[發(fā)明專利]一種智慧燃氣管理系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202110349249.3
• 申請日: 2021-03-31
• 公開（公告）號: CN112884250B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設計）人: 楊大松
• 申請（專利權）人: 楊大松
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G01D21/02
• 代理公司: 重慶強大凱創(chuàng)專利代理事務所(普通合伙) 50217
• 代理人: 趙玉乾

1.一種智慧燃氣管理系統(tǒng)，其特征在于：包括：

數(shù)據(jù)獲取模塊：用于獲取各個燃氣節(jié)點的燃氣數(shù)據(jù)，所述燃氣節(jié)點包括門站、檢測站、壓力表和用戶氣表，所述燃氣數(shù)據(jù)包括壓力值、流通量和燃氣用量；

電動閥門控制模塊：用于門站中的流通量達到供氣閾值時，關小門站中的電動閥門；

泄漏檢測模塊：用于根據(jù)燃氣節(jié)點的燃氣數(shù)據(jù)，檢測是否發(fā)生燃氣泄漏；

所述數(shù)據(jù)獲取模塊包括日歷獲取模塊、燃氣數(shù)據(jù)獲取模塊和數(shù)據(jù)整合模塊：

所述日歷獲取模塊：用于獲取日期信息，所述日期信息包括是否為工作日；

所述燃氣數(shù)據(jù)獲取模塊：用于獲取燃氣數(shù)據(jù)，根據(jù)所有用戶當日的燃氣用量，生成用戶當日的燃氣總用量；

所述數(shù)據(jù)整合模塊：用于整合日歷獲取模塊獲取的日期信息和燃氣數(shù)據(jù)獲取模塊獲取的燃氣數(shù)據(jù)、生成的燃氣總用量；

閾值生成模塊：用于根據(jù)當日的燃氣用量生成次日的供氣閾值，所述供氣閾值生成的方式包括：根據(jù)當日各個用戶的燃氣用量，生成當日燃氣總用量，根據(jù)當日燃氣總用量，生成次日門站的供氣閾值；具體的，將用戶當日的燃氣總用量作為初始值，閾值生成模塊中存有增長閾值、持平閾值和減少閾值，當日為工作日，次日為非工作日時，將初始值與增長閾值之和作為次日門站的供氣閾值；當日和次日均為工作日或非工作日時，將初始值與持平閾值之和作為次日門站的供氣閾值；當日為非工作日，次日為工作日時，將初始值與減少閾值之和作為次日門站的供氣閾值；

所述泄漏檢測模塊包括模型建立模塊和判定模塊：

所述模型建立模塊：用于通過人工智能的方式，根據(jù)檢測的燃氣節(jié)點的燃氣數(shù)據(jù)，預測下一燃氣節(jié)點的燃氣數(shù)據(jù)，將檢測的燃氣節(jié)點的壓力值和流通量作為輸入層的輸入，預測的下一節(jié)點的壓力值和流通量為輸出層的輸出；

模型建立模塊獲取數(shù)據(jù)整合模塊中門站、各檢測站的流通量、壓力值和溫度；模型建立模塊包括BP神經(jīng)網(wǎng)絡模塊，用于根據(jù)檢測數(shù)據(jù)，生成下一燃氣節(jié)點的燃氣數(shù)據(jù)；BP神經(jīng)網(wǎng)絡模塊包括BP神經(jīng)網(wǎng)絡模型，BP神經(jīng)網(wǎng)絡模塊使用BP神經(jīng)網(wǎng)絡技術來對下一燃氣節(jié)點的燃氣數(shù)據(jù)進行預測，具體的首先構建一個三層的BP神經(jīng)網(wǎng)絡模型，包括輸入層、隱層和輸出層，以檢測的燃氣節(jié)點的壓力值、流通量和溫度作為輸入層的輸入，因此輸入層有3個節(jié)點，而輸出是對下一燃氣節(jié)點的壓力值、流通量和溫度的預測，因此共有3個節(jié)點；針對于隱層，采用以下公式來確定隱層節(jié)點的數(shù)量：其中l(wèi)為隱層的節(jié)點數(shù)，n為輸入層的節(jié)點數(shù)，m為輸出層的節(jié)點數(shù)，a為1至10之間的一個數(shù)；BP神經(jīng)網(wǎng)絡采用Sigmoid可微函數(shù)和線性函數(shù)作為網(wǎng)絡的激勵函數(shù)；采用S型正切函數(shù)tansig作為隱層神經(jīng)元的激勵函數(shù)；預測模型采用S型對數(shù)函數(shù)tansig作為輸出層神經(jīng)元的激勵函數(shù)；在BP網(wǎng)絡模型構建完畢后，利用歷史數(shù)據(jù)中的燃氣數(shù)據(jù)作為樣本對模型進行訓練；

所述判定模塊：用于根據(jù)檢測的下一節(jié)點的燃氣數(shù)據(jù)和預測的下一節(jié)點的燃氣數(shù)據(jù)，判定是否發(fā)生燃氣泄漏，并生成判定結果。

