[发明专利]一种基于燃气流量检测深度学习的异常处理方法

说明书

本发明提供一种基于燃气流量检测深度学习的异常处理方法，涉及燃气检测技术领域，包括如下步骤：步骤S1：获取整个区域内的燃气使用数据，建立燃气使用参照图和燃气故障图；步骤S2：对历史故障点进行标记与比对，得到故障波动值；步骤S3：建立正常波动区间；步骤S4：将正常波动区间与故障波动值进行综合分析，得到深度学习后的异常检测模型；步骤S5：对异常检测模型进行通过率判定，不断更新异常检测模型；本发明通过对居民燃气流量进行实时检测，以解决现有技术中燃气检测不够及时，检测结果的实效性不高导致检测结果参考意义不大的问题。

技术领域

本发明涉及燃气检测技术领域，尤其涉及一种基于燃气流量检测深度学习的异常处理方法。

背景技术

燃气是气体燃料的总称，它能燃烧而放出热量，供居民和工业企业使用。燃气的种类很多，主要有天然气、人工燃气、液化石油气和沼气、煤制气；由于管道老化、燃气灶经常使用，可能会造成燃气泄漏等情况，存在一定安全隐患；

现有技术中，有以下几种方式对燃气泄漏进行检测：浓度检测报警、红外检测报警、压力检测报警和通过燃气公司指派检查人员上门检查，上述几种方法存在灵敏度低、检测结果不及时等问题。

发明内容

本发明旨在至少在一定程度上解决现有技术中的技术问题之一，本发明目的是提供一种基于燃气流量检测深度学习的异常处理方法，通过对历史正常燃气流量数据进行分析，得到正常波动区间，并实时更新正常波动区间，建立异常检测模型，对居民燃气流量进行实时检测，以解决现有技术中燃气检测不够及时，检测结果的实效性不高导致检测结果参考意义不大的问题。

为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于燃气流量检测深度学习的异常处理方法，其特征在于，包括如下步骤：

步骤S1：获取整个区域内的燃气使用数据，根据整个区域内的燃气使用数据建立燃气使用参照图和燃气故障图；所述燃气使用数据包括：燃气浓度值、水温温差和单位用气量；

步骤S2：从燃气故障图中获取历史故障点，在燃气使用参照图中对区域内的历史故障点进行标记，将历史故障点的单位用气量与正常情况下的单位用气量进行比对，得到故障波动值；

步骤S3：基于整个区域内的燃气使用数据，建立正常波动区间；

步骤S4：将正常波动区间与故障波动值进行综合分析，得到深度学习后的异常检测模型；

步骤S5：用异常检测模型计算得到燃气流量类型，将计算得到的燃气流量类型与实际燃气流量类型进行异常比对，对异常检测模型进行通过率判定，不断更新异常检测模型。

进一步地，所述步骤S1包括如下子步骤：

步骤S101：以燃气管道的中轴线为对称轴，沿燃气管道的延伸方向，每间隔监测距离设置一个燃气传感器，用于检测燃气浓度值；

步骤S102：获取用户预设水温和实际水温，将预设水温和实际水温的差值设置为水温温差；

步骤S103：根据燃气浓度值和温差时间表建立燃气故障图；

步骤S104：每间隔第一时间获取一次用户用气量，将用户用气量与第一时间的比值设置为单位用气量；

步骤S105：获取连续第一天数的单位用气量并建立燃气使用参照图。

进一步地，所述步骤S103包括如下子步骤：

步骤S10301： 当燃气浓度值大于第一阈值时，判定为泄漏故障并记录时间点，设置为泄漏故障时间点；

步骤S10302：获取连续第一天数的水温温差，计算得到平均水温温差，当水温温差高于平均水温温差时，判定为水温故障并记录时间点，记录为水温故障时间点；