温度变化场景下实时监测天然气泄漏的方法及装置.pdf

《温度变化场景下实时监测天然气泄漏的方法及装置.pdf》由会员分享，可在线阅读，更多相关《温度变化场景下实时监测天然气泄漏的方法及装置.pdf（13页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911343856.8 (22)申请日 2019.12.24 (71)申请人 北京优航机电技术有限公司 地址 100023 北京市大兴区经济技术开发 区经海一路32号1幢1层 (72)发明人 胡运德穆刚张勇涛 (74)专利代理机构 北京万科园知识产权代理有 限责任公司 11230 代理人 张亚军陈宪忠 (51)Int.Cl. G08B 21/16(2006.01) G06N 3/08(2006.01) (54)发明名称 一种温度变化场景下实时监测天然气泄漏 的方法及装置 (。

2、57)摘要 本发明公开了一种温度变化场景下实时监 测天然气泄漏的方法及装置， 包括： 利用天然气 浓度探测器获取相应的探测器原始数据， 将温 度、 真实的天然气泄漏浓度、 探测器原始数据关 联存储为数据集一； 利用所述数据集一创建BP神 经网络并训练： 利用天然气浓度探测器和BP神经 网络预测函数获得使用场景中真实的天然气泄 漏浓度； 计算使用场景中真实的天然气泄漏浓度 变化量； 计算使用场景中真实的天然气泄漏浓度 变化率； 计算一段时间内的浓度变化量总和； 预 测未来一段时间后使用场景中的天然气泄漏浓 度； 如果超过预设的报警阈值， 则进行报警。 本发 明实现在温度剧烈变化使用场景下， 高精。

3、度、 高 灵敏度地检测天然气泄漏情况， 并减少因为敏感 探头的个体差异造成的监测结果有差异的情况， 能够预测未来的天然气浓度， 提前报警， 且成本 较低。 权利要求书3页 说明书8页 附图1页 CN 111080976 A 2020.04.28 CN 111080976 A 1.一种温度变化场景下实时监测天然气泄漏的方法， 其特征在于所述方法包括如下步 骤： S1： 获取数据集一， 具体为： 在不同温度T、 不同天然气泄漏浓度N下， 利用天然气浓度探 测器获取相应的探测器原始数据N0， 将温度T、 真实的天然气泄漏浓度N、 探测器原始数据N0 关联存储为数据集一； S2： 利用所述数据集一训练。

4、BP神经网络： Ng(T)*N0 (公式一) 其中， N表示真实的天然气泄漏浓度， T表示温度， N0表示利用天然气浓度探测器获取的 探测器原始数据， g(T)表示通过所述数据集一训练得到的天然气泄露浓度与温度之间的关 系函数； S3： 计算使用场景中真实的天然气泄漏浓度， 具体为： 利用天然气浓度探测器和步骤S2 中获得的BP神经网络Ng(T)*N0， 获得使用场景中真实的天然气泄漏浓度N； S4： 计算使用场景中真实的天然气泄漏浓度增加量： NiNi-Ni-1 (公式二) 其中， Ni表示使用场景中真实的天然气泄漏浓度变化量， Ni表示第i次利用步骤S3获 得的使用场景中真实的天然气泄漏浓。

5、度， Ni-1表示第i-1次利用步骤S3获得的使用场景中真 实的天然气泄漏浓度， i为大于1的整数； S5： 计算使用场景中真实的天然气泄漏浓度变化率： iNi/ti (公式三) 其中， ti表示第i次和第i-1次利用步骤S3获得使用场景中真实的天然气泄漏浓度之间 的时间间隔， i表示时间间隔ti内使用场景中真实的天然气泄漏浓度变化率， Ni表示时间 间隔ti内使用场景中真实的天然气泄漏浓度变化量； S6： 预测未来一段时间后使用场景中的天然气泄漏浓度， 具体包括： 计算一段时间内的浓度变化量总和： 其中， S表示一段时间内使用场景中真实的天然气泄漏浓度变化量之和， Ni表示时间 间隔ti内使。

