CN114740159B - 一种天然气能量计量组分获取方法和物联网*** - Google Patents

一种天然气能量计量组分获取方法和物联网*** Download PDF

Info

Publication number
CN114740159B
CN114740159B CN202210387064.6A CN202210387064A CN114740159B CN 114740159 B CN114740159 B CN 114740159B CN 202210387064 A CN202210387064 A CN 202210387064A CN 114740159 B CN114740159 B CN 114740159B
Authority
CN
China
Prior art keywords
natural gas
site
sample
detected
temperature
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
Application number
CN202210387064.6A
Other languages
English (en)
Other versions
CN114740159A (zh
Inventor
邵泽华
向海堂
李勇
刘彬
权亚强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Qinchuan IoT Technology Co Ltd
Original Assignee
Chengdu Qinchuan IoT Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Qinchuan IoT Technology Co Ltd filed Critical Chengdu Qinchuan IoT Technology Co Ltd
Priority to CN202210387064.6A priority Critical patent/CN114740159B/zh
Priority to US17/664,656 priority patent/US11979697B2/en
Publication of CN114740159A publication Critical patent/CN114740159A/zh
Application granted granted Critical
Publication of CN114740159B publication Critical patent/CN114740159B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • 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
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Combustion & Propulsion (AREA)
  • Medicinal Chemistry (AREA)
  • Immunology (AREA)
  • Accounting & Taxation (AREA)
  • Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Sampling And Sample Adjustment (AREA)

Abstract

本说明书实施例提供一种天然气能量计量组分获取方法，该方法包括基于对象平台获取第一站点的待检测天然气样本的温度和压力；基于对象平台获取第二站点的天然气样本的样本数据，所述样本数据包括天然气组分及对应的温度和压力；基于对象平台获取第一站点的天然气样本的样本数据；基于通过传感网络平台汇总的第一站点和第二站点的样本数据和第一站点的待检测天然气样本的温度和压力，确定第一站点的待检测天然气样本的天然气组分。

