级。例如,处理器可以直接将加权求和的结果确定为燃气管井的巡检优先级。燃气管井中各个燃气部件的受影响度的加权结果越大,表示该燃气管井的巡检优先级越高。在一些实施例中,处理器可以基于燃气部件的耐候性确定加权求和的权重。例如,耐候性越差的燃气部件,越容易受到井内风险因子的影响,对应权重越高。
关于耐候性的更多说明可以参见图4的相关内容。
本说明书一些实施例中,通过对多个燃气部件的受影响度进行加权求和确定燃气管井的巡检优先级,可以综合不同燃气部件的受影响度,全面地判断该燃气管井可能存在的风险,及时巡检风险性高的燃气管井,有效避免燃气管井中的燃气部件发生故障。
在一些实施例中,处理器可以基于多个目标燃气管井的巡检优先级确定管井巡检方案。例如,当某目标燃气管井的巡检优先级更高,则可以将其下次巡检时间设定得更早,巡检力度设定得更大。目标燃气管井中多个燃气部件的受影响度的平均值超过影响度阈值。
本说明书的一些实施例中,通过燃气部件的受影响度,确定管井巡检优先级,基于管井巡检优先级,确定管井巡检方案,可以灵活判断各个燃气管井受到风险干扰的影响程度,动态调整各个部件的监测参数,巡检方案等,保证巡检方案及时、有效。
在一些实施例中,处理器还可以基于天气预报获取未来环境信息序列;基于未来环境信息序列对应的未来井内风险值确定燃气部件的未来受影响度;基于未来影响度确定管井巡检方案。
未来环境信息序列是指反映未来时间段里的环境信息的序列。
在一些实施例中,处理器可以基于未来环境信息序列在历史数据中匹配相似的历史环境信息序列对应的历史井内风险值,将该历史井内风险值作为未来井内风险值。其中,相似是指未来环境信息序列与历史环境信息序列中的数据大部分相同。例如,历史环境信息序列中每个时刻对应的环境数据与未来环境信息序列中的时刻对应的环境数据相同的占比超过百分之八十。
在一些实施例中,处理器可以基于燃气部件当前的耐候性,结合未来井内风险值确定燃气部件的未来受影响度。该方法与后文基于燃气部件的耐候性更新后的井内风险值确定燃气管井的受影响度的方法类似,具体内容可以参见后文相关描述。
在一些实施例中,处理器可以基于燃气部件的未来受影响度与影响度阈值,确定管井巡检方案。在一些实施例中,处理器可以基于燃气部件的未来受影响度,确定管井巡检优先级;基于管井巡检优先级,确定管井巡检方案。更多说明参考前文相关描述。
本说明书的一些实施例,基于未来环境信息序列对应的未来井内风险值,确定燃气部件的未来受影响度;基于未来影响度确定管井巡检方案,可以根据历史数据,在一定程度上预测未来可能出现的风险,以便进行提前预防处理,更好地保障燃气管井的安全。
管井巡检指令是指处理器给巡检人员下发巡检任务的指令。巡检人员是指执行燃气管井巡检的相关人员。
在一些实施例中,处理器可以基于管井巡检方案,将需要巡检的燃气管井通过巡检指令下发至巡检终端,安排人员巡检。其中,巡检终端是指巡检人员或运营用户所使用的终端设备。运营用户是指负责燃气营运的相关用户。例如,运营用户可以是燃气公司等。运营用户可以负责调度巡检人员,为巡检人员安排巡检任务。
在一些实施例中,处理器可以根据不同巡检人员的巡检任务量,将巡检指令下发到当前巡检任务量最少的巡检人员的巡检终端。在一些实施例中,处理器也可以将巡检指令先下发到运营用户的巡检终端,由运营用户进行任务分配,并由运营用户将分配好的巡检指令下发到对应的巡检人员的巡检终端。
步骤260,基于巡检人员对管井巡检指令的巡检结果,调整监测参数,并清除存储单元内的过期数据。
巡检结果是指巡检人员对燃气管井进行巡检后记录的信息。在一些实施例中,巡检结果可以包括巡检浸水情况、燃气部件运行是否正常、燃气部件腐蚀情况等。
在一些实施例中,处理器可以根据巡检结果调整监测参数。例如,当巡检结果中若存在浸水情况,或者某燃气部件的腐蚀情况加重,则对应的可以调高靠近浸水位置、腐蚀部件的监测点位中监测部件的监测频率。
过期数据是指已过期无用的数据信息。例如,过期数据可以是每次巡检完成后,当次巡检之前监测到的环境信息、井内监测数据。
在一些实施例中,当一次巡检完成后,处理器可以对存储单元中的过期数据进行清理,避免后续使用过期数据导致误判。
本说明书的一些实施例中,通过评估井内风险值,基于井内风险值,确定燃气部件的受影响度,从而确定管井巡检方案,可以有效地评估燃气管井可能存在的风险情况,并根据该风险的影响程度高低确定燃气管井的巡检优先级。同时,还可以及时地预判可能存在的风险,并对其进行预警,动态调整巡检方案,保障燃气管井的安全使用。
图3是根据本说明书一些实施例所示的确定井内风险值的示例性示意图。
参见图3,在一些实施例中,处理器可以基于环境信息序列310、井内监测数据序列320,确定燃气管井的性能完好度330;基于性能完好度330、管井位置特征340、环境信息序列310、井内监测数据序列320,通过风险评估模型350确定井内风险值。关于环境信息序列、井内监测数据序列的相关说明参见图2的相应描述。
燃气管井的性能完好度是用于衡量燃气管井隔绝外界影响的好坏程度。例如,若管井外下雨,管井内水位、湿度等明显上升,井内的燃气部件的性能容易受环境影响,则此时燃气管井的性能完好度较低。
