【技术实现步骤摘要】
本专利技术涉及油气管道安全监控和信息化，尤其涉及一种油气管道光纤预警系统的预警事件处理系统。
技术介绍
1、在油气管道行业中，确保管道的安全运行是至关重要的。光纤预警系统因其高灵敏度、长距离监测能力和抗电磁干扰等优点，已成为油气管道安全监控的重要技术手段。然而随着实际应用场景复杂性的提高，对预警系统的数据处理能力和智能化水平提出了更高的要求。目前市场上存在多种光纤预警系统，目前大部分专注于信号的识别提取，预警事件的分类等，对预警信息的二次处理关注较少，面对各种复杂情况只依赖于模板配置，不能灵活动态调优，造成大量重复报警、无效报警。
2、现有技术的缺点：
3、事件处理的动态性不足：现有系统缺乏根据事件严重性和实时环境因素动态调整事件优先级的能力，导致关键事件可能无法得到及时处理。
4、事件合并效率低：在处理大量预警事件时，现有系统可能未能有效合并具有相似特征或时间关联的事件，从而产生大量重复和冗余信息。
5、去重算法精确性有限：现有系统的去重算法可能不够精确，导致预警事件数据中仍存在重复项，影响数据的准确性和一致性。
6、缺乏自动化响应：一些系统可能依赖人工干预来处理预警事件，缺乏自动执行预设响应措施的能力，这可能导致响应延迟。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足，本专利技术提供一种油气管道光纤预警系统的预警事件处理系统，其解决了现有技术对面对各种复杂情况只依赖于模板配置，
3、(二)技术方案
4、为了达到上述目的，本专利技术采用的主要技术方案包括：
5、本专利技术实施例提供一种油气管道光纤预警系统的预警事件处理系统，包括：
6、预处理模块，用于接收油气管道的光纤预警系统收集的多个预警事件的实时预警数据并进行预处理，得到预处理的实时预警数据；
7、初次合并模块，用于根据所述预处理的实时预警数据计算多个预警事件的相似度，确定所述多个预警事件中的第一相似预警事件，并将所述第一相似预警事件的实时预警数据进行初次合并，得到一个或多个合并的预警事件；
8、动态升降级处理模块，用于基于所述合并的预警事件的实时预警数据，获取合并的预警事件的多维特征向量；并使用深度学习模型，根据多维特征向量，对所述合并的预警事件的初始的预警等级进行调整，得到调整的预警等级；
9、输出模块，用于输出所述合并的预警事件及其调整的预警等级。
10、可选地，所述实时预警数据包括：预警事件的事件类型、初始预警等级、发生时间、坐标和发生该预警事件的光纤编号。
11、可选地，所述初次合并模块包括：
12、第一向量构建单元，用于针对每一预警事件，基于关联的预处理的实时预警数据构建第一特征向量；所述初始特征向量包括：该预警事件的相对时间、事件类型、预警事件坐标；
13、第一聚类分析单元，用于基于所述第一特征向量计算任意两个预警事件的相似度，根据预警事件的相似度，将所述多个预警事件划分为多个簇；
14、第一合并单元，将相同簇下的预警事件确定为第一相似预警事件，对所述相似预警事件的实时预警数据进行初次合并，得到合并的预警事件。
15、可选地，在所述第一向量构建单元中，所述基于关联的预处理的实时预警数据构建第一特征向量，包括：对于第i个预警事件，构建的第一特征向量表示为：vi＝[ti,ei,xi,yi]；其中，ti表示第i个预警事件的相对时间，ei表示第i个预警事件的事件类型，表示第i个预警事件的经度，表示第i个预警事件的维度；
16、在所述第一聚类分析单元中，所述基于所述第一特征向量计算任意两个预警事件的相似度包括：对于第i个预警事件和第j个预警事件，基于公式(1)计算两者的相似度；
17、
18、其中，dij表示第i个预警事件和第j个预警事件的相似度。
19、可选地，在第一合并单元中，所述对所述第一相似预警事件的实时预警数据进行初次合并，包括：
20、对于一簇下的所有第一相似预警事件，将关联的实时预警数据每个条目下的数据取平均数或中位数，作为合并的预警事件关联的实时预警数据。
21、可选地，所述多维特征向量包括：时间特征数据、地点特征数据、事件类型特征数据、环境特征数据和历史特征数据；其中，
22、所述时间特征数据包括：所述预警事件的发生时间是否处于预设的敏感时间段；
23、所述地点特征数据包括：基于gis，根据预警事件的坐标获取的地形数据、地质数据或水文数据；
