CN116090605A - 一种管网预警方法、装置、电子设备及存储介质 - Google Patents
一种管网预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116090605A CN116090605A CN202211567598.3A CN202211567598A CN116090605A CN 116090605 A CN116090605 A CN 116090605A CN 202211567598 A CN202211567598 A CN 202211567598A CN 116090605 A CN116090605 A CN 116090605A
- Authority
- CN
- China
- Prior art keywords
- pipe network
- early warning
- prediction
- predicted
- pressure data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 108
- 238000004880 explosion Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 230000009172 bursting Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000005474 detonation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000502 dialysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 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
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Mechanical Engineering (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Emergency Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种管网预警方法、装置、电子设备及存储介质。该方法通过获取泵组出水压力数据和出水流量、管网的远端压力数据,基于预设的管网预测模型对泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,预测压力结果包括管网中多个预测节点在多个预测时间点的预测压力数据,获取管网预警分布模型,其中,管网预警分布模型中包括各预测节点的预警阈值,基于管网预警分布模型中各预测节点的预警阈值,对预测压力结果中的预测压力数据进行预警判定,得到预警判定结果,根据预警判定结果生成预警提示信息。通过对管网数据分析预测,提前对可能发生的爆管事件进行预警,减少了因爆管造成的损失。
Description
技术领域
本发明实施例涉及城市供水管网监测技术领域,尤其涉及一种管网预警方法、装置、电子设备及存储介质。
背景技术
近年来由于管网老化,供水管网建设投资不足等原因,供水管网爆管事故频频发生,爆管已成为引起漏损的一种重要形式,因此降低爆管的持续时间可以在很大程度上降低漏失水量。
目前,供水管网爆管识别方法主要分为硬件和软件计算两大方向。其中,基于硬件的方法主要利用设备探测爆管产生的声波和捕捉爆管击发的瞬态波来确定爆管的发生。软件的方法主要是基于构建水力模型和拟稳态水力数据驱动的爆管探测方法。以上方法均是在爆管发生后对爆管情况及爆管位置进行分析判断和追踪,时间上存在滞后性,难以避免因爆管造成的实际损失。
发明内容
本发明提供一种管网预警方法、装置、电子设备及存储介质,以提前对可能发生的爆管事件进行预警从而减少因爆管造成的损失。
第一方面,本发明实施例提供了一种管网预警方法,包括:
获取泵组出水压力数据和出水流量、管网的远端压力数据;
基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,所述预测压力结果包括所述管网中多个预测节点在多个预测时间点的预测压力数据;
获取管网预警分布模型,其中,所述管网预警分布模型中包括各所述预测节点的预警阈值;
基于所述管网预警分布模型中各所述预测节点的预警阈值,对所述预测压力结果中的预测压力数据进行预警判定,得到预警判定结果;
根据所述预警判定结果生成预警提示信息。
可选的,所述基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,包括:
迭代调用管网预测模型,对上一时间点对应的泵组出水压力数据和出水流量、管网的远端压力数据进行预测处理,得到下一时间点对应的各预测节点的预测压力数据,其中,所述预测节点包括泵组出水节点和远端预测节点。
可选的,所述管网预测模型还用于输出多个预测节点在多个预测时间点的预测流量。
可选的,所述管网预警分布模型的生成方法,包括:
获取管网中各预测节点的历史压力数据;
对于存在爆管现象的预测节点,基于爆管时刻的压力数据和预设调节数据,确定所述预测节点的预警阈值;
