JP2017002554A - Conduit failure detection device and method - Google Patents
Conduit failure detection device and method Download PDFInfo
- Publication number
- JP2017002554A JP2017002554A JP2015117122A JP2015117122A JP2017002554A JP 2017002554 A JP2017002554 A JP 2017002554A JP 2015117122 A JP2015117122 A JP 2015117122A JP 2015117122 A JP2015117122 A JP 2015117122A JP 2017002554 A JP2017002554 A JP 2017002554A
- Authority
- JP
- Japan
- Prior art keywords
- index value
- abnormality
- abnormal event
- pressure
- occurrence
- 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
Landscapes
- Emergency Alarm Devices (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
Description
本発明は、管路異常検知装置および方法に関する。 The present invention relates to a pipe line abnormality detection device and method.
一般に上水道の配水管網では、漏水やバルブ故障（開閉状態の変更）、センサ異常など様々な異常事象が発生する。これらの異常を早期に検知し、異常発生時刻を推定し、異常が発生してからの経過時刻に応じて適切な対策を行うことは水道事業者にとって重要である。例えば配水管から漏水が発生した場合、漏水が地上出現し、浸水や道路陥没等の被害を引き起こす可能性がある。漏水発生からの経過時間が短い場合は、十分な漏水対応体制を整えてから漏水調査などを行うことも可能であるが、漏水規模が比較的大きく漏水発生から長時間が経過しているような場合は、いつ漏水が地上出現してもおかしくないため、早急な漏水調査やバルブ閉止（漏水管を含む配水管網の切り離し）などの対策が必要となる。 In general, various abnormal events such as water leakage, valve failure (change in opening / closing state), sensor abnormality, etc. occur in a water distribution pipe network. It is important for water companies to detect these abnormalities early, estimate the time of occurrence of abnormalities, and take appropriate measures according to the time elapsed since the occurrence of the abnormality. For example, when water leaks from a water distribution pipe, the water leak appears on the ground and may cause damage such as inundation or road collapse. If the elapsed time from the occurrence of water leakage is short, it is possible to conduct a water leakage survey after a sufficient water leakage response system is in place, but it is likely that the leakage scale is relatively large and a long time has elapsed since the occurrence of the water leakage. In such a case, it is not strange that water leaks appear on the ground at any time, so measures such as quick water leak investigation and valve closing (separation of distribution pipe network including water leak pipes) are required.
水道管に発生した漏水の発生タイミングを推定するための技術として、以下の技術が公開されている。例えば特許文献１には、水道管の接続先となる配水池の漏水発生水位パターンを事前に作成しておき、監視データである配水池実績水位と漏水発生水位パターン値とを比較し、実績水位が漏水発生水位パターン値を超えたとき、漏水発生と判断する技術が記載されている。
The following techniques are disclosed as techniques for estimating the occurrence timing of water leakage occurring in water pipes. For example, in
特許文献１に記載の技術では、実績水位が漏水発生水位パターン値を超えたとき、漏水発生と判断して漏水発生タイミングの推定を行っているが、実際にはその前に漏水が発生している可能性がある。例えば、管路において小さな漏水が発生し、その漏水孔が時間をかけて大きく成長した場合、実際の漏水発生に比べて漏水発生タイミングが遅れて推定されることになる。また漏水だけでなく、バルブ開閉など他の種類の管路異常事象を検知対象とした場合、漏水の発生タイミングの推定方法をそのまま他の異常事象の発生タイミング推定に適用できるとは限らない。そのため特許文献１に記載の技術では、配水管網での異常事象の発生タイミングを推定することが困難であり、適切な管路異常対策を行うことができない可能性がある。
In the technique described in
開示する管路異常検知装置は、指標値計算部が、配水管網の流量および圧力の計測データを取得し、基準パターンからのずれの度合いを示す流量指標値及び圧力指標値を算出し、異常検知部が、正常時分布モデルへの適合度に基づいて配水管網に発生した異常事象の検知を行い、異常識別部が、流量指標値及び圧力指標値の変化パターンに基づいて検知された異常事象の種類の識別を行い、異常発生時刻推定部が、異常事象の識別結果に基づいて異常発生時刻推定方式を決定し、適合度および異常発生時刻推定方式に基づいて、識別された異常事象の発生時刻を推定する。 In the disclosed pipeline abnormality detection device, the index value calculation unit obtains the flow rate and pressure measurement data of the distribution pipe network, calculates the flow rate index value and the pressure index value indicating the degree of deviation from the reference pattern, The detection unit detects an abnormal event that has occurred in the water distribution network based on the degree of conformity to the normal distribution model, and the abnormality identification unit detects an abnormality detected based on the change pattern of the flow index value and the pressure index value. The type of the event is identified, and the abnormality occurrence time estimation unit determines the abnormality occurrence time estimation method based on the abnormal event identification result, and the identification of the abnormal event identified based on the fitness and the abnormality occurrence time estimation method. Estimate the time of occurrence.
本発明によれば、管路異常事象の発生タイミングを推定し、それに応じた適切な対策の実施が可能となる。 According to the present invention, it is possible to estimate the occurrence timing of a pipeline abnormal event and implement appropriate countermeasures accordingly.
以下、図面を参照しながら本発明の実施の形態について詳細に説明する。なお、以下に説明する実施の形態に本発明が限定されることはない。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. Note that the present invention is not limited to the embodiment described below.
図１に、管路異常検知装置１０１と配水池、ポンプ、バルブ、配水管網、計測器、ネットワークなどからなる管路異常検知システム１００の全体構成の概略図を示す。 FIG. 1 shows a schematic diagram of the entire configuration of a pipe line abnormality detection system 100 including a pipe line abnormality detection device 101 and a distribution reservoir, a pump, a valve, a distribution pipe network, a measuring instrument, a network, and the like.