在一些实施例中,处理器可以基于环境信息序列、井内监测数据序列,通过多种方式确定燃气管井的性能完好度。例如,处理器可以基于环境信息序列中与井内监测数据序列中相同时间段的数据之间的相似度,确定燃气管井的性能完好度。相同时间段的数据之间的相似度越低,性能完好度越高。仅作为示例,环境信息序列中的环境温度、湿度,与相同时间内井内的温度、湿度的相似度越低,说明井内受到井外的影响较小,管井性能完好度较高。其中,相似度可以为欧式距离、余弦相似度等。
在一些实施例中,处理器还可以基于环境信息序列、井内监测数据序列,确定井内环境与井外环境的变化一致性;基于变化一致性,确定性能完好度。
变化一致性是指井外环境变化与井内环境变化之间的符合程度。变化一致性越高,表示井外环境变化与井内环境变化之间的符合程度越高,说明井外的环境会影响到井内环境。
在一些实施例中,处理器可以基于环境信息序列、井内监测数据序列,确定井内外环境在变化时间点和/或变化幅度上的差值,将变化时间点对应的差值和/或变化幅度对应的差值确定为变化一致性。
变化时间点是指环境信息或井内监测数据发生变化的时间点。例如,可以是温度开始下降的时间点、湿度开始上升的时间点、开始降雨的时间点等。
变化幅度是指环境信息或井内监测数据相比上一时间点的数据发生变化的程度。例如,变化幅度可以为温度、湿度相比上一时间点采集的温度、湿度变化的程度。
在一些实施例中,处理器可以基于环境信息序列的井外环境变化特征,对环境信息序列进行分段,得到多个环境信息子序列;基于环境信息子序列和井内监测数据序列,确定环境信息子序列对应的井内监测数据子序列;基于环境子序列与井内监测数据子序列的匹配度,确定变化一致性。
井外环境变化特征是指与井外的环境变化相关的特征。例如,井外环境变化特征可以是井外的温度、湿度等环境信息的变化时间点、变化幅度等。在一些实施例中,处理器可以对环境信息序列进行特征提取,得到环境信息序列的井外环境变化特征。本说明书实施例对特征提取的方式没有特殊的限定,采用本领域技术人员熟知的操作即可。
在一些实施例中,处理器可以基于井外环境变化特征,将温度、湿度的变化幅度超过温度阈值、湿度阈值的时间点,以及天气发生转换的时间点作为分段点;基于分段点对环境信息序列进行分段,以形成多个环境信息子序列。
在一些实施例中,处理器可以根据其中一个环境信息子序列相对于前后相邻的环境信息子序列的变化特征,在对应时间段的井内监测数据序列中进行匹配,确定该环境信息子序列对应的井内监测数据子序列。在一些实施例中,处理器可以基于环境信息子序列的变化特征,在对应时间段的井内监测数据序列中确定变化特征相似度高于相似度阈值的井内监测数据段,作为该环境信息子序列对应的井内监测数据子序列。例如,某环境信息子序列相较于前一段环境信息子序列的变化特征是温度降低、湿度升高,晴转雨,则可以在对应时间段的井内监测数据序列中,匹配变化特征相似度高于相似度阈值的井内监测数据段,作为井内监测数据子序列。其中,变化特征相似度可以基于向量距离确定。相似度阈值可以是系统预设值、人为预设值等。
在一些实施例中,处理器还可以确定环境信息子序列与匹配到的井内监测数据子序列之间的时间长度相似度,基于时间长度相似度与变化特征相似度确定环境信息子序列与匹配到的井内监测数据子序列之间的匹配度。其中,时间长度相似度可以基于向量距离确定。匹配度可以是时间长度相似度与变化特征相似度的加权结果,加权权重可以基于历史数据确定。
考虑到井外对井内的影响可能会有延迟,上述环境信息子序列的对应时间段可以指该环境信息子序列所在时间段及其之后的一段时间。
由于部分环境信息子序列中环境信息的变化幅度相对于上一个环境信息子序列不明显,无法影响到井内环境。因此,并不是每个环境信息子序列都能匹配到对应的井内监测数据子序列,当环境信息子序列没有匹配到井内监测数据子序列时,对应的匹配度为0。
在一些实施例中,处理器可以基于多个环境信息子序列与对应的井内监测数据子序列之间的匹配度,确定变化一致性。例如,能够匹配到井内监测数据子序列的环境信息子序列越多、环境信息子序列与对应的井内监测数据子序列之间匹配度越高,变化一致性越高。示例性的,可以根据以下公式(2)确定变化一致性:
(2)
其中,n为环境信息序列包含的环境信息子序列的个数,表示第i个环境信息子序列的时间长度,/>表示第i个环境信息子序列与对应井内监测数据子序列的匹配度。
本说明书一些实施例中,根据井外环境变化特征,将环境信息序列分为多个环境信息子序列,并匹配对应的井内监测数据子序列,进而确定变化一致性,可以更准确地对井内外的变化特征进行对比,以获得更准确的变化一致性的评估结果,进而使得后续确定的性能完好度更符合实际情况。
在一些实施例中,处理器可以基于变化一致性,确定性能完好度。例如,可以将变化一致性的倒数确定为性能完好度等。
本说明书一些实施例中,通过井内外环境的变化一致性,确定燃气管井的性能完好度,可以考虑到井内外环境的变化特征,根据管井外部环境对井内环境的影响程度,确定燃气管井的性能完好度,使得后续确定井内风险值更符合实际。
在一些实施例中,处理器还可以基于井内光线数据序列,确定井盖完好度;基于井盖完好度,确定性能完好度。
井内光线数据序列是指白天多个时间点在井内获取的光线数据形成的序列。在一些实施例中,井内光线数据序列可以通过安装于井内的光线传感器获取。
