CN116205610A - 一种lng加气站管理方法、物联网***和存储介质 - Google Patents
一种lng加气站管理方法、物联网***和存储介质 Download PDFInfo
- Publication number
- CN116205610A CN116205610A CN202310461801.7A CN202310461801A CN116205610A CN 116205610 A CN116205610 A CN 116205610A CN 202310461801 A CN202310461801 A CN 202310461801A CN 116205610 A CN116205610 A CN 116205610A
- Authority
- CN
- China
- Prior art keywords
- data
- lng
- historical
- time
- platform
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 99
- 238000003860 storage Methods 0.000 title claims abstract description 34
- 239000003949 liquefied natural gas Substances 0.000 title abstract description 156
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 3
- 239000007789 gas Substances 0.000 abstract description 57
- 238000012549 training Methods 0.000 description 28
- 238000000605 extraction Methods 0.000 description 21
- 239000013598 vector Substances 0.000 description 16
- 238000009826 distribution Methods 0.000 description 12
- 238000012546 transfer Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
Abstract
本发明公开一种LNG加气站管理方法、物联网***和存储介质,该方法通过LNG加气站管理物联网***实现,该物联网***包括用户平台、服务平台、能源管理平台、传感网络平台和对象平台。该方法由能源管理平台执行。包括:获取加气站的历史加气数据;基于历史加气数据,确定未来时刻的LNG需求数据;基于LNG需求数据和LNG储存数据,确定候选输送方案;基于候选输送方案的加气成本数据,确定目标输送方案。该方法通过计算机可读存储介质存储的计算机指令被读取后运行。通过确定未来时刻的LNG需求数据,可以实现未来LNG需求数据的预测,确定输送方案,在储量不足时及时补充储量,保证LNG的正常使用和降低加气成本。
Description
技术领域
本发明涉及液化天然气管理技术领域,尤其涉及一种LNG加气站管理方法、物联网***和存储介质。
背景技术
液化天然气(LNG)作为清洁能源现备受关注,天然气燃烧后产生的二氧化碳和氮氧化合物仅为煤的50%和20%,污染为液化石油气的1/4,煤的1/800。由于管道铺设投资费用大,LNG气化站具有比管道气更好的经济性,在中小城镇可采用LNG气化站作为气源供居民使用,此外还可用于商业,事业单位的生活以及用户的采暖等。可通过构建虚拟管网体系,推进燃气下乡工作。LNG加气站是将气体用于交通领域的公共服务设施。气体的储存方式包括多种。在满足加气需求同时还应尽可能地降低加气站能耗和加气成本等。
因此,希望提供一种LNG加气站管理方法、物联网***和存储介质,可以考虑气体需求和气体存储的平衡,在储量不足时及时补充储量,保证了气体的正常使用和降低加气成本,提升用户的服务体验。
发明内容
发明内容包括一种LNG加气站管理方法,所述方法通过LNG加气站管理物联网***的能源管理平台执行,所述方法包括:获取加气站的历史加气数据;基于所述历史加气数据,确定至少一个未来时刻的LNG需求数据;基于所述LNG需求数据和LNG储存数据,确定至少一组候选输送方案;基于所述至少一组候选输送方案的至少一个加气成本数据,确定目标输送方案。
发明内容包括一种LNG加气站管理物联网***,所述LNG加气站管理物联网***的能源管理平台被配置为执行以下操作:获取加气站的历史加气数据;基于所述历史加气数据,确定至少一个未来时刻的LNG需求数据;基于所述LNG需求数据和LNG储存数据,确定至少一组候选输送方案;基于所述至少一组候选输送方案的至少一个加气成本数据,确定目标输送方案。
发明内容包括一种加气站管理装置,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所述的LNG加气站管理方法。
发明内容包括一种计算机可读存储介质,其特征在于,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,计算机执行所述的LNG加气站管理方法。
有益效果:通过确定未来时刻的LNG需求数据,可以实现对未来LNG需求数据的预测,进一步确定输送方案,可以在储量不足时及时补充储量,保证了LNG的正常使用和降低加气成本,提升用户的服务体验。
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LNG加气站管理物联网***的平台结构示意图;
图2是根据本说明书一些实施例所示的LNG加气站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通过预测模型确定未来时刻的LNG需求数据和LNG需求数据的预估置信度的示例性示意图。
