用于确定管网泄漏程度的方法、电子设备和存储介质与流程

1.本公开的实施例总体上涉及智能检测领域，具体涉及用于确定管网泄漏程度的方法、电子设备和存储介质。


背景技术：

2.随着气体（例如，压缩空气等）的用途变得日益广泛，经常需要通过管网将其从气体供应装置（诸如，空气压缩站等）传输到不同的气体使用方（例如，用气车间等）。然而，在经由管网传输气体的过程中，经常会由于管网中管道的泄漏（简称为管网泄漏）而不得不传输更多的气体，而且这种气体传输量的增加又导致对其他能源（例如，电能）的进一步消耗，由此造成了巨大的能源浪费和消费成本。目前，因管网泄漏而造成的能源浪费已成为工厂里最常见的能源浪费之一。例如，在压缩空气输送系统中，平均压缩空气的泄漏量经常会占到整个压缩空气产量的30%，这进而可导致每年数以万计的电费成本。另外，当气体泄漏现象加剧时，整个压缩空气系统的压力都会下降，若要保持空气系统的压力，就必须开启额外的压缩机，这又会使整个工厂的用电成本进一步抬升。
3.因此，有必要提供一种确定管网泄漏程度的方法，使得可以快速而精确地确定管网压力的泄漏程度，以便能够及时采取措施，以防止能源上的浪费。


技术实现要素：

4.针对上述问题，本公开提供了一种用于确定管网泄漏程度的方法和电子设备，能够快速而精确地确定管网压力的泄漏程度，进而防止能源上的浪费。
5.根据本公开的第一方面，提供了一种用于确定管网泄漏程度的方法，包括：在多个连续的采样区间内以预定的采样频率采集与管网压力有关的多个第一样本集合，每一第一样本集合包括以下第一样本：管网在相应采样时间点处的产气端压力和用气端压力；对于每一采样区间，基于在所述采样区间内采集到的多个第一样本集合，获得第二样本集合，所述第二样本集合包括以下第二样本：所述管网在相应采样区间内的平均产气端压力、平均产气端压力变化率和平均用气端压力；从所有第二样本集合中选择满足特定特征的多个第二样本集合作为训练测试样本；基于所述训练测试样本，确定要采用的管网压力计算模型；以及基于所述要采用的管网压力计算模型，确定所述管网的泄漏程度。
6.根据本公开的第二方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的第一方面所述的方法。
7.在本公开的第三方面中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开的第一方面所述的方法。
8.在一些实施例中，每一第一样本集合还包括以下第一样本中的至少一个：所述管网在相应采样时间点处的产气端瞬时流量、产气端产气量、产气端气体温度以及用气端气
体温度。
9.在一些实施例中，所述第二样本集合还包括以下第二样本中的至少一个：所述管网在相应采样区间内的平均产气端瞬时流量、平均产气端产气量、平均产气端气体温度和平均用气端气体温度。
10.在一些实施例中，从所有第二样本集合中选择满足特定特征的多个第二样本集合作为训练测试样本包括：从所有第二样本集合中选择所述平均产气端压力变化率保持恒定的多个时间段内的多个第二样本集合作为所述训练测试样本，其中所述多个时间段中的每一时间段都是所述多个连续的采样区间的子集。
11.在一些实施例中，所述方法还包括在从所有第二样本集合中选择满足特定特征的多个第二样本集合作为训练测试样本之前，对每一第二样本集合进行异常处理。
12.在一些实施例中，对每一第二样本集合进行异常处理包括：对每一第二样本集合进行分析，以确定所述第二样本集合中是否包括缺失的第二样本或多余的第二样本或异常的第二样本响应于确定所述第二样本集合中包括缺失的第二样本，对所述缺失的第二样本进行插值或者将所述第二样本集合删除；响应于确定所述第二样本集合中包括多余的第二样本，将所述多余的第二样本删除；响应于确定所述第二样本集合中包括异常的第二样本，分析所述异常的第二样本产生的原因；如果确定所述异常的第二样本是由于管网设备停机引起的，则将所述第二样本置零；如果确定所述异常的第二样本是由于相应传感器的回调归零引起的，则将所述第二样本集合删除，并将所述第二样本集合前一采样区间和后一采样区间内的第二样本集合也删除；如果确定所述异常的第二样本是由于相应传感器的故障引起的，则将所述第二样本集合删除。
13.在一些实施例中，基于所述训练测试样本，确定要采用的管网压力计算模型包括：基于所述训练测试样本的第一子集，利用不同的机器学习模型分别训练多个管网压力计算模型；基于所述训练测试样本的第二子集，对经训练的多个管网压力计算模型分别进行验证，以选取所述经训练的多个管网压力计算模型中准确性最高的管网压力计算模型；对所选的管网压力计算模型的超参数进行优化，以得到所述要采用的管网压力计算模型。