Description

一种天然气能量计量组分获取方法和物联网***
技术领域
本说明书涉及物联网***及天然气技术领域，特别涉及一种天然气能量计量组分获取方法和物联网***。
背景技术
天然气主要是通过长输管网来进行输送，由于管输路径以及天然气气源复杂，不同气源的成分差异较大。在通过不同站点调压输配气时，气压和温度发生变化，天然气中不同气体的体积组分也会发生改变，造成下级站点的天然气组分数据不准确。而直接对下级站点的天然气进行组分检测，会进一步增加计量成本。
因此，希望提供以一种天然气能量计量组分获取方法，通过站点的样本数据和温度压力分析，确定待检测天然气样本的天然气组分，可以使天然气的组分确定更加精准。
发明内容
本说明书一个或多个实施例提供一种天然气能量计量组分获取方法。所述天然气能量计量组分获取方法包括：基于对象平台获取第一站点的待检测天然气样本的温度和压力；基于对象平台获取第二站点的天然气样本的样本数据，所述样本数据包括天然气组分及对应的温度和压力；基于对象平台获取第一站点的天然气样本的样本数据；其中，第二站点的样本数据和第一站点的样本数据的确定方式不同；基于通过传感网络平台汇总的第一站点和第二站点的样本数据和第一站点的待检测天然气样本的温度和压力，确定第一站点的待检测天然气样本的天然气组分。
本说明书一个或多个实施例提供一种天然气组分获取***。所述天然气组分获取***包括对象平台、传感网络平台、管理平台，所述管理平台被配置为执行以下操作：基于对象平台获取第一站点的待检测天然气样本的温度和压力；基于对象平台获取第二站点的天然气样本的样本数据，样本数据包括天然气组分及对应的温度和压力；基于对象平台获取第一站点的天然气样本的样本数据；其中，第二站点的样本数据和第一站点的样本数据的确定方式不同；基于通过传感网络平台汇总的第一站点和第二站点的样本数据和第一站点的待检测天然气样本的温度和压力，确定第一站点的待检测天然气样本的天然气组分。
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，计算机执行天然气能量计量组分获取方法。
本说明书一个或多个实施例提供一种天然气能量计量组分获取装置，所述装置包括处理器，所述处理器用于处理天然气能量计量组分获取方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的用于天然气能量计量组分获取的物联网***的应用场景图；
图2是根据本说明书一些实施例所示的用于天然气能量计量组分获取的物联网***示意图；
图3是根据本说明书一些实施例所示的天然气能量计量组分获取方法的示例性流程图；
图4是根据本说明书一些实施例所示的确定待检测天然气样本的组分的流程示意图；
图5是根据本说明书一些实施例所示的获取待检测天然气样本提取时组分的流程示意图；
图6是根据本说明书一些实施例所示的获取待检测天然气样本提取时组分的流程的示意图；
图7是根据本说明书一些实施例所示的获取待检测天然气样本提取时组分的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，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。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本申请实施例涉及一种天然气能量计量组分获取方法和物联网***。可以应用于包括民用燃料领域、工业燃料领域、工艺生产领域、化工原料生产加工领域、压缩天然气领域等各种需要获取天然气组分的领域，在此不作限制。
图1是根据本说明书一些实施例所示的用于天然气能量计量组分获取的物联网***的应用场景图。
在应用场景100中可以包括服务器110、网络120、数据库130、站点140、终端设备150、检测设备160。服务器110可包含处理设备112。
在一些实施例中，天然气组分获取应用场景100可以通过实施本说明书中披露的方法和/或过程来确定第一站点的待检测天然气样本的天然气组分。例如，在一个典型的应用场景中，当天然气由第二站点输往第一站点时气压和温度发生变化，通过对象平台获取第一站点140-2的待检测天然气样本的温度和压力；通过对象平台获取第二站点140-1的天然气样本的样本数据；通过对象平台获取第一站点140-2的天然气样本的样本数据；通过传感网络平台汇总的第一站点140-2和第二站点140-1的样本数据和第一站点140-2的待检测天然气样本的温度和压力，确定第一站点140-2的待检测天然气样本的天然气组分。可以使天然气组分确定更加便捷、精准。
服务器110与终端设备150可以通过网络120相连，数据库130可以与服务器110通过网络120相连，也可以直接连接于服务器110或者处于服务器110的内部。
服务器110可以用于管理资源以及处理来自本***至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。在一些实施例中，可以通过服务器110处理后确定第一站点140-2的待检测天然气样本的天然气组分。服务器110在处理时可以获取数据库130上的数据或将数据保存到数据库130。在一些实施例中，服务器110可以是单一服务器或服务器组。在一些实施例中，服务器110可以是区域的或者远程的。在一些实施例中，服务器110可以在云平台上实施，或者以虚拟方式提供。
在一些实施例中，服务器110可包含处理设备112。本说明书中的操作可以通过处理设备112执行程序指令进行。处理设备112可以处理从其他设备或***组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本申请中描述的功能。在一些实施例中，处理设备112可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理设备112可以包括中央处理器(CPU)、专用集成电路(ASIC)等或以上任意组合。
网络120可以连接天然气组分获取应用场景100的各组成部分和/或连接***与外部资源部分。在一些实施例中，可以通过网络120传递的第一站点140-2和第二站点140-1的样本数据，和第一站点140-2的待检测天然气样本的温度和压力等数据。网络120使得各组成部分之间，以及与***之外其他部分之间可以进行通讯，促进数据和/或信息的交换。
在一些实施例中，网络120可以是有线网络或无线网络中的任意一种或多种。例如，网络120可以包括电缆网络、光纤网络等或其任意组合。各部分之间的网络连接可以是采用上述一种方式，也可以是采取多种方式。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络120可以包括一个或以上网络接入点。
数据库130可以用于存储数据和/或指令。在一些实施例中，数据库130可以用于为天然气组分获取应用场景100提供外第二站点140-1的天然气样本的样本数据、第一站点140-2的天然气样本的样本数据等。数据库130可以在单个中央服务器、通过通信链路连接的多个服务器或多个个人设备中实现。在一些实施例中，服务器110、终端设备150以及其他可能的***组成部分中可以包括数据库130。
站点140是指天然气输气管道工程中各类的天然气站场，站点140主要接受天然气、给管道天然气增压、分输天然气、配气、储气调峰等。按照在输气管道中所处的位置，站点140可以包括输气首站、输气末站和中间站等。按照在输气管道中作用，站点140可以包括天然气门站、天然气加气站、天然气储配站和天然气场站等。
在一些实施例中，站点140可以设置有天然气数据的检测设备160，可以用于检测天然气的性能参数，例如，压力、温度、流量、成分等。在一些实施例中，服务器110和/或终端设备150可以通过网络120或者数据库130获取基于检测设备160得到的第二站点140-1和/或第一站点140-2的天然气样本的样本数据。
站点140可以包括第一站点140-2和第二站点140-1。其中，第二站点140-1可以是第一站点140-2的上级天然气站点，用于向其下级站点输出天然气。第一站点140-2可以是第二站点140-1的下级天然气站点，用于接收第二站点140-1的天然气，一个站点可以同时为上级天然气站点及下级天然气站点，且一个站点可以同时对应多个上级天然气站点及多个下级天然气站点。
终端设备150指一个或多个终端设备或软件。在一些应用场景中，使用终端设备150的用户可以包括第一站点140-2的工作人员、第二站点140-1的工作人员、第三方检测人员、客户等，也可以包括其他相关人员。在一些实施例中，终端设备150的用户可以是一个或多个用户。在一些实施例中，终端设备150可以是移动设备150-1、平板计算机150-2、膝上型计算机150-3等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中，终端设备150以及其他可能的***组成部分中可以包括处理设备112。
检测设备160是指测量站点中天然气相应状态数据的设备。
检测设备160可以包括温度检测设备160-1、压力检测设备160-2、成分测试设备(图中未示出)、体积测试设备(图中未示出)等。成分测试设备可以包括如色谱分析仪等。温度检测设备160-1是指测量站点中天然气温度的设备，例如，可以基于温度传感器实现。压力检测设备160-2是指测量站点中天然气压力的设备，例如，可以基于压力传感器实现。
应当注意注天然气组分获取应用场景100仅仅是为了说明的目的而提供的，并不意图限制本申请的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，天然气组分获取应用场景100还可以包括信息源。然而，这些变化和修改不会背离本申请的范围。
