System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及供气安全监测预警,尤其涉及一种公共综合设施燃气供气安全监测预警系统及方法。
技术介绍
1、天然气作为优质高效的清洁能源,在民用燃料、工业燃料和化工原料领域广泛应用,煤改气和油改气项目快速推进实施,天然气使用范围进一步扩大,消费量大幅增长,但由于天然气爆炸下限低、爆炸极限范围宽,例如发生泄漏,空气中浓度达到5%-15%,遇到点火源引发爆炸,随着天然气大量和大范围使用,安全管理的新情况、新风险和新问题随之出现。在大型公共设施例如机场、大型商场和体育场馆,在大型公共场所供气安全同等于公共安全。大型公共场所的供气配套设施需为满足设施内部多种需求,被设计的极为复杂,一套能够通过各个传感器整合设施内整体供气需求以及拥有逐渐适应不同时段用气特征的智能化供气安全监测预警系统变得必要起来。
技术实现思路
1、鉴于上述问题,提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的公共综合设施燃气供气安全监测预警系统及方法。
2、本专利技术的一个方面,提供了一种公共综合设施燃气供气安全监测预警系统,所述系统包括:
3、预测模块,用于根据运行数据对预测模型进行训练,生成预测数据;
4、对比模块,用于将所述预测数据和实时数据进行比对,根据比对结果判断所述实时数据是否为异常数据;
5、分析模块,用于当所述实时数据为异常数据时,对所述异常数据进行分析,得到异常事件类型。
6、在一些可选的实施方式中,所述预测模型,包括:第一预测
7、所述预测模块,用于根据数据库中的运行数据分别对第一预测模型、第二预测模型和第三预测模型进行训练,生成对应的第一预测数据、第二预测数据和第三预测数据。
8、在一些可选的实施方式中,所述第一预测模型,包括:季节时间序列模型、长短期记忆神经网络模型和先知模型;
9、所述第二预测模型,包括:季节时间序列模型、长短期记忆神经网络模型和先知模型;
10、所述第三预测模型,包括:季节时间序列模型、长短期记忆神经网络模型和先知模型。
11、在一些可选的实施方式中,所述季节时间序列模型用于处理周期趋势的时间序列数据;
12、所述季节时间序列模型的参数,包括:趋势的自回归阶数、趋势差分阶数、趋势的移动平均阶数、周期长度、季节性自回归阶数、季节性差分阶数和季节性移动平均阶数。
13、在一些可选的实施方式中,所述长短期记忆神经网络模型是多层反馈神经网络,所述神经网络的节点定向连接成环;
14、所述长短期记忆神经网络模型,包括:遗忘门、输入门、细胞门和输出门;
15、所述遗忘门,用于由激活函数进行选择性忘却;
16、所述输入门,用于通过激活函数更新迭代神经元,再通过双曲正切函数生成候选值;
17、所述细胞门,用于将所述激活函数与所述候选值相乘;
18、所述输出门,用于确定所述长短期记忆神经网络模型的输出值。
19、在一些可选的实施方式中,所述先知模型,用于将时序中的数据值分为趋势因子、季节性影响因子、节假日影响因子和不可预测的因素;
20、所述趋势因子,包括:罗吉斯蒂克函数和分段线性函数;
21、所述季节性影响因子通过正弦波的叠加进行拟合。
22、在一些可选的实施方式中,所述预测模块,还用于根据由所述对比模块判断的正常数据利用增量学习分别对所述第一预测模型、所述第二预测模型和所述第三预测模型进行迭代。
23、在一些可选的实施方式中,所述对比模块,用于根据所述第一预测模型、所述第二预测模型和所述第三预测模型对应的精度得到的所述第一预测数据、所述第二预测数据和所述第三预测数据对应的权重,基于加权求和,得到对比数据,将所述对比数据和通过传感器采集的实时数据进行比对;
24、如果比对结果大于第一预设阈值,则判断所述实时数据为异常数据;
25、如果比对结果小于第一预设阈值,则判断所述实时数据为正常数据。
26、在一些可选的实施方式中,所述分析模块,用于当所述实时数据为异常数据时,获取所述异常数据的至少一个数据属性,确定所述异常数据的目标数据特征,所述目标数据特征由一个或多个数据属性构成;
27、计算所述目标数据特征的哈希值;
28、基于所述哈希值的一致性,将所述目标数据特征与预先获取的完成数据分类和标注的异常数据库中已存储数据特征进行比对;
29、若所述目标数据特征与所述异常数据库中已存储数据特征相同,则确定不需要更新所述异常数据库;
30、若所述目标数据特征与所述异常数据库中已存储数据特征都不同,则在所述异常数据库中新增所述目标数据特征;
31、根据所述异常数据库中所述目标数据特征对应的数据标签确定异常事件类型。
32、本专利技术的第二方面,提供了一种公共综合设施燃气供气安全监测预警方法,所述方法包括:
33、根据运行数据对预测模型进行训练,生成预测数据;
34、将所述预测数据和实时数据进行比对,根据比对结果判断所述实时数据是否为异常数据;
35、当所述实时数据为异常数据时,对所述异常数据进行分析,得到异常事件类型。
36、本专利技术实施例提供的一种公共综合设施燃气供气安全监测预警系统及方法,本专利技术随着运行时间的增加,根据供气设施运行特性进行迭代完善自身功能;有着基础的自适应性;随着数据库的完善,可以找出供气设施事故原因;在特定的情况下,可以在事故发生前进行预警。
37、上述说明仅是本专利技术技术方案的概述,为了能够更清楚了解本专利技术的技术手段,而可依照说明书的内容予以实施,并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂,以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种公共综合设施燃气供气安全监测预警系统,其特征在于,所述系统包括:
2.根据权利要求1所述的系统,其特征在于,
3.根据权利要求2所述的系统,其特征在于,
4.根据权利要求3所述的系统,其特征在于,
5.根据权利要求3所述的系统,其特征在于,
6.根据权利要求3所述的系统,其特征在于,
7.根据权利要求2所述的系统,其特征在于,所述预测模块,还用于根据由所述对比模块判断的正常数据利用增量学习分别对所述第一预测模型、所述第二预测模型和所述第三预测模型进行迭代。
8.根据权利要求2所述的系统,其特征在于,所述对比模块,用于根据所述第一预测模型、所述第二预测模型和所述第三预测模型对应的精度得到的所述第一预测数据、所述第二预测数据和所述第三预测数据对应的权重,基于加权求和,得到对比数据,将所述对比数据和通过传感器采集的实时数据进行比对;
9.根据权利要求8所述的系统,其特征在于,所述分析模块,用于当所述实时数据为异常数据时,获取所述异常数据的至少一个数据属性,确定所述异常数据的目标数据特
10.一种公共综合设施燃气供气安全监测预警方法,其特征在于,所述方法包括:
...【技术特征摘要】
1.一种公共综合设施燃气供气安全监测预警系统,其特征在于,所述系统包括:
2.根据权利要求1所述的系统,其特征在于,
3.根据权利要求2所述的系统,其特征在于,
4.根据权利要求3所述的系统,其特征在于,
5.根据权利要求3所述的系统,其特征在于,
6.根据权利要求3所述的系统,其特征在于,
7.根据权利要求2所述的系统,其特征在于,所述预测模块,还用于根据由所述对比模块判断的正常数据利用增量学习分别对所述第一预测模型、所述第二预测模型和所述第三预测模型进行迭代。
8.根据权...
【专利技术属性】
技术研发人员:赵佳明,蔡建智,陈金金,陈伟忠,
申请(专利权)人:江苏盛伟燃气科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。