CN104111731B - 一种供水管网节点间水压传递关系的辨识方法 - Google Patents
一种供水管网节点间水压传递关系的辨识方法 Download PDFInfo
- Publication number
- CN104111731B CN104111731B CN201410334394.4A CN201410334394A CN104111731B CN 104111731 B CN104111731 B CN 104111731B CN 201410334394 A CN201410334394 A CN 201410334394A CN 104111731 B CN104111731 B CN 104111731B
- Authority
- CN
- China
- Prior art keywords
- water
- network
- node
- centroid
- hydraulic pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 72
- 238000012850 discrimination method Methods 0.000 title claims abstract description 12
- 238000012417 linear regression Methods 0.000 claims abstract description 22
- 238000010220 Pearson correlation analysis Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 8
- 238000009530 blood pressure measurement Methods 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 238000005086 pumping Methods 0.000 description 4
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 3
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Pipeline Systems (AREA)
Abstract
本发明提供了一种供水管网节点间水压传递关系的辨识方法,所述方法先根据实测数据对管网节点水压进行Pearson相关性分析,选出网络中与某些节点强相关的重要节点,称为中心节点,而和中心节点水压强相关的节点称为关联节点;一个中心节点及其若干关联节点构成一个子网络,如此对供水网络进行划分;而对每一个子网络,认为中心节点处的水压值由其关联节点处的水压值所决定,这种关系谓之水压传递;建立一个线性回归模型来定量描述水压传递关系,模型参数使用实测数据估计。本发明在实际供水管网的详细结构、元件及其参数不清晰但水压传感器布局合理的情况下,能够用于节点间水压传递关系的高精度辨识,具有应用于管网水压控制的潜力。
Description
技术领域
本发明涉及城市供水管网监控,具体地,涉及一种供水管网节点间水压传递关系的辨识方法。
背景技术
城市供水管网监控的任务包括水压控制、事故应急响应机制以及泵站优化调度等,最终的目标是在保证服务质量(使供水水压在事先规定的范围内)的前提下减少***的电能消耗。对此,供水网络***的建模是重要基础。经过对现有技术文献的检索,A.R.Simpson和S.Elhay在World environmental and water resources congress,ASCEConference Proceedings342,283-294上发表了“A framework for alternativeformulations of the pipe network equations”。该文整理了供水管网中流量和水头方程的5种不同表述,包括1)流量方程,2)水头方程,3)环流量方程,4)流量和水头方程,5)Todini-Pilati流量和水头方程。这些方程称为管网的水力学模型,其本质上是网络中节点流量连续性方程,水管水头损失和流量的关系,管道闭环水头损失以及固定水头节点之间通路的水头损失。由于其中多数是非线性的方程,因此需要迭代求解。然而,建立这样的水力学模型需要事先知道完整的供水***布局,并且具体到每个管网元件的参数值,如管道的长度、直径、材质等。当***的规模较大但又无法获得足够的管网信息时,精细的水力学模型就很难建立。另一种可行的方法是在管线上安装(压力、流量、声学)传感器,基于采集得到的数据,利用数据挖掘的方法和技术来监视供水管网的运行状态。
对于城市供水管网监控,使服务区水压处于给定的区间是最根本的任务。水压过高会增加漏损和爆管的风险,也会增加***的电能消耗;而水压过低则会影响供水服务的质量。当某个传感器检测到水压过高或者过低时,通常的调控手段是调节当前测压点附近泵站的出水水压。如何自动寻找能影响指定节点水压的泵站,并进一步判定这种影响的强度就成为问题的关键,本发明的核心内容就是要提供这样的解决方案。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种供水管网节点间水压传递关系的辨识方法,为城市供水管网监控提供有力的辅助手段。
为实现以上目的,本发明提供一种供水管网节点间水压传递关系的辨识方法,所述方法先基于对管网节点水压实测数据的Pearson相关性分析进行供水子网络划分,再对划分后的每一子网络建立一个线性回归模型,以定量描述水压传递关系;其中:所述的管网节点是传感器节点,即水压传感器在供水管网中的安装位置。
优选地,所述对管网节点水压进行Pearson相关性分析,是根据Pearson相关性分析结果选出网络中与某些节点强相关的重要节点,称为中心节点,而和中心节点水压强相关的节点称为关联节点。
优选地,所述中心节点及其若干所述关联节点构成一个子网络。
优选地,对于每一个所述子网络,中心节点处的水压值由其关联节点处的水压值所决定,称这种关系为水压传递。
优选地,所述水压传递关系采用线性回归模型定量描述,模型输入为t时刻关联节点的水压测量值即向量输入,输出为t时刻中心节点的水压估计值即标量输出。
对于每个子网络,采用一个线性回归模型描述从关联节点到中心节点的水压传递,模型表达式如下:
y=β1x1+...+βpxp+ε=xTβ+ε
其中,模型输入xi(i=1,2,…,p)为关联节点处t(t=1,2,…,n)时刻的水压测量值,n为水压测量值个数,p为关联节点个数,输出y为中心节点处t时刻的水压估计值,βi为模型参数,ε为误差项。
与现有技术相比,本发明具有如下的有益效果:
本发明所述的一种供水管网节点间水压传递关系的辨识方法,在实际供水管网的详细结构、元件及其参数不清晰但水压传感器布局合理的情况下,寻找能影响指定节点水压的泵站,并进一步判定这种影响的强度,能够用于节点间水压传递关系的高精度辨识,具有应用于管网水压控制的潜力。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是某城市供水主干管道(管径≥800mm)以及水压传感器(以方块表示)的布局图,以及在不同的相关系数阈值r_thres下某个子网络的覆盖范围;
图2是节点水压Pearson相关系数矩阵,是一77×77的对称矩阵,故仅显示一半,其中1至77为节点编号;
图3是为47个子网络分别建立的线性回归模型的误差;
图4(a)、图4(b)、图4(c)是3个中心节点的水压测量值同模型估计值的对比,分别对应高精度、较高精度和可接受精度的模型估计。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
本实施例提供一种供水管网节点间水压传递关系的辨识方法,先基于对节点水压的Pearson相关性分析进行网络划分,再为每个子网络建立一个线性回归模型来定量描述水压传递关系。
如图1所示,供水管网中节点数N=77,每个节点处都有时长为一个月的水压测量值序列,共4465个值,采样间隔为10分钟。对节点i(i=1,2,…,77)处的水压测量值,分别计算其同其余76个节点水压测量值的Pearson相关系数,若在这76个结果中至少有1个大于事先设定的阈值r_thres=0.8,则把节点i选为中心节点,并把与其Pearson相关系数大于0.8的节点选为其关联节点,由此构成一个子网络。由本实施例77个节点两两之间的Pearson相关系数构成的矩阵见图2,按上述方法共找到47个子网络。
需要指出的是,在某些子网络中,关联节点同中心节点距离较远,在管网连接信息不足的情况下,导致模型物理意义不明,因此需要对以上网络划分做修正。在本实施例中,现场给出了基于调度经验的网络划分,其中考虑到了管线连接和供水流向等因素。由此可以对基于Pearson相关性分析做出的网络划分进行改进,剔除离中心节点较远的关联节点。经过改进后,每个中心节点至多有8个关联节点。
对于每个子网络,采用一个线性回归模型描述从关联节点到中心节点的水压传递。模型表达式如下:
y=β1x1+...+βpxp+ε=xTβ+ε (1)
其中,模型输入xi为关联节点处t(t=1,2,…,4465)时刻的水压测量值,p为关联节点个数,输出y为中心节点处t时刻的水压估计值,βi为模型参数,ε为误差项。采用前两天的2×6×24=288个水压测量数据估计模型参数,估计方法为最小二乘法,剩余数据用作模型测试。定义如下平均相对误差(Mean Absolute Percentage Error,MAPE)作为模型误差的评价指标:
其中,M为用于模型测试的数据个数,pmea和pmdl分别为中心节点水压测量值和模型估计值。
47个子网络各自的线性回归模型误差如图3所示,可见MAPE值都在3%以内,精度较高。选取3个中心节点考察对应的模型估计值,并与水压测量值相比较,如图图4(a)、图4(b)、图4(c)所示,可以看到最差情况(图4c,MAPE值2.38%为47个子网络中最高)的误差仍在可接受范围内。
本发明在实际供水管网的详细结构、元件及其参数不清晰但水压传感器布局合理的情况下,能够用于节点间水压传递关系的高精度辨识,具有应用于管网水压控制的潜力。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (4)
1.一种供水管网节点间水压传递关系的辨识方法,其特征在于,所述方法先基于对管网节点水压实测数据的Pearson相关性分析进行供水子网络划分,再对划分后的每一子网络建立一个线性回归模型,以定量描述水压传递关系;其中:所述的管网节点是传感器节点,即水压传感器在供水管网中的安装位置;
所述对管网节点水压实测数据的Pearson相关性分析,是根据Pearson相关性分析结果选出网络中与某些节点强相关的重要节点,称为中心节点,而和中心节点水压强相关的节点称为关联节点,所述中心节点及其若干所述关联节点构成一个子网络。
2.根据权利要求1所述的一种供水管网节点间水压传递关系的辨识方法,其特征在于,对于每一个所述子网络,中心节点处的水压值由其关联节点处的水压值所决定,称这种关系为水压传递。
3.根据权利要求1-2任一项所述的一种供水管网节点间水压传递关系的辨识方法,其特征在于,所述水压传递关系采用线性回归模型定量描述,模型输入为t时刻关联节点的水压测量值即向量输入,输出为t时刻中心节点的水压估计值即标量输出。
4.根据权利要求3所述的一种供水管网节点间水压传递关系的辨识方法,其特征在于,对于每个子网络,采用一个线性回归模型描述从关联节点到中心节点的水压传递,模型表达式如下:
y=β1x1+...+βpxp+ε=xTβ+ε
其中,模型输入xi为关联节点处t时刻的水压测量值,i=1,2,…,p,t=1,2,…,n,n为水压测量值个数,p为关联节点个数,输出y为中心节点处t时刻的水压估计值,βi为模型参数,ε为误差项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410334394.4A CN104111731B (zh) | 2014-07-14 | 2014-07-14 | 一种供水管网节点间水压传递关系的辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410334394.4A CN104111731B (zh) | 2014-07-14 | 2014-07-14 | 一种供水管网节点间水压传递关系的辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104111731A CN104111731A (zh) | 2014-10-22 |
CN104111731B true CN104111731B (zh) | 2017-06-13 |
Family
ID=51708553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410334394.4A Expired - Fee Related CN104111731B (zh) | 2014-07-14 | 2014-07-14 | 一种供水管网节点间水压传递关系的辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104111731B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150307B (zh) * | 2020-09-18 | 2024-03-26 | 浙江大学 | 供热***在线映射模型参数估计方法与*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7153125B2 (en) * | 2000-01-19 | 2006-12-26 | Rain Bird Corporation | Molded plastic elbow |
CN103617563A (zh) * | 2013-12-05 | 2014-03-05 | 重庆大学 | 一种基于地统计空间分析理论的供水管网无监测节点压力确定方法 |
CN103839190A (zh) * | 2014-02-19 | 2014-06-04 | 清华大学深圳研究生院 | 基于压力监测的管网节点流量计量与调度方法 |
-
2014
- 2014-07-14 CN CN201410334394.4A patent/CN104111731B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7153125B2 (en) * | 2000-01-19 | 2006-12-26 | Rain Bird Corporation | Molded plastic elbow |
CN103617563A (zh) * | 2013-12-05 | 2014-03-05 | 重庆大学 | 一种基于地统计空间分析理论的供水管网无监测节点压力确定方法 |
CN103839190A (zh) * | 2014-02-19 | 2014-06-04 | 清华大学深圳研究生院 | 基于压力监测的管网节点流量计量与调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104111731A (zh) | 2014-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110285330B (zh) | 一种基于局部离群因子的水务网管网爆管检测方法 | |
CN105930653B (zh) | 一种基于计量分区流量监测数据的爆管预警方法 | |
US10026221B2 (en) | Wetland modeling and prediction | |
CN105974356A (zh) | 一种电力计量自动化检定流水线故障诊断方法 | |
CN114510583B (zh) | 一种防洪调度知识图谱构建方法 | |
CN104834667A (zh) | 基于电子地图的水流态势显示*** | |
Baumgartner et al. | Optimizing efforts to restore aquatic ecosystem connectivity requires thinking beyond large dams | |
Ahmad et al. | A synthetic water distribution network model for urban resilience | |
CN103150605B (zh) | 电网规划辅助*** | |
CN104462773A (zh) | 一种用于生物多样性保护的河流网络构建方法及其应用 | |
CN104111731B (zh) | 一种供水管网节点间水压传递关系的辨识方法 | |
Liu et al. | City pipe network intelligent service based on GIS and internet of things | |
Liu et al. | Exploiting a real-time self-correcting digital twin model for the middle route of the south-to-north water diversion project of china | |
CN103455000A (zh) | 一种自动形成控制逻辑的scada***设备建模方法 | |
Kansal et al. | Identification of optimal monitoring locations to detect accidental contaminations | |
Soltani et al. | Determination of effective parameters in pipe failure rate in water distribution system using the combination of artificial neural networks and genetic algorithm | |
Borzì | Vulnerability assessment of water supply infrastructures through multiple indicator methodology | |
CN104993483A (zh) | 一种基于实时潮流的输电通道动态辨识方法 | |
CN112784425A (zh) | 一种管网分区关键管线的自动提取方法 | |
KR101472551B1 (ko) | 상수도 관망 세그먼트 분할 방법 및 장치 | |
Wu et al. | Optimizing selection of fire hydrants for flow tests in water distribution systems | |
He et al. | Post-disaster recovery planning of interdependent infrastructure systems: A game theory-based approach | |
CN106875077B (zh) | 一种用于输电网中长期拓展规划的混合性规划方法 | |
Sandi et al. | Predicting floodplain inundation and vegetation dynamics in arid wetlands | |
Pedicini et al. | Utility Asset Management Programming: Performance, Sustainability, and Resilienceā€” Moving from Academia to Practice |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170613 |