JP2633367B2 - Gas usage monitoring device - Google Patents
Gas usage monitoring deviceInfo
- Publication number
- JP2633367B2 JP2633367B2 JP1327910A JP32791089A JP2633367B2 JP 2633367 B2 JP2633367 B2 JP 2633367B2 JP 1327910 A JP1327910 A JP 1327910A JP 32791089 A JP32791089 A JP 32791089A JP 2633367 B2 JP2633367 B2 JP 2633367B2
- Authority
- JP
- Japan
- Prior art keywords
- gas
- flow rate
- neural network
- appliance
- time
- 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.)
- Expired - Lifetime
Links
- 238000012806 monitoring device Methods 0.000 title description 5
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 239000007789 gas Substances 0.000 description 56
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000003915 liquefied petroleum gas Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/24—Preventing development of abnormal or undesired conditions, i.e. safety arrangements
- F23N5/242—Preventing development of abnormal or undesired conditions, i.e. safety arrangements using electronic means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N2223/00—Signal processing; Details thereof
- F23N2223/52—Fuzzy logic
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/18—Systems for controlling combustion using detectors sensitive to rate of flow of air or fuel
Description
【発明の詳細な説明】 産業上の利用分野 本発明は、ガスの使用状態を詳細に把握することでよ
り快適・安全なガス供給事業を促すための監視装置であ
り、例えば爆発事故・中毒事故等の発生を未然に防止す
るガス手段装置と組合わせて用いられる。The present invention relates to a monitoring device for promoting a more comfortable and safe gas supply business by grasping the gas use state in detail, such as an explosion accident and a poisoning accident. It is used in combination with a gas means device for preventing the occurrence of the like.
従来の技術 従来のこの種のガス使用状態監視装置は、流量検出手
段から得られるガスメータ通過流量全体の合計や増減分
だけを測定するものであった。（例えば特開昭63−1016
14号公報） 発明が解決しようとする課題 しかしながら上記のような構成では、ガスメータ通過
流量全体から個々のガス器具の使用状態を想起・抽出す
ることはできない。すなわちガスメータ以後のガス供給
ライン上にどんな器具がいくつ設置されていて、どのよ
うに使われているか、個々のガス器具使用パターンに異
常はないか、ガス器具の新設／撤去がなされたか等々に
ついて知ることができないという課題を有していた。2. Description of the Related Art A conventional gas use state monitoring device of this type measures only the total or increase / decrease of the entire flow rate through a gas meter obtained from a flow rate detecting means. (For example, JP-A-63-1016
However, with the above-described configuration, it is not possible to recall and extract the usage state of each gas appliance from the entire gas meter passing flow rate. In other words, you know what and how many instruments are installed on the gas supply line after the gas meter, how they are used, whether there are any abnormalities in the usage pattern of each gas appliance, whether new / remove gas appliances have been installed, etc. Had the problem of not being able to do so.
本発明はかかる従来の課題を解消するもので、ガスメ
ータ通過流量全体の情報をもとに、使用されているガス
器具の数ないし種類を区分し、その個々のガス器具の使
用状態を把握し、監視できるような学習機能を設けるこ
とを目的とする。The present invention is to solve such a conventional problem, based on the information on the entire flow rate of the gas meter, classify the number or type of gas appliances used, grasp the use state of each gas appliance, The purpose is to provide a learning function that enables monitoring.
課題を解決するための手段 上記課題を解決するために本発明のガス使用状態監視
装置は、ガス供給ライン中に設けられたガスメータの通
過ガス量に応じて信号を発する流量検出手段と、前記流
量検出手段から送られるガスメータの通過ガス量の所定
時間分の時系列データに基づき、使用ガス器具の数また
は種類を算出するニューラルネットワーク演算手段と、
前記ニューラルネットワーク演算手段によって得られる
演算結果から現在使用されているガス器具を特定する使
用器具判定手段を備えたものである。Means for Solving the Problems In order to solve the above problems, a gas use state monitoring device according to the present invention includes a flow rate detecting means for issuing a signal in accordance with a passing gas amount of a gas meter provided in a gas supply line; Neural network operation means for calculating the number or type of gas appliances to be used, based on time-series data for a predetermined time of the amount of gas passing through the gas meter sent from the detection means,
The apparatus further comprises a used appliance determination unit for specifying a gas appliance currently used from the operation result obtained by the neural network operation unit.
