CN113669626B - 一种长输燃气管网两级监测方法和*** - Google Patents
一种长输燃气管网两级监测方法和*** Download PDFInfo
- Publication number
- CN113669626B CN113669626B CN202110900790.9A CN202110900790A CN113669626B CN 113669626 B CN113669626 B CN 113669626B CN 202110900790 A CN202110900790 A CN 202110900790A CN 113669626 B CN113669626 B CN 113669626B
- Authority
- CN
- China
- Prior art keywords
- data
- simulation
- monitoring
- long
- gas pipeline
- 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.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D1/00—Pipe-line systems
- F17D1/02—Pipe-line systems for gases or vapours
- F17D1/04—Pipe-line systems for gases or vapours for distribution of gas
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D3/00—Arrangements for supervising or controlling working operations
- F17D3/01—Arrangements for supervising or controlling working operations for controlling, signalling, or supervising the conveyance of a product
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种长输燃气管网两级监测方法和***,该方法涉及将前置数据保存在关键点中;基于关键点中保存的前置数据进行一级监测,并在发现监测异常时,由控制模块基于采集到的监测数据进行二次监测。本发明通过仿真和实际数据结合的方式在长输燃气管网的关键点处进行监测,设置传感装置通过设置两级监测方式,降低长输管网的监测难度和开销。
Description
【技术领域】
本发明属于长输燃气管网领域,尤其涉及一种长输燃气管网两级监测方法和***。
【背景技术】
随着整个社会环保意识的提升,绿色能源的开发利用越来越受到人们的重视。而燃气作为一种绿色环保、经济实惠、安全可靠的清洁能源,对改善人类自然环境具有良好的效果,已经引起了社会的高度关注,我国政府也在大力推动煤改气工程。燃气管网按照用途可分为长距离输气管网、城市燃气管网、工业企业燃气管网。燃气从气源地通常经过长输管网、城市燃气管网或者工业燃气管网最终到达用户。一旦发生泄漏,如果处理措施合理得当,能够将气体安全泄放,仅造成较小的经济损失。泄漏是指容器或管网内不期望的流体流出造成了损失。随城市燃气管网运输过程中,造成燃气管网泄漏的主要因素包括:设计缺陷、材料和施工缺陷、腐蚀因素、自然因素、人类活动、运行维护不当、人为破坏等。
城市燃气管网泄漏的检测和定位是预防灾害发生的措施之一,通过准确的定位以及实时检测可以及时发现气体泄漏与否,从而及时采取措施把灾害事故防止在萌芽状态,因此国内外学者关于燃气管网的监控和检测做了大量研究。但是,多数的研究都是基于数据计算或者大数据计算,没有充分利用整个燃气管网的整体设计、仿真、测试和实际使用过程中的数据和产物;本发明通过仿真和实际数据结合的方式在长输燃气管网的关键点处进行监测,设置传感装置通过设置两级监测方式,降低长输管网的监测难度和开销;具体而言,(1)基于测试数据获取基于聚类中心冗余监测数据,支持有效的一级数据监测;(2)通过仿真数据和测试数据的比较来获取误差函数,支持误差的计算,从而能够实现以聚类中心和误差进行快速的一级监测;(3)通过调整实际运行数据和仿真数据的比例,使得前置数据能够更加准确的代表管网结构的实际运行情况,实现前置监测的自适应;(4)在前置数据选择中引入了聚类,根据数据密度选择数据前置,实现快速数据判决以实现快速监控;此外,本发明通过本地和远程的快速比较提高了监测效率,同时降低了常规数据对重要数据造成的淹没效应,从而提高了监测的敏感度。
