CN111120876B - 一种基于pdd的城市供水管网的爆管预警定位的方法 - Google Patents

Abstract

本发明公开一种基于PDD的城市供水管网的爆管预警定位的方法，本发明首先用七日平均移隔差法确定供水管网各DMA分区正常日供水数据库，利用PDD模型以及供水数据库计算ci值，再根据数据库中正常日压力值计算出各DMA分区中白天、夜间、全天的压降差，以此为基础确定三种情况下压降的正常范围。当压降差超出了正常范围即风险预警，按照超出的次数分别对应高风险，中风险，有风险。根据风险预警确定发生爆管的DMA分区，利用ci分配背景漏损并将新增爆管量依次叠加到各节点，以压力监测点的模拟值与实际值的最小二乘误差作为评价标准，获得最可能的爆管节点。本发明能实现对爆管的高精度快速预警定位，降低爆管对供水管网***造成的危害。

Description

一种基于PDD的城市供水管网的爆管预警定位的方法

技术领域

本发明属于城市供水管网领域,涉及供水管网的爆管预警定位，具体是基于一种压力驱动模型(PDD)的城市供水管网的爆管预警定位的思路以及定位模型中漏失系数的一种计算方法。

背景技术

爆管漏水在供水管网中普遍存在,若不及时发现会导致供水***运行异常,影响居民生活和企业生产，浪费水资源，损害企业经济效益。然而爆管预警与定位技术较为复杂，如何及时的发现爆管并快速找到爆管点又是其中的难点，目前研究的管网爆管定位的方法主要有基于最小夜间流量数据分析等和基于水力模型校核方法,前一类方法基于SCADA***在线数据,虽可基于流量异常对爆管进行快速预警并且一定程度上对爆管点区域进行初步划定,但它的定位效果极度依赖于设备的数量、灵敏度，定位范围广且成本高，总体来说不经济。后一类方法虽可在理论上实现爆管精确定位,但由于爆管发生时用户用水量以及背景漏损量会随压力变化而发生变动，而传统水力爆管定位模型往往忽略这部分变化,认为爆管时各节点流量与正常情况下一样，所以定位时会产生较大定位误差。基于PDD的漏失定位模型虽建模时建立压力驱动公式考虑爆管发生时管网节点水量随压力改变，但是该模型中背景漏损量计算公式中漏失系数是模型运算过程中随机生成的，这与管网实际情况不相符而且基于模型校核定位的方法只能对漏失点进行定位不能及时对爆管进行预警。

发明内容

有鉴于此,本发明针对供水管网在线预警与定位的需要,提出了一种基于七日移动平均时隔差法的城市供水管网的爆管预警定位的方法。

为实现上述目的，本发明采取以下步骤：

步骤1、利用七日移动平均时隔差法识别、筛选DMA分区管网正常日的流量和水压数据

利用七日移动平均时隔差法筛选出供水管网中各个DMA分区正常日的数据库。

7日移动平均时隔差法计算过程：

(1)采集{P_i}(夜间3:00-5:00该分区的平均压力)、{Q_i}(夜间3:00-5:00的平均供水量)、日均供水量、夜间居民合法用水量、大用户各分区夜间3:00-5:00平均用水量；

(2)根据压力公式估算每一天的背景漏失量L_T＝((P_T/P_T-1)^1.5)*L_T-1和B_T(7)＝(第T日到T-6日的背景漏失量的平均值)-(第T-8到T-14日的背景漏失量的平均值)；

(3)计算C_T(7)＝(第T日到T-6日3：00-5：00的平均供水量)-(第T-8到T-14日的夜间3：00-5：00的平均供水量)，计算D_T(7)＝C_T(7)-B_T(7)；

(4)根据DMA分区规模确定A_T(7)100％；

(5)对比D_T(7)与A_T(7)100％；

(6)若D_T(7)<A_T(7)100％，则判断该区域第T-7日没有出现了新漏失，将该日列为正常日。

步骤2、根据步骤1筛选的正常日测压点压力数据，确定测压点正常水压范围，进行风险预警并确定爆管日

(1)根据步骤1获得的正常日测压点压力数据P_i，确定供水管网DMA分区白天、夜间、全天三种情况下的正常水压范围(P_ave-3σ，P_ave+3σ)，正常日测压点平均水压P_ave与方差σ的计算公式分别为：

式中，P_i为供水数据库中正常日监测点的压力值，Pave表示平均值；σ表示方差。

(2)利用DMA分区中每日三个时段实测的测压点压力值P_i与上述正常水压范围比对，进行风险预警，根据一日内三个时段超出正常水压范围次数，判定风险等级并确定爆管发生的爆管日期,即