配水池１１０の水はポンプ１１１によって圧送され配水管網１１２を経て需要家まで配水される。配水管網１１２は管路１１３および節点１１４から構成される。ここで節点１１４は、管路の分岐・合流・接続・終端または需要点（複数の需要家を集約した代表点）を示すものである。配水管網１１２は複数のＤＭＡ１１５（Ｄｉｓｔｒｉｃｔ Ｍｅｔｅｒｅｄ Ａｒｅａ、計量区）に分割されている。ＤＭＡとは、各ＤＭＡ内での圧力差や配水量の均一化やＤＭＡの配水量計測による漏水管理の効率化のために作成されるものであり、各ＤＭＡ１１５の境界部分に閉止バルブ１１６または流量計１１８を設置して作成される。すなわち各ＤＭＡ１１５における流入出水量が計測され、各ＤＭＡ１１５の配水量を計算できるようになる。また配水管網１１２には、いくつかの節点１１４の圧力とポンプ１１１の吐出圧を計測するための圧力計１１９が設置されている。ここでは各ＤＭＡ１１５に少なくとも１つ以上の圧力計１１９が存在するように設置されている。また配水管網１１２には、水の流れが最適となるように閉止バルブ１１６または開放バルブ１１７が設置されている。閉止バルブ１１６、開放バルブ１１７は同じ種類のバルブであり、バルブ開閉により閉止状態にも開放状態にもなる。管路異常検知装置１０１は、ネットワーク１２０を介して流量計１１８、圧力計１１９と相互に接続されている。
The water in the
管路異常検知装置１０１は、ＣＰＵ、記憶装置（ＲＡＭ、ハードディスク、フラッシュメモリ等）、入力部１２１（キーボード、マウス等）、表示部１２２（ディスプレイ、プリンタ等）から構成される一般的なコンピュータシステムである。記憶装置には、データ登録部１２３、データ収集部１２４、管網計算部１２５、基準パターン作成部１２６、指標値計算部１２７、異常検知部１２８、異常識別部１２９、異常発生時刻推定部１３０、管路情報管理テーブル１４１、節点情報管理テーブル１４２、計測データ管理テーブル１４３、基準パターン管理テーブル１４４、正常モデル管理テーブル１４５、ＤＭＡ状態管理テーブル１４６、変化パターン管理テーブル１４７、異常実績管理テーブル１４８がデータとして記憶されており、上記プログラムを実行する際に利用することができるようになっている。
The pipe line abnormality detection device 101 is a general computer system including a CPU, a storage device (RAM, hard disk, flash memory, etc.), an input unit 121 (keyboard, mouse, etc.), and a display unit 122 (display, printer, etc.). It is. The storage device includes a
データ登録部１２３は、入力部１２１より入力された管網やＤＭＡ、異常発生実績などに関する情報を所定のテーブルに登録するプログラムである。
The
データ収集部１２４は、流量計１１８、圧力計１１９より計測された流量値、圧力値を収集するプログラムである。管網計算部１２５は、配水管網１１２に対して各種管路異常を発生させたときの管網解析計算（管路流量、圧力分布の計算）を行うプログラムである。基準パターン作成部１２６は、各配水量および各圧力の計測データに対する正常時の２４時間時系列基準パターンを作成するプログラムである。指標値計算部１２７は、異常検知の指標として用いられる、配水量および各圧力の指標値を算出するプログラムである。異常検知部１２８は、配水量および各圧力の指標値を用いて、各ＤＭＡ１１５に発生した異常事象の検知を行うプログラムである。異常識別部１２９は、配水量および圧力の各指標値の変化パターンを用いて、発生した異常事象の種類の識別を行うプログラムである。異常発生時刻推定部１３０は、検知、識別された異常事象の発生時刻の推定を行うプログラムである。指標値モデル作成部１５０は、異常事象の識別に用いられる、異常事象別の配水量および圧力の各指標値の変化パターンを作成するプログラムである。
The data collection unit 124 is a program that collects flow rate values and pressure values measured by the
管路情報管理テーブル１４１は、配水管網１１２を構成する各管路１１３に関する情報を管理するテーブルである。節点情報管理テーブル１４２は、配水管網１１２を構成する各節点１１４に関する情報を管理するテーブルである。ＤＭＡ情報管理テーブル１４３は、各ＤＭＡ１１５を構成する各管路１１３および各節点１１４に関する情報を管理するテーブルである。異常実績管理テーブル１４４は、配水管網１１２において発生した管路異常に関する情報を管理するテーブルである。計測データ管理テーブル１４５は、流量計１１８、圧力計１１９より計測した時刻別の流量、圧力データ、そのフィルタリング処理されたデータ、および配水量、圧力の各指標値を管理するテーブルである。基準パターン管理テーブル１４６は、各配水量および各圧力の正常時の２４時間時系列基準パターンデータを管理するテーブルである。指標値モデル管理テーブル１４７は、配水量および圧力の各指標値ペアの正常時分布モデルのパラメータを管理するテーブルである。ＤＭＡ状態管理テーブル１４８は、各ＤＭＡ１１５の異常判定結果（異常または正常）と異常判定されたＤＭＡにおける配水量指標値、圧力指標値を管理するテーブルである。異常識別情報管理テーブル１４９は、異常事象別の配水量指標値と圧力指標値の変化パターンを管理するテーブルである。
The pipe line information management table 141 is a table for managing information related to the pipe lines 113 constituting the water distribution pipe network 112. The node information management table 142 is a table for managing information regarding each node 114 constituting the water distribution network 112. The DMA information management table 143 is a table for managing information on each pipeline 113 and each node 114 constituting each DMA 115. The abnormality record management table 144 is a table that manages information related to pipe line abnormalities occurring in the water distribution pipe network 112. The measurement data management table 145 is a table for managing the flow rate by time and the pressure data measured by the
本発明の実施の形態では、管路異常検知装置１０１において、以下の処理（１）〜（４）の処理を実行することにより、配水管網１１２で発生した異常事象の検知、識別、および異常発生時刻の推定を行うことができるようになる。 In the embodiment of the present invention, the abnormality detection apparatus 101 detects, identifies, and detects an abnormal event occurring in the water distribution network 112 by executing the following processes (1) to (4). The occurrence time can be estimated.
（１）配水管網に関する情報の登録
（２）配水管網からの流量、圧力の計測値の収集
（３）計測データを用いた管路異常の検知、識別、発生時刻推定
（４）各配水量および各圧力の時系列基準パターンの作成
（５）配水量および圧力の各指標値ペアの正常時モデルの作成
（６）管網計算に基づく異常発生時の指標値変化パターンの作成
以下、処理（１）〜（６）の実現方法について、図２〜１３を用いて説明する。
(1) Registration of information on water distribution network (2) Collection of flow rate and pressure measurement values from water distribution network (3) Pipeline abnormality detection, identification and generation time estimation using measurement data (4) Each distribution Creation of time-series reference patterns for water volume and pressure (5) Creation of normal model for each index value pair of water distribution and pressure (6) Creation of index value change pattern when abnormality occurs based on pipe network calculation A method for realizing (1) to (6) will be described with reference to FIGS.