【发明内容】
为了解决现有技术中的上述问题,本发明提供了一种长输燃气管网两级监测方法和***。
本发明采用的技术方案具体如下:
步骤S1:设计并获取长输燃气管网结构及其仿真模型;通过测试、仿真获取前置到关键点中的前置数据;
步骤S2:将前置数据保存在关键点中;基于关键点中保存的前置数据进行一级监测,并在发现监测异常时,由控制模块基于采集到的监测数据进行二次监测。
进一步的,根据设计经验和工况需求设计长输燃气管网结构。
进一步的,所述前置数据包含固定部分和活动部分。
进一步的,所述前置数据保存在关键点处的监测装置中。
进一步的,所述控制模块未位于云端;将来自于不同关键点的所有的测试数据和仿真数据作为大数据保存。
一种长输燃气管网两级监测***,包括:控制模块,与其他模块均有连接,用于读取监测数据并进行后续处理和数据通信等;
数据采集模块,用于从传感器获取燃气管网的监测数据,并将所采集的监测数据发送给控制模块;
监测装置,布设在燃气管网关键点处,并用于获取监测数据;
所述长输燃气管网两级监测***用于上述方法。
进一步的,所述监测装置为传感器。
进一步的,关键点根据经验选取。
进一步的,监测装置具有本地受限存储空间。
进一步的,所述监测装置能够监测一种或者多种类型的监测数据。
本发明的有益效果是:通过仿真和实际数据结合的方式在长输燃气管网的关键点处进行监测,设置传感装置通过设置两级监测方式,降低长输管网的监测难度和开销;具体而言,(1)基于测试数据获取基于聚类中心冗余监测数据,支持有效的一级数据监测;(2)通过仿真数据和测试数据的比较来获取误差函数,支持误差的计算,从而能够实现以聚类中心和误差进行快速的一级监测;(3)通过调整实际运行数据和仿真数据的比例,使得前置数据能够更加准确的代表管网结构的实际运行情况,实现前置监测的自适应;(4)在前置数据选择中引入了聚类,根据数据密度选择数据前置,实现快速数据判决以实现快速监控;此外,本发明通过本地的快速比较提高了监测效率,同时降低了常规数据对重要数据造成的淹没效应,从而提高了监测的敏感度。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解,构成本申请的一部分,但并不构成对本发明的不当限定,在附图中:
图1是本发明的长输燃气管网两级监测方法示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明,其中的示意性实施例以及说明仅用来解释本发明,但并不作为对本发明的限定。
本发明涉及的长输燃气管网两级监测***包括:
控制模块,与其他模块均有连接,用于读取监测数据并进行后续处理和数据通信等;
数据采集模块,用于从传感器获取燃气管网的监测数据,并将所采集的监测数据发送给控制模块;
传感器,布设在燃气管网关键点处,并用于获取监测值;关键点根据经验选取;也可以根据仿真数据的变化选取和设置;传感器具有本地局限的存储空间,能够存储少量数据;
优选的:传感器通过无线或者有线的方式和数据采集模块连接;
优选的:所述传感器为一个或者多种类型,用于获取一种或这多种类型的检监测数据;例如:温度、声音、压力等;
电源模块,用于为***中各个模块进行供电;
显示模块,用于将信息显示在LCD显示器上以及实现人机互动功能;
存储模块,用于作数据的存储和获取;
基于上述长输燃气管网两级监测***,所述长输燃气管网两级监测方法具体包括如下步骤:
步骤100:设计并获取长输燃气管网结构及其仿真模型,测试长输燃气管网结构以获取前置数据中的固定部分;前置数据为前置到关键点用于进行一级监测的数据;其中的固定部分是根据测试或者仿真得到的其对应的测试结果或者仿真结果,该部分是保持不变的,可以保存在固定存储装置中;
所述步骤100具体包括如下步骤:
步骤S101:设计长输燃气管网结构;具体的:根据设计经验和工况需求设计长输燃气管网结构;
步骤S102:获取测试阶段的长输燃气管网结构测试数据;具体的:在长输燃气管网结构搭建完毕后,进入测试阶段,获取实际运行过程中的测试数据;测试阶段的工况和后期实际运行的工况是相似的,因此,测试数据数据得出的测试结果也是类似的;