物联网***是一种包括用户平台、服务平台、管理平台、传感网络平台、对象平台中部分或全部平台的信息处理***。其中，用户平台是物联网运行体系的主导者，可以用于获取用户需求，用户需求是物联网运行体系形成的基础和前提，物联网各平台之间的联系均是为了满足用户的需求。服务平台是位于用户平台和管理平台之间，是用户平台和管理平台联系的桥梁，为用户提供输入和输出服务。管理平台可以实现统筹、协调各功能平台(如传感网络平台、对象平台)之间的联系和协作，管理平台汇聚着物联网运行体系的信息，可以为物联网运行体系提供感知管理和控制管理功能。传感网络平台可以实现连接管理平台和对象平台，起着感知信息传感通信和控制信息传感通信的功能。对象平台是对感知信息生成和控制信息进行执行的功能平台。
物联网***中信息的处理可以分为感知信息的处理流程及控制信息的处理流程，控制信息可以是基于感知信息而生成的信息。其中，感知信息的处理是由对象平台获取感知信息，并通过传感网络平台传递至管理平台。控制信息则是由管理平台通过传感网络平台下发至对象平台，进而实现对相应对象的控制。
图2是根据本说明书一些实施例所示的天然气组分获取***的示例性示意图。如图2所示，天然气组分获取***可以基于物联网***实现，用于天然气能量计量组分获取的物联网***200包括对象平台210、传感网络平台220和管理平台230。在一些实施例中，天然气组分获取***200可以为处理设备110的一部分或由处理设备110实现。
在一些实施例中，用于天然气能量计量组分获取的物联网***200可以应用于天然气输送管理。在应用于天然气输送管理时，对象平台210可以用于采集与天然气输送相关的数据，包括第一站点数据和第二站点数据，例如，第一站点数据可以是第一站点的待检测天然气样本的温度和压力以及第一站点的天然气样本的样本数据等；再例如，第二站点数据可以是第二站点的天然气样本的样本数据等。对象平台210可以将采集到的与天然气输送相关的数据上传至传感网络平台220，传感网络平台220可以对收集到的数据进行汇总处理，管理平台230再基于传感网络平台220汇总的数据确定待检测天然气样本的组分数据。
在一些实施例中，对象平台210可以获取信息。获取的信息可以作为整个物联网的信息输入。对象平台210可以与传感网络平台220进行通信，对象平台210被配置为采集终端并获得数据。在一些实施例中，对象平台210获取的数据可以包括第一站点的待检测天然气样本的温度和压力、第二站点的天然气样本的样本数据、第一站点的天然气样本的样本数据。在一些实施例中，对象平台210被配置为获取对待检测天然气样本做还原处理过程中，多个温度及压力下的多个待检测天然气样本。
在一些实施例中，传感网络平台220可以连接管理平台230和对象平台210，实现感知信息传感通信和控制信息传感通信的功能。在一些实施例中，感网络平台220汇总的第一站点和第二站点的样本数据和第一站点的待检测天然气样本的温度和压力。
在一些实施例中，管理平台230可以指对天然气进行管理的平台。
在一些实施例中，管理平台230可以被配置为通过基于对象平台210获取第一站点的待检测天然气样本的温度和压力、第二站点的天然气样本的样本数据、第一站点的天然气样本的所述样本数据，进而确定第一站点的待检测天然气样本的天然气组分。在一些实施例中，第二站点的天然气样本的样本数据包括天然气组分及对应的温度和压力。在一些实施例中，第二站点的样本数据和第一站点的样本数据的确定方式不同。
在一些实施例中，管理平台230还可以被配置为通过预测模型，基于第一站点的样本数据、第二站点的样本数据，以及第一站点的待检测天然气样本的温度和压力，确定待检测天然气样本的天然气组分。
在一些实施例中，管理平台230还可以被配置为通过预测模型，基于修正系数、第一站点的样本数据、第二站点的样本数据，以及第一站点的待检测天然气样本的温度和压力，确定待检测天然气样本的天然气组分。在一些实施例中，修正系数基于待检测天然气样本还原前的温度和/或压力与提取时的温度和/或压力确定。
在一些实施例中，管理平台230还可以被配置为基于待检测天然气样本的天然气组分，确定的待检测天然气样本的发热量；基于待检测天然气样本的发热量对下游燃气表进行能量计量，并通过服务平台240将能量计量结果发送到用户平台250。在一些实施例中，待检测天然气样本的发热量通过网外云平台基于待检测天然气样本的组分数据生成。
关于管理平台230的更多细节可以参见图3-7及其说明。
需要注意的是，以上对于***及其组成部分的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该***的原理后，可能在不背离这一原理的情况下，对各个组成部分进行任意组合，或者构成子***与其他组成部分连接。例如，传感网络平台和管理平台可以整合在一个组成部分中。又例如，各个组成部分可以共用一个存储设备，各个组成部分也可以分别具有各自的存储设备。诸如此类的变形，均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示天然气能量计量组分获取方法的示例性流程图，流程300由管理平台执行。
步骤310，基于对象平台获取第一站点的待检测天然气样本的温度和压力。
第一站点可以是用于调压输配天然气的站点，可以理解的，第一站点可以作为下级站点接收上级站点输送的天然气，并将天然气调压输配至其他的站点或区域。
待检测天然气样本可以是需要进行组分检测的天然气。
进一步地，第一站点的待检测天然气样本可以是第一站点中需要进行天然气组分进行检测的天然气，其可以是第一站点中的全部或部分天然气。
在一些实施例中，待检测天然气样本的温度和压力可以通过在第一站点中设置的相应传感器(例如，温度传感器、压力传感器等，在本说明书一些实施例中对传感器的具体型号不做限制)获取得到，并实时记录在第一站点的存储设备中。
在一些实施例中，可以通过对象平台获取到第一站点中存储的待检测天然气的温度值和压力值。例如，对象平台可以作为相应的传感器对待检测天然气的温度值和压力值进行检测。又例如，对象平台按指定时间间隔分别提取第一站点中存储的待检测天然气在该时间点的温度值和压力值。
关于基于对象平台获取第一站点的待检测天然气样本的温度和压力的更多说明参见图5。
步骤320，基于对象平台获取第二站点的天然气样本的样本数据，样本数据包括天然气组分及对应的温度和压力。
样本数据是指可以作为参考样本的数据。样本数据中可以包括样本的相关参数。在一些实施例中，天然气样本的样本数据可以包括该天然气样本的天然气组分以及该组分对应的温度和压力值。
在一些实施例中，天然气样本数据可以通过对天然气样本进行实时测量获得。例如，通过安装的温度、压力传感器获取到天然气的温度和压力值，以及通过气相色谱分析仪分析天然气样本以获取到天然气样本的组分数据。
第二站点可以是对下级站点调压输配天然气的上级站点。可以理解的，第二站点(上级站点)可以对第一站点(下级站点)进行调压输配天然气，以使第一站点获得并存储天然气。
第二站点的天然气样本的样本数据可以是第二站点中的已知的天然气样本的组分数据及对应的温度和压力值。可以通过与第二站点对应的对象平台获取第二站点的天然气样本的样本数据。在一些实施例中，第二站点的天然气样本的样本数据可以是历史获取到的第二站点的天然气数据，如在历史生产中获取到的第二站点的部分天然气的温度、压力及对应的成分数据，并将该数据作为第二站点的天然气样本的样本数据。
步骤330，基于对象平台获取第一站点的天然气样本的样本数据，样本数据包括天然气组分及对应的温度和压力。
第一站点的天然气样本的样本数据可以是第一站点中的已知的天然气样本的组分及对应的温度和压力值。在一些实施例中，第一站点的天然气样本的样本数据可以是历史获取到的第一站点的天然气数据，如在历史生产中获取到的第一站点的部分天然气的温度、压力及对应的成分数据，并将该数据作为第一站点的天然气样本的样本数据。可以通过与第一站点对应的对象平台获取第一站点的天然气样本的样本数据，具体获取说明参见步骤320中获取第二站点的天然气样本的样本数据的说明。
在一些实施例中，第二站点的样本数据和第一站点的样本数据的确定方式不同，如第一站点的所述样本数据可以基于气相色谱实验分析方法获取，第二站点的样本数据可以通过气相色谱仪分析获取。
在一些实施例中，通过对如第一站点等下级站点的天然气样本进行气相色谱实验，获取得到天然气样本的样本数据(即，天然气组分以及其温度和压力)。可以理解的，通过对天然气样本进行气相色谱实验相比气相色谱仪(后续采用的组分分析方法)方法，操作更加便捷，实验所需的(包括设备)成本更低。通常情况下，考虑经济成本，气相色谱仪仅设置于天然气上级站点(如第二站点)中，而在下级站点(如第一站点)可以通过气相色谱实验来进行组分分析。
在一些实施例中，可以通过如第二站点等上级站点中设置的气相色谱仪对第二站点中的天然气样本进行检测，从而获取到天然气样本的样本数据(即，天然气组分以及其温度和压力)。
关于上级站点及下级站点的分类及设置可以提前基于预定的评估规则设定，如基于站点覆盖的供气区域、站点建筑规模、供气量等进行综合评估认定。
在一些实施例中，可以通过对象平台获取到第一站点中存储的天然气样本的样本数据。例如，对象平台可以作为相应的传感器对下级站点中的天然气样本的天然气组分及温度和压力进行检测。又例如，对象平台可以按指定时间提取上级站点通过气相色谱仪获取到的天然气组分及其温度和压力。
步骤340，基于通过传感网络平台汇总的第一站点和第二站点的样本数据和第一站点的待检测天然气样本的温度和压力，确定第一站点的待检测天然气样本的天然气组分。
天然气组分可以是天然气中包含的多种可燃和不可燃的气体含量，例如，可燃的低分子饱和烃类气体：甲烷、乙烷、丙烷、丁烷等；不可燃的非烃类气体：二氧化碳、一氧化碳、氮气、氢气等。即使是相同体积的不同成分的天然气燃烧时，产生的热量也可能不同，因此，可以通过确定天然气组分获得准确的能量计量，进而实现将指定计量的天然气传输至其他天然气站点或区域。
在一些实施例中，第一站点的待检测天然气样本的天然气组分可以是，下级站点中需要进行组分检测的天然气样本中的烃类气体和非烃类气体含量。可以通过该天然气组分，以使下级站点精准的将指定计量的天然气传输至其他天然气站点或区域。
在一些实施例中，管理平台可以通过多种方式实现基于第一站点和第二站点的样本数据和第一站点的待检测天然气样本的温度和压力，确定第一站点的待检测天然气样本的天然气组分。例如，管理平台可以基于查表插值的方法确定第一站点的待检测天然气样本的天然气组分。
在一些实施例中，查表插值的方法包括用获取到的所述天然气样本的样本数据建表，可以是将获取到的第一站点、第二站点的样本数据(天然气组分及其温度和压力)进行建表。
可以理解，根据一对温度和压力值与对应的天然气组分进行对应进行建表，其中，构建好的表中的一对温度和压力值对应一组天然气组分。例如，20℃、2000pa对应天然气组分A：甲烷85％，乙烷10％，其他多烷烃为3.5％，硫化氢和氢气等其他可燃气体1.5％；22℃、2000pa对应一组天然气组分B：甲烷85.1％，乙烷10.3％，其他多烷烃为3.1％，硫化氢和氢气等其他可燃气体1.5％。
基于待检测天然气样本的温度和压力进行查表插值，获取到表中该温度和压力值对应的天然气组分，即为待检测天然气样本的天然气组分。例如，若待检测天然气样本的温度和压力分别为20℃、2000pa，则可以将天然气组分A作为该待检测天然气样本的预测组分。更多关于确定待检测天然气样本的天然气组分的说明参见图4-图7的内容。
在一些实施例中，通过已知天然气样本的样本数据进行建表，通过非检测类的方法(如查表插值中的对应关系)，即可以快速且精确得确定待检测天然气样本在某温度和压力下对应的天然气组分，避免了试验或检测的复杂操作，可以实现基于前期有限次数的数据测试或利用历史获取的测试数据，后续在得知压力和温度数据后即可获取天然气的组分，有利于节约测试成本、测试人力及测试时间。
在一些实施例中，在确定了待检测天然气样本的天然气组分后，还可以进一步进行以下操作步骤：
步骤350，基于待检测天然气样本的天然气组分，确定待检测天然气样本的发热量。
天然气样本的发热量可以是单位体积或质量的天然气燃烧时所产生的热量。在一些实施例中，天然气的发热量可以通过天然气组分确定。例如，天然气的发热量可以根据天然气组分中计算得到。可以理解的，可以通过获取到精确的天然气组分，进而确保精确的天然气发热量。
在一些实施例中，待检测天然气样本的发热量可以通过网外云平台基于待检测天然气样本的组分数据生成。网外云平台是指独立于物联网***以外的云平台，如可以为第三方云平台。
在一些实施例中，可以将待检测天然气样本的组分数据发送给***外部的网外云平台，可以获得网外云平台进行相关计算并返回的待检测天然气样本的发热量。
在一些实施例中，待检测天然气样本的发热量可以通过具有数据计算功能的终端(例如，外接处理器)基于待检测天然气样本的组分数据生成。可以理解的，可以将待检测天然气样本的组分数据发送给外接处理器，获取得到由外接处理器对其进行计算并返回的发热量。
步骤360，基于待检测天然气样本的发热量对下游燃气表进行能量计量，并通过服务平台将能量计量结果发送到用户平台。
下游燃气表可以是用于记录并显示天然气站点(例如，天然气下级站点)输出天然气能量计量的装置，可以理解的，天然气下级站点对用户住宅区域输出的天然气能量计量会实时记录在下游燃气表中。进一步地，用户可以通过下游燃气表了解当月所消耗的天然气能量计量。
能量计量可以是指天然气计量的热值计量方式，可以理解的，天然气的能量计量由天然气指定体积内燃烧所产生的热量值来确定。进一步地，天然气的热量产生可以取决于天然气中的可燃烧气体的含量，例如，甲烷等。
在一些实施例中，可以基于待检测天然气样本的发热量对下游燃气表进行能量计量，并通过服务平台将能量计量结果发送到用户平台。可以理解的，通过能量计量的方式对用户实际使用天然气进行计算，进一步进行计价。例如，通过发热量乘以一个损耗系数(损耗系数可以根据实际情况或经验值进行设定)，得到的计算结果作为用户实际天然气用量。
在一些实施例中，可以通过服务平台将能量计量结果发送给用户平台，以使用户可以在用户平台中观察到预设时间内使用的天然气能量计量。例如，服务平台在每次计算得到天然气能量计量结果时，将其发送给用户平台，用户平台可以实时展示给客户获取到的天然气能量计量结果，以便用户对以后的用气进行规划，或在出现异常用气统计时，及时通过用户平台上报异常。
图4是根据本说明书一些实施例所示通过预测模型确定待检测天然气样本的组分的示例图。
在一些实施例中，可以通过预测模型，基于第一站点的样本数据、第二站点的样本数据，以及第一站点的待检测天然气样本的温度和压力，确定待检测天然气样本的天然气组分。
进一步地，预测模型可以是机器学习模型，例如，神经网络，深度神经网络等。
预测模型的输入可以是第一站点、第二站点的样本数据(例如，已知的天然气样本组分及其对应的温度和压力)，以及第一站点的待检测天然气样本的温度和压力；其输出可以是待检测天然气样本的天然气组分。可以理解的，将第一站点、第二站点的天然气样本组分及其对应的温度和压力，以及第一站点的待检测天然气样本的温度和压力输入预测模型，可以获取到从预测模型输出的待检测天然气样本的天然气组分。
在一些实施例中，可以基于多组带有标签的训练样本训练预测模型。具体的，将带有标签的训练样本输入预测模型，通过训练更新预测模型的参数。
在一些实施例中，一组训练样本可以包括：从第一站点和第二站点获取的已知天然气样本的样本数据，然后随机遮挡部分样本数据中的组分数据，并将被遮挡组分数据的样本作为训练时的待测样本。在一些实施例中，训练样本可以从第一站点和第二站点中获取得到，例如，通过对象平台从第一站点、第二站点获取到的多组天然气样本的样本数据，包括天然气样本在多组温度及压力下对应的组分数据。
在一些实施例中，模型训练时的标签可以是上述被遮挡的组分值。
在一些实施例中，标签的获取方式可以是通过对天然气样本的天然气组分进行测量获取得到，例如，通过气象色谱实验获取等。
在一些实施例中，预测模型可以基于上述样本，通过各种方法进行训练更新模型参数。例如，可以基于梯度下降法进行训练。
在一些实施例中，当训练中的预测模型满足预设条件时，训练结果。其中，预测条件可以是损失函数结果收敛或小于预设阈值等。
根据以上描述，通过大量训练样本训练好的预测模型，可以基于输入的第一站点、第二站点已知的样本数据，以及第一站点的待检测天然气样本的温度和压力，快速得获取到从预测模型输出的更为精确的待检测天然气样本的天然气组分。可以提高获取天然气样本的天然气组分的精确度和效率，进而提高天然气能量计量以及其计价的精准度。
图5是根据本说明书一些实施例所示获取第一站点的待检测天然气样本的温度和压力的示例图。
如图5所示，在一些实施例中，获取第一站点的待检测天然气样本的温度和压力的方法可以包括：对待检测天然气样本做还原处理，获取还原过程中的多个温度及压力下的多个待检测天然气样本。
还原处理可以是将待检测天然气样本的温度、压力变化到提取时的温度及压力的过程。提取时的温度及压力是指从上级站点获取到天然气时的温度和压力。由于各个站点存储条件、运输条件等不相同。而天然气运输、存储条件的变化等会导致温度、压力发生变化，温度及压力的变化会对其组分测量带来一定的误差。通过将待检测天然气样本的温度、压力还原到提取时的温度及压力，可以缩小由于温度、压力的变化带来的组分测量的误差，进而提升获得的待检测天然气样本的天然气组分的准确性。
在一些实施例中，天然气样本提取时的温度和压力可以是在其存储的站点进行记录保存的，例如，可以基于第一站点或第二站点中记录的数据获取待检测天然气样本提取时的温度和压力数据。
在一些实施例中，还原处理的过程可以包括增压、降压、升温、降温等操作，例如，从第一站点获取的待检测天然气样本当前的温度和压力分别为20℃、2300pa，基于第一站点存储的数据得到该待检测天然气样本提取时(即还原的目标)的温度和压力分别为23℃、2000pa。由此，需要对待检测天然气样本进行升温及降压处理。
还原过程中的多个温度及压力可以根据预设数据采集条件确定，例如，若预设数据采集条件为在还原过程中，温度每变化1摄氏度或压力每变化100Pa即采集一次样本数据，则可以基于预设数据采集条件在还原过程中获取多个温度及压力下的数据样本。仅作为示例的，预设数据采集条件为温度每变化0.5摄氏度即采集一次数据时，上述例子还原过程中的多个温度可以为20.5℃、21℃、21.5℃、22℃以及22.5℃，相应的压力可以是当待检测天然气样本的温度变化至上述温度点时，对应的待检测天然气样本的压力。
在一些实施例中，可以在还原过程中获取到待检测天然气样本的多个温度及压力，并将在多个温度及压力下待检测天然气样本作为多个待检测天然气样本。以上述例子为例：在将天然气样本提取时的温度和压力20℃、2300pa，还原至23℃、2000pa，其过程中，可以获取得还原过程中的多组温度及压力：20.5℃、2250pa；21℃、2200pa；21.5℃、2150pa；22℃、2100pa以及22.5℃、2050pa。在上述多个温度及压力下的天然气样本可以作为获取的还原过程中的多个待检测天然气样本。
在一些实施例中，可以理解的，还原处理可以使样本的温度和压力更接近提取时的温度和压力，减少了由于样本存储环境的温度和压力变化所带来的误差，进一步地提高了预测的组分数据的准确性。
在一些实施例中，可以在还原处理过程中做多次测试，用于预测待检测天然气样本在相应温度及压力下的组分。
多次测试可以是在还原处理的过程中，针对不同温度和压力下的天然气样本分别进行测试，以获取待检测天然气样本在相应温度压力下的组分。例如，可以通过气相色谱实验进行多次测试。仅作为示例的，可以分别对上述多组温度及压力(如20.5℃、2250pa；21℃、2200pa；21.5℃、2150pa；22℃、2100pa以及22.5℃、2050pa)下的天然气样本分别进行组分测试，以得到多个样本数据。
