CN110108328B - 一种供水管网漏损区域漏水量的获取方法 - Google Patents
一种供水管网漏损区域漏水量的获取方法 Download PDFInfo
- Publication number
- CN110108328B CN110108328B CN201910266354.3A CN201910266354A CN110108328B CN 110108328 B CN110108328 B CN 110108328B CN 201910266354 A CN201910266354 A CN 201910266354A CN 110108328 B CN110108328 B CN 110108328B
- Authority
- CN
- China
- Prior art keywords
- leakage
- water
- pipeline
- value
- water supply
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000012502 risk assessment Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000002347 injection Methods 0.000 claims description 10
- 239000007924 injection Substances 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 8
- 239000000243 solution Substances 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 229910001018 Cast iron Inorganic materials 0.000 description 1
- 229910001141 Ductile iron Inorganic materials 0.000 description 1
- 229910001335 Galvanized steel Inorganic materials 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000008397 galvanized steel Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B7/00—Water main or service pipe systems
- E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
- E03B7/071—Arrangement of safety devices in domestic pipe systems, e.g. devices for automatic shut-off
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/05—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by using mechanical effects
- G01F1/34—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by using mechanical effects by measuring pressure or differential pressure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
- G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
- G01M3/2807—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes
- G01M3/2815—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes using pressure measurements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/15—Leakage reduction or detection in water storage or distribution