步骤S103:建立长输燃气管网结构的仿真模型,基于仿真模型获取仿真数据;搭建测试阶段的工况进行仿真以获取仿真数据;
步骤S104:判断测试数据和仿真数据是否满足一致性条件,如果是,则基于仿真数据和测试数据获取前置数据;如果否,则人工反馈以检查管网结构是否存在现场问题,并基于人工反馈结果调整长输燃气管网结构;通常人们建立仿真模型之后就和测试完全脱离了,因为长输管网的建设时间是很长的,但是只要能够保持这些数据的分析和利用,就能够提高监测效率;
根据格莱布斯准则,数据整体分布呈现正态分布,通过残差值能够发现异常数据;本发明将测试数据和仿真数据混为一个整体,如果两者之间满足一致性,那么被视为异常数据的数据个数是有限的,通过该准则做数据的抑制性判断,当n的值足够大时,仍旧呈现出不一致性,那么表明测试和仿真显著背离,管网铺设结构可能存在非容易发现的显著问题;需要进行现场诊断;从而避免了数据拟合所需要的大数据量以及需要的计算时间,提高了监测数据判断效率;
所述判断测试数据和仿真数据是否满足一致性条件,具体为:获取n个测试数据D1…Di…Dn及其对应的n个仿真数据SDn+1…SDn+i…SDn+n,并放入整体集合{ZDj}中,计算整体集合的数据平均值计算整体数据集合中每个数据的数据残差判断满足残差|δj|>g(n,a)×σ(ZDj)的数据个数,如果满足的数据个数超过预设值,则确定一致性条件满足,否则确定不满足;其中:a是显著水平,n是测试次数,g(n,a)为查表系数; 优选的:a设置为0.01;
所述基于仿真数据和测试数据获取前置数据,具体为:通过比较仿真数据和测试数据以得到所述结构的固定误差;将仿真数据和固定误差进行拟合以得到固定误差拟合曲线,保存所述固定误差拟合曲线;将所述固定误差拟合曲线作为前置数据中的固定部分;当然这里要求的测试次数是足够的,如果可能,需要在不同类型下进行多次测试,进行拟合曲线的拼接并最终形成固定部分;
步骤200:根据仿真模型获取前置数据中的活动部分;具体包括如下步骤:
步骤S201:将测试工况数据输入仿真模型以得到仿真数据;其中:测试工况数据来自于测试样本;
可替换的:随着燃气管网结构的长期使用,在实际使用过程中,将实际工况数据输入仿真模型中以得到仿真数据,并给予所述仿真数据获取前置数据中的活动部分;
可替换的:随着燃气管网结构的长期使用,在使用时间达到时间阈值后,将实际数据和仿真数据合并,并基于实际数据和仿真数据的合并集合来获取前置数据中的活动部分;其中:所述合并的方式为随着使用时间的增加,不断的增加实际数据在合并集合中的比例,直到达到预设比例;
优选的:删除仿真数据中仿真数据最多的前N1个聚类中的仿真数据,并将这些仿真数据用实际数据替代,从而增加合并集合中实际数据的个数;聚类中仿真数据的数量多往往表明该仿真数据对应的是常规工况数据,这种工况数据会随着实际运行时间的增加而自行增加,与之相配合的是,随着管网结构被不断的使用,其监测数据会稳定下来,仿真数据不再起到引导作用,那么在在后续聚类中被前置的活动数据很大程度上能够代表管网的实际运行情况,能够起到更加准确的监测作用;
步骤S202:计算仿真数据的聚类结果;使得经过聚类后,聚类外数据的密度低于聚类中数据的密度;此时,聚类中心的聚类半径邻域内至少需要包含第一数量的仿真数据使得该聚类半径邻域内的密度超过密度阈值;这样我们就将仿真数据的前置选择问题转换为了聚类问题;虽然仿真数据可能会有很多的离散值,但是将这部分数据前置不会增加监测效率,更多的数据会呈现围绕聚类中心,也就是更加稠密分布的仿真数据,因此,在前置数据选择中引入了聚类,根据数据密度选择数据前置,实现快速数据判决以实现快速监控;
步骤S202具体包括如下步骤:
步骤S2021:计算每个仿真数据的局部密度ρi和加权距离WDi;
其中:如果di,j≤dc,则F(di,j-dc)=1,否则F(di,j-dc)=0;dc是截止距离;di,j是仿真数据i和仿真数据j之间的数据差值;
WDi=WAi×(WB×WCi+D);
WAi=min{di,j,j∈if(ρj>ρi)};
其中:WAi是加权系数,其用于衡量不同仿真数据为中心的局部密度之间的差异性;WB和D是调节常数;WCi是仿真数据调节系数;每个仿真数据的调节系数是不同的,通过密度以及仿真数据数量查找表获取该不同的调节系数;
优选的:WB和D的设置和仿真数据数量相关;
