燃气管道泄漏检测方法、装置、设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113944888A(43)申请公布日2022.01.18(21)申请号202111292627.5(22)申请日2021.11.03(71)申请人北京软通智慧科技有限公司地址100193北京市海淀区东北旺西路8号中关村软件园10号楼3层301-1(72)发明人熊小安李庆(74)专利代理机构北京品源专利代理有限公司11332代理人蔡舒野(51)Int.Cl.F17D5/02(2006.01)F17D3/18(2006.01)F17D3/01(2006.01)权利要求书2页说明书10页附图3页(54)发明名称燃气管道泄漏检测方法、装置、设备和存储介质(57)摘要本申请涉及一种燃气管道泄漏检测方法、装置、设备和存储介质。该方法包括：将各燃气管道对应历史时刻的燃气流量时序数据输入至预先训练好的预测模型中，预测各燃气管道在所述历史时刻之后的至少一个目标时刻对应的燃气流量，得到预测燃气流量时序数据；其中，所述预测模型基于LSTM构建；采集各燃气管道在所述至少一个目标时刻对应的观测燃气流量，得到观测燃气流量时序数据；基于各燃气管道对应的所述预测燃气流量时序数据和所述观测燃气流量时序数据之间的误差，从各燃气管道中确定疑似燃气泄漏的燃气管道。该方法实现了燃气泄漏的自动检测，大大减少了人工检测的工作量，能够及时发现泄漏的燃气管道，减少由泄漏引起的损失。CN113944888ACN113944888A权利要求书1/2页1.一种燃气管道泄漏检测方法，其特征在于，包括：将各燃气管道对应历史时刻的燃气流量时序数据输入至预先训练好的预测模型中，预测各燃气管道在所述历史时刻之后的至少一个目标时刻对应的燃气流量，得到预测燃气流量时序数据；其中，所述预测模型基于长短时记忆网络LSTM构建；采集各燃气管道在所述至少一个目标时刻对应的观测燃气流量，得到观测燃气流量时序数据；基于各燃气管道对应的所述预测燃气流量时序数据和所述观测燃气流量时序数据之间的误差，从各燃气管道中确定疑似燃气泄漏的燃气管道。2.根据权利要求1所述的方法，其特征在于，所述预测模型包括编码器和解码器；所述将各燃气管道对应历史时刻的燃气流量时序数据输入至预先训练好的预测模型中，预测各燃气管道在所述历史时刻之后的至少一个目标时刻对应的燃气流量，得到预测燃气流量时序数据，包括：将燃气管网中各燃气管道抽象为节点，将各燃气管道之间的连接关系抽象为边，构建燃气管道图数据；其中，各燃气管道对应历史时刻的燃气流量时序数据作为节点的属性数据，各燃气管道之间的距离作为边的权重；通过图神经网络对所述燃气管道图数据进行卷积处理，以实现节点间的信息交互；将卷积处理后的图数据输入至所述编码器中进行编码，得到各节点对应的表示向量；将所述各节点对应的表示向量输入至所述解码器中，预测各燃气管道在所述历史时刻之后的至少一个目标时刻对应的燃气流量，得到各燃气管道对应的所述预测燃气流量时序数据。3.根据权利要求1所述的方法，其特征在于，所述各燃气管道对应历史时刻的燃气流量时序数据通过数据采集与监视控制系统采集得到。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于各燃气管道对应的所述预测燃气流量时序数据和所述观测燃气流量时序数据之间的误差，从各燃气管道中确定疑似燃气泄漏的燃气管道，包括：将各燃气管道对应的所述预测燃气流量时序数据和所述观测燃气流量时序数据进行对比，建立第一误差模型、第二误差模型以及第三误差模型；其中，所述第一误差模型、第二误差模型以及第三误差模型反映不同的误差度量指标；确定第一误差模型、第二误差模型以及第三误差模型对应的误差阈值；基于各误差阈值，采用投票机制确定各燃气管道对应的所述观测燃气流量时序数据是否为异常数据；若是，则确定对应的燃气管道为疑似燃气泄漏的燃气管道。5.根据权利要求4所述的方法，其特征在于，所述确定第一误差模型、第二误差模型以及第三误差模型对应的误差阈值，包括：通过基于密度的聚类算法分别确定第一误差模型、第二误差模型以及第三误差模型中的噪点数据；基于各噪点数据对对应的第一误差模型、第二误差模型以及第三误差模型进行修正，得到修正后的第一误差模型、修正后的第二误差模型以及修正后的第三误差模型；基于预设的阈值调谐系数，采用下述公式计算修正后的第一误差模型、修正后的第二2CN113944888A权利要求书2/2页误差模型以及修正后的第三误差模型对应的误差阈值thk；thk＝mean(erfk)+α*sd(erfk)；其中，mean为均值函数，sd为标准差函数，α为所述阈值调谐系数，erfk为修正后的误差模型。6.根据权利要求1至3中任一项所述的方法，其特征在于，还包括：向所述疑似燃气泄漏的燃气管道发送阀门关闭指令，以关闭该