一種基于物聯網的智慧燃氣門站調壓優化方法和系統與流程
1.本說明書涉及燃氣輸送領域，特別涉及一種基于物聯網的智慧燃氣門站調壓優化方法和系統。
背景技術：
2.在燃氣管網中，下游用氣的波動會影響上游燃氣門站的燃氣分配。為了保證下游用氣的穩定，相關人員或系統通常會調節燃氣管網的壓力。但是，壓力調節可能存在延遲情況。例如，燃氣門站接收到相關反饋后進行調壓，可能經過一段時間后，用戶處的燃氣裝置（如，燃氣灶）的燃氣才能恢復正常。此外，不準確的調壓，也會造成燃氣氣壓的較大波動。
3.因此，希望提供一種基于物聯網的智慧燃氣門站調壓優化方法和系統，能夠實現燃氣壓力的精準、及時、高效的智能化調節。
技術實現要素：
4.本說明書內容包括一種基于物聯網的智慧燃氣門站調壓優化方法。所述方法由智慧燃氣管理平臺執行，所述智慧燃氣管理平臺包括智慧客服管理分平臺、智慧運行管理分平臺和智慧燃氣數據中心，所述方法包括：所述智慧燃氣數據中心通過智慧燃氣傳感網絡平臺獲取來自智慧燃氣對象平臺的燃氣終端信息，所述燃氣終端信息包括燃氣終端流量和燃氣終端分布特征；所述智慧運行管理分平臺基于所述燃氣終端信息，預測燃氣門站流量；所述智慧運行管理分平臺基于所述燃氣門站流量，確定燃氣門站的調壓方案。
5.本說明書內容包括一種基于物聯網的智慧燃氣門站調壓優化系統，所述系統包括智慧燃氣用戶平臺、智慧燃氣服務平臺、智慧燃氣管理平臺、智慧燃氣傳感網絡平臺和智慧燃氣對象平臺，所述智慧燃氣管理平臺包括智慧客服管理分平臺、智慧運行管理分平臺和智慧燃氣數據中心，所述智慧燃氣管理平臺被配置為執行以下操作：所述智慧燃氣數據中心用于通過智慧燃氣傳感網絡平臺獲取來自智慧燃氣對象平臺的燃氣終端信息，所述燃氣終端信息包括燃氣終端流量和燃氣終端分布特征；所述智慧運行管理分平臺用于基于所述燃氣終端信息，預測燃氣門站流量；所述智慧運行管理分平臺用于基于所述燃氣門站流量，確定燃氣門站的調壓方案。
6.本說明書內容包括一種基于物聯網的智慧燃氣門站調壓優化裝置，包括處理器，所述處理器用于執行上述任一項所述的基于物聯網的智慧燃氣門站調壓優化方法。
7.本說明書內容包括一種計算機可讀存儲介質，所述存儲介質存儲計算機指令，當計算機讀取存儲介質中的計算機指令后，計算機執行上述任一項所述的基于物聯網的智慧燃氣門站調壓優化方法。
附圖說明
8.本說明書將以示例性實施例的方式進一步說明，這些示例性實施例將通過附圖進行詳細描述。這些實施例并非限制性的，在這些實施例中，相同的編號表示相同的結構，其
中：圖1是根據本說明書一些實施例所示的基于物聯網的智慧燃氣門站調壓優化系統的示意圖；圖2是根據本說明書一些實施例所示的基于物聯網的智慧燃氣門站調壓優化方法的示例性流程圖；圖3是根據本說明書一些實施例所示的流量模型的示例性示意圖；圖4是根據本說明書一些實施例所示的調整燃氣終端分布特征的示例性流程圖；圖5是根據本說明書一些實施例所示的壓力模型的示例性示意圖。
具體實施方式
9.為了更清楚地說明本說明書實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單的介紹。顯而易見地，下面描述中的附圖僅僅是本說明書的一些示例或實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖將本說明書應用于其它類似情景。除非從語言環境中顯而易見或另做說明，圖中相同標號代表相同結構或操作。
10.應當理解，本文使用的“系統”、“裝置”、“單元”和/或“模塊”是用于區分不同級別的不同組件、元件、部件、部分或裝配的一種方法。然而，如果其他詞語可實現相同的目的，則可通過其他表達來替換所述詞語。
11.除非上下文明確提示例外情形，“一”、“一個”、“一種”和/或“該”等詞并非特指單數，也可包括復數。一般說來，術語“包括”與“包含”僅提示包括已明確標識的步驟和元素，而這些步驟和元素不構成一個排它性的羅列，方法或者設備也可能包含其它的步驟或元素。
12.本說明書中使用了流程圖用來說明根據本說明書的實施例的系統所執行的操作。應當理解的是，前面或后面操作不一定按照順序來精確地執行。相反，可以按照倒序或同時處理各個步驟。同時，也可以將其他操作添加到這些過程中，或從這些過程移除某一步或數步操作。
13.圖1是根據本說明書一些實施例所示的基于物聯網的智慧燃氣門站調壓優化系統的示意圖。
14.應當理解，基于物聯網的智慧燃氣門站調壓優化系統100可以利用各種方式來實現。如圖1所示，基于物聯網的智慧燃氣門站調壓優化系統100包括智慧燃氣用戶平臺110、智慧燃氣服務平臺120、智慧燃氣管理平臺130、智慧燃氣傳感網絡平臺140和智慧燃氣對象平臺150。在一些實施例中，基于物聯網的智慧燃氣門站調壓優化系統100可以為處理設備的一部分或由處理設備實現。