步骤S2022:设置仿真数据的聚类中心;具体为:将局部密度和加权距离分别大于第一预设值和第二预设值的仿真数据作为聚类中心;其中:第一预设值和第二预设值是提前根据关键点的个数以及传感器的存储能力来设置的;
步骤S2023:将非聚类中心的仿真数据划分到聚类中去;具体为:计算每个仿真数据和每个聚类中心的距离,并将仿真数据划入和其距离最近的聚类中心所在的聚类中去;对于不能划入的仿真数据作为离散值而不划入任何聚类;两级设置中对于一级监测,也就是前置部分来说,离散值是不能够起作用的,只有在大数据的二级监测中才有用;
步骤S2024:输出聚类结果;具体为:输出聚类中心及其对应的聚类;
步骤S203:将聚类结果中的聚类中仿真数据最多的前n个聚类的聚类中心对应的仿真数据作为前置数据中的活动部分;所述活动部分的数据随着数据量的增加动态改变;
优选的:所述活动部分值包含聚类中心对应的仿真数据;
步骤300:将前置数据中的固定部分和活动部分保存在关键点中;而将所有的测试数据和仿真数据保存在控制模块中;
优选的:固定部分为保持不变的,而活动部分随着长输燃气管网结构的实际工况而动态改变;
优选的:通过调整实际运行数据和仿真数据的比例,使得前置数据能够更加准确的代表管网结构的实际运行情况,实现前置监测的自适应;随着燃气管网结构的投入使用,其各项性能逐渐稳定,实际使用数据也逐渐增加,在使用时间达到时间阈值后,将实际数据和仿真数据合并,并基于实际数据和仿真数据的合并集合来获取前置数据中的活动部分;也就是基于合并集合来执行步骤S202;所述合并的方式为随着使用时间的而不断的增加实际数据在合并集合中的比例,直到达到预设比例;其中:所述预设比例为提前设置的;
优选的:预设比例为80%;剩下的20%的数据为代表特殊工况的仿真数据;
也就是说,对于一个关键点,其监测装置中只需要保存n条仿真数据,这对存储空间的要求非常小,一般的传感器均可以满足;
优选的:所述控制模块未位于云端;将来自于不同关键点的所有的测试数据和仿真数据作为大数据保存在云端;
步骤400:基于关键点中保存的前置数据进行监测,并在发现监测异常时,由控制模块基于采集到的监测数据进行二次监测;也就是说,在常规运行,或者说只是工矿发生改变的情况下并符合仿真数据显示并在误差允许范围内时,关键点自行监控并不发出监控异常;反之,由控制模块进行二次监测,基于大数据进行研判;
所述基于关键点中保存的前置数据进行监测,具体为:将前置数据的固定部分作用于前置部分的活动数据后,和实时监测数据进行比较,以确定是否发生监测异常;当两者明显偏离时,确定发生异常而进行二次监测;
所述由控制模块基于采集到的监测数据进行二次监测,具体为:将采集到的监测数据和完整的仿真数据和/或大数据监测数据比较以确定是否发生监测异常;
在一般情况下,仿真是完备的,仿真数据也是完备的,基本跨越所有的实际工况,通过和完整的仿真数据对比,就可以确定当前监测数据的偏离是由于实际工况还是由于确实发生了异常;
在关键点数量较多的情况下,本发明在各个关键点处设置的传感器,甚至是包围于MCU的传感器组合可以自行监控,通过两级监控中的前置部分,可以不断的贴近真实工况,并克服误差范围,形成有效且有效率的两级监控机制;
由于不同传感设备本身所具备的特点是不同的,可以使各个关键点处的设备进行必要的数据转换,用来增加其前置部分的自动处理能力,当然并不是燃气管网结构的所有地方都需要设立用于监测的关键点,这就是本发明所需要强调的一个地方,只需要在关键位置处设置监测节点,这样能够很大限度的节省开支。然后使得关键点位置处的传感设备连接于控制模块;
当然了,需要设置特权级别的指令来使控制模块对用户所发出的信息及时执行。一旦燃气管网结构发生异常,那么就需要立刻将结构中的异常部分的连接切断,以免造成其各方面不必要的损失。
当控制模块位于云端时,云端服务器将不断接收来自关键点的各类数据,云端对各类数据进行归类和分析,从而不断优化***和二次监测的能力;
以上所述仅是本发明的较佳实施方式,故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰,均包括于本发明专利申请范围内。
Claims (1)
1.一种长输燃气管网两级监测方法,其特征在于,包括以下步骤:
步骤S100:设计并获取长输燃气管网结构及其仿真模型;通过测试、仿真获取前置到关键点中的前置数据;具体的:设计并获取长输燃气管网结构及其仿真模型,测试长输燃气管网结构以获取前置数据中的固定部分;前置数据为前置到关键点用于进行一级监测的数据;其中的固定部分是根据测试或者仿真得到的其对应的测试结果或者仿真结果,该部分是保持不变的;
