[发明专利]一种智慧燃气管理系统及方法

权利要求书

1.一种智慧燃气管理系统，其特征在于：包括：

数据获取模块：用于获取各个燃气节点的燃气数据，所述燃气节点包括门站、检测站、压力表和用户气表，所述燃气数据包括压力值、流通量和燃气用量；

电动阀门控制模块：用于门站中的流通量达到供气阈值时，关小门站中的电动阀门；

泄漏检测模块：用于根据燃气节点的燃气数据，检测是否发生燃气泄漏；

所述数据获取模块包括日历获取模块、燃气数据获取模块和数据整合模块：

所述日历获取模块：用于获取日期信息，所述日期信息包括是否为工作日；

所述燃气数据获取模块：用于获取燃气数据，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；

所述数据整合模块：用于整合日历获取模块获取的日期信息和燃气数据获取模块获取的燃气数据、生成的燃气总用量；

阈值生成模块：用于根据当日的燃气用量生成次日的供气阈值，所述供气阈值生成的方式包括：根据当日各个用户的燃气用量，生成当日燃气总用量，根据当日燃气总用量，生成次日门站的供气阈值；具体的，将用户当日的燃气总用量作为初始值，阈值生成模块中存有增长阈值、持平阈值和减少阈值，当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值；

所述泄漏检测模块包括模型建立模块和判定模块：

所述模型建立模块：用于通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出；

模型建立模块获取数据整合模块中门站、各检测站的流通量、压力值和温度；模型建立模块包括BP神经网络模块，用于根据检测数据，生成下一燃气节点的燃气数据；BP神经网络模块包括BP神经网络模型，BP神经网络模块使用BP神经网络技术来对下一燃气节点的燃气数据进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，以检测的燃气节点的压力值、流通量和温度作为输入层的输入，因此输入层有3个节点，而输出是对下一燃气节点的压力值、流通量和温度的预测，因此共有3个节点；针对于隐层，采用以下公式来确定隐层节点的数量：其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数；BP神经网络采用Sigmoid可微函数和线性函数作为网络的激励函数；采用S型正切函数tansig作为隐层神经元的激励函数；预测模型采用S型对数函数tansig作为输出层神经元的激励函数；在BP网络模型构建完毕后，利用历史数据中的燃气数据作为样本对模型进行训练；

所述判定模块：用于根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，并生成判定结果。

2.根据权利要求1所述的智慧燃气管理系统，其特征在于：还包括提示模块，用于判定结果为发生燃气泄漏时，发出提示。

3.根据权利要求2所述的智慧燃气管理系统，其特征在于：所述提示模块包括蜂鸣器和指示灯。

4.一种智慧燃气管理方法，其特征在于：包括以下步骤：

数据获取步骤：获取各个燃气节点的燃气数据，所述燃气节点包括门站、检测站和用户气表，所述燃气数据包括压力值、流通量和燃气用量；

电动阀门控制步骤：门站中的流通量达到供气阈值时，关小门站中的电动阀门；

泄漏检测步骤：根据燃气节点的燃气数据，检测是否发生燃气泄漏；

所述数据获取步骤包括日历获取步骤、燃气数据获取步骤和数据整合步骤：

所述日历获取步骤：获取日期信息，所述日期信息包括是否为工作日；

所述燃气数据获取步骤：获取燃气数据，根据所有用户当日的燃气用量，生成用户当日的燃气总用量；

所述数据整合步骤：整合日历获取步骤获取的日期信息和燃气数据获取步骤获取的燃气数据、生成的燃气总用量；

阈值生成步骤：根据当日的燃气用量生成次日的供气阈值，所述供气阈值生成的方式包括：根据当日各个用户的燃气用量，生成当日燃气总用量，根据当日燃气总用量，生成次日门站的供气阈值；具体的，将用户当日的燃气总用量作为初始值，阈值生成步骤中存有增长阈值、持平阈值和减少阈值，当日为工作日，次日为非工作日时，将初始值与增长阈值之和作为次日门站的供气阈值；当日和次日均为工作日或非工作日时，将初始值与持平阈值之和作为次日门站的供气阈值；当日为非工作日，次日为工作日时，将初始值与减少阈值之和作为次日门站的供气阈值；

所述泄漏检测步骤包括模型建立步骤、判定步骤和提示步骤：

所述模型建立步骤：通过人工智能的方式，根据检测的燃气节点的燃气数据，预测下一燃气节点的燃气数据，将检测的燃气节点的压力值和流通量作为输入层的输入，预测的下一节点的压力值和流通量为输出层的输出；

模型建立步骤，获取数据整合步骤中门站、各检测站的流通量、压力值和温度；模型建立步骤采用BP神经网络模块，用于根据检测数据，生成下一燃气节点的燃气数据；BP神经网络模块包括BP神经网络模型，BP神经网络模块使用BP神经网络技术来对下一燃气节点的燃气数据进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，以检测的燃气节点的压力值、流通量和温度作为输入层的输入，因此输入层有3个节点，而输出是对下一燃气节点的压力值、流通量和温度的预测，因此共有3个节点；针对于隐层，采用以下公式来确定隐层节点的数量：其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数；BP神经网络采用Sigmoid可微函数和线性函数作为网络的激励函数；采用S型正切函数tansig作为隐层神经元的激励函数；预测模型采用S型对数函数tansig作为输出层神经元的激励函数；在BP网络模型构建完毕后，利用历史数据中的燃气数据作为样本对模型进行训练；

所述判定步骤：根据检测的下一节点的燃气数据和预测的下一节点的燃气数据，判定是否发生燃气泄漏，并生成判定结果；

所述提示步骤：判定结果为发生燃气泄漏时，发出提示。