2.根據(jù)權利要求1所述的智慧燃氣管理系統(tǒng)，其特征在于：還包括提示模塊，用于判定結果為發(fā)生燃氣泄漏時，發(fā)出提示。

3.根據(jù)權利要求2所述的智慧燃氣管理系統(tǒng)，其特征在于：所述提示模塊包括蜂鳴器和指示燈。

4.一種智慧燃氣管理方法，其特征在于：包括以下步驟：

數(shù)據(jù)獲取步驟：獲取各個燃氣節(jié)點的燃氣數(shù)據(jù)，所述燃氣節(jié)點包括門站、檢測站和用戶氣表，所述燃氣數(shù)據(jù)包括壓力值、流通量和燃氣用量；

電動閥門控制步驟：門站中的流通量達到供氣閾值時，關小門站中的電動閥門；

泄漏檢測步驟：根據(jù)燃氣節(jié)點的燃氣數(shù)據(jù)，檢測是否發(fā)生燃氣泄漏；

所述數(shù)據(jù)獲取步驟包括日歷獲取步驟、燃氣數(shù)據(jù)獲取步驟和數(shù)據(jù)整合步驟：

所述日歷獲取步驟：獲取日期信息，所述日期信息包括是否為工作日；

所述燃氣數(shù)據(jù)獲取步驟：獲取燃氣數(shù)據(jù)，根據(jù)所有用戶當日的燃氣用量，生成用戶當日的燃氣總用量；

所述數(shù)據(jù)整合步驟：整合日歷獲取步驟獲取的日期信息和燃氣數(shù)據(jù)獲取步驟獲取的燃氣數(shù)據(jù)、生成的燃氣總用量；

閾值生成步驟：根據(jù)當日的燃氣用量生成次日的供氣閾值，所述供氣閾值生成的方式包括：根據(jù)當日各個用戶的燃氣用量，生成當日燃氣總用量，根據(jù)當日燃氣總用量，生成次日門站的供氣閾值；具體的，將用戶當日的燃氣總用量作為初始值，閾值生成步驟中存有增長閾值、持平閾值和減少閾值，當日為工作日，次日為非工作日時，將初始值與增長閾值之和作為次日門站的供氣閾值；當日和次日均為工作日或非工作日時，將初始值與持平閾值之和作為次日門站的供氣閾值；當日為非工作日，次日為工作日時，將初始值與減少閾值之和作為次日門站的供氣閾值；

所述泄漏檢測步驟包括模型建立步驟、判定步驟和提示步驟：

所述模型建立步驟：通過人工智能的方式，根據(jù)檢測的燃氣節(jié)點的燃氣數(shù)據(jù)，預測下一燃氣節(jié)點的燃氣數(shù)據(jù)，將檢測的燃氣節(jié)點的壓力值和流通量作為輸入層的輸入，預測的下一節(jié)點的壓力值和流通量為輸出層的輸出；

模型建立步驟，獲取數(shù)據(jù)整合步驟中門站、各檢測站的流通量、壓力值和溫度；模型建立步驟采用BP神經(jīng)網(wǎng)絡模塊，用于根據(jù)檢測數(shù)據(jù)，生成下一燃氣節(jié)點的燃氣數(shù)據(jù)；BP神經(jīng)網(wǎng)絡模塊包括BP神經(jīng)網(wǎng)絡模型，BP神經(jīng)網(wǎng)絡模塊使用BP神經(jīng)網(wǎng)絡技術來對下一燃氣節(jié)點的燃氣數(shù)據(jù)進行預測，具體的首先構建一個三層的BP神經(jīng)網(wǎng)絡模型，包括輸入層、隱層和輸出層，以檢測的燃氣節(jié)點的壓力值、流通量和溫度作為輸入層的輸入，因此輸入層有3個節(jié)點，而輸出是對下一燃氣節(jié)點的壓力值、流通量和溫度的預測，因此共有3個節(jié)點；針對于隱層，采用以下公式來確定隱層節(jié)點的數(shù)量：其中l(wèi)為隱層的節(jié)點數(shù)，n為輸入層的節(jié)點數(shù)，m為輸出層的節(jié)點數(shù)，a為1至10之間的一個數(shù)；BP神經(jīng)網(wǎng)絡采用Sigmoid可微函數(shù)和線性函數(shù)作為網(wǎng)絡的激勵函數(shù)；采用S型正切函數(shù)tansig作為隱層神經(jīng)元的激勵函數(shù)；預測模型采用S型對數(shù)函數(shù)tansig作為輸出層神經(jīng)元的激勵函數(shù)；在BP網(wǎng)絡模型構建完畢后，利用歷史數(shù)據(jù)中的燃氣數(shù)據(jù)作為樣本對模型進行訓練；

所述判定步驟：根據(jù)檢測的下一節(jié)點的燃氣數(shù)據(jù)和預測的下一節(jié)點的燃氣數(shù)據(jù)，判定是否發(fā)生燃氣泄漏，并生成判定結果；

所述提示步驟：判定結果為發(fā)生燃氣泄漏時，發(fā)出提示。