はじめに、配水管網に関する情報の登録を行う処理（１）について説明する。管路異常検知装置１０１の管理者は、入力部１２１より、各管路１１３の識別情報（管路ＩＤ）、管路長、管路径、流速係数（管路の材質や経年によって定まる定数）、管路の接続情報である管路の始点・終点の識別情報（節点ＩＤ）を入力する。管路１１３にバルブ１１６、１１７、または流量計１１８が設置されている場合は、バルブの識別情報（バルブＩＤ）、バルブ開閉状態、流量計の識別情報（流量計ＩＤ）も入力する。データ登録部１２３は、上記入力された各管路のエントリごとに、上記入力情報を管路情報管理テーブル１４１に登録する。図２に、データ登録部１２３によって登録された管路情報管理テーブル１４０の一例を示しておく。
First, the process (1) for registering information related to the water distribution network will be described. The administrator of the pipe abnormality detection apparatus 101 uses the input unit 121 to identify each pipe 113 by identification information (pipe ID), pipe length, pipe diameter, flow coefficient (a constant determined by the pipe material and age), The identification information (node ID) of the start and end points of the pipeline, which is pipeline connection information, is input. When the
そして管路異常検知装置１０１の管理者は、入力部１２１より、各節点１１４の識別情報（節点ＩＤ）、標高、位置情報（緯度、経度）を入力する。節点１１４に圧力計１１９が設置されている場合は、圧力計の識別情報（圧力計ＩＤ）も入力する。データ登録部１２３は、上記入力された各節点のエントリごとに、上記入力情報を節点情報管理テーブル１４２に登録する。図３に、データ登録部１２３によって登録された節点情報管理テーブル１４２の一例を示しておく。
Then, the administrator of the pipeline abnormality detection apparatus 101 inputs identification information (node ID), altitude, and position information (latitude and longitude) of each node 114 from the input unit 121. When the
そして管路異常検知装置１０１の管理者は、入力部１２１より、各ＤＭＡ１１５の識別情報（ＤＭＡ−ＩＤ）とそれぞれのＤＭＡ１１５に所属する管路１１３、節点１１４の識別情報を入力する。データ登録部１２３は、上記入力された各ＤＭＡのエントリごとに、上記入力情報をＤＭＡ情報管理テーブル１４３に登録する。図４に、データ登録部１２３によって登録されたＤＭＡ情報管理テーブル１４３の一例を示しておく。
The administrator of the pipeline abnormality detection apparatus 101 inputs the identification information (DMA-ID) of each DMA 115 and the identification information of the pipeline 113 and the node 114 belonging to each DMA 115 from the input unit 121. The
そして管路異常検知装置１０１の管理者は、配水管網１１２において異常事象が発生した場合、入力部１２１より、上記異常事象の発生日とその種類を入力する。データ登録部１２３は、上記入力された各異常発生事象のエントリごとに、上記入力情報を異常実績管理テーブル１４４に登録する。図５に、データ登録部１２３によって登録された異常実績管理テーブル１４４の一例を示しておく。本実施形態では、検知される管路異常事象として、例えば、消費異常増加（漏水）、消費異常減少、バルブ閉止（開放状態にあるバルブが閉止される）、バルブ開放（閉止状態にあるバルブが開放される）、ＤＭＡブリーチ（ＤＭＡ境界にある閉止バルブが開放されＤＭＡ間に不許可の水流入出が発生する）などを想定しているが、本発明は上記の異常事象の検知のみに限定されるものではない。上記のようにして、データ登録部１２２によって、配水管網に関する情報の登録処理が行われる。
Then, when an abnormal event occurs in the water distribution pipe network 112, the administrator of the pipe abnormality detection apparatus 101 inputs the date and type of the abnormal event from the input unit 121. The
次に、配水管網からの流量、圧力の計測値の収集を行う処理（２）について説明する。データ収集部１２４は、所定周期（例えば５分間隔）ごとに、ネットワーク１２０を介して各流量計１１８、圧力計１１９より流量、圧力の計測値の収集を行い、収集した計測データを計測データ管理テーブル１４５に登録する。上記のようにして、データ収集部１２４によって、配水管網からの流量、圧力の計測値の収集処理が行われる。
Next, the process (2) for collecting the flow rate and pressure measurement values from the distribution pipe network will be described. The data collection unit 124 collects measured values of flow rate and pressure from each
次に、計測データを用いた管路異常の検知、識別、発生時刻推定を行う処理（３）について説明する。本処理は、上記計測値収集処理（２）によって最新の計測データが計測データ管理テーブル１４１に登録された場合に実施される。図６は、管路異常の検知、識別、発生時刻推定を行う処理を示すフローチャートである。 Next, the process (3) for detecting, identifying, and estimating the occurrence time of the pipe abnormality using the measurement data will be described. This process is performed when the latest measurement data is registered in the measurement data management table 141 by the measurement value collection process (2). FIG. 6 is a flowchart showing processing for detecting, identifying, and estimating the occurrence time of a pipeline abnormality.
ステップＳ６０１において、指標値計算部１２７は、計測データ管理テーブル１４１に登録された流量、圧力計測値（時系列データ）に対して、例えば過去３０分の移動平均などのフィルタリング処理を行い計測誤差等のノイズを除去する。そして上記フィルタリングされた流量計測値を用いてＤＭＡ１１５ごとの流量収支計算を行い各ＤＭＡ１１５の配水量を算出する。そしてフィルタリングされた流量、圧力、ＤＭＡ配水量データを計測データ管理テーブル１４５に登録する。
In step S601, the index
ステップＳ６０２において、指標値計算部１２７は、基準パターン管理テーブル１４６より、後述する事前に作成された各配水量および各圧力の正常時の２４時間時系列基準パターン値を取得し、最新の各配水量および各圧力計測値と、それぞれ対応する時系列基準パターン値との差をとって、配水量および圧力の各指標値を算出する。すなわち配水量および圧力の各指標値は、何らかの管路異常が発生して各配水量および各圧力が正常状態から離れるほど値が大きくなる傾向にある。
In step S602, the index
図７に、４つのＤＭＡ−１、２、３、４における配水量、時系列基準パターン、および指標値の一例を示す。上の４つのグラフは、４つのＤＭＡにおける配水量と時系列基準パターンを示し、下の４つのグラフは、４つのＤＭＡにおける配水場指標値（配水量と基準パターン値との差）を示している。時刻Ｔ１において全てのＤＭＡの配水量指標値が増加し、時刻Ｔ２以降においてＤＭＡ−３のみの配水量指標値が増加している。指標値の増加は何らかの異常の発生を意味することが多いが、時刻Ｔ１における配水量指標値の増加は、全てのＤＭＡ−１、２、３、４において発生しているため、これは異常ではなく、気象変動等による広域的な水需要量増加のためと考えられる。時刻Ｔ２におけるＤＭＡ−３の配水量指標値の増加はＤＭＡ−３のみに限定されているため、ＤＭＡ−３において例えば漏水等の異常が発生したものと考えられる。本処理では、後述するように上記指標値を用いて異常の検知、識別を行っているため、気象変動などによって発生する広域的な連動した指標値の変化が誤検知等の検知精度低下を引き起こす可能性がある。よって本処理では、配水量や圧力の計測値が広域的に連動してそれぞれの基準パターン値から外れた場合は、各基準パターン値がそれぞれの計測値に近づくように基準パターン値の補正を行い、補正された基準パターンを用いて各指標値の算出（補正）を行う。そして指標値計算部１２７は、算出された配水量および圧力の各指標値を計測データ管理テーブル１４５に登録する。
