燃气管网及负荷风险联动模型数据

在燃气管网运维中，往往需要通过多套系统进行监控，不同系统之间数据是隔离的，为了明确设备间的影响先后关系，及风险的衍生关系，以风险关联度模型和时空模型算法为核心，利用机器学习算法、多通道卷积神经网络、STAR模型，深度融合设备特征，进行风险联想，识别设备拓扑结构，帮助研究者理解时间和空间两个维度上的动态变化规律，揭示不同时间点或不同地点之间的相互作用和依赖关系。建立了一套完整的设备拓扑关系图，实现多层次全景化重点场所安全防控。通过获取管网设备信息，包括设备编号、设备类型、地理坐标、上报时间，近15小时出口压力、近15小时进口压力数据，基于格兰杰因果关系矩阵，计算设备在时间及地域上的关系。确定影响度相关性较高的相关设备及影响度，即如果一个设备发生异常，从时间和空间维度确定最可能影响到的其他设备。
运用小波变换，采用设备近15小时出口压力、入口压力的小时时序数据，关系矩阵、是否异常数据，输出影响设备ID；通过变换函数峰值位置时间序列相对延迟时间，计算时间预估值，输出预计影响时间，使隐患的问题可以被提前发现及处理。

搜集汇总

数据集介绍

特点

该数据集包含燃气管网设备的详细信息，主要用于燃气管网运维中的风险联动模型分析，通过机器学习算法识别设备间的时空关系，帮助提前发现和处理隐患。