CN105927863A - Dma分区管网泄漏在线检测定位***及其检测定位方法 - Google Patents

Abstract

本发明涉及自来水供水管网测漏技术领域，一种DMA分区管网泄漏在线检测定位***及其检测定位方法，其中，***包括DMA分区自来水主管路、DMA分区第1、2…N‑1、N自来水支管路、数据采集单元、压力检测单元、声波检测单元、***服务器及工作站，所述数据采集单元，安装在DMA分区入口处的自来水主管路上，并通过GPRS/3G/4G模块将数据上传至***服务器；所述第1、2…N‑1、N自来水支管路上，分别安装有压力检测单元或声波检测单元或压力检测单元及声波检测单元，所述压力检测单元、声波检测单元、分别通过GPRS/3G/4G模块将数据上传至***服务器，***服务器与工作站之间通过工业以太网进行通讯。本发明适合于地下供水管网、易于安装、很好地解决了城市各DMA分区的末端管网泄漏诊断与定位问题。

Description

DMA分区管网泄漏在线检测定位***及其检测定位方法

技术领域

本发明涉及一种DMA分区管网泄漏在线检测定位***及其检测定位方法，属于自来水供水管网测漏技术领域。

背景技术

城市供水管网泄露所造成的“非收益水费”居高不下是城市供水公司提高经济效益的重大障碍。城市供水管网泄漏主要源于供水管网末端的小泄露点的海量泄露累积。如果不及时准确检测、定位城市供水管网的泄露点，将会给水资源造成极大的浪费。

随着现代化城市的发展，城市供水管网的优化与解耦改造、进行合理DMA分区是城市供水行业的共识与发展趋势。供水***管网独立计量分区(DMA)的合理优化建设与改造是简化管网拓扑、平衡管网负荷、提高供水安全性和强化供水***监控与管理水平的必经之路。

发明内容

为了克服已有技术存在的问题，本发明提出一种DMA分区管网泄漏在线检测定位***及其检测定位方法，该***适合于地下供水管网环境、易于安装、成本低廉，很好地解决了城市供水管网DMA分区末端管网的泄漏诊断与定位问题，能够及时检出泄漏点，减少了水资源的大量流失。

为了实现上述发明目的，本发明采用的技术方案是：一种DMA分区管网泄漏在线检测定位***，包括DMA分区自来水主管路、DMA分区第1、2…N-1、N自来水支管路、数据采集单元、压力检测单元、声波检测单元、***服务器及工作站，所述数据采集单元，包括压力传感器、流量传感器及数据采集RTU模块，其中压力传感器、流量传感器安装在DMA分区入口处的自来水主管路上，数据采集RTU模块安装在邻近阀门井的井壁上，所述压力传感器、流量传感器分别与数据采集RTU模块上两个RS-485接口相连，用于将采集到DMA分区入口处的自来水主管路上的压力、流量数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器；所述DMA分区第1、2…N-1、N自来水支管路上，根据现场工况分别安装有压力检测单元或声波检测单元或压力检测单元及声波检测单元，所述压力检测单元，包括安装在DMA分区自来水支管路上的压力传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述声波检测单元，包括安装在DMA分区自来水支管路上的管道声传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述压力传感器、管道声传感器分别与数据采集RTU模块上RS-485接口相连，用于将采集到DMA分区内的自来水支管路上的压力及声波数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器，***服务器与工作站之间通过工业以太网进行通讯；所述工作站，包括数据采集控制单元、统计模型参数计算单元、管网诊断单元、声特性计算分析单元、泄漏点测漏定位单元及DMA分区监控显示单元，其中，所述数据采集控制单元，还包括采集目标配置子单元、数据采集模式配置子单元、数据收发及通讯协议解析子单元、实时库数据管理子单元、历史库接口子单元及相关定位数据采集协同控制子单元，基于数据采集单元、压力检测单元及声波检测单元采集的数据，经统计模型参数计算单元与管网诊断单元共同完成管网泄漏是否存在的判断及泄漏方位的判断，声特性计算分析单元完成所判断泄漏方位周围的管道声波数据计算。

所述一种DMA分区管网泄漏在线检测定位***的检测定位方法，包括以下步骤：

步骤1、建立DMA分区供水管网运行状态规律统计学模型，所述统计学模型建立前提为管道正常运行且无泄漏，根据实际工况，将24小时分为n个时间段，DMA分区内共有1个流量监测点，p个压力监测点，具体包括以下子步骤：

(a)单个时间段内DMA分区入口数据采集单元中流量传感器采集m次DMA分区自来水主管路流量数据，每次采集1个流量数据，每个流量数据均包含有该流量数据的采集时间，找到该时间段内流量数据的最大值max₁及最小值min₁，峰峰值P₁通过公式(1)计算得到，