15.燃氣門站是指天然氣自長輸管線進入城市管網的接收站，屬于燃氣管網設備的一部分。燃氣門站通常具有檢測、過濾、計量、調壓、伴熱、加臭、分配和遠程遙測/遙控等功能，接收從燃氣管網傳輸來的高壓燃氣，并對其實施前述處理，然后輸送到城市的中央管網。用戶可以通過遠程控制門站設備進行調壓或存儲管理。其中，調壓是至關重要的一項處理，因為燃氣的壓力可以影響輸送的速度，進而影響單位時間內燃氣輸送的量。針對不同類型的用戶，其燃氣用量不同，調壓的強度也存在區別。因此，根據用戶類型、燃氣終端的分布、燃
氣使用情況等對燃氣輸送的調壓進行優化，有利于解決燃氣的調度和控制問題。
16.智慧燃氣用戶平臺110可以指以用戶為主導的平臺。具體地，智慧燃氣用戶平臺110可以被配置為終端設備。智慧燃氣用戶平臺110可以獲取用戶的輸入指令（如，燃氣運行管理信息查詢指令），將輸入指令傳輸至智慧用氣服務分平臺，并接收智慧燃氣服務平臺120上傳的相關信息（如，燃氣門站的運行管理信息）。
17.在一些實施例中，智慧燃氣用戶平臺110可以包括燃氣用戶分平臺、政府用戶分平臺和監管用戶分平臺。燃氣用戶分平臺可以用于使用燃氣的用戶。例如，燃氣用戶分平臺可以獲取燃氣用戶的輸入指令，與智慧燃氣服務平臺120進行交互，提供如燃氣用量、燃氣費用、安全用氣規則等服務信息。政府用戶分平臺可以用于政府用戶。例如，政府用戶分平臺可以獲取政府用戶的輸入指令，與智慧燃氣服務平臺120進行交互，提供如燃氣調度、氣量儲配等運營信息。監管用戶分平臺可以用于監管用戶，如，有關保障燃氣安全的相關人員和/或部門。例如，監管用戶分平臺可以獲取監管用戶的輸入指令，與智慧燃氣服務平臺120進行交互，提供如管網設備情況、燃氣氣壓等安全監管信息。
18.智慧燃氣服務平臺120指可以為用戶提供輸入和輸出服務的平臺。具體地，智慧燃氣服務平臺120可以接收智慧燃氣用戶平臺110發送的指令（如，燃氣運行管理信息查詢指令）并處理后發送至智慧燃氣管理平臺130，以及從智慧燃氣管理平臺130獲取用戶所需的信息（如，燃氣門站的運行管理信息）并發送至智慧燃氣用戶平臺110。
19.在一些實施例中，智慧燃氣服務平臺120可以包括智慧用氣服務分平臺、智慧運營服務分平臺和智慧監管服務分平臺。
20.智慧用氣服務分平臺可以與燃氣用戶分平臺對應。例如，智慧用氣服務分平臺可以將如燃氣用量、燃氣費用、安全用氣規則等服務信息傳輸至燃氣用戶分平臺等。
21.智慧運營服務分平臺可以與政府用戶分平臺對應交互。例如，智慧運營服務分平臺可以將如燃氣調度、氣量儲配等運營信息傳遞至政府用戶分平臺。智慧監管服務分平臺可以與監管用戶分平臺對應交互。例如，智慧監管服務分平臺可以將如管網設備情況、燃氣氣壓等安全監管信息傳遞至監管用戶分平臺等。
22.智慧燃氣管理平臺130可以為基于物聯網的智慧燃氣門站調壓優化系統100提供感知管理和控制管理功能的平臺。智慧燃氣管理平臺130可以統籌、協調各功能平臺之間的聯系和協作，匯聚著基于物聯網的智慧燃氣門站調壓優化系統100全部的信息。在一些實施例中，智慧燃氣管理平臺130可以是由管理人員、人工智能、或由預設規則操控的遠程平臺。具體地，智慧燃氣管理平臺130可以下發獲取相關數據（如，燃氣戶內/管網設備數據）的指令至智慧燃氣傳感網絡平臺140，并接收智慧燃氣傳感網絡平臺140上傳的相關數據。智慧燃氣管理平臺130可以接收智慧燃氣服務平臺120下發的獲取相關數據的查詢指令，并上傳相關數據至智慧燃氣服務平臺120。
23.在一些實施例中，智慧燃氣管理平臺130可以包括智慧燃氣數據中心、智慧客服管理分平臺和智慧運行管理分平臺。
24.智慧燃氣數據中心可以匯總、存儲基于物聯網的智慧燃氣門站調壓優化系統100所有運行數據。智慧燃氣管理平臺130可以通過智慧燃氣數據中心與智慧燃氣服務平臺120、智慧燃氣傳感網絡平臺140進行信息交互。
25.智慧客服管理分平臺和智慧運行管理分平臺均可以為相互獨立的數據使用平臺。
智慧客服管理分平臺和智慧運行管理分平臺可以從智慧燃氣數據中心獲取相關數據，并發送管理操作運行數據至智慧燃氣數據中心。在一些實施例中，智慧客服管理分平臺可以包括營收管理模塊、工商戶管理模塊、報裝管理模塊、客服管理模塊、消息管理模塊以及客戶分析管理模塊等。在一些實施例中，智慧運行管理分平臺可以包括氣量采購管理模塊、氣量儲備管理模塊、用氣調度管理模塊、購銷差管理模塊、管網工程管理模塊以及綜合辦公管理模塊等。
26.示例性地，智慧燃氣數據中心可以接收智慧燃氣服務平臺120下發的燃氣門站的運行管理信息查詢指令。智慧燃氣數據中心可以下發獲取燃氣設備相關數據（如，戶內設備的燃氣用量情況）的指令到智慧燃氣傳感網絡平臺140。智慧燃氣數據中心可以接收智慧燃氣傳感網絡平臺140上傳的燃氣設備的相關數據。智慧燃氣數據中心將燃氣設備相關數據發送到智慧燃氣管理分平臺進行分析處理。其中，不同類型的信息，可以通過上述的管理分平臺的模塊進行分析處理。例如，氣量儲備管理模塊可以分析處理燃氣量的儲備信息。用氣調度管理模塊可以分析處理不同區域、不同管網節點的燃氣分配、調節信息。智慧燃氣管理分平臺將分析處理后的數據發送至智慧燃氣數據中心。智慧燃氣數據中心將匯總、處理后的數據（如，門站的調壓方案、燃氣儲備量的情況等）發送到智慧燃氣服務平臺120。
27.智慧燃氣傳感網絡平臺140可以指對傳感通信進行管理的功能平臺。在一些實施例中，智慧燃氣傳感網絡平臺140可以連接智慧燃氣管理平臺130和智慧燃氣對象平臺150，實現有關基于物聯網的智慧燃氣門站調壓優化系統的感知信息和控制信息的傳感通信的功能。具體地，智慧燃氣傳感網絡平臺140可以被配置為通信網絡和網關。智慧燃氣傳感網絡平臺140可以接收對象平臺上傳的相關數據（如，燃氣戶內和/或管網設備數據），下發獲取相關數據指令至智慧燃氣對象平臺150。智慧燃氣傳感網絡平臺140可以接收智慧燃氣數據中心下發的獲取相關數據的指令，上傳相關數據至智慧燃氣數據中心。
28.在一些實施例中，智慧燃氣傳感網絡平臺140可以包括燃氣戶內設備傳感網絡分平臺和燃氣管網設備傳感網絡分平臺。燃氣戶內設備傳感網絡分平臺和燃氣管網設備傳感網絡分平臺均可以實現網絡管理、協議管理、指令管理以及數據解析等一項或多項功能。
29.智慧燃氣對象平臺150可以指感知信息生成的功能平臺。智慧燃氣對象平臺150可以被配置為各類燃氣設備。其中，燃氣設備可以包括戶內設備和管網設備。戶內設備可以包括燃氣用戶的燃氣終端（如，燃氣表等）。管網設備可以包括燃氣門站、各段輸氣管道、燃氣閥控設備等。智慧燃氣對象平臺150可以獲取的信息包括但不限于燃氣用量信息、燃氣戶內設備信息、燃氣管網設備信息等，并可以將采集的信息傳輸至智慧燃氣管理平臺130。
30.在一些實施例中，智慧燃氣對象平臺150可以包括燃氣戶內設備對象分平臺和燃氣管網設備對象分平臺。在一些實施例中，燃氣戶內設備對象分平臺可以對應于燃氣戶內設備傳感網絡分平臺。燃氣戶內管網對象分平臺可以對應于燃氣管網設備傳感網絡分平臺。具體地，燃氣戶內設備傳感網絡分平臺可以將通過燃氣戶內設備對象分平臺獲取到的對應的燃氣終端信息，傳遞至智慧燃氣數據中心。燃氣管網設備傳感網絡分平臺可以將通過燃氣管網設備對象分平臺獲取到的對應的燃氣終端信息，傳遞至智慧燃氣數據中心。
31.在一些實施例中，基于物聯網的智慧燃氣門站調壓優化系統100可以應用于燃氣運行管理的多種場景。在一些實施例中，基于物聯網的智慧燃氣門站調壓優化系統100可以獲取多種場景下的用于燃氣運行管理的相關信息（例如，燃氣戶內設備信息、燃氣管網設備
信息等），以得到各個場景下的燃氣用量情況。在一些實施例中，基于物聯網的智慧燃氣門站調壓優化系統100可以基于獲取到各個場景下的燃氣用量情況，得到各個場景下的燃氣運行管理方案（如，燃氣門站調壓方案、燃氣調度方案等）。
32.對于本領域的技術人員來說，在了解該系統的原理后，可能在不背離這一原理的情況下，將系統移用到其他任何合適的場景下。
33.以下將以基于物聯網的智慧燃氣門站調壓優化系統100應用于場景為例對系統進行具體說明：智慧燃氣數據中心可以被配置通過智慧燃氣傳感網絡平臺140獲取來自智慧燃氣對象平臺150的燃氣終端信息，其中，燃氣終端信息可以包括燃氣終端流量和燃氣終端分布特征。關于獲取燃氣終端信息的更多內容，可以參見圖2及其相關描述。
34.智慧運行管理分平臺可以被配置為基于燃氣終端信息，預測燃氣門站流量。關于預測燃氣門站流量的更多內容，可以參見圖2及其相關描述。
35.智慧運行管理分平臺可以被配置為基于燃氣門站流量，確定燃氣門站的調壓方案。關于確定燃氣門站的調壓方案的更多內容，可以參見圖2及其相關描述。
36.在一些實施例中，智慧運行管理分平臺可以進一步被配置為將燃氣門站的調壓方案傳輸至智慧燃氣數據中心。智慧燃氣數據中心可以被進一步配置為將燃氣門站的調壓方案傳輸至智慧燃氣服務平臺120。智慧燃氣服務平臺120可以將燃氣門站的調壓方案傳輸至智慧燃氣用戶平臺110。
37.在一些實施例中，智慧運行管理分平臺可以進一步被配置為基于流量模型預測門站燃氣流量，其中，流量模型為機器學習模型，模型的輸入包括燃氣終端流量和燃氣終端分布特征，輸出包括燃氣門站流量。在一些實施例中，流量模型包括第一嵌入層、第二嵌入層和第一輸出層，其中，第一嵌入層的輸出和第二嵌入層的輸出為第一輸出層的輸入。關于基于流量模型、第一嵌入層、第二嵌入層和第一輸出層的更多內容，可以參見圖3及其相關描述。在一些實施例中，智慧運行管理分平臺可以進一步被配置為獲取燃氣終端的歷史使用數據，并基于歷史使用數據確定燃氣終端的活躍狀態；基于活躍狀態調整燃氣終端分布特征。在一些實施例中，第二嵌入層的輸入可以包括燃氣終端分布特征，輸出包括燃氣終端分布特征向量。關于燃氣終端的活躍狀態以及燃氣終端分布特征的更多內容，可以參見圖4及其相關描述。
38.在一些實施例中，智慧運行管理分平臺可以進一步被配置為基于燃氣門站特征、燃氣終端目標壓力、燃氣門站流量，通過壓力模型確定燃氣門站壓力，壓力模型為機器學習模型。在一些實施例中，壓力模型的輸入還可以包括燃氣終端的分布特征。在一些實施例中，燃氣門站特征可以包括燃氣門站的壓力調節范圍。關于壓力模型、燃氣門站特征以及壓力調節范圍的更多內容，可以參見圖5及其相關描述。
39.需要注意的是，以上對于基于物聯網的智慧燃氣門站調壓優化系統及其模塊的描述，僅為描述方便，并不能把本說明書限制在所舉實施例范圍之內。可以理解，對于本領域的技術人員來說，在了解該系統的原理后，可能在不背離這一原理的情況下，對各個模塊進行任意組合，或者構成子系統與其他模塊連接。例如，圖1中披露的智慧燃氣管理平臺130、智慧燃氣用戶平臺110、智慧燃氣服務平臺120、智慧燃氣傳感網絡平臺140和智慧燃氣對象平臺150可以是一個系統中的不同平臺，也可以是一個平臺實現上述的兩個或兩個以上平
臺的功能。
40.圖2是根據本說明書一些實施例所示的基于物聯網的智慧燃氣門站調壓優化方法的示例性流程圖。在一些實施例中，流程200可以由基于物聯網的智慧燃氣門站調壓優化系統執行。如圖2所示，流程200包括下述步驟：s210，獲取燃氣終端信息。
41.燃氣終端可以指監測燃氣裝置使用數據的終端。在一些實施例中，燃氣終端可以包括燃氣表（如，膜式燃氣表、ic卡智能燃氣表、遠傳燃氣表、物聯網燃氣表等）、流量計（如，孔板流量計、渦輪流量計、超聲波流量計、腰輪流量計、渦街流量計、旋進式旋渦流量計）。在一些實施例中，燃氣裝置可以包括工業用氣裝置（如，工業燃氣鍋爐、燃氣發電機等）、居民使用的燃氣裝置（如，供暖鍋爐、灶具等）等。
42.燃氣終端信息可以包括燃氣終端流量和燃氣終端分布特征。
43.燃氣終端流量是指燃氣終端所監測到的燃氣裝置在單位時間內的燃氣使用量，例如，167方/小時、3000方/月、45方/天等。燃氣終端流量可以根據燃氣裝置的使用時間和該段時間中的燃氣使用量確定。應當理解的是，燃氣終端流量可以在一段時間（如，一天、一周、一年）內波動。例如，燃氣終端流量可以在工作日較大。燃氣終端流量也可以在夜晚18:00后較大。
44.燃氣終端分布特征可以用于反映某一管網區域內燃氣終端的用戶分布情況。在一些實施例中，燃氣終端分布特征可以包括當前管網區域、用戶類型（如，居民、商業、工業等）、用戶數量、使用數據等。在一些實施例中，燃氣終端分布特征可以用向量表示。例如，向量（2, 30, 5888,78, a, b, c）可以表示管道2的用戶中有30個是工業用戶，5888個是居民用戶，78個是商業用戶；元素a可以表示工業用戶的燃氣使用數據；元素b可以表示居民用戶的燃氣使用數據；元素c可以表示商業用戶的燃氣使用數據。在一些實施例中，用戶類型、用戶數量等數據，可以基于第三方（如，人口統計記錄、工商業數據庫等）獲取。
45.在一些實施例中，系統可以獲取燃氣終端信息。例如，系統可以通過燃氣終端所記錄的數據、燃氣使用數據庫等所存儲的數據等獲取燃氣終端信息。在一些實施例中，系統可以確定燃氣終端是否處于活躍狀態。若燃氣終端在過去一段時間內（如，1天、3個星期等）所記錄的數據沒有變化，則系統可以確定該燃氣終端未被使用，未處于“活躍狀態”。系統還可以通過其他方式獲取燃氣終端信息，在此不作限制。
46.在一些實施例中，智慧燃氣數據中心可以通過智慧燃氣傳感網絡平臺獲取來自智慧燃氣對象平臺的燃氣終端信息。示例性地，智慧燃氣數據中心可以下發獲取燃氣終端信息的指令到智慧燃氣傳感網絡平臺。智慧燃氣數據中心可以接收智慧燃氣傳感網絡平臺上傳的燃氣終端信息。
47.s220，基于燃氣終端信息，預測燃氣門站流量。
48.燃氣門站流量是指燃氣門站在單位時間內的燃氣使用量，例如，50000方/月、600方/天等。與燃氣終端流量類似地，燃氣門站流量也可以根據燃氣門站的使用時間和該段時間中的燃氣使用量確定。其中，有關燃氣門站的更多說明可以參見圖1及其相關描述。
49.在一些實施例中，系統可以進行建模或采用各種數據分析算法，對燃氣終端信息進行分析處理，預測燃氣門站流量。僅作為示例地，系統可以預先基于歷史燃氣終端信息，確定歷史燃氣終端信息對應的歷史燃氣終端信息向量，并基于每個歷史燃氣終端信息向量
對應的歷史實際燃氣門站流量，生成燃氣門站流量對應表。可以理解的，系統可以基于本次燃氣終端信息，確定本次燃氣終端信息對應的待預測燃氣終端信息向量。進一步地，系統可以基于待預測燃氣終端信息向量與歷史燃氣終端信息向量中的向量距離（如，歐式距離），在歷史燃氣終端信息向量中確定至少一個目標燃氣終端信息向量。系統可以將至少一個目標燃氣終端信息向量所對應的燃氣門站流量作為本次燃氣門站流量。
50.在一些實施例中，系統可以基于流量模型預測門站燃氣流量，其中，流量模型為機器學習模型，模型的輸入包括燃氣終端流量和燃氣終端分布特征，輸出包括燃氣門站流量。關于流量模型的更多說明，可以參見圖3及其相關描述。
51.在一些實施例中，智慧運行管理分平臺可以基于燃氣終端信息，預測燃氣門站流量。示例性地，智慧燃氣數據中心可以將燃氣終端信息發送到智慧燃氣管理分平臺，智慧燃氣管理分平臺可以對燃氣終端信息進行分析處理，預測燃氣門站流量。
52.s230，基于燃氣門站流量，確定燃氣門站的調壓方案。
53.調壓方案是指調節燃氣氣壓的方案。燃氣氣壓的方案可以包括調節時間、調節的幅度等。例如，晚上17:00之后，燃氣壓力增大20%；凌晨24:00之后，燃氣壓力減小20%等。應當理解的是，燃氣壓力可以影響燃氣輸送的速度，即影響單位時間的燃氣輸送量。基于不同類型用戶的燃氣使用量，工業用戶以及商業用戶區域分布較多的區域的燃氣壓力通常高于居民用戶區域的燃氣壓力。因此，系統可以根據燃氣終端信息（如，用戶燃氣終端流量和燃氣終端分布特征）確定燃氣門站流量，進一步確定燃氣門站的調壓方案，對燃氣輸送進行調壓優化。
54.在一些實施例中，系統可以進行建模或采用各種數據分析算法，對燃氣門站流量進行分析處理，確定燃氣門站的調壓方案。僅作為示例地，系統可以預先每個基于歷史燃氣門站流量對應的歷史實際燃氣門站的調壓方案，生成燃氣門站的調壓方案對應表。可以理解的，系統可以基于本次燃氣門站流量，確定與本次燃氣門站流量相同或近似的歷史燃氣門站流量所對應的燃氣門站的調壓方案作為本次燃氣門站的調壓方案。
55.在一些實施例中，系統可以基于燃氣門站特征、燃氣終端目標壓力、燃氣門站流量，通過壓力模型確定燃氣門站壓力，然后對多個門站的燃氣門站壓力進行匯總，并通過人工對匯總情況進行修正，確定每個門站的調壓方案。在一些實施了紫紅，還可以基于人工對燃氣門站壓力的匯總情況做修正，例如，若所有門站的壓力之和超過規定的總壓力閾值，則可以由人工將一些較大的燃氣門站壓力修正為較小的值。關于壓力模型的更多說明，可以參見圖5及其相關描述。
56.在一些實施例中，智慧運行管理分平臺可以基于燃氣門站流量，確定燃氣門站的調壓方案。示例性地，智慧運行管理分平臺可以對燃氣門站流量進行分析處理，確定燃氣門站的調壓方案。智慧燃氣管理分平臺可以將燃氣門站的調壓方案發送至智慧燃氣數據中心。
57.本說明書的一些實施例所述的方法，通過對用戶的類型、用戶的分布、燃氣用量情況進行分析，確定燃氣門站的調壓方案，從而實現燃氣壓力的精準、及時、高效的智能化調節，避免下游使用燃氣的波動影響上游燃氣門站的燃氣分配，保證燃氣的穩定供應。
58.圖3是根據本說明書一些實施例所示的流量模型的示例性示意圖。如圖3所示，流量模型的結構300至少包括以下內容。
59.在一些實施例中，可以利用流量模型對燃氣終端流量和燃氣終端分布特征進行處理，預測燃氣門站流量。其中，流量模型可以是機器學習模型，模型的輸入包括燃氣終端流量和燃氣終端分布特征，輸出為燃氣門站流量。關于燃氣終端流量、燃氣終端分布特征以及燃氣門站流量的更多說明，參見本說明書其他部分的內容（如，圖2及其相關描述）。
60.流量模型320可以包括第一嵌入層321、第二嵌入層322和第一輸出層323。在一些實施例中，第一嵌入層321、第二嵌入層322和第一輸出層323可以是卷積神經網絡或深度神經網絡或其組合得到的模型等。
61.在一些實施例中，第一嵌入層321的輸入可以包括多個時點的燃氣終端流量310，例如，燃氣終端時點1的流量、燃氣終端時點2的流量、
……
、燃氣終端時點n的流量等，多個時點可以是根據經驗確定的若干的時點，第一嵌入層321輸出可以包括流量特征向量340。
62.在一些實施例中，第二嵌入層322的輸入可以包括燃氣終端分布特征330，其輸出可以包括分布特征向量350；第一輸出層323的輸入可以包括流量特征向量340和分布特征向量350，其輸出可以包括燃氣門站流量360。在一些實施例中，第二嵌入層的輸入還可以包括調整后的燃氣終端分布特征，有關調整后的燃氣終端分布特征的相關說明可參見圖4及其相關描述。
63.流量特征向量340可以指反映燃氣終端流量信息的向量。例如，向量(2.2,0.7)可以表示燃氣終端使用的燃氣量為2.2立方米，使用時間為0.7小時。
64.分布特征向量350可以指表征燃氣終端分布特征的向量。例如，向量(2,25,1378)可以表示2號燃氣管道對應的工業燃氣終端有25個，居民燃氣終端有1378個。
65.燃氣門站流量360可以為燃氣門站未來時間段輸出的燃氣流量數據。例如，燃氣門站流量(1500,800,1700)可以表示燃氣門站在未來三個小時內每小時輸出的燃氣流量分別為1500立方米、800立方米和1700立方米。
66.在一些實施例中，第一嵌入層321、第二嵌入層322的輸出可以作為第一輸出層323的輸入，第一嵌入層321、第二嵌入層322以及第一輸出層323可以通過聯合訓練得到。
67.在一些實施例中，第一嵌入層321、第二嵌入層322以及第一輸出層323進行聯合訓練的樣本數據包括樣本燃氣終端流量、樣本燃氣終端分布特征，標簽為樣本燃氣門站流量。將多個樣本燃氣終端流量輸入第一嵌入層321，得到第一嵌入層321輸出的流量特征向量；將樣本燃氣終端分布特征輸入第二嵌入層322，得到第二嵌入層322輸出的分布特征向量；將流量特征向量和分布特征向量作為訓練樣本數據，輸入第一輸出層323，得到第一輸出層323輸出的燃氣門站流量，基于樣本燃氣門站流量和第一輸出層323輸出的燃氣門站流量指令構建損失函數，同步更新第一嵌入層321、第二嵌入層322以及第一輸出層323。通過參數更新，得到訓練好的第一嵌入層321、第二嵌入層322以及第一輸出層323。