FIG. 7 shows an example of water distribution amounts, time-series reference patterns, and index values in the four
図８に、各基準パターンおよび各指標値の補正を行う処理のフローチャートを示す。ここでは、配水量の基準パターンおよび指標値の補正についてのみ説明するが、圧力についても同様であるため、説明を省略する。ステップ８０１において、指標値計算部１２７は、（式１）（式２）に示すように、各配水量指標値の正規化を行う。
FIG. 8 shows a flowchart of processing for correcting each reference pattern and each index value. Here, only the reference pattern of the water distribution amount and the correction of the index value will be described. In step 801, the index
Ｄｉｎｄｉ（ｉ，ｔ）＝Ｄ（ｉ，ｔ）−Ｄｂａｓｅ（ｉ、ｔ）・・・（式１）
Ａ（ｉ，ｔ）＝Ｄｉｎｄｉ（ｉ，ｔ）／Ｄσ（ｉ）・・・（式２）
ここに、Ｄｉｎｄｉ（ｉ，ｔ）：位置ｉ、時刻ｔのＤＭＡの配水量指標値、Ｄ（ｉ，ｔ）：位置ｉ、時刻ｔのＤＭＡの配水量指標値、Ｄｂａｓｅ（ｉ、ｔ）：位置ｉ、時刻ｔのＤＭＡの配水量時系列基準パターン値、Ａ（ｉ，ｔ）：位置ｉ、時刻ｔのＤＭＡの配水量の正規化された指標値、Ｄσ（ｉ）：位置ｉ、時刻ｔのＤＭＡの配水量時系列基準パターンの標準偏差
ステップ８０２において、指標値計算部１２７は、（式３）に示すように、各時刻における正規化された各配水量指標値から外れ値（例えば最大値、最小値など）を除去し、正規化された各配水量指標値の平均値を算出する。これは広域的連動による各配水量指標値の変化量を示している。
Dindi (i, t) = D (i, t) −Dbase (i, t) (Equation 1)
A (i, t) = Dindi (i, t) / Dσ (i) (Expression 2)
Here, Dindi (i, t): DMA distribution amount index value at position i, time t, D (i, t): DMA distribution amount index value at position i, time t, Dbase (i, t): Position distribution i, time distribution reference pattern value of DMA at time t, A (i, t): normalized index value of position i, distribution amount of DMA at time t, Dσ (i): position i, time Standard deviation of water distribution time series reference pattern of DMA of t In step 802, the index
Ｂ（ｉ，ｔ）＝ΣＡ（ｉ，ｔ）／（Ｌ−２）・・・（式３）
ここに、Ｌ：ＤＭＡの個数、Ｂ（ｔ）：外れ値（最大値、最小値）を除去した時刻ｔでの配水量指標値の平均値、Σは外れ値を除く正規化済み配水量指標値の総和
ステップ８０３において、指標値計算部１２７は、（式４）（式５）に示すように、各基準パターン値に元のスケールに戻した上記平均値Ｂ（ｉ，ｔ）を加算して広域的連動の影響を除去した補正済み基準パターン値を算出し、補正済み基準パターンを用いて各指標値を算出（補正）する。
B (i, t) = ΣA (i, t) / (L-2) (Equation 3)
Here, L: number of DMAs, B (t): average value of water distribution index values at time t when outliers (maximum value, minimum value) are removed, and Σ is a normalized water distribution index excluding outliers In step 803, the index
Ｄｃｏｒｒｂａｓｅ（ｉ，ｔ）＝Ｄｂａｓｅ（ｉ，ｔ）＋Ｂ（ｉ，ｔ）・Ｄσ（ｉ）・・・（式４）
Ｄｃｏｒｒｉｎｄｉ（ｉ，ｔ）＝Ｄ（ｉ，ｔ）−Ｄｃｏｒｒｂａｓｅ（ｉ，ｔ）・・・（式５）
ここに、Ｄｃｏｒｒｂａｓｅ（ｉ，ｔ）：位置ｉ、時刻ｔのＤＭＡの補正済み配水量時系列基準パターン値、Ｄｃｏｒｒｉｎｄｉ（ｉ，ｔ）：位置ｉ、時刻ｔのＤＭＡの補正済み配水量指標値
上記の補正処理により、図７の下の４つのグラフに示すように、広域的に連動して発生した各指標値の変化（拡大）は縮小され、局所的な変化はそのまま残されるように補正され、異常検知精度の向上が期待できるようになる。
Dcorrbase (i, t) = Dbase (i, t) + B (i, t) · Dσ (i) (Equation 4)
Dcorrindi (i, t) = D (i, t) −Dcorrbase (i, t) (Equation 5)
Here, Dcorrbase (i, t): corrected water distribution time series reference value of DMA at position i, time t, Dcorrindi (i, t): corrected water distribution index value of DMA at position i, time t As shown in the lower four graphs of FIG. 7, the correction processing of (5) is corrected so that the change (enlargement) of each index value generated in conjunction with a wide area is reduced and the local change is left as it is. As a result, an improvement in abnormality detection accuracy can be expected.
そして指標値計算部１２７は、図７に示すように、各配水量および圧力の計測値、基準パターン、および上記算出された指標値の時系列グラフを作成し、表示部１２２に表示する。図７では、配水量のグラフのみ示しているが、圧力のグラフについても同様に表示する。また指標値計算部１２７は、過去所定時刻から現在時刻までの、算出された各ＤＭＡ１１５の配水量指標値とそれぞれのＤＭＡに対応する圧力指標値のペアの時系列データの散布図を作成し、表示部１２２に表示する。例えばＤＭＡがＮ個あり、それぞれのＤＭＡに圧力計がＭ個ずつ設置してある場合は、Ｍ×Ｎ個の指標値ペアの散布図を作成、表示する。図９に、図７で示したＤＭＡ−３の配水量指標値と、ＤＭＡ−３に設置された圧力計の圧力指標値の散布図の一例を示す。この例では、図７で示したように、時刻Ｔ２以降に漏水等の影響により配水量が増加、圧力が減少（一般に配水量が増加すると管路の圧力損失が拡大し圧力は減少する）しているため、上記散布図において当初原点付近に集中していた正常時のデータポイントが時刻Ｔ２以降は右下のエリアに移動している。
Then, as shown in FIG. 7, the index
ステップＳ６０３において、指標値計算部１２７は、指標値モデル管理テーブル１４７より、後述する事前に作成された各ＤＭＡ１１５の配水量指標値とそれぞれのＤＭＡに対応する圧力指標値の各ペアの正常時の分布モデルのパラメータ値を取得し、上記算出された各指標値ペアの過去時刻（例えば４時間前）から現在時刻までの時系列データがそれぞれ対応する上記正常時分布モデルにどの程度当てはまっているかの度合いを示すモデル適合度（または正常状態からの逸脱度）を算出する。本実施形態では、配水量と圧力の各指標値ペアの分布を２変量正規分布で近似するものとする。よって２変量正規分布モデルのパラメータは、配水量指標値の平均、標準偏差、圧力指標値の平均、標準偏差、および配水量指標値と圧力指標値の相関係数となる。そして正常時の上記モデルに対する各指標値ペアの時系列データの適合度を、対数尤度を用いて計算するものとする。各指標値ペアのモデル適合度（対数尤度）は上記各時系列データが上記分布モデルに従うときの同時発生確率の対数をとりマイナス倍することによって計算できる。すなわち算出された指標値ペアがその正常時モデルから連続してはずれるほどモデル適合度は増加するため、配水管網１１２に何らかの異常が発生して配水量および圧力が正常状態から離れた状態であることを判断するための指標とすることができる。
In step S <b> 603, the index
ステップＳ６０４において、異常検知部１２８は、上記算出された配水量および圧力の各指標値ペアに対するモデル適合度とその所定の閾値とを比較する。閾値を超えたモデル適合度が存在しない場合はステップＳ６０５に進み、閾値を超えたモデル適合度が存在する場合はステップＳ６０６に進む。 In step S604, the abnormality detection unit 128 compares the model suitability for each index value pair of the calculated water distribution amount and pressure with the predetermined threshold value. If there is no model fitness that exceeds the threshold, the process proceeds to step S605. If there is a model fitness that exceeds the threshold, the process proceeds to step S606.