井盖完好度是指井盖的完好程度。例如,井盖破损、井口不严时,对应的井盖完好度较低。
在一些实施例中,处理器可以以井盖完好时(如刚安装好时)一天内的井内光线数据序列作为参考光线,将后续获得的井内光线数据序列与参考光线进行对比,确定井盖完好度。例如,可以将参考光线对应的井盖完好度设置为最大值(如100)。当井内的光线强度比相同井外光照强度、相同时段的参考光线更强时,则可以基于预设算法对最大井盖完好度进行调低,光线越强,调低得越多,最后得到的井盖完好度越低。预设算法可以由人为设定。井外的光照强度可以由井外设置的光线传感器获取。
在一些实施例中,性能完好度可以正相关于井盖完好度,即井盖完好度越高,性能完好度越高。
在一些实施例中,基于井盖完好度确定的性能完好度可以与前述其他方法确定的性能完好度相互验证、相互补充。例如,处理器可以从前述确定的性能完好度和基于井盖完好度确定的性能完好度中,根据实际情况选取其中一个,作为最终的性能完好度。又例如,处理器可以基于由井盖完好度确定的性能完好度和前述确定的性能完好度,通过加权平均等方式确定最终的性能完好度,权重可以由人工预设。
本说明书一些实施例中,通过井内光线数据序列,确定井盖完好度,进而确定性能完好度,可以考虑到井盖对井内外环境的隔绝作用,在前述确定的性能完好度的基础上,结合考虑了井盖完好度对管井性能产生的影响,使得对燃气管井的性能完好度的评估结果更准确、合理。
管井位置特征是指管井的位置相对于周围环境的位置特征。例如,管井位置特征可以是管井位置相对于周围地形位于更高的位置或更低的位置。在一些实施例中,处理器可以基于燃气管井所在区域的地形数据确定管井位置特征。管井位置特征显示管井位置相对于周围环境越低时,水越容易往管井位置处聚集,井壁浸水的风险越高。
参见图3,在一些实施例中,处理器可以基于性能完好度330、管井位置特征340、环境信息序列310、井内监测数据序列320,通过风险评估模型350确定井内风险值。在一些实施例中,风险评估模型为机器学习模型,例如,神经网络模型(Neural Networks,NN)、深度神经网络模型(Deep Neural Networks,DNN)等。
参见图3,在一些实施例中,风险评估模型350可以包括浸水层351和腐蚀层352。其中,浸水层351可以为NN模型、DNN模型等。浸水层351的输入可以包括性能完好度330、管井位置特征340和环境信息序列310,输出可以为井壁浸水风险值361。腐蚀层352可以为NN模型、DNN模型等。腐蚀层352的输入可以包括井壁浸水风险值361、井内监测数据序列320,输出可以为腐蚀风险值362。关于井内风险值、井壁浸水风险值、腐蚀风险值的更多内容可以参见图2的相关描述。
在一些实施例中,处理器可以基于大量带有第一标签的第一训练样本,通过各种可行的训练方式,训练得到风险评估模型。例如,可以对浸水层和腐蚀层进行联合训练得到风险评估模型。
在一些实施例中,第一训练样本可以为样本燃气管井的样本性能完好度、样本管井位置特征、样本环境信息序列、样本井内监测数据序列。第一训练样本可以基于历史监测数据获取。
在一些实施例中,第一标签可以包括样本燃气管井的井壁浸水风险值和腐蚀风险值。在一些实施例中,第一标签可以由系统或人工根据样本燃气管井的历史巡检记录进行标记。例如,样本燃气管井的井壁浸水风险值可以根据历史巡检记录中的浸水情况进行标注。若历史巡检记录中显示巡检时出现过浸水,浸水越严重,则可以标注井壁浸水风险值越高;若没有出现过浸水则浸水风险值标注为0。样本燃气管井的腐蚀风险值可以根据历史巡检记录中的腐蚀情况获取。若历史巡检记录显示某次巡检时各燃气部件相较于上次巡检的腐蚀增加,增加幅度越大,则可以标注腐蚀风险值越高;若没有变化则腐蚀风险值标注为0。其中,历史巡检记录包括样本燃气管井在历史巡检中的浸水、腐蚀情况。
在一些实施例中,联合训练过程可以包括:将样本性能完好度、样本管井位置特征、样本环境信息序列输入初始浸水层,得到初始浸水层输出的井壁浸水风险值;将井壁浸水风险值、样本井内监测数据序列输入初始腐蚀层,得到初始腐蚀层输出的腐蚀风险值;基于输入到初始浸水层的样本数据和初始浸水层输出的井壁浸水风险值构建第一损失函数,基于输入到初始腐蚀层的样本数据和初始腐蚀层输出的腐蚀风险值构建第二损失函数,并基于第一、第二损失函数分别迭代更新初始浸水层和初始腐蚀层的模型参数,直到预设条件被满足,则完成训练。其中,预设条件可以是第一、第二损失函数均小于阈值、收敛,或训练次数达到阈值等。
本说明书一些实施例中,利用环境信息序列、井内监测数据序列,确定燃气管井的性能完好度,并结合管井位置特征,通过风险评估模型确定井内风险值,可以兼顾管井的性能、位置特征、井内外环境变化,对井内风险值做出更合理而全面的评估,为后续确定巡检方案等步骤打下良好基础。
图4是根据本说明书一些实施例所示的确定燃气部件的受影响度的示例性示意图。
参见图4,在一些实施例中,处理器可以基于燃气部件的历史巡检记录411、历史运行数据412、燃气部件信息413和燃气管井的历史井内风险值414,确定燃气部件的耐候性430;基于耐候性430、更新后的井内风险值440,确定燃气部件的受影响度450。关于历史巡检记录的更多内容可以参见图3及其相关描述。