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。
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。
图1是根据本说明书一些实施例所示的LNG加气站管理物联网***的平台结构示意图。以下将对本说明书实施例所涉及的LNG加气站管理物联网***进行详细说明。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。
在一些实施例中,如图1所示,LNG加气站管理物联网***100可以包括用户平台110、服务平台120、能源管理平台130、传感网络平台140、对象平台150。
用户平台110可以用于与用户进行交互的平台。在一些实施例中,用户可以通过用户平台从服务平台获取目标输送方案。
服务平台120可以用于从能源管理平台130获取用户需求的目标输送方案,并发送至用户平台110。
能源管理平台130可以是统筹、协调各功能平台之间的联系和协作,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,能源管理平台可以通过传感网络平台定期或实时获取加气站的储量数据。在一些实施例中,能源管理平台可以通过传感网络平台获取对象平台(如加气站)多个历史时间对应的历史加气数据。
传感网络平台140可以是对传感通信进行管理的功能平台。在一些实施例中,传感网络平台140可以实现感知信息传感通信和控制信息传感通信的功能。传感网络平台140可以用于实现能源管理平台和对象平台的通信连接。
在一些实施例中,对象平台可以是感知信息生成和控制信息执行的功能平台。对象平台可以用于获取历史加气数据,并通过传感网络平台传输至能源管理平台。
本说明书一些实施例,基于LNG加气站管理物联网***100,可以在对象平台与用户平台之间形成信息运行闭环,并在能源管理平台的统一管理下协调、规律运行,实现加气站管理信息化、智慧化。上述的更多内容可以参见图2和图3的相关描述。
图2是根据本说明书一些实施例所示的LNG加气站管理方法的示例性流程图。如图2所示,流程200包括步骤210-步骤240。在一些实施例中,流程200可以由能源管理平台执行。
步骤210,获取加气站的历史加气数据。
加气站可以指将气体(如液化天然气(LNG)、氢气等)用于交通领域的公共服务设施。
历史加气数据可以指历史时间对应的多个加气数据。历史加气数据可以通过数据序列进行表示。例如,历史加气数据可以是相对于当前时刻之前的一段历史时间内多个历史时刻对应的历史LNG供应数据组成的序列。
在一些实施例中,能源管理平台可以通过传感网络平台获取对象平台(如加气站)多个历史时间对应的历史加气数据。
在一些实施例中,能源管理平台可以基于预设采集时间,采集历史加气数据。
预设采集时间可以指预先设定的采集历史加气数据的时间长度。在一些实施例中,预设采集时间可以包括采集历史加气数据的采集周期。采集周期可以指采集时间间隔。
在一些实施例中,历史加气数据还可以包括终端运行信息。终端运行信息可以指终端运行的相关信息。在一些实施例中,终端运行信息可以包括加气站的所处位置信息和储量数据中的至少一种。
在一些实施例中,所处位置信息可以指加气站所在的地点。例如,所处位置信息可以是加气站当前定位位置。
在一些实施例中,能源管理平台可以通过多种方式采集历史加气数据。例如,能源管理平台可以通过感知采集装置等基于预设采集时间,周期性的采集历史加气数据。
步骤220,基于历史加气数据,确定至少一个未来时刻的LNG需求数据。
LNG需求数据可以指至少一个未来时刻的LNG使用量的预测值。例如,LNG需求数据可以是相对于当前时刻之后的一段时间内至少一个时间点对应的LNG使用量。在一些实施例中,LNG需求数据可以通过LNG需求数据曲线进行表示。LNG需求数据曲线的横坐标可以为至少一个未来时刻,纵坐标可以为每个未来时刻对应的LNG需求数据。
在一些实施例中,能源管理平台可以基于历史加气数据,通过多种方式确定至少一个未来时刻的LNG需求数据。例如,能源管理平台可以通过查找第一预设表的方式,确定至少一个未来时刻的LNG需求数据。第一预设表中包括历史加气数据和至少一个未来时刻的LNG需求数据的对应数据。能源管理平台可以通过第一预设表和历史加气数据,确定至少一个未来时刻的LNG需求数据。
在一些实施例中,能源管理平台可以基于当前时刻和/或至少一个历史时刻采集的历史加气数据,预测至少一个未来时刻的LNG需求数据和至少一个未来时刻的LNG需求数据的预估置信度。
至少一个未来时刻的LNG需求数据的预估置信度可以指预估的至少一个未来时刻和/或至少一个未来时刻的LNG需求数据的可信程度。
在一些实施例中,能源管理平台可以基于当前时刻和/或至少一个历史时刻采集的历史加气数据,通过多种方式预测至少一个未来时刻的LNG需求数据。例如,能源管理平台可以通过当前时刻和至少一个历史时刻之间的历史加气数据基于预设换算关系,确定至少一个未来时刻的LNG需求数据。预设换算关系可以指历史加气数据和未来时刻的LNG需求数据的预设关系。
在一些实施例中,能源管理平台可以基于当前时刻和/或至少一个历史时刻采集的历史加气数据,通过预测模型确定至少一个未来时刻的LNG需求数据。
在一些实施例中,预测模型可以是确定至少一个未来时刻的LNG需求数据的模型。在一些实施例中,预测模型可以是机器学习模型。例如,预测模型可以是神经网络模型(Neural Network,NN)、循环神经网络(Recurrent Neural Network,RNN)等任何用于预测的模型或其任意组合。
在一些实施例中,预测模型可以通过多个带有标签的第一训练样本训练得到。
在一些实施例中,第一训练样本的每组训练样本可以包括样本第一历史时刻的历史加气数据和至少一个第二历史时刻采集的历史加气数据。至少一个第二历史时刻位于第一历史时刻之前。标签可以包括每组训练样本对应的第三历史时刻的实际加气数据。第三历史时刻位于第一历史时刻之后,是相对于第一历史时刻的未来时刻。在一些实施例中,第一训练样本可以基于历史数据获得。第一训练样本的标签可以通过自动或人工标注的方式获得。