预测组分可以是对不同温度及压力下的天然气组分进行预测或测试，获取到的天然气组分可以作为相应温度及压力下对应的组分。例如，可以对在温度及压力为20.5℃、2250pa的待测天然气样本进行组分测试，得到组分数据A，并按照此方式，分别得到待测天然气样本在21℃、2200pa条件下的组分数据B等。
在一些实施例中，可以通过多次测试获取到待检测天然气在多个温度及压力下对应的天然气组分，由此将每一组待检测天然气样本(包括相应的温度、压力及其中的天然气组分)作为已知样本，可以减少由于样本数量不足带来的误差，例如，可以将多次测试获取到的待检测天然气在多个温度及压力下对应的天然气组分作为前述查表插值的数据源，以增加所建的数据表中数据的数量，提升数据表的准确性。
在一些实施例中，可以基于机器学习模型处理待检测天然气样本提取时的温度和压力、所述待检测天然气样本的多个温度和压力及其对应的组分数据，预测待检测天然气样本提取时的组分数据。
提取时的组分数据可以是待检测天然气样本在提取时温度和压力下对应的组分数据，基于提取时的组分数据可以得到更准确的能量计量数据，进而可以得到更加精准的计价数据。
在一些实施例中，机器学习模型可以是神经网络或深度神经网络。
在一些实施例中，机器学习模型的输入可以是待检测天然气样本提取时的温度和压力，以及还原过程中待检测天然气样本的多个温度、压力及其对应的组分数据，其中，还原过程中待检测天然气样本的多个温度、压力及其对应的组分数据可以分别以样本数据1、样本数据2、…样本数据n表示，以前述例子为例，样本数据1可以包括以下数据：20.5℃、2250pa、组分数据A；样本数据2可以包括以下数据：21℃、2200pa、组分数据B。
机器学习模型的输出可以是待检测样本提取时的组分数据。可以理解的，将待检测天然气样本提取时的温度和压力，以及还原过程中待检测天然气样本的多个温度、压力及其对应的组分数据输入机器学习模型，可以从机器学习模型输出待检测天然气样本提取时的天然气组分。
在一些实施例中，可以基于多组带有标签的训练样本训练机器学习模型。具体的，将带有标签的训练样本输入机器学习模型，通过训练更新机器学习模型的参数。
在一些实施例中，一组训练样本可以包括历史待检测天然气样本提取时的温度和压力，以及历史待检测天然气样本在历史还原过程中的多个温度和压力及其对应的组分。
在一些实施例中，标签可以是历史待检测天然气样本提取时的天然气组分。
在一些实施例中，标签的获取方式可以是通过对提取时待检测天然气样本做组分的检测获取得到，例如，通过气相色谱实验获取提取时的天然气组分。
在一些实施例中，机器学习模型可以基于上述样本，通过各种方法进行训练更新模型参数。例如，可以基于梯度下降法进行训练。
在一些实施例中，当训练中的机器学习模型满足预设条件时，训练结束。其中，预设条件可以是损失函数结果收敛或小于预设阈值等。
在一些实施例中，通过机器学习模型预测待检测天然气样本提取时的温度和压力的组分数据，相较于通过实验方式(例如，气相色谱实验)分析提取时的组分数据，准确性以及效率更高。
如图6为本说明书一些实施例所示检测待检测天然气样本提取时的组分数据的示例图。
在一些实施例中，可以通过预测模型处理第一站点的天然气样本的样本数据、第二站点的天然气样本的样本数据、待检测天然气样本的温度和压力，预测待检测天然气样本提取时的组分数据。其中，如图6所示，预测模型可以包括多个变换层和预测层。
在一些实施例中，预测模型可以为深度神经网络。在一些实施例中，预测模型可以包括多个变换层和预测层。
在一些实施例中，预测模型还可以为多个模型组合而成，仅作为示例的，预测模型可以为多个变换层模型以及预测层模型组合而成。
在一些实施例中，预测模型的输入可以是待检测天然气样本的温度和压力，以及第一站点、第二站点的样本数据(包括天然气组分及其对应的温度和压力)，输出可以是待检测天然气样本提取时的组分数据。
在一些实施例中，多个变换层的输入可以是已知天然气样本的样本数据(例如，第一站点、第二站点的天然气组分及其对应的温度和压力)，输出可以是基于输入的已知天然气样本的样本数据预测的已知天然气样本在提取时的温度、压力及其组分数据(例如，还原后的温度、压力及组分数据)。预测层的输入可以是待检测天然气样本的温度和压力，以及变换层的输出(即已知天然气样本在提取时的温度、压力及其组分数据)。预测层的输出可以为待检测天然气样本在提取时的组分数据。
在一些实施例中，预测模型的训练可以是先对变换层进行预训练，然后再将变换层与预测层进行联合训练。
对变换层的预训练可以是先预设预测层的参数，然后根据带有标签的训练样本对变换层进行训练，训练样本可以是第一站点、第二站点的多个已知天然气样本的在提取时的样本数据，可以将部分样本数据中的提取时的组分数据进行遮挡，并将被遮挡组分数据的已知样本作为待评估样本。其训练样本的标签可以是被遮挡的组分数据的值。在一些实施例中，可以基于上述样本通过各种方法进行训练更新变换层的参数。例如，梯度下降法进行训练。在一些实施例中，当训练中的变换层满足预设条件时，训练结束。其中，预设条件可以是损失函数结果收敛或小于预设阈值等。
在一些实施例中，可以将预训练好的至少一个变换层与预测层进行端到端的联合训练。具体的，在一轮迭代训练中，训练样本包括：多个已知样本数据及待评估样本数据，其中，第一站点、第二站点的已知天然气样本的样本数据(包括天然气组分及其温度和压力)即可作为已知样本数据，通过将部分已知提取时样本数据的天然气样本的组分数据进行遮挡，即可将被遮挡组分数据的已知提取时样本数据的天然气样本作为待评估样本数据，将上述多个已知样本数据分别对应输入多个变换层，将待评估样本数据输入预测层，确定至少一个变换层的损失函数a(多个变换层时则可以对应为多个损失函数，如a1、a2、a3等)，以及预测层的损失函数b，通过将损失函数a和损失函数b进行处理，构造联合损失函数。
在一些实施例中，损失函数a和损失函数b进行处理时，还可以为两个损失函数赋予权重，例如两者平均加权。所述权重可以预先预定，以反映两者对预测模型不同重视程度。在一些实施例中，联合损失函数Lossc可以表示为：Lossc＝LossA+LossB。
进一步地，基于联合损失函数更新预测模型的参数，由于变换层已经过预训练，在联合训练时，可以采用主要更新预测层的参数的方式对模型的参数进行更新。
在一些实施例中，在当预测模型为多个变换层和预测层时，以使预测模型的每个模型层更具有针对性，提升每个层的预测准度以及预测模型整体输出的准确度。进一步地，通过采用端到端的联合训练的方式以使模型训练更加简洁。
图7是根据本说明书一些实施例所示确定待检测天然气样本的组分的示例图。
在一些实施例中，通过预测模型，基于第一站点的所述样本数据、所述第二站点的样本数据，以及第一站点的待检测天然气样本的温度和压力，确定待检测天然气样本的天然气组分包括：通过预测模型，基于修正系数、第一站点的样本数据、第二站点的样本数据，以及第一站点的待检测天然气样本的温度和压力，确定待检测天然气样本的天然气组分。其中，修正系数基于待检测天然气样本还原前的温度和/或压力与提取时的温度和/或压力确定。
修正系数可以是由预测模型作为对待检测天然气样本的天然气组分进行修正的程度的参考系数。在一些实施例中，修正系数可以与待检测天然气样本还原前与提取是的温差或压差相关。
在一些实施例中，修正系数可以为待检测天然气样本还原前的温度或压力与提取时的温度或压力的差值。
在一些实施例中，以上述例子为例，待检测天然气样本还原前的温度和压力为20℃、2300pa，提取时的温度和压力为23℃、2000pa。可以理解的，修正系数可以是23℃-20℃＝3，或2000pa-2300pa＝-300，可知修正系数可以是3或-300。
在一些实施例中，将待检测天然气样本还原前的温度和压力分别减去提取时的温度和压力，对温度和压力的差值进行加权，得到修正系数。
在一些实施例中，以上述例子为例，待检测天然气样本还原前的温度和压力为20℃、2300pa，提取时的温度和压力为23℃、2000pa。可以理解的，基于温度变化确定的修正系数为-3，基于压强变化确定的修正系数为300；则可以将两个修正系数进行加权求和以得到最终的修正系数。例如，基于历史经验判断温度变化与压强变化相较而言，温度变化对天然气组分的影响较小，则可以给基于温度确定的修正系数分配相对较小的权重，如0.2，对应的，可以给基于压强确定的修正系数分配更大的权重，如0.8，则最终的修正系数为239.4(-3*0.2+300*0.8＝239.4)。
在一些实施例中，预测模型的输入可以为修正系数、第一站点的天然气样本的样本数据、第二站点的天然气样本的样本数据，以及第一站点的待检测天然气样本的温度和压力；其输出可以为待检测天然气样本的天然气组分。
在一些实施例中，一组训练样本可以包括：从第一站点和第二站点获取的已知天然气样本的样本数据，然后随机遮挡部分样本数据中的组分数据，并将被遮挡组分数据的样本作为训练时的待测样本，以及待检测天然气样本的修正系数，标签可以是被遮挡的组分值。
可以理解的，预测模型与图4中的预测模型相似，关于预测模型的训练方法详细说明请参见图4中的相关说明。
在一些实施例中，通过预测模型中加入待检测天然气样本的修正系数，可以进一步为预测模型提供预测依据，有利于提高预测精度。
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。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，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。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的***组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的***。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
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。

Claims (8)

1.一种天然气能量计量组分获取方法，所述方法由管理平台执行，所述方法包括：
基于对象平台获取第一站点的待检测天然气样本的温度和压力；
基于所述对象平台获取第二站点的天然气样本的样本数据，所述样本数据包括天然气组分及对应的温度和压力；
基于所述对象平台获取第一站点的天然气样本的样本数据；所述样本数据包括天然气组分及对应的温度和压力；
基于通过传感网络平台汇总的所述第一站点和所述第二站点的所述样本数据和所述第一站点的所述待检测天然气样本的温度和压力，通过预测模型确定所述第一站点的所述待检测天然气样本的天然气组分，所述预测模型为机器学习模型，所述预测模型包括多个变换层和预测层，所述多个变换层的输入包括第一站点、第二站点的天然气组分及其对应的温度和压力，所述多个变换层的输出为所述第一站点、第二站点的天然气组分还原后的温度、压力及组分数据，所述预测层的输入包括所述待检测天然气样本的温度、压力以及所述多个变换层的输出，所述预测层的输出为待检测天然气样本在提取时的组分数据，所述预测模型的训练包括：
对所述变换层进行预训练，得到经过预训练的变换层；
将所述经过预训练的变换层与所述预测层进行联合训练，得到所述预测模型。
2.根据权利要求1所述的方法，所述基于对象平台获取第一站点的待检测天然气样本的温度和压力包括：对所述待检测天然气样本做还原处理，基于对象平台获取还原过程中的多个温度及压力下的多个所述待检测天然气样本。
3.根据权利要求1所述的方法，所述基于通过传感网络平台汇总的所述第一站点和所述第二站点的所述样本数据和所述第一站点的所述待检测天然气样本的温度和压力，通过预测模型确定所述第一站点的所述待检测天然气样本的天然气组分包括：
通过预测模型，基于修正系数、所述第一站点的所述样本数据、所述第二站点的所述样本数据，以及所述第一站点的所述待检测天然气样本的温度和压力，确定所述待检测天然气样本的天然气组分；
所述修正系数基于所述待检测天然气样本还原前的温度和/或压力与提取时的温度和/或压力确定。
4.一种用于天然气能量计量组分获取的物联网***，所述***包括对象平台、传感网络平台、管理平台，所述管理平台被配置为执行以下操作：
基于对象平台获取第一站点的待检测天然气样本的温度和压力；
基于所述对象平台获取第二站点的天然气样本的样本数据，所述样本数据包括天然气组分及对应的温度和压力；
基于所述对象平台获取第一站点的天然气样本的样本数据；所述样本数据包括天然气组分及对应的温度和压力；
基于通过传感网络平台汇总的所述第一站点和所述第二站点的所述样本数据和所述第一站点的所述待检测天然气样本的温度和压力，通过预测模型确定所述第一站点的所述待检测天然气样本的天然气组分，所述预测模型为机器学习模型，所述预测模型包括多个变换层和预测层，所述多个变换层的输入包括第一站点、第二站点的天然气组分及其对应的温度和压力，所述多个变换层的输出为所述第一站点、第二站点的天然气组分还原后的温度、压力及组分数据，所述预测层的输入包括所述待检测天然气样本的温度、压力以及所述多个变换层的输出，所述预测层的输出为待检测天然气样本在提取时的组分数据，所述预测模型的训练包括：
对所述变换层进行预训练，得到经过预训练的变换层；
将所述经过预训练的变换层与所述预测层进行联合训练，得到所述预测模型。
5.根据权利要求4所述的***，所述对象平台被配置为进一步执行以下操作：获取对所述待检测天然气样本做还原处理过程中，多个温度及压力下的多个所述待检测天然气样本。
6.根据权利要求4所述的***，所述管理平台被配置为进一步执行以下操作：
通过预测模型，基于修正系数、所述第一站点的所述样本数据、所述第二站点的所述样本数据，以及所述第一站点的所述待检测天然气样本的温度和压力，确定所述待检测天然气样本的天然气组分；
所述修正系数基于所述待检测天然气样本还原前的温度和/或压力与提取时的温度和/或压力确定。
7.一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，计算机运行如权利要求1至3中任一所述天然气能量计量组分获取方法。
8.一种天然气能量计量组分获取装置，所述装置包括处理器，所述处理器用于执行如权利要求1至3中任一所述的天然气能量计量组分获取方法。
CN202210387064.6A 2021-07-26 2022-04-14 一种天然气能量计量组分获取方法和物联网*** Active CN114740159B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210387064.6A CN114740159B (zh) 2022-04-14 2022-04-14 一种天然气能量计量组分获取方法和物联网***
US17/664,656 US11979697B2 (en) 2021-07-26 2022-05-24 Methods and internet of things systems for obtaining natural gas energy metering component