历史运行数据是指燃气部件在历史时间段的运行数据。例如,历史运行数据可以包括监测部件是否能够准确执行监测参数、燃气部件是否正常工作,以及燃气部件出现异常的时间、异常程度等数据。
燃气部件信息是指与燃气部件相关的信息,例如,可以包括燃气部件的部件类型(如计量设备、温度传感器等)、部件材质(如不锈钢、钛合金等)、部件使用时长及设计使用年限等。在一些实施例中,处理器可以通过燃气部件的出厂检验报告、历史安装记录等获取燃气部件信息。
历史井内风险值是指燃气管井在历史时间段的井内风险值。例如,历史井内风险值可以包括更新前的井内风险值。关于井内风险值、更新后的井内风险值的更多内容可以参见图2的相关描述。
燃气部件的耐候性是指燃气部件对周围(即井内)环境变化的抵抗能力。燃气部件的耐候性越高,表示燃气部件对周围环境变化的抵抗能力越高。
在一些实施例中,耐候性可以包括防水耐候性、腐蚀耐候性等。
防水耐候性指燃气部件对井壁浸水的抵抗能力。防水耐候性越低,燃气部件在某一井壁浸水风险值下出现浸水情况的可能性越高。
腐蚀耐候性指燃气部件对腐蚀情况的抵抗能力。腐蚀耐候性越低,燃气部件在某一腐蚀风险值下出现腐蚀情况的可能性越高。
在一些实施例中,处理器可以基于燃气部件的历史巡检记录、历史运行数据、燃气部件信息和燃气管井的历史井内风险值,通过多种方式确定燃气部件的耐候性。例如,处理器可以基于多个燃气管井中多个燃气部件的历史巡检记录、历史运行数据、燃气部件信息和多个燃气管井的历史井内风险值,将不同燃气部件出现进水情况或腐蚀情况时对应的井壁浸水风险值、腐蚀风险值分别作为该燃气部件的防水耐候性、腐蚀耐候性。在一些实施例中,处理器可以通过上述方式构建预设表,并基于当前燃气部件的历史巡检记录、历史运行数据、燃气部件信息和当前燃气管井的历史井内风险值,通过查询预设表确定当前燃气部件的耐候性。
需要说明的是,将某一井壁浸水风险值作为燃气部件的防水耐候性,表示在达到该井壁浸水风险值时燃气部件极有可能会出现浸水情况。将某一腐蚀风险值作为燃气部件的腐蚀耐候性,表示在达到该腐蚀风险值时燃气部件的腐蚀速度极有可能会加快。
参见图4,在一些实施例中,处理器可以基于燃气部件的历史巡检记录411、历史运行数据412、燃气部件信息413和燃气管井的历史井内风险值414,通过耐候性模型420确定燃气部件的耐候性430。
耐候性模型是用于确定燃气部件的耐候性的模型。在一些实施例中,耐候性模型可以为机器学习模型,例如,可以为NN模型、循环神经网络模型(Recurrent NeuralNetwork,RNN)等。
在一些实施例中,耐候性模型的输入可以为燃气部件的历史巡检记录、历史运行数据、燃气部件信息和燃气管井的历史井内风险值,输出可以为燃气部件的耐候性。在一些实施例中,耐候性模型的输出可以包括燃气部件的防水耐候性和腐蚀耐候性。
在一些实施例中,处理器可以基于带有第二标签的第二训练样本,通过各种方法进行训练,得到耐候性模型。例如,可以基于梯度下降法进行训练。
在一些实施例中,第二训练样本可以从历史数据中获取。第二训练样本包括样本燃气部件的样本巡检记录、样本运行数据、样本燃气部件信息和样本燃气部件所在燃气管井的样本井内风险值。第二标签可以包括样本燃气部件的防水耐候性和腐蚀耐候性。在一些实施例中,第二标签可以由系统或人工基于分析历史巡检情况进行标注。例如,可以查询历史巡检记录中样本燃气部件发生进水情况的记录,将开始出现进水时对应的历史井壁浸水风险值确定为样本燃气部件的防水耐候性。又例如,可以通过历史巡检记录中多次巡检记录的腐蚀情况,计算样本燃气部件在多种历史腐蚀风险值下的腐蚀速度,将腐蚀速度超过参考速度时的历史腐蚀风险值确定为样本燃气部件的腐蚀耐候性。其中,参考速度指标准温度湿度下燃气部件的腐蚀速度,可以由技术人员根据历史数据或先验知识进行预设。
本说明书一些实施例中,通过耐候性模型对历史巡检记录、历史运行数据、燃气部件信息、历史井内风险值进行处理,确定燃气部件的耐候性,可以利用机器学习模型的自学习能力,从大量历史数据中找到规律,提高确定耐候性的准确度和效率,进而使后续确定的受影响度更合理。
在一些实施例中,处理器可以基于燃气部件的耐候性、更新后的井内风险值,通过多种方式确定燃气部件的受影响度。例如,可以在公式(1)的基础上,将井壁浸水风险值p1改为更新后的井壁浸水风险值r1减去防水耐候性u1的差值,将腐蚀风险值p2改为更新后的腐蚀风险值r2减去腐蚀耐候性u2的差值。仅作为示例,可以通过如下公式(3)对燃气部件的受影响度I进行计算:
I=k1(r1-u1)+k2(r2-u2) (3)
其中,u1、u2分别为防水耐候性、腐蚀耐候性,r1、r2分别为更新后的井壁浸水风险值、更新后的腐蚀风险值。关于公式内其他符号的更多说明参见图2中对公式(1)的相关描述。
在一些实施例中,处理器还可以基于多个时段中,井内风险值超过燃气部件的耐候性的超出部分的累计值,确定燃气部件的受影响度。其中,多个时段的确定方式可以参考图3中对环境信息序列分段方式的相关描述。
在一些实施例中,处理器可以将多个时段中每个时段内确定的多个井内风险值取平均值,作为该时段的井内风险值。
