CN111501953A - 排水管网的异常分析方法、***、介质及设备 - Google Patents
排水管网的异常分析方法、***、介质及设备 Download PDFInfo
- Publication number
- CN111501953A CN111501953A CN202010341806.2A CN202010341806A CN111501953A CN 111501953 A CN111501953 A CN 111501953A CN 202010341806 A CN202010341806 A CN 202010341806A CN 111501953 A CN111501953 A CN 111501953A
- Authority
- CN
- China
- Prior art keywords
- drainage
- abnormal
- monitoring
- water
- preset monitoring
- 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.)
- Pending
Links
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03F—SEWERS; CESSPOOLS
- E03F3/00—Sewer pipe-line systems
- E03F3/02—Arrangement of sewer pipe-lines or pipe-line systems
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03F—SEWERS; CESSPOOLS
- E03F2201/00—Details, devices or methods not otherwise provided for
- E03F2201/20—Measuring flow in sewer systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供一种排水管网的异常分析方法、***、介质及设备,所述排水管网的异常分析方法包括:获取多个预设监测点的排水监测数据;根据所述排水监测数据的排水信息确定异常的预设监测点;针对所述异常的预设监测点定位水管异常区域;获取所述水管异常区域中新增的预设监测点的排水监测数据,以逐渐缩小所述水管异常区域中的监测范围,最终定位水管异常位置。本发明通过在排水管网关键节点布设监测设备,快速锁定主要问题区域或管段,进而结合管道检测设备更准确、更直观、更全面地掌握管道渗漏真实状况。
Description
技术领域
本发明属于排水监测的技术领域,涉及一种排水管网的监测方法,特别是涉及一种排水管网的异常分析方法、***、介质及设备。
背景技术
排水***通常由排水管网和污水处理厂组成,其中排水管网是收集和输送污水的设施,把污水从产生处收集、输送至污水厂或出水口,包括排水设备、检查井、管渠、泵站等工程设施。根据生活污水、工业废水和雨水在一个区域内是否采用一套管道***来排除,一般可分为合流制和分流制两种排水体制。我国各城镇基本采用混合制排水***,即既有分流制也有合流制的排水***。
目前,我国很多地方的排水管网使用期限已达数十年,管网老旧、破损问题十分普遍,造成污水厂进水浓度偏低、进水水量低于设计规模等问题,极大地制约了排水***社会、环境和经济效益的充分发挥。排水管网渗漏问题产生的原因很多,材料方面的原因有管材和管件的强度或硬度不够、管道和管件有砂眼、管道安装完成后人为损坏等;施工方面的原因往往跟作业人员的技术和经验有很大关系,存在接口处清理不干净、砂浆配比不合理或填抹不密实等问题;环境方面的原因主要是由于气温变化较大,使得管材或管件由于热胀冷缩的应力作用而产生疲劳,增加了管道破损的几率。
如果排水管网发生渗漏问题,一方面管道中的污水或合流水会通过裂缝或断口漏损进入到环境中,可能会污染地下水环境,直接导致进入污水厂的污水水量显著降低;另一方面当地下水位高于管道埋深时,地下水会通过缝隙或裂口入渗进入到管道中,从而稀释污水或合流水浓度,直接导致进入污水厂污水浓度偏低,影响生化处理单元的效率及出水水质。传统的排水管网渗漏检测方法主要有目测法、QV检测法(Quick View Inspection,潜望镜检测法)、CCTV检测法(Closed Circuit Television,管道闭路电视检测法)和声呐***检测法。运用上述方法虽能准确而直观地反映出管道的渗漏情况,却耗费大量的人工和时间,特别对于某个城镇或片区而言无疑会有巨大的投入,在实际工程中实施起来存在一定的难度。
因此,为了能够及时发现、缩小并定位排水管网的渗漏区域或管段,以及初步判明管网渗漏的类型和严重程度,亟需开发一种高效、便捷且可靠的排水管网的监测方法。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种排水管网的异常分析方法、***、介质及设备,用于解决现有技术无法及时发现、缩小并定位排水管网的渗漏区域或管段,以及初步判明管网渗漏的类型和严重程度的问题。
为实现上述目的及其他相关目的,本发明一方面提供一种排水管网的异常分析方法,所述排水管网的异常分析方法包括:获取多个预设监测点的排水监测数据;根据所述排水监测数据的排水信息确定异常的预设监测点;针对所述异常的预设监测点定位水管异常区域;获取所述水管异常区域中新增的预设监测点的排水监测数据,以逐渐缩小所述水管异常区域中的监测范围,最终定位水管异常位置。
于本发明的一实施例中,获取多个预设监测点的排水监测数据的步骤包括:获取多个所述预设监测点在线检测的排水监测数据;所述在线检测的排水监测数据包括流量连续监测数据和在线排水取样数据;获取多个所述预设监测点离线检测的排水监测数据;所述离线检测的排水监测数据包括流量瞬时监测数据和离线排水取样数据;所述在线排水取样数据和离线排水取样数据用于水质指标的测定。
于本发明的一实施例中,所述排水信息包括特征因子信息、水量信息和水质信息;根据所述排水监测数据的排水信息确定异常的预设监测点的步骤包括:监测所述排水信息是否满足客水入渗条件或主水漏损条件,若是,则判定为异常的预设监测点;若否,不予处理。
于本发明的一实施例中,监测所述排水信息是否满足客水入渗条件的步骤包括:判断所述预设监测点内污水中检测到特征因子数值是否异常;判断所述预设监测点在低谷时段流量是否异常;判断所述预设监测点内污水的化学需氧量、氨氮含量指标和阴离子表面活性剂浓度是否异常。
于本发明的一实施例中,监测所述排水信息是否满足主水漏损条件的步骤包括:判断所述预设监测点内污水汇流处的流量与使用人均产污系数法计算得到的综合生活污水排放量与工业企业实际废水排放量之和的差距是否异常;判断所述预设监测点内高峰时段流量与低谷时段流量差距是否异常;判断同一时段内下游预设监测点中的流量与上游预设监测点中的流量差距是否异常。
于本发明的一实施例中,所述排水管网的异常分析方法还包括:利用管道检测设备对所述水管异常位置进行管道检测,确定引起所述水管异常位置的原因。
于本发明的一实施例中,所述排水管网的异常分析方法还包括:针对所述水管异常位置,向用户发出提示信息;所述提示方式包括异常报警。
本发明另一方面提供一种排水管网的异常分析***,所述排水管网的异常分析***包括:数据获取模块,用于获取多个预设监测点的排水监测数据;异常判断模块,用于根据所述排水监测数据的排水信息确定异常的预设监测点;异常筛查模块,用于针对所述异常的预设监测点定位水管异常区域;定位模块,用于获取所述水管异常区域中新增的预设监测点的排水监测数据,以逐渐缩小所述水管异常区域中的监测范围,最终定位水管异常位置。
本发明又一方面提供一种介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的排水管网的异常分析方法。
本发明最后一方面提供一种设备,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述设备执行所述的排水管网的异常分析方法。
如上所述,本发明所述的排水管网的异常分析方法、***、介质及设备,具有以下有益效果:
运用在排水管网关键节点布设监测设备的手段,快速锁定主要问题区域或管段,再利用潜望镜检测法或管道闭路电视检测管道***等管道检测设备,进而更准确、更直观、更全面地掌握管道渗漏真实状况。解决了排水管网渗漏位置定位和严重程度评估的问题,具有高效、便捷和可靠的特点。
附图说明
图1显示为本发明的排水管网的异常分析方法于一实施例中的原理流程图。
图2显示为本发明的排水管网的异常分析方法于一实施例中的数据获取流程图。
图3显示为本发明的排水管网的异常分析方法于一实施例中的客水入渗判断示意图。
图4显示为本发明的排水管网的异常分析方法于一实施例中的主水漏损判断示意图。
图5显示为本发明的排水管网的异常分析方法于一实施例中的排水管网示意图。
图6显示为本发明的排水管网的异常分析方法于一实施例中的异常分析与处理流程图。
图7显示为本发明的排水管网的异常分析***于一实施例中的结构原理图。
图8显示为本发明的排水管网的异常分析设备于一实施例中的结构连接示意图。
元件标号说明
7 排水管网的异常分析***
71 数据获取模块
72 异常判断模块
73 异常筛查模块
74 定位模块
8 设备
81 处理器
82 存储器
83 通信接口
84 ***总线
S11~S14 步骤
S111~S112 步骤
S61~S64 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明提供了一种在排水管网关键节点布设监测设备的方法,根据管网的拓扑结构逐步对入渗漏损状况进行定量评估诊断,快速锁定主要问题区域或管段,进而更准确、更直观、更全面地掌握管道渗漏真实状况。
以下将结合图1至图8详细阐述本实施例的一种排水管网的异常分析方法、***、介质及设备的原理及实施方式,使本领域技术人员不需要创造性劳动即可理解本实施例的排水管网的异常分析方法、***、介质及设备。
请参阅图1,显示为本发明的排水管网的异常分析方法于一实施例中的原理流程图。如图1所示,所述排水管网的异常分析方法具体包括以下几个步骤:
S11,获取多个预设监测点的排水监测数据。
具体地,在获取排水监测数据之前,收集城镇排水管网现状资料,梳理截污主干管-干管-支管的拓扑结构,根据排水分区划分情况,按照“一级分区、二级分区和小区地块”三个层级逐步选定预设监测点,以逐步缩小监测范围,对入渗漏损状况进行定量评估诊断。
请参阅图2,显示为本发明的排水管网的异常分析方法于一实施例中的数据获取流程图。
如图2所示,S11包括:
S111,获取多个所述预设监测点在线检测的排水监测数据;所述在线检测的排水监测数据包括流量连续监测数据和在线排水取样数据。
具体地,在线监测具有布设后无人值守的特点,包括流量连续监测和在线取样。通过流量连续监测获取流量连续监测数据,通过在线取样预设监测点的水样本之后,利用水质检测仪器进行水质检测,获取在线排水取样数据。