在本说明书一些实施例中,基于预测模型确定至少一个未来时刻的LNG需求数据,能够结合实际情况,更准确地确定出至少一个未来时刻的LNG需求数据,减少人为评估确定所需的人力成本与资源浪费。在一些实施例中,预测模型可以为多层结构,具体可以参见图3的相关描述。
在一些实施例中,预测模型还可以包括置信度确定层。在一些实施例中,能源管理平台可以通过置信度确定层确定至少一个未来时刻的LNG需求数据的预估置信度,更多内容可以参见图3的相关描述。
在一些实施例中,能源管理平台还可以基于至少一个未来时刻的LNG需求数据,确定参考时间点。
参考时间点可以指LNG需求数据达到预设报警阈值的时间点。预设报警阈值可以包括正常情况下LNG安全使用的最小阈值。在一些实施例中,预设报警阈值可以是***默认值、经验值等。
在一些实施例中,能源管理平台可以通过多种方式确定参考时间点。例如,能源管理平台可以通过预设报警阈值确定参考时间点。示例性地,能源管理平台可以将LNG需求数据首次达到和/或高于预设报警阈值的未来时刻确定为参考时间点。
在一些实施例中,能源管理平台还可以基于参考时间点和当前时刻的时间差,重新确定预设采集时间。
在一些实施例中,能源管理平台可以提前预设参考时间点和当前时刻的时间差与预设采集时间的对应关系。能源管理平台可以基于上述对应关系、参考时间点和当前时刻的时间差,重新确定预设采集时间。预设采集时间可以与参考时间点和当前时刻的时间差成正比。
在一些实施例中,能源管理平台可以基于第一阈值,重新确定预设采集时间。第一阈值可以指需要重新确定预设采集时间的参考时间点和当前时刻的时间差的最大值。例如,能源管理平台可以将参考时间点和当前时刻的时间差与第一阈值进行比较,当参考时间点和当前时刻的时间差小于或等于第一阈值时,能源管理平台重新确定预设采集时间。
示例性地,假如原始预设采集时间为采样周期T1(例如,T1为12小时),即,加气站每间隔T1采集一次终端运行信息,当前时刻为t0,其对应的5个未来时刻分别为t1=t0+T1、t2=t0+2T1、t3=t0+3T1、t4=t0+4T1、t5=t0+5T1。若t3为确定的参考时间点,即,t3对应的LNG需求数据首次达到和/或高于预设报警阈值,则t3与t0的时间差为3T1。假如3T1满足小于和/或等于第一阈值,加气站可以重新确定预设采集时间为采样周期T2,其中,T2<T1。
在一些实施例中,第一阈值可以是***默认值、经验值、人为预先设定值等或其任意组合,可以根据实际需求设定。第一阈值还可以通过其他方式确定,在此不做限制。
本说明书的一些实施例中,能源管理平台可以基于参考时间点和当前时刻的时间差,重新确定预设采集时间,可以结合实际LNG需求情况调整预设采集时间,提高LNG需求数据的准确性和采集效率,从而可以保障LNG的安全使用,提升用户的服务体验。
在一些实施例中,能源管理平台还可以基于至少一个未来时刻的LNG需求数据的预估置信度,判断至少一个未来时刻是否是可靠时刻。
在一些实施例中,能源管理平台可以将预估置信度高于置信度阈值的至少一个未来时刻作为可靠时刻。
在一些实施例中,置信度阈值可以是***默认值、经验值、人为预先设定值等或其任意组合,可以根据实际需求设定。置信度阈值还可以通过其他方式确定,在此不做限制。
在本说明书的一些实施例中,能源管理平台可以将预估置信度高于置信度阈值的至少一个未来时刻作为可靠时刻,从而有利于提高后续确定的目标输送方***性。
本说明书的一些实施例中,能源管理平台可以基于预设采集时间,采集历史加气数据;基于当前时刻和/或至少一个历史时刻采集的历史加气数据,预测至少一个未来时刻的LNG需求数据,可以实现对LNG需求数据的预测,并在储量不足时及时补充储量,保证了LNG的安全使用和供给,提升用户的服务体验。
步骤230,基于LNG需求数据和LNG储存数据,确定至少一组候选输送方案。
LNG储存数据可以指与LNG储存相关的数据。例如,LNG储存数据可以包括储存类型和储量数据。储量数据可以指加气站LNG的存量。在一些实施例中,能源管理平台可以通过传感网络平台定期或实时获取加气站的储量数据。
候选输送方案可以指可供选择的输送LNG的方案。例如,候选输送方案可以包括至少一个未来时刻向加气站输送LNG的输送量。
在一些实施例中,能源管理平台可以通过多种方式基于LNG需求数据和LNG储存数据,确定至少一组候选输送方案。例如,能源管理平台可以基于LNG需求数据和LNG储存数据,通过随机生成的方式确定至少一组候选输送方案。又例如,LNG需求数据和LNG储存数据可以通过数据向量进行表示。能源管理平台可以计算数据向量与历史LNG需求数据和历史LNG储存数据对应的历史数据向量的向量距离,将向量距离小于预设阈值的对应的至少一组历史输送方案确定为至少一组候选输送方案。预设阈值可以指预设的数据向量与历史数据向量之间的最小向量距离。
步骤240,基于至少一组候选输送方案的至少一个加气成本数据,确定目标输送方案。
加气成本数据可以指向加气站供应LNG和/或加气站储存LNG等相关的成本数据。不同的候选输送方案对应的加气成本数据各不相同。
在一些实施例中,至少一个加气成本数据至少可以包括LNG运输成本和LNG储存成本。至少一个加气成本数据可以通过多个连续时间点的综合加气成本表示,所述至少一个加气成本数据基于预设算法确定。
LNG运输成本可以指LNG从生产地至加气站的运输成本,其可以相关于运输距离等。LNG储存成本可以指储存LNG的成本,其可以相关于储量数据和储存时间等。例如,LNG运输成本可以为P元/公里/kg,LNG储存成本可以为Q元/天/kg。
在一些实施例中,LNG运输成本还可以包括转移LNG成本。转移LNG成本可以指将LNG转移至加气站中的成本,其可以相关于转移量和转移次数。例如,转移LNG成本可以表示为:每次转移LNG的固定成本×转移次数+转移1kgLNG的成本×转移量。
在一些实施例中,至少一个加气成本数据可以通过查询历史加气成本数据获得。