在一些实施例中,处理器可以确定多个时段中,每个时段的超出部分与该时段长度的乘积,将多个时段对应的乘积累加,得到超出部分的累计值。在一些实施例中,超出部分的累计值越大,燃气部件的受影响度越大。在一些实施例中, 处理器可以直接将超出部分的累计值确定为燃气部件的受影响度。针对井壁浸水风险、腐蚀风险可以分别进行计算。例如,可以通过以下公式(4)基于多个时段的井壁浸水风险值和燃气部件的防水耐候性确定燃气部件的受影响度J:
(4)
其中,n表示上述多个时段的时段总数,表示第/>个时段对应的井壁浸水风险值,表示燃气部件的防水耐候性,/>表示第/>个时段的时长。同理,可以采用类似的方式基于腐蚀风险确定燃气部件的受影响度也可以通过类似的方式进行计算,在此不做赘述。
在一些实施例中,若多个时段的井内风险值是连续变化的,可以将上述超过部分在时间上积分计算累计值,确定燃气部件的受影响度。例如,可以通过以下公式(5)基于多个时段的井壁浸水风险值和燃气部件的防水耐候性,在时间上积分,确定燃气部件的受影响度J:
(5)
其中,表示多个时段的时长加起来的总和,/>表示在t时段对应的井壁浸水风险值。同理,对腐蚀风险对应的受影响度也可以通过类似的方式进行计算,在此不做赘述。
井内风险值对燃气部件的影响是累积的,例如,燃气部件因进水、被腐蚀等出现故障,是由于井内持续的浸水或者处于易腐蚀的环境下造成的。因此,本说明书一些实施例中,将多个时段的井内风险值超过燃气部件的耐候性的超出部分进行累加,确定燃气部件的受影响度,可以将不同时段对应的不同环境情况下的井内风险值与耐候性进行比较,更准确地分析燃气部件的受影响度。
本说明书一些实施例中,基于燃气部件的历史巡检记录、历史运行数据、燃气部件信息和燃气管井的历史井内风险值,评估燃气部件的耐候性,再结合更新后的井内风险值,确定燃气部件的受影响度,可以对燃气部件的受影响度做出既全面又有针对性的评估,使得后续可以确定更合理的巡检方案。
本说明书的一个或多个实施例中还提供一种基于智慧燃气物联网的燃气管井安全管理装置,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任一实施例所述的基于智慧燃气物联网的燃气管井安全管理方法。
本说明书的一个或多个实施例中还提供一种计算机可读存储介质,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,计算机运行如上任一实施例所述的基于智慧燃气物联网的燃气管井安全管理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
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。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。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。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。
Claims (10)
1.一种基于智慧燃气物联网的燃气管井安全管理方法,其特征在于,所述方法由处理器执行,包括:
通过智慧燃气物联网控制监测部件按照监测参数获取燃气管井的环境信息序列、井内监测数据序列,并存储至存储单元;
基于所述环境信息序列、所述井内监测数据序列,确定井内风险值;
响应于所述井内风险值超过风险阈值,调整所述监测参数,并基于调整后的监测参数更新所述井内风险值;
基于更新后的井内风险值,确定燃气部件的受影响度;
基于所述燃气部件的受影响度,确定管井巡检方案,并生成对应的管井巡检指令发送至巡检终端;
基于巡检人员对所述管井巡检指令的巡检结果,调整所述监测参数,并清除所述存储单元内的过期数据。
2.根据权利要求1所述的方法,其特征在于,所述基于所述环境信息序列、井内监测数据序列,确定井内风险值包括:
基于所述环境信息序列、所述井内监测数据序列,确定所述燃气管井的性能完好度;
基于所述性能完好度、管井位置特征、所述环境信息序列、所述井内监测数据序列,通过风险评估模型确定所述井内风险值,所述风险评估模型为机器学习模型。
3.根据权利要求2所述的方法,其特征在于,所述井内风险值包括井壁浸水风险值、腐蚀风险值;所述风险评估模型包括浸水层和腐蚀层,所述浸水层用于对所述性能完好度、所述管井位置特征、所述环境信息序列进行处理,得到所述井壁浸水风险值;所述腐蚀层用于对所述井壁浸水风险值、所述井内监测数据进行处理,得到所述腐蚀风险值。
4.根据权利要求2所述的方法,其特征在于,所述基于所述环境信息序列、所述井内监测数据序列,确定所述燃气管井的性能完好度包括:
基于所述环境信息序列、所述井内监测数据序列,确定井内环境与井外环境的变化一致性;
基于所述变化一致性,确定所述性能完好度。
5.根据权利要求4所述的方法,其特征在于,所述基于所述环境信息序列、所述井内监测数据序列,确定井内环境与井外环境的变化一致性包括:
基于所述环境信息序列的井外环境变化特征,对所述环境信息序列进行分段,得到多个环境信息子序列;