68.在本說明書一些實施例中，通過大量的、廣泛的燃氣終端相關數據訓練流量模型，并基于訓練好的流量模型預測燃氣門站流量，預測結果比較符合實際，且具有較高的準確度；此外，使用流量模型可以有效提高預測效率。
69.圖4是根據本說明書一些實施例所示的調整燃氣終端分布特征的示例性流程圖。在一些實施例中，該流程可以由智慧燃氣管理平臺執行。如圖4所示，流程400包括以下步驟：s410，獲取燃氣終端的歷史使用數據，并基于歷史使用數據確定燃氣終端的活躍
狀態。
70.歷史使用數據可以包括燃氣終端在過去時間段的燃氣使用頻率和/或燃氣流量等。例如，(7,0,0,30,1,0.3)可以表示該燃氣終端在過去7天內的使用次數是0次，燃氣流量為0，在過去30內使用次數是1次，燃氣流量為0.3立方米。
71.活躍狀態可以指燃氣終端在過去時間段內的被使用的程度。可以理解的是，當燃氣終端在一段時間內沒有被使用時，則該燃氣終端不處于活躍狀態。
72.在一些實施例中，可以根據實際情況預先設定過去時間段的時長，如3天、7天和/或30天等，然后對過去時間段內燃氣終端的歷史使用數據進行分析，確定該燃氣終端的活躍狀態。例如，燃氣終端的過去7天內和過去30天內的使用次數和燃氣流量均為0，則該燃氣終端不處于活躍狀態。又例如，燃氣終端在過去7天內的使用次數和燃氣流量均為0，在過去30天內的使用次數和燃氣流量均低于閾值，如，使用次數閾值可以為2，燃氣流量閾值可以為0.5立方米，則該燃氣終端不處于活躍狀態。
73.s420，基于活躍狀態調整燃氣終端分布特征。
74.在一些實施例中，可以利用建表、統計分析、歸納分析和/或分類模型等多種方法，基于燃氣終端的活躍狀態，對燃氣終端分布特征進行調整。例如，可以根據燃氣終端及其對應的活躍狀態建立數據表，然后將處于活躍狀態的燃氣終端篩選出來，進而調整燃氣終端分布特征。僅作為示例的，對于燃氣終端分布特征（2, 30, 5888,78, a, b, c），基于燃氣終端的活躍狀態確定處于活躍狀態的工業燃氣終端有25個，處于活躍狀態的居民燃氣終端有5500個，處于活躍狀態的商業燃氣終端有70個，則調整后的燃氣終端分布特征可以為（2, 25, 5500,70, a, b, c）。相應的，也可以基于燃氣終端的活躍狀態對各類型燃氣終端對應的人氣用量進行調整。關于燃氣終端分布特征的更多說明，參見圖2及其相關描述。
75.在本說明書一些實施例中，根據燃氣終端的歷史使用數據來判斷燃氣終端的活躍狀態，可以比較準確合理地調整燃氣終端分布特征，使調整后的燃氣終端分布特征更符合實際情況，進而使流量模型的預測結果更加準確。
76.應當注意的是，上述有關流程400的描述僅僅是為了示例和說明，而不限定本說明書的適用范圍。對于本領域技術人員來說，在本說明書的指導下可以對流程400進行各種修正和改變。然而，這些修正和改變仍在本說明書的范圍之內。
77.圖5是根據本說明書一些實施例所示的壓力模型的示例性示意圖。如圖5所示，壓力模型的結構500可以包括以下內容。
78.在一些實施例中，可以利用壓力模型對燃氣門站流量、燃氣門站特征、燃氣終端目標壓力進行處理，確定燃氣門站壓力。其中，壓力模型可以為機器學習模型，例如，卷積神經網絡或深度神經網絡或其組合得到的模型等。
79.在一些實施例中，壓力模型530的輸入可以包括燃氣門站流量360、燃氣門站特征510、燃氣終端目標壓力520。壓力模型的輸出可以是燃氣門站壓力560。
80.在一些實施例中，壓力模型530的輸入還可以包括燃氣終端的分布特征，例如，分布特征向量350，其中，分布特征向量可以通過圖3中流量模型的第二嵌入層322確定。
81.燃氣門站特征可以指燃氣門站自身的與燃氣輸送有關的參數。例如，燃氣門站特征可以包括燃氣門站允許的燃氣壓力調節范圍，如，0.7mpa~2.8mpa。
82.在一些實施例中，可以根據燃氣門站自身屬性確定燃氣門站特征。例如，可以根據
燃氣門站相關設備和管道的設計壓力確定燃氣門站允許的燃氣壓力調節范圍。
83.燃氣終端目標壓力可以指預設的燃氣終端正常運行下的燃氣壓力。在一些實施例中，燃氣終端目標壓力可以為范圍值。例如，燃氣終端目標壓力可以比標準大氣壓大2kpa~3kpa。
84.在一些實施例中，可以根據燃氣終端的類型，通過人工分析或查表等方式確定燃氣終端目標壓力。
85.燃氣門站壓力可以指燃氣門站向下游燃氣管道輸送燃氣時的燃氣壓力。其中，燃氣門站壓力可以包括多個燃氣門站的多個燃氣輸送管道的燃氣壓力。例如，燃氣門站壓力可以為2.8mpa。
86.關于燃氣門站流量和分布特征向量的更多說明，參見圖3及其相關描述。
87.在一些實施例中，壓力模型530可以包括輸入層531、第三嵌入層532和第二輸出層533。其中，輸入層531、第三嵌入層532和第二輸出層533可以為卷積神經網絡或深度神經網絡或其組合得到的模型等。
88.在一些實施例中，輸入層531的輸入可以包括燃氣門站流量360和燃氣門站特征510，其輸出可以包括門站流量數據540；第三嵌入層532的輸入可以包括燃氣終端目標壓力520，其輸出可以包括燃氣終端壓力分布550；第二輸出層533的輸入可以包括門站流量數據540和燃氣終端壓力分布550，其輸出可以包括燃氣門站壓力560。在一些實施例中，第三嵌入層532的輸入還可以包括分布特征向量350。