6、用场景中真实的天然气泄漏浓度变化量， n为大于1的整数； 将公式三代入公式四可得 一段时间内使用场景中真实的天然气泄漏浓度变化量之和S为天然气泄漏浓度变化函 数f(x)的积分， 得到公式六： 使用公式六预测未来一段时间后使用场景中的天然气泄漏浓度： 其中， Nj为未来一段时间后使用场景中的天然气泄漏浓度， N1表示通过步骤S3计算得到 权利要求书 1/3 页 2 CN 111080976 A 2 的当前使用场景中真实的天然气泄漏浓度； 其中， 利用公式三获取的使用场景中真实的天然气泄漏浓度Ni和利用公式四获取的与 使用场景中真实的天然气泄漏浓度Ni相对应的使用场景中真实的天然气泄漏浓度变化率 。

7、i 训练BP神经网络， 获得天然气泄漏浓度变化函数f(x)； S7： 报警判断， 具体为： 使用公式七计算出未来一段时间后使用场景中的天然气泄漏浓 度， 将所述使用场景中的天然气泄漏浓度与预设的报警阈值进行比较， 如果超过该预设的 报警阈值， 则进行报警。 2.根据权利要求1所述的温度变化场景下实时监测天然气泄漏的方法， 其特征在于： 利 用公式八代替公式七 3.一种温度变化场景下实时监测天然气泄漏的装置， 其特征在于所述装置包括： 数据集一获取模块， 用于在不同温度T、 不同天然气泄漏浓度N下， 利用天然气浓度探测 器获取相应的探测器原始数据N0， 将温度T、 真实的天然气泄漏浓度N、 探测。

8、器原始数据N0关 联存储为数据集一； BP神经网络训练模块， 用于利用所述数据集一训练BP神经网络： Ng(T)*N0 (公式一) 其中， N表示真实的天然气泄漏浓度， T表示温度， N0表示利用天然气浓度探测器获取的 探测器原始数据， g(T)表示通过所述数据集一训练得到的天然气泄露浓度与温度之间的关 系函数； 使用场景中真实的天然气泄漏浓度N计算模块， 用于利用天然气浓度探测器和BP神经 网络训练装置中获得的BP神经网络Ng(T)*N0， 获得使用场景中真实的天然气泄漏浓度N； 使用场景中真实的天然气泄漏浓度增加量计算模块， 用于计算使用场景中真实的天然 气泄漏浓度增加量： NiNi-Ni。

9、-1 (公式二) 其中， Ni表示使用场景中真实的天然气泄漏浓度变化量， Ni表示第i次利用步骤S3获 得的使用场景中真实的天然气泄漏浓度， Ni-1表示第i-1次利用步骤S3获得的使用场景中真 实的天然气泄漏浓度， i为大于1的整数； 使用场景中真实的天然气泄漏浓度变化率计算模块， 用于计算使用场景中真实的天然 气泄漏浓度变化速率： iNi/ti (公式三) 其中， ti表示第i次和第i-1次利用步骤S3获得使用场景中真实的天然气泄漏浓度之间 的时间间隔， i表示时间间隔ti内使用场景中真实的天然气泄漏浓度变化率， Ni表示时间 间隔ti内使用场景中真实的天然气泄漏浓度变化量； 未来一段时间。

10、后使用场景中的天然气泄漏浓度预测模块， 用于： 计算一段时间内的浓度变化量总和： 其中， S表示一段时间内使用场景中真实的天然气泄漏浓度变化量之和， Ni表示时间 间隔ti内使用场景中真实的天然气泄漏浓度变化量， n为大于1的整数； 权利要求书 2/3 页 3 CN 111080976 A 3 将公式三代入公式四可得 一段时间内使用场景中真实的天然气泄漏浓度变化量之和S为天然气泄漏浓度变化函 数f(x)的积分， 得到公式六： 使用公式六预测未来一段时间后使用场景中的天然气泄漏浓度： 其中， Nj为未来一段时间后使用场景中的天然气泄漏浓度， N1表示通过步骤S3计算得到 的当前使用场景中真实的天。

11、然气泄漏浓度； 其中， 利用公式三获取的使用场景中真实的天然气泄漏浓度Ni和利用公式四获取的与 使用场景中真实的天然气泄漏浓度Ni相对应的使用场景中真实的天然气泄漏浓度变化率 i 训练BP神经网络， 获得天然气泄漏浓度变化函数f(x)； 报警判断模块， 用于使用公式七计算出未来一段时间后使用场景中的天然气泄漏浓 度， 将所述使用场景中的天然气泄漏浓度与预设的报警阈值进行比较， 如果超过该预设的 报警阈值， 则进行报警。 4.一种温度变化场景下实时监测天然气泄漏的系统， 其特征在于所述系统包括： 存储 器、 处理器及存储在存储器上并可在处理器上运行的计算机程序， 所述处理器执行所述程 序时， 实。

12、现如权利要求1-2中任一项所述的方法。 5.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1-2中任一项所述的方法。 权利要求书 3/3 页 4 CN 111080976 A 4 一种温度变化场景下实时监测天然气泄漏的方法及装置 技术领域 0001 本发明涉及监测天然气泄漏技术领域， 具体涉及一种温度变化场景下实时监测天 然气泄漏的方法及装置。 背景技术 0002 当前各类天然气泄漏监测系统大多是针对常温使用场景下或某个特定温度使用 场景下(高温或低温使用场景)监测泄漏气体浓度， 不能持续在高温、 低温以及温度剧烈变 化的场景下使用， 也没。

13、有针对性地考虑温度变化对监测结果的影响。 我国幅员辽阔， 季节交 替明显， 而且在车辆发动机附近随着车辆运行时间的增加， 温度变化较为剧烈， 例如在冬季 零下10度的使用场景下， 车辆运行半小时发动机温度就可以高达60多度， 所以常见的天然 气浓度探测器不能适应这种恶劣场景。 0003 当前各类天然气泄漏浓度检测方法只是取得天然气浓度探测器的原始数据进行 简单均值、 过滤极值等处理， 由于各个敏感头都有一定离散性， 所以会造成监测结果有偏 差， 而且只能等到泄漏浓度到达阈值后才能检测报警， 不能根据浓度变化情况对浓度变化 趋势进行预判。 0004 当前特殊使用场景下使用的通常为特制的天然气浓度。

14、探测器， 并且会增加探测器 个数， 这会导致成本较高。 发明内容 0005 本发明提出的温度变化场景下实时监测天然气泄漏的方法及装置， 实现在温度剧 烈变化使用场景下， 高精度、 高灵敏度地检测天然气泄漏情况， 并减少因为敏感探头的个体 差异造成的监测结果有差异的情况， 能够预测未来的天然气浓度， 提前报警， 且成本较低。 0006 本发明所述的温度变化场景下实时监测天然气泄漏的方法， 其特征在于所述方法 包括如下步骤： 0007 S1： 获得数据集一， 具体为： 在不同温度T、 不同天然气泄漏浓度N下， 利用天然气浓 度探测器获取相应的探测器原始数据N0， 将温度T、 真实的天然气泄漏浓度N。

15、、 探测器原始数 据N0关联存储为数据集一； 0008 S2： 利用所述数据集一训练BP神经网络： 0009 Ng(T)*N0 (公式一) 0010 其中， N表示真实的天然气泄漏浓度， T表示温度， N0表示利用天然气浓度探测器获 取的探测器原始数据， g(T)表示通过所述数据集一训练得到的天然气泄露浓度与温度之间 的关系函数； 0011 S3： 计算使用场景中真实的天然气泄漏浓度， 具体为： 利用天然气浓度探测器和步 骤S2中获得的BP神经网络Ng(T)*N0， 获得使用场景中真实的天然气泄漏浓度N； 0012 S4： 计算使用场景中真实的天然气泄漏浓度增加量： 0013 NiNi-Ni-。

16、1 (公式二) 说明书 1/8 页 5 CN 111080976 A 5 0014 其中， Ni表示使用场景中真实的天然气泄漏浓度变化量， Ni表示第i次利用步骤 S3获得的使用场景中真实的天然气泄漏浓度， Ni-1表示第i-1次利用步骤S3获得的使用场景 中真实的天然气泄漏浓度， i为大于1的整数； 0015 S5： 计算使用场景中真实的天然气泄漏浓度变化率： 0016 iNi/ti (公式三) 0017 其中， ti表示第i次和第i-1次利用步骤S3获得使用场景中真实的天然气泄漏浓度 之间的时间间隔， i表示时间间隔ti内使用场景中真实的天然气泄漏浓度变化率， Ni表示 时间间隔ti内使用。

17、场景中真实的天然气泄漏浓度变化量； 0018 S6： 预测未来一段时间后使用场景中的天然气泄漏浓度， 具体包括： 0019 计算一段时间内的浓度变化量总和： 0020 0021 其中， S表示一段时间内使用场景中真实的天然气泄漏浓度变化量之和， Ni表示 时间间隔ti内使用场景中真实的天然气泄漏浓度变化量， n为大于1的整数； 0022 将公式三代入公式四可得 0023 0024 一段时间内使用场景中真实的天然气泄漏浓度变化量之和S为天然气泄漏浓度变 化函数f(x)的积分， 得到公式六： 0025 0026 使用公式六预测未来一段时间后使用场景中的天然气泄漏浓度： 0027 0028 其中， 。

18、Nj为未来一段时间后使用场景中的天然气泄漏浓度， N1表示通过步骤S3计算 得到的当前使用场景中真实的天然气泄漏浓度； 0029 其中， 利用公式三获取的使用场景中真实的天然气泄漏浓度Ni和利用公式四获取 的与使用场景中真实的天然气泄漏浓度Ni相对应的使用场景中真实的天然气泄漏浓度变 化率 i训练BP神经网络， 获得天然气泄漏浓度变化函数f(x)； 0030 S7： 报警判断， 具体为： 使用公式七计算出未来一段时间后使用场景中的天然气泄 漏浓度， 将所述使用场景中的天然气泄漏浓度与预设的报警阈值进行比较， 如果超过该预 设的报警阈值， 则进行报警。 0031 优选的， 利用公式八代替公式七 。

19、0032 0033 本发明所述的温度变化场景下实时监测天然气泄漏的装置， 其特征在于所述装置 包括： 0034 数据集一获取模块， 用于在不同温度T、 不同天然气泄漏浓度N下， 利用天然气浓度 探测器获取相应的探测器原始数据N0， 将温度T、 真实的天然气泄漏浓度N、 探测器原始数据 N0关联存储为数据集一； 说明书 2/8 页 6 CN 111080976 A 6 0035 BP神经网络训练模块， 用于利用所述数据集一训练BP神经网络： 0036 Ng(T)*N0 (公式一) 0037 其中， N表示真实的天然气泄漏浓度， T表示温度， N0表示利用天然气浓度探测器获 取的探测器原始数据， 。

20、g(T)表示通过所述数据集一训练得到的天然气泄露浓度与温度之间 的关系函数； 0038 使用场景中真实的天然气泄漏浓度N计算模块， 用于利用天然气浓度探测器和BP 神经网络训练装置中获得的BP神经网络Ng(T)*N0， 获得使用场景中真实的天然气泄漏浓 度N； 0039 使用场景中真实的天然气泄漏浓度增加量计算模块， 用于计算使用场景中真实的 天然气泄漏浓度增加量： 0040 NiNi-Ni-1 (公式二) 0041 其中， Ni表示使用场景中真实的天然气泄漏浓度变化量， Ni表示第i次利用步骤 S3获得的使用场景中真实的天然气泄漏浓度， Ni-1表示第i-1次利用步骤S3获得的使用场景 中真。

21、实的天然气泄漏浓度， i为大于1的整数； 0042 使用场景中真实的天然气泄漏浓度变化率计算模块， 用于计算使用场景中真实的 天然气泄漏浓度变化速率： 0043 iNi/ti (公式三) 0044 其中， ti表示第i次和第i-1次利用步骤S3获得使用场景中真实的天然气泄漏浓度 之间的时间间隔， i表示时间间隔ti内使用场景中真实的天然气泄漏浓度变化率， Ni表示 时间间隔ti内使用场景中真实的天然气泄漏浓度变化量； 0045 未来一段时间后使用场景中的天然气泄漏浓度预测模块， 用于： 0046 计算一段时间内的浓度变化量总和： 0047 0048 其中， S表示一段时间内使用场景中真实的天然。

22、气泄漏浓度变化量之和， Ni表示 时间间隔ti内使用场景中真实的天然气泄漏浓度变化量， n为大于1的整数； 0049 将公式三代入公式四可得 0050 0051 一段时间内使用场景中真实的天然气泄漏浓度变化量之和S为天然气泄漏浓度变 化函数f(x)的积分， 得到公式六： 0052 0053 使用公式六预测未来一段时间后使用场景中的天然气泄漏浓度： 0054 0055 其中， Nj为未来一段时间后使用场景中的天然气泄漏浓度， N1表示通过步骤S3计算 得到的当前使用场景中真实的天然气泄漏浓度； 0056 其中， 利用公式三获取的使用场景中真实的天然气泄漏浓度Ni和利用公式四获取 说明书 3/8 。

23、页 7 CN 111080976 A 7 的与使用场景中真实的天然气泄漏浓度Ni相对应的使用场景中真实的天然气泄漏浓度变 化率 i训练BP神经网络， 获得天然气泄漏浓度变化函数f(x)； 0057 报警判断模块， 用于使用公式七计算出未来一段时间后使用场景中的天然气泄漏 浓度， 将所述使用场景中的天然气泄漏浓度与预设的报警阈值进行比较， 如果超过该预设 的报警阈值， 则进行报警。 0058 本发明所述的温度变化场景下实时监测天然气泄漏的系统， 其特征在于所述系统 包括： 存储器、 处理器及存储在存储器上并可在处理器上运行的计算机程序， 所述处理器执 行所述程序时， 实现以上所述的方法。 005。

24、9 本发明所述的计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序 被处理器执行时实现以上所述的方法。 0060 与现有技术相比， 本发明的优势主要体现在如下几个方面： 0061 (1)使用大数据对BP神经网络进行训练， 再利用多种使用场景下的数据进行测试， 利用训练好的BP神经网络获得使用场景中真实的天然气泄漏浓度， 排除了温度对天然气浓 度探测器的影响， 可以将天然气浓度探测器应用到高温、 低温、 温度剧烈变化等场景中， 拓 宽了天然气浓度探测器的使用场景。 0062 (2)计算天然气泄漏浓度变化趋势， 使用天然气泄漏浓度变化率作为判断条件， 可 以减少因为天然气浓度探测器。

25、个体性能差异造成不同天然气浓度探测器对于同一泄漏场 景报警不准确、 不一致等问题。 此外， 使用浓度变化率来预测未来一段时间后的天然气泄漏 浓度， 从而进行泄漏浓度检测报警， 而不是等到天然气泄漏浓度真正到达某一值后再进行 报警， 将报警时间前移， 从而将可能的安全风险将至更低。 0063 (3)只在现有天然气浓度探测器上进行软件上的升级， 不会造成硬件设备的增加， 不会更改使用场景和使用方式。 附图说明 0064 为了更清楚地说明本发明实施例的技术方案， 下面将对实施例中所需要使用的附 图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本发明的一些实施例， 对于本领域 普通技术人员来讲，。

26、 在不付出创造性劳动的前提下， 还可以根据这些附图获取其他的附图。 0065 图1是本发明所述的温度变化场景下实时监测天然气泄漏的方法的流程图。 具体实施方式 0066 实施例一 0067 图1是本发明所述的温度变化场景下实时监测天然气泄漏的方法的流程图。 如图1 所示， 所述方法包括如下步骤： 0068 S1： 获得数据集一， 具体为： 在不同温度T、 不同天然气泄漏浓度N下， 利用天然气浓 度探测器获取相应的探测器原始数据N0， 将温度T、 真实的天然气泄漏浓度N、 探测器原始数 据N0关联存储为数据集一。 例如， 获取1500组温度T、 真实的天然气泄漏浓度N、 探测器原始 数据N0构成。

27、所述数据集一。 0069 S2： 利用所述数据集一训练BP神经网络： 0070 Ng(T)*N0 (公式一) 说明书 4/8 页 8 CN 111080976 A 8 0071 其中， N表示真实的天然气泄漏浓度， T表示温度， N0表示利用天然气浓度探测器获 取的探测器原始数据， g(T)表示通过所述数据集训练得到的天然气泄露浓度与温度之间的 关系函数。 例如， 将所述数据集一中的1400组数据代入BP神经网络中， 训练得到天然气泄露 浓度与温度之间的关系函数g(T)， 利用所述数据集一中的其余100组数据进行测试验证。 0072 S3： 计算使用场景中真实的天然气泄漏浓度， 具体为： 利用。

28、天然气浓度探测器和步 骤S2中获得的BP神经网络Ng(T)*N0， 获得使用场景中真实的天然气泄漏浓度N。 例如， 在 实际使用中， 利用天然气浓度探测器获取场景中的天然气浓度， 即探测器原始数据N0， 同时 获取场景中的使用场景温度， 将上述数据代入上述公式一中， 获得所述使用场景中真实的 天然气泄漏浓度N。 0073 由此可见， 由于使用大数据对BP神经网络进行训练， 并且利用多种使用场景下的 数据进行测试， 利用训练好的BP神经网络获得使用场景中真实的天然气泄漏浓度， 排除了 温度对天然气浓度探测器的影响， 可以将天然气浓度探测器应用到高温、 低温、 温度剧烈变 化等场景中， 拓宽了天然。

29、气浓度探测器的使用场景。 0074 S4： 计算使用场景中真实的天然气泄漏浓度变化量： 0075 NiNi-Ni-1 (公式二) 0076 其中， Ni表示使用场景中真实的天然气泄漏浓度变化量， Ni表示第i次利用步骤 S3获得的使用场景中真实的天然气泄漏浓度， Ni-1表示第i-1次利用步骤S3获得的使用场景 中真实的天然气泄漏浓度， i为大于1的整数。 0077 S5： 计算使用场景中真实的天然气泄漏浓度变化率： 0078 iNi/ti (公式三) 0079 其中， ti表示第i次和第i-1次利用步骤S3获得使用场景中真实的天然气泄漏浓度 之间的时间间隔， i表示时间间隔ti内使用场景中真。

30、实的天然气泄漏浓度变化率， Ni表示 时间间隔ti内使用场景中真实的天然气泄漏浓度变化量。 0080 S6： 预测未来一段时间后使用场景中的天然气泄漏浓度， 具体包括： 0081 计算一段时间内的浓度变化量总和： 0082 0083 其中， S表示一段时间内使用场景中真实的天然气泄漏浓度变化量之和， Ni表示 时间间隔ti内使用场景中真实的天然气泄漏浓度变化量， n为大于1的整数； 0084 将公式三代入公式四可得 0085 0086 由此可见， 一段时间内使用场景中真实的天然气泄漏浓度变化量之和S可以看成 天然气泄漏浓度变化函数f(x)的积分， 从而可得公式六： 0087 0088 使用公式。

31、六预测未来一段时间后使用场景中的天然气泄漏浓度： 0089 说明书 5/8 页 9 CN 111080976 A 9 0090 其中， Nj为未来一段时间后使用场景中的天然气泄漏浓度， N1表示通过步骤S3计算 得到的当前使用场景中真实的天然气泄漏浓度； 0091 正常场景下是不会发生天然气泄漏的， 所以发生泄漏后泄漏浓度理应从0开始变 化， 因此公式七可以写为如下形式： 0092 0093 其中， 利用公式三获取的使用场景中真实的天然气泄漏浓度Ni和利用公式四获取 的与使用场景中真实的天然气泄漏浓度Ni相对应的使用场景中真实的天然气泄漏浓度变 化率 i训练BP神经网络， 获得天然气泄漏浓度变。

32、化函数f(x)。 例如： 利用公式三获取1500个 使用场景中真实的天然气泄漏浓度Ni， 同时利用公式四获取1500个与使用场景中真实的天 然气泄漏浓度Ni相对应的使用场景中真实的天然气泄漏浓度变化率 i， 构成包含1500组数 据的数据集二， 将所述数据集二中的1400组数据代入BP神经网络中， 训练得到天然气泄漏 浓度变化函数f(x)， 利用所述数据集二中的其余100组数据进行测试验证。 0094 S7： 报警判断， 具体为： 使用公式七或公式八计算出未来一段时间后使用场景中的 天然气泄漏浓度， 将所述使用场景中的天然气泄漏浓度与预设的报警阈值进行比较， 如果 超过该预设的报警阈值， 则进。

33、行报警。 0095 由此可见， 本发明通过计算天然气泄漏浓度变化趋势， 使用天然气泄漏浓度变化 率作为判断条件， 可以减少因为天然气浓度探测器个体性能差异造成不同天然气浓度探测 器对于同一泄漏场景报警不准确、 不一致等问题。 此外， 使用浓度变化率来预测未来一段时 间后的天然气泄漏浓度， 从而进行泄漏浓度检测报警， 而不是等到天然气泄漏浓度真正到 达某一值后再进行报警， 将报警时间前移， 从而将可能的安全风险将至更低。 0096 实施例二 0097 本发明还提出一种温度变化场景下实时监测天然气泄漏的装置， 包括： 0098 数据集一获取模块， 用于在不同温度T、 不同天然气泄漏浓度N下， 利用。

34、天然气浓度 探测器获取相应的探测器原始数据N0， 将温度T、 真实的天然气泄漏浓度N、 探测器原始数据 N0关联存储为数据集一； 0099 BP神经网络训练模块， 用于利用所述数据集一训练BP神经网络： 0100 Ng(T)*N0 (公式一) 0101 其中， N表示真实的天然气泄漏浓度， T表示温度， N0表示利用天然气浓度探测器获 取的探测器原始数据， g(T)表示通过所述数据集一训练得到的天然气泄露浓度与温度之间 的关系函数； 0102 使用场景中真实的天然气泄漏浓度N计算模块， 用于利用天然气浓度探测器和BP 神经网络训练装置中获得的BP神经网络Ng(T)*N0， 获得使用场景中真实的。

35、天然气泄漏浓 度N； 0103 使用场景中真实的天然气泄漏浓度增加量计算模块， 用于计算使用场景中真实的 天然气泄漏浓度增加量： 0104 NiNi-Ni-1 (公式二) 0105 其中， Ni表示使用场景中真实的天然气泄漏浓度变化量， Ni表示第i次利用步骤 S3获得的使用场景中真实的天然气泄漏浓度， Ni-1表示第i-1次利用步骤S3获得的使用场景 说明书 6/8 页 10 CN 111080976 A 10 中真实的天然气泄漏浓度， i为大于1的整数； 0106 使用场景中真实的天然气泄漏浓度变化率计算模块， 用于计算使用场景中真实的 天然气泄漏浓度变化速率： 0107 iNi/ti (。

36、公式三) 0108 其中， ti表示第i次和第i-1次利用步骤S3获得使用场景中真实的天然气泄漏浓度 之间的时间间隔， i表示时间间隔ti内使用场景中真实的天然气泄漏浓度变化率， Ni表示 时间间隔ti内使用场景中真实的天然气泄漏浓度变化量； 0109 未来一段时间后使用场景中的天然气泄漏浓度预测模块， 用于： 0110 计算一段时间内的浓度变化量总和： 0111 0112 其中， S表示一段时间内使用场景中真实的天然气泄漏浓度变化量之和， Ni表示 时间间隔ti内使用场景中真实的天然气泄漏浓度变化量， n为大于1的整数； 0113 将公式三代入公式四可得 0114 0115 一段时间内使用场。

37、景中真实的天然气泄漏浓度变化量之和S为天然气泄漏浓度变 化函数f(x)的积分， 得到公式六： 0116 0117 使用公式六预测未来一段时间后使用场景中的天然气泄漏浓度： 0118 0119 其中， Nj为未来一段时间后使用场景中的天然气泄漏浓度， N1表示通过步骤S3计算 得到的当前使用场景中真实的天然气泄漏浓度； 0120 其中， 利用公式三获取的使用场景中真实的天然气泄漏浓度Ni和利用公式四获取 的与使用场景中真实的天然气泄漏浓度Ni相对应的使用场景中真实的天然气泄漏浓度变 化率 i训练BP神经网络， 获得天然气泄漏浓度变化函数f(x)； 0121 报警判断模块， 用于使用公式七计算出未。

38、来一段时间后使用场景中的天然气泄漏 浓度， 将所述使用场景中的天然气泄漏浓度与预设的报警阈值进行比较， 如果超过该预设 的报警阈值， 则进行报警。 0122 本发明只在现有天然气浓度探测器上进行软件上的升级， 不会造成硬件设备的增 加， 不会更改使用场景和使用方式。 0123 实施例三 0124 本发明还提出了一种温度变化场景下实时监测天然气泄漏的系统， 其特征在于所 述系统包括： 存储器、 处理器及存储在存储器上并可在处理器上运行的计算机程序， 所述处 理器执行所述程序时， 实现如上述所述的方法。 0125 实施例四 0126 本发明还提出了一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 说明书 7/8 页 11 CN 111080976 A 11 该程序被处理器执行时实现如上述所述的方法。 0127 应当理解的是， 以上所述仅为本发明的较佳实施例而已， 并不足以限制本发明的 技术方案， 对本领域普通技术人员来说， 在本发明的精神和原则之内， 可以根据上述说明加 以增减、 替换、 变换或改进， 而所有这些增减、 替换、 变换或改进后的技术方案， 都应属于本 发明所附权利要求的保护范围。 说明书 8/8 页 12 CN 111080976 A 12 图1 说明书附图 1/1 页 13 CN 111080976 A 13 。