CN114838296B - 一种基于天然气用户使用序列的管道泄漏诊断方法及*** - Google Patents
一种基于天然气用户使用序列的管道泄漏诊断方法及*** Download PDFInfo
- Publication number
- CN114838296B CN114838296B CN202210178179.4A CN202210178179A CN114838296B CN 114838296 B CN114838296 B CN 114838296B CN 202210178179 A CN202210178179 A CN 202210178179A CN 114838296 B CN114838296 B CN 114838296B
- Authority
- CN
- China
- Prior art keywords
- natural gas
- pipeline
- leakage
- flow
- caused
- 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
Classifications
-
- 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
- F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
-
- 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
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提出一种基于天然气用户使用序列的管道泄漏诊断方法及***,包括:获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型;根据所述动态平衡模型识别天然气泄漏带来的天然气管道的流量变化量;根据所述流量变化量的值输出对应的天然气泄漏预警信息;本发明可利用用户使用序列进行实时高效的管道泄漏检测,保障检测识别的准确高效。
Description
技术领域
本发明涉及信号识别应用领域,尤其涉及一种基于天然气用户使用序列的管道泄漏诊断方法及***。
背景技术
现有的天然气管道恒压控制下难以直接通过测量管道内部压力变化来怎段管道的微小泄漏。现有的管道微小泄漏检测依赖于专有检漏仪器,检测成本高。如何在不增加额外成本的情况下,有效利用管道压力信号的扰动进行准确的泄漏检测成为当前的一大难题。
发明内容
鉴于以上现有技术存在的问题,本发明提出一种基于天然气用户使用序列的管道泄漏诊断方法及***,主要解决有效利用用户使用天然气造成的管道压力扰动信号,进行泄漏检测,减少对硬件设备的依赖性的问题。
为了实现上述目的及其他目的,本发明采用的技术方案如下。
一种基于天然气用户使用序列的管道泄漏诊断方法,包括:
获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型;
根据所述动态平衡模型识别天然气泄漏带来的天然气管道的流量变化量;
根据所述流量变化量的值输出对应的天然气泄漏预警信息。
可选地,获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型,包括:
根据所述管道压力变化信号确定对应时间段内用户数量及对应用户的开关时长;
根据所述用户数量及对应用户的开关时长确定对应时间段内用户使用带来的流量变化;
根据预设的泄漏带来的天然气管道流量变化模型,确定所述压力偏差与天然气管道流量的动态平衡模型。
可选地,所述压力偏差与天然气流量的动态平衡模型表示为:
其中,p为管道压力变化信号;q为总的天然气流量变化量,q=qu+qf,qu为用户使用带来的天然气流量变化,qf为泄漏带来的天然气管道流量变化;λ为天然气泄漏速率;f(p,q)为未发生天然气泄漏的情况下管道压力变化信号与天然气流量的关系式。
可选地,所述泄漏带来的天然气管道流量变化模型表示为:
qf=(1-e-λt)δf
其中,qf为泄漏带来的天然气流量变化;δf为泄漏流量;λ为泄漏速率。
可选地,根据所述动态平衡模型识别泄漏带来的天然气管道流量变化量,包括:
通过非线性基逼近所述动态平衡模型得到近似模型,并通过预先构建的目标函数求解所述近似模型,得到所述泄漏带来的天然气管道流量变化量。
可选地,所述近似模型表示为:
其中,φ(p,q)为非线性基,W为线性权重,∈为逼近误差,p为管道压力变化信号;
通过对所述线性权重采用学习算法函数进行迭代更新,使得所述目标函数达到最优解,以确定此时泄漏带来的天然气管道流量变化量;
所述泄漏带来的天然气管道流量变化量表示为:
其中,φ的逆函数为φ-1=[p,q]T,qu为用户使用带来的天然气流量变化。
可选地,所述目标函数表示为:
其中,α>0为误差衰减因子,β>0为流量灵敏度最大化权重,s为预设时间节点。
可选地,所述学习算法函数表示为:
其中,a为学习速率;的学习过程中必须满足存在广义左逆的约束,如果更新的不满足广义左逆约束则使用最短距离投影的办法将/>矫正到满足所述广义左逆约束的值。
可选地,根据所述流量变化量的值输出对应的天然气泄漏预警信息,包括:
当所述流量变化量大于预设的变化量阈值时,判定当前天然气管道发声微泄漏,输出微泄漏预警信息,并根据所述流量变化量的变化曲线获取天然气泄漏速率;
根据所述天然气泄漏速率的大小输出对应的管道泄漏发展情况。
一种基于天然气用户使用序列的管道泄漏诊断***,包括:
模型构建模块,用于获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型;
泄漏量识别模块,用于根据所述动态平衡模型识别天然气泄漏带来的天然气管道的流量变化量;
泄漏预警模块,用于根据所述流量变化量的值输出对应的天然气泄漏预警信息。
如上所述,本发明一种基于天然气用户使用序列的管道泄漏诊断方法及***,具有以下有益效果。
利用用户开关天然气的动作引起的管道压力变化信号,建立管道流量的动态平衡模型,根据该动态平衡模型识别由泄漏带来的流量变化量,启动泄漏预警,可在检测用户使用情况的同时,进行准确的泄漏评估,保障泄漏反馈的实时性和准确性。
附图说明
图1为本发明一实施例中基于天然气用户使用序列的管道泄漏诊断方法的流程示意图。
图2为本发明一实施例中基于天然气用户使用序列的管道泄漏诊断***的模块图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,本发明提供一种基于天然气用户使用序列的管道泄漏诊断方法,包括:
步骤S01,获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型;
步骤S02,根据所述动态平衡模型识别天然气泄漏带来的天然气管道的流量变化量;
步骤S03,根据所述流量变化量的值输出对应的天然气泄漏预警信息。
下面结合具体实施例对本发明基于天然气用户使用序列的管道泄漏诊断方法的具体实施步骤进行详细阐述。
在步骤S01中,获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型。
在一实施例中,可在用户燃气终端管路附近布设压力传感器,如可设置在天然气***调压器或调压箱的后端,用于检测由用户开关动作引起的管道压力变化信号压力传感器可采用中高压输入源,以保障检测微弱压力变化信号的准确性。
在对压力传感器检测的压力信号进行离散微分操作之前,可滤除压力传感器的噪声,如传感器前端带来的压力振动和管路气体流动引起的压力震动等无关信号成分。
压力信号的信号形态分为四种情况:
情况一:用户零星使用,用户的开间隔时间大于压力的恢复时间,压力信号将呈现微小的v型特征。
情况二:用户零星使用,用户的关间隔时间大于压力的恢复时间,压力信号将呈现微小的倒v型特征。
情况三:多用户之间的开间隔时间小于压力的恢复时间,压力信号呈现下降型阶梯信号。
情况四:多用户之间的关间隔时间小于压力的恢复时间,压力信号呈现上升型阶梯信号。
根据不同情况下压力信号的叠加,得到天然气用户的使用序列,用户的流量变化通常表现为开关特性,叠加在一起呈现一种类似于阶梯的突变特性。管道内的微小泄漏可能在用户使用扰动下动态压力特性发生微小变化。可利用用户使用天然气的开关序列信息作为对应管道压力变化信号。
在一实施例中,获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型,包括:
根据所述管道压力变化信号确定对应时间段内用户数量及对应用户的开关时长;
根据所述用户数量及对应用户的开关时长确定对应时间段内用户使用带来的流量变化;
根据预设的泄漏带来的天然气管道流量变化模型,确定所述压力偏差与天然气管道流量的动态平衡模型。
具体地,在已知天然气用户使用开关序列后,其某点压力偏差与流量动态关系在恒压控制***的作用下,可以表示为:
其中,p为管道压力变化信号;λ为天然气泄漏速率;f(p,q)为未发生天然气泄漏的情况下管道压力变化信号与天然气流量的关系式。而发生的微泄漏可以考虑为关于流量的微小变化,则
q=qu+qf
其中,qu为用户带来的流量变化,而qf为泄漏带来的流量变化。而泄漏带来的流量变化将呈现出一种长期特性,也就是这种泄漏带来的流量,在未经发现修复的情况下是长期的。
其中用户带来的流量变化qu可以被描述为
qu=Nδu
其中δu为用户最小量化流量,N为一正整数,在前述步骤得到天然气用户使用开关序列后,可根据使用开关序列确定用户使用带来的流量变化qu。而泄漏带来的流量变化可以被描述为:
qf=(1-e-λt)δf (2)
其中δf为泄漏流量,λ为泄漏速率,泄漏速率可以分两种情况,慢变泄漏λ是一较小的正数,通常小于1,而对于突变泄漏,λ是一较大正数,通常大于1。
而δf和δu通常不相等。
若出现了非常微小的泄漏,则引起压力与流量的动态关系发生变化,而对于泄漏的判断是基于对δf的识别。因此可基于此将微泄漏的检测问题转化为对泄漏流量δf的识别,从q中将其鉴别出来。
在步骤S02中,根据所述动态平衡模型识别泄漏带来的天然气管道流量变化量。
在一实施例中,根据所述动态平衡模型识别泄漏带来的天然气管道流量变化量,包括:
通过非线性基逼近所述动态平衡模型得到近似模型,并通过预先构建的目标函数求解所述近似模型,得到所述泄漏带来的天然气管道流量变化量。
可选地,所述近似模型表示为:
其中,φ(p,q)为非线性基,W为线性权重,∈为逼近误差,p为管道压力变化信号;
通过对所述线性权重采用学习算法函数进行迭代更新,使得所述目标函数达到最优解,以确定此时泄漏带来的天然气管道流量变化量;
所述泄漏带来的天然气管道流量变化量表示为:
其中,φ的逆函数为φ-1=[p,q]T,qu为用户使用带来的天然气流量变化。
具体地,假设式(1)可以用一关于非线性高维度基φ(p,q)线性组合逼近,此非线性基可以取径向基函数,但此非线性基必须满足唯一可逆,以便于逆向求取q。假设逼近误差为∈,(1)可以近似为以下公式。
然后在正常无泄漏的情况下δf=0,q=qu,又由于qu已知,因此p,q已知的情况下可以估计上述模型中的W,但由于估计模型的W可能存在多组解,因此考虑求取关于q最大灵敏度的解,便于检测微小泄漏。因此求取模型解W的目标函数为
其中,α>0为误差衰减因子,β>0为流量灵敏度最大化权重,s为预设时间节点。则关于求解W的学习算法函数为
其中a为学习速率。的学习过程中必须满足存在广义左逆的约束,可通过集合投影的办法满足此约束,即如果更新的/>不满足此约束则使用最短距离投影的办法将矫正到满足此约束的值。
根据此模型即可估算qf,假设φ的逆函数为φ-1=[p,q]T,则
在步骤S03中,根据所述流量变化量的值输出对应的天然气泄漏预警信息。
在一实施例中,当所述流量变化量大于预设的变化量阈值时,判定当前天然气管道发声微泄漏,输出微泄漏预警信息,并根据所述流量变化量的变化曲线获取天然气泄漏速率;
根据所述天然气泄漏速率的大小输出对应的管道泄漏发展情况。
具体地,可以通过设定阈值的办法检查qf的大小估计管道是否出现了微泄漏,若qf>qs,则认为发生了微泄漏,qs>0为设定的阈值,同时根据qf的变化曲线使用单参数估计的办法估计出公式(2)中的泄漏发展速度λ。其中单参数估计为现有技术,这里不再赘述。若λ很小,则认为发生了缓慢发展的损坏性泄漏,如果λ较大,则认为发生了突发的损坏泄漏。此发明可以通过对λ的估计,在泄漏较早的早期发现管道泄漏发展情况,为天然气管道安全监控提供更强的早期预警保障。
请参阅图2,本实施例中提供了基于天然气用户使用序列的管道泄漏诊断***,用于执行前述方法实施例中所述的基于天然气用户使用序列的管道泄漏诊断方法。由于***实施例的技术原理与前述方法实施例的技术原理相似,因而不再对同样的技术细节做重复性赘述。
在一实施例中,一种基于天然气用户使用序列的管道泄漏诊断***,包括:模型构建模块10,用于获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型;泄漏量识别模块11,用于根据所述动态平衡模型识别天然气泄漏带来的天然气管道的流量变化量;泄漏预警模块12,用于根据所述流量变化量的值输出对应的天然气泄漏预警信息。
综上所述,本发明一种基于天然气用户使用序列的管道泄漏诊断方法及***,可有效利用用户使用序列对应的压力信号扰动进行泄漏检测,减少对特定检测设备的依赖,降低检测成本;基于模型求解,获取准确的泄漏量估计值,保障泄漏识别的实时高效,有利于结合现有的天然气管道***进行有效泄漏检测。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,包括:
获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型,所述压力偏差与天然气流量的动态平衡模型表示为:
其中,p为管道压力变化信号;q为总的天然气流量变化量,q=qu+qf,qu为用户使用带来的天然气流量变化,qf为泄漏带来的天然气管道流量变化;λ为天然气泄漏速率;f(p,q)为未发生天然气泄漏的情况下管道压力变化信号与天然气流量的关系式;
根据所述动态平衡模型识别天然气泄漏带来的天然气管道的流量变化量;
根据所述流量变化量的值输出对应的天然气泄漏预警信息。
2.根据权利要求1所述的基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型,包括:
根据所述管道压力变化信号确定对应时间段内用户数量及对应用户的开关时长;
根据所述用户数量及对应用户的开关时长确定对应时间段内用户使用带来的流量变化;
根据预设的泄漏带来的天然气管道流量变化模型,确定所述压力偏差与天然气管道流量的动态平衡模型。
3.根据权利要求2所述的基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,所述泄漏带来的天然气管道流量变化模型表示为:
qf=(1-e-λt)δf
其中,qf为泄漏带来的天然气流量变化;δf为泄漏流量;λ为泄漏速率。
4.根据权利要求2所述的基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,根据所述动态平衡模型识别泄漏带来的天然气管道流量变化量,包括:
通过非线性基逼近所述动态平衡模型得到近似模型,并通过预先构建的目标函数求解所述近似模型,得到所述泄漏带来的天然气管道流量变化量。
5.根据权利要求4所述的基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,所述近似模型表示为:
其中,φ(p,q)为非线性基,W为线性权重,∈为逼近误差,p为管道压力变化信号;
通过对所述线性权重采用学习算法函数进行迭代更新,使得所述目标函数达到最优解,以确定此时泄漏带来的天然气管道流量变化量;
所述泄漏带来的天然气管道流量变化量表示为:
其中,φ的逆函数为φ-1=[p,q]T,qu为用户使用带来的天然气流量变化。
6.根据权利要求5所述的基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,所述目标函数表示为:
其中,α>0为误差衰减因子,β>0为流量灵敏度最大化权重,s为预设时间节点。
7.根据权利要求5所述的基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,所述学习算法函数表示为:
其中,a为学习速率;的学习过程中必须满足存在广义左逆的约束,如果更新的/>不满足广义左逆约束则使用最短距离投影的办法将/>矫正到满足所述广义左逆约束的值。
8.根据权利要求1所述的基于天然气用户使用序列的管道泄漏诊断方法,其特征在于,根据所述流量变化量的值输出对应的天然气泄漏预警信息,包括:
当所述流量变化量大于预设的变化量阈值时,判定当前天然气管道发声微泄漏,输出微泄漏预警信息,并根据所述流量变化量的变化曲线获取天然气泄漏速率;
根据所述天然气泄漏速率的大小输出对应的管道泄漏发展情况。
9.一种基于天然气用户使用序列的管道泄漏诊断***,其特征在于,包括:
模型构建模块,用于获取用户开关天然气动作引起的管道压力变化信号,并根据所述管道压力变化信号构建压力偏差与天然气管道流量的动态平衡模型,所述压力偏差与天然气流量的动态平衡模型表示为:
其中,p为管道压力变化信号;q为总的天然气流量变化量,q=qu+qf,qu为用户使用带来的天然气流量变化,qf为泄漏带来的天然气管道流量变化;λ为天然气泄漏速率;f(p,q)为未发生天然气泄漏的情况下管道压力变化信号与天然气流量的关系式;
泄漏量识别模块,用于根据所述动态平衡模型识别天然气泄漏带来的天然气管道的流量变化量;
泄漏预警模块,用于根据所述流量变化量的值输出对应的天然气泄漏预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210178179.4A CN114838296B (zh) | 2022-02-25 | 2022-02-25 | 一种基于天然气用户使用序列的管道泄漏诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210178179.4A CN114838296B (zh) | 2022-02-25 | 2022-02-25 | 一种基于天然气用户使用序列的管道泄漏诊断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114838296A CN114838296A (zh) | 2022-08-02 |
CN114838296B true CN114838296B (zh) | 2023-08-25 |
Family
ID=82561970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210178179.4A Active CN114838296B (zh) | 2022-02-25 | 2022-02-25 | 一种基于天然气用户使用序列的管道泄漏诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114838296B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07140034A (ja) * | 1993-11-19 | 1995-06-02 | Nkk Corp | パイプラインの漏洩検知方法 |
CN105546352A (zh) * | 2015-12-21 | 2016-05-04 | 重庆科技学院 | 基于声音信号的天然气管道微泄漏检测方法 |
CN106844814A (zh) * | 2016-09-30 | 2017-06-13 | 西安石油大学 | 一种大型复杂天然气管网***泄漏检测方法 |
WO2018137096A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于物联网和机器人的天然气泄漏警告***及方法 |
CN111664365A (zh) * | 2020-06-07 | 2020-09-15 | 东北石油大学 | 基于改进vmd和1dcnn的油气管道泄漏检测方法 |
CN111706785A (zh) * | 2020-07-28 | 2020-09-25 | 西南石油大学 | 一种天然气枝状管网泄漏管段识别方法 |
CN113124328A (zh) * | 2021-03-15 | 2021-07-16 | 湖南匡楚科技有限公司 | 一种天然气管道泄漏检测方法及*** |
CN113987908A (zh) * | 2021-09-09 | 2022-01-28 | 浙江浙能天然气运行有限公司 | 基于机器学习方法的天然气管网泄漏预警方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US10386262B2 (en) * | 2016-01-28 | 2019-08-20 | Utopus Insights, Inc. | Leak identification in a mass transport network |
-
2022
- 2022-02-25 CN CN202210178179.4A patent/CN114838296B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07140034A (ja) * | 1993-11-19 | 1995-06-02 | Nkk Corp | パイプラインの漏洩検知方法 |
CN105546352A (zh) * | 2015-12-21 | 2016-05-04 | 重庆科技学院 | 基于声音信号的天然气管道微泄漏检测方法 |
CN106844814A (zh) * | 2016-09-30 | 2017-06-13 | 西安石油大学 | 一种大型复杂天然气管网***泄漏检测方法 |
WO2018137096A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于物联网和机器人的天然气泄漏警告***及方法 |
CN111664365A (zh) * | 2020-06-07 | 2020-09-15 | 东北石油大学 | 基于改进vmd和1dcnn的油气管道泄漏检测方法 |
CN111706785A (zh) * | 2020-07-28 | 2020-09-25 | 西南石油大学 | 一种天然气枝状管网泄漏管段识别方法 |
CN113124328A (zh) * | 2021-03-15 | 2021-07-16 | 湖南匡楚科技有限公司 | 一种天然气管道泄漏检测方法及*** |
CN113987908A (zh) * | 2021-09-09 | 2022-01-28 | 浙江浙能天然气运行有限公司 | 基于机器学习方法的天然气管网泄漏预警方法 |
Non-Patent Citations (1)
Title |
---|
基于软件的输油气管道泄漏检测技术;赵堂玉;油气储运(09);1-7、61 * |
Also Published As
Publication number | Publication date |
---|---|
CN114838296A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10082249B2 (en) | Determining fluid leakage volume in pipelines | |
US10774723B2 (en) | Method and device for diagnosing a differential pressure sensor of a particle filter | |
Zhang et al. | A wavelet-based approach to abrupt fault detection and diagnosis of sensors | |
CN106844814B (zh) | 一种大型复杂天然气管网***泄漏检测方法 | |
JP4931394B2 (ja) | センサ検証および融合のためのシステムおよび方法 | |
dos Santos et al. | An LPV modeling and identification approach to leakage detection in high pressure natural gas transportation networks | |
US20080082470A1 (en) | Infrastructure health monitoring and analysis | |
US20080103629A1 (en) | Diagnostic device for use in process control system | |
CN111830110B (zh) | 一种氧气传感器自校准装置、集成装置及*** | |
KR20170127430A (ko) | 센서 오차를 검출, 분류 및/또는 완화하는 방법 및 시스템 | |
Wang et al. | Valve fault detection and diagnosis based on CMAC neural networks | |
US8245562B2 (en) | Circuit and method for pressure sensor testing | |
ES2690077T3 (es) | Monitorización de una máquina con un componente de máquina rotatorio | |
CN114838296B (zh) | 一种基于天然气用户使用序列的管道泄漏诊断方法及*** | |
JP2015533402A (ja) | 1つまたは複数の測定信号に障害があるとき圧縮機を作動させる方法 | |
CN110031208B (zh) | 中继阀故障诊断的方法及装置 | |
CN115127194B (zh) | 用于检测中央空调冷水机组故障的方法、设备和介质 | |
CN114962631A (zh) | 缓速器电磁阀控制方法、装置、设备和介质 | |
KR102172840B1 (ko) | 객체 제어 및 모니터링 시스템 | |
CN115950582A (zh) | 一种压差传感器的修正方法、装置、介质及设备 | |
WO2022262072A1 (zh) | 基于样本信号的修改对目标模型进行训练的方法及*** | |
JP2001117626A (ja) | プラント監視装置 | |
CN109459720B (zh) | 一种用于监控标准电能表组中标准表异常的方法及*** | |
RU2680852C1 (ru) | Способ метрологической диагностики измерительных каналов уровня жидкости | |
Wang et al. | Heteroscedasticity: How to handle in regression modeling |
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 |