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210387064.6A CN114740159B (zh) 2022-04-14 2022-04-14 一种天然气能量计量组分获取方法和物联网***

Publications (2)

Publication Number Publication Date
CN114740159A CN114740159A (zh) 2022-07-12
CN114740159B true CN114740159B (zh) 2023-09-19

Family

ID=82280598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210387064.6A Active CN114740159B (zh) 2021-07-26 2022-04-14 一种天然气能量计量组分获取方法和物联网***

Country Status (1)

Country Link
CN (1) CN114740159B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115560249A (zh) * 2022-09-15 2023-01-03 中海石油(中国)有限公司海南分公司 一种供气调配方法、装置、服务器及计算机可读存储介质
CN117132026B (zh) * 2023-10-26 2024-01-12 成都秦川物联网科技股份有限公司 一种基于智慧燃气平台的燃气损耗管控方法与物联网***

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101383023A (zh) * 2008-10-22 2009-03-11 西安交通大学 基于样本动态组织与温度补偿的神经网络短期电力负荷预测
CN102590688A (zh) * 2012-03-13 2012-07-18 广州供电局有限公司 六氟化硫变压器运行工况评估方法
CN104197984A (zh) * 2014-08-21 2014-12-10 天信仪表集团有限公司 一种燃气能量计量方法
CN107358059A (zh) * 2017-09-01 2017-11-17 北京天诚同创电气有限公司 短期光伏能量预测方法和装置
CN107977513A (zh) * 2017-11-30 2018-05-01 北京石油化工学院 一种基于路径搜索的天然气管网内天然气动态流动时的温度预测方法
CN108038580A (zh) * 2017-12-30 2018-05-15 国网江苏省电力公司无锡供电公司 基于同步挤压小波变换的光伏功率多模型综合预测方法
CN108932863A (zh) * 2018-08-02 2018-12-04 成都秦川物联网科技股份有限公司 基于车联网的天气预告方法及车联网***
CN109993364A (zh) * 2019-04-01 2019-07-09 北京恒华龙信数据科技有限公司 一种天然气用气量的预测方法及装置
CN110162799A (zh) * 2018-11-28 2019-08-23 腾讯科技（深圳）有限公司 模型训练方法、机器翻译方法以及相关装置和设备
CN110674604A (zh) * 2019-09-20 2020-01-10 武汉大学 基于多维时序帧卷积lstm的变压器dga数据预测方法
CN111337071A (zh) * 2019-12-14 2020-06-26 中国石油化工股份有限公司天然气分公司计量研究中心 一种天然气计量评价***
CN111486930A (zh) * 2020-04-17 2020-08-04 中海石油气电集团有限责任公司 一种天然气能量计量赋值核查方法及***
CN111695591A (zh) * 2020-04-26 2020-09-22 平安科技（深圳）有限公司 基于ai的面试语料分类方法、装置、计算机设备和介质
CN111931721A (zh) * 2020-09-22 2020-11-13 苏州科达科技股份有限公司 年检标签颜色和个数的检测方法、装置及电子设备
CN112655004A (zh) * 2018-09-05 2021-04-13 赛多利斯司特蒂姆数据分析公司 用于异常检测和/或预测性维护的计算机实现的方法、计算机程序产品以及***
CN112825157A (zh) * 2019-11-20 2021-05-21 天津大学 一种气化产气预测方法、装置、设备及存储介质
WO2021099338A1 (en) * 2019-11-18 2021-05-27 UMNAI Limited Architecture for an explainable neural network
CN112986492A (zh) * 2019-12-17 2021-06-18 华为技术有限公司 一种建立气体浓度预测模型的方法及装置
CN113109506A (zh) * 2021-02-23 2021-07-13 农业农村部环境保护科研监测所 多种气体污染物用多点位采集监测***
CN113129164A (zh) * 2021-04-13 2021-07-16 中海石油气电集团有限责任公司 一种天然气管网天然气流量压力调度决策指标的计算方法
CN113176304A (zh) * 2021-04-14 2021-07-27 中山大学 一种基于神经网络气体识别的酒驾预警装置及其方法
CN113221304A (zh) * 2021-06-02 2021-08-06 中海石油气电集团有限责任公司 一种天然气管网能量间接赋值的计算***及方法
CN113570475A (zh) * 2021-07-26 2021-10-29 成都秦川物联网科技股份有限公司 智慧管网能量计量数据跨网共享方法及***
CN113946785A (zh) * 2021-10-18 2022-01-18 国家石油天然气管网集团有限公司 最优能耗费用计算***、能耗模型及其确定方法和设备
CN114117695A (zh) * 2021-11-10 2022-03-01 浙江能源天然气集团有限公司 一种快速预测天然气管网累积流量的方法
CN114300068A (zh) * 2021-11-19 2022-04-08 石化盈科信息技术有限责任公司 油干点预测计算方法、装置、计算机设备和存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9664093B2 (en) * 2015-03-27 2017-05-30 Caterpillar Inc. Method for calculating exhaust temperature
US20180024968A1 (en) * 2016-07-22 2018-01-25 Xerox Corporation System and method for domain adaptation using marginalized stacked denoising autoencoders with domain prediction regularization
US10523519B2 (en) * 2017-04-14 2019-12-31 Accenture Global Solutions Limited Comparative multi-forecasting analytics service stack for cloud computing resource allocation
US11263185B2 (en) * 2018-03-19 2022-03-01 Perkinelmer Informatics, Inc. Methods and systems for automating clinical data mapping and transformation
US20210164682A1 (en) * 2018-07-02 2021-06-03 Telefonaktiebolaget Lm Ericsson (Publ) Air quality control system and management
JP2021174385A (ja) * 2020-04-28 2021-11-01 三菱重工業株式会社 モデル最適化装置、モデル最適化方法、及びプログラム