对于不存在爆管现象的预测节点,基于所述预测节点的最大压力数据确定所述预测节点的预警阈值。
可选的,所述管网预警分布模型中还包括各预测节点的位置信息;
所述根据所述预警判定结果生成预警提示信息,包括:
在任一预测节点在任一预测时间点的预测压力数据超过对应的预警阈值的情况下,根据所述预测节点的位置信息生成预警提示信息。
可选的,所述方法还包括:
显示管网可视化页面,所述管网可视化页面中包括各管网结构图像;
基于任一预测节点的预测压力结果生成预测趋势曲线;
根据预警判定结果在所述管网可视化页面中显示预测节点的预警标识和/或预测趋势曲线。
可选的,所述方法还包括:
获取多个压力分配策略和目标供水数据,其中,所述压力分配策略包括各出水点的压力数据;
将任一所述压力分配策略中所述各出水点的压力数据输入至管网预演模型,得到管网中各预测节点的压力数据以及管网各出口流量数据;
基于所述目标供水数据对所述管网各出口流量数据进行判定,以及基于管网预警分布模型进行判定,得到判定结果;
基于各所述压力分配策略对应的判定结果,确定目标压力分配策略。
第二方面,本发明实施例还提供了一种管网预警装置,包括:
第一获取模块,用于获取泵组出水压力数据和出水流量、管网的远端压力数据;
预测模块,用于基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,所述预测压力结果包括所述管网中多个预测节点在多个预测时间点的预测压力数据;
第二获取模块,用于获取管网预警分布模型,其中,所述管网预警分布模型中包括各所述预测节点的预警阈值;
第一判定模块,用于基于所述管网预警分布模型中各所述预测节点的预警阈值,对所述预测压力结果中的预测压力数据进行预警判定,得到预警判定结果;
预警模块,用于根据所述预警判定结果生成预警提示信息。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面中任一项所述的管网预警方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现第一方面中任一项所述的管网预警方法。
本发明通过获取泵组出水压力数据和出水流量、管网的远端压力数据,基于预设的管网预测模型对泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,预测压力结果包括管网中多个预测节点在多个预测时间点的预测压力数据,获取管网预警分布模型,其中,管网预警分布模型中包括各预测节点的预警阈值,基于管网预警分布模型中各预测节点的预警阈值,对预测压力结果中的预测压力数据进行预警判定,得到预警判定结果,根据预警判定结果生成预警提示信息。通过对管网数据分析预测,提前对可能发生的爆管事件进行预警,减少了因爆管造成的损失。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种管网预警方法的流程图;
图2是本发明实施例二提供的一种管网预警装置的结构示意图;
图3是本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种管网预警方法的流程图,本实施例可适用于管网爆管事件的预警情况,该方法可以由管网预警装置来执行,该管网预警装置可以采用硬件和/或软件的形式实现,该管网预警装置可配置于诸如计算机、服务器、移动终端等的电子设备中。如图1所示,该方法包括:
S110、获取泵组出水压力数据和出水流量、管网的远端压力数据。
其中,泵组可以是泵房泵站中多个泵组成的。出水压力数据可以是泵组出口处的压力数据或泵组开始工作后管网入口处的压力数据。出水流量可以是泵组在预设时间内输出的水的体积大小。管网可以是城市供水管网,相应的,管网的远端压力数据可以是城市中各个小区端的压力数据。出水压力数据及管网的远端压力数据可以通过预设装置读取获得。
可以理解的是,此处的管网可以是特定范围内的供水管网,可以是某一行政区内的管网,还可以是城市管网等,此处不作限定。
S120、基于预设的管网预测模型对泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,预测压力结果包括管网中多个预测节点在多个预测时间点的预测压力数据。
其中,管网预测模型可以是基于预设条件训练得到的能够对泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果的模型,例如,逻辑回归模型、人工神经网络模型、决策树模型等,此处不做具体限定。
示例性的,管网预测模型的训练可以包括:通过定义所需的预测模型,设置激活函数进行激活,得到管网预测模型工作时采用的格式,对定义好的管网预测模型进行编译、拟合,通过历史泵组出水压力数据和历史出水流量、管网的历史远端压力数据集调整预测模型中的模型参数,根据验证数据对管网预测模型进行评估,若满足评估则完成预测模型的训练。其中,激活函数可以是回归函数、二元分类函数、多累分类函数等,本发明不做具体限定。
预测节点可以是管网即城市供水管网中运水管道的任意位置,示例性的,预测节点可以包括但不限于管网中泵组的近端出水位置、远端出水位置、拐点位置、分支点位置等;示例性的,预测节点可以是根据预设间隔长度确定的位置点;示例性的,预测节点可以是根据预测节点数量在管网中随机确定的位置点。预测时间点可以是根据预测需求确定的时间点,例如相对于输入的泵组出水压力数据和出水流量、管网的远端压力数据对应的时间点之后的,未来预设时长的时间点,例如相对于输入数据对应时间点之后的五分钟对应的时间点。