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Human Resources & Organizations (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mechanical Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Fluid Mechanics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及一种供水管网漏损区域漏水量的获取方法,该方法将水力模型与监测数据进行耦合,通过优化漏损水量的空间分布,反演得到供水管网中不同区域的漏损水量,不仅耦合了水力模型和监测数据,还结合了虚拟分区和管道漏损风险评估两项技术,以测压点处的模拟值与监测值差异最小为目标,利用优化算法计算得到供水管网不同区域的漏损水量。与现有技术相比,本发明实现了对漏损率较高的,即存在众多漏点的供水管网的有效漏损区域识别,具有及时识别漏损,精确识别漏点位置,成本低、操作省时等优点。
Description
技术领域
本发明涉及供水管网漏损区域识别技术领域,尤其是涉及一种供水管网漏损区域漏水量的获取方法。
背景技术
供水管网漏损使得水资源流失,大量能源虚耗,对水质安全也带来了威胁。此外,若管道出现漏损而未及时修复,会影响建筑物和路面交通安全,严重时还会造成人员和物质损失。目前国内大多供水企业仍然主要依靠人工检漏进行漏损控制,缺乏***性的控漏方案及漏损识别的核心技术。
作为供水管网漏损控制体系的重要内容,漏损识别技术备受供水行业的关注。现有技术包括:
1、硬件检测法
方法概要:借助于听漏棒、相关仪、电子听漏仪等声学设备或气体注射、探地雷达等非声学设备进行漏点的精确识别。
优缺点:能精确识别漏点位置,但只适用于小范围的检漏,且费用较高、检测费时,不能及时进行漏损识别。
2、软件分析法
方法概要:基于管网***的监测数据、拓扑信息等基础资料,依靠算法或模型实现漏损识别。
优缺点:成本相对较低,能及时识别漏损,并确定可能的漏损区域,但不能精确指出漏点位置,且方法原理相对复杂。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种供水管网漏损区域漏水量的获取方法。
本发明的目的可以通过以下技术方案来实现:
一种供水管网漏损区域漏水量的获取方法,用于获取待测区域的漏水量,包括下列步骤:
S1:输入供水管网数据,包括水力模型、真实漏损水量、测压点的自由水头监测值时间序列、各节点的漏损风险值及待识别区域构建管道漏损风险评估模型,获取节点的漏损风险。
获取节点的漏损风险的具体步骤包括:
11)建立管道漏损风险评估模型,计算每一根管道的漏损风险值;
在进行漏损水量空间优化计算前,需预先输入管网***的真实漏损水量,该水量可由水平衡分析计算得到,若条件不允许,则可按如下公式进行估算。
Ql=Qs·[e-(1~2)]%*(60%~70%)
式中,为管网***总供水量,单位为m3,e为管网***的产销差率,%。
管道漏损风险评估模型的表达式为:
h(u,Z)=h0(u)eβZ
式中,h(u,Z)为管道的漏损风险值,h0(u)为管道漏损的基准风险函数,u为管龄,Z为除管龄外,其它可用的与管道漏损有关的因素,即协变量,β为协变量的系数矩阵;
12)通过建立管道通过建立管道漏损风险评估模型,可计算得到每一根管道的漏损风险值,将其均分至两端点,并对各端点的风险值进行加和,即可得到节点的漏损风险值k。
其中,建立管道漏损风险评估模型具体包括下列步骤:
111)根据管网***中的管道按管材进行分组,对不同分组分别构建管道漏损风险评估模型;
112)采用漏损频率作为管道漏损的基准风险函数,利用管道修漏记录和GIS信息,利用二次函数对计算结果进行拟合,获取管道漏损的基准风险函数:
式中,n(u,yi)为管龄为u的管道在yi时间段内的漏损次数,其中,yi时间段以月为步长,m为管龄为u的管道,其漏损发生在m个不同的月份,W(yi)为yi时间段内的管程;
113)结合管道修漏记录中的管径和管龄信息,利用SPSS中的Cox回归计算得到协变量Z的系数矩阵β。
S2:从管道漏损风险评估模型中读取节点的索引、管道的两端点索引和管长,对地区划分虚拟分区。具体步骤包括:
21)利用步骤S1中读取的节点的索引,管道的两端点索引和管长,构建管网邻接矩阵,即带权图变量,若管网模型中共有N个节点,M根管道,则邻接矩阵A中的元素按照如下公式确定:
式中,a为节点索引,a=1,2...,N,b为管道索引,b=1,2...,M,ω为管长。
22)将步骤1中输入的部分或全部测压点作为分区中心,在邻接矩阵A的基础上,利用迪杰斯特拉算法搜索各节点到各分区中心的最短路径,得到最短路径矩阵DCXN,其中,C为分区中心数量。
23)在最短路径矩阵DCXN的基础上,找到第a列元素中的最小值Dc,a,则节点a属于分区中心所在的虚拟分区,其中,c=1,2...,C。
S3:选择选择以测压点压力监测值与模拟值差异最小为目标函数,并设置最小自由水头和漏损水量两个罚函数,采用遗传算法搜索最优的漏损水量空间分布,获取虚拟分区后不同区域的漏损水量,用于指导该地区的控漏工作。最终的结果为各区域的漏损水量,而非单个节点的漏损水量。
其中,选择以测压点压力监测值与模拟值差异最小为目标函数的表达式为:
式中,B为测压点数量,T为模拟时长,pr,f,t为测压点f在t时刻的自由水头监测值,px,f,t为在水力模型中设置节点的喷射系数ga=kaxa时,测压点f在t时刻的自由水头模拟值,其中,ka为节点a的漏损风险值,xa为决策变量在节点a处的取值;H1为最小自由水头罚函数,在水力模型中设置节点的喷射系数ga=kaxa时,在模拟时段内,节点自由水头模拟值的最小值HX,min不应低于管网***最不利点处的最小自由水头Hmin,其中,HX,min按下式确定:
HX,min=min(px,a,t)
式中,px,a,t为在水力模型中设置节点的喷射系数ga=kaxa时,节点a在t时刻的自由水头模拟值。
若Hmin>HX,min,则取:
H1=10*(Hmin-HX,min)
否则,H1=0。
H2为漏损水量罚函数,在水力模型中设置节点的喷射系数ga=kaxa时,管网模型的总漏损水量QX,l不应与步骤S1中输入的Ql相差太大,其中,QX,l按下式计算:
当|QX,l-Ql|/Ql<LQ时,取H2=0,否则取H2=100×|QX,l-Ql|/Ql,其中LQ为漏损水量约束阈值,取决于Ql的准确度。
本发明利用遗传算法生成子代种群,生成过程包括选择、交叉、变异及对精英个体的保留,采用遗传算法搜索最优的漏损水量空间分布设有三条终止条件,当计算满足其中任意一条时,则终止计算:
条件一、取得目标函数极限值F。当由当前种群计算得到的最小目标函数值等于F时,算法终止。由目标函数的计算公式知,F=0,即在水力模型中设置节点的喷射系数ga=kaxa时,测压点处的自由水头模拟值时间序列与实际监测值时间序列完全相同,且Hmin<HX,min,|QX,l-Ql|/Ql<LQ。
条件二、目标函数值保持不变。在连续50代种群中,各代种群的最小目标函数值的平均相对变化小于10-6时,算法终止。
条件三、达到最大迭代次数。当算法的迭代次数达到设定的最大迭代次数500次时,算法终止。
进一步地,计算终止,获取最优解后,在步骤S1输入的水力模型上,设置各节点的喷射系数ga=kaxa进行模拟,并读取各模拟时刻下各用水节点的当前流量,按如下公式获取各待识别区域的漏损比例识别值R0:
与现有技术相比,本发明具有以下优点:
一、本发明结合水力模型与监测数据耦合获取供水管网漏损区域漏损量,可以通过结合供水管网水力模型和实际监测数据,并结合虚拟分区和漏损风险评估,以测压点模拟值与监测值的差异最小为目标函数,利用优化算法计算得到供水管网不同区域的漏损水量,实现了供水管网的漏损区域识,能及时识别漏损,并能精确识别漏点位置;
二、本发明以测压点为分区中心,管长为权重,通过执行最短路径搜索实现虚拟分区的划分,该虚拟分区可以约束不在压力监测范围内的节点的决策变量,可进一步有效识别漏损,精确识别漏点位置;
三、本发明方法以测压点压力监测值与模拟值差异最小为目标函数,并设置最小自由水头和漏损水量两个罚函数,采用遗传算法搜索最优的漏损水量空间分布,进而计算得出供水管网不同区域的漏损水量,操作简单、省时,且成本低,适用范围广;
四、本发明结合虚拟分区方法,将管网中的用水节点进行分组,可避免在寻优过程中出现求解超定方程组的情况,并缩小解空间的搜索范围,提高搜索效率。
附图说明
图1为本发明方法的流程示意图;
图2为本发明实施例中管网和测压电分别示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
本发明涉及一种供水管网漏损区域漏水量的获取方法,包括以下步骤:
步骤一、输入供水管网数据,包括水力模型、真实漏损水量、测压点的自由水头监测值时间序列、各节点的漏损风险值及待识别区域。真实漏损水量可由水平衡分析计算得到,若条件不允许,则可按本方法中的公式进行估算。
步骤二、选取分区中心,在基于管网拓扑、以管长为权重而建立得到的带权图变量基础上,利用迪杰斯特拉算法执行最短路径搜索,划分得到虚拟分区。
以测压点为分区中心,管长为权重,通过执行最短路径搜索实现虚拟分区的划分,该虚拟分区可以约束不在压力监测范围内的节点的决策变量。
步骤三、以测压点压力监测值与模拟值差异最小为目标函数,并设置最小自由水头和漏损水量两个罚函数,采用遗传算法搜索最优的漏损水量空间分布,进而计算得出供水管网不同区域的漏损水量。
为验证本发明方法的有效性,本实施例以某地区的输入供水管网实际数据为例进行实际操作实验,操作流程包括:
1.输入并读取参数
取某地区的计算时段为某年8月6日至同年8月12日,输入由该时段内的实时数据及相关抄表数据建立、校核得到的某地区供水管网水力模型inp文件,5个测压点的索引、自由水头监测值时间序列和待识别区域。
从inp文件中读取节点的索引、坐标、标高、基本用水量和用水模式索引,水池的索引、坐标、平均总水头和供水模式索引,管道的索引、两端点索引和管长,模式的索引和时间序列值。
根据监测数据,计算得到在该地区该时段内的总供水量约为266015吨,结合该地区的产销差率约为14.85%,估算得到在该时段内,该地区的真实漏损水量为23149.98m3±9.72%。
将该地区的管道按管材分为镀锌钢管、塑料管、钢管、铸铁管、球墨铸铁管和其它管材管道共6类,根据2012-2017年间的管道修漏记录,并结合GIS***中的管道信息,利用二次函数拟合和Cox回归,构建得到该地区的供水管道漏损风险评估模型如表1所示。
表1研究区域供水管道漏损风险评估模型
利用该模型计算该地区供水管网各管道的漏损风险值后,即可折算得到模型中各用水节点的漏损风险值。
2.划分虚拟分区
利用步骤1中读取的节点的索引,管道的两端点索引和管长,构建得到管网邻接矩阵后,以该地区的5个测压点为分区中心,利用迪杰斯特拉算法执行最短路径搜索,进而获取虚拟分区划分结果。
3.求解最优解
调用matlab的遗传算法工具箱,执行种群初始化、目标函数计算、选择、交叉、变异、精英个体保留等操作,搜索最优解,直接计算满足终止条件,输出最优解。其中,选择函数采用@selectionstochunif;交叉函数采用@crossoverscattered,并设置交叉概率为0.8;变异函数采用@mutationadaptfeasible;设置精英个体数量为2,即在每一代种群中最优的2个体将被保留至下一代。
4.计算区域漏损水量利用最优解,并结合各区域内用水节点的基本用水量信息,计算得出各待识别区域的漏损比例如表2所示。其中,由于该地区供水管网中部分管道的管龄未知,故在计算节点漏损风险时,对这部分管道的安装日期进行了讨论。尽管当管龄未知管道的安装时间取值不同时,计算得到的各区域的漏损比例略有差别,但综合所有计算结果,仍然可知在该地区的5个区域中,漏损水量从多到少的顺序为A2、A5、A3、A1、A4,该排序可用于指导该地区的控漏工作。
表2:各区域的漏损比例识别结果
本发明结合水力模型与监测数据耦合获取供水管网漏损区域漏损量,可以通过结合供水管网水力模型和实际监测数据,并结合虚拟分区和漏损风险评估,以测压点模拟值与监测值的差异最小为目标函数,利用优化算法计算得到供水管网不同区域的漏损水量,实现了供水管网的漏损区域识,能及时识别漏损,并能精确识别漏点位置,有利于指导该地区的控漏工作。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种供水管网漏损区域漏水量的获取方法,用于获取待测区域的漏水量,其特征在于,该方法包括下列步骤:
1)输入供水管网数据,包括水力模型、真实漏损水量、测压点的自由水头监测值时间序列、各节点的漏损风险值及待识别区域构建管道漏损风险评估模型,获取节点的漏损风险;具体步骤包括:
11)采用漏损频率作为管道漏损的基准风险函数,利用管道修漏记录和GIS信息,利用二次函数对计算结果进行拟合,获取管道漏损的基准风险函数:
式中,n(u,yi)为管龄为u的管道在yi时间段内的漏损次数,其中,yi时间段以月为步长,m为管龄为u的管道,其漏损发生在m个不同的月份,W(yi)为yi时间段内的管程;结合管道修漏记录中的管径和管龄信息,利用SPSS中的Cox回归计算得到协变量Z的系数矩阵β;
根据管网***中的管道按管材进行分组,对不同分组分别构建管道漏损风险评估模型,计算每一根管道的漏损风险值,管道漏损风险评估模型的表达式为:
h(u,Z)=h0(u)eβZ
式中,h(u,Z)为管道的漏损风险值,h0(u)为管道漏损的基准风险函数,u为管龄,Z为除管龄外,其它可用的与管道漏损有关的因素,即协变量,β为协变量的系数矩阵;
12)将每一根管道的漏损风险值均分至两端点,并对各端点的风险值进行加和,获取节点的漏损风险值k;
2)利用步骤1)中读取的节点的索引,管道的两端点索引和管长,划分虚拟分区;具体步骤包括:
21)构建管网邻接矩阵,即带权图变量,若管网模型中共有N个节点,M根管道,则邻接矩阵A中的元素按照如下公式确定:
式中,a为节点索引,a=1,2...,N,b为管道索引,b=1,2...,M,ω为管长;
22)将步骤1)中输入的部分或全部测压点作为分区中心,在邻接矩阵A的基础上,利用迪杰斯特拉算法搜索各节点到各分区中心的最短路径,得到最短路径矩阵DCXN,其中,C为分区中心数量;
23)在最短路径矩阵DCXN的基础上,找到第a列元素中的最小值Dc,a,则节点a属于分区中心所在的虚拟分区,其中,c=1,2...,C;
3)选择目标函数,并设置最小自由水头和漏损水量两个罚函数,搜索最优的漏损水量空间分布,获取虚拟分区后不同区域的漏损水量。
2.根据权利要求1所述的一种供水管网漏损区域漏水量的获取方法,其特征在于,步骤3)中,选择以测压点压力监测值与模拟值差异最小为目标函数。
3.根据权利要求2所述的一种供水管网漏损区域漏水量的获取方法,其特征在于,采用遗传算法搜索最优的漏损水量空间分布,获取虚拟分区后不同区域的漏损水量。
5.根据权利要求4所述的一种供水管网漏损区域漏水量的获取方法,其特征在于,采用遗传算法搜索最优的漏损水量空间分布设有三条终止条件,当计算满足其中任意一条时,则终止计算:
条件一、取目标函数极限值F,当由当前种群计算得到的最小目标函数值等于F时,算法终止;
条件二、目标函数值保持不变,在连续五十代代种群中,各代种群的最小目标函数值的平均相对变化小于10-6时,算法终止;
条件三、当算法的迭代次数达到设定的最大迭代次数五百次时,算法终止。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910266354.3A CN110108328B (zh) | 2019-04-03 | 2019-04-03 | 一种供水管网漏损区域漏水量的获取方法 |
US16/600,551 US11494853B2 (en) | 2019-04-03 | 2019-10-13 | Method for acquiring water leakage amount of leakage area in water distribution system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910266354.3A CN110108328B (zh) | 2019-04-03 | 2019-04-03 | 一种供水管网漏损区域漏水量的获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110108328A CN110108328A (zh) | 2019-08-09 |
CN110108328B true CN110108328B (zh) | 2021-03-26 |
Family
ID=67485132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910266354.3A Active CN110108328B (zh) | 2019-04-03 | 2019-04-03 | 一种供水管网漏损区域漏水量的获取方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11494853B2 (zh) |
CN (1) | CN110108328B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111119282B (zh) * | 2019-11-26 | 2020-09-25 | 中国地质大学(武汉) | 一种针对供水管网的压力监测点优化布置方法 |
CN111022937B (zh) * | 2019-12-11 | 2021-03-23 | 浙江嘉科信息科技有限公司 | 一种输水管网管漏损定位***及定位方法 |
CN110991086B (zh) * | 2019-12-24 | 2023-10-10 | 北京工业大学 | 一种给水管网水力模型漏水量分配方法 |
CN113405026B (zh) * | 2020-03-16 | 2022-11-11 | 中国港湾工程有限责任公司 | 一种适用于欠发达地区供水管网的新增漏损判别及其漏损率的估算方法 |
CN111651935B (zh) * | 2020-05-25 | 2023-04-18 | 成都千嘉科技股份有限公司 | 一种非平稳时间序列数据的多维度扩充预测方法与装置 |
CN111982211B (zh) * | 2020-07-28 | 2022-09-16 | 杭州电子科技大学 | 一种小区供水漏损量检测方法 |
CN112097125B (zh) * | 2020-09-18 | 2021-07-20 | 同济大学 | 一种基于自适应校核的供水管网爆管侦测及定位方法 |
CN112303504B (zh) * | 2020-11-09 | 2021-07-02 | 吉林大学 | 一种基于改进的变分模式分解算法的供水管道泄漏位置检测方法 |
CN112460495B (zh) * | 2020-11-14 | 2022-09-27 | 武汉众智鸿图科技有限公司 | 面向漏损监测定位的监测点布局方法及*** |
CN112632733B (zh) * | 2020-12-28 | 2024-03-12 | 杭州智云水务科技有限公司 | 面向监测信息最大化的供水管网新增流量计的布置方法 |
CN112734745B (zh) * | 2021-01-20 | 2022-08-05 | 武汉大学 | 一种融合gis数据的无人机热红外影像供暖管道泄漏探测方法 |
CN113094984B (zh) * | 2021-03-30 | 2023-05-05 | 中国科学院生态环境研究中心 | 一种基于遗传算法的居民随机用水模式模拟方法及*** |
CN113324701B (zh) * | 2021-04-13 | 2022-08-30 | 北京中大科慧科技发展有限公司 | 一种用于数据中心的机房漏水检测方法 |
CN113268930A (zh) * | 2021-06-10 | 2021-08-17 | 秦贤海 | 一种消防水压监测器优化布置方法 |
CN113836672B (zh) * | 2021-09-01 | 2023-10-13 | 中国长江三峡集团有限公司 | 一种基于拓扑结构的排水管网溯源优化方法 |
CN113987938A (zh) * | 2021-10-27 | 2022-01-28 | 北京百度网讯科技有限公司 | 工艺参数优化方法、装置、设备以及存储介质 |
CN114198644B (zh) * | 2021-12-02 | 2024-03-12 | 武汉三环科普睿科技有限公司 | 一种基于dma监测相关流量数据的供水管网探漏管控方法 |
CN114593375B (zh) * | 2022-03-30 | 2023-04-11 | 常州通用自来水有限公司 | 基于泵房能耗的二次供水小区管道漏损监测和定位方法 |
CN114912067B (zh) * | 2022-05-07 | 2024-04-12 | 昆明理工大学 | 一种单层土工膜防渗大坝的渗漏反演分析方法 |
CN114741831B (zh) * | 2022-06-13 | 2022-08-23 | 成都同飞科技有限责任公司 | 一种供水管网水力压强预警分布的模拟方法及*** |
CN116467551B (zh) * | 2023-06-20 | 2023-08-25 | 成都同飞科技有限责任公司 | 一种基于相关系数的供水管网漏损定位方法及*** |
CN116680501B (zh) * | 2023-08-01 | 2023-10-27 | 益都智能技术(北京)股份有限公司 | 一种基于物联网的分区计量漏损监控管理方法及*** |
CN117744296B (zh) * | 2024-02-08 | 2024-05-10 | 湖南省建筑设计院集团股份有限公司 | 基于Floyd算法的管网能量富余比最小的设计方法 |
CN117852421A (zh) * | 2024-03-08 | 2024-04-09 | 福州福泽智能科技有限公司 | 基于管网水力计算与遗传算法的管段漏损定位方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230021A (zh) * | 2017-06-08 | 2017-10-03 | 桂林理工大学 | 高效筛选供水管网泄漏区域的方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8635051B1 (en) * | 2008-08-28 | 2014-01-21 | Bentley Systems, Incorporated | System and method for pressure-dependent demand optimization for leakage detection |
CN102033969B (zh) | 2009-09-29 | 2013-01-30 | Sgi工程有限公司 | 供水管网管理***及方法 |
CN102072409B (zh) * | 2009-11-23 | 2014-05-21 | 中国科学院生态环境研究中心 | 一种结合漏失概率计算与记录仪监测的管网漏失监测方法 |
KR101283828B1 (ko) * | 2012-04-04 | 2013-07-15 | 한국수자원공사 | 상수관망 진단 시스템 |
US9774616B2 (en) * | 2012-06-26 | 2017-09-26 | Oppleo Security, Inc. | Threat evaluation system and method |
JP6318053B2 (ja) * | 2014-09-03 | 2018-04-25 | 株式会社日立製作所 | 漏水分布推定装置 |
CN105046352B (zh) | 2015-07-02 | 2019-01-11 | 哈尔滨华夏矿安科技有限公司 | 基于血管仿生原理的供水管网漏损计算方法 |
CN106959608B (zh) * | 2017-02-27 | 2019-10-01 | 同济大学 | 一种基于聚类粒子群算法的供水管网渗漏优化控制方法 |
CN107355688B (zh) * | 2017-07-14 | 2020-04-21 | 水联网技术服务中心(北京)有限公司 | 一种城镇供水管网漏损控制管理*** |
CN107767012A (zh) * | 2017-08-25 | 2018-03-06 | 浙江钛合仪器有限公司 | 一种供水管网漏损管理***及其建立方法和***应用 |
CN107612749A (zh) * | 2017-10-17 | 2018-01-19 | 广东青藤环境科技有限公司 | 一种dma分区计量与漏损分析定位监测大数据平台和方法 |
CN108647470B (zh) * | 2018-05-29 | 2022-05-31 | 杭州电子科技大学 | 一种基于聚类和深度信念网络的漏损初定位方法 |
CN108843977A (zh) | 2018-06-28 | 2018-11-20 | 武汉新烽光电股份有限公司 | 供水管网实时漏损分析方法、设备、***及存储介质 |
-
2019
- 2019-04-03 CN CN201910266354.3A patent/CN110108328B/zh active Active
- 2019-10-13 US US16/600,551 patent/US11494853B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230021A (zh) * | 2017-06-08 | 2017-10-03 | 桂林理工大学 | 高效筛选供水管网泄漏区域的方法 |
Also Published As
Publication number | Publication date |
---|---|
US11494853B2 (en) | 2022-11-08 |
CN110108328A (zh) | 2019-08-09 |
US20200319057A1 (en) | 2020-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108328B (zh) | 一种供水管网漏损区域漏水量的获取方法 | |
Wu et al. | Water loss detection via genetic algorithm optimization-based model calibration | |
CN102968529B (zh) | 一种供水管网模型计算结果不确定性区间的量化方法 | |
JP6318053B2 (ja) | 漏水分布推定装置 | |
CN102072409B (zh) | 一种结合漏失概率计算与记录仪监测的管网漏失监测方法 | |
Lijuan et al. | A leak detection method based on EPANET and genetic algorithm in water distribution systems | |
CN104063588A (zh) | 基于多源数据融合的管道腐蚀缺陷尺寸的预测***及方法 | |
Steffelbauer et al. | Sensor placement and leakage localization considering demand uncertainties | |
CN112503400B (zh) | 一种供水管网测压点多目标优化布置方法 | |
WO2014115399A1 (ja) | 漏水推定装置及びシステム及び方法 | |
CN105824987A (zh) | 一种基于遗传算法的风场特征统计分布模型建立方法 | |
CN201229289Y (zh) | 一种腐蚀预测装置 | |
CN110084439A (zh) | 一种基于nesma功能点估算的软件成本度量方法及云*** | |
CN112818495A (zh) | 一种新型管道压降测算算法参数的动态修正方法 | |
Gao | Pipe roughness estimation in water distribution networks using head loss adjustment | |
CN110425427B (zh) | 一种给水管网漏失的控制方法 | |
CN117469603B (zh) | 一种基于大数据学习的多水厂供水***压力优化控制方法 | |
CN113626959B (zh) | 一种基于三维地理信息的污水管网水力模型建立方法 | |
Takahashi et al. | Water distribution system model calibration under uncertainty environments | |
Okeya et al. | Locating pipe bursts in a district metered area via online hydraulic modelling | |
CN111022937B (zh) | 一种输水管网管漏损定位***及定位方法 | |
CN110848578A (zh) | 一种基于pdd模型的城市供水管网既有漏损定位方法 | |
Fuchs-Hanusch et al. | Real-world comparison of sensor placement algorithms for leakage localization | |
García et al. | Minimization of water losses in WDS through the optimal location of valves and turbines: A comparison between methodologies | |
KR102124168B1 (ko) | 상수관망 내 누수 감지를 위한 수압계 설치 위치 최적 선정방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |