一种管道漏损预警方法及系统技术方案

本发明专利技术实施例提供一种管道漏损预警方法及系统，属于管道监控技术领域。该方法包括：获取对管道进行监控获得的第一监测数据；构建管道对应的三维模型；获得利用三维模型对管道进行虚拟监控获得的第二监测数据；对第二监测数据进行可信度分析确定第二监测数据对应的分析结果；根据分析结果将第一监测数据和第二监测数据进行关联融合，获得管道对应的融合监测数据；利用管道漏损预警模型对融合监测数据进行异常预测，获得融合监测数据对应的目标异常类型；根据目标异常类型确定管道对应的目标处理策略。解决了管道数据可能存在信号获取困难、噪声较多等导致管道漏损对应的预测预警能力受到限制的问题，提高了管道预警的准确性，降低了损失。降低了损失。降低了损失。

【技术实现步骤摘要】
一种管道漏损预警方法及系统


[0001]本专利技术涉及管道监控
，尤其涉及一种管道漏损预警方法及系统
。

技术介绍

[0002]管道运输作为与铁路
、
公路
、
航空
、
水运并驾齐驱的五大运输业之一，在我国国民经济和国防工业发展中发挥着越来越重要的作用
。
而且由于站间距较长
、
巡线密度等方面原因
,
往往难以及时发现并找到泄漏事故地点，致损失扩大并增加了酿成危险事故的隐患
。
[0003]现有技术中大多采用传感器对管道状况进行监测，从而通过对实时监测获得的传感数据对管道对应的异常状况进行判断，但是在对获取管道的传感数据时可能存在信号获取困难
、
噪声较多等问题，从而导致管道漏损对应的预测预警能力受到限制，获得的异常判断结果无法满足实际需求，使得现有技术中对管道漏损预警的效果差强人意
。