ステップＳ６０６において、異常検知部１２８は、閾値を超えたモデル適合度に対応するＤＭＡ１１５において異常が発生したと判定する。そして各ＤＭＡの異常判定結果（異常または正常）と、異常判定されたＤＭＡにおける配水量指標値、圧力指標値をＤＭＡ状態管理テーブル１４８に登録する。過去時刻から継続して異常判定されているＤＭＡについては、異常判定時刻以降の配水量指標値、圧力指標値の平均値をＤＭＡ状態管理テーブル１４８に登録する。ＤＭＡ１１５に複数の圧力計１１９が設置されており、同一ＤＭＡの複数の指標値ペアで異常と判定された場合、最も大きな絶対値の値をもつ圧力指標値を当該ＤＭＡの圧力指標値としてＤＭＡ状態管理テーブル１４８に登録する。図１０に、異常検知部１２８によって登録されたＤＭＡ状態管理テーブル１４８の一例を示しておく。
In step S606, the abnormality detection unit 128 determines that an abnormality has occurred in the DMA 115 corresponding to the model suitability exceeding the threshold. Then, the abnormality determination result (abnormal or normal) of each DMA, the water distribution amount index value and the pressure index value in the DMA determined to be abnormal are registered in the DMA state management table 148. For DMAs that have been determined to be abnormal from the past time, the average value of the water distribution amount index value and the pressure index value after the abnormality determination time is registered in the DMA state management table 148. When a plurality of
ステップＳ６０５において、異常検知部１２８は、配水管網１１２に異常は発生していないと判断し、その旨を表示部１２２に表示する。そして各ＤＭＡ１１５の異常判定結果（正常）をＤＭＡ状態管理テーブル１４８に登録する。
In step S <b> 605, the abnormality detection unit 128 determines that no abnormality has occurred in the water distribution network 112 and displays that fact on the
ステップＳ６０７において、異常識別部１２９は、異常識別情報管理テーブル１４９より、後述する事前に作成された、異常発生ＤＭＡおよびその隣接ＤＭＡにおける異常事象別の配水量指標値と圧力指標値の変化パターンを取得し、上記ＤＭＡ状態管理テーブル１４８に登録されている現時点の異常判定されたＤＭＡにおける配水量指標値、圧力指標値に対して一致する異常事象別の指標値の変化パターンの組合せを選定し、想定される全ての異常事象の候補（複数可）を識別する。図１１に、事前に作成された異常識別情報管理テーブル１４９の一例を示す。例えば漏水が発生したＤＭＡでは、配水量指標値は増加し、圧力指標値は減少となる。漏水による圧力指標値減少の影響は下流ＤＭＡにも及び、下流ＤＭＡにおいて、配水量指標値は不変、圧力指標値は不変または減少となる。 In step S <b> 607, the abnormality identification unit 129 uses the abnormality identification information management table 149 to create the change patterns of the water distribution amount index value and the pressure index value for each abnormal event in the abnormality occurrence DMA and its adjacent DMAs created in advance, which will be described later. Selecting a combination of change patterns of index values for each abnormal event that is acquired and matched to the water distribution amount index value and the pressure index value in the currently determined abnormality registered in the DMA state management table 148; Identify all possible abnormal event candidate (s). FIG. 11 shows an example of the abnormality identification information management table 149 created in advance. For example, in a DMA in which water leakage has occurred, the water distribution amount index value increases and the pressure index value decreases. The influence of the decrease in the pressure index value due to water leakage also affects the downstream DMA. In the downstream DMA, the water distribution index value is unchanged and the pressure index value is unchanged or decreased.
例えば、図１０に示すＤＭＡ状態管理テーブル１４８における時刻「２０１５／１／２／１２：０２」の異常判定結果と各指標値と、図１１に示す異常識別情報管理テーブル１４９の異常事象別の指標値変化パターンを用いた場合、以下の２つの異常事象の候補が識別される。 For example, the abnormality determination result and each index value at the time “2015/1/2/12: 02” in the DMA state management table 148 illustrated in FIG. 10 and the index for each abnormal event in the abnormality identification information management table 149 illustrated in FIG. When the value change pattern is used, the following two abnormal event candidates are identified.
