基于人工智能的管网监测方法、装置、设备及介质与流程

本发明涉及人工智能，尤其涉及一种基于人工智能的管网监测方法、装置、设备及介质。

背景技术：

1、近年来，随着对环保主题的不断倡导，管网的监测也变得越发重要。

2、但是，现有技术中主要是依赖专家经验进行管网监测，由于管网总量大，因此运维压力及运维成本都相对较高，并且，由于人工处理耗时较长，因此预警时效性也较差，导致运维相对滞后。

技术实现思路

1、鉴于以上内容，有必要提供一种基于人工智能的管网监测方法、装置、设备及介质，旨在解决管网监测的效率低且监测压力大的问题。

2、一种基于人工智能的管网监测方法，所述基于人工智能的管网监测方法包括：

3、确定管网的至少一个监测指标；

4、控制管网监测设备实时采集所述至少一个监测指标中每个监测指标的指标值；

5、响应于管网诊断指令，调取预先训练的管网诊断模型；

6、将每个监测指标的指标值输入至所述管网诊断模型，得到管网诊断结果。

7、根据本发明优选实施例，所述控制管网监测设备实时采集所述至少一个监测指标中每个监测指标的指标值包括：

8、控制无线水质监测仪实时采集所述至少一个监测指标中的水质数据；及/或

9、控制无限流量监测仪实时采集所述至少一个监测指标中的水量数据；及/或

10、控制井盖安全监测仪实时采集所述至少一个监测指标中的安全数据；及/或

11、控制无线液位监测仪实时采集所述至少一个监测指标中的气象数据；及/或

12、控制视频监测仪实时采集所述至少一个监测指标中的视频数据。

13、根据本发明优选实施例，所述调取预先训练的管网诊断模型前，所述方法还包括：

14、获取历史管网诊断数据；

15、提取所述历史管网诊断数据中所包含的所述至少一个监测指标的历史指标值，及提取所述历史管网诊断数据所对应的历史诊断结果；

16、将所述至少一个监测指标的历史指标值确定为训练数据，将所述历史诊断结果确定为训练目标，并对具有预测功能的神经网络模型进行训练，得到所述管网诊断模型。

17、根据本发明优选实施例，所述得到管网诊断结果后，所述方法还包括：

18、根据所述管网诊断结果确定管网异常区域；

19、获取所述管网异常区域中的关联泵站；

20、通过可编程逻辑控制器对所述关联泵站的运行状态进行实时监测，及对所述关联泵站进行远程控制；

21、其中，显示实时监测的所述关联泵站的运行状态，显示对所述关联泵站的实时监控视频，及显示所述关联泵站的地点及维修人员信息。

22、根据本发明优选实施例，所述方法还包括：

23、实时展示每个监测指标的指标值及所述管网诊断结果；

24、当检测到根据所述管网诊断结果生成运维工单时，跟踪所述运维工单的处理进度；

25、获取所述运维工单的节点；

26、根据所述运维工单的节点对所述运维工单进行自动流转，直至所述运维工单的处理进度显示所述运维工单处理完成时，根据对所述运维工单的处理过程生成运维报表；

27、保存所述运维报表。

28、根据本发明优选实施例，所述得到管网诊断结果后，所述方法还包括：

29、根据所述管网诊断结果确定异常管网；

30、获取所述异常管网的gis地图；

31、通过坐标转换将所述gis地图映射至天地图；

32、获取所述gis地图的图层属性；

33、将所述图层属性复制至所述天地图，得到所述异常管网的管网属性信息。

34、根据本发明优选实施例，所述得到管网诊断结果后，所述方法还包括：

35、从所述管网诊断结果中获取雨污混接分析结果；

36、当所述雨污混接分析结果显示存在生活污水的规律性排放时，采集非降雨时段监测点处水的流量、流速及液位波动值及对应的时间点构建波动曲线；

37、根据所述波动曲线预测生活污水的排放位置。

38、一种基于人工智能的管网监测装置，所述基于人工智能的管网监测装置包括：

39、确定单元，用于确定管网的至少一个监测指标；

40、采集单元，用于控制管网监测设备实时采集所述至少一个监测指标中每个监测指标的指标值；

41、调取单元，用于响应于管网诊断指令，调取预先训练的管网诊断模型；

42、诊断单元，用于将每个监测指标的指标值输入至所述管网诊断模型，得到管网诊断结果。

43、一种计算机设备，所述计算机设备包括：

44、存储器，存储至少一个指令；及

45、处理器，执行所述存储器中存储的指令以实现所述基于人工智能的管网监测方法。

46、一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述基于人工智能的管网监测方法。

47、由以上技术方案可以看出，本发明能够控制管网监测设备实时采集至少一个监测指标中每个监测指标的指标值，并将每个监测指标的指标值输入至管网诊断模型得到管网诊断结果，进而结合人工智能手段及监测设备对管网进行自动化监测，不仅提高了监测效率，且有效降低了人力成本，使管网监测结果排除了人为的主观因素，可信度更高。

技术特征：

1.一种基于人工智能的管网监测方法，其特征在于，所述基于人工智能的管网监测方法包括：

2.如权利要求1所述的基于人工智能的管网监测方法，其特征在于，所述控制管网监测设备实时采集所述至少一个监测指标中每个监测指标的指标值包括：

3.如权利要求1所述的基于人工智能的管网监测方法，其特征在于，所述调取预先训练的管网诊断模型前，所述方法还包括：

4.如权利要求1所述的基于人工智能的管网监测方法，其特征在于，所述得到管网诊断结果后，所述方法还包括：

5.如权利要求1所述的基于人工智能的管网监测方法，其特征在于，所述方法还包括：

6.如权利要求1所述的基于人工智能的管网监测方法，其特征在于，所述得到管网诊断结果后，所述方法还包括：

7.如权利要求1所述的基于人工智能的管网监测方法，其特征在于，所述得到管网诊断结果后，所述方法还包括：

8.一种基于人工智能的管网监测装置，其特征在于，所述基于人工智能的管网监测装置包括：

9.一种计算机设备，其特征在于，所述计算机设备包括：

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于人工智能的管网监测方法。

技术总结
本发明涉及人工智能技术领域，提供一种基于人工智能的管网监测方法、装置、设备及介质，能够控制管网监测设备实时采集至少一个监测指标中每个监测指标的指标值，并将每个监测指标的指标值输入至管网诊断模型得到管网诊断结果，进而结合人工智能手段及监测设备对管网进行自动化监测，不仅提高了监测效率，且有效降低了人力成本，使管网监测结果排除了人为的主观因素，可信度更高。

技术研发人员：金少锋,吴瑞生,黄昌登,俞铖炳
受保护的技术使用者：浙江鼎胜环保技术有限公司
技术研发日：
技术公布日：2024/2/6