技术实现思路

[0004]本专利技术实施例的主要目的在于提供一种管道漏损预警方法及系统，旨在解决现有技术中获取管道的传感数据可能存在信号获取困难
、
噪声较多等问题，导致管道漏损对应的预测预警能力受到限制，获得的异常判断结果无法满足实际需求的问题
。
[0005]第一方面，本专利技术实施例提供一种管道漏损预警方法，包括：获取通过传感器对所述管道进行实时监控获得的第一监测数据；构建所述管道对应的三维模型；获得利用所述三维模型对所述管道进行虚拟监控获得的第二监测数据；对所述第二监测数据进行可信度分析确定所述第二监测数据对应的分析结果；当所述分析结果满足预设条件时，则将所述第一监测数据和所述第二监测数据进行关联融合，获得所述管道对应的融合监测数据；利用管道漏损预警模型对所述融合监测数据进行异常预测，获得所述融合监测数据对应的目标异常类型；根据所述目标异常类型确定所述管道对应的目标处理策略；所述管道漏损预警模型包括多个目标神经元；所述异常判断模块在所述利用管道漏损预警模型对所述融合监测数据进行异常预测，获得所述融合监测数据对应的目标异常类型过程中，执行：获取训练数据以及所述训练数据对应的所述管道漏损预警模型；计算所述管道漏损预警模型中所述目标神经元与所述融合监测数据对应的最小距离信息；计算所述管道漏损预警模型中所述目标神经元与所述训练数据对应的最大距离信息；根据所述最小距离信息和所述最大距离信息确定所述融合监测数据对应的距离阈值；
根据所述距离阈值确定所述融合监测数据对应的目标异常类型
。
[0006]第二方面，本专利技术实施例还提供一种管道漏损预警系统，包括：数据获取模块，用于获取通过传感器对所述管道进行实时监控获得的第一监测数据；三维构建模块，用于构建所述管道对应的三维模型；虚拟数据获取模块，用于获得利用所述三维模型对所述管道进行虚拟监控获得的第二监测数据；数据分析模块，用于对所述第二监测数据进行可信度分析确定所述第二监测数据对应的分析结果；数据融合模块，用于当所述分析结果满足预设条件时，则将所述第一监测数据和所述第二监测数据进行关联融合，获得所述管道对应的融合监测数据；异常判断模块，用于利用管道漏损预警模型对所述融合监测数据进行异常预测，获得所述融合监测数据对应的目标异常类型；策略确定模块，用于根据所述目标异常类型确定所述管道对应的目标处理策略；所述管道漏损预警模型包括多个目标神经元；所述异常判断模块在所述利用管道漏损预警模型对所述融合监测数据进行异常预测，获得所述融合监测数据对应的目标异常类型过程中，执行：获取训练数据以及所述训练数据对应的所述管道漏损预警模型；计算所述管道漏损预警模型中所述目标神经元与所述融合监测数据对应的最小距离信息；计算所述管道漏损预警模型中所述目标神经元与所述训练数据对应的最大距离信息；根据所述最小距离信息和所述最大距离信息确定所述融合监测数据对应的距离阈值；根据所述距离阈值确定所述融合监测数据对应的目标异常类型
。
[0007]本专利技术实施例提供一种管道漏损预警方法及系统，其中，该方法包括获取通过传感器对管道进行实时监控获得的第一监测数据；构建管道对应的三维模型；获得利用三维模型对管道进行虚拟监控获得的第二监测数据；对第二监测数据进行可信度分析确定第二监测数据对应的分析结果；当分析结果满足预设条件时，则将第一监测数据和第二监测数据进行关联融合，获得管道对应的融合监测数据；利用管道漏损预警模型对融合监测数据进行异常预测，获得融合监测数据对应的目标异常类型；根据目标异常类型确定管道对应的目标处理策略
。
解决了现有技术中获取管道的传感数据可能存在信号获取困难
、
噪声较多等问题，导致管道漏损对应的预测预警能力受到限制，获得的异常判断结果无法满足实际需求的问题
。
提高了管道对应的监测数据的质量，保证了后续进行异常判断的可信度，从而提高了管道漏损的预测预警能力
。
附图说明
[0008]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普
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获得其他的附图
。
[0009]图1为本专利技术实施例提供的一种管道漏损预警方法的流程示意图；图2为图1中的管道漏损预警方法的子步骤
S104
的流程示意图；图3为本专利技术实施例提供的一种管道漏损预警系统的模块结构示意框图
。
实施方式
[0010]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，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，都属于本专利技术保护的范围
。
[0011]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作
/
步骤，也不是必须按所描述的顺序执行
。
例如，有的操作
/
步骤还可以分解
、
组合或部分合并，因此实际执行的顺序有可能根据实际情况改变
。
[0012]应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术
。
如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式
。
[0013]本专利技术实施例提供一种管道漏损预警方法及系统
。
其中，该管道漏损预警方法可应用于终端设备中，该终端设备可以平板电脑
、
笔记本电脑
、
台式电脑
、
个人数字助理和穿戴式设备等电子设备
。
该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种管道漏损预警方法，其特征在于，所述方法包括：获取通过传感器对所述管道进行实时监控获得的第一监测数据；构建所述管道对应的三维模型；获得利用所述三维模型对所述管道进行虚拟监控获得的第二监测数据；对所述第二监测数据进行可信度分析确定所述第二监测数据对应的分析结果；当所述分析结果满足预设条件时，则将所述第一监测数据和所述第二监测数据进行关联融合，获得所述管道对应的融合监测数据；利用管道漏损预警模型对所述融合监测数据进行异常预测，获得所述融合监测数据对应的目标异常类型；根据所述目标异常类型确定所述管道对应的目标处理策略；所述管道漏损预警模型包括多个目标神经元；所述利用管道漏损预警模型对所述融合监测数据进行异常预测，获得所述融合监测数据对应的目标异常类型，包括：获取训练数据以及所述训练数据对应的所述管道漏损预警模型；计算所述管道漏损预警模型中所述目标神经元与所述融合监测数据对应的最小距离信息；计算所述管道漏损预警模型中所述目标神经元与所述训练数据对应的最大距离信息；根据所述最小距离信息和所述最大距离信息确定所述融合监测数据对应的距离阈值；根据所述距离阈值确定所述融合监测数据对应的目标异常类型
。2.
根据权利要求1所述的方法，其特征在于，所述构建所述管道对应的三维模型，包括：获取对所述管道进行监控得到的历史监测数据；根据所述历史监测数据确定所述管道对应的状态约束；根据所述状态约束确定所述管道对应的三维模型
。3.
根据权利要求1所述的方法，其特征在于，所述对所述第二监测数据进行可信度分析确定所述第二监测数据对应的分析结果，包括：将所述第一监测数据和所述第二监测数据进行相似度计算，获得相似度结果；根据所述相似度结果确定所述第二监测数据对应的分析结果
。4.
根据权利要求1所述的方法，其特征在于，所述将所述第一监测数据和所述第二监测数据进行关联融合，获得所述管道对应的融合监测数据，包括：计算所述第一监测数据和所述第二监测数据之间的误差值；根据所述误差值确定所述第一监测数据和所述第二监测数据之间对应的误差矩阵；确定误差阈值，根据所述误差阈值和所述误差矩阵确定所述第一监测数据和所述第二监测数据之间对应的关系矩阵；根据所述关系矩阵确定所述第一监测数据和所述第二监测数据之间对应的融合参数；根据所述融合参数确定所述管道对应的融合监测数据
。5.
根据权利要求1所述的方法，其特征在于，所述管道漏损预测模型包括神经网络层
、softmax
层；所述利用管道漏损预警模型对所述融合监测数据进行异常预测，获得所述融合监测数据对应的目标异常类型，包括：根据下式计算融合监测数据对应的异常概率；
；；
x
表示融合监测数据；其中，
p
表示融合监测数据对应的异常概率；
W1
和
b1
表示神经网络层的参数，用于将融合监测数据映射为特征向量
h
；
f
表示神经网络层的激活函数；它对输入进行非线性变换；
W2
和
b2
表示
softmax
层的参数，用于将特征向量
h
映射为异常概率
...

【专利技术属性】
技术研发人员：杨文明，曾文权，赵自力，蔡毅，游东东，
申请(专利权)人：广东力创信息技术有限公司，
类型：发明
国别省市：