【技术实现步骤摘要】
本专利技术涉及城市燃气管网，具体是涉及一种城市燃气管网检测方法、装置、系统和介质。
技术介绍
1、在市政监控中，会对城市的燃气管网进行统一监控管理。一般通过城市燃气管网监控平台来对城市中的燃气管网进行监控管理。在燃气管网的监控中，对于目标燃气管道是否泄漏会进行定期监控。现有的方式，一般采用人工对特定的燃气管网进行泄漏检测，然后对泄漏检测进行上报。这种方式效率和准确性均不高。因此，如何提高燃气管网的检测的效率和准确性是行业内亟需研究的技术问题。
技术实现思路
1、本专利技术提供一种城市燃气管网检测方法、装置、系统和介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
2、本专利技术提供一种城市燃气管网检测方法，所述城市燃气管网检测方法包括：从城市燃气管网监控平台中确定待检测的燃气管网，将所述待检测的燃气管网记为目标燃气管网；根据所述目标燃气管网的身份编号，从规则服务器中获取所述目标燃气管网的分段规则；根据所述分段规则将所述目标燃气管网划分出多条待检测的燃气管道；对划分出的待检测的燃气管道依次进行泄漏检测，直至完成整个所述目标燃气管网的检测；
3、其中，将当前的待检测的燃气管道记为目标燃气管道；
4、对所述目标燃气管道进行泄漏检测包括：获取所述目标燃气管道在历史时刻之前预设时间段内的管道压力值时序数据、管道流量值时序数据和管道温度值时序数据；
5、根据所述管道压力值时序数据进行求平均值运算，得到管道压力平均
6、根据所述管道流量值时序数据进行求平均值运算，得到管道流量平均值；对所述管道流量值时序数据进行求方差值运算，得到管道流量方差值；
7、根据所述管道温度值时序数据进行求平均值运算，得到管道温度平均值；对所述管道温度值时序数据进行求方差值运算，得到管道温度方差值；
8、将所述管道压力平均值输入到预先训练好的第一平均特征预测模型中，通过所述第一平均特征预测模型得到所述历史时刻之后所述预设时间段内的预测管道压力平均值；
9、将所述管道流量平均值输入到预先训练好的第二平均特征预测模型中，通过所述第二平均特征预测模型得到所述历史时刻之后所述预设时间段内的预测管道流量平均值；
10、将所述管道温度平均值输入到预先训练好的第三平均特征预测模型中，通过所述第三平均特征预测模型得到所述历史时刻之后所述预设时间段内的预测管道温度平均值；
11、将所述管道压力方差值输入到预先训练好的第一方差特征预测模型中，通过所述第一方差特征预测模型得到所述历史时刻之后所述预设时间段内的预测管道压力方差值；
12、将所述管道流量方差值输入到预先训练好的第二方差特征预测模型中，通过所述第二方差特征预测模型得到所述历史时刻之后所述预设时间段内的预测管道流量方差值；
13、将所述管道温度方差值输入到预先训练好的第三方差特征预测模型中，通过所述第三方差特征预测模型得到所述历史时刻之后所述预设时间段内的预测管道温度方差值；
14、获取所述目标燃气管道在历史时刻之后所述预设时间段内的管道压力值时序数据、管道流量值时序数据和管道温度值时序数据；
15、根据所述管道压力值时序数据进行求平均值运算，得到实际管道压力平均值；对所述管道压力值时序数据进行求方差值运算，得到实际管道压力方差值；
16、根据所述管道流量值时序数据进行求平均值运算，得到实际管道流量平均值；对所述管道流量值时序数据进行求方差值运算，得到实际管道流量方差值；
17、根据所述管道温度值时序数据进行求平均值运算，得到实际管道温度平均值；对所述管道温度值时序数据进行求方差值运算，得到实际管道温度方差值；
18、当所述实际管道压力平均值与所述预测管道压力平均值之间的差值大于等于预设的第一平均阈值，或者当所述实际管道流量平均值与所述预测管道流量平均值之间的差值大于等于预设的第二平均阈值，或者当所述实际管道温度平均值与所述预测管道温度平均值之间的差值大于等于预设的第三平均阈值，或者当所述实际管道压力方差值与所述预测管道压力方差值之间的差值大于等于预设的第一方差阈值，或者当所述实际管道流量方差值与所述预测管道流量方差值之间的差值大于等于预设的第二方差阈值，或者当所述实际管道温度方差值与所述预测管道温度方差值之间的差值大于等于预设的第三方差阈值；则认为所述目标燃气管道存在泄漏。
19、进一步，所述城市燃气管网检测方法还包括：当认为所述目标燃气管道存在泄漏，则在城市燃气管网监控平台的监控界面中产生推送信息。
20、进一步，所述第一平均特征预测模型、第二平均特征预测模型和第三平均特征预测模型均为基于长短时记忆网络lstm构建的人工智能模型。
21、进一步，所述第一方差特征预测模型、第二方差特征预测模型和第三方差特征预测模型均为基于长短时记忆网络lstm构建的人工智能模型。
22、另一方面，提供了一种城市燃气管网检测装置，包括：处理器和存储器，所述存储器用于存储计算机可读程序；当所述计算机可读程序被所述处理器执行时，使得所述处理器实现如上述技术方案中任一项所述的城市燃气管网检测方法。
23、另一方面，提供了一种城市燃气管网检测系统，包括：确定模块、获取模块、划分模块和检测模块；
24、所述确定模块用于从城市燃气管网监控平台中确定待检测的燃气管网，将所述待检测的燃气管网记为目标燃气管网；
25、所述获取模块用于根据所述目标燃气管网的身份编号，从规则服务器中获取所述目标燃气管网的分段规则；
26、所述划分模块用于根据所述分段规则将所述目标燃气管网划分出多条待检测的燃气管道；
27、所述检测模块用于对划分出的待检测的燃气管道依次进行泄漏检测，直至完成整个所述目标燃气管网的检测；
28、其中，将当前的待检测的燃气管道记为目标燃气管道；
29、对所述目标燃气管道进行泄漏检测包括：获取所述目标燃气管道在历史时刻之前预设时间段内的管道压力值时序数据、管道流量值时序数据和管道温度值时序数据；
30、根据所述管道压力值时序数据进行求平均值运算，得到管道压力平均值；对所述管道压力值时序数据进行求方差值运算，得到管道压力方差值；
31、根据所述管道流量值时序数据进行求平均值运算，得到管道流量平均值；对所述管道流量值时序数据进行求方差值运算，得到管道流量方差值；
32、根据所述管道温度值时序数据进行求平均值运算，得到管道温度平均值；对所述管道温度值时序数据进行求方差值运算，得到管道温度方差值；
33、将所述管道压力平均值输入到预先训练好的第一平均特征预测模型中，通过所述第一平均特征预测模型得到所述历史时刻之后所述预设时间段内的预测管道压力平均值；
34、将所述管道流量本文档来自技高网...
【技术保护点】
1.一种城市燃气管网检测方法，其特征在于，所述城市燃气管网检测方法包括：
2.根据权利要求1所述的一种城市燃气管网检测方法，其特征在于，还包括：当认为所述目标燃气管道存在泄漏，则在城市燃气管网监控平台的监控界面中产生推送信息。
3.根据权利要求1所述的一种城市燃气管网检测方法，其特征在于，所述第一平均特征预测模型、第二平均特征预测模型和第三平均特征预测模型均为基于长短时记忆网络LSTM构建的人工智能模型。
4.根据权利要求1所述的一种城市燃气管网检测方法，其特征在于，所述第一方差特征预测模型、第二方差特征预测模型和第三方差特征预测模型均为基于长短时记忆网络LSTM构建的人工智能模型。
5.一种城市燃气管网检测装置，其特征在于，包括：处理器；
6.一种城市燃气管网检测系统，其特征在于，包括：确定模块、获取模块、划分模块和检测模块；
7.根据权利要求6所述的一种城市燃气管网检测系统，其特征在于，还包括推送模块，所述推送模块用于当认为所述目标燃气管道存在泄漏，则在城市燃气管网监控平台的监控界面中产生推送信息。>
8.根据权利要求6所述的一种城市燃气管网检测系统，其特征在于，所述第一平均特征预测模型、第二平均特征预测模型和第三平均特征预测模型均为基于长短时记忆网络LSTM构建的人工智能模型。
9.根据权利要求6所述的一种城市燃气管网检测系统，其特征在于，所述第一方差特征预测模型、第二方差特征预测模型和第三方差特征预测模型均为基于长短时记忆网络LSTM构建的人工智能模型。
10.一种计算机可读存储介质，其特征在于，其中存储有处理器可执行的程序，所述处理器可执行的程序被处理器执行时用于实现如权利要求1至4任意一项所述的城市燃气管网检测方法。
...【技术特征摘要】
1.一种城市燃气管网检测方法，其特征在于，所述城市燃气管网检测方法包括：
2.根据权利要求1所述的一种城市燃气管网检测方法，其特征在于，还包括：当认为所述目标燃气管道存在泄漏，则在城市燃气管网监控平台的监控界面中产生推送信息。
3.根据权利要求1所述的一种城市燃气管网检测方法，其特征在于，所述第一平均特征预测模型、第二平均特征预测模型和第三平均特征预测模型均为基于长短时记忆网络lstm构建的人工智能模型。
4.根据权利要求1所述的一种城市燃气管网检测方法，其特征在于，所述第一方差特征预测模型、第二方差特征预测模型和第三方差特征预测模型均为基于长短时记忆网络lstm构建的人工智能模型。
5.一种城市燃气管网检测装置，其特征在于，包括：处理器；
6.一种城市燃气管网检测系统，其特征在于，包括：确定模块、获取模块、划...
【专利技术属性】
技术研发人员：章海生，王东华，陈伦勇，梁健声，刘华，曾志坚，夏忠和，林浩通，甘海新，姚杰豪，
申请(专利权)人：广东省华智能信息技术有限公司，
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。