89.門站流量數據540可以為反映燃氣門站未來一段時間內輸出的燃氣流量和燃氣壓力調節范圍。例如，門站流量數據(1400,1800,1.3,2.9)可以表示燃氣門站在未來兩個小時內每小時的燃氣流量分別為1400立方米和1800立方米，且燃氣壓力調節范圍為1.3mpa~2.9mpa。
90.燃氣終端壓力分布550可以為反映不同燃氣終端目標壓力的數據。例如，燃氣終端壓力分布(20,0.3,0.4,1700,0.102,0.103)可以表示有20個燃氣終端的目標壓力范圍為0.3mpa~0.4mpa，有1700個燃氣終端的目標壓力范圍為0.102mpa~0，103mpa。
91.在一些實施例中，輸入層531和第三嵌入層532的輸出可以作為第二輸出層533的輸入，輸入層531、第三嵌入層532以及第二輸出層533可以通過聯合訓練得到。
92.在一些實施例中，輸入層531、第三嵌入層532以及第二輸出層533進行聯合訓練所需的樣本數據包括樣本燃氣門站流量、樣本燃氣門站特征、樣本燃氣終端目標壓力和樣本分布特征向量，標簽為樣本燃氣門站壓力。將樣本燃氣門站流量和樣本燃氣門站特征輸入輸入層531，得到輸入層531輸出的門站流量數據；將樣本燃氣終端目標壓力和樣本分布特征向量輸入第三嵌入層532，得到第三嵌入層532輸出的燃氣終端壓力分布；將門站流量數據和燃氣終端壓力分布作為訓練樣本數據輸入第二輸出層533，得到第二輸出層533輸出的燃氣門站壓力。基于樣本燃氣門站壓力和第二輸出層533輸出的燃氣門站壓力構建損失函數，同步更新輸入層531、第三嵌入層532以及第二輸出層533。通過參數更新，得到訓練好的輸入層531、第三嵌入層532以及第二輸出層533。
93.在另一些實施例中，流量模型320的輸出可以作為壓力模型530的輸入，流量模型320和壓力模型530可以通過聯合訓練得到。
94.在一些實施例中，流量模型320和壓力模型530進行聯合訓練所需的樣本數據包括
樣本燃氣終端流量、樣本燃氣終端分布特征、樣本燃氣門站特征和樣本燃氣終端目標壓力，標簽為樣本燃氣門站壓力。將樣本燃氣終端流量、樣本燃氣終端分布特征輸入流量模型320，得到流量模型320輸出的燃氣門站流量；將燃氣門站流量作為訓練樣本數據，與樣本燃氣門站特征和樣本燃氣終端目標壓力一同輸入壓力模型530，得到壓力模型530輸出的燃氣門站壓力。基于樣本燃氣門站壓力和壓力模型530輸出的燃氣門站壓力構建損失函數，同步更新流量模型320和壓力模型530。通過參數更新，得到訓練好的流量模型320和壓力模型530。關于流量模型320的更多說明，參見圖3及其相關描述。
95.本說明書一些實施例中，通過使用大量和廣泛的燃氣門站和燃氣終端的相關數據作為訓練樣本和標簽訓練壓力模型，并基于訓練好的壓力模型對燃氣門站流量以及燃氣終端目標壓力等數據進行處理，可以比較快速準確地獲取燃氣門站調壓數據。此外，通過對壓力模型各層的進行聯合訓練，以及對流量模型和壓力模型進行聯合訓練，可以減少訓練成本，提高訓練效率。
96.本說明書一個或多個實施例提供一種基于物聯網的智慧燃氣門站調壓優化裝置，包括處理器，所述處理器用于執行如本說明書實施例提供的任意一種基于物聯網的智慧燃氣門站調壓優化方法。
97.本說明書實施例還提供一種計算機可讀存儲介質，存儲介質存儲計算機指令，當計算機讀取存儲介質中的計算機指令后，計算機運行如本說明書實施例提供的任意一種基于物聯網的智慧燃氣門站調壓優化方法。
98.上文已對基本概念做了描述，顯然，對于本領域技術人員來說，上述詳細披露僅僅作為示例，而并不構成對本說明書的限定。雖然此處并沒有明確說明，本領域技術人員可能會對本說明書進行各種修改、改進和修正。該類修改、改進和修正在本說明書中被建議，所以該類修改、改進、修正仍屬于本說明書示范實施例的精神和范圍。
99.同時，本說明書使用了特定詞語來描述本說明書的實施例。如“一個實施例”、“一實施例”、和/或“一些實施例”意指與本說明書至少一個實施例相關的某一特征、結構或特點。因此，應強調并注意的是，本說明書中在不同位置兩次或多次提及的“一實施例”或“一個實施例”或“一個替代性實施例”并不一定是指同一實施例。此外，本說明書的一個或多個實施例中的某些特征、結構或特點可以進行適當的組合。
100.此外，除非權利要求中明確說明，本說明書所述處理元素和序列的順序、數字字母的使用、或其他名稱的使用，并非用于限定本說明書流程和方法的順序。盡管上述披露中通過各種示例討論了一些目前認為有用的發明實施例，但應當理解的是，該類細節僅起到說明的目的，附加的權利要求并不僅限于披露的實施例，相反，權利要求旨在覆蓋所有符合本說明書實施例實質和范圍的修正和等價組合。例如，雖然以上所描述的系統組件可以通過硬件設備實現，但是也可以只通過軟件的解決方案得以實現，如在現有的服務器或移動設備上安裝所描述的系統。