（候補１）ＤＭＡ−１において漏水発生（下流ＤＭＡ−２での圧力指標値の減少は、上流ＤＭＡ−１の圧力指標値の減少による影響と考える）
（候補２）ＤＭＡ−１において漏水発生、かつＤＭＡ−２においてバルブ閉止発生
ステップＳ６０８において、異常発生時刻推定部１３０は、上記異常判定された各ＤＭＡ１１５に対応する指標値ペアのモデル適合度を用いて、各異常発生ＤＭＡ１１５において発生した異常事象候補として識別された全ての異常事象の発生時刻を推定する。異常発生時刻推定部１３０は、モデル適合度の時系列データの形状に基づいて異常発生時刻を推定する方式を異常事象の種類に応じて決定し、切替えるようになっている。図１２に、異常発生時刻推定部１３０において行われるモデル適合度の時系列データより異常発生時刻を推定する方式の一例を示す。図１２の例では、モデル適合度の時系列データの形状変化に応じて、以下に示す４種類の時点を用いて異常発生時刻を推定している。
(Candidate 1) Water leakage in DMA-1 (A decrease in pressure index value in downstream DMA-2 is considered to be an effect of a decrease in pressure index value in upstream DMA-1)
(Candidate 2) Water leakage occurs in DMA-1 and valve closing occurs in DMA-2 In step S608, abnormality occurrence
（異常発生時刻１）異常検知時刻前であって、モデル適合度が所定値（たとえば平均値＋所定許容範囲）を超えた最後の時刻
（異常発生時刻２）モデル適合度が所定値（たとえば平均値＋所定許容範囲）を超えた最後の時刻から異常検知時刻までの間であって、モデル適合度の上昇率が所定値より大きくなった時刻の中で最初の時刻
（異常発生時刻３）モデル適合度が所定値（たとえば平均値＋所定許容範囲）を超えた最後の時刻から異常検知時刻までの間であって、モデル適合度の上昇率が最も高いときの時刻
（異常発生時刻４）異常検知されたときの時刻
ステップＳ６０９において、異常識別部１２９は、上記識別された異常事象（または異常事象の組合せ）の候補の発生確率を計算する。その計算には、異常実績管理テーブル１４４に登録された異常事象の発生実績より計算される各異常事象の発生確率（件数／年）と、複数ＤＭＡで発生した異常事象が同一原因であるときの確率を用いる。複数ＤＭＡで発生した異常事象が同一原因であるときの確率は、上記複数の異常発生ＤＭＡにおける異常発生時刻の差が近いほど同一原因である確率が高くなるように設定しておく。例えば、複数ＤＭＡでの異常事象の発生時刻の差が２４時間以内のときは、それが同一原因であるときの確率＝０・９として設定されている。
(Abnormality occurrence time 1) The last time before the abnormality detection time and when the model suitability exceeds a predetermined value (eg, average value + predetermined allowable range) (Abnormality occurrence time 2) The first time (abnormality occurrence time 3) model from the last time exceeding the value + the predetermined allowable range) to the abnormality detection time and when the rate of increase in the model suitability is greater than the predetermined value The time when the degree of increase in the model suitability is the highest (abnormality occurrence time 4) from the last time when the suitability exceeds a predetermined value (for example, the average value + a predetermined allowable range) to the abnormality detection time. Time when Detected In step S609, the abnormality identification unit 129 calculates the probability of occurrence of the identified abnormal event (or combination of abnormal events) candidates. For the calculation, the occurrence probability (number / year) of each abnormal event calculated from the occurrence history of the abnormal event registered in the abnormal result management table 144 and the abnormal event occurring in the plural DMAs are the same cause. Use probability. The probability that abnormal events occurring in a plurality of DMAs have the same cause is set so that the probability of the same cause increases as the difference in abnormality occurrence time in the plurality of abnormality occurrence DMAs is closer. For example, when the difference between occurrence times of abnormal events in a plurality of DMAs is within 24 hours, the probability of the same cause being set is set to 0.9.
例えば、上記ステップＳ６０７において示した２つの異常発生候補１、２の例では、異常発生確率は以下のように計算される。
（候補１の発生確率）＝（ＤＭＡ−１で「漏水」が発生したときの発生推定時刻とＤＭＡ−２で「上流ＤＭＡからの圧力異常の影響」が発生したときの発生推定時刻との差に基づいて計算される異常が同一原因である確率）×（漏水の発生確率）
（候補２の発生確率）＝（ＤＭＡ−１で「漏水」が発生したときの発生推定時刻とＤＭＡ−２で「バルブ閉止」が発生したときの発生推定時刻との差に基づいて計算される異常が同一原因でない確率）×（漏水の発生確率）×（バルブ閉止の発生確率）
そして異常識別部１２９は、上記識別された異常事象（または異常事象の組合せ）の候補の発生確率の高いものから優先的に、異常発生したＤＭＡ、異常事象の候補、異常発生時刻、発生確率などを表示部１２２に表示する。図１３に、異常識別部１２９によって表示部１２２に表示される異常事象の検知、識別結果の表示画面の一例を示しておく。
For example, in the example of the two
(Probability of occurrence of candidate 1) = (Difference between estimated occurrence time when “water leakage” occurs in DMA-1 and estimated occurrence time when “effect of pressure abnormality from upstream DMA” occurs in DMA-2 (Probability that the abnormality calculated based on the same cause) × (probability of water leakage)
(Probability of occurrence of candidate 2) = (calculated based on the difference between the estimated occurrence time when “leakage” occurs in DMA-1 and the estimated occurrence time when “valve closure” occurs in DMA-2 Probability that abnormality is not the same cause) × (Probability of water leakage) × (Probability of valve closing)
Then, the abnormality identification unit 129 gives priority to the identified abnormal event (or combination of abnormal events) that has a high probability of occurrence of the abnormal DMA, abnormal event candidate, abnormality occurrence time, occurrence probability, etc. Is displayed on the
上記のようにして、指標値計算部１２７、異常検知部１２８、異常識別部１２９、異常発生時刻推定部１３０によって、管路異常の検知、識別、発生時刻推定処理が行われる。これにより、発生異常が検知、識別され、その候補が複数ある場合は、その発生確率に応じて異常事象が提示され、またその異常事象の発生時刻が推定されているため、管路異常事象の種類や発生タイミングに応じた適切な対策の実施が可能となる。
As described above, the index
次に、各配水量および各圧力の時系列基準パターンの作成を行う処理（４）について説明する。本処理は、一定期間経過するごとに、例えば１週間ごと、１ヶ月経過ごとに実施される。上述したように、上記ステップＳ６０１において、計測データ管理テーブル１４５には、フィルタリング済みの各ＤＭＡ配水量データ、および各圧力データが登録されている。基準パターン作成部１２６は、計測データ管理テーブル１４５より、上記フィルタリング済みの正常時の各ＤＭＡ配水量データ、および各圧力データを取得し、それぞれのデータの平日・休日別の最新の所定日数分、例えば３０日分の平均値をとって、各配水量および各圧力の正常時の２４時間時系列基準パターンを作成する。そして作成された上記各配水量および各圧力の正常時の２４時間時系列基準パターンデータを基準パターン管理テーブル１４６に登録する。上記のようにして、基準パターン作成部１２６によって、各配水量および各圧力の時系列基準パターンの作成処理が行われる。
Next, the process (4) for creating a time series reference pattern for each water distribution amount and each pressure will be described. This process is performed every time a certain period elapses, for example, every week or every month. As described above, in step S601, each DMA water distribution amount data and each pressure data that have been filtered are registered in the measurement data management table 145. The reference
次に、配水量および圧力の各指標値ペアの正常時モデルの作成を行う処理（５）について説明する。本処理は、一定期間経過するごとに、例えば１週間ごと、１ヶ月経過ごとに実施される。上述したように、上記ステップＳ６０２において、計測データ管理テーブル１４５には、計測データに基づいて算出（補正含む）された配水量および圧力の各指標値が登録されている。指標値モデル作成部１５０は、計測データ管理テーブル１４５より、各ＤＭＡ１１５の配水量指標値とそれぞれのＤＭＡに対応する圧力指標値の各ペアの正常時データを取得し、これを、２変量正規分布モデルを用いて近似し、モデルパラメータを推定する。ここでモデルパラメータは、配水量指標値の平均、標準偏差、圧力指標値の平均、標準偏差、および配水量指標値と圧力指標値の相関係数となる。そして作成された上記配水量および圧力の各指標値ペアの正常時分布モデルのパラメータを指標値モデル管理テーブル１４７に登録する。上記のようにして、指標値モデル作成部１５０によって、配水量および圧力の各指標値ペアの正常時モデルの作成処理が行われる。