可选的,迭代预测处理可以是迭代调用管网预测模型,对上一时间点对应的泵组出水压力数据和出水流量、管网的远端压力数据进行预测处理,得到下一时间点对应的各预测节点的预测压力数据,其中,预测节点包括泵组出水节点和远端预测节点。
其中,泵组出水节点可以是泵房泵站中多个泵组的出水口位置。远端预测节点可以是城市中各个小区端,及用户端出水口位置。
示例性的,设置单位时段,即两次相邻预测时间点之间的时间间隔,基于单位时段上一时间点的管网数据预测该单位时段下一时间点的管网的预测压力结果。例如,将单位时段设置为10分钟,将当前泵组出水压力数据和出水流量、管网的远端压力数据输入管网预测模型并将当前时间点作为上一时间点,获得下一时间点,即10分钟后对应的管网的预测压力结果,并基于该预测压力结果继续输入管网预测模型获取20分钟后管网的预测数据并得到预测压力结果。相应的,迭代预测处理的次数及单位时段的长短可以根据实际情况进行设定,此处不做具体限定。
通过迭代调用管网预测模型,实现基于一个时间点的数据预测未来多个时间点的数据,提高了预测数据的准确性,从而实现爆管事件的精准报警。
可选的,管网预测模型还用于输出多个预测节点在多个预测时间点的预测流量。通过管网预测模型输出多个预测节点在多个预测时间点的预测流量,同时每一个时间点的预测流量可作为下一预测时间点的输入数据,以实现对下一预测时间点进行压力数据的预测和流量数据的预测,进一步提高了预测数据的准确性,从而实现爆管事件的精准报警。
S130、获取管网预警分布模型,其中,管网预警分布模型中包括各预测节点的预警阈值。
其中,管网预警分布模型可以是基于预设条件训练得到的包括各预测节点的预警阈值的模型,该管网预警分布模型中各预测节点的预警阈值可随历史压力数据的变化而变化,例如可以是定期更新该管网预警分布模型中各预测节点的预警阈值。预警阈值可以是各预测节点的压力阈值或流量阈值。
可选的,管网预警分布模型的生成方法可以包括:获取管网中各预测节点的历史压力数据,对于存在爆管现象的预测节点,基于爆管时刻的压力数据和预设调节数据,确定预测节点的预警阈值,对于不存在爆管现象的预测节点,基于预测节点的最大压力数据确定预测节点的预警阈值。
其中,历史压力数据可以通过预设装置读取获得。存在爆管现象的预测节点可以是在历史工作过程中发生过爆管事件的管网位置或历史压力数据超过预设阈值的管网位置。预设调节数据可以根据实际情况分析设置,此处不作具体限定。相应的,存在爆管现象的预测节点的预警阈值可以是爆管时刻的压力数据与预设调节数据差值的绝对值。不存在爆管现象的预测节点可以是管网中在历史工作过程中未发生过爆管事件或历史压力数据未超过预设阈值的任意位置。相应的,将不存在爆管现象的预测节点的历史最大压力数据确定预测节点的预警阈值。
通过将存在爆管现象的预测节点与不存在爆管现象的预测节点分别设置不同的预警阈值,进一步提高了预警的精度。
S140、基于管网预警分布模型中各预测节点的预警阈值,对预测压力结果中的预测压力数据进行预警判定,得到预警判定结果。
其中,对预测压力结果中的预测压力数据进行预警判定可以是将预测压力结果中的预测压力数据与其对应的预警阈值进行比对。预警判定结果可以是预测压力结果中的预测压力数据是否超过压力阈值。
S150、根据预警判定结果生成预警提示信息。
其中,预警提示信息可以是提示工作人员该预测节点在某一预测时间点可能发生爆管事件的信息。
可选的,管网预警分布模型中还包括各预测节点的位置信息。其中,各预测节点的位置信息可以是各预测节点在管网中的实际位置。
相应的,根据预警判定结果生成预警提示信息可以包括:在任一预测节点在任一预测时间点的预测压力数据超过对应的预警阈值的情况下,根据预测节点的位置信息生成预警提示信息。
通过根据预测节点的位置信息生成预警提示信息,使工作人员能够知晓管网何处将会发生爆管事件,对于已发生的爆管,能够快速定位到爆管位置。
可选的,根据预测节点的位置信息生成预警提示信息可以包括:显示管网可视化页面,管网可视化页面中包括各管网结构图像,基于任一预测节点的预测压力结果生成预测趋势曲线,根据预警判定结果在管网可视化页面中显示预测节点的预警标识和/或预测趋势曲线。
其中,管网可视化页面可以是管网预警装置的操作界面中显示的管网3D透析图。预测趋势曲线可以是某一预测节点各个预测时间点的预测压力结果变化趋势曲线图。预警标识可以是用于提示工作人员该预测节点在某一预测时间点将会发生爆管事件的醒目记号,例如,红色叹号等。相应的,工作人员可以通过触发预警标识获取该预测节点可能发生爆管事件的预测时间点。
通过将预测节点的预警标识、预测趋势曲线显示在管网可视化页面上,进一步使工作人员清楚地知晓管网何处何时将会发生爆管事件,达到预警的效果,减小因爆管造成的损失。
在一个可选的是实施例中,通过获取多个压力分配策略和目标供水数据,其中,压力分配策略包括各出水点的压力数据,将任一压力分配策略中各出水点的压力数据输入至管网预演模型,得到管网中各预测节点的压力数据以及管网各出口流量数据,基于目标供水数据对管网各出口流量数据进行判定,以及基于管网预警分布模型进行判定,得到判定结果,基于各压力分配策略对应的判定结果,确定目标压力分配策略。