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101383023A (zh) * 2008-10-22 2009-03-11 西安交通大学 基于样本动态组织与温度补偿的神经网络短期电力负荷预测
CN102590688A (zh) * 2012-03-13 2012-07-18 广州供电局有限公司 六氟化硫变压器运行工况评估方法
CN104197984A (zh) * 2014-08-21 2014-12-10 天信仪表集团有限公司 一种燃气能量计量方法
CN107358059A (zh) * 2017-09-01 2017-11-17 北京天诚同创电气有限公司 短期光伏能量预测方法和装置
CN107977513A (zh) * 2017-11-30 2018-05-01 北京石油化工学院 一种基于路径搜索的天然气管网内天然气动态流动时的温度预测方法
CN108038580A (zh) * 2017-12-30 2018-05-15 国网江苏省电力公司无锡供电公司 基于同步挤压小波变换的光伏功率多模型综合预测方法
CN108932863A (zh) * 2018-08-02 2018-12-04 成都秦川物联网科技股份有限公司 基于车联网的天气预告方法及车联网***
CN112655004A (zh) * 2018-09-05 2021-04-13 赛多利斯司特蒂姆数据分析公司 用于异常检测和/或预测性维护的计算机实现的方法、计算机程序产品以及***
CN110162799A (zh) * 2018-11-28 2019-08-23 腾讯科技（深圳）有限公司 模型训练方法、机器翻译方法以及相关装置和设备
CN109993364A (zh) * 2019-04-01 2019-07-09 北京恒华龙信数据科技有限公司 一种天然气用气量的预测方法及装置
CN110674604A (zh) * 2019-09-20 2020-01-10 武汉大学 基于多维时序帧卷积lstm的变压器dga数据预测方法
WO2021099338A1 (en) * 2019-11-18 2021-05-27 UMNAI Limited Architecture for an explainable neural network
CN112825157A (zh) * 2019-11-20 2021-05-21 天津大学 一种气化产气预测方法、装置、设备及存储介质
CN111337071A (zh) * 2019-12-14 2020-06-26 中国石油化工股份有限公司天然气分公司计量研究中心 一种天然气计量评价***
CN112986492A (zh) * 2019-12-17 2021-06-18 华为技术有限公司 一种建立气体浓度预测模型的方法及装置
CN111486930A (zh) * 2020-04-17 2020-08-04 中海石油气电集团有限责任公司 一种天然气能量计量赋值核查方法及***
CN111695591A (zh) * 2020-04-26 2020-09-22 平安科技（深圳）有限公司 基于ai的面试语料分类方法、装置、计算机设备和介质
CN111931721A (zh) * 2020-09-22 2020-11-13 苏州科达科技股份有限公司 年检标签颜色和个数的检测方法、装置及电子设备
CN113109506A (zh) * 2021-02-23 2021-07-13 农业农村部环境保护科研监测所 多种气体污染物用多点位采集监测***
CN113129164A (zh) * 2021-04-13 2021-07-16 中海石油气电集团有限责任公司 一种天然气管网天然气流量压力调度决策指标的计算方法
CN113176304A (zh) * 2021-04-14 2021-07-27 中山大学 一种基于神经网络气体识别的酒驾预警装置及其方法
CN113221304A (zh) * 2021-06-02 2021-08-06 中海石油气电集团有限责任公司 一种天然气管网能量间接赋值的计算***及方法
CN113570475A (zh) * 2021-07-26 2021-10-29 成都秦川物联网科技股份有限公司 智慧管网能量计量数据跨网共享方法及***
CN113946785A (zh) * 2021-10-18 2022-01-18 国家石油天然气管网集团有限公司 最优能耗费用计算***、能耗模型及其确定方法和设备
CN114117695A (zh) * 2021-11-10 2022-03-01 浙江能源天然气集团有限公司 一种快速预测天然气管网累积流量的方法
CN114300068A (zh) * 2021-11-19 2022-04-08 石化盈科信息技术有限责任公司 油干点预测计算方法、装置、计算机设备和存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"A Cascade of Artificial Neural Networks to Predict Transformers Oil Parameters";Shaban, K al;《IEEE TRANSACTIONS ON DIELECTRICS AND ELECTRICAL INSULATION》;第16卷(第2期);第516-523页 *
"Optimization of an absorption heat transformer with two-duplex components using inverse neural network and solved by genetic algorithm";Morales, LI et al;《APPLIED THERMAL ENGINEERING》;第85卷;第322-333页 *
"基于物联网水表的远程控制***及控制方法";邵泽华;《物联网技术》;第11卷(第5期);第73-77+80页 *
"基于组合预测模型的变压器油中溶解气体浓度预测";李忠明;《化工自动化及仪表》;第45卷(第8期);第607-610+639页 *
"融合实体类别信息的实体关系联合抽取";陈仁杰等;《计算机工程》;第48卷(第3期);第46-53页 *

Also Published As

Publication number Publication date
CN114740159A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN114740159B (zh) 一种天然气能量计量组分获取方法和物联网***
JP2021051769A (ja) 供給組成を推測するためのデータクレンジングシステムおよび方法
CN116642560B (zh) 基于智慧燃气物联网的超声波燃气表计量纠正方法和***
Li et al. A Wiener process model for accelerated degradation analysis considering measurement errors
Kang et al. Novel approach to detecting pipe bursts in water distribution networks
Free et al. Creating climate reference datasets: CARDS workshop on adjusting radiosonde temperature data for climate monitoring
US11979697B2 (en) Methods and internet of things systems for obtaining natural gas energy metering component
WO2011162592A1 (en) A method and system for validating energy measurement in a high pressure gas distribution network
CN106327082A (zh) 一种基于互联网云计算的医疗器械计量检测质控平台
CN110826855A (zh) 智能配电房状态监测传感器入网性能的检验方法及***
US11631060B2 (en) Additive manufacturing-coupled digital twin ecosystem based on a surrogate model of measurement
CN115681821B (zh) 用于智慧燃气设备管理的加臭自动控制方法和物联网***
Lu et al. Interval censored sampling plans for the gamma lifetime model
US11898895B2 (en) Methods and systems for natural gas data computation outside gas internet of things based on energy measuring
CN110276385A (zh) 基于相似性的机械部件剩余使用寿命预测方法
CN110138637A (zh) 测试数据处理方法、装置、计算机设备和存储介质
Gogolinskiy et al. Metrological assurance and standardization of advanced tools and technologies for nondestructive testing and condition monitoring (NDT4. 0)
US10156465B2 (en) Method for detecting anomalies in a distribution network, in particular a water distribution network
CN116719984B (zh) 一种智慧燃气数据管理方法、物联网***和存储介质
CN114400056A (zh) 一种基于天然气组分的能量计量方法和***
CN104392040B (zh) 一种基于测量不确定度的产品检验误判率计算方法
CN106546681A (zh) 用于测试燃气涡轮的***和方法
Prakash Probabilistic model for remaining fatigue life estimation of bridge components
Loftus et al. Relevance of methods and standards for the assessment of measurement system performance in a High-Value Manufacturing Industry
Chow et al. Novel engineering techniques to overcoming traditional challenges in online condition monitoring systems for power transformer

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