基于所述环境信息子序列和所述井内监测数据序列,确定所述环境信息子序列对应的井内监测数据子序列;
基于所述环境数据子序列与所述井内监测数据子序列的匹配度,确定所述变化一致性。
6.根据权利要求2所述的方法,其特征在于,所述方法还包括:
基于井内光线数据序列,确定井盖完好度;
基于所述井盖完好度,确定所述性能完好度。
7.根据权利要求1所述的方法,其特征在于,所述基于更新后的井内风险值,确定燃气部件的受影响度包括:
基于所述燃气部件的历史巡检记录、历史运行数据、燃气部件信息和所述燃气管井的历史井内风险值,确定所述燃气部件的耐候性;
基于所述燃气部件的所述耐候性、所述更新后的井内风险值,确定所述燃气部件的受影响度。
8.根据权利要求7所述的方法,其特征在于,所述基于所述燃气部件的历史巡检记录、历史运行数据、燃气部件信息和所述燃气管井的历史井内风险值,确定所述燃气部件的耐候性,包括:
基于所述历史巡检记录、所述历史运行数据、所述燃气部件信息和所述历史井内风险值,通过耐候性模型确定所述燃气部件的耐候性,所述耐候性模型为机器学习模型。
9.根据权利要求1所述的方法,其特征在于,所述基于所述燃气部件的受影响度,确定管井巡检方案包括:
基于所述燃气部件的受影响度,确定管井巡检优先级;
基于所述管井巡检优先级,确定所述管井巡检方案。
10.一种基于智慧燃气物联网的燃气管井安全管理系统,其特征在于,所述系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气设备管理平台、智慧燃气传感网络平台、智慧燃气对象平台;所述智慧燃气设备管理平台配置有处理器,所述智慧燃气设备管理平台被配置为:
通过智慧燃气物联网控制监测部件按照监测参数获取燃气管井的环境信息序列、井内监测数据序列,并存储至存储单元;
基于所述环境信息序列、所述井内监测数据序列,评估井内风险值;
响应于所述井内风险值超过风险阈值,调整所述监测参数,并基于调整后的监测参数更新所述井内风险值;
基于更新后的井内风险值,确定燃气部件的受影响度;
基于所述燃气部件的受影响度,确定管井巡检方案,并生成对应的管井巡检指令发送至巡检终端;
基于巡检人员对所述管井巡检指令的巡检结果,调整所述监测参数,并清除所述存储单元内的过期数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410369960.9A CN117973877A (zh) | 2024-03-29 | 2024-03-29 | 基于智慧燃气物联网的燃气管井安全管理方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410369960.9A CN117973877A (zh) | 2024-03-29 | 2024-03-29 | 基于智慧燃气物联网的燃气管井安全管理方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117973877A true CN117973877A (zh) | 2024-05-03 |
Family
ID=90850011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410369960.9A Pending CN117973877A (zh) | 2024-03-29 | 2024-03-29 | 基于智慧燃气物联网的燃气管井安全管理方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117973877A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09243070A (ja) * | 1996-03-01 | 1997-09-16 | Paloma Ind Ltd | ガス燃焼機器の不完全燃焼防止装置 |
US20080127654A1 (en) * | 2006-07-20 | 2008-06-05 | Darling Charles M | Container for Transport and Storage for Compressed Natural Gas |
CN115899595A (zh) * | 2023-03-08 | 2023-04-04 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管道防腐优化方法、物联网系统及存储介质 |
US20230143654A1 (en) * | 2022-12-15 | 2023-05-11 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method for smart gas pipeline network inspection and internet of things system thereof |