P₁＝max₁-min₁(1)

该时间段内DMA分区自来水主管路流量数据的平均值通过公式(2)计算得到，

${\stackrel{\‾}{X}}_1=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{X}_i---\left(2\right)$

式中，m表示该时间段内采集的DMA分区自来水主管路流量数据总个数，X_i表示该时间段内m个DMA分区自来水主管路流量数据中的第i个数据，单个时间段内DMA分区自来水主管路流量数据的方差值s₁ ²通过公式(3)计算得到，

${s_1}^2=\frac{1}{m-1}\underset{i=1}{\overset{m}{\Σ}}{(X_i-{\stackrel{\‾}{X}}_1)}^2---\left(3\right)$

(b)建立时间-流量模型，重复子步骤(a)n次，分别计算出一天内n个不同时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，首先记录第1个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q₁，然后以第2个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q₂，依此类推记录第n个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q_n，根据数据的变化动态修正上述模型Q₁～Q_n；

(c)单个时间段内压力检测单元中压力传感器在单个压力监测点采集k次压力数据，每次采集1个压力数据，每个压力数据均包含有该压力数据的采集时间，所以在单个时间段内，单个监测点采集压力数据共k个，找到该时间段内压力数据的最大值max₂及最小值min₂，峰峰值P₂通过公式(4)算得到，

P₂＝max₂-min₂ (4)

单个压力监测点压力数据的平均值通过公式(5)计算得到，

${\stackrel{\‾}{X}}_2=\frac{1}{k}\underset{j=1}{\overset{k}{\Σ}}{X}_j---\left(5\right)$

式中，k表示该时间段内单个压力监测点采集的压力数据总个数，X_j表示该时间段内中单个压力监测点采集的压力数据中第j个数据，单个压力监测点压力数据的方差值s₂ ²通过公式(6)计算得到，

${s_2}^2=\frac{1}{k-1}\underset{j=1}{\overset{k}{\Σ}}{(X_j-{\stackrel{\‾}{X}}_2)}^2---\left(6\right)$

(d)重复子步骤(c)p次，计算单个时间段内第1个压力检测点到第p个压力监测点压力数据的峰峰值、平均值和方差值；

(e)建立时间-压力模型，重复子步骤(d)n次，计算一天内第1个时间段内到第n个时间段内第1～p个压力监测点压力数据的峰峰值、平均值和方差值，首先记录第1个时间段内第1个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，第1个时间段内第1个压力监测点压力数据为纵轴建立曲线，即建立模型P₁₁；记录第1个时间段内第2个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内第2个压力监测点压力数据为纵轴建立曲线，即建立模型P₁₂；依此类推该时间段内第p个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内第p个压力监测点压力数据为纵轴建立曲线，即建立模型P_1p，同理，分别记录第2个时间段内第1～p个压力监测点压力数据峰峰值、平均值和方差值，以第2个时间段内压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内压力监测点压力数据为纵轴建立曲线，即建立模型P₂₁～P_2p，依此类推分别记录第n个时间段内第1～p个压力监测点压力数据峰峰值、平均值和方差值，以第n个时间段内压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内压力监测点压力数据为纵轴建立曲线，即建立模型P_n1～P_np。根据数据的变化动态修正上述模型P₁₁～P_1p、P₂₁～P_2p直至P_n1～P_np；

(f)建立流量-压力模型，记录一天内DMA分区自来水主管路流量数据及p个压力监测点数据，首先，以不同DMA分区自来水主管路流量数据与第1个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第1个压力监测点流量-压力模型A₁，然后，以不同DMA分区自来水主管路流量数据与第2个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第2个压力监测点流量-压力模型A₂，依此类推以不同DMA分区自来水主管路流量数据与第p个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第p个压力监测点流量-压力模型A_p；

步骤2、泄漏诊断单元判断是否存在泄漏点及泄漏方位，根据实际情况，设定计算窗口时间长度，窗口时间长度记为t，本发明所述***可设定各项数据的阈值，具体包括以下子步骤：

(a)设当前时间段为第d个时间段，通过步骤1子步骤(a)中公式(1)计算当前第d个时间段内DMA分区自来水主管路流量数据的峰峰值，通过步骤1子步骤(a)中公式(2)计算当前第d个时间段内DMA分区自来水主管路流量数据的平均值，通过步骤1子步骤(a)中公式(3)计算当前第d个时间段内DMA分区自来水主管路流量数据的方差值，记录以上所述当前第d个时间段内峰峰值、平均值和方差值，以流量数据与该数据采集时间的对应关系，以时间为横轴，当前第d个时间段内流量数据为纵轴建立曲线，即建立模型S，将模型S中峰峰值、平均值与方差值与步骤1子步骤(b)中建立的时间-流量模型Q₁～Q_n中相对应时间段的模型Q_d中峰峰值、平均值与方差值对应相比较，若峰峰值的差异未超过***阈值，平均值的差异和方差值的差异均超过***阈值，则判断该DMA分区存在泄漏，若峰峰值、平均值和方差值的差异均超过***阈值，则在该时间段内以***设定的窗口长度t计算流量数据平均值方差值s_t ²，设该时间段起始时间为T₁，结束时间为T₂，将该时间段分为第1个窗口T₁～T₁+t，第2个窗口t～T₁+2t，……，第x个窗口T₁+xt～T₂，在第y个窗口内计算流量数据平均值方差值s_t ²，平均值通过公式(7)计算，

${\stackrel{\‾}{X}}_t=\frac{1}{e}\underset{f=1}{\overset{e}{\Σ}}{X}_f---\left(7\right)$

式中，e表示第y个窗口内流量数据总个数，X_f表示第y个窗口内流量数据总个数中第f个数据，方差值s_t ²通过公式(8)计算，

${s_t}^2=\frac{1}{e-1}\underset{f=1}{\overset{e}{\Σ}}{(X_f-{\stackrel{\‾}{X}}_t)}^2---\left(8\right)$

找到该时间段内第1个流量数据的平均值、方差值与对应时间-流量模型Q_d的平均值、方差值相比较均超过***阈值的窗口，记录该窗口的起始时间t₁；找到该时间段内最后1个流量数据的平均值、方差值与对应时间-流量模型Q_d的平均值、方差值相比较均超过***阈值的窗口，记录该窗口的起始时间t₂，第1个出现异常的窗口到最后一个出现异常的窗口之间的时间差记为Δt，Δt通过公式(9)计算，

Δt＝t₂-t₁ (9)

若Δt超过***设定的最大时间间隔，则判断存在泄漏；

(b)若步骤2子步骤(a)中判断该DMA分区内管网存在泄漏，则根据步骤1子步骤(c)中公式(4)计算当前第d个时间段内p个压力监测点的峰峰值、根据步骤1子步骤(c)中公式(5)计算当前第d个时间段内p个压力监测点的平均值和根据步骤1子步骤(c)中公式(6)计算当前第d个时间段内p个压力监测点的方差值，若第u个压力监测点的峰峰值、平均值和方差值其中一项或两项或三项超过***对应阈值，则找到当前第d个时间段内该压力监测点的最大值和最小值，根据当前第d个时间段内该压力监测点的最大值对应的采集时间，在步骤2子步骤(a)建立的模型S中找到对应的流量值B_max，同时根据当前第d个时间段内该压力监测点的最大值，在步骤1子步骤(f)中建立的模型A_u中找到当前第d个时间段内该压力监测点的最大值对应的流量值C_max；根据当前第d个时间段内该压力监测点的最小值对应的时间点，在步骤2子步骤(a)建立的模型S中找到对应的流量值B_min，同时根据当前第d个时间段内该压力监测点的最小值，在步骤1子步骤(f)中建立的模型A_u中找到当前第d个时间段内该压力监测点的最小值对应的流量值C_min，将B_max与C_max相比、B_min与C_min相比，若所述以上两项均超过***阈值，则判断该压力监测点所在管段存在泄漏，完成对泄漏点的方位判断；

步骤3、根据步骤2中对泄漏点的方位判断，泄漏点定位单元启动安装于与该方位相关位置的声传感器完成声波数据采集并计算，依据相关定位测量计算方法计算出泄漏点距临近声传感器的距离。

本发明有益效果是：一种DMA分区管网泄漏在线检测定位***，包括DMA分区自来水主管路、DMA分区第1、2…N-1、N自来水支管路、数据采集单元、压力检测单元、声波检测单元、***服务器及工作站，所述数据采集单元，包括压力传感器、流量传感器及数据采集RTU模块，其中压力传感器、流量传感器安装在DMA分区入口处的自来水主管路上，数据采集RTU模块安装在阀门井的井壁上，所述压力传感器、流量传感器分别与数据采集RTU模块上两个RS-485接口相连，用于将采集到DMA分区入口处的自来水主管路上的压力、流量数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器；所述DMA分区第1、2…N-1、N自来水支管路上，根据现场工况分别安装有压力检测单元或声波检测单元或压力检测单元及声波检测单元，所述压力检测单元，包括安装在DMA分区自来水支管路上的压力传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述声波检测单元，包括安装在DMA分区自来水支管路上的管道声传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述压力传感器、管道声传感器分别与数据采集RTU模块上RS-485接口相连，用于将采集到DMA分区内的自来水支管路上的压力及声波数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器，***服务器与工作站之间通过工业以太网进行通讯；与已有技术相比，本发明适合于地下供水管网、易于安装、成本低廉，很好地解决了城市各DMA分区的末端管网泄漏诊断与定位问题，及时发现泄露点，及时得到处理，减少了水资源的大量流失。

附图说明

图1是本发明***的总体结构框图。

图2是本发明***中的工作站内部结构框图。

图3是安装在DMA分区自来水主管路上的数据采集单元结构框图。

图4是安装在DMA分区管网支管路上的压力检测单元结构框图。

图5是安装在DMA分区管网支管路上的声波检测单元结构框图。

图6是安装在DMA分区管网支管路上的压力检测单元及声波检测单元结构框图。

图7是本发明方法步骤流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1、2、3、4、5、6所示，一种DMA分区管网泄漏在线检测定位***，包括DMA分区自来水主管路、DMA分区第1、2…N-1、N自来水支管路、数据采集单元、压力检测单元、声波检测单元、***服务器及工作站，所述数据采集单元，包括压力传感器、流量传感器及数据采集RTU模块，其中压力传感器、流量传感器安装在DMA分区入口处的自来水主管路上，数据采集RTU模块安装在邻近阀门井的井壁上，所述压力传感器、流量传感器分别与数据采集RTU模块上两个RS-485接口相连，用于将采集到DMA分区入口处的自来水主管路上的压力、流量数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器；所述DMA分区第1、2…N-1、N自来水支管路上，根据现场工况分别安装有压力检测单元或声波检测单元或压力检测单元及声波检测单元，所述压力检测单元，包括安装在DMA分区自来水支管路上的压力传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述声波检测单元，包括安装在DMA分区自来水支管路上的管道声传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述压力传感器、管道声传感器分别与数据采集RTU模块上RS-485接口相连，用于将采集到DMA分区内的自来水支管路上的压力及声波数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器，***服务器与工作站之间通过工业以太网进行通讯；所述工作站，包括数据采集控制单元、统计模型参数计算单元、管网诊断单元、声特性计算分析单元、泄漏点测漏定位单元及DMA分区监控显示单元，其中，所述数据采集控制单元，还包括采集目标配置子单元、数据采集模式配置子单元、数据收发及通讯协议解析子单元、实时库数据管理子单元、历史库接口子单元及相关定位数据采集协同控制子单元，基于数据采集单元、压力检测单元及声波检测单元采集的数据，经统计模型参数计算单元与管网诊断单元共同完成管网泄漏是否存在的判断及泄漏方位的判断，声特性计算分析单元完成所判断泄漏方位周围的管道声波数据计算。***工作的具体过程为：管网诊断单元与泄漏点测漏定位单元通过DMA分区数据采集控制单元中的采集目标配置子单元、数据采集模式配置子单元完成***初始化配置，然后，数据采集单元、压力检测单元、声波检测单元采集到的相关数据并上传至***服务器。根据采集的数据，统计模型参数计算单元计算供水统计模型，管网诊断单元诊断管网运行状态，声波检测单元分析管网声信号特性，完成对管网运行状态及所采集声信号的分析。然后，再由泄漏点测漏定位单元下达相关测量命令并计算泄漏点位置，实现对管网泄漏的检测与定位，并将管网各项数据及对管网泄漏检测与定位的结果显示于DMA分区的监控显示界面上。

所述一种DMA分区管网泄漏在线检测定位***的检测定位方法，包括以下步骤：

步骤1、建立DMA分区供水管网运行状态规律统计学模型，所述统计学模型建立前提为管道正常运行且无泄漏，根据实际工况，将24小时分为n个时间段，DMA分区内共有1个流量监测点，p个压力监测点，具体包括以下子步骤：

(a)单个时间段内DMA分区入口数据采集单元中流量传感器采集m次DMA分区自来水主管路流量数据，每次采集1个流量数据，每个流量数据均包含有该流量数据的采集时间，找到该时间段内流量数据的最大值max₁及最小值min₁，峰峰值P₁通过公式(1)计算得到，

P₁＝max₁-min₁ (1)

该时间段内DMA分区自来水主管路流量数据的平均值通过公式(2)计算得到，

${\stackrel{\‾}{X}}_1=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{X}_i---\left(2\right)$

式中，m表示该时间段内采集的DMA分区自来水主管路流量数据总个数，X_i表示该时间段内m个DMA分区自来水主管路流量数据中的第i个数据，单个时间段内DMA分区自来水主管路流量数据的方差值s₁ ²通过公式(3)计算得到，

${s_1}^2=\frac{1}{m-1}\underset{i=1}{\overset{m}{\Σ}}{(X_i-{\stackrel{\‾}{X}}_1)}^2---\left(3\right)$

(b)建立时间-流量模型，重复子步骤(a)n次，分别计算出一天内n个不同时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，首先记录第1个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q₁，然后以第2个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q₂，依此类推记录第n个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q_n，根据数据的变化动态修正上述模型Q₁～Q_n；

(c)单个时间段内压力检测单元中压力传感器在单个压力监测点采集k次压力数据，每次采集1个压力数据，每个压力数据均包含有该压力数据的采集时间，所以在单个时间段内，单个监测点采集压力数据共k个，找到该时间段内压力数据的最大值max₂及最小值min₂，峰峰值P₂通过公式(4)算得到，

P₂＝max₂-min₂ (4)

单个压力监测点压力数据的平均值通过公式(5)计算得到，

${\stackrel{\‾}{X}}_2=\frac{1}{k}\underset{j=1}{\overset{k}{\Σ}}{X}_j---\left(5\right)$

式中，k表示该时间段内单个压力监测点采集的压力数据总个数，X_j表示该时间段内中单个压力监测点采集的压力数据中第j个数据，单个压力监测点压力数据的方差值s₂ ²通过公式(6)计算得到，

${s_2}^2=\frac{1}{k-1}\underset{j=1}{\overset{k}{\Σ}}{(X_j-{\stackrel{\‾}{X}}_2)}^2---\left(6\right)$

(d)重复子步骤(c)p次，计算单个时间段内第1个压力检测点到第p个压力监测点压力数据的峰峰值、平均值和方差值；

(e)建立时间-压力模型，重复子步骤(d)n次，计算一天内第1个时间段内到第n个时间段内第1～p个压力监测点压力数据的峰峰值、平均值和方差值，首先记录第1个时间段内第1个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，第1个时间段内第1个压力监测点压力数据为纵轴建立曲线，即建立模型P₁₁；记录第1个时间段内第2个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内第2个压力监测点压力数据为纵轴建立曲线，即建立模型P₁₂；依此类推该时间段内第p个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内第p个压力监测点压力数据为纵轴建立曲线，即建立模型P_1p，同理，分别记录第2个时间段内第1～p个压力监测点压力数据峰峰值、平均值和方差值，以第2个时间段内压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内压力监测点压力数据为纵轴建立曲线，即建立模型P₂₁～P_2p，依此类推分别记录第n个时间段内第1～p个压力监测点压力数据峰峰值、平均值和方差值，以第n个时间段内压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内压力监测点压力数据为纵轴建立曲线，即建立模型P_n1～P_np。根据数据的变化动态修正上述模型P₁₁～P_1p、P₂₁～P_2p直至P_n1～P_np；

(f)建立流量-压力模型，记录一天内DMA分区自来水主管路流量数据及p个压力监测点数据，首先，以不同DMA分区自来水主管路流量数据与第1个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第1个压力监测点流量-压力模型A₁，然后，以不同DMA分区自来水主管路流量数据与第2个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第2个压力监测点流量-压力模型A₂，依此类推以不同DMA分区自来水主管路流量数据与第p个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第p个压力监测点流量-压力模型A_p；

步骤2、泄漏诊断单元判断是否存在泄漏点及泄漏方位，根据实际情况，设定计算窗口时间长度，窗口时间长度记为t，本发明所述***可设定各项数据的阈值，具体包括以下子步骤：

(a)设当前时间段为第d个时间段，通过步骤1子步骤(a)中公式(1)计算当前第d个时间段内DMA分区自来水主管路流量数据的峰峰值，通过步骤1子步骤(a)中公式(2)计算当前第d个时间段内DMA分区自来水主管路流量数据的平均值，通过步骤1子步骤(a)中公式(3)计算当前第d个时间段内DMA分区自来水主管路流量数据的方差值，记录以上所述当前第d个时间段内峰峰值、平均值和方差值，以流量数据与该数据采集时间的对应关系，以时间为横轴，当前第d个时间段内流量数据为纵轴建立曲线，即建立模型S，将模型S中峰峰值、平均值与方差值与步骤1子步骤(b)中建立的时间-流量模型Q₁～Q_n中相对应时间段的模型Q_d中峰峰值、平均值与方差值对应相比较，若峰峰值的差异未超过***阈值，平均值的差异和方差值的差异均超过***阈值，则判断该DMA分区存在泄漏，若峰峰值、平均值和方差值的差异均超过***阈值，则在该时间段内以***设定的窗口长度t计算流量数据平均值方差值s_t ²，设该时间段起始时间为T₁，结束时间为T₂，将该时间段分为第1个窗口T₁～T₁+t，第2个窗口t～T₁+2t，……，第x个窗口T₁+xt～T₂，在第y个窗口内计算流量数据平均值方差值s_t ²，平均值通过公式(7)计算，

${\stackrel{\‾}{X}}_t=\frac{1}{e}\underset{f=1}{\overset{e}{\Σ}}{X}_f---\left(7\right)$

式中，e表示第y个窗口内流量数据总个数，X_f表示第y个窗口内流量数据总个数中第f个数据，方差值s_t ²通过公式(8)计算，

${s_t}^2=\frac{1}{e-1}\underset{f=1}{\overset{e}{\Σ}}{(X_f-{\stackrel{\‾}{X}}_t)}^2---\left(8\right)$

找到该时间段内第1个流量数据的平均值、方差值与对应时间-流量模型Q_d的平均值、方差值相比较均超过***阈值的窗口，记录该窗口的起始时间t₁；找到该时间段内最后1个流量数据的平均值、方差值与对应时间-流量模型Q_d的平均值、方差值相比较均超过***阈值的窗口，记录该窗口的起始时间t₂，第1个出现异常的窗口到最后一个出现异常的窗口之间的时间差记为Δt，Δt通过公式(9)计算，

Δt＝t₂-t₁ (9)

若Δt超过***设定的最大时间间隔，则判断存在泄漏；

(b)若步骤2子步骤(a)中判断该DMA分区内管网存在泄漏，则根据步骤1子步骤(c)中公式(4)计算当前第d个时间段内p个压力监测点的峰峰值、根据步骤1子步骤(c)中公式(5)计算当前第d个时间段内p个压力监测点的平均值和根据步骤1子步骤(c)中公式(6)计算当前第d个时间段内p个压力监测点的方差值，若第u个压力监测点的峰峰值、平均值和方差值其中一项或两项或三项超过***对应阈值，则找到当前第d个时间段内该压力监测点的最大值和最小值，根据当前第d个时间段内该压力监测点的最大值对应的采集时间，在步骤2子步骤(a)建立的模型S中找到对应的流量值B_max，同时根据当前第d个时间段内该压力监测点的最大值，在步骤1子步骤(f)中建立的模型A_u中找到当前第d个时间段内该压力监测点的最大值对应的流量值C_max；根据当前第d个时间段内该压力监测点的最小值对应的时间点，在步骤2子步骤(a)建立的模型S中找到对应的流量值B_min，同时根据当前第d个时间段内该压力监测点的最小值，在步骤1子步骤(f)中建立的模型A_u中找到当前第d个时间段内该压力监测点的最小值对应的流量值C_min，将B_max与C_max相比、B_min与C_min相比，若所述以上两项均超过***阈值，则判断该压力监测点所在管段存在泄漏，完成对泄漏点的方位判断；

步骤3、根据步骤2中对泄漏点的方位判断，泄漏点定位单元启动安装于与该方位相关位置的声传感器完成声波数据采集并计算，依据相关定位测量计算方法计算出泄漏点距临近声传感器的距离。

Claims (2)

1.一种DMA分区管网泄漏在线检测定位***，包括DMA分区自来水主管路、DMA分区第1、2…N-1、N自来水支管路、数据采集单元、压力检测单元、声波检测单元、***服务器及工作站，其特征在于：所述数据采集单元，包括压力传感器、流量传感器及数据采集RTU模块，其中压力传感器、流量传感器安装在DMA分区入口处的自来水主管路上，数据采集RTU模块安装在邻近阀门井的井壁上，所述压力传感器、流量传感器分别与数据采集RTU模块上两个RS-485接口相连，用于将采集到DMA分区入口处的自来水主管路上的压力、流量数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器；所述DMA分区第1、2…N-1、N自来水支管路上，根据现场工况分别安装有压力检测单元或声波检测单元或压力检测单元及声波检测单元，所述压力检测单元，包括安装在DMA分区自来水支管路上的压力传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述声波检测单元，包括安装在DMA分区自来水支管路上的管道声传感器及安装在邻近阀门井的井壁上的数据采集RTU模块，所述压力传感器、管道声传感器分别与数据采集RTU模块上RS-485接口相连，用于将采集到DMA分区内的自来水支管路上的压力及声波数据通过内置于数据采集RTU模块的GPRS/3G/4G模块以定时或实时的方式将数据上传至***服务器，***服务器与工作站之间通过工业以太网进行通讯；所述工作站，包括数据采集控制单元、统计模型参数计算单元、管网诊断单元、声特性计算分析单元、泄漏点测漏定位单元及DMA分区监控显示单元，其中，所述数据采集控制单元，还包括采集目标配置子单元、数据采集模式配置子单元、数据收发及通讯协议解析子单元、实时库数据管理子单元、历史库接口子单元及相关定位数据采集协同控制子单元，基于数据采集单元、压力检测单元及声波检测单元采集的数据，经统计模型参数计算单元与管网诊断单元共同完成管网泄漏是否存在的判断及泄漏方位的判断，声特性计算分析单元完成所判断泄漏方位周围的管道声波数据计算。

2.根据权利要求1所述一种DMA分区管网泄漏在线检测定位***的检测定位方法，其特征在于包括以下步骤：

步骤1、建立DMA分区供水管网运行状态规律统计学模型，所述统计学模型建立前提为管道正常运行且无泄漏，根据实际工况，将24小时分为n个时间段，DMA分区内共有1个流量监测点，p个压力监测点，具体包括以下子步骤：

(a)单个时间段内DMA分区入口数据采集单元中流量传感器采集m次DMA分区自来水主管路流量数据，每次采集1个流量数据，每个流量数据均包含有该流量数据的采集时间，找到该时间段内流量数据的最大值max₁及最小值min₁，峰峰值P₁通过公式(1)计算得到，

P₁＝max₁-min₁ (1)

该时间段内DMA分区自来水主管路流量数据的平均值通过公式(2)计算得到，

${\stackrel{\‾}{X}}_1=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}{X}_i---\left(2\right)$

式中，m表示该时间段内采集的DMA分区自来水主管路流量数据总个数，X_i表示该时间段内m个DMA分区自来水主管路流量数据中的第i个数据，单个时间段内DMA分区自来水主管路流量数据的方差值s₁ ²通过公式(3)计算得到，

${s_1}^2=\frac{1}{m-1}\underset{i=1}{\overset{m}{\Σ}}{(X_i-{\stackrel{\‾}{X}}_1)}^2---\left(3\right)$

(b)建立时间-流量模型，重复子步骤(a)n次，分别计算出一天内n个不同时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，首先记录第1个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q₁，然后以第2个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q₂，依此类推记录第n个时间段内DMA分区自来水主管路流量数据峰峰值、平均值和方差值，并以流量数据与该数据采集时间的对应关系，以时间为横轴，该时间段内DMA分区入口数据采集单元流量传感器的流量数据为纵轴建立曲线，即建立模型Q_n，根据数据的变化动态修正上述模型Q₁～Q_n；

(c)单个时间段内压力检测单元中压力传感器在单个压力监测点采集k次压力数据，每次采集1个压力数据，每个压力数据均包含有该压力数据的采集时间，所以在单个时间段内，单个监测点采集压力数据共k个，找到该时间段内压力数据的最大值max₂及最小值min₂，峰峰值P₂通过公式(4)算得到，

P₂＝max₂-min₂ (4)

单个压力监测点压力数据的平均值通过公式(5)计算得到，

${\stackrel{\‾}{X}}_2=\frac{1}{k}\underset{j=1}{\overset{k}{\Σ}}{X}_j---\left(5\right)$

式中，k表示该时间段内单个压力监测点采集的压力数据总个数，X_j表示该时间段内中单个压力监测点采集的压力数据中第j个数据，单个压力监测点压力数据的方差值s₂ ²通过公式(6)计算得到，

${s_2}^2=\frac{1}{k-1}\underset{j=1}{\overset{k}{\Σ}}{(X_j-{\stackrel{\‾}{X}}_2)}^2---\left(6\right)$

(d)重复子步骤(c)p次，计算单个时间段内第1个压力检测点到第p个压力监测点压力数据的峰峰值、平均值和方差值；

(e)建立时间-压力模型，重复子步骤(d)n次，计算一天内第1个时间段内到第n个时间段内第1～p个压力监测点压力数据的峰峰值、平均值和方差值，首先记录第1个时间段内第1个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，第1个时间段内第1个压力监测点压力数据为纵轴建立曲线，即建立模型P₁₁；记录第1个时间段内第2个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内第2个压力监测点压力数据为纵轴建立曲线，即建立模型P₁₂；依此类推该时间段内第p个压力监测点压力数据峰峰值、平均值和方差值，并以压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内第p个压力监测点压力数据为纵轴建立曲线，即建立模型P_1p，同理，分别记录第2个时间段内第1～p个压力监测点压力数据峰峰值、平均值和方差值，以第2个时间段内压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内压力监测点压力数据为纵轴建立曲线，即建立模型P₂₁～P_2p，依此类推分别记录第n个时间段内第1～p个压力监测点压力数据峰峰值、平均值和方差值，以第n个时间段内压力数据与该压力数据采集时间的对应关系，以时间为横轴，该时间段内压力监测点压力数据为纵轴建立曲线，即建立模型P_n1～P_np。根据数据的变化动态修正上述模型P₁₁～P_1p、P₂₁～P_2p直至P_n1～P_np；

(f)建立流量-压力模型，记录一天内DMA分区自来水主管路流量数据及p个压力监测点数据，首先，以不同DMA分区自来水主管路流量数据与第1个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第1个压力监测点流量-压力模型A₁，然后，以不同DMA分区自来水主管路流量数据与第2个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第2个压力监测点流量-压力模型A₂，依此类推以不同DMA分区自来水主管路流量数据与第p个压力监测点压力数据的对应关系，流量为横轴，压力为纵轴建立第p个压力监测点流量-压力模型A_p；

步骤2、泄漏诊断单元判断是否存在泄漏点及泄漏方位，根据实际情况，设定计算窗口时间长度，窗口时间长度记为t，本发明所述***可设定各项数据的阈值，具体包括以下子步骤：

(a)设当前时间段为第d个时间段，通过步骤1子步骤(a)中公式(1)计算当前第d个时间段内DMA分区自来水主管路流量数据的峰峰值，通过步骤1子步骤(a)中公式(2)计算当前第d个时间段内DMA分区自来水主管路流量数据的平均值，通过步骤1子步骤(a)中公式(3)计算当前第d个时间段内DMA分区自来水主管路流量数据的方差值，记录以上所述当前第d个时间段内峰峰值、平均值和方差值，以流量数据与该数据采集时间的对应关系，以时间为横轴，当前第d个时间段内流量数据为纵轴建立曲线，即建立模型S，将模型S中峰峰值、平均值与方差值与步骤1子步骤(b)中建立的时间-流量模型Q₁～Q_n中相对应时间段的模型Q_d中峰峰值、平均值与方差值对应相比较，若峰峰值的差异未超过***阈值，平均值的差异和方差值的差异均超过***阈值，则判断该DMA分区存在泄漏，若峰峰值、平均值和方差值的差异均超过***阈值，则在该时间段内以***设定的窗口长度t计算流量数据平均值方差值s_t ²，设该时间段起始时间为T₁，结束时间为T₂，将该时间段分为第1个窗口T₁～T₁+t，第2个窗口t～T₁+2t，……，第x个窗口T₁+xt～T₂，在第y个窗口内计算流量数据平均值方差值s_t ²，平均值通过公式(7)计算，

${\stackrel{\‾}{X}}_t=\frac{1}{e}\underset{f=1}{\overset{e}{\Σ}}{X}_f---\left(7\right)$

式中，e表示第y个窗口内流量数据总个数，X_f表示第y个窗口内流量数据总个数中第f个数据，方差值s_t ²通过公式(8)计算，

${s_t}^2=\frac{1}{e-1}\underset{f=1}{\overset{e}{\Σ}}{(X_f-{\stackrel{\‾}{X}}_t)}^2---\left(8\right)$

找到该时间段内第1个流量数据的平均值、方差值与对应时间-流量模型Q_d的平均值、方差值相比较均超过***阈值的窗口，记录该窗口的起始时间t₁；找到该时间段内最后1个流量数据的平均值、方差值与对应时间-流量模型Q_d的平均值、方差值相比较均超过***阈值的窗口，记录该窗口的起始时间t₂，第1个出现异常的窗口到最后一个出现异常的窗口之间的时间差记为Δt，Δt通过公式(9)计算，

Δt＝t₂-t₁ (9)

若Δt超过***设定的最大时间间隔，则判断存在泄漏；

(b)若步骤2子步骤(a)中判断该DMA分区内管网存在泄漏，则根据步骤1子步骤(c)中公式(4)计算当前第d个时间段内p个压力监测点的峰峰值、根据步骤1子步骤(c)中公式(5)计算当前第d个时间段内p个压力监测点的平均值和根据步骤1子步骤(c)中公式(6)计算当前第d个时间段内p个压力监测点的方差值，若第u个压力监测点的峰峰值、平均值和方差值其中一项或两项或三项超过***对应阈值，则找到当前第d个时间段内该压力监测点的最大值和最小值，根据当前第d个时间段内该压力监测点的最大值对应的采集时间，在步骤2子步骤(a)建立的模型S中找到对应的流量值B_max，同时根据当前第d个时间段内该压力监测点的最大值，在步骤1子步骤(f)中建立的模型A_u中找到当前第d个时间段内该压力监测点的最大值对应的流量值C_max；根据当前第d个时间段内该压力监测点的最小值对应的时间点，在步骤2子步骤(a)建立的模型S中找到对应的流量值B_min，同时根据当前第d个时间段内该压力监测点的最小值，在步骤1子步骤(f)中建立的模型A_u中找到当前第d个时间段内该压力监测点的最小值对应的流量值C_min，将B_max与C_max相比、B_min与C_min相比，若所述以上两项均超过***阈值，则判断该压力监测点所在管段存在泄漏，完成对泄漏点的方位判断；

步骤3、根据步骤2中对泄漏点的方位判断，泄漏点定位单元启动安装于与该方位相关位置的声传感器完成声波数据采集并计算，依据相关定位测量计算方法计算出泄漏点距临近声传感器的距离。