CN113418146A - 一种用于供水管网的漏损辅助定位控制方法 - Google Patents

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

一种用于供水管网的漏损辅助定位控制方法

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，Q_L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，Q_L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。

10.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S4中漏失水量的计算公式如下所示：

其中，Q_L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。

Images