CN113418146A - 一种用于供水管网的漏损辅助定位控制方法 - Google Patents
一种用于供水管网的漏损辅助定位控制方法 Download PDFInfo
- Publication number
- CN113418146A CN113418146A CN202110883606.4A CN202110883606A CN113418146A CN 113418146 A CN113418146 A CN 113418146A CN 202110883606 A CN202110883606 A CN 202110883606A CN 113418146 A CN113418146 A CN 113418146A
- Authority
- CN
- China
- Prior art keywords
- pressure
- leakage
- suspicious
- water supply
- nodes
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 230000035945 sensitivity Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 abstract description 2
- 238000004904 shortening Methods 0.000 abstract 1
- 238000003064 k means clustering Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 239000013604 expression vector Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 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
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
Images
Classifications
-
- 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
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及一种用于供水管网的漏损辅助定位控制方法,具体包括以下步骤:S1、获取需要布置的压力计的数量,根据压力计的数量在供水管网中设置分布相应的数量的压力计;S2、采集供水管网的实时监测数据,根据实时监测数据确定可疑压力计;S3、获取可疑压力计所在监测路径上的全部节点,计算全部节点的拟合指数并排序,生成可疑漏点列表;S4、通过多维高阶向量分析算法对可疑漏点列表进行核查,输出检测出的漏损点及相应的漏失水量。与现有技术相比,本发明具有通过保证***数据的准确和高时效性、完善管网压力监测面、有效缩短漏点的发现时间,提高抢修效率等优点。
Description
技术领域
本发明涉及供水管理技术领域,尤其是涉及一种用于供水管网的漏损辅助定位控制方法。
背景技术
由于城市规模的扩大和无法预测的人为因素或自然因素的原因,城市的供水管网不可避免地会遭到一定程度的破坏,从而造成自来水的漏失,如何使用最小的代价定位出漏损区域成为供水管网管理中必须解决的问题。供水管网漏损辅助定位依托于分区计量,目前已完成了分区计量管理***,但是缺少根据分区计量的数据进行分析,无法对漏损区域进行及时定位,只能通过现场的反馈才能了解到大致的漏水位置及漏水量,导致应对方案和应对时间缺乏灵活性,效率较低。
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无法对漏损区域进行及时定位的缺陷而提供一种用于供水管网的漏损辅助定位控制方法。
本发明的目的可以通过以下技术方案来实现:
一种用于供水管网的漏损辅助定位控制方法,具体包括以下步骤:
S1、获取需要布置的压力计的数量,根据所述压力计的数量在供水管网中设置分布相应的数量的压力计;
S2、采集供水管网的实时监测数据,根据实时监测数据确定可疑压力计;
S3、获取可疑压力计所在监测路径上的全部节点,计算全部节点的拟合指数并排序,生成可疑漏点列表;
S4、通过多维高阶向量分析算法对可疑漏点列表进行核查,输出检测出的漏损点及相应的漏失水量。
所述步骤S1中设置分布相应的数量的压力计的过程包括以下步骤:
S11、供水管网进行分区,使得分区数等于需要布置的压力计的数量;
S12、在每个分区中的每个节点增加一个较小流量,计算每个节点压力变化的灵敏度,并按照灵敏度的大小进行排序;
S13、根据灵敏度的排序结果将压力计放置在各区域内灵敏度最高的节点上。
进一步地,所述步骤S12中通过k-means聚类布点算法计算节点压力变化的灵敏度。
进一步地,所述步骤S13中灵敏度最高的节点具体为k-means聚类布点算法中多个簇的质心。
所述步骤S1中通过搜索布点算法在供水管网中布设压力计。
所述实时监测数据包括供水管网的压力数据和流量数据,通过供水管网已建立的水力模型***和SCADA***进行采集。
所述步骤S2中根据实时监测数据确定可疑压力计的过程包括以下步骤:
S21、根据实时监测数据,计算每个压力计的实测值和模拟值的差值;
S22、根据计算得到的差值对压力计进行排序;
S23、在排序结果中排序靠前的预设数量的压力计作为可疑压力计。
所述步骤S3中生成可疑漏点列表的过程包括以下步骤:
S31、获取经过可疑压力计的所有节点;
S32、计算全部节点的漏水概率的拟合指数并排序;
S33、根据拟合指数的排序结果生成可疑漏点列表。
进一步地,所述可疑漏点列表中节点按照漏水概率由高到低进行排序。
所述步骤S4中漏失水量的计算公式如下所示:
其中,QL是漏点流量(m3/s),C1为覆土对漏水出流的影响,折算为修正系数,C2为流量系数,A为漏水孔面积(m2),H为漏水孔压力(m),g为重力加速度。
与现有技术相比,本发明具有以下有益效果:
本发明通过关联水力模型和SCADA***的实时监测数据,保证***数据的准确和高时效性;通过布点算法自动给出压力计安装位置,指导管网测压点的部署,完善管网压力监测面;通过建立多维高阶向量分析算法,预先拟合各个节点不同漏水量下的压力变化情况,并与实际压力流量数据关联分析,判定最可疑漏水点,并给出可疑漏水点清单,有效缩短了漏点的发现时间,提高了抢修效率。
附图说明
图1为本发明的流程示意图;
图2为本发明实施例中k-means聚类布点算法的流程示意图;
图3为本发明实施例中搜索布点算法的流程示意图;
图4为本发明实施例中多维高阶向量分析算法建模的流程示意图;
图5为本发明实施例中多维高阶向量分析算法漏点检测的流程示意图。
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。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
如图1所示,一种用于供水管网的漏损辅助定位控制方法,具体包括以下步骤:
S1、获取需要布置的压力计的数量,根据压力计的数量在供水管网中设置分布相应的数量的压力计;
S2、采集供水管网的实时监测数据,根据实时监测数据确定可疑压力计;
S3、获取可疑压力计所在监测路径上的全部节点,计算全部节点的拟合指数并排序,生成可疑漏点列表;
S4、通过多维高阶向量分析算法对可疑漏点列表进行核查,输出检测出的漏损点及相应的漏失水量。
本实施例中,压力计的布点依据权重可以调整,也可以指定不允许布置压力计的节点,节点信息通过Excel列表形式由程序读取,节点信息包括节点编号、节点名称和节点坐标。
步骤S1中设置分布相应的数量的压力计的过程包括以下步骤:
S11、供水管网进行分区,使得分区数等于需要布置的压力计的数量;
S12、在每个分区中的每个节点增加一个较小流量,计算每个节点压力变化的灵敏度,并按照灵敏度的大小进行排序;
S13、根据灵敏度的排序结果将压力计放置在各区域内灵敏度最高的节点上。
步骤S12中通过k-means聚类布点算法计算节点压力变化的灵敏度。
步骤S13中灵敏度最高的节点具体为k-means聚类布点算法中多个簇的质心。
本实施例中,如图2所示,通过k-means聚类布点算法为供水管网***布置压力传感器。K-means聚类一种基于划分的聚类算法,以k为参数,把n个数据对象分成k个簇,使簇内具有较高的相似度,而簇间的相似度较低。对于压力敏感度,node1对其他节点的敏感度指的是node1水压发生变化,使得其他节点的压力受影响的程度,用向量表示,假设网络中有n个节点,分别用node1、node2、…、noden表示,那么node1对其他节点的敏感度向量表示如下:
其中,ΔPnode1~ΔPnoden为相应节点的压力差,网络的敏感度矩阵就可以表示为M=(x1,x2,…,xn)T。
具体实施时,实现以下步骤:
(1)首先,通过对位置点聚类,将整个管网区域按照距离远近划分成若干区域(假设划分成m个区域);
(2)然后对每个分区选择n个点放置压力计,这n个点是通过对该分区的压力敏感度矩阵的行向量进行k-means聚类得到的,k-means算法会将x1,x2,x3,…,xn中欧式距离最近的向量聚为一簇,如果欧式向量距离近,说明他们发生漏水时,对其他节点压力的影响是很相近的;
(3)最后,通过k-means聚类,将对其他节点影响类似的节点聚为一簇,并得到n个簇,然后找到这n个簇的质心作为放置压力计的位置。
步骤S1中通过搜索布点算法在供水管网中布设压力计。
本实施例中,如图3所示,通过搜索布点算法从已经布设好的压力计逐步推向整个供水管网,每次从已布设的压力计的周围选择一个收益最高的节点,为该节点布设压力计,如此往复,直到整个管网布置好压力计。
在搜索布点算法中,观察值为某个节点的观察值指的是已布置压力计对该节点的观测能力,观察值越大说明这个节点的水压变化对压力计的影响越大,观察值以压力计点为100%,向周围节点衰减,衰减的计算公式为:观察值衰减量=高程变化量*系数+管长*系数+管径*系数。
具体实施时,假设供水管网总共n个节点,需要布置m个压力计,搜索布点算法实现以下步骤:
(1)从水厂出水口处布置第一个压力计;
(2)设置已布压力计的点观察值为100%;
(3)根据衰减公式更新整个管网剩余n-1个点的观察值;
(4)选取观察值衰减到1%到20%的点集合P;
(5)对于P中的每个点p,计算如果在p点布设压力计,会对整个管网产生多少观察值的增量,选择增量最大的一个点x;
(6)在x点布设压力计,并回到2,直到已布设的压力计达到要求数量m。
实时监测数据包括供水管网的压力数据和流量数据,通过供水管网已建立的水力模型***和SCADA***进行采集。
步骤S2中根据实时监测数据确定可疑压力计的过程包括以下步骤:
S21、根据实时监测数据,计算每个压力计的实测值和模拟值的差值;
S22、根据计算得到的差值对压力计进行排序;
S23、在排序结果中排序靠前的预设数量的压力计作为可疑压力计。
步骤S3中生成可疑漏点列表的过程包括以下步骤:
S31、获取经过可疑压力计的所有节点;
S32、计算全部节点的漏水概率的拟合指数并排序;
S33、根据拟合指数的排序结果生成可疑漏点列表。
可疑漏点列表中节点按照漏水概率由高到低进行排序。
本实施例中,如图4所示,通过多维高阶向量分析算法,利用压力计的模拟压力训练一个用于漏点检测的模型,具体实现以下步骤:
(1)将节点x1的需水量提高50,运行管网模拟,将所有压力计的水压及50形成一个点P1=(p1,p2,p3,...,50);
(2)将节点x1的需水量提高60,运行管网模拟,将所有压力计的水压及60形成一个点P2=(p1,p2,p3,...,60);
(3)将节点x1的需水量提高70,运行管网模拟,将所有压力计的水压及70形成一个点P3=(p1,p2,p3,...,70);
(4)将节点x1的向量P1、P2、P3连成一条线段L1。
对所有节点重复(1)-(4)的操作,所形成的线段的集合即为模型Model={L1,L2,L3,....Ln}。
然后将真实压力值输入构建好的漏点检测模型,对当前供水管网进行漏水判断和漏点检测,如图5所示,具体实现以下步骤:
(1)假设管网中总共n个点,m个压力计,读取压力计读数,将所有压力计的水压及不确定的漏水量z形成一个直线P=(p1,p2,p3,......,pm,z);
(2)计算直线P到Model={L1,L2,L3,....Ln}中所有线段的距离;
(3)根据计算结果,距离P越近的L,漏水的可能性越大。
步骤S4中漏失水量的计算公式如下所示:
其中,QL是漏点流量(m3/s),C1为覆土对漏水出流的影响,折算为修正系数,根据管径大小取值,本实施例中取C1=1,C2为流量系数,本实施例中取C2=0.6,A为漏水孔面积(m2),H为漏水孔压力(m),g为重力加速度,本实施例中取9.8m/s2。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种用于供水管网的漏损辅助定位控制方法,其特征在于,具体包括以下步骤:
S1、获取需要布置的压力计的数量,根据所述压力计的数量在供水管网中设置分布相应的数量的压力计;
S2、采集供水管网的实时监测数据,根据实时监测数据确定可疑压力计;
S3、获取可疑压力计所在监测路径上的全部节点,计算全部节点的拟合指数并排序,生成可疑漏点列表;
S4、通过多维高阶向量分析算法对可疑漏点列表进行核查,输出检测出的漏损点及相应的漏失水量。
2.根据权利要求1所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述步骤S1中设置分布相应的数量的压力计的过程包括以下步骤:
S11、供水管网进行分区,使得分区数等于需要布置的压力计的数量;
S12、在每个分区中的每个节点增加一个较小流量,计算每个节点压力变化的灵敏度,并按照灵敏度的大小进行排序;
S13、根据灵敏度的排序结果将压力计放置在各区域内灵敏度最高的节点上。
3.根据权利要求2所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述步骤S12中通过k-means聚类布点算法计算节点压力变化的灵敏度。
4.根据权利要求3所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述步骤S13中灵敏度最高的节点具体为k-means聚类布点算法中多个簇的质心。
5.根据权利要求1所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述步骤S1中通过搜索布点算法在供水管网中布设压力计。
6.根据权利要求1所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述实时监测数据包括供水管网的压力数据和流量数据。
7.根据权利要求1所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述步骤S2中根据实时监测数据确定可疑压力计的过程包括以下步骤:
S21、根据实时监测数据,计算每个压力计的实测值和模拟值的差值;
S22、根据计算得到的差值对压力计进行排序;
S23、在排序结果中排序靠前的预设数量的压力计作为可疑压力计。
8.根据权利要求1所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述步骤S3中生成可疑漏点列表的过程包括以下步骤:
S31、获取经过可疑压力计的所有节点;
S32、计算全部节点的漏水概率的拟合指数并排序;
S33、根据拟合指数的排序结果生成可疑漏点列表。
9.根据权利要求8所述的一种用于供水管网的漏损辅助定位控制方法,其特征在于,所述可疑漏点列表中节点按照漏水概率由高到低进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883606.4A CN113418146A (zh) | 2021-08-03 | 2021-08-03 | 一种用于供水管网的漏损辅助定位控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883606.4A CN113418146A (zh) | 2021-08-03 | 2021-08-03 | 一种用于供水管网的漏损辅助定位控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113418146A true CN113418146A (zh) | 2021-09-21 |
Family
ID=77718761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110883606.4A Pending CN113418146A (zh) | 2021-08-03 | 2021-08-03 | 一种用于供水管网的漏损辅助定位控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113418146A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659037A (zh) * | 2022-03-30 | 2022-06-24 | 浙江大学 | 一种用于城市供水管网爆管的定位方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3750711A (en) * | 1971-03-24 | 1973-08-07 | Penetryn Syst Inc | Method and apparatus for testing for leaks in pipes |
CN104866899A (zh) * | 2015-06-17 | 2015-08-26 | 山东省环境保护科学研究设计院 | 一种基于城市供水管网水力模型校核的漏失检测方法 |
CN106090621A (zh) * | 2016-06-02 | 2016-11-09 | 东北电力大学 | 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 |
CN106844814A (zh) * | 2016-09-30 | 2017-06-13 | 西安石油大学 | 一种大型复杂天然气管网***泄漏检测方法 |
CN107143750A (zh) * | 2017-04-13 | 2017-09-08 | 浙江大学 | 一种管网爆管监控网络的空间布置方法 |
CN107657074A (zh) * | 2017-08-18 | 2018-02-02 | 昆明理工大学 | 一种评估城市供水管网可靠性的随机模拟方法 |
CN108122074A (zh) * | 2017-12-21 | 2018-06-05 | 北京工业大学 | 一种给水管网模型中漏失水量的分配方法 |
CN108647470A (zh) * | 2018-05-29 | 2018-10-12 | 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 |
CN109869638A (zh) * | 2019-03-25 | 2019-06-11 | 杭州电子科技大学 | 一种供水管网爆管漏失初定位的方法 |
CN111141653A (zh) * | 2019-12-30 | 2020-05-12 | 上海地铁维护保障有限公司 | 一种基于神经网络的隧道渗漏速率预测方法 |
CN111853555A (zh) * | 2020-07-07 | 2020-10-30 | 杭州电子科技大学 | 一种基于动态过程的供水管网暗漏识别方法 |
CN113094853A (zh) * | 2021-04-01 | 2021-07-09 | 上海天麦能源科技有限公司 | 一种用于燃气管网泄漏定位的优化布局方法和*** |
-
2021
- 2021-08-03 CN CN202110883606.4A patent/CN113418146A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3750711A (en) * | 1971-03-24 | 1973-08-07 | Penetryn Syst Inc | Method and apparatus for testing for leaks in pipes |
CN104866899A (zh) * | 2015-06-17 | 2015-08-26 | 山东省环境保护科学研究设计院 | 一种基于城市供水管网水力模型校核的漏失检测方法 |
CN106090621A (zh) * | 2016-06-02 | 2016-11-09 | 东北电力大学 | 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 |
CN106844814A (zh) * | 2016-09-30 | 2017-06-13 | 西安石油大学 | 一种大型复杂天然气管网***泄漏检测方法 |
CN107143750A (zh) * | 2017-04-13 | 2017-09-08 | 浙江大学 | 一种管网爆管监控网络的空间布置方法 |
CN107657074A (zh) * | 2017-08-18 | 2018-02-02 | 昆明理工大学 | 一种评估城市供水管网可靠性的随机模拟方法 |
CN108122074A (zh) * | 2017-12-21 | 2018-06-05 | 北京工业大学 | 一种给水管网模型中漏失水量的分配方法 |
CN108647470A (zh) * | 2018-05-29 | 2018-10-12 | 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 |
CN109869638A (zh) * | 2019-03-25 | 2019-06-11 | 杭州电子科技大学 | 一种供水管网爆管漏失初定位的方法 |
CN111141653A (zh) * | 2019-12-30 | 2020-05-12 | 上海地铁维护保障有限公司 | 一种基于神经网络的隧道渗漏速率预测方法 |
CN111853555A (zh) * | 2020-07-07 | 2020-10-30 | 杭州电子科技大学 | 一种基于动态过程的供水管网暗漏识别方法 |
CN113094853A (zh) * | 2021-04-01 | 2021-07-09 | 上海天麦能源科技有限公司 | 一种用于燃气管网泄漏定位的优化布局方法和*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659037A (zh) * | 2022-03-30 | 2022-06-24 | 浙江大学 | 一种用于城市供水管网爆管的定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109555979B (zh) | 一种供水管网漏损监测方法 | |
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 | |
CN108984873B (zh) | 供水管网实时漏损检测方法、设备、***及存储介质 | |
CN106870955B (zh) | 服务于供水管网节点需水量反演的管网监测点优化布置方法 | |
CN102235575B (zh) | 用于检查管道泄露的数据处理方法及*** | |
CN105046352B (zh) | 基于血管仿生原理的供水管网漏损计算方法 | |
CN106195646B (zh) | 漏水分布推定装置、推定***和推定方法 | |
CN106121622B (zh) | 一种基于示功图的有杆泵抽油井的多故障诊断方法 | |
CN109791637A (zh) | 用于布水***的基于模型的控制的方法和装置 | |
CN112884320B (zh) | 基于熵值模型的基坑风险评估方法、装置、设备和介质 | |
CN111695177B (zh) | 基于位移场监测数据的大坝力学参数随机反演方法及*** | |
CN109738014B (zh) | 城市综合管廊设备故障的智能诊断方法及*** | |
CN107013812B (zh) | 一种三场耦合管道泄漏监测方法 | |
CN103620363A (zh) | 借助随机的质量平衡识别泄漏 | |
CN108615054B (zh) | 排水管网节点间相似性衡量的综合指标构建方法 | |
CN112503400B (zh) | 一种供水管网测压点多目标优化布置方法 | |
CN110851905A (zh) | 一种峡谷微地形条件下的输电铁塔风振系数计算方法 | |
CN110516907A (zh) | 一种基于ahp-熵权云模型的岩爆等级评价方法 | |
CN114580786A (zh) | 一种用于城市供水管网监测点的布置优化方法 | |
CN115687983A (zh) | 一种桥梁健康状态监测方法、***及电子设备 | |
CN111022932A (zh) | 一种供水管网的传感器布点***及方法 | |
CN100478650C (zh) | 改善发电设备故障检测的方法和装置 | |
CN113418146A (zh) | 一种用于供水管网的漏损辅助定位控制方法 | |
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 |
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 |