US20230160540A1 (en) * | 2022-12-16 | 2023-05-25 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods, internet of things systems, and mediums for assessing electrochemical corrosion of smart gas pipeline |
CN116308965A (zh) * | 2023-05-24 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 |
CN116485066A (zh) * | 2023-06-25 | 2023-07-25 | 成都秦川物联网科技股份有限公司 | 基于gis的智慧燃气安全巡线管理方法和物联网系统 |
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 |
CN116629580A (zh) * | 2023-07-19 | 2023-08-22 | 成都秦川物联网科技股份有限公司 | 基于gis的智慧燃气安全隐患项管理方法和物联网系统 |
CN116645041A (zh) * | 2023-04-10 | 2023-08-25 | 成都秦川物联网科技股份有限公司 | 基于需求度的智慧燃气结单管理方法、物联网系统和介质 |
CN117495356A (zh) * | 2023-12-18 | 2024-02-02 | 成都秦川物联网科技股份有限公司 | 基于人机联动的智慧燃气管道维修方法和物联网系统 |
-
2024
- 2024-03-29 CN CN202410369960.9A patent/CN117973877A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09243070A (ja) * | 1996-03-01 | 1997-09-16 | Paloma Ind Ltd | ガス燃焼機器の不完全燃焼防止装置 |
US20080127654A1 (en) * | 2006-07-20 | 2008-06-05 | Darling Charles M | Container for Transport and Storage for Compressed Natural Gas |
US20230143654A1 (en) * | 2022-12-15 | 2023-05-11 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method for smart gas pipeline network inspection and internet of things system thereof |
US20230160540A1 (en) * | 2022-12-16 | 2023-05-25 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods, internet of things systems, and mediums for assessing electrochemical corrosion of smart gas pipeline |
CN115899595A (zh) * | 2023-03-08 | 2023-04-04 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管道防腐优化方法、物联网系统及存储介质 |
CN116645041A (zh) * | 2023-04-10 | 2023-08-25 | 成都秦川物联网科技股份有限公司 | 基于需求度的智慧燃气结单管理方法、物联网系统和介质 |
CN116308965A (zh) * | 2023-05-24 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 |
CN116485066A (zh) * | 2023-06-25 | 2023-07-25 | 成都秦川物联网科技股份有限公司 | 基于gis的智慧燃气安全巡线管理方法和物联网系统 |
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 |
CN116629580A (zh) * | 2023-07-19 | 2023-08-22 | 成都秦川物联网科技股份有限公司 | 基于gis的智慧燃气安全隐患项管理方法和物联网系统 |
CN117495356A (zh) * | 2023-12-18 | 2024-02-02 | 成都秦川物联网科技股份有限公司 | 基于人机联动的智慧燃气管道维修方法和物联网系统 |
Non-Patent Citations (5)
Title |
---|
ZHAO, FEI等: "Gas Turbine Exhaust System Health Management Based on Recurrent Neural Networks", 11TH CIRP CONFERENCE ON INDUSTRIAL PRODUCT-SERVICE SYSTEMS, vol. 83, 31 December 2019 (2019-12-31), pages 630 - 635 * |