所述步骤S100具体包括如下步骤:
步骤S101:设计长输燃气管网结构;具体的:根据设计经验和工况需求设计长输燃气管网结构;
步骤S102:获取测试阶段的长输燃气管网结构测试数据;具体的:在长输燃气管网结构搭建完毕后,进入测试阶段,获取实际运行过程中的测试数据;
步骤S103:建立长输燃气管网结构的仿真模型,基于仿真模型获取仿真数据;搭建测试阶段的工况进行仿真以获取仿真数据;
步骤S104:判断测试数据和仿真数据是否满足一致性条件,如果是,则基于仿真数据和测试数据获取前置数据;如果否,则人工反馈以检查管网结构是否存在现场问题,并基于人工反馈结果调整长输燃气管网结构;
所述基于仿真数据和测试数据获取前置数据,具体为:通过比较仿真数据和测试数据以得到所述结构的固定误差;将仿真数据和固定误差进行拟合以得到固定误差拟合曲线,保存所述固定误差拟合曲线;将所述固定误差拟合曲线作为前置数据中的固定部分;
步骤200:根据仿真模型获取前置数据中的活动部分;具体包括如下步骤:
步骤S201:将测试工况数据输入仿真模型以得到仿真数据;随着燃气管网结构的长期使用,在使用时间达到时间阈值后,将实际数据和仿真数据合并,并基于实际数据和仿真数据的合并集合来获取前置数据中的活动部分;其中:所述合并的方式为随着使用时间的增加,不断的增加实际数据在合并集合中的比例,直到达到预设比例;
步骤S202:计算仿真数据的聚类结果;使得经过聚类后,聚类外数据的密度低于聚类中数据的密度;
步骤S203:将聚类结果中的聚类中仿真数据最多的前n个聚类的聚类中心对应的仿真数据作为前置数据中的活动部分;所述活动部分的数据随着数据量的增加动态改变;
步骤300:将前置数据中的固定部分和活动部分保存在关键点中;而将所有的测试数据和仿真数据保存在控制模块中;
步骤400:基于关键点中保存的前置数据进行监测,并在发现监测异常时,由控制模块基于采集到的监测数据进行二次监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110900790.9A CN113669626B (zh) | 2021-08-06 | 2021-08-06 | 一种长输燃气管网两级监测方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110900790.9A CN113669626B (zh) | 2021-08-06 | 2021-08-06 | 一种长输燃气管网两级监测方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113669626A CN113669626A (zh) | 2021-11-19 |
CN113669626B true CN113669626B (zh) | 2023-05-09 |
Family
ID=78541690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110900790.9A Active CN113669626B (zh) | 2021-08-06 | 2021-08-06 | 一种长输燃气管网两级监测方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113669626B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7539597B2 (en) * | 2001-04-10 | 2009-05-26 | Smartsignal Corporation | Diagnostic systems and methods for predictive condition monitoring |
CN101093058A (zh) * | 2007-06-28 | 2007-12-26 | 天津大学 | 一种城市燃气管网自动监控***及监控方法 |
CN103939749B (zh) * | 2014-04-28 | 2016-08-24 | 东北大学 | 基于大数据的输油管网泄漏智能自适应监控***及方法 |
CN106877383B (zh) * | 2015-12-11 | 2020-09-11 | 中国电力科学研究院 | 一种变速风电机组低电压穿越能力仿真模型调整方法 |