Next, the process (5) for creating a normal model of each index value pair of water distribution amount and pressure will be described. This process is performed every time a certain period elapses, for example, every week or every month. As described above, in step S602, the measurement data management table 145 registers each index value of the water distribution amount and pressure calculated (including correction) based on the measurement data. The index value
次に、管網計算に基づく異常発生時の指標値変化パターンの作成を行う処理（６）について説明する。本処理は、配水管網１１２が構築された時点において実施され、そして管網１１２に対して管路の増設など管網構造が変化したタイミングにおいて実施される。管網計算部１２５は、管路異常検知装置１０１が想定する各種異常事象を発生させたときの、配水管網１１２上の管網解析計算を行う。管網解析計算とは、管路１１３の識別情報、管路長、管路径、流速係数（管路の材質や経年によって変化する）、接続情報（管路の始点、終点となる需要点の識別情報）、および節点１１４の識別情報、位置情報、標高等の管網モデル情報より導出される節点での流量収支式、および管路での圧力平衡式を連立して解くことによって、管網上の圧力、流量分布を求めるものである。管網解析計算を行うアルゴリズムは公知であり、例えばアメリカ合衆国環境保護庁が開発したＥＰＡＮＥＴなどの管網解析計算ツールがフリーで公開されているため、本実施形態では詳細な説明を省略する。管網計算部１２５は、管路情報管理テーブル１４１、節点情報管理テーブル１４２より上記管網モデル情報を取得し、管網モデルに対して漏水やバルブ閉止等の各種管路異常事象が様々な位置で発生するように設定して管網解析計算を行い、各流量計１１８、圧力計１１９に相当する位置の流量、圧力計算値を算出する。そして上記各種異常発生時における流量、圧力計算値データに対して、フィルタリング、ＤＭＡ配水量推定、および配水量、圧力の各指標値の算出などの処理を行う。これは上記ステップＳ６０１、Ｓ６０２と同様であるため、説明を省略する。最終的に、各種異常発生時における、各ＤＭＡ１１５の配水量指標値とそれぞれのＤＭＡに対応する圧力指標値の各ペアの変化量（変化パターン）が得られるため、管網計算部１２５は、各種異常発生時における異常発生ＤＭＡおよびその隣接ＤＭＡにおける配水量指標値と圧力指標値の変化パターンを異常識別情報管理テーブル１４９に登録する。上記のようにして、管網計算部１２５によって、管網計算に基づく異常発生時の指標値変化パターンの作成処理が行われる。
Next, a process (6) for creating an index value change pattern at the time of occurrence of an abnormality based on pipe network calculation will be described. This process is performed at the time when the water distribution pipe network 112 is constructed, and is performed at a timing when the pipe network structure is changed, such as addition of a pipeline to the pipe network 112. The pipe network calculation unit 125 performs pipe network analysis calculation on the water distribution pipe network 112 when various abnormal events assumed by the pipe line abnormality detection device 101 are generated. Pipe network analysis calculation means identification information of the pipe 113, pipe length, pipe diameter, flow velocity coefficient (varies depending on the material of the pipe and aging), connection information (identification of demand points as the start point and end point of the pipe) Information), and the identification information of the node 114, the position information, the flow balance equation at the node derived from the tube network model information such as the altitude, and the pressure balance equation at the pipeline, Pressure and flow rate distribution. Since an algorithm for performing pipe network analysis calculation is publicly known, for example, a pipe network analysis calculation tool such as EPANET developed by the United States Environmental Protection Agency has been released to the public. Therefore, detailed description thereof is omitted in this embodiment. The pipe network calculation unit 125 acquires the pipe network model information from the pipe information management table 141 and the node information management table 142, and various pipe abnormal events such as water leakage and valve closing are located at various positions in the pipe network model. The pipe network analysis calculation is performed by setting so that the flow rate and pressure are calculated at the positions corresponding to the
すなわち、管路異常検知装置は、配水管網の流量および圧力の計測データを取得し、基準パターン値からのずれの度合いを示す流量指標値及び圧力指標値を算出する指標値計算部と、流量指標値及び圧力指標値の正常時分布モデルへの適合度に基づいて配水管網に発生した異常事象の検知を行う異常検知部と、流量指標値及び圧力指標値の変化パターンに基づいて検知された異常事象の種類の識別を行う異常識別部と、異常事象の識別結果に基づいて異常発生時刻推定方式を決定し、適合度および異常発生時刻推定方式に基づいて、識別された異常事象の発生時刻を推定する異常発生時刻推定部と、異常事象の検知、識別結果および異常事象発生時刻の推定結果を提示する提示部と、を備える。 That is, the pipe line abnormality detection device acquires flow rate and pressure measurement data of the distribution pipe network, calculates an index value calculation unit that calculates a flow index value and a pressure index value indicating a degree of deviation from the reference pattern value, and a flow rate An abnormality detection unit that detects an abnormal event that has occurred in the distribution pipe network based on the degree of conformity of the index value and the pressure index value to the normal distribution model, and is detected based on the change pattern of the flow index value and the pressure index value. An abnormal identification unit that identifies the type of abnormal event, and an abnormal event time estimation method based on the abnormal event identification result, and the occurrence of the identified abnormal event based on the degree of fitness and the abnormal event time estimation method An abnormality occurrence time estimation unit that estimates time, and a presentation unit that presents an abnormal event detection, identification result, and abnormal event occurrence time estimation result.
更に指標値計算部は、複数の流量指標値同士及び、複数の圧力指標値同士に対して、各指標値のスケールが合うようにそれぞれ正規化を行い、正規化された各指標値の外れ値を除いた平均値を算出し、各指標値の算出に用いた夫々の基準パターン値に対して平均値を元のスケールに戻した値を加算して基準パターン値を補正し、補正された夫々の基準パターン値を用いて各指標値を計算することで流量指標値同士、及び圧力指標値同士の補正を行う。 Further, the index value calculation unit performs normalization so that the scales of the respective index values are matched with each other between the plurality of flow index values and between the plurality of pressure index values, and the outliers of the respective normalized index values Is calculated by adding the value obtained by returning the average value to the original scale to each reference pattern value used for calculating each index value, and correcting each reference pattern value. The flow rate index values and the pressure index values are corrected by calculating each index value using the reference pattern value.
異常識別部は、複数の異常事象の候補が存在する場合にそれぞれの異常事象の候補の発生確率を計算し、提示部は、発生確率の高い異常事象を優先的に提示する。 The abnormality identification unit calculates the occurrence probability of each abnormal event candidate when there are a plurality of abnormal event candidates, and the presentation unit preferentially presents an abnormal event with a high occurrence probability.
異常識別部は、配水管網における異常事象の発生実績、または複数の異常事象の発生時刻に基づいて異常事象の発生確率の計算を行う。 The abnormal identification unit calculates the occurrence probability of the abnormal event based on the occurrence of the abnormal event in the distribution pipe network or the occurrence time of the plurality of abnormal events.
配水管網における管網解析計算を行い、流量指標値及び圧力指標値の各異常時の変化パターンを作成する管網計算部をさらに備えても良い。 You may further provide the pipe network calculation part which performs the pipe network analysis calculation in a distribution pipe network, and produces the change pattern at the time of each abnormality of a flow volume index value and a pressure index value.
以上述べたように、本発明の実施の形態によれば、配水管網において発生した管路異常事象を検知、識別でき、その異常事象の発生時刻が推定、提示されるため、管路異常事象の種類や発生タイミングに応じた適切な対策の実施が可能となる。 As described above, according to the embodiment of the present invention, it is possible to detect and identify a pipeline abnormal event that has occurred in a water distribution network, and the occurrence time of the abnormal event is estimated and presented. It is possible to implement appropriate measures according to the type and timing of occurrence.
１００…管路異常検知システム、
１０１…管路異常検知装置、
１１０…配水地、
１１１…ポンプ、
１１２…配水管網、
１１３…管路、
１１４…節点、
１１５…ＤＭＡ、
１１６…閉止バルブ、
１１７…開放バルブ、
１１８…流量計、
１１９…圧力計、
１２０…ネットワーク、
１２１…入力部、
１２２…表示部、
１２３…データ登録部、
１２４…データ収集部、
１２５…管網計算部、
１２６…基準パターン作成部、
１２７…指標値計算部、
１２８…異常検知部、
１２９…異常識別部、
１３０…異常発生時刻推定部、
１５０…指標値モデル作成部、
１４１…管路情報管理テーブル、
１４２…節点情報管理テーブル、
１４３…ＤＭＡ情報管理テーブル、
１４４…異常実績管理テーブル、
１４５…計測データ管理テーブル
１４６…基準パターン管理テーブル、
１４７…指標値モデル管理テーブル、
１４８…ＤＭＡ状態管理テーブル、
１４９…異常識別情報管理テーブル
100: Pipe line abnormality detection system,
101 ... Pipe line abnormality detection device,
110 ... Water distribution area,
111 ... pump,
112 ... Water distribution network,
113 ... conduit,
114 ... nodes,
115 ... DMA,
116 ... Closing valve,
117 ... Opening valve,
118 ... Flow meter,
119 ... Pressure gauge,
120 ... Network,
121 ... input section,
122 ... display section,
123 ... Data registration part,
124: Data collection unit,
125 ... pipe network calculation part,
126 ... reference pattern creation unit,
127 ... index value calculation unit,
128: Anomaly detection unit,
129 ... an abnormality identification unit,
130 ... abnormality occurrence time estimation unit,
150 ... index value model creation unit,
141 ... pipeline information management table,
142 ... node information management table,
143 ... DMA information management table,
144: Abnormal performance management table,
145 ... Measurement data management table 146 ... Reference pattern management table,
147 ... index value model management table,
148 ... DMA state management table,
149 ... Abnormality identification information management table
Claims (10)
前記流量指標値及び圧力指標値の正常時分布モデルへの適合度に基づいて前記配水管網に発生した異常事象の検知を行う異常検知部と、
前記流量指標値及び圧力指標値の変化パターンに基づいて検知された異常事象の種類の識別を行う異常識別部と、
異常事象の識別結果に基づいて異常発生時刻推定方式を決定し、前記適合度および前記異常発生時刻推定方式に基づいて、識別された異常事象の発生時刻を推定する異常発生時刻推定部と、
異常事象の検知、識別結果および前記異常事象発生時刻の推定結果を提示する提示部と、
を備えることを特徴とする管路異常検知装置。 An index value calculation unit for obtaining flow rate and pressure measurement data of the distribution pipe network and calculating a flow index value and a pressure index value indicating a degree of deviation from the reference pattern value;
An abnormality detection unit that detects an abnormal event that has occurred in the water distribution network based on the degree of conformity to the normal distribution model of the flow rate index value and the pressure index value;
An abnormality identifying unit for identifying the type of abnormal event detected based on the change pattern of the flow index value and the pressure index value;
An abnormality occurrence time estimation method is determined based on an abnormal event identification result, and an abnormality occurrence time estimation unit that estimates an occurrence time of the identified abnormal event based on the fitness and the abnormality occurrence time estimation method;
A presentation unit for presenting an abnormal event detection, identification result, and an estimation result of the abnormal event occurrence time;
A conduit abnormality detection device comprising:
ことを特徴とする請求項１に記載の管路異常検知装置。 The index value calculation unit performs normalization so that the scales of the respective index values match each other for a plurality of flow index values and a plurality of pressure index values, and outliers of each normalized index value Calculating the average value excluding, and correcting the reference pattern value by adding a value obtained by returning the average value to the original scale for each of the reference pattern values used for calculating the index values, The flow rate index values and the pressure index values are corrected by calculating the index values using the corrected reference pattern values.
The conduit abnormality detection device according to claim 1.
前記提示部は、発生確率の高い異常事象を優先的に提示する、
ことを特徴とする請求項１に記載の管路異常検知装置。 The abnormal identification unit calculates the probability of occurrence of each abnormal event candidate when a plurality of abnormal event candidates exist,
The presenting unit preferentially presents an abnormal event with a high probability of occurrence,
The conduit abnormality detection device according to claim 1.
ことを特徴とする請求項３に記載の管路異常検知装置。 The abnormal identification unit calculates the occurrence probability of the abnormal event based on the occurrence of the abnormal event in the distribution pipe network, or the occurrence time of a plurality of abnormal events,
The conduit abnormality detection device according to claim 3.
ことを特徴とする請求項１に記載の管路異常検知装置。 The pipe line according to claim 1, further comprising a pipe network calculation unit that performs pipe network analysis calculation in the water distribution pipe network and creates a change pattern at the time of each abnormality of the flow index value and the pressure index value. Anomaly detection device.
指標値計算部が、配水管網の流量および圧力の計測データを取得し、基準パターン値からのずれの度合いを示す流量指標値及び圧力指標値を算出するステップと、
異常検知部が、前記流量指標値及び圧力指標値の正常時分布モデルへの適合度に基づいて前記配水管網に発生した異常事象の検知を行うステップと、
異常識別部が、前記流量指標値及び圧力指標値の変化パターンに基づいて検知された異常事象の種類の識別を行うステップと、
異常発生時刻推定部が、異常事象の識別結果に基づいて異常発生時刻推定方式を決定し、前記適合度および前記異常発生時刻推定方式に基づいて、識別された異常事象の発生時刻を推定するステップと、
提示部が、異常事象の検知、識別結果および前記異常事象発生時刻の推定結果を提示するステップと、
を備えることを特徴とする管路異常検知方法。 In the pipe abnormality detection device,
An index value calculation unit obtains flow rate and pressure measurement data of the distribution pipe network, and calculates a flow rate index value and a pressure index value indicating a degree of deviation from the reference pattern value;
A step of detecting an abnormal