作用 本発明は上記した構成によって、瞬時的な流量変化の
みからでなく、所定時間分の時系列データに基づき個々
の器具を所定・区分するようになる。個々のガス器具に
は、緩点火モードをはじめとして一定時間以上のガス流
量パターンを見た上で、はじめて特徴づけられるものが
多い。人為的または偶然に複数のガス器具が同時につけ
られたり、消されたりあるいは流量を変えられた場合に
も、その後のガス流量パターンの動向（時系列データの
長期的トレンド）を確認することで誤判定を低減するこ
とができる。Operation According to the above-described configuration, the present invention determines and classifies individual appliances based not only on the instantaneous flow rate change but also on time-series data for a predetermined time. Many individual gas appliances are characterized only after observing a gas flow pattern for a certain period of time or longer, including a slow ignition mode. Even if multiple gas appliances are turned on or turned off or the flow rate is changed artificially or accidentally, it is possible to make mistakes by checking the subsequent trends in gas flow patterns (long-term trends in time-series data). The determination can be reduced.
実施例 以下、本発明の実施例を添付図面にもとづいて説明す
る。Embodiments Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings.
第１図は本発明のガス使用状態監視装置である。ガス
供給ライン中に設けられたガスメータ１の通過ガス量は
流量検出手段２においてセンシング及びサンプリングさ
れ、単位時間ごとの流量データQsとして、ニューラルネ
ットワーク演算手段３へ伝えられる。ニューラルネット
ワーク演算手段３では、この与えられたデータQsを時系
列上に並べ入力層を構成し、また出力層には使用ガス器
具を構成するものとする。FIG. 1 shows a gas use state monitoring apparatus according to the present invention. Passing gas amount of the gas meter 1 provided in the gas supply line is sensed and sampled at a flow rate detection unit 2, as the flow rate data Q s per unit time, is transmitted to the neural network calculation means 3. In the neural network calculating means 3, to form an input layer arranged this given data Q s on time series, also the output layer so as to constitute a use gas appliance.
ここで個々の使用するガス器具の特徴抽出について、
第２図を用いて説明する。ガス器具使用時に人手を介在
するしないにかかわらず、個々のガス器具には個別のガ
ス消費量すなわち最大流量Qmaxがほぼ一義的に定義さ
れ、さらに使用開始・途中および使用終了時の流量変化
は第２図ａ）,b）,c）のように大別される。また個々の
ガス器具に継続して使用しうる時間の最大値を決めるこ
とができる。（例えばストーブは長時間連続使用しうる
が、湯沸器では不可など） 以上の結果、ニューラルネットワーク演算手段３の具
体的構成例として第３図を示す。シフトレジスタ４で
は、ニューラルネットワークにおける全演算ごとに とし、常に最新ｎ個の測定流量データを時系列入力パタ
ーンとして蓄えておくことにする。また微分器５を通
し、各dQi/dt（ｉ＝１〜ｎ）を生成しておく。ここで入
力層−中間層−出力層からなる３層のニューラルネット
ワークを構成し、例えば教師信号ありのバックプロパゲ
ーション学習則を適用することにする。また第３図中、
各○印は多入力１出力の基本構成ユニットであるニュー
ロンを示しており、入力パターンuPi（ｉ＝１〜ｎ）に
対し総和関数 および、伝達関数 Ｆ（ｋ）＝1/（１＋eXP（−ｋ）） から出力信号 ここでθj:バイアス、Wij:重み を得るものである。（第４図） 学習は以下の通り誤差Ｅを定義し、それを最小化する
重みを探索することにより行う。Here, regarding the feature extraction of each gas appliance used,
This will be described with reference to FIG. Regardless of whether or not manual intervention is required when using a gas appliance, the individual gas appliance has an individual gas consumption amount, that is, a maximum flow rate Q max, which is almost uniquely defined. It is roughly divided as shown in Fig. 2 a), b) and c). In addition, the maximum value of the time that can be continuously used for each gas appliance can be determined. (For example, a stove can be used continuously for a long time, but it cannot be used with a water heater.) As a result, FIG. 3 shows a specific configuration example of the neural network operation means 3. In the shift register 4, every operation in the neural network The latest n pieces of measured flow rate data are always stored as a time-series input pattern. Each dQ i / dt (i = 1 to n) is generated through the differentiator 5. Here, a three-layer neural network composed of an input layer, an intermediate layer, and an output layer is configured, and for example, a back propagation learning rule with a teacher signal is applied. In FIG. 3,
Each ○ mark indicates the neuron is a basic configuration unit of a multi-input single-output, summation function to the input pattern u Pi (i = 1~n) And an output signal from the transfer function F (k) = 1 / (1 + e XP (−k)) Here, θ j : bias and W ij : weight are obtained. (FIG. 4) Learning is performed by defining an error E as described below and searching for a weight that minimizes the error E.