其中,压力分配策略可以是工作人员根据实际情况给出的泵组中各出水点的压力数据的组合。目标供水数据可以是城市中各个小区端,即用户的需水量。管网预演模型可以是基于预设条件训练得到的能够基于任一压力分配策略中各出水点的压力数据得到管网中各预测节点的压力数据以及管网各出口流量数据,基于目标供水数据对管网各出口流量数据进行判定,以及基于管网预警分布模型进行判定,得到判定结果的模型,例如,逻辑回归模型、人工神经网络模型、决策树模型等,此处不做具体限定。管网预演模型的具体训练方式可以参考上述管网预测模型或管网预警分布模型的训练方式,此处不在赘述。
示例性的,获取多个压力分配策略,基于多个压力分配策略,将输入各出水点的压力数据输入至管网预演模型生成管网中各预测节点的压力数据以及管网各出口流量数据,基于管网中各预测节点的压力数据以及管网各出口流量数据依次对管网虚拟环境进行预演,基于目标供水数据对管网各出口流量数据进行判定,即判定管网各出口流量数据是否满足目标供水数据可以是城市中各个小区端的需水量,将满足的压力分配策略基于管网预警分布模型进行判定,将预测节点不存在爆管事件的压力分配策略作为目标压力分配策略进行实际配置,实现管网压力平衡的收益最大化。
本实施例的技术方案,通过获取泵组出水压力数据和出水流量、管网的远端压力数据,基于预设的管网预测模型对泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,预测压力结果包括管网中多个预测节点在多个预测时间点的预测压力数据,获取管网预警分布模型,其中,管网预警分布模型中包括各预测节点的预警阈值,基于管网预警分布模型中各预测节点的预警阈值,对预测压力结果中的预测压力数据进行预警判定,得到预警判定结果,根据预警判定结果生成预警提示信息。实现管网压力平衡的收益最大化,通过管网预测模型实时分析管网的压力变化并对未来一段时间压力进行预测,提前发现爆管风险,减小因爆管造成的损失,而对于已发生的爆管,能够快速定位到爆管位置。
实施例二
图2是本发明实施例二提供的一种管网预警装置的结构示意图。如图2所示,该装置包括:
第一获取模块210,用于获取泵组出水压力数据和出水流量、管网的远端压力数据;
预测模块220,用于基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,所述预测压力结果包括所述管网中多个预测节点在多个预测时间点的预测压力数据;
第二获取模块230,用于获取管网预警分布模型,其中,所述管网预警分布模型中包括各所述预测节点的预警阈值;
第一判定模块240,用于基于所述管网预警分布模型中各所述预测节点的预警阈值,对所述预测压力结果中的预测压力数据进行预警判定,得到预警判定结果;
预警模块250,用于根据所述预警判定结果生成预警提示信息。
可选的,所述预测模块220,包括:
迭代预测模块,用于迭代调用管网预测模型,对上一时间点对应的泵组出水压力数据和出水流量、管网的远端压力数据进行预测处理,得到下一时间点对应的各预测节点的预测压力数据,其中,所述预测节点包括泵组出水节点和远端预测节点。
可选的,所述管网预测模型还用于输出多个预测节点在多个预测时间点的预测流量。
可选的,所述管网预警分布模型的生成方法,包括:
获取管网中各预测节点的历史压力数据;
对于存在爆管现象的预测节点,基于爆管时刻的压力数据和预设调节数据,确定所述预测节点的预警阈值;
对于不存在爆管现象的预测节点,基于所述预测节点的最大压力数据确定所述预测节点的预警阈值。
可选的,所述管网预警分布模型中还包括各预测节点的位置信息;
所述预警模块250,包括:
预警提示信息生成单元,用于在任一预测节点在任一预测时间点的预测压力数据超过对应的预警阈值的情况下,根据所述预测节点的位置信息生成预警提示信息。
可选的,所述管网预警装置,还包括:
第一显示模块,用于显示管网可视化页面,所述管网可视化页面中包括各管网结构图像;
预测趋势曲线生成模块,用于基于任一预测节点的预测压力结果生成预测趋势曲线;
第二显示模块,用于根据预警判定结果在所述管网可视化页面中显示预测节点的预警标识和/或预测趋势曲线。
可选的,所述管网预警装置,还包括:
第三获取模块,用于获取多个压力分配策略和目标供水数据,其中,所述压力分配策略包括各出水点的压力数据;
第四获取模块,用于将任一所述压力分配策略中所述各出水点的压力数据输入至管网预演模型,得到管网中各预测节点的压力数据以及管网各出口流量数据;
第二判定模块,用于基于所述目标供水数据对所述管网各出口流量数据进行判定,以及基于管网预警分布模型进行判定,得到判定结果;
目标压力分配策略确定模块,用于基于各所述压力分配策略对应的判定结果,确定目标压力分配策略。
本发明实施例所提供的管网预警装置可执行本发明任意实施例所提供的管网预警方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3是本发明实施例三提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如管网预警方法。
在一些实施例中,管网预警方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的管网预警方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行管网预警方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的管网预警方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例四
本发明实施例四还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种管网预警方法,该方法包括:
获取泵组出水压力数据和出水流量、管网的远端压力数据;
基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,所述预测压力结果包括所述管网中多个预测节点在多个预测时间点的预测压力数据;
获取管网预警分布模型,其中,所述管网预警分布模型中包括各所述预测节点的预警阈值;
基于所述管网预警分布模型中各所述预测节点的预警阈值,对所述预测压力结果中的预测压力数据进行预警判定,得到预警判定结果;
根据所述预警判定结果生成预警提示信息。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种管网预警方法,其特征在于,包括:
获取泵组出水压力数据和出水流量、管网的远端压力数据;
基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,所述预测压力结果包括所述管网中多个预测节点在多个预测时间点的预测压力数据;
获取管网预警分布模型,其中,所述管网预警分布模型中包括各所述预测节点的预警阈值;
基于所述管网预警分布模型中各所述预测节点的预警阈值,对所述预测压力结果中的预测压力数据进行预警判定,得到预警判定结果;
根据所述预警判定结果生成预警提示信息。
2.根据权利要求1所述的方法,其特征在于,所述基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,包括:
迭代调用管网预测模型,对上一时间点对应的泵组出水压力数据和出水流量、管网的远端压力数据进行预测处理,得到下一时间点对应的各预测节点的预测压力数据,其中,所述预测节点包括泵组出水节点和远端预测节点。
3.根据权利要求1或2所述的方法,其特征在于,所述管网预测模型还用于输出多个预测节点在多个预测时间点的预测流量。
4.根据权利要求1所述的方法,其特征在于,所述管网预警分布模型的生成方法,包括:
获取管网中各预测节点的历史压力数据;
对于存在爆管现象的预测节点,基于爆管时刻的压力数据和预设调节数据,确定所述预测节点的预警阈值;
对于不存在爆管现象的预测节点,基于所述预测节点的最大压力数据确定所述预测节点的预警阈值。
5.根据权利要求1所述的方法,其特征在于,所述管网预警分布模型中还包括各预测节点的位置信息;
所述根据所述预警判定结果生成预警提示信息,包括:
在任一预测节点在任一预测时间点的预测压力数据超过对应的预警阈值的情况下,根据所述预测节点的位置信息生成预警提示信息。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
显示管网可视化页面,所述管网可视化页面中包括各管网结构图像;
基于任一预测节点的预测压力结果生成预测趋势曲线;
根据预警判定结果在所述管网可视化页面中显示预测节点的预警标识和/或预测趋势曲线。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取多个压力分配策略和目标供水数据,其中,所述压力分配策略包括各出水点的压力数据;
将任一所述压力分配策略中所述各出水点的压力数据输入至管网预演模型,得到管网中各预测节点的压力数据以及管网各出口流量数据;
基于所述目标供水数据对所述管网各出口流量数据进行判定,以及基于管网预警分布模型进行判定,得到判定结果;
基于各所述压力分配策略对应的判定结果,确定目标压力分配策略。
8.一种管网预警装置,其特征在于,包括:
第一获取模块,用于获取泵组出水压力数据和出水流量、管网的远端压力数据;
预测模块,用于基于预设的管网预测模型对所述泵组出水压力数据和出水流量、管网的远端压力数据进行迭代预测处理,得到预测压力结果,其中,所述预测压力结果包括所述管网中多个预测节点在多个预测时间点的预测压力数据;
第二获取模块,用于获取管网预警分布模型,其中,所述管网预警分布模型中包括各所述预测节点的预警阈值;
第一判定模块,用于基于所述管网预警分布模型中各所述预测节点的预警阈值,对所述预测压力结果中的预测压力数据进行预警判定,得到预警判定结果;
预警模块,用于根据所述预警判定结果生成预警提示信息。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的管网预警方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的管网预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567598.3A CN116090605A (zh) | 2022-12-07 | 2022-12-07 | 一种管网预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567598.3A CN116090605A (zh) | 2022-12-07 | 2022-12-07 | 一种管网预警方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116090605A true CN116090605A (zh) | 2023-05-09 |
Family
ID=86212791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211567598.3A Pending CN116090605A (zh) | 2022-12-07 | 2022-12-07 | 一种管网预警方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090605A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116877938A (zh) * | 2023-07-10 | 2023-10-13 | 深圳市水务科技发展有限公司 | 一种基于图像数据处理的城市排水管网破损检测定位*** |
CN117287640A (zh) * | 2023-11-20 | 2023-12-26 | 深圳拓安信物联股份有限公司 | 供水风险的预警方法、装置、设备及存储介质 |
CN117333054A (zh) * | 2023-09-27 | 2024-01-02 | 南栖仙策(南京)高新技术有限公司 | 供水管网测点压力预测方法、装置、设备及介质 |
CN117806375A (zh) * | 2023-12-20 | 2024-04-02 | 无锡展硕科技有限公司 | 调节流体流量的方法、装置、计算机***与可存储介质 |
CN118277748B (zh) * | 2024-06-04 | 2024-07-30 | 广州地铁设计研究院股份有限公司 | 地下管线的预测方法、装置、计算机设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617563A (zh) * | 2013-12-05 | 2014-03-05 | 重庆大学 | 一种基于地统计空间分析理论的供水管网无监测节点压力确定方法 |
CN108615098A (zh) * | 2018-05-11 | 2018-10-02 | 同济大学 | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 |
CN109547539A (zh) * | 2018-11-08 | 2019-03-29 | 熊猫智慧水务有限公司 | 一种管网供水分析*** |
CN112149750A (zh) * | 2020-09-29 | 2020-12-29 | 浙江大学 | 一种供水管网爆管识别数据驱动方法 |
CN113076617A (zh) * | 2021-04-02 | 2021-07-06 | 长沙九洲鸿云网络科技有限公司 | 一种城市供水管网结构与功能的可视化方法、***、设备、信息化管网***及介质 |
CN115169939A (zh) * | 2022-07-22 | 2022-10-11 | 沈阳数融科技有限公司 | 一种大数据驱动的以需定供的智能管网调度***及方法 |
-
2022
- 2022-12-07 CN CN202211567598.3A patent/CN116090605A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617563A (zh) * | 2013-12-05 | 2014-03-05 | 重庆大学 | 一种基于地统计空间分析理论的供水管网无监测节点压力确定方法 |
CN108615098A (zh) * | 2018-05-11 | 2018-10-02 | 同济大学 | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 |
CN109547539A (zh) * | 2018-11-08 | 2019-03-29 | 熊猫智慧水务有限公司 | 一种管网供水分析*** |
CN112149750A (zh) * | 2020-09-29 | 2020-12-29 | 浙江大学 | 一种供水管网爆管识别数据驱动方法 |
CN113076617A (zh) * | 2021-04-02 | 2021-07-06 | 长沙九洲鸿云网络科技有限公司 | 一种城市供水管网结构与功能的可视化方法、***、设备、信息化管网***及介质 |
CN115169939A (zh) * | 2022-07-22 | 2022-10-11 | 沈阳数融科技有限公司 | 一种大数据驱动的以需定供的智能管网调度***及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116877938A (zh) * | 2023-07-10 | 2023-10-13 | 深圳市水务科技发展有限公司 | 一种基于图像数据处理的城市排水管网破损检测定位*** |
CN116877938B (zh) * | 2023-07-10 | 2024-02-13 | 深圳市水务科技发展有限公司 | 一种基于图像数据处理的城市排水管网破损检测定位*** |
CN117333054A (zh) * | 2023-09-27 | 2024-01-02 | 南栖仙策(南京)高新技术有限公司 | 供水管网测点压力预测方法、装置、设备及介质 |
CN117287640A (zh) * | 2023-11-20 | 2023-12-26 | 深圳拓安信物联股份有限公司 | 供水风险的预警方法、装置、设备及存储介质 |
CN117287640B (zh) * | 2023-11-20 | 2024-04-12 | 深圳拓安信物联股份有限公司 | 供水风险的预警方法、装置、设备及存储介质 |
CN117806375A (zh) * | 2023-12-20 | 2024-04-02 | 无锡展硕科技有限公司 | 调节流体流量的方法、装置、计算机***与可存储介质 |
CN118277748B (zh) * | 2024-06-04 | 2024-07-30 | 广州地铁设计研究院股份有限公司 | 地下管线的预测方法、装置、计算机设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116090605A (zh) | 一种管网预警方法、装置、电子设备及存储介质 | |
CN116049146B (zh) | 一种数据库故障处理方法、装置、设备及存储介质 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN117649115A (zh) | 一种风险评估方法、装置、电子设备和存储介质 | |
CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
CN116596106A (zh) | 风电场站的功率预测方法、装置、电子设备及存储介质 | |
CN116757679B (zh) | 检修策略的确定方法、装置、电子设备及存储介质 | |
CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
CN115361308B (zh) | 一种工控网络数据风险确定方法、装置、设备及存储介质 | |
CN116308284A (zh) | 一种抽水蓄能设备的运行数据检测方法、装置及设备 | |
CN116845287A (zh) | 一种燃料电池的测试数据预测方法、装置、设备及介质 | |
CN118074625A (zh) | 设备故障检测方法、装置、设备及存储介质 | |
CN118171802A (zh) | 停电事件分析方法、装置、电子设备及存储介质 | |
CN117608896A (zh) | 交易数据处理方法、装置、电子设备及存储介质 | |
CN116956042A (zh) | 故障类型检测模型的建立方法、装置、设备及介质 | |
CN117851853A (zh) | 一种窃电用户定位方法、装置、设备及存储介质 | |
CN117538643A (zh) | 电梯部件检测方法、装置、电子设备和存储介质 | |
CN117833208A (zh) | 配电网状态推演方法、装置、电子设备和存储介质 | |
CN117934152A (zh) | 一种***变更后的风险评估方法、装置、设备及存储介质 | |
CN117216699A (zh) | 一种基于样本数据的异常检测方法、装置、设备及介质 | |
CN117611175A (zh) | 一种防诈骗转账方法、装置、电子设备及存储介质 | |
CN116909863A (zh) | 一种服务评估方法、装置、电子设备及存储介质 | |
CN116430157A (zh) | 避雷器老化状态的在线确定方法、装置、设备及存储介质 | |
CN116409609A (zh) | 光伏设备故障感知方法、装置、电子设备及存储介质 | |
CN116933088A (zh) | 一种二次设备故障数据生成方法、装置、电子设备及介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 210000 building C4, Hongfeng Science Park, Nanjing Economic and Technological Development Zone, Nanjing City, Jiangsu Province Applicant after: NANQI XIANCE (NANJING) TECHNOLOGY Co.,Ltd. Address before: 210000 floor 17, building 32, headquarters base, Jiangning District, Nanjing, Jiangsu Province Applicant before: NANQI XIANCE (NANJING) TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information |