24、所述事件类型数据特征包括：该预警事件所属的事件类型发生的频率，和/或持续时间；
25、所述环境特征数据包括：预警事件的坐标附近的天气数据、交通状况或设备状态；所述设备状态包括：油气管道的管道流量和管道状态；
26、所述历史特征数据包括：预警事件坐标处的预警事件发生模式或趋势。
27、可选地，在所述动态升降级处理模块中，所述使用深度学习模型，包括：
28、所述深度学习模型为：基于预先的训练过程得到的具有适配的模型参数的aeldr模型；
29、所述aeldr模型包括：
30、第一lstm模型，用于基于所述多维特征向量，预测得到关于所述预警事件的趋势的第一结果；
31、第二lstm模型，用于基于所述实时多维特征向量，预测得到关于所述预警事件的坐标处的环境模式的第二结果；
32、cnn模型，用于基于所述多维特征向量，预测得到关于所述预警事件的空间模式和局部特征的第三结果；
33、随机森林模型，用于基于所述多维特征向量，预测得到关于所述预警事件的非线性关系和复杂模式的第四结果；
34、svm模型，用于基于所述多维特征向量的高维特征，预测得到关于所述预警事件的决策边界的第五结果；
35、融合模型，用于融合所述第一结果、第二结果、第三结果、第四结果和第五结果，预测所述预警事件的调整的预警等级和推荐决策。
36、可选地，所述融合模型为堆叠元模型。
37、可选地，所述预先的训练过程包括：获取多个历史预警事件的历史数据，提取关于所述历史数据的历史多维特征向量、以及与所述历史预警事件关联的预警等级调整记录，作为用于训练的数据集；
38、所述历史数据包括：历史时间特征数据、历史地点特征数据、历史事件类型特征数据、历史环境特征数据、历史特征数据和历史决策特征数据。
39、可选地，所述动态升降级处理模块和输出模块之间通过二次合并模块连接；
40、所述二次合并模块，用于根据动态升降级处理模块输出的调整的预警等级，更新关联的合并的预警事件的实时预警数据；并根据更新的实时预警数据再次计算多个合并预警事件的相似度，确定所述多个合并预警事本文档来自技高网...
【技术保护点】
1.一种油气管道光纤预警系统的预警事件处理系统，其特征在于，包括：
2.根据权利要求1所述的预警事件处理系统，其特征在于，所述实时预警数据包括：预警事件的事件类型、初始预警等级、发生时间、坐标和发生该预警事件的光纤编号。
3.根据权利要求1所述的预警事件处理系统，其特征在于，所述初次合并模块包括：
4.根据权利要求3所述的预警事件处理系统，其特征在于，
5.根据权利要求3所述的预警事件处理系统，其特征在于，在第一合并单元中，所述对所述第一相似预警事件的实时预警数据进行初次合并，包括：
6.根据权利要求1所述的预警事件处理系统，其特征在于，所述多维特征向量包括：时间特征数据、地点特征数据、事件类型特征数据、环境特征数据和历史特征数据；其中，
7.根据权利要求6所述的预警事件处理系统，其特征在于，在所述动态升降级处理模块中，所述使用深度学习模型，包括：
8.根据权利要求7所述的预警事件处理系统，其特征在于，所述融合模型为堆叠元模型。
9.根据权利要求7所述的预警事件处理系统，其特征在于，所
10.根据权利要求1所述的预警事件处理系统，其特征在于，所述动态升降级处理模块和输出模块之间通过二次合并模块连接；
...【技术特征摘要】
1.一种油气管道光纤预警系统的预警事件处理系统，其特征在于，包括：
2.根据权利要求1所述的预警事件处理系统，其特征在于，所述实时预警数据包括：预警事件的事件类型、初始预警等级、发生时间、坐标和发生该预警事件的光纤编号。
3.根据权利要求1所述的预警事件处理系统，其特征在于，所述初次合并模块包括：
4.根据权利要求3所述的预警事件处理系统，其特征在于，
5.根据权利要求3所述的预警事件处理系统，其特征在于，在第一合并单元中，所述对所述第一相似预警事件的实时预警数据进行初次合并，包括：
6.根据权利要求1所述的预警事件处理系统，其特征在于，所述多维特征向量包括：时间特征数据、地...
【专利技术属性】
技术研发人员：成港华，冀承昆，古佩佩，汶耀辉，韩延峰，马圆圆，
申请(专利权)人：中控技术股份有限公司，
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。