ここでdPj:パターンＰのときのユニットｊの出力uPjに
対する教師信号 また探索の為の重み更新規則を △Wij（ｔ）＝−εσE/σWij（ｔ） ＋α△Wij（ｔ−１） ここで、ε，α：制御パラメータ とし、任意の入力パターンuPjに対する誤差Ｅの最小
化、すなわち学習動作をくり返す。 Here, d Pj : a teacher signal for the output u Pj of the unit j at the time of the pattern P, and the weight update rule for the search is ΔW ij (t) = − εσE / σW ij (t) + α △ W ij (t− 1) Here, ε, α are control parameters, and the error E for an arbitrary input pattern u Pj is minimized, that is, the learning operation is repeated.
このようにして、ガスメータ通過流量の時系列データ
群に対し、使用されているガス器具に相当する出力層ニ
ューロンが正確に発火するようになるので、第１図の使
用器具判定手段４によって、どのガス器具が現在使われ
ているか知ることができるようになってくる。In this way, the output layer neurons corresponding to the gas appliances used are accurately fired with respect to the time series data group of the gas meter passing flow rate. You will be able to know if gas appliances are currently used.
今回の例では、使用されているガス器具の種類を区分
するだけにとどめたが、出力層の設定により個々のガス
器具がどの程度の流量で、どの程度の時間ずつ使用され
ているかを確認することも当然可能となる。また学習則
においては、ここに示したような基本的なバックプロパ
ゲーション法を使わず、相互結合型ネットワークや競合
学習の考え方等を採用しても、一向にさしつかえない。
上記構成においてニューラルネットワーク演算手段３の
学習機能により、ガスメータ通過流量全体のマクロ情報
の中から使用されている個々のガス器具の種類を区分し
（パターン抽出）、その個々のガス器具の使用状態を把
握できるよう作用するので、ガス器具別のよりきめの細
かい情報を得ることができるようになる。In this example, only the types of gas appliances used are classified.However, check the flow rate of each gas appliance and how long each gas appliance is used by setting the output layer Of course it is also possible. In the learning rule, even if the basic back propagation method as shown here is not used and an idea of an interconnected network or competitive learning is adopted, it can be done without any problem.
In the above configuration, the learning function of the neural network operation means 3 classifies the types of individual gas appliances used from macro information of the entire gas meter passing flow rate (pattern extraction) and determines the use state of each individual gas appliance. Since it works so that it can be grasped, it becomes possible to obtain more detailed information for each gas appliance.
発明の効果 以上のように本発明のガス使用状態監視装置によれ
ば、安全・快適かつ安定的ガス供給事業を促す上で重要
な意味を持ち、とりわけ次のような効果を有する。Effects of the Invention As described above, the gas use state monitoring device of the present invention has an important meaning in promoting a safe, comfortable, and stable gas supply business, and particularly has the following effects.