曾锐等: "埋地钢质燃气管道风险评估的实践", 煤气与热力, vol. 40, no. 04, 15 April 2020 (2020-04-15), pages 39 - 42 * |
李明镐等: "燃气用埋地PE管道的风险评估", 石油和化工设备, no. 03, 15 March 2017 (2017-03-15), pages 69 - 73 * |
邵泽华等: "智能燃气表传感网络平台研究", 煤气与热力, vol. 38, no. 05, 15 May 2018 (2018-05-15), pages 33 - 37 * |
顾寻奥: "市区燃气管道风险分析及巡检策略优化", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 01, 15 January 2022 (2022-01-15), pages 038 - 1912 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Romano et al. | Automated detection of pipe bursts and other events in water distribution systems | |
Straub et al. | Value of information: A roadmap to quantifying the benefit of structural health monitoring | |
US20210216852A1 (en) | Leak detection with artificial intelligence | |
US10656045B2 (en) | Apparatus for analyzing the performance of fluid distribution equipment | |
JP5014664B2 (ja) | 機械を診断するための方法およびシステム | |
CN117010863A (zh) | 一种基于物联网技术的市政管网健康度在线监测系统和方法 | |
KR101994465B1 (ko) | 기술 시스템, 특히 전기 에너지-발생 설비의 동작의 컴퓨터-보조 모니터링을 위한 방법 | |
CN113614359A (zh) | 用于预测风力涡轮机齿轮箱组件中的可观察损坏的风险的方法和系统 | |
MX2015001105A (es) | Monitoreo, diagnostico y optimizacion de operaciones de bomba sumergible electrica. | |
MX2012010254A (es) | Sistema y metodo para supervisar los recursos en una red de suministro de agua. | |
Rogers | Digital transformation | |
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 | |
CN108961696A (zh) | 一种海洋核动力平台的预警系统及预警方法 | |
CN116539128B (zh) | 智慧燃气超声波计量仪表准确度诊断方法及物联网系统 | |
JP5297951B2 (ja) | 防食データ解析システム | |
CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
CN113847216A (zh) | 风机叶片的状态预测方法、装置、设备及存储介质 | |
CN114254833A (zh) | 基于多元线性回归和气象数据的水库水位预测及调度方法 | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN117973877A (zh) | 基于智慧燃气物联网的燃气管井安全管理方法与系统 | |
CN112232589A (zh) | 一种电缆管廊水环境数据的处理方法及系统 | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
De Oliveira-Filho et al. | Condition monitoring of wind turbine main bearing using SCADA data and informed by the principle of energy conservation | |
EP2956751B1 (en) | Method and monitoring device for monitoring a structure | |
CN114399116A (zh) | 一种变电站防汛方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |