一种基于边缘芯片的管道流量数据现场预处理与特征提取方法与流程
本发明涉及管道流量数据智能处理,更具体地说,它涉及一种基于边缘芯片的管道流量数据现场预处理与特征提取方法。
背景技术:
1、长输天然气管道多沿无人区与山地敷设,沿线阀室大多无人值守,通常仅由太阳能供电,并通过窄带无线链路向后端回传数据,现场以超声波时差法流量计采集管段流量。当管道发生微小泄漏时,其在流量上的表现在初期与现场背景噪声处于同一量级,需要在早期阶段就从流量数据中把这类泄漏弱变化捕捉出来,以争取处置时间,否则泄漏扩大后处置代价上升;
2、相关技术通常将现场原始流量抽稀后回传云端集中处理,或在边缘侧采用固定参数去噪、固定阈值剔除传感器野值并提取固定特征;面向泄漏识别的方案则多以小波等固定时频变换配合深度网络实现异常判别,前者依赖稳定的回传带宽与云端算力,后者在边缘多以一套固定流程应对全部工况;
3、然而,现场噪声方差随流量大小变化,固定参数去噪为压住噪声往往把与噪声同量级的泄漏弱变化一并平滑掉;传感器野值与泄漏起点在幅度上相近,仅凭幅度统计难以区分,容易误删泄漏起点或漏除野值;正常工况下清管、调峰与调阀引起的波动,其量级远大于泄漏弱变化并会将其淹没;重型时频变换与深度网络难以在受限边缘芯片上流式运行,而原始数据抽稀回传又会把泄漏弱变化丢失,使后端在早期阶段难以研判。
技术实现思路
1、本发明提供一种基于边缘芯片的管道流量数据现场预处理与特征提取方法,解决相关技术中在受限边缘芯片上现场预处理时、固定参数去噪易将与噪声同量级的泄漏弱变化一并抹平、传感器野值与泄漏起点难以区分、且原始数据受窄带回传限制难以把有效信息传出以支撑早期研判的技术问题。
2、本发明提供了一种基于边缘芯片的管道流量数据现场预处理与特征提取方法,包括以下步骤:
3、s1,接收超声波时差法流量计输出的现场原始流量序列与运行状态量,先按流量幅度与短窗一阶差分做工况在线分档,再以流量惯性项与调阀响应项构建一阶递推预测量逐样本预测流量并取实测值与预测值之差,得到带工况档标签的逐样本残差序列;
4、s2,对带工况档标签的逐样本残差序列,按工况档在线估计噪声尺度并据以归一化后施加自适应软阈值完成去噪,同时按越阈样本的符号一致性与持续性甄别传感器野值与泄漏候选,得到标注有传感器野值位置与泄漏候选段且附带工况档标签的去噪残差序列;
5、s3,从去噪残差序列中取出各泄漏候选段的去噪残差及所属工况档标签,经固定带通滤波器组与工况门控生成时频能量特征并与所取去噪残差拼接,送入自监督训练的一维卷积网络,得到低维紧凑特征嵌入;
6、s4,将低维紧凑特征嵌入连同传感器野值位置与泄漏候选段标注按上报周期封装为紧凑报文,经窄带无线链路上传,得到供后端泄漏早期研判的特征报文。
7、在一个优选的实施方式中,所述按流量幅度与短窗一阶差分做工况在线分档,包括:在离线阶段以现场正常运行数据按流量幅度的分位数划分为若干工况档,并在每一工况档内按短窗一阶差分的分位数细分为平稳运行子状态与调阀过渡子状态;
8、在线阶段将当前样本按其流量幅度与短窗一阶差分归入对应工况档并以工况档标签附于各样本;短窗一阶差分为当前样本流量与前一个样本流量之差。
9、在一个优选的实施方式中,所述一阶递推预测量由流量惯性项与调阀响应项相加构成,流量惯性项为前一个样本的实测流量与前一个样本和再前一个样本的流量之差乘以所属工况档的流量惯性系数之和,调阀响应项为前一个样本相对再前一个样本的运行状态量变化量乘以所属工况档的调阀响应增益,残差为实测流量与一阶递推预测量之差;
10、流量惯性系数与调阀响应增益按工况档以最小二乘拟合得到;对于无法获取运行状态量的站点,将调阀响应增益取为零并以流量的二阶差分近似调阀响应项。
11、在一个优选的实施方式中,所述按工况档在线估计噪声尺度,包括:对每一工况档维护残差的在线中心,以残差与在线中心之差的绝对值做指数遗忘平均得到所属工况档的噪声尺度;
12、在线中心以递推分位数跟踪得到,即每输入一个残差样本,将在线中心朝残差所在一侧移动一个与噪声尺度成比例的步长。
13、在一个优选的实施方式中,所述据以归一化后施加自适应软阈值完成去噪,包括:将残差除以噪声尺度得到归一化残差,对归一化残差施加软阈值,即将幅度不超过阈值的部分置零、将超过阈值的部分保留其超出阈值的量并保持符号不变,再乘回噪声尺度还原量纲得到去噪残差;
14、阈值按工况档取用,为对现场正常数据的归一化残差取预设分位数所对应的水平。
15、在一个优选的实施方式中,所述按越阈样本的符号一致性与持续性甄别传感器野值与泄漏候选,包括:自越阈样本起在预设检验窗长的窗口内,统计与起始越阈样本符号一致且同样越阈的样本数占窗长的比例,得到持续性比例;
16、将持续性比例大于第一判定水平且符号一致的连续段判为泄漏候选段,将持续性比例小于第二判定水平且符号随即翻转的越阈样本判为传感器野值,将持续性比例介于第一判定水平与第二判定水平之间的越阈样本挂起观望至后续样本补全持续性后再判定,第一判定水平大于第二判定水平;
17、对判为传感器野值的样本以邻近去噪残差按保持局部形态的方式插补,对相邻的泄漏候选段按时间就近合并为一个泄漏候选段。
18、在一个优选的实施方式中,所述固定带通滤波器组以二阶节级联实现,各频带对应一组固定系数,泄漏候选段的去噪残差经各频带滤波后得到相应频带分量,将相应频带分量在泄漏候选段时间跨度内逐样本求平方后累加得到相应频带的能量,固定带通滤波器组的各频带中心与带宽在离线阶段由正常残差的频谱确定并避开正常波动能量集中的频带;
19、工况门控由当前工况档生成一组缩放系数与偏置系数,对各频带能量分别乘以对应缩放系数再加上对应偏置系数,缩放系数与偏置系数与一维卷积网络联合训练并按工况档以查表方式取用。
20、在一个优选的实施方式中,将所述时频能量特征在泄漏候选段时间跨度内以恒定值扩展为与泄漏候选段等长的通道,与泄漏候选段的去噪残差在通道方向拼接为多通道一维序列,并将泄漏候选段以线性插值重采样为预设定长;
21、一维卷积网络的编码器由多层深度可分离卷积构成,每层先对各通道分别做一维卷积、再以长度为一的卷积核在通道之间做线性组合,经非线性激活与带步长的下采样后逐层缩短序列长度,末层输出经沿时间轴的全局平均与线性映射得到低维紧凑特征嵌入。
22、在一个优选的实施方式中,所述一维卷积网络以自监督方式在正常工况残差段上以总损失训练,总损失由重构项、工况内紧凑项与跨工况一致项加权构成,重构项为输入序列与其重构之间的均方误差,工况内紧凑项使同一工况档的正常段嵌入向所属工况档的嵌入中心聚拢;
23、跨工况一致项使由同一残差段经不同工况的幅度与噪声尺度变换得到的一对增广样本的嵌入相互靠拢,一对增广样本各自按其被模拟到的工况档取用工况门控的缩放系数与偏置系数。
24、在一个优选的实施方式中,所述封装为紧凑报文,包括将低维紧凑特征嵌入、传感器野值位置与泄漏候选段标注、工况档标签以及上报周期标识组织为报文,同一上报周期内的多个泄漏候选段的低维紧凑特征嵌入按先后顺序排列;
25、当窄带无线链路中断时将报文暂存并于链路恢复后补发;当某一上报周期内无泄漏候选段时,报文仅携带工况档标签、上报周期标识与空候选指示。
26、本发明的有益效果在于:
27、以流量动态一阶预测得到的残差与工况档作为贯穿处理的共同基准,按工况在线估计噪声尺度并据以归一化后施加自适应软阈值,在压制现场噪声的同时保留与噪声处于同一量级的泄漏弱变化,并借助越阈样本的符号一致性与持续性把传感器野值与泄漏起点区分开,从而减少误删与误留这两类偏差,使去噪强度随工况自适应伸缩,即便在噪声大的工况下也能把微弱的泄漏迹象保留下来,避免了原始数据抽稀回传时把泄漏弱变化一并丢弃;
28、以工况门控的固定带通滤波器组与自监督训练的一维卷积网络,在受限边缘芯片上把泄漏候选段凝练为低维紧凑特征嵌入,每个上报周期只需回传少量特征即可支撑后端泄漏早期研判,正常漂移与泄漏在特征表征上得以分开;整个流程以定点方式流式运行、仅内置一个学习模块,既不依赖长历史缓存也不依赖重型模型,契合太阳能供电与窄带回传的现场条件,能够在无人阀室长期自治运行,也无需把现场原始波形送出,回传的数据量随之下降。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com