S112,获取多个所述预设监测点离线检测的排水监测数据;所述离线检测的排水监测数据包括流量瞬时监测数据和离线排水取样数据。
具体地,离线监测需工作人员定时定点蹲守,包括流量瞬时监测和离线取样。通过流量瞬时监测获取流量瞬时监测数据,通过离线取样预设监测点的水样本之后,通过水质检测仪器进行水质检测,获取离线排水取样数据。流量连续监测与流量瞬时监测的区别在于监测时间段的长度不同。例如,流量连续监测以天数为监测时段,流量瞬时监测以小时数为监测时段。
进一步地,流量连续监测时间一般为2~3天,流量瞬时监测时间一般为1~2小时;水质监测与流量监测同步进行,可选其中1天,取样时间段一般为凌晨(1:00-4:00)、早高峰(6:00-9:00)和晚高峰(17:00-20:00)。
在本实施例中,所述在线排水取样数据和离线排水取样数据用于水质指标的测定。水质指标包括COD(Chemical Oxygen Demand,化学需氧量)、NH3-N氨氮含量指标、LAS(烷基苯磺酸钠-阴离子表面活性剂浓度)和特征因子。对于不同城市,应采集项目所在地的地下水样,检测特征因子(铁离子、锰离子或氟离子)的浓度并筛选出含量最高的一项指标作为特征因子。
具体地,在合流制管道和分流制污水管中,所述预设监测点为截污主干管、干管和支管管道上下游一定距离处、水量集中汇入点、已探明主要渗漏管段等设置的检查井。
需要说明的是,排水监测数据需在无降水量产生的天气条件下获取,以排除天气对数据检测产生的干扰。流量监测和水样采集均在检查井内完成。
S12,根据所述排水监测数据的排水信息确定异常的预设监测点。
在本实施例中,所述排水信息包括特征因子信息、水量信息和水质信息。监测所述排水信息是否满足客水入渗条件或主水漏损条件,若是,则判定为异常的预设监测点;若否,不予处理。
请参阅图3,显示为本发明的排水管网的异常分析方法于一实施例中的客水入渗判断示意图。如图3所示,客水入渗由多种方法结合进行判断。此处的客水入渗主要是指地下水入侵、河湖等地表水侧向补给、漏损自来水入流的现象。
客水入渗的主监测方法为:判断所述预设监测点内污水中检测到特征因子数值是否异常。
具体地,“判断所述预设监测点内污水中检测到特征因子数值是否异常”通过地下水入渗流量与检查井处污水流量的比值是否大于15%来判断。
管道中污水的特征因子浓度可忽略不计,根据质量守恒定理:
Cs·Qs=Cn·(Qs+Qn) 公式(1)
Qs/Qn=Cn/(Cs-Cn) 公式(2)
其中,Cs表示当地的地下水特征因子浓度,mg/L;Qs表示入渗地下水的流量,m3/d;Cn表示检查井Mn处测得的特征因子浓度,mg/L;Qn表示检查井Mn处的污水流量,m3/d。
如果地下水入渗流量Qs与检查井M1处污水流量Q1的比值大于15%,即Qs/Q1>0.15,则可认为该检查井上游管段存在客水入渗的情况。
客水入渗的一种辅助检测方法为:判断所述预设监测点在低谷时段流量是否异常。某检查井在低谷时段流量异常偏高,表明该检查井上游管段可能存在客水入渗的情况。
客水入渗的另一种辅助检测方法为:判断所述预设监测点内污水的化学需氧量、氨氮含量指标和阴离子表面活性剂浓度是否异常。某检查井内污水的化学需氧量、氨氮含量指标和阴离子表面活性剂浓度异常偏低,表明该检查井上游管段可能存在客水入渗的情况。
请参阅图4,显示为本发明的排水管网的异常分析方法于一实施例中的主水漏损判断示意图。如图4所示,主水漏损由多种方法结合进行判断。此处的主水漏损主要是指管道内的合流水或污水透过破损处漏失进入周边环境中的现象。
主水漏损的主监测方法为:判断所述预设监测点内污水汇流处的流量与使用人均产污系数法计算得到的综合生活污水排放量与工业企业实际废水排放量之和的差距是否异常。具体通过某检查井处实际测得的污水流量Qs与公式(3)计算的理论污水排放量QL的比值是否小于85%来判断。
QL=0.001q·N·η·λ+Qg 公式(3)
其中,QL表示某片区或小区理论污水排放量,m3/d;q表示平均日综合生活用水定额,L/(人·d);N表示某片区或小区内居住的人口总数,人;η表示折污系数,%,一般取80%~90%;λ表示生活污水收集处理率,%;Qg表示工业废水实际排放量,m3/d。
如果某检查井处实际测得的污水流量Qs与理论污水排放量QL的比值小于85%,即Qs/QL<0.85,则可认为该检查井上游管段存在主水漏损的情况。
主水漏损的一种辅助检测方法为:判断所述预设监测点内高峰时段流量与低谷时段流量差距是否异常。某检查井内高峰时段流量与低谷时段流量相差不大,表明该检查井上游管段可能存在主水漏损的情况。
主水漏损的另一种辅助检测方法为:判断同一时段内下游预设监测点中的流量与上游预设监测点中的流量差距是否异常。同一时段内下游某检查井中的流量比上游某检查井小很多,表明该检查井上游管段可能存在主水漏损的情况。
S13,针对所述异常的预设监测点定位水管异常区域。
S14,获取所述水管异常区域中新增的预设监测点的排水监测数据,以逐渐缩小所述水管异常区域中的监测范围,最终定位水管异常位置。
在本实施例中,利用管道检测设备对所述水管异常位置进行管道检测,确定引起所述水管异常位置的原因,并对管道的严重程度进行评估。
具体地,利用潜望镜检测法或管道闭路电视检测***,进而更准确、更直观、更全面地掌握管道渗漏真实状况。潜望镜检测法是一种采用管道潜望镜在检查井内对管道进行检测的方法,不仅能够解决摄像距离满足不了管道长度以及上传速率太过缓慢不能同步的问题,而且能够准确判断管道材质缺陷、腐蚀程度及具***置,其检测结果可以作为管道健康状况的评估依据。管道闭路电视检测***在管道内进行录像拍摄,利用闭路电视采集图像,通过有线传输方式,进行直观影像显示和记录。
需要说明的是,除潜望镜检测法或管道闭路电视检测***之外,其他的如管道声呐仪检测等可实现管道检测的方法均包含在本发明保护的范围内。
在本实施例中,针对所述水管异常位置,向用户发出提示信息;所述提示方式包括异常报警。
请参阅图5,显示为本发明的排水管网的异常分析方法于一实施例中的排水管网示意图。如图5所示,在某地级市中心城区的片区A是合流制排水***,计划进行排水***提质增效改造工程。为了解该片区排水管网渗漏情况,选取总长度为316米的合流管,在其上游来水处M1、小区接入市政管道处M2和M3、入湖排口处M4布点监测水量和水质。
请参阅图6,显示为本发明的排水管网的异常分析方法于一实施例中的异常分析与处理流程图。如图6所示,显示了针对排水管网从数据监测到异常位置确定以及针对异常的处理方法。
S61,针对异常的预设监测点定位水管异常区域。
首先应在项目范围内选择两处及以上不同位置取得地下水水样,测定其所含铁离子、锰离子和氟离子的背景浓度值,筛选出浓度最高的一项指标作为特征因子。
结合项目所在地的现状管网资料,按照污水分区进行分片,选择截污主干管和干管每隔一定距离处、排水大户接入市政管道处、地下水位较高处或河湖沿岸排口处,作为水量和水质监测点位。对具体监测要求进行列表管理,形成表1,一般在三天左右可以完成整个监测流程。
表1管道监测要求表
其上游来水处M1、小区接入市政管道处M2和M3、入湖排口处M4布点监测水量和水质,将水质监测结果进行列表管理,形成表2。当地的地下水特征因子两次监测结果分别为1.11mg/L和1.15mg/L。
表2片区A管道水质监测结果
需要说明的是,M4测得的是排口污水与湖水的混合水质。
S62,确定水管异常位置。在定位水管异常的大致区域后,缩小问题管段所处区域,在缩小后的区域重新进行加密布点监测,经过几轮监测和诊断后,可确定渗漏管段和严重程度。
通过分析可以发现,M1在晚高峰时的特征因子浓度为0.31mg/L,异常偏高,且晚高峰和凌晨时段污水中的COD浓度相差不大,表明M1上游来水中可能存在地下水入渗现象。当地的地下水特征因子浓度取两次监测结果的平均值1.13mg/L,根据公式(2),代入具体数值计算后可得:Qs/Q1=C1/(Cs-C1)=0.31/(1.13-0.31)=0.38>0.15。检查井M1处地下水入渗量为0.38Q1,其污水来源于上游管段,因此为进一步定位问题管段,需在检查井M1上游布点监测水量和水质。
检查井M2和M3是小区接入市政管网的连接点,水质与生活污水比较接近,凌晨测得的COD、氨氮和LAS基本都略低于晚高峰时段。但M2在凌晨时段的特征因子浓度异常偏高,根据公式(2),代入具体数值计算后可得:Qs/Q2=C2/(Cs-C2)=0.17/(1.13-0.17)=0.18>0.15。检查井M2处地下水入渗量为0.18Q2,其污水来源为小区和上游管段,为进一步定位问题管段,需在检查井M2上游布点监测水量和水质。
M4由于排口直接伸入湖中,只能取得污水与湖水的混合水样,氨氮浓度较高,污水晴天直排对水体有一定的污染。
通过检查井M1上游布点监测水量和水质和检查井M2上游布点监测水量和水质进一步确定水管异常位置。
S63,利用管道检测设备对所述水管异常位置进行管道检测,确定引起所述水管异常位置的原因。通过潜望镜检测法或管道闭路电视检测***对所述水管异常位置进行管道检测,获取管内视频资料进行管道异常原因的分析。
S64,针对所述水管异常位置,向用户发出提示信息;所述提示方式包括异常报警。具体地,向用户发出声光报警或通过界面弹出的形式向用户呈现水管异常位置以及水管异常原因等信息。
本发明所述的排水管网的异常分析方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本实施例提供一种计算机存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述排水管网的异常分析方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的计算机可读存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的计算机存储介质。
以下将结合图示对本实施例所提供的排水管网的异常分析***进行详细描述。需要说明的是,应理解以下***的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如:某一模块可以为单独设立的处理元件,也可以集成在下述***的某一个芯片中实现。此外,某一模块也可以以程序代码的形式存储于下述***的存储器中,由下述***的某一个处理元件调用并执行以下某一模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以下各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
以下这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),一个或多个数字信号处理器(Digital Signal Processor,简称DSP),一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。当以下某个模块通过处理元件调用程序代码的形式实现时,该处理元件可以是通用处理器,如中央处理器(Central ProcessingUnit,简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起,以片上***(System-on-a-chip,简称SOC)的形式实现。
请参阅图7,显示为本发明的排水管网的异常分析***于一实施例中的结构原理图。如图7所示,所述排水管网的异常分析***7包括:数据获取模块71、异常判断模块72、异常筛查模块73和定位模块74。
所述数据获取模块71用于获取多个预设监测点的排水监测数据。
在本实施例中,所述数据获取模块71具体用于获取多个所述预设监测点在线检测的排水监测数据;所述在线检测的排水监测数据包括流量连续监测数据和在线排水取样数据;获取多个所述预设监测点离线检测的排水监测数据;所述离线检测的排水监测数据包括流量瞬时监测数据和离线排水取样数据;所述在线排水取样数据和离线排水取样数据用于水质指标的测定。
所述异常判断模块72用于根据所述排水监测数据的排水信息确定异常的预设监测点。
在本实施例中,所述异常判断模块72具体用于监测所述排水信息是否满足客水入渗条件或主水漏损条件,若是,则判定为异常的预设监测点;若否,不予处理。
所述异常筛查模块73用于针对所述异常的预设监测点定位水管异常区域。
所述定位模块74用于获取所述水管异常区域中新增的预设监测点的排水监测数据,以逐渐缩小所述水管异常区域中的监测范围,最终定位水管异常位置。
在本实施例中,所述排水管网的异常分析***还包括管道检测模块,所述管道检测模块用于利用管道检测设备对所述水管异常位置进行管道检测,确定引起所述水管异常位置的原因。
在本实施例中,所述排水管网的异常分析***还包括异常报警模块,所述异常报警模块用于针对所述水管异常位置,向用户发出提示信息;所述提示方式包括异常报警。
本发明所述的排水管网的异常分析***可以实现本发明所述的排水管网的异常分析方法,但本发明所述的排水管网的异常分析方法的实现装置包括但不限于本实施例列举的排水管网的异常分析***的结构,凡是根据本发明的原理所做的现有技术的结构变形和替换,都包括在本发明的保护范围内。
请参阅图8,显示为本发明的排水管网的异常分析设备于一实施例中的结构连接示意图。如图8所示,本实施例提供一种设备8,所述设备8包括:处理器81、存储器82、通信接口83或/和***总线84;存储器82和通信接口83通过***总线84与处理器81连接并完成相互间的通信,存储器82用于存储计算机程序,通信接口83用于和其他设备进行通信,处理器81用于运行计算机程序,使所述设备8执行所述排水管网的异常分析方法的各个步骤。
上述提到的***总线84可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该***总线可以分为地址总线、数据总线、控制总线等。通信接口83用于实现数据库访问装置与其他设备(如客户端、读写库和只读库)之间的通信。存储器82可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器81可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Alication SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述,本发明所述排水管网的异常分析方法、***、介质及设备运用在排水管网关键节点布设监测设备的手段,快速锁定主要问题区域或管段,再利用潜望镜检测法或管道闭路电视检测管道***等管道检测设备,进而更准确、更直观、更全面地掌握管道渗漏真实状况。解决了排水管网渗漏位置定位和严重程度评估的问题,具有高效、便捷和可靠的特点。。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种排水管网的异常分析方法,其特征在于,所述排水管网的异常分析方法包括:
获取多个预设监测点的排水监测数据;
根据所述排水监测数据的排水信息确定异常的预设监测点;
针对所述异常的预设监测点定位水管异常区域;
获取所述水管异常区域中新增的预设监测点的排水监测数据,以逐渐缩小所述水管异常区域中的监测范围,最终定位水管异常位置。
2.根据权利要求1所述的排水管网的异常分析方法,其特征在于,获取多个预设监测点的排水监测数据的步骤包括:
获取多个所述预设监测点在线检测的排水监测数据;所述在线检测的排水监测数据包括流量连续监测数据和在线排水取样数据;
获取多个所述预设监测点离线检测的排水监测数据;所述离线检测的排水监测数据包括流量瞬时监测数据和离线排水取样数据;
所述在线排水取样数据和离线排水取样数据用于水质指标的测定。
3.根据权利要求1所述的排水管网的异常分析方法,其特征在于,所述排水信息包括特征因子信息、水量信息和水质信息;根据所述排水监测数据的排水信息确定异常的预设监测点的步骤包括:
监测所述排水信息是否满足客水入渗条件或主水漏损条件,若是,则判定为异常的预设监测点;若否,不予处理。
4.根据权利要求3所述的排水管网的异常分析方法,其特征在于,监测所述排水信息是否满足客水入渗条件的步骤包括:
判断所述预设监测点内污水中检测到特征因子数值是否异常;
判断所述预设监测点在低谷时段流量是否异常;
判断所述预设监测点内污水的化学需氧量、氨氮含量指标和阴离子表面活性剂浓度是否异常。
5.根据权利要求3所述的排水管网的异常分析方法,其特征在于,监测所述排水信息是否满足主水漏损条件的步骤包括:
判断所述预设监测点内污水汇流处的流量与使用人均产污系数法计算得到的综合生活污水排放量与工业企业实际废水排放量之和的差距是否异常;
判断所述预设监测点内高峰时段流量与低谷时段流量差距是否异常;
判断同一时段内下游预设监测点中的流量与上游预设监测点中的流量差距是否异常。
6.根据权利要求1所述的排水管网的异常分析方法,其特征在于,所述排水管网的异常分析方法还包括:
利用管道检测设备对所述水管异常位置进行管道检测,确定引起所述水管异常位置的原因。
7.根据权利要求1所述的排水管网的异常分析方法,其特征在于,所述排水管网的异常分析方法还包括:
针对所述水管异常位置,向用户发出提示信息;所述提示方式包括异常报警。
8.一种排水管网的异常分析***,其特征在于,所述排水管网的异常分析***包括:
数据获取模块,用于获取多个预设监测点的排水监测数据;
异常判断模块,用于根据所述排水监测数据的排水信息确定异常的预设监测点;
异常筛查模块,用于针对所述异常的预设监测点定位水管异常区域;
定位模块,用于获取所述水管异常区域中新增的预设监测点的排水监测数据,以逐渐缩小所述水管异常区域中的监测范围,最终定位水管异常位置。
9.一种介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的排水管网的异常分析方法。
10.一种设备,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述设备执行如权利要求1至7中任一项所述的排水管网的异常分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341806.2A CN111501953A (zh) | 2020-04-27 | 2020-04-27 | 排水管网的异常分析方法、***、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341806.2A CN111501953A (zh) | 2020-04-27 | 2020-04-27 | 排水管网的异常分析方法、***、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111501953A true CN111501953A (zh) | 2020-08-07 |
Family
ID=71867963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010341806.2A Pending CN111501953A (zh) | 2020-04-27 | 2020-04-27 | 排水管网的异常分析方法、***、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111501953A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113803646A (zh) * | 2021-09-01 | 2021-12-17 | 长江生态环保集团有限公司 | 适用于缺陷管道排查的排水管网监测布点方法 |
CN114240127A (zh) * | 2021-12-14 | 2022-03-25 | 云南省设计院集团有限公司 | 基于水质水量诊断分析的城镇污水提质增效评估方法 |
CN114422562A (zh) * | 2022-02-08 | 2022-04-29 | 北京城建设计发展集团股份有限公司 | 一种交通排水液位分析***、方法及电子设备 |
CN114963023A (zh) * | 2021-12-27 | 2022-08-30 | 长沙理工大学 | 一种污水管网外水渗漏检测方法 |
CN116046703A (zh) * | 2023-03-28 | 2023-05-02 | 中国市政工程华北设计研究总院有限公司 | 一种基于居民生活排污规律的外水入流入渗快速诊断方法 |
CN116091035A (zh) * | 2022-12-21 | 2023-05-09 | 合肥中科国禹智能工程有限公司 | 一种城市排水智能化监测布点***及方法 |
CN117071706A (zh) * | 2023-08-18 | 2023-11-17 | 东营市市政工程有限公司 | 一种市政道路用排水管网控制*** |
CN118130745A (zh) * | 2024-05-08 | 2024-06-04 | 芯视界(北京)科技有限公司 | 排水管网监测方法、装置、电子设备及存储介质 |
CN118130744A (zh) * | 2024-05-08 | 2024-06-04 | 芯视界(北京)科技有限公司 | 排水管网监测方法及装置、电子设备和存储介质 |
CN118130745B (zh) * | 2024-05-08 | 2024-07-05 | 芯视界(北京)科技有限公司 | 排水管网监测方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100801684B1 (ko) * | 2006-12-05 | 2008-02-11 | 이성우 | 감지수단이 구비된 분류식 하수관거 |
CN102033969A (zh) * | 2009-09-29 | 2011-04-27 | Sgi工程有限公司 | 供水管网管理***及方法 |
CN105070016A (zh) * | 2015-08-13 | 2015-11-18 | 唐山现代工控技术有限公司 | 一种地下管网漏水监测的方法及装置 |
CN108871463A (zh) * | 2018-05-01 | 2018-11-23 | 天津格瑞安环保科技有限公司 | 污水管网地下水入渗量分析方法 |
CN110196083A (zh) * | 2019-05-21 | 2019-09-03 | 浙江清环智慧科技有限公司 | 排水管网污染路径的监测识别方法、装置及电子设备 |
CN110245411A (zh) * | 2019-06-10 | 2019-09-17 | 山东建筑大学 | 一种城镇集中供热***及泄漏点检测方法 |
CN110851774A (zh) * | 2019-10-30 | 2020-02-28 | 杭州电子科技大学 | 一种城市供水管网的漏损估计方法 |
CN110985892A (zh) * | 2019-12-12 | 2020-04-10 | 上海邦芯物联网科技有限公司 | 一种供水管网监测***及方法 |
-
2020
- 2020-04-27 CN CN202010341806.2A patent/CN111501953A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100801684B1 (ko) * | 2006-12-05 | 2008-02-11 | 이성우 | 감지수단이 구비된 분류식 하수관거 |
CN102033969A (zh) * | 2009-09-29 | 2011-04-27 | Sgi工程有限公司 | 供水管网管理***及方法 |
CN105070016A (zh) * | 2015-08-13 | 2015-11-18 | 唐山现代工控技术有限公司 | 一种地下管网漏水监测的方法及装置 |
CN108871463A (zh) * | 2018-05-01 | 2018-11-23 | 天津格瑞安环保科技有限公司 | 污水管网地下水入渗量分析方法 |
CN110196083A (zh) * | 2019-05-21 | 2019-09-03 | 浙江清环智慧科技有限公司 | 排水管网污染路径的监测识别方法、装置及电子设备 |
CN110245411A (zh) * | 2019-06-10 | 2019-09-17 | 山东建筑大学 | 一种城镇集中供热***及泄漏点检测方法 |
CN110851774A (zh) * | 2019-10-30 | 2020-02-28 | 杭州电子科技大学 | 一种城市供水管网的漏损估计方法 |
CN110985892A (zh) * | 2019-12-12 | 2020-04-10 | 上海邦芯物联网科技有限公司 | 一种供水管网监测***及方法 |
Non-Patent Citations (1)
Title |
---|
吴倩等: "《中国城市水效管理》", 30 September 2014 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113803646A (zh) * | 2021-09-01 | 2021-12-17 | 长江生态环保集团有限公司 | 适用于缺陷管道排查的排水管网监测布点方法 |
CN114240127A (zh) * | 2021-12-14 | 2022-03-25 | 云南省设计院集团有限公司 | 基于水质水量诊断分析的城镇污水提质增效评估方法 |
CN114240127B (zh) * | 2021-12-14 | 2022-06-21 | 云南省设计院集团有限公司 | 基于水质水量诊断分析的城镇污水提质增效评估方法 |
CN114963023A (zh) * | 2021-12-27 | 2022-08-30 | 长沙理工大学 | 一种污水管网外水渗漏检测方法 |
CN114422562A (zh) * | 2022-02-08 | 2022-04-29 | 北京城建设计发展集团股份有限公司 | 一种交通排水液位分析***、方法及电子设备 |
CN114422562B (zh) * | 2022-02-08 | 2022-09-23 | 北京城建设计发展集团股份有限公司 | 一种交通排水液位分析***、方法及电子设备 |
CN116091035A (zh) * | 2022-12-21 | 2023-05-09 | 合肥中科国禹智能工程有限公司 | 一种城市排水智能化监测布点***及方法 |
CN116046703A (zh) * | 2023-03-28 | 2023-05-02 | 中国市政工程华北设计研究总院有限公司 | 一种基于居民生活排污规律的外水入流入渗快速诊断方法 |
CN117071706A (zh) * | 2023-08-18 | 2023-11-17 | 东营市市政工程有限公司 | 一种市政道路用排水管网控制*** |
CN117071706B (zh) * | 2023-08-18 | 2024-03-08 | 东营市市政工程有限公司 | 一种市政道路用排水管网控制*** |
CN118130745A (zh) * | 2024-05-08 | 2024-06-04 | 芯视界(北京)科技有限公司 | 排水管网监测方法、装置、电子设备及存储介质 |
CN118130744A (zh) * | 2024-05-08 | 2024-06-04 | 芯视界(北京)科技有限公司 | 排水管网监测方法及装置、电子设备和存储介质 |
CN118130745B (zh) * | 2024-05-08 | 2024-07-05 | 芯视界(北京)科技有限公司 | 排水管网监测方法、装置、电子设备及存储介质 |
CN118130744B (zh) * | 2024-05-08 | 2024-07-09 | 芯视界(北京)科技有限公司 | 排水管网监测方法及装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111501953A (zh) | 排水管网的异常分析方法、***、介质及设备 | |
CN111667168B (zh) | 一种基于液位监测诊断排水***运行状态的方法 | |
CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
CN110196083B (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
Zhao et al. | Pin-pointing groundwater infiltration into urban sewers using chemical tracer in conjunction with physically based optimization model | |
CN113111478B (zh) | 排水***管网混接与入流、入渗程度的评估方法及设备 | |
Beheshti et al. | Infiltration/inflow assessment and detection in urban sewer system | |
Le Gauffre et al. | Performance indicators and multicriteria decision support for sewer asset management | |
CN113836622B (zh) | 一种基于gis+bim的排水管网信息管理与综合应用*** | |
CN115168448A (zh) | 一种基于gis的排水管网问题诊断装置和方法 | |
CN113902172A (zh) | 一种污水处理方法、***、装置及介质 | |
Xue et al. | Application of acoustic intelligent leak detection in an urban water supply pipe network | |
CN212620879U (zh) | 一种市政污水管网健康状况的监控设备 | |
Mulenga et al. | Investigating the root causes of major failures of critical components–With a case study of asbestos cement pipes | |
KR100538445B1 (ko) | 통합형 하수관거 운영/모니터링 시스템 및 그 방법 | |
Granados et al. | A systematic review of wastewater monitoring and its applications in urban drainage systems | |
CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
CN115650327A (zh) | 一种城镇污水***旱天外水入流的剥离方法 | |
Sumer et al. | Real-time detection of sanitary sewer overflows using neural networks and time series analysis | |
CN111932162A (zh) | 一种面向管网排水计算的市政排水资料质量综合评估方法 | |
Huang et al. | Establishment of a large-diameter pipeline failure risk matrix in water distribution systems in Taiwan | |
Chen et al. | Design of Water Pollution Source Traceability System for Surface Water Pipe Network | |
Song et al. | Failure investigation of water distribution systems in a large city in China based on the pipe failure database | |
CN117805338B (zh) | 一种建筑供水管网水质实时在线监测方法及*** | |
KR20200036125A (ko) | 무단방류에 대한 환경감시 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200807 |
|
RJ01 | Rejection of invention patent application after publication |