[发明专利]一种基于多源数据的供热管道泄露检测方法、系统及设备

说明书

本发明提供的一种基于多源数据的供热管道泄露检测方法、系统及设备，包括以下步骤：步骤1，获取供热管道泄露的历史多源数据；步骤2，根据获取的历史多源数据构建深度学习网络模型；步骤3，利用构建得到的深度学习网络模型对待测供热管道进行泄露检测；通过深度学习网络进行泄露识别，检测效率高，检测结果准确，效果显著，便于推广，本发明方法步骤简单，设计合理，实现方便，能够有效应用在供热管道泄露检测中。

技术领域

本发明属于供热管道泄露检测技术领域，具体涉及一种基于多源数据的供热管道泄露检测方法、系统及设备。

背景技术

随着城市化发展，冬季供暖地区主要集中供暖，大量使用到了地埋供热管道。而地埋供热管道的泄露时有发生，不仅给供热企业带来经济损失，也影响着人们的生活质量，甚至威胁到人身安全。

现有技术中，供热企业对供热管道泄露检测的方法主要有：人工巡检法；供热企业组织专门的巡检队伍对供热管道及其周围环境进行人工巡检，采用人工巡检的方法进行供热管道泄露检测，较大程度上需要依赖于巡检人员的敏感性、经验和责任心，往往检测效率较低，且通常只能发现一些较大的泄漏。听音法；当补水站出现补水增加，通过关闭可疑管线的阀门观察是否掉压来确定某段管线是否泄露，并采用听漏棒对管道泄露时的声波进行泄露判定，此方法容易受外界声波影响，检测结果并不理想。测温法；巡检人员采用手持非接触式红外线测温仪来查找供热管网中具体漏点的位置。在实际操作中，巡检人员沿着供热管道步行，手持测温仪检测管道上方的地面温度，并检测管道附近其他市政管道井室内的温度，检查是否有温度异常，若有异常则列入重点怀疑区域，然后采用其他检漏方法进行确定。但在实际应用当中，测温法仅仅被用作判断管道是否泄漏的重要辅助手段，一般不作为判断漏点的唯一依据。

综上，单一的供热管道泄露检测方法存在检测效率较低，检测不准确，检测结果不理想的问题。

发明内容

本发明的目的在于提供一种基于多源数据的供热管道泄露检测方法、系统及设备，解决了现有的供热管道泄露检测方法存在检测效率较低、检测不准确的缺陷。

为了达到上述目的，本发明采用的技术方案是：

本发明提供的一种基于多源数据的供热管道泄露检测方法，包括以下步骤：

步骤1，获取供热管道泄露的历史多源数据；

步骤2，根据获取的历史多源数据构建深度学习网络模型；

步骤3，利用构建得到的深度学习网络模型对待测供热管道进行泄露检测。

优选地，步骤1中，所述历史多源数据包括温度数据、压力数据、流量数据、振动数据和声波检测数据中的一种或多种。

优选地，步骤2中，根据获取的历史多源数据构建深度学习网络模型，具体方法是：

将获取得到的历史多源数据进行预处理，得到数据集信息；

构建深度学习网络，并利用数据集信息对深度学习网络进行训练，得到深度学习网络模型。

优选地，所述度学习网络模型包括输入层、卷积层、池化层、卷积层、池化层、卷积层、池化层、全连接层、全连接层和输出层，其中，输入层用于将输入的数据进行统一，卷积层用于对统一后的数据进行特征提取；池化层用于对卷积层卷积后的特征数据进行降维处理；卷积层用于对池化层降维后的特征数据卷积，进行特征提取；池化层用于对卷积层卷积后的特征数据进行降维处理；卷积层用于对池化层降维后的特征数据卷积，进行特征提取；池化层用于对卷积层卷积后的特征数据进行降维处理；全连接层用于连接池化层输出的所有特征，设置ReLU函数为激活函数；全连接层与全连接层的神经元全连接，设置ReLU函数为激活函数；输出层与全连接层的神经元全连接，用于对输出结果进行二分类。

优选地，将获取得到的历史多源数据进行预处理，得到数据集信息，具体方法是：