基于状态监控自动识别含量的液化天然气安全监测***
技术领域
本发明涉及天然气安全监测技术领域,具体地说,涉及基于状态监控自动识别含量的液化天然气安全监测***。
背景技术
目前的城市发展对燃气的依赖程度越来越高,燃气供应关系着城市各行业的运转和人们的生产生活,市场出现了关于天然气安全监测***,但是天然气安全监测***的准确性和可靠性受到技术限制的影响,传感器的精度、误差、灵敏度等技术指标可能会对监测结果产生影响,技术限制可能导致监测结果的误差,造成对LNG状态和含量异常的错误识别或遗漏。
同时由于数据的复杂性和多样性,天然气安全监测***可能会出现数据误解或误报的情况,对于复杂的***和操作环境,监测***可能无法准确识别实际的异常情况,或者产生错误的警报和报告,这可能导致工作人员误解实际情况,影响其对LNG安全状态的判断和决策,也不能在危险产生或LNG泄漏时,及时帮助监测人员逃离危险区域,更不能为LNG设备的预测趋势提前采取相应措施,于是我们提供基于状态监控自动识别含量的液化天然气安全监测***。
发明内容
本发明的目的在于提供基于状态监控自动识别含量的液化天然气安全监测***,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供基于状态监控自动识别含量的液化天然气安全监测***,包括采集处理单元、状态监控单元、分析预测单元、警报处置单元、应急调度单元;
所述采集处理单元用于接收采集的数据,并对采集后的数据进行预处理操作;
所述状态监控单元用于实时监测LNG设备,并对监测出的数据进行识别和检测异常状态;
所述分析预测单元用于接收预处理操作后的数据和识别后的数据并进行分析,将分析后的数据进行可视化建模,同时再对识别后的数据和分析后的数据进行预测趋势;
所述警报处置单元用于接收检测异常状态后的数据、分析后的数据并触发警报;
所述应急调度单元用于接收识别后的数据、分析后的数据和预测趋势后的数据并进行制定应急预案,再对制定后的应急预案进行智能调度;
所述应急调度单元用于接收检测异常状态后的数据、分析后的数据和预测趋势后的数据,并对检测异常状态后的数据、分析后的数据和预测趋势后的数据进行制定应急预案,再对制定后的应急预案进行智能调度,同时利用状态监控单元对智能调度后的数据进行再次识别和检测异常状态。
作为本技术方案的进一步改进,所述采集处理单元包括数据采集模块和数据预处理模块;
所述数据采集模块用于接收传感器采集的数据,将采集后的数据传入数据预处理模块中;
所述数据预处理模块用于接收采集后的数据,并对采集后的数据进行预处理操作。
作为本技术方案的进一步改进,所述状态监控单元用于对LNG设备进行实时监测,并通过人工智能技术对实时监测后的数据进行识别,再对识别后的数据进行检测异常状态,将识别后的数据传入分析预测单元中。
作为本技术方案的进一步改进,所述分析预测单元包括数据分析模块和可视化建模模块,应急调度单元包括应急预案模块;
所述数据分析模块用于接收数据预处理模块中预处理操作后的数据,接收状态监控单元中识别后的数据,并通过数据挖掘技术根据预处理操作后的数据和识别后的数据进行分析,分析LNG是否存在泄漏情况,同时将分析后的数据传入可视化建模模块中;
所述可视化建模模块用于接收分析后的数据,并采用关系型数据库对分析后的数据进行存储,同时将存储后的数据进行建立模板数据,并对建立后的模板数据进行可视化;
所述应急预案模块用于接收分析后的数据,接收状态监控单元中识别后的数据,并根据分析后的数据和识别后的数据进行制定应急预案,将制定后的应急预案传入可视化建模模块中。
作为本技术方案的进一步改进,所述分析预测单元还包括趋势预测模块;
所述趋势预测模块用于接收状态监控单元中识别后的数据,接收数据分析模块中分析后的数据,并根据识别后的数据和分析后的数据进行预测趋势,采用了双指数平滑算法,同时将预测趋势后的数据传入应急预案模块中;
所述应急预案模块接收预测趋势后的数据,接收状态监控单元中识别后的数据,并根据预测趋势后的数据和识别后的数据进行制定应急预案,将制定后的应急预案传入可视化建模模块中。
作为本技术方案的进一步改进,所述双指数平滑算法公式:
Leved(x)=α*Y(x)+(1-α)*(Leved(x-1)+Tend(x-1));
在该公式中,Leved(x)表示时间x的水平预测结果值,Y(x)是时间x的预测值,α是识别后的数据值,控制当前预测值对水平预测结果值的贡献,(1-α)是预测趋势Tend和上一时刻分析后数据的贡献值。
作为本技术方案的进一步改进,所述应急调度单元还包括智能调度模块;
所述智能调度模块用于接收应急预案模块中制定后的应急预案,并根据制定后的应急预案进行智能调度。
作为本技术方案的进一步改进,所述应急预案模块用于接收中识别后的数据,接收数据分析模块中分析后的数据,接收趋势预测模块中预测趋势后的数据,并根据识别后的数据、分析后的数据、预测趋势后的数据进行制定应急预案,将制定后的应急预案传入智能调度模块中,智能调度模块根据制定后的应急预案进行智能调度,再通过状态监控单元对智能调度后的数据进行再次识别和检测异常状态。
与现有技术相比,本发明的有益效果:
1、该基于状态监控自动识别含量的液化天然气安全监测***中,应急预案模块用于接收分析后的数据,接收状态监控单元中识别后的数据,当状态监控单元检测到LNG泄漏或数据分析模块分析出LNG存在泄漏等异常情况时,并根据分析后的数据和识别后的数据进行制定应急预案,通过制定应急预案,启动应急设备,防止LNG泄漏事故,避免事故扩大。
2、该基于状态监控自动识别含量的液化天然气安全监测***中,智能调度模块用于接收应急预案模块中制定后的应急预案,根据制定后的应急预案进行智能调度,通过智能调度对温度系数进行自动调整,避免LNG泄漏对环境及人员造成影响;
同时再通过状态监控单元对智能调度后的数据进行再次识别和检测异常状态,能够对智能调度后的数据进行验证,从而纠正潜在的错误或遗漏。
附图说明
图1为本发明的整体框图;
图2为本发明的采集处理单元框图;
图3为本发明的分析预测单元框图;
图4为本发明的应急调度单元框图。
图中各个标号意义为:
1、采集处理单元;11、数据采集模块;12、数据预处理模块;
2、状态监控单元;
3、分析预测单元;31、数据分析模块;32、可视化建模模块;33、趋势预测模块;
4、警报处置单元;
5、应急调度单元;51、应急预案模块;52、智能调度模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明提供基于状态监控自动识别含量的液化天然气安全监测***,请参阅图1-图4,包括采集处理单元1、状态监控单元2、分析预测单元3、警报处置单元4、应急调度单元5;
考虑到目前的状态监控***中的传感器、数据传输设备或监测算法可能存在故障的风险,当关键组件发生故障时,监测***可能无法及时识别和报告异常情况,从而增加潜在的安全风险,于是我们提供基于状态监控自动识别含量的液化天然气安全监测***,该***的采集处理单元1用于接收采集的数据,并对采集后的数据进行预处理操作,状态监控单元2用于实时监测LNG设备(LNG(液化天然气)设备是用于液化天然气生产、储存、运输和供应的设备***),并对监测出的数据进行识别和检测异常状态,分析预测单元3用于接收预处理操作后的数据和识别后的数据并进行分析,将分析后的数据进行可视化建模,同时再对识别后的数据和分析后的数据进行预测趋势,警报处置单元4用于接收检测异常状态后的数据、分析后的数据并触发警报,应急调度单元5用于接收识别后的数据、分析后的数据和预测趋势后的数据并进行制定应急预案,再对制定后的应急预案进行智能调度;
应急调度单元5用于接收检测异常状态后的数据、分析后的数据和预测趋势后的数据,并对检测异常状态后的数据、分析后的数据和预测趋势后的数据进行制定应急预案,再对制定后的应急预案进行智能调度,同时利用状态监控单元2对智能调度后的数据进行再次识别和检测异常状态,通过再次识别和检测异常状态,可以提高异常状态的确认和准确性,进一步确定是否存在异常情况,并排除误报或误判的可能性。
以下是对上述单元进行的细化,请参阅图2-图4;
采集处理单元1包括数据采集模块11和数据预处理模块12;
数据采集模块11用于接收传感器采集的数据,数据采集的原理是利用传感器技术,将LNG储罐、管道、槽车等设备周围的各种物理量(如温度、压力、液位、成分等)转化为电信号或其他可被计算机处理的信号,形成实时数据流,同时将采集后的数据传入数据预处理模块12中,数据预处理模块12用于接收采集后的数据,并对采集后的数据进行预处理操作,预处理操作包括数据清洗(数据清洗是指对收集到的原始数据进行处理和转换,以去除错误、不完整或冗余的数据)、数据变换(数据变换是指对原始数据进行转换操作,以改变数据的表达形式、分布或关系,以满足分析、建模或应用的需求),通过预处理操作减少数据中的误差和错误数据,提高数据质量的准确性,便于为后续的数据分析模块31提供准确的数据;
形成实时数据流的方法步骤:
①传感器接口设计:设计传感器接口,将传感器输出的信号转换为适合计算机处理的数字信号,接口可以采用A/D转换器等设备,将模拟信号转换为数字信号,实现数据的数字化处理;
②数据采集硬件设计:设计数据采集硬件电路,包括信号调理电路、采样保持电路、A/D转换器等部分,将传感器输出的信号进行预处理和转换,保证数据的稳定性和准确性;
③数据采集软件设计:设计数据采集软件,通过串口通信、网络通信等方式与传感器进行通信,获取传感器输出的数据;
④数据采集***架构设计:设计数据采集***架构,采用分布式架构,可以将多个传感器的数据进行采集和处理,提高数据采集的效率和准确性,同时,可以采用多线程、异步IO等技术,实现数据的并发处理和实时更新。
状态监控单元2用于对LNG设备进行实时监测,并通过人工智能技术对实时监测后的数据进行识别,实现对LNG设备周围的各种物理量(如温度、压力、液位、成分等)进行实时监测,并自动识别LNG的温度、压力、液位、成分,再对识别后的数据进行检测异常状态,实现对LNG设备周围的各种物理量进行实时监测,当检测到LNG泄漏的异常情况时,将检测异常状态后的数据传入警报处置单元4中,警报处置单元4用于接收状态监控单元2中检测异常状态后的数据并触发警报,及时发现LNG设备的泄漏、泄漏量、泄漏位置,提醒相关人员采取相应的措施,同时将识别后的数据传入分析预测单元3中。
分析预测单元3包括数据分析模块31和可视化建模模块32,应急调度单元5包括应急预案模块51;
数据分析模块31用于接收数据预处理模块12中预处理操作后的数据,接收状态监控单元2中识别后的数据,并通过数据挖掘技术(数据挖掘技术是指从大量的数据中挖掘出有价值的信息、模式和关联规则的一系列方法和工具)根据预处理操作后的数据和识别后的数据进行分析,分析LNG是否存在泄漏情况,当分析出LNG泄漏的异常情况时,将分析的数据传入警报处置单元4中,警报处置单元4用于接收分析后的数据并触发警报,提醒相关人员采取相应的措施,同时将分析后的数据传入可视化建模模块32中。
可视化建模模块32用于接收分析后的数据,并采用关系型数据库(关系型数据库是基于关系模型的一种数据库管理***)对分析后的数据进行存储,如MySQL(MySQL是一种流行的开源关系型数据库管理***)、Oracle(Oracle是一种全球领先的关系型数据库管理***),还可以采用非关系型数据库(非关系型数据库是一类不使用传统关系型数据库模型的数据库管理***,与关系型数据库不同,非关系型数据库采用了不同的数据模型和存储方式,以满足大规模数据存储和高并发访问的需求),例如MongoDB(MongoDB是一种开源的文档型非关系型数据库,它采用了面向文档的数据模型,以灵活的、可嵌套的文档结构存储数据),同时将存储后的数据进行建立模板数据,模板数据包括LNG的温度、压力、液位、成分,并对建立后的模板数据进行可视,将建立后的模板数据通过图表、图形等方式展示出来,便于后续的数据分析和事故调查,可以采用数据可视化的工具有Tableau(Tableau是一款流行的数据可视化和商业智能工具,它提供了直观的可视化界面和丰富的分析功能,帮助用户从数据中快速洞察并提取有价值的见解)。
应急预案模块51用于接收分析后的数据,接收状态监控单元2中识别后的数据,并根据分析后的数据和识别后的数据进行制定应急预案,通过应急预案可以增强安全意识,并指导监测人员和相关人员在出现异常情况时的应对行动,例如,当分析出LNG泄漏时,则该***自动制定应急预案,帮助监测人员了解应急流程和操作规程,如何避免受到LNG的影响,如何快速安全地逃离危险区域,同时启动应急设备,如启动喷淋,及时控制泄漏事故,避免事故的人员伤亡扩大,同时将制定后的应急预案传入可视化建模模块32中,便于监测人员和相关人员可以通过可视化工具了解应急流程和操作规程。
分析预测单元3还包括趋势预测模块33;
趋势预测模块33用于接收状态监控单元2中识别后的数据,接收数据分析模块31中分析后的数据,并根据识别后的数据和分析后的数据进行预测趋势,预测趋势可以帮助监测人员及早预测异常情况,从而能够更及时地采取措施,可以实现自动报警或触发应急流程,快速响应问题,并减少事件扩大化的可能性,采用了双指数平滑算法,同时将预测趋势后的数据传入应急预案模块51中;
双指数平滑算法公式:
Leved(x)=α*Y(x)+(1-α)*(Leved(x-1)+Tend(x-1));
在该公式中,Leved(x)表示时间x的水平预测结果值,Y(x)是时间x的预测值,α是识别后的数据值,控制当前预测值对水平预测结果值的贡献,(1-α)是预测趋势Tend和上一时刻分析后数据的贡献值,该公式主要用于预测趋势,预测趋势为决策者提供采取的措施,使其能够制定合适的策略和计划来应对潜在问题,同时,预测趋势还可以帮助合理分配资源,确保在风险高峰期或关键时刻能够做出合理的决策。
应急预案模块51接收预测趋势后的数据,接收状态监控单元2中识别后的数据,并根据预测趋势后的数据和识别后的数据进行制定应急预案,可以根据制定后的应急预案提前采取措施,防止潜在风险的发生,并减少对人员和设备的伤害,同时将制定后的应急预案传入可视化建模模块32中,便于监测人员和相关人员可以通过Tableau可视化工具了解应急流程和操作规程。
应急调度单元5还包括智能调度模块52;
智能调度模块52用于接收应急预案模块51中制定后的应急预案,例如,当应急预案采取降低温度的方式来控制LNG泄露的问题,该***并根据制定后的应急预案进行智能调度,将LNG的温度调到LNG温度的安全范围内,避免温度超过其容器的承受能力时发生泄漏或***,在处理LNG的过程中,应遵循相关的安全标准和操作规程,确保LNG的安全性和可靠性。
应急预案模块51用于接收2中识别后的数据,接收数据分析模块31中分析后的数据,接收趋势预测模块33中预测趋势后的数据,并根据识别后的数据、分析后的数据、预测趋势后的数据进行制定应急预案,应急预案可以规范监测过程,明确监测任务、责任和流程,结合状态监控和自动识别含量的技术,监测人员可以更准确、高效地获得关键信息,减少人为因素的影响,提高监测效率,将制定后的应急预案传入智能调度模块52中,智能调度模块52根据制定后的应急预案进行智能调度,智能调度不仅可以调节温度或压力,还可以优化资源的利用和分配,它能够自动调度设备的运行状态,合理分配人力、设备和时间资源,采用了优化调度算法,以降低成本并提高效率,再通过状态监控单元2对智能调度后的数据进行再次识别和检测异常状态,通过再次识别和检测异常状态,不仅减少了***误报或误判的情况,还能帮助不必要的警报和干预对人员的工作带来的负担和困扰,提高了数据的准确性;
优化调度算法公式:
opch=even*exon*(1-exrate);
其中,opch指的是智能调度后的数据,even指制定后应急预案的数据值,exon指的是需调节的系数,exrate指的是上一次预测趋势的概率,该公式主要用于智能调度,智能调度的自动化和智能化操作,以及对监测数据的实时调整,可以提高该***的安全性和可靠性,通过有效的调度,不仅可以避免该***过载、故障的问题,还提高了该***的稳定性。
使用流程:
应急预案模块51接收识别后的数据、分析后的数据和预测趋势后的数据并进行制定应急预案,将制定后的应急预案传入可视化建模模块32中,便于监测人员和相关人员进行查看,同时再将制定后的应急预案传入智能调度模块52中,智能调度模块52根据制定后的应急预案进行智能调度,通过状态监控单元2对智能调度后的数据进行再次识别和检测异常状态。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。