[发明专利]基于物联网储罐安全监测方法及系统

说明书

本发明公开了基于物联网储罐安全监测方法及系统，系统包括检测终端、现场监控端，检测终端负责采集被检测储罐参数信息，在现场监控端中有储罐安全监测子系统，通过网关节点实现检测终端、现场监控端、云平台和手机APP的双向通信，实现被检测储罐参数采集和储罐安全类型的分类，其中检测终端、现场监控端加载有实现基于物联网储罐安全监测方法的计算机程序步骤。本发明针对储罐监测参数不稳定性、不精确性和不及时性存在的技术缺陷，将物联网技术、智能控制技术、传感器技术和大数据技术应用于储罐在线监测系统中，及时了解储罐运行状态，同时对时域空间关联储罐的运行数据进行检测与预警，提高物联网的储罐大数据监测系统的可靠性、稳定性和精确性。

技术领域

本发明涉及储罐安全监测技术领域，具体涉及一种基于物联网储罐安全监测方法及系统。

背景技术

储罐在石化行业是非常重要的设备，随着经济的发展，储罐安全问题也越来越突出。储罐作为储存原油或其他化工产品的容器，由于储罐安全监测与管理技术落后，其潜在危险性主要在于泄漏、火灾和爆炸，一旦发生事故，将造成巨大的经济损失和严重的环境污染问题。因此需要不断的开发和更新相应的技术手段，对储罐进行安全监测，从根本上杜绝事故发生，确保安全生产。实时的监测监控罐体参数如压力和温度等参数是保证储罐安全的最直接有效的方法，建立安全、可靠的安全监测系统，建立科学、全面的监测系统，对有效减少石化行业库区事故隐患，预防事故的发生，遏止人员伤亡、经济损失和保障国家经济与社会的可持续发展具有重大现实意义。随着信息科技化和自动化生产的发展，人们对于储罐稳定运行的需求也在提高，用传统的方法解决这些问题，储罐运行监测很难完全达到成本监测、定向化运维的运行需求。在实际储罐运行中，储罐经常出现带故障运行，储罐运行状态不达标，也导致储罐运行成本提升和安全性能降低。如何实现储罐智能化监测就成为当前亟待解决的技术问题，应用物联网技术、智能控制技术和大数据相结合，将储罐监测推向了智能化、信息化，将储罐监测推向智能化服务，提升了储罐监测的感知能力，使得监测储罐运行的可靠性和精确性大大提高。

发明内容

本发明针对储罐监测参数不稳定性、不精确性和不及时性存在的技术缺陷，将物联网技术、智能控制技术、传感器技术和大数据技术应用于储罐在线监测系统中，及时了解储罐运行状态，同时对时域空间关联储罐的运行数据进行检测与预警，提高物联网的储罐大数据监测系统的可靠性、稳定性和精确性。

为解决上述问题，本发明采用如下的技术方案：

一、储罐安全监测方法步骤：

1、构建参数检测模型，参数检测模型由粒子群优化自适应小波神经网络-NARX 神经网络模型、TDL按拍延迟线A、小波分解模型、降噪自编码神经网络-NARX神经网络模型、LSTM神经网络-NARX神经网络模型、TDL按拍延迟线B、TDL按拍延迟线C、TDL按拍延迟线D和区间犹豫模糊数的BAM神经网络-AANN自联想神经网络模型组成，参数传感器输出作为粒子群优化自适应小波神经网络-NARX神经网络模型的输入，粒子群优化自适应小波神经网络-NARX神经网络模型输出作为 TDL按拍延迟线A的输入，TDL按拍延迟线A的输出作为小波分解模型输入，小波分解模型输出的低频趋势部分和多个高频波动部分分别作为LSTM神经网络-NARX 神经网络模型和降噪自编码神经网络-NARX神经网络模型的输入，LSTM神经网络-NARX神经网络模型和降噪自编码神经网络-NARX神经网络模型的输出分别作为 TDL按拍延迟线B和TDL按拍延迟线C的输入，TDL按拍延迟线B、TDL按拍延迟线C和TDL按拍延迟线D的输出分别作为区间犹豫模糊数的BAM神经网络-AANN 自联想神经网络模型的对应输入，区间犹豫模糊数的BAM神经网络-AANN自联想神经网络模型输出的4个参数分别为a、b、c和d，a、b、c和d作为TDL按拍延迟线 D的输入，a和b组成区间数(a，b)作为被检测参数的极小值，c和d组成区间数(c， d)作为被检测参数的极大值，区间数(a，b)和区间数(c，d)组成[(a，b)，(c， d)]作为被检测参数的区间犹豫模糊数，区间犹豫模糊数的BAM神经网络-AANN自联想神经网络模型输出作为参数检测模型的输出；参数检测模型结构见图1所示。