CN106649877A (zh) * | 2017-01-06 | 2017-05-10 | 广东工业大学 | 一种基于密度峰值的大数据挖掘方法及装置 |
CN107420743B (zh) * | 2017-06-09 | 2023-06-13 | 中国计量大学 | 一种智能城市燃气pe管网测控***及测控方法 |
CN109444728A (zh) * | 2018-09-21 | 2019-03-08 | 国网河南省电力公司济源供电公司 | 一种基于动态加权混合聚类算法的断路器故障诊断方法 |
CN109458563A (zh) * | 2018-10-23 | 2019-03-12 | 青岛理工大学 | 一种开放式局域供水管网动态自适应仿真建模方法 |
CN112163301B (zh) * | 2020-07-24 | 2024-04-19 | 北京工业大学 | 一种供水管网水力模型的分散式校核方法 |
-
2021
- 2021-08-06 CN CN202110900790.9A patent/CN113669626B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113669626A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784746A (zh) | 城乡统筹供水管网水力水质模拟平台 | |
CN107831285B (zh) | 一种基于物联网的河湖污染监测***及其方法 | |
CN107194621B (zh) | 一种供水管网管理***和方法 | |
CN102289590B (zh) | Sf6高压断路器运行状态评估方法及智能*** | |
CN102269972B (zh) | 基于遗传神经网络的管道压力缺失数据补偿方法及装置 | |
CN102156413B (zh) | 城市多水源原水***应急调度方法和*** | |
CN102931625B (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
CN104331833B (zh) | 环境风险源预警方法 | |
CN104008302A (zh) | 一种基于组合赋权和模糊评分的配电网可靠性评估方法 | |
CN111552686B (zh) | 一种电力数据质量评估方法及其装置 | |
CN113074324A (zh) | 基于城市供水管网运行安全动态预警的数据库及建立方法 | |
CN103617447A (zh) | 智能变电站的评价***及评价方法 | |
CN114862169A (zh) | 一种基于bim的隧道工程安全风险监测***及方法 | |
CN113669626B (zh) | 一种长输燃气管网两级监测方法和*** | |
CN113704231A (zh) | 一种建筑给水***数据库构建及查询方法 | |
CN116913043A (zh) | 一种自动预警水利险情的监测方法 | |
CN116796473A (zh) | 基于改进贪婪算法的燃气管网监测点位布设方法 | |
Quimpo et al. | Condition assessment of water supply infrastructure | |
CN116910635A (zh) | 基于联邦学习和膨胀卷积的调压器故障诊断方法及装置 | |
CN113015120B (zh) | 一种基于神经网络的治污监测***和方法 | |
CN114897203A (zh) | 基于气温预测燃气日用气量及用气异常报警的方法及*** | |
CN101877025A (zh) | 复杂非线性静态特性描述的分布式电源模型简化方法 | |
CN111022935A (zh) | 污水处理设备风管管网破漏检测方法、装置及*** | |
Duan et al. | Heavy Overload Prediction Method of Distribution Transformer Based on GBDT | |
CN114593375B (zh) | 基于泵房能耗的二次供水小区管道漏损监测和定位方法 |
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 |