（１）人為的または偶然に複数のガス器具が同時につけ
られたり、消されたりあるいは流量を変えられた場合に
も、その後のガス流量パターンの動向（時系列データの
長期的トレンド）を確認することで誤判定を低減するこ
とができる。(1) Even if a plurality of gas appliances are turned on or off or the flow rate is changed artificially or accidentally, the trend of the gas flow pattern (long-term trend of time-series data) is confirmed. This can reduce erroneous determinations.
（２）どんなガス器具が取り付けられているかは、当該
ガス器具が使用されるほどますます明確になってくるの
で、設置後さらに判定精度は向上する。(2) The type of gas appliance attached becomes more clear as the gas appliance is used, so that the judgment accuracy is further improved after installation.
（３）万一ガス流量データに一時的にノイズが乗って
も、自動修復できる。(3) Even if noise is temporarily added to the gas flow rate data, automatic recovery can be performed.
第１図は本発明の一実施例におけるガス使用状態監視装
置のブロック構成図、第２図は各ガス器具における使用
状態と流量との関係を示す図、第３図はニューラルネッ
トワーク演算手段の構成例を示す図、第４図はニューラ
ルネットワークを構築する各ニューロンの簡易モデル図
である。 ２……流量検出手段、３……ニューラルネットワーク演
算手段、４……使用器具判定手段。FIG. 1 is a block diagram of a gas use condition monitoring apparatus according to an embodiment of the present invention, FIG. 2 is a diagram showing a relationship between use conditions and flow rates in each gas appliance, and FIG. 3 is a structure of a neural network calculating means. FIG. 4 shows an example, and FIG. 4 is a simplified model diagram of each neuron constructing a neural network. 2 ... Flow rate detection means, 3 ... Neural network calculation means, 4 ... Used equipment determination means.
───────────────────────────────────────────────────── フロントページの続き (72)発明者 中根 伸一 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (72)発明者 加藤 真藏 東京都町田市忠生２丁目16番４号 高圧 ガス保安協会液化石油ガス研究所内 (72)発明者 難波 三男 東京都町田市忠生２丁目16番４号 高圧 ガス保安協会液化石油ガス研究所内 (72)発明者 植松 烈平 東京都町田市忠生２丁目16番４号 高圧 ガス保安協会液化石油ガス研究所内 (56)参考文献 特開 昭63−176085（ＪＰ，Ａ) 特開 平１−308575（ＪＰ，Ａ) ＮＩＫＫＥＩ ＥＬＥＣＴＲＯＮＩＣ Ｓ 1987．８．10（Ｎｏ．427）Ｐ．115 〜124 ──────────────────────────────────────────────────続 き Continued on the front page (72) Inventor Shinichi Nakane 1006 Kazuma Kadoma, Osaka Pref. Matsushita Electric Industrial Co., Ltd. (72) Inventor Masashi Kato 2-16-4 Tadao, Machida, Tokyo Inside the Security Association Liquefied Petroleum Gas Laboratory (72) Inventor Mitsuo Namba 2-16-4 Tadao, Machida, Tokyo No. 4 High Pressure Gas Safety Association Liquefied Petroleum Gas Laboratory (56) References JP-A-63-176085 (JP, A) JP-A-1-308575 (JP, A) NIKKEI ELECTRONIC S 1987.8.10 (No. 427) p. 115 to 124
Claims (1)
の通過ガス量に応じて信号を発する流量検出手段と、前
記流量検出手段から送られるガスメータの通過ガス量の
所定時間分の時系列データに基づき、使用ガス器具の数
または種類を算出するニューラルネットワーク演算手段
と、前記ニューラルネットワーク演算手段によって得ら
れる演算結果から現在使用されているガス器具を特定す
る使用器具判定手段を備えたガス使用状態監視装置。1. A flow rate detecting means for issuing a signal in accordance with a gas flow rate of a gas meter provided in a gas supply line, and a time-series data for a predetermined time of a gas flow rate of the gas meter sent from the flow rate detecting means. A gas use state monitor comprising: a neural network computing means for calculating the number or type of gas appliances to be used; and a gas appliance determination means for specifying a gas appliance currently used from the computation result obtained by the neural network computing means. apparatus.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1327910A JP2633367B2 (en) | 1989-12-18 | 1989-12-18 | Gas usage monitoring device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1327910A JP2633367B2 (en) | 1989-12-18 | 1989-12-18 | Gas usage monitoring device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03191207A JPH03191207A (en) | 1991-08-21 |
| JP2633367B2 true JP2633367B2 (en) | 1997-07-23 |
Family
ID=18204361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1327910A Expired - Lifetime JP2633367B2 (en) | 1989-12-18 | 1989-12-18 | Gas usage monitoring device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2633367B2 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5108275B2 (en) * | 2006-10-17 | 2012-12-26 | 東光東芝メーターシステムズ株式会社 | Gas appliance discrimination device and discrimination method |
| JP5108274B2 (en) * | 2006-10-17 | 2012-12-26 | 東光東芝メーターシステムズ株式会社 | Gas appliance discrimination device and discrimination method |
| CN109731265B (en) * | 2019-01-22 | 2020-06-26 | 吉林建筑大学 | Fire-fighting fireproof spraying device based on gas sensor and control method thereof |
| CN110279972B (en) * | 2019-06-28 | 2020-06-26 | 吉林建筑大学 | Fire-fighting monitoring device for electric appliance machine room and control method thereof |
-
1989
- 1989-12-18 JP JP1327910A patent/JP2633367B2/en not_active Expired - Lifetime
Non-Patent Citations (1)
| Title |
|---|
| ＮＩＫＫＥＩ ＥＬＥＣＴＲＯＮＩＣＳ １９８７．８．１０（Ｎｏ．４２７）Ｐ．１１５〜１２４ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03191207A (en) | 1991-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102129397A (en) | Method and system for predicating self-adaptive disk array failure | |
| US7822697B2 (en) | Method and apparatus for infrastructure health monitoring and analysis wherein anomalies are detected by comparing measured outputs to estimated/modeled outputs by using a delay | |
| CN101251942B (en) | Underground space fire intelligent detection early alarming and forecasting method and apparatus | |
| US5991707A (en) | Method and system for predictive diagnosing of system reliability problems and/or system failure in a physical system | |
| CN107092582A (en) | One kind is based on the posterior exceptional value on-line checking of residual error and method for evaluating confidence | |
| CN108761377A (en) | A kind of electric energy metering device method for detecting abnormality based on long memory models in short-term | |
| JP2633367B2 (en) | Gas usage monitoring device | |
| CN108027407A (en) | Fault-tolerant voltage measurement method | |
| JPH08100940A (en) | Load estimating device for air-conditioning machine | |
| Becraft et al. | Integration of Neural Networks and Expert Systems for Process Fault Diagnosis. | |
| Rudemo | Doubly stochastic Poisson processes and process control | |
| JP2512328B2 (en) | Automatic determination system for blast furnace pattern data | |
| CN110543108B (en) | Heating system measurement data correction method and system based on mechanism model prediction | |
| GB2090416A (en) | Apparatus for indicating the wear of a lifting device such as a hoist | |
| CN117235664A (en) | Fault diagnosis method and system for power distribution communication equipment and computer equipment | |
| JP2758976B2 (en) | Characteristic change prediction method and system | |
| JPH04119401A (en) | Gas appliance discriminating device | |
| JPH06160459A (en) | Method for restoring current and phase distribution at faulty time of current sensor for transmission line | |
| De Bollivier et al. | Multilayer perceptron with local constraint as an emerging method in spatial data analysis | |
| JP2506485B2 (en) | Blast furnace charge distribution control method | |
| Khargonekar et al. | Fault detection in the presence of modeling uncertainty | |
| Fantoni et al. | Accuracy estimate of artificial neural networks based models for industrial applications | |
| WO2021146927A1 (en) | Method and apparatus for sensor fault detection | |
| JP2506486B2 (en) | Blast furnace charge distribution control method | |
| JP3304450B2 (en) | Transmission line fault section location method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090425 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100425 Year of fee payment: 13 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100425 Year of fee payment: 13 |