14.在一些实施例中，基于所述管网压力计算模型确定管网的泄漏程度包括：基于在当前采样区间内以所述预定的采样频率采集到的多个第一样本集合，获得针对所述当前采样区间的第二样本集合；将针对所述当前采样区间的第二样本集合输入所述所述要采用的管网压力计算模型，以得到实际用气端压力；基于针对所述当前采样区间的第二样本集合中包括的平均产气端压力以及所述实际用气端压力，确定实际管网压降；利用标准管网压降计算公式计算正常管网压降；基于所述实际管网压降和所述正常管网压降，确定所述管网的泄漏程度。
15.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
16.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素。
17.图1示出了管网的产气端压力和用气端压力的对比图。
18.图2示出了根据本发明的实施例的用于确定管网泄漏程度的方法的系统2的示意图。
19.图3示出了根据本公开的实施例的用于确定管网泄漏程度的方法300的流程图。
20.图4示出了压缩空气输送系统400的说明性示意图。
21.图5示出了随机森林模型的示意图。
22.图6示出了根据本公开的实施例的用于确定要采用的管网压力计算模型的方法600的流程图。
23.图7示出了根据本公开的实施例的用于基于管网压力计算模型确定所述管网的泄漏程度的方法700的流程图。
24.图8示出了根据本公开的实施例的电子设备800的框图。
具体实施方式
25.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
26.在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
27.如前面所提到的，在经由管网传输气体的过程中，经常会由于管网中管道的泄漏而造成了巨大的能源浪费和消费成本。目前，通常采用超声波探测仪来测量这种管网的气体泄漏，其通过探测压缩气体泄漏所产生的超声波信号来查找泄漏位置，并确定泄漏严重程度。然而，超音波探测仪的成本较高，而且要求操作者具有专门的知识技能，学习成本较高。另外，由于超声波探测仪的超声波探头属于一次性器材，因此考虑到成本问题，操作者不会经常利用其进行检测，从而导致在管网泄漏发生时，无法及时发现问题，进而造成了更多的能源浪费。
28.另外，气体在通过管网从气体供应装置传输到各气体使用方时，通常会产生一定的压力损失，因此管网产气端处的压力和管网用气端处的压力之间存在一定的差值（简称为压降）。这种压降通常由管网阻力（例如，由输气管道、阀门、弯道、气体流动方向的改变和节流等造成的阻力）产生的摩擦力以及管网的泄漏引起。因此，气体在管网中流动时所产生的实际压降通常包括以下两个部分：第一部分为由管网阻力产生的摩擦力所引起的正常压降，这种正常压降在管网中是不可避免的，通常可采用标准的管网压降计算公式来计算；第二部分是由气体泄漏等造成的压降，这种压降通常称为泄漏压降。由此可知，压降是用来确定管网的泄漏程度的重要参数。通常，管网产气端和管网用气端（例如，使用车间的用气端）分别安装有压力传感器，以分别用于测量管网产气端的压力和用气端的压力。然而，如图1所示，用气端的用气需求经常会随着工况的变化而不断变化，而由于管网中的例如储气罐和管道等部件都具有一定的容积，可起到稳压的作用，因此用气端的压力变化不会立刻在
产气端的压力数据上表现出来，而是具有一定的延时。也就是说，用气端的压力变化和产气端的压力变化之间的延迟时间例如与储气罐和管道的容积大小以及当前管网的储气水平有关。因此，这些压力传感器分别检测到的产气端压力和用气端压力无法直接计算出管网的实际压降，由此也无法用来准确地确定管网的泄漏压降。
29.为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于确定管网泄漏程度的方法，包括：在多个连续的采样区间内以预定的采样频率采集与管网压力有关的多个第一样本集合，每一第一样本集合包括以下第一样本：管网在相应采样时间点处的产气端压力和用气端压力；对于每一采样区间，基于在所述采样区间内采集到的多个第一样本集合，获得第二样本集合，所述第二样本集合包括以下第二样本：所述管网在相应采样区间内的平均产气端压力、平均产气端压力变化率和平均用气端压力；从所有第二样本集合中选择满足特定特征的多个第二样本集合作为训练测试样本；基于所述训练测试样本，确定要采用的管网压力计算模型；以及基于所述要采用的管网压力计算模型，确定所述管网的泄漏程度。以此方式，使得可以快速而精确地确定管网压力的泄漏程度，以便能够及时采取措施，以防止能源上的浪费。
30.图2示出了用于实现根据本发明的实施例的用于确定管网泄漏程度的方法的系统2的示意图。如图2中所示，系统2包括用户终端10、计算设备20、服务器30和网络40。用户终端10、计算设备20和服务器30可以通过网络40进行数据交互。这里，每个用户终端10可以是终端用户的移动或固定终端，如手机、平板电脑、台式机等。用户终端10例如可以通过其上安装的管网监控应用程序与提供管网监控服务的服务器30进行通信，以向服务器30发送信息和/或从服务器30接收信息。计算设备20基于来自用户终端10和/或服务器30的数据执行相应的操作。计算设备20可以包括至少一个处理器210和与该至少一个处理器210耦合的至少一个存储器220，该存储器220中存储有可由该至少一个处理器210执行的指令230，该指令230在被该至少一个处理器210执行时执行如下所述的方法100的至少一部分。注意，在本文中，计算设备20可以是服务器30的一部分或者可以独立于服务器30。计算设备20或服务器30的具体结构例如可以如下结合图8所述。
31.图3示出了根据本公开的实施例的用于确定管网泄漏程度的方法300的流程图。方法300可由如图2所示的计算设备20执行，也可以在图8所示的电子设备800处执行。应当理解的是，方法300还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
32.在步骤302，在多个连续的采样区间内以预定的采样频率采集与管网压力有关的多个第一样本集合，每一第一样本集合至少包括以下第一样本：管网在相应采样时间点处的产气端压力和用气端压力。在一些实施例中，为了保证在步骤308中确定的要采用的管网压力计算模型的训练效果，每一第一样本集合还可包括以下第一样本中的至少一个：管网在相应采样时间点处的产气端瞬时流量、产气端累计流量、产气端气体温度以及用气端气体温度。例如，在一些实施例中，在每一采样时间点除了采集产气端压力和用气端压力外，还采集产气端瞬时流量、产气端累计流量、产气端气体温度以及用气端气体温度，以供用于确定要采样的管网压力计算模型。当然，也可采集更多或更少的第一样本，只要可以准确确定要采用的管网压力计算模型即可。
33.在本公开中，每一采样时间点处的产气端压力指的是在该采样时间点处，在管网
的气体供应端处的气体压力，其可由设置在该气体供应端处的压力传感器（例如，在图4所示的示例中，为设置在母管的产气端处的压力传感器）进行采集。每一采样时间点处的用气端压力指的是在该采样时间点处，在管网的气体用气端处的气体压力，其可由设置在气体用气端处的压力传感器（例如，在图4所示的示例中，为设置在相应的用气车间的用气端处的压力传感器）进行采集。每一采样时间点处的产气端瞬时流量指的是在该采样时间点处，流经管网的气体用气端气体流量，其可由设置在该气体供应端处的流量传感器（例如，在图4所示的示例中，为设置在母管的进气端处的流量传感器）进行采集。每一采样时间点处的产气端累计流量指的是从上一采样时间点到该采样时间点流经气体供应端的累计流量，其可通过计算在该采样时间点处采集到的产气端瞬时流量与在前一采样时间点处采集到的产气端瞬时流量之间的差来获得。每一采样时间点处的产气端气体温度指的是在该采样时间点处，在管网的气体供应端处的气体温度，其可由设置在该气体供应端处的温度传感器（图4中未示出）进行采集。每一采样时间点处的用气端气体温度指的是在该采样时间点处，在管网的气体用气端处的气体温度，其可由设置在气体用气端处的温度传感器（图4中未示出）进行采集。
34.在本公开中，采样频率是取决于所要实现的采样精度来选择的，而每个采样区间的时间长度可取决于采样频率来选择。在一些实施例中，采样频率可以为例如每1秒钟或几秒钟采集一次第一样本集合，这时采样区间可以为例如1分钟或3分钟的时间长度，并且总采样时间长度可以为1
‑
2个月的时间。在一些实施例中，采样频率也可以为例如每1分钟或几分钟采集一次第一样本集合，这时采样区间可以为例如15分钟或更长的时间长度，并且总采样时间长度可以为2个月或更多个月的时间。
35.在步骤304，对于每一采样区间，基于在该采样区间内采集到的多个第一样本集合，获得第二样本集合，该第二样本集合至少包括以下第二样本：管网在相应采样区间内的平均产气端压力、平均产气端压力变化率以及平均用气端压力。在一些实施例中，在每一第一样本集合还包括管网在相应采样时间点处的产气端瞬时流量、产气端累计流量、产气端气体温度以及用气端气体温度中的至少一个第一样本的情况下，第二样本集合还相应地包括以下第二样本中的至少一个：管网在相应采样区间内的平均产气端瞬时流量、平均产气端产气量、平均产气端气体温度和平均用气端气体温度。
36.在本公开中，每一采样区间内的平均产气端压力指的是该采样区间内的多个采样时间点处的多个产气端压力的平均值。每一采样区间内的平均产气端压力变化率指的是该采样区间内的多个采样时间点处的产气端压力变化率的平均值，每一采样时间点处的产气端压力变化率可通过将该采样时间点处的产气端压力减去上一采样时间点处的产气端压力后再除以采样周期长度来获得。每一采样区间内的平均用气端压力指的是该采样区间内的多个采样时间点处的多个用气端压力的平均值。每一采样区间内的平均产气端瞬时流量指的是该采样区间内的多个采样时间点处的多个产气端瞬时流量的平均值。每一采样区间内的平均产气端产气量指的是该采样区间内的多个采样时间点处的产气端产气量的平均值，每一采样时间点处的产气端产气量可例如通过将该采样时间点处的产气端累计流量减去上一采样时间点出的产气端累计流量来获得。每一采样区间内的平均产气端气体温度指的是该采样区间内的多个采样时间点处的产气端气体温度的平均值。每一采样区间内的平均用气端气体温度指的是该采样区间内的多个采样时间点处的用气端气体温度的平均值。
37.在本公开中，由于不同的传感器（例如，以上提到的压力传感器、流量计和温度传感器）安装在管网的不同位置处，很难保证其采样时间完全同步，因此采集到的各个第一样本的时间并非是精确对齐的。例如，仅作为示例，对于某一次采样，产气端压力可能是在12:01由产气端压力传感器采集到，而用气端压力则是在12:02才由用气端压力传感器采集到。因此，通过经过以上方式将在每一采样区间内采集到的多个第一样本集合合并成一个第二样本集合，可以将各个时间区间内的第一样本都对齐到同一时间段内，从而可很好地克服以上问题。
38.在步骤306，从所有第二样本集合中选择满足特定特征的多个第二样本集合作为训练测试样本。在一些实施例中，从所有第二样本集合中选择平均产气端压力变化率保持恒定的多个时间段内的多个第二样本集合作为训练测试样本，其中每一时间段都是多个连续的采样区间的子集。例如，仅作为示例，如果在第40
‑
70个采样区间、第100
‑
300个采样区间以及第600
‑
850个采样区间内的平均产气端压力变化率是恒定的，则可选择这些时间段内的多个第二样本集合作为训练测试样本。
39.在本公开中，通过选择满足特定特征的多个第二样本集合作为训练测试样本，例如通过选择平均产气端压力变化率保持恒定的多个时间段内的多个第二样本集合作为训练测试样本，可有助于消除用气端压力由工况变化所引起的压力变化，进而使得基于此训练出的管网压力计算模型可输出排除了前面提到的工况变化和延迟影响的用气端压力。
40.在一些实施例中，在从所有第二样本集合中选择满足特定特征的多个第二样本集合作为训练测试样本之前，还包括对每一第二样本集合进行异常处理。通过这种异常处理，可以去除样本数据中可能存在的噪音，从而有助于提高训练的精度。
41.具体地，用于对第二样本集合进行异常处理的方法可包括：对每一第二样本集合进行分析，以确定第二样本集合中是否包括缺失的第二样本或多余的第二样本或异常的第二样本；响应于确定第二样本集合中存在缺失的第二样本，对该缺失的第二样本进行插值或者将该第二样本集合删除；响应于确定该第二样本集合中存在多余的第二样本，将该多余的第二样本删除；响应于确定该第二样本集合中存在异常的第二样本，分析该异常的第二样本产生的原因；如果确定该异常的第二样本是由于管网设备停机引起的，则将该第二样本置零；如果确定该异常的第二样本是由于相应传感器的回调归零引起的，则将该第二样本集合删除，并将该第二样本集合前一采样区间和后一采样区间内的第二样本集合也删除；如果确定该异常的第二样本是由于相应传感器的故障引起的，则将该第二样本集合删除。
42.在本公开中，例如，如果第二样本集合应包括管网在相应采样区间内的平均产气端压力、平均产气端压力变化率以及平均用气端压力这三个第二样本，但是所获得的第二样本集合缺少了其中的一个第二样本，则说明该第二样本集合包括缺失的第二样本。而如果所获得的第二样本集合包括了额外的第二样本，则说明该第二样本集合包括了多余的第二样本。
43.第二样本有可能存在各种异常，因此需要对不同的异常情况作出不同的处理。例如，由于管网设备（例如，空气压缩机）在停机时仍然可能会存在微小的流量数据，这时就应将这种流量数据置零。又如，流量计之类的传感器在满格时可能会被回调归零，从而使得相应的数据被设为零，由此无法反映出正确的数值，因此这时可将相应的第二样本集合以及
前后的两个第二样本集合都删除，以免影响训练的准确性。再如，通过对所有第二样本集合进行整体分析，经常会发现其中的某个第二样本明显区别于邻近的第二样本，此时需要进一步分析原因，如果这种问题是由于传感器故障引起的不是正常的跳变，则表示相应的第二样本是错误的，因此需要将与该第二样本相关联的第二样本集合直接删除。
44.在步骤308，基于训练测试样本，确定要采用的管网压力计算模型。在本公开中，可基于训练测试样本，分别利用多个机器学习模型（例如，线性回归模型、随机森林模型、lightgbm模型等）来拟合用气端压力，以训练得到多个管网压力计算模型，然后从中选择准确度最高的一个管网压力计算模型作为要采用的管网压力计算模型。下文将结合图6对用于确定要采用的管网压力计算模型的方法500作进一步更详细的描述。
45.当然，也可依据经验选择预定的机器学习模型来拟合用气端压力，以训练得到要采用的管网压力计算模型。在一些实施例中，选择随机森林模型来训练管网压力计算模型。
46.在本公开中，在利用随机森林模型来训练管网压力计算模型时，可以为随机森林模型（例如，如图5所示的随机森林模型）训练多棵不相关的决策树，然后可例如利用这些决策树所得到的结果的均值作为最终的结果。为了使为随机森林模型训练的各颗决策树不相关，可先分别对训练样本（即，在本公开中为后面提到的训练测试样本的第一子集）进行特征采样和样本采样，使得针对不同决策树的训练样本数据的分布不一致（因为使用不同分布的训练样本数据训练出来的决策树相比于使用相同训练样本数据训练出来的决策树而言相关性更低），然后为每一决策树随机选择一定数量的特征（选择特征的数量是一个超参数，需要在模型训练之前指定），同时采用有放回抽样，选择与训练样本相同的数量的样本作为该决策树的训练样本数据。有放回采样是一种采样方式，比如训练样本有10000条数据，那么有放回抽样的方式就是每次都从10000条数据里面抽1条数据，然后重复10000次得到10000条数据的数据集。
47.应了解，在本公开中，超参数是模型的配置参数，其并不直接参与到模型的训练过程中。在训练时，会对模型参数进行调节更新，但这些超参数都取默认值。在模型训练完成之后，可再对这些超参数进行调节，从而使得该过程可以更科学地训练出更高效的机器学习模型。
48.在步骤310，基于要采用的管网压力计算模型，确定管网的泄漏程度。在确定了要采用的管网压力计算模型之后，就可基于该模型来确定管网的实际压降，并进而确定管网的泄漏程度了。下文将结合图7对用于基于管网压力计算模型确定管网的泄漏程度的方法进行更详细的描述。
49.通过采用上述手段，本公开能够更为准确地确定管网泄漏程度。
50.图6示出了根据本公开的实施例的用于确定要采用的管网压力计算模型的方法600的流程图。方法600可由如图2所示的计算设备20执行，也可以在图8所示的电子设备800处执行。应当理解的是，方法600还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
51.在步骤602，基于所述训练测试样本的第一子集，利用不同的机器学习模型分别训练多个管网压力计算模型。如前面所提到的，可分别利用例如线性回归模型、随机森林模型、轻梯度提升机（light gradient boosting machine, lightgbm）模型等来训练多个管网压力计算模型。
52.在步骤604，基于所述训练测试样本的第二子集，对经训练的多个管网压力计算模型分别进行验证，以选取所述经训练的多个管网压力计算模型中精确度最高的管网压力计算模型。在一些实施例中，可使用平均百分比误差（mean absolute percentage error, mape）来作为衡量管网压力计算模型的精确度的指标。在这些实施例中，选择mape最小的管网压力计算模型作为要使用的模型。
53.对于每一经训练的管网压力计算模型而言，mape可基于以下公式（1）计算得到：在上述公式（1）中，n代表第二子集中的第二样本集合的数量。y’代表第二子集中第i个第二样本集合中的平均用气端压力。y代表相应的经训练的管网压力计算模型基于第二子集中的第i个第二样本集合而计算出的用气端压力。
54.在一些实施例中，也可使用均方根误差（root mean square error, rmse）、平均绝对误差（mean absolute error, mae）、对称平均绝对百分比误差（symmetric mean absolute percentage error, smape）或r平方（r squared, r2）等作为衡量管网压力计算模型的精确度的指标，其衡量方法与mape类似，只是公式不同，因此在此不作进一步赘述。
55.在步骤606，对所选的管网压力计算模型的超参数进行优化，以得到所述要采用的管网压力计算模型。在一些实施例中，可使用网格搜索或贝叶斯优化来对所选的管网压力计算模型的超参数进行优化。
56.通过采用上述手段，本公开能够选出最为合适的模型以用于管网压力计算。
57.图7示出了根据本公开的实施例的用于基于管网压力计算模型确定管网的泄漏程度的方法700的流程图。方法700可由如图2所示的计算设备20执行，也可以在图8所示的电子设备800处执行。应当理解的是，方法700还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
58.在步骤702，基于在当前采样区间内以预定的采样频率采集到的多个第一样本集合，获得针对当前采样区间的第二样本集合。根据实际情况，步骤702中的采样频率可以与步骤302中的采样频率相同，也可以不同。
59.在步骤704，将针对所述当前采样区间的第二样本集合输入所述管网压力计算模型，以得到实际用气端压力。在本公开中，如前面所提到的，由此得到的用气端压力是排除了工况变化和管网延时的用气端压力。
60.在步骤706，基于针对当前采样区间的第二样本集合中包括的平均产气端压力以及步骤704中得到的实际用气端压力，确定实际管网压降。在本公开中，可通过将以上实际用气端压力减去平均产气端压力来得到实际管网压降。
61.在步骤708，利用标准管网压降计算公式计算正常管网压降。在本公开中，步骤708也可以在步骤702之前执行。在本公开的一些实施例中，可利用以下公式（2）来计算正常管网压降。
62.在上述公式（2）中，代表正常管网压降（单位bar）。q代表容积流量即管网产气
端的瞬时流量（单位为l/s）。d代表管道内径（单位mm）。l代表管道长度（单位m）。p代表排气绝压表示用气端的压力。
63.需要指出的是，由于管网中通常存在弯道和不同管径的管道，因此在以上公式中，管道管径d特指输气管道的直接，而对于管道长度l，除了包括气体从产气端到用气端的管道长度外，管径变化的情况和弯道的情况也折算在该管道长度l中了。
64.在步骤710，基于实际管网压降和正常管网压降，确定管网的泄漏程度。在本公开中，通过将实际管网压降减去正常管网压降就可计算出管网的泄漏程度。
65.通过采用上述手段，本公开能够准确确定管网的泄漏状态。
66.图8示出了可以用来实施本公开内容的实施例的示例电子设备800的示意性框图。例如，如图2所示的计算设备20可以由电子设备800来实施。如图所示，电子设备800包括中央处理单元（cpu）801，其可以根据存储在只读存储器（rom）802中的计算机程序指令或者从存储单元808加载到随机存取存储器（ram）803中的计算机程序指令，来执行各种适当的动作和处理。在随机存取存储器803中，还可存储电子设备800操作所需的各种程序和数据。中央处理单元801、只读存储器802以及随机存取存储器803通过总线804彼此相连。输入/输出（i/o）接口805也连接至总线804。
67.电子设备800中的多个部件连接至输入/输出接口805，包括：输入单元806，例如键盘、鼠标、麦克风等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
68.上文所描述的各个过程和处理，例如方法300、400、600和700，可由中央处理单元801执行。例如，在一些实施例中，方法300、400、600和700可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由只读存储器802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序被加载到随机存取存储器803并由中央处理单元801执行时，可以执行上文描述的方法300、400、600和700的一个或多个动作。
69.本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
70.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、静态随机存取存储器（sram）、便携式压缩盘只读存储器（cd
‑
rom）、数字多功能盘（dvd）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
71.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外
部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
72.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（isa）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（fpga）或可编程逻辑阵列（pla），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
73.这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
74.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
75.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
76.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
77.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也
不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。