当P_i∈(P_ave-3σ，P_ave+3σ)，判定管网正常；

当

判定管网发生爆管；

步骤3根据步骤1筛选的正常日流量与水压数据，应用PDD水力模型和遗传算法计算漏失系数值(c_i)

管网的c_i值是反映供水管道特定时期特性的参数，其只与管道本身性质有关，不随管网运行工况等外界因素而变化，因此，本文在求解漏失系数时，构建求解漏失系数的PDD模型，将传统水力模型中的用水量划分为用户用水量和背景漏失量，分别建立其流量与压力的关系式，再根据供水管网数据库中的实际漏失量代入PDD模型求解漏失系数。计算漏失系数的公式如下：

式中:q_act－leak为月实际平均背景漏失水量，L/s；Q_T为正常日供水管网数据库中总供水量，m³；Q_i ^use为用户用水量，m³；t正常日时间间隔，d。

fitness适应度函数为：

fitness(c_i)＝q_act-leak-∑q_i-leak (1-6)

式中

Q_i ^use—节点i的用户用水量，L/s；

H_i—节点i的实际水压，m；

H_max—节点i的额定水压，m；

H_min—节点i的临界水压，m；

计算步骤如下：

(1)统计出供水管网数据库的用户实际用水及供水数据计算出实际背景漏失量；

(2)构造fitness适应度函数，函数变量为c_i，函数值为根据漏失压力公式计算的背景漏失量减去实际背景漏失量；

(3)构造约束条件，保证计算供水量减去实际供水量之间的差值小于设定值；

(4)构造方程fitness(c_i)＝0；

(5)运用遗传算法求解该方程，计算漏失系数c_i。

以此方法求得的漏失系数真实的反映了对应实际产销差量的背景漏失，可运用于计算该管网在不同时刻，不同压力下各个节点的背景漏失量从而为PDD爆管定位模型服务。

步骤4基于步骤3计算得到的漏失系数c_i和爆管时PDD水力模型进行爆管定位

将爆管异常日的数据代入基于压力驱动的爆管定位模型，将爆管量Q_L依次叠加到管网中各节点，以DMA分区内压力监测点的模拟值与实际值的最小二乘误差作为评价标准，获得最可能的爆管节点。

基于压力驱动模型的爆管定位模型公式建立如下：

q_i-leak＝c_iQ_i ^reqH_i ^1.18 (1-4)

式中

q_i-leak—节点i的背景漏损量(L/s)；

Q_i ^req—节点i的节点额定流量(L/s)；

c_i—漏失系数。

式中

Q_i ^use—节点i的用户用水量(L/s)；

Q_L—爆管节点的爆管量(L/s)；

H_i—节点i的实际水压(m)；

H_max—节点i的额定水压(m)；

H_min—节点i的临界水压(m)。

当该节点无新增爆管时，Q_L为0。

整个基于压力驱动模型(PDD)的爆管定位过程如下：

(1)采用传统水力模型中的节点流量作为初始种群，并采用PDD模型计算的漏失系数，设定新增爆管量的下限值和上限值。

(2)将节点流量导入传统水力模型中，通过EPANET求解，得到各节点的压力值H_i，代入上式压力驱动公式计算出节点的实际用水量和节点背景漏失，二者相加得到及节点的理论流量Q_i。

(3)将新增爆管量Q_L依次循环加到各个节点，压力监测点计算值与实测值之差的平方和最小作为目标函数，来进行寻优。目标函数式为：

式中，f—目标函数值；n—压力监测点个数；H_iq—压力监测点实际压力，与前述P_i意义相同，m。

附图说明

图1为G市小型DMA管网；

图2为G市小型DMA爆管定位结果图

图3为爆管预警定位具体方案流程图

具体实施方式

为使本发明的技术易于理解,下面结合附图给出一个实例,对本发明的具体实施方式作进一步详细描述：

G市供水公司于2018年4月18日得知由于施工原因发生挖爆水管情况，本实例以该G市的实例发生的小型DMA管网为研究对象，如图1所示，该管网包含16个用水节点，18根DN50以上的给水管，1个内部压力监测点，1个进口流量压力监测点，管段信息如表1所示，管网图如附图1。

表1实例管网管段信息

管段编号	起始节点	终止节点	管长	管径	海曾威廉系数	管段编号	起始节点	终止节点	管长	管径	海曾威廉系数
												1	354	355	49.97	150	100	10	354	366	61.4	150	100
2	354	356	100.1	150	100	11	365	367	29.8	150	100
												3	357	358	24.8	100	100	12	366	365	45.6	150	100
4	359	360	23.5	150	100	13	368	357	5.9	150	100
												5	361	359	50.5	100	100	14	367	361	41.3	150	100
6	362	359	30.7	100	100	15	356	369	59.3	150	100
												7	363	362	41.8	100	100	16	369	368	50.5	150	100
8	364	363	32.2	100	100	17	361	368	28.3	150	100
												9	365	364	28.2	100	100	18	水源点	356	107.7	150	100

步骤1、筛选DMA分区管网正常日的流量和水压数据

根据七日移动平均时隔差法筛选出供水管网中各个DMA分区正常日的数据库，七日移动平均时隔差表如表2所示，根据表2可判定正常日为3月29日至4月3号。

表2七日移动平均时隔差表

表3正常压降范围表

步骤2、确定测压点正常水压范围，进行风险预警并确定爆管日

以这段时间的每日白天、夜间、全天三种情况下的压降值确定三种情况下对应的正常压降范围，计算列出全天情况下正常压降范围如表3所示。利用DMA分区中每日三种情况下的压降值与正常压降范围比对，进行风险预警，根据超出压降范围次数判定风险指数并确定爆管发生的异常日，列出DMA分区全天压降表如表4所示。

表4压降表

从表4可看出4月18号压降值超出全天情况下压降波动范围下限。

步骤3、计算漏失系数

(1)统计出3月29日至4月3日的用户实际用水

及供水数据Q_T计算出实际背景漏失量q_act-leak，根据压力驱动公式求得q_i-leak，

(2)构造fitness适应度函数，函数变量为c_i，令

构造约束条件，保证计算供水量减去实际供水量之间的差值小于设定值

(3)运用遗传算法求解该方程，计算出c_i＝0.0272。

步骤4、爆管定位

将爆管异常日4月18日的数据代入基于压力驱动的爆管定位模型(供水管网数据库中正常日平均供水量为10.51L/s，4月18日的管网平均供水量17.02L/s，设定爆管量Q_L的范围为7-13L/s,4月18日压力监测点全天平均压力值为26.087m)，将爆管量Q_L依次叠加到管网中各节点，以DMA分区内压力监测点的计算值与实际值的最小二乘误差作为评价标准，获得最可能的爆管节点。

具体过程如下：

(1)采用传统水力模型中的节点流量作为初始种群，并采用PDD模型计算的漏失系数(计算得到c_i为0.0272)，设定新增爆管量的下限值和上限值(7-13L/s)。

(2)将节点流量导入传统水力模型中，通过EPANET求解，得到各节点的压力值Hi，代入压力驱动公式计算出节点的实际用水量和节点背景漏失，二者相加得到节点的理论流量Q_i。

(3)将新增爆管量Q_L依次循环加到各个节点，压力监测点计算值与实测值之差的平方和最小作为目标函数，来进行寻优。寻优结果如表5。

从表5可见，节点362在对应假定的爆管量Q_L为13L/s时，监测点实测压力值与模拟压力值的最小二乘值为1.6731，说明计算得到爆管发生在节点362附近，通过稽查抢修资料发现，在节点362确有爆管的发生。通过该实例验证说明基于PDD的爆管定位模型是正确的，用该模型进行爆管定位是可行的。

表5对应不同爆管量的适应度函数表

序号	节点编号	7L/S	8L/S	9L/S	10L/S	11L/S	12L/S	13L/S	序号	节点编号	7L/S	8L/S	9L/S	10L/S	11L/S	12L/S	13L/S
																		1	354	50.5	50.9	51.3	51.9	52.5	53.3	54.2	9	362	22.8	18.5	14.3	10.4	6.9	3.9	1.6
2	355	50.5	50.9	51.3	51.8	53.5	53.2	54.1	10	363	32.9	30.3	27.5	24.6	21.7	18.8	16.0
																		3	356	52.7	53.8	55.1	56.7	58.5	60.6	63.0	11	364	40.2	38.9	37.5	36.0	34.5	32.9	31.3
4	357	48.9	49.2	49.6	49.9	50.4	50.9	51.4	12	365	47.6	47.5	47.5	47.6	47.6	47.7	47.9
																		5	358	48.9	49.2	49.5	49.9	50.4	50.8	51.3	13	366	48.9	49.2	49.5	49.8	50.3	50.7	51.2
6	359	30.8	27.7	24.5	21.3	19.1	14.9	11.9	14	367	47.3	47.2	47.2	47.3	47.3	47.4	47.6
																		7	360	30.6	27.4	24.2	20.9	17.7	14.6	11.6	15	368	48.9	49.2	49.6	49.9	50.4	50.9	51.4
8	361	47.5	47.5	47.5	47.6	47.7	47.9	48.1	16	369	50.7	51.1	51.6	52.2	52.9	53.7	54.6

Claims (1)

1.一种基于PDD的城市供水管网的爆管预警与定位的方法，包括供水管网正常工作日的识别、爆管预警、漏失系数的计算和爆管点定位的方法，其特征在于包括以下步骤：

步骤1利用七日移动平均时隔差法识别、筛选供水管网中DMA分区管网正常日的流量和水压数据；

(1)采集{P_i}(夜间3:00-5:00该分区的平均压力)、{Q_i}(夜间3:00-5:00的平均供水量)、日均供水量、夜间居民合法用水量、大用户各分区夜间3:00-5:00平均用水量；

(2)根据压力公式估算每一天的背景漏失量L_T＝((P_T/P_T-1)^1.5)*L_T-1和B_T(7)＝(第T日到T-6日的背景漏失量的平均值)-(第T-8到T-14日的背景漏失量的平均值)；

(3)计算C_T(7)＝(第T日到T-6日3：00-5：00的平均供水量)-(第T-8到T-14日的夜间3：00-5：00的平均供水量)，计算D_T(7)＝C_T(7)-B_T(7)；

(4)根据DMA分区规模确定A_T(7)100％；

(5)对比D_T(7)与A_T(7)100％；

(6)若D_T(7)<A_T(7)100％，则判断该区域第T-7日没有出现新漏失，将该日列为正常日；

步骤2根据正常日压力数据，确定测压点正常水压范围，进行爆管预警并确定爆管日；

(1)根据正常日测压点压力数据P_i，确定供水管网DMA分区白天、夜间、全天三种情况下的正常水压范围(P_ave-3σ，P_ave+3σ)，正常日测压点平均水压P_ave与方差σ分别按公式(1-1)和(1-2)计算：

(2)利用DMA分区中每日三个时段实测的测压点压力值P_i与上述正常水压范围比对，进行风险预警，根据一日内三个时段超出正常水压范围次数，发出预警信息并确定爆管发生日期,即当P_i∈(P_ave-3σ，P_ave+3σ)，判定管网正常；当

判定管网发生爆管；

步骤3根据正常日流量与水压数据，应用PDD模型和遗传算法计算漏失系数；

(1)根据正常日数据，统计供水管网数据库的用户实际用水及供水数据，按公式(1-3)算出实际背景漏失量：

式中，q_act－leak为月实际平均背景漏失水量，L/s；Q_T为正常日供水管网数据库中总供水量，m³；Q_i ^use为用户用水量，m³；t正常日时间间隔，d；

(2)根据PDD模型，构造fitness适应度函数；

PDD模型包括节点背景漏失与节点压力的关系式(1-4)和节点流量与节点压力的关系式(1-5)，分别为：

式中，q_i-leak—节点i的背景漏失量，L/s；Q_i ^req—节点i的节点额定流量，L/s；c_i—漏失系数；Q_i ^use—节点i的用户用水量，L/s；H_i—节点i的计算水压，m；H_max—节点i的额定水压，m；H_min—节点i的临界水压，m；

fitness适应度函数为：

fitness(c_i)＝q_act-leak-∑q_i-leak (1-6)

(3)构造方程fitness(c_i)＝0,运用遗传算法求解该方程，计算漏失系数c_i；

步骤4基于算得的漏失系数c_i和爆管时PDD模型进行爆管定位；

(1)以步骤3算得的漏失系数值作为式(1-4)中的漏失系数，以传统方法算得的爆管日节点流量作为初始种群，设定新增爆管漏失水量Q_L的下限值和上限值；

(2)将爆管日节点流量导入传统管网水力模型中，通过EPANET求解，得到各节点的压力值H_i，再代入PDD模型(1-4)和(1-5)，算出各节点的背景漏失q_i-leak和实际用水量Q_i ^use；

(3)将新增爆管漏失水量Q_L依次循环加到各个节点，根据爆管时PDD模型(1-4)和(1-7)计算管网压力监测点的计算值：

q_i-leak＝c_iQ_i ^reqH_i ^1.18 (1-4)

式中，Q_L—爆管节点的漏失水量，L/s；其他符号意义同上；

(4)以上述模型算得的监测点压力值H_i与实测值H_iq之差的平方和f最小作为目标函数(1-8)，进行寻优计算，确定爆管点位置：

式中，f—目标函数值；n—压力监测点个数；H_iq—压力监测点实际压力，与前述P_i意义相同，m。

Images