在一些实施例中,至少一个加气成本数据可以通过多个连续时间点的综合加气成本表示。例如,能源管理平台可以对多个连续时间点的加气成本进行统计,将统计的多个连续时间点的加气成本确定为至少一个加气成本数据。其中,多个连续时间点可以指距离当前时刻之后的一段时间内多个时间点。
在一些实施例中,至少一个加气成本数据可以基于预设算法确定。预设算法可以包括K近邻算法、贝叶斯算法等。
在一些实施例中,预设算法可以相关于至少一个未来时刻的LNG需求数据的预估置信度。例如,预设算法可以通过如下公式(1)表示:
其中,为/>时刻的加气成本数据,/>为当前时刻的储量数据,/>为未来时刻/>~/>(/>为1~/>之间的整数)对应的LNG需求数据的累加值,/>为置信度系数,/>为单位加气成本,/>为一次LNG运输成本,/>为一次转移LNG成本,/>为转移次数。/>时刻可以为当前时刻之后的某个未来时刻。
在本说明书一些实施例中,预设算法相关于至少一个未来时刻的LNG需求数据的预估置信度,可以进一步提高确定加气成本数据的准确性。
本说明书的一些实施例中,至少一个加气成本数据综合考量了LNG运输成本和LNG储存成本,可以在一定程度上提高加气成本数据的准确性,从而减小确定至少一个未来时刻的LNG需求数据的误差。
在一些实施例中,能源管理平台可以基于候选输送方案中包括的至少一个未来时刻,分别确定不同的未来时刻对应的加气成本数据,将候选输送方案中包括的所有未来时刻的加气成本数据的总和确定为该候选输送方案的加气成本数据。
目标输送方案可以指至少一组候选输送方案中最优的输送方案。例如,目标输送方案可以是至少一组候选输送方案中加气成本数据最低的输送方案。
在一些实施例中,能源管理平台可以从至少一组候选输送方案中选择一个输送方案作为目标输送方案。例如,能源管理平台可以基于至少一个加气成本数据对至少一组候选输送方案进行排序,并将排序最高(加气成本数据最小)的候选输送方案确定为目标输送方案。
在本说明书一些实施例中,通过确定未来时刻的LNG需求数据,可以实现对未来LNG需求数据的预测,进一步确定输送方案,可以在储量不足时及时补充储量,保证了LNG的正常使用和降低加气成本,提升用户的服务体验。
在一些实施例中,能源管理平台可以基于预设算法,确定至少一组候选输送方案的至少一个加气成本数据;基于至少一个加气成本数据,确定至少一个优选输送方案;基于至少一个优选输送方案和可靠时刻,确定目标输送方案。
优选输送方案可以指至少一组候选输送方案中满足第一预设条件的候选输送方案。第一预设条件可以指加气成本数据需满足的条件。第一预设条件可以为加气成本数据小于预设值或在预设范围内等。能源管理平台可以将至少一组候选输送方案中,加气成本数据小于预设值或在预设范围内的候选输送方案确定为优先输送方案。优选输送方案中可以包括至少一个未来时刻以及不同的未来时刻向加气站输送LNG的输送量。
可靠时刻可以指LNG需求数据的预估置信度满足第二预设条件的对应的未来时刻。第二预设条件可以指预估置信度需大于置信度阈值。例如,可靠时刻可以是LNG需求数据的预估置信度满足第二预设条件的至少一个未来时刻。
在一些实施例中,能源管理平台可以基于至少一个加气成本数据对至少一组候选输送方案进行排序,排序较高(加气成本数据较小)的前几名的候选输送方案作为优选输送方案。
在一些实施例中,能源管理平台可以判断至少一个优选输送方案中的每个方案包括的至少一个未来时刻是否是可靠时刻。能源管理平台可以将包括的可靠时刻的数量最多的优选输送方案确定为目标输送方案。关于判断至少一个未来时刻是否是可靠时刻以及可靠时刻的更多内容可以参见步骤220的相关描述。
能源管理平台可以判断至少一个未来时刻是否为可靠时刻,以及能源管理平台可以基于判断结果,确定目标输送方案。关于能源管理平台可以判断至少一个未来时刻是否为可靠时刻的更多内容可以参见步骤220的相关描述。
判断结果可以指优选输送方案中的至少一个未来时刻是否为可靠时刻以及包括可靠时刻的数量的结果。
在一些实施例中,能源管理平台可以基于判断结果,确定目标输送方案。
例如,能源管理平台可以将综合考虑优选输送方案对应的加气成本数据和包括的可靠时刻的数量确定目标输送方案。可靠时刻的数量可以指优选输送方案中包括的至少一个未来时刻中是可靠时刻的数量。能源管理平台可以判断选输送方案中包括的至少一个未来时刻是否为可靠时刻,进而确定可靠时刻的数量。关于判断至少一个未来时刻是否为可靠时刻的更多内容可以参见步骤220的相关描述。
例如,能源管理平台可以基于第二预设表确定加气成本数据的评估值和包括的可靠时刻的数量的评估值,通过加权计算综合评估值,将综合评估值最小对应的优选输送方案确定为目标输送方案。关于确定优选输送方案对应的加气成本数据与确定至少一组候选输送方案的至少一个加气成本数据相似,具体可以参见上述步骤240中的相关描述。
第二预设表可以包括加气成本数据和包括的可靠时刻的数量分别对应的评估值。能源管理平台可以提前预设第二预设表。权重可以根据实际需求预设。
本说明书的一些实施例中,基于至少一个加气成本数据,确定至少一个优先输送方案,以及基于至少一个优选输送方案和可靠时刻,确定目标输送方案,可以使目标输送方案更加贴合用户的实际需求和成本需求。同时,确定目标输送方案时综合考量了可靠时刻的数量,从而可以提高目标输送方案的可靠性和灵活性,避免因LNG需求数据存在误差影响加气站的供需平衡,造成加气成本的较大波动。
图3是根据本说明书一些实施例所示的通过预测模型确定未来时刻的LNG需求数据和LNG需求数据的预估置信度的示例性示意图。
在一些实施例中,预测模型300可以包括特征提取层310和LNG需求数据预测层320。
在一些实施例中,能源管理平台可以基于当前时刻采集的历史加气数据311和/或至少一个历史时刻采集的历史加气数据312,通过特征提取层310确定特征嵌入向量313。能源管理平台可以基于特征嵌入向量313,通过LNG需求数据预测层320确定至少一个未来时刻的LNG需求数据321。
在一些实施例中,特征提取层310可以包括机器学习模型。例如,特征提取层310可以为CNN、RNN等模型。
特征嵌入向量313可以指对当前时刻采集的历史加气数据311和/或至少一个历史时刻采集的历史加气数据312进行格式转换后生成的向量。例如,将当前时刻采集的历史加气数据311和/或至少一个历史时刻采集的历史加气数据312转换为LNG加气站管理物联网***可以处理的数据格式,并基于转换后的数据格式生成相应的特征嵌入向量313。
在一些实施例中,LNG需求数据预测层320可以包括机器学习模型。例如,LNG需求数据预测层320可以为CNN、RNN等模型。
在一些实施例中,特征提取层310、LNG需求数据预测层320可以通过联合训练获得。在一些实施例中,联合训练的第二训练样本的每组训练样本可以包括样本第四历史时刻的历史加气数据和至少一个第五历史时刻采集的历史加气数据。至少一个第五历史时刻位于第四历史时刻之前。标签可以包括每组训练样本对应的第六历史时刻的实际历史加气数据。第六历史时刻位于第四历史时刻之后,是相对于第四历史时刻的未来时刻。在一些实施例中,第二训练样本可以基于历史数据获得。第二训练样本的标签可以通过自动或人工标注的方式获得。
向特征提取层310输入样本第四历史时刻的历史加气数据和至少一个第五历史时刻采集的历史加气数据,得到特征提取层310输出的特征嵌入向量313;将特征提取层310输出的特征嵌入向量313作为训练样本,输入LNG需求数据预测层320,得到LNG需求数据预测层320输出的第六历史时刻的LNG需求数据。
基于标签和LNG需求数据预测层320的输出结果,构建损失函数。同时,对特征提取层310、LNG需求数据预测层320的参数进行更新,通过参数更新,得到训练好的特征提取层310和LNG需求数据预测层320。
在本说明书一些实施例中,通过特征提取层310和LNG需求数据预测层320对当前时刻和/或至少一个历史时刻采集的历史加气数据等进行处理得到至少一个未来时刻的LNG需求数据321,有利于解决单独训练特征提取层310时难以获得标签的问题。其次,联合训练特征提取层310和LNG需求数据预测层320不仅可以减少需要的样本数量,还可以提高训练效率。
在一些实施例中,预测模型300还可以包括置信度确定层330。
在一些实施例中,能源管理平台可以基于特征嵌入向量313、加气站分布信息331、环境特征分布信息332、预设采集时间333和预设的未来时刻的个数334,通过置信度确定层330确定至少一个未来时刻的LNG需求数据的预估置信度335。
在一些实施例中,置信度确定层330可以包括机器学习模型。例如,置信度确定层330可以为CNN、RNN等模型。
加气站分布信息331可以指与加气站的分布有关的信息。例如,加气站分布信息331可以包括加气站的所在地以及所在地对应的一定区域范围内加气站的分布密度或分布数量。
环境特征分布信息332可以指不同所在地的加气站在不同时刻的环境特征的分布有关的信息。例如,环境特征分布信息包括所在地n的加气站在tn时刻的环境特征(如温度、湿度等),其中,n可以为大于等于1的整数,以表示不同的所在地以及不同的时刻的加气站的环境特征。
预设的未来时刻的个数334可以指提前预设的需预估的未来时刻的数量。例如,预设的未来时刻的个数为5个,置信度确定层330的输出可以包括5个未来时刻的LNG需求数据的预估置信度。
在一些实施例中,特征提取层310的输出可以为置信度确定层330的输入,特征提取层310、置信度确定层330可以通过联合训练获得。特征提取层310和置信度确定层330联合训练的过程可以参见特征提取层310和LNG需求数据预测层320的联合训练过程。
在一些实施例中,联合训练的第三训练样本的每组训练样本可以包括样本第七历史时刻的历史加气数据、至少一个第八历史时刻采集的历史加气数据、样本加气站分布信息、样本环境特征分布信息、样本预设采集时间和样本预设的未来时刻的个数。标签可以包括LNG需求数据的样本实际置信度。至少一个第八历史时刻位于第七历史时刻之前。其中,LNG需求数据的样本实际置信度可以和每组训练样本的第九历史时刻相对应。在一些实施例中,第三训练样本可以基于历史数据获得。第九历史时刻位于第七历史时刻之后,是相对于第七历史时刻的未来时刻。第三训练样本的标签可以通过自动或人工标注的方式获得。例如,当第七历史时刻对应的第九历史时刻的LNG需求数据与实际LNG需求数据越相似,对应的样本实际置信度越接近1,反之越接近0。
在本说明书一些实施例中,通过特征提取层310和置信度确定层330确定至少一个未来时刻的LNG需求数据的预估置信度,有利于为后续确定目标输送方案提供基础,提高后续确定的目标输送方***性。在一些实施例中,通过特征提取层310和置信度确定层330解决单独训练特征提取层310时难以获得标签的问题。其次,联合训练特征提取层310和置信度确定层330不仅可以减少需要的样本数量,还可以提高训练效率。
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 (10)
1.一种LNG加气站管理方法,其特征在于,所述方法通过LNG加气站管理物联网***的能源管理平台执行,所述方法包括:
获取加气站的历史加气数据;
基于所述历史加气数据,确定至少一个未来时刻的LNG需求数据;
基于所述LNG需求数据和LNG储存数据,确定至少一组候选输送方案;
基于所述至少一组候选输送方案的至少一个加气成本数据,确定目标输送方案。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于预设采集时间,采集所述历史加气数据;
基于当前时刻和/或至少一个历史时刻采集的所述历史加气数据,预测所述至少一个未来时刻的LNG需求数据和所述至少一个未来时刻的LNG需求数据的预估置信度。
3.根据权利要求1所述的方法,其特征在于,所述至少一个加气成本数据至少包括LNG运输成本和LNG储存成本,所述至少一个加气成本数据通过多个连续时间点的综合加气成本表示,所述至少一个加气成本数据基于预设算法确定。
4.根据权利要求1所述的方法,其特征在于,所述基于所述至少一组候选输送方案的至少一个加气成本数据,确定目标输送方案包括:
基于预设算法,确定所述至少一组候选输送方案的至少一个加气成本数据;
基于所述至少一个加气成本数据,确定至少一个优选输送方案;
基于所述至少一个优选输送方案和可靠时刻,确定所述目标输送方案。
5.一种LNG加气站管理物联网***,其特征在于,所述LNG加气站管理物联网***的能源管理平台被配置为执行以下操作:
获取加气站的历史加气数据;
基于所述历史加气数据,确定至少一个未来时刻的LNG需求数据;
基于所述LNG需求数据和LNG储存数据,确定至少一组候选输送方案;
基于所述至少一组候选输送方案的至少一个加气成本数据,确定目标输送方案。
6.根据权利要求5所述的物联网***,其特征在于,所述LNG加气站管理物联网***还包括:对象平台、传感网络平台、服务平台和用户平台;
所述对象平台用于获取所述历史加气数据,并通过所述传感网络平台传输至所述能源管理平台;
所述传感网络平台用于实现所述能源管理平台和所述对象平台的通信连接;
所述服务平台用于从所述能源管理平台获取用户需求的目标输送方案;
所述用户平台用于所述用户从所述服务平台获取所述目标输送方案。
7.根据权利要求5所述的物联网***,其特征在于,所述能源管理平台进一步被配置为执行以下操作:
基于预设采集时间,采集所述历史加气数据;
基于当前时刻和/或至少一个历史时刻采集的所述历史加气数据,预测所述至少一个未来时刻的LNG需求数据和所述至少一个未来时刻的LNG需求数据的预估置信度。
8.根据权利要求5所述的物联网***,其特征在于,所述能源管理平台进一步被配置为执行以下操作:
基于预设算法,确定所述至少一组候选输送方案的至少一个加气成本数据;
基于所述至少一个加气成本数据,确定至少一个优选输送方案;
基于所述至少一个优选输送方案和可靠时刻,确定所述目标输送方案。
9.一种LNG加气站管理装置,其特征在于,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权利要求1至4中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,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,计算机执行如权利要求1至4中任意一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310461801.7A CN116205610B (zh) | 2023-04-26 | 2023-04-26 | 一种lng加气站管理方法、物联网***和存储介质 |
US18/335,119 US11861552B1 (en) | 2022-06-14 | 2023-06-14 | Methods for managing liquefied natural gas (LNG) tanking safety based on location matching and internet of things systems thereof |
US18/497,997 US20240062144A1 (en) | 2022-06-14 | 2023-10-30 | Method for liquefied natural gas (lng) station management and internet of things system thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310461801.7A CN116205610B (zh) | 2023-04-26 | 2023-04-26 | 一种lng加气站管理方法、物联网***和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116205610A true CN116205610A (zh) | 2023-06-02 |
CN116205610B CN116205610B (zh) | 2023-07-18 |
Family
ID=86514969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310461801.7A Active CN116205610B (zh) | 2022-06-14 | 2023-04-26 | 一种lng加气站管理方法、物联网***和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205610B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117784697A (zh) * | 2024-01-31 | 2024-03-29 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网*** |
CN118134205A (zh) * | 2024-04-30 | 2024-06-04 | 陕西黑石绿能能源科技有限公司 | 加氢站氢气综合管理方法及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140058572A1 (en) * | 2012-08-27 | 2014-02-27 | Gridium, Inc. | Systems and methods for energy consumption and energy demand management |
CN106707928A (zh) * | 2016-11-30 | 2017-05-24 | 上海雷尼威尔技术有限公司 | 基于物联网的lng***管理方法 |
CN113065708A (zh) * | 2021-04-12 | 2021-07-02 | 西南石油大学 | 基于动态规划的lng接收站确定需求储备控制方法 |
CN113222230A (zh) * | 2021-04-29 | 2021-08-06 | 中国石油大学(北京) | 事故工况下天然气管网的流量分配方法及装置 |
CN113741362A (zh) * | 2021-08-17 | 2021-12-03 | 中海石油气电集团有限责任公司 | 液化天然气接收站操作优化方法、***、介质及计算设备 |
CN114626643A (zh) * | 2022-05-16 | 2022-06-14 | 成都秦川物联网科技股份有限公司 | 智慧城市政府供电调控方法、物联网***、装置及介质 |
US20220188220A1 (en) * | 2020-12-11 | 2022-06-16 | Optum, Inc. | Method, apparatus and computer program product for predictive configuration management of a software testing system |
CN115640914A (zh) * | 2022-12-16 | 2023-01-24 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气储气优化方法、物联网***、装置及介质 |
US20230070989A1 (en) * | 2022-10-20 | 2023-03-09 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems of optimizing pressure regulation at intelligent gas gate stations based on internet of things |
US20230101197A1 (en) * | 2022-11-08 | 2023-03-30 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for controlling natural gas efficiency enhancement, smart gas internet of things (iot) systems and mediums thereof |
US20230095727A1 (en) * | 2022-11-11 | 2023-03-30 | Chengdu Qinchuan Iot Technology Co., Ltd. | Preset management methods of gas pipeline network for smart gas and internet of things systems thereof |
CN115879913A (zh) * | 2023-02-13 | 2023-03-31 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网维修物资预测方法和物联网***、介质 |
-
2023
- 2023-04-26 CN CN202310461801.7A patent/CN116205610B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140058572A1 (en) * | 2012-08-27 | 2014-02-27 | Gridium, Inc. | Systems and methods for energy consumption and energy demand management |
CN106707928A (zh) * | 2016-11-30 | 2017-05-24 | 上海雷尼威尔技术有限公司 | 基于物联网的lng***管理方法 |
US20220188220A1 (en) * | 2020-12-11 | 2022-06-16 | Optum, Inc. | Method, apparatus and computer program product for predictive configuration management of a software testing system |
CN113065708A (zh) * | 2021-04-12 | 2021-07-02 | 西南石油大学 | 基于动态规划的lng接收站确定需求储备控制方法 |
CN113222230A (zh) * | 2021-04-29 | 2021-08-06 | 中国石油大学(北京) | 事故工况下天然气管网的流量分配方法及装置 |
CN113741362A (zh) * | 2021-08-17 | 2021-12-03 | 中海石油气电集团有限责任公司 | 液化天然气接收站操作优化方法、***、介质及计算设备 |
CN114626643A (zh) * | 2022-05-16 | 2022-06-14 | 成都秦川物联网科技股份有限公司 | 智慧城市政府供电调控方法、物联网***、装置及介质 |
US20230070989A1 (en) * | 2022-10-20 | 2023-03-09 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems of optimizing pressure regulation at intelligent gas gate stations based on internet of things |
US20230101197A1 (en) * | 2022-11-08 | 2023-03-30 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for controlling natural gas efficiency enhancement, smart gas internet of things (iot) systems and mediums thereof |
US20230095727A1 (en) * | 2022-11-11 | 2023-03-30 | Chengdu Qinchuan Iot Technology Co., Ltd. | Preset management methods of gas pipeline network for smart gas and internet of things systems thereof |
CN115640914A (zh) * | 2022-12-16 | 2023-01-24 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气储气优化方法、物联网***、装置及介质 |
CN115879913A (zh) * | 2023-02-13 | 2023-03-31 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网维修物资预测方法和物联网***、介质 |
Non-Patent Citations (2)
Title |
---|
张丹;沙志成;赵龙;: "综合智慧能源管理***架构分析与研究", 中外能源, vol. 1, no. 04, pages 110 - 114 * |
张宜浩等: "基于半监督学习的个性化推荐算法研究", vol. 1, 重庆大学出版社, pages: 110 - 114 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117784697A (zh) * | 2024-01-31 | 2024-03-29 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网*** |
CN117784697B (zh) * | 2024-01-31 | 2024-05-24 | 成都秦川物联网科技股份有限公司 | 智慧燃气管网数据采集终端智能控制方法与物联网*** |
CN118134205A (zh) * | 2024-04-30 | 2024-06-04 | 陕西黑石绿能能源科技有限公司 | 加氢站氢气综合管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116205610B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116205610B (zh) | 一种lng加气站管理方法、物联网***和存储介质 | |
CN115640914B (zh) | 一种智慧燃气储气优化方法、物联网***、装置及介质 | |
CN113657031B (zh) | 基于数字孪生的供热调度自动化实现方法、***及平台 | |
US11876374B2 (en) | System and method for optimal control of energy storage system | |
US20230419425A1 (en) | Method for monitoring operation of liquefied natural gas (lng) storage and internet of things system (iot) thereof | |
CN115587640B (zh) | 智慧燃气管道清管安全管理方法、物联网***及介质 | |
CN105453367A (zh) | 用于微电网中的综合多能量调度的***、方法和装置及有形计算机可读介质 | |
CN108196317B (zh) | 一种用于微电网***的气象预测方法 | |
CN105787583A (zh) | 一种冶金煤气综合动态平衡调度***及方法 | |
CN117132026B (zh) | 一种基于智慧燃气平台的燃气损耗管控方法与物联网*** | |
CN115618652B (zh) | 智慧燃气压缩机运行优化方法、物联网***、装置及介质 | |
CN115439003A (zh) | 基于智慧燃气物联网的燃气表更换提示方法和*** | |
JP2013254413A (ja) | 配送予測システムおよび配送予測方法 | |
CN107958301A (zh) | 一种lng接收站运行优化方法 | |
CN104680252A (zh) | 在线构架***以及基于在线构架的供水实时调度方法 | |
CN116720837B (zh) | 基于智慧燃气数据中心的信息交互管理方法与物联网*** | |
CN117952282B (zh) | 一种基于物联网的智慧燃气全周期监管***及方法 | |
CN115511665A (zh) | 用于智慧燃气的储配站燃气净化管理方法和物联网*** | |
CN116737804B (zh) | 基于智慧燃气物联网的燃气数据分级处理方法和*** | |
CN112132519B (zh) | 一种基于物联网大数据的瓶装燃气交叉网络*** | |
CN103337040A (zh) | 一种计及风电波动性的风电发电计划编制***及编制方法 | |
KR20140120498A (ko) | 지능형 물 생산관리시스템 | |
CN114399113B (zh) | 一种天然气管网管理方法和*** | |
US11861552B1 (en) | Methods for managing liquefied natural gas (LNG) tanking safety based on location matching and internet of things systems thereof | |
US20240062320A1 (en) | Methods, internet of things systems, and storage mediums for controlling gas supply cost based on smart gas |
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 |