101.同理，應當注意的是，為了簡化本說明書披露的表述，從而幫助對一個或多個發明實施例的理解，前文對本說明書實施例的描述中，有時會將多種特征歸并至一個實施例、附圖或對其的描述中。但是，這種披露方法并不意味著本說明書對象所需要的特征比權利要求中提及的特征多。實際上，實施例的特征要少于上述披露的單個實施例的全部特征。
102.最后，應當理解的是，本說明書中所述實施例僅用以說明本說明書實施例的原則。
其他的變形也可能屬于本說明書的范圍。因此，作為示例而非限制，本說明書實施例的替代配置可視為與本說明書的教導一致。相應地，本說明書的實施例不僅限于本說明書明確介紹和描述的實施例。
技術特征：
1.一種基于物聯網的智慧燃氣門站調壓優化方法，其特征在于，所述方法由智慧燃氣管理平臺執行，所述智慧燃氣管理平臺包括智慧客服管理分平臺、智慧運行管理分平臺和智慧燃氣數據中心，所述方法包括：所述智慧燃氣數據中心通過智慧燃氣傳感網絡平臺獲取來自智慧燃氣對象平臺的燃氣終端信息，所述燃氣終端信息包括燃氣終端流量和燃氣終端分布特征；所述智慧運行管理分平臺基于所述燃氣終端信息，預測燃氣門站流量；所述智慧運行管理分平臺基于所述燃氣門站流量，確定燃氣門站的調壓方案。2.如權利要求1所述的基于物聯網的智慧燃氣門站調壓優化方法，其特征在于，所述方法還包括：所述智慧運行管理分平臺將所述燃氣門站的調壓方案傳輸至所述智慧燃氣數據中心；所述智慧燃氣數據中心將所述燃氣門站的調壓方案傳輸至智慧燃氣服務平臺；所述智慧燃氣服務平臺將所述燃氣門站的調壓方案傳輸至智慧燃氣用戶平臺。3.如權利要求1所述的基于物聯網的智慧燃氣門站調壓優化方法，其特征在于，所述基于所述燃氣終端信息，預測燃氣門站流量，包括：基于流量模型預測所述燃氣門站燃氣流量，其中，所述流量模型為機器學習模型，所述流量模型的輸入包括所述燃氣終端流量和所述燃氣終端分布特征，輸出包括所述燃氣門站流量。4.如權利要求3所述的基于物聯網的智慧燃氣門站調壓優化方法，其特征在于，所述流量模型包括第一嵌入層、第二嵌入層和第一輸出層，其中，所述第一嵌入層的輸出和所述第二嵌入層的輸出為所述第一輸出層的輸入。5.如權利要求1所述的基于物聯網的智慧燃氣門站調壓優化方法，其特征在于，所述基于所述燃氣門站流量，確定燃氣門站的調壓方案包括：基于燃氣門站特征、燃氣終端目標壓力、燃氣門站流量，通過壓力模型確定燃氣門站壓力，所述壓力模型為機器學習模型。6.一種基于物聯網的智慧燃氣門站調壓優化系統，其特征在于，所述系統包括智慧燃氣用戶平臺、智慧燃氣服務平臺、智慧燃氣管理平臺、智慧燃氣傳感網絡平臺和智慧燃氣對象平臺，所述智慧燃氣管理平臺包括智慧客服管理分平臺、智慧運行管理分平臺和智慧燃氣數據中心，所述智慧燃氣管理平臺被配置為執行以下操作：所述智慧燃氣數據中心用于通過智慧燃氣傳感網絡平臺獲取來自智慧燃氣對象平臺的燃氣終端信息，所述燃氣終端信息包括燃氣終端流量和燃氣終端分布特征；所述智慧運行管理分平臺用于基于所述燃氣終端信息，預測燃氣門站流量；所述智慧運行管理分平臺用于基于所述燃氣門站流量，確定燃氣門站的調壓方案。7.如權利要求6所述的基于物聯網的智慧燃氣門站調壓優化系統，其特征在于，所述智慧運行管理分平臺還用于將所述燃氣門站的調壓方案傳輸至所述智慧燃氣數據中心；所述智慧燃氣數據中心用于將所述燃氣門站的調壓方案傳輸至智慧燃氣服務平臺；所述智慧燃氣服務平臺用于將所述燃氣門站的調壓方案傳輸至智慧燃氣用戶平臺。8.如權利要求6所述的基于物聯網的智慧燃氣門站調壓優化系統，其特征在于，所述智慧運行管理分平臺進一步用于：基于流量模型預測所述燃氣門站燃氣流量，其中，所述流量模型為機器學習模型，所述
流量模型的輸入包括所述燃氣終端流量和所述燃氣終端分布特征，輸出包括所述燃氣門站流量。9.如權利要求8所述的基于物聯網的智慧燃氣門站調壓優化系統，其特征在于，所述流量模型包括第一嵌入層、第二嵌入層和第一輸出層，其中，所述第一嵌入層的輸出和所述第二嵌入層的輸出為所述第一輸出層的輸入。10.如權利要求6所述的基于物聯網的智慧燃氣門站調壓優化系統，其特征在于，所述智慧運行管理分平臺還用于：基于燃氣門站特征、燃氣終端目標壓力、燃氣門站流量，通過壓力模型確定燃氣門站壓力，所述壓力模型為機器學習模型。
技術總結
本說明書實施例提供一種基于物聯網的智慧燃氣門站調壓優化方法和系統，該方法由智慧燃氣管理平臺執行，智慧燃氣管理平臺包括智慧客服管理分平臺、智慧運行管理分平臺和智慧燃氣數據中心，該方法包括：智慧燃氣數據中心通過智慧燃氣傳感網絡平臺獲取來自智慧燃氣對象平臺的燃氣終端信息，燃氣終端信息包括燃氣終端流量和燃氣終端分布特征；智慧運行管理分平臺基于燃氣終端信息，預測燃氣門站流量；智慧運行管理分平臺基于燃氣門站流量，確定燃氣門站的調壓方案；該系統包括智慧燃氣用戶平臺、智慧燃氣服務平臺、智慧燃氣管理平臺、智慧燃氣傳感網絡平臺和智慧燃氣對象平臺，智慧燃氣管理平臺被配置為執行上述智慧燃氣門站調壓優化方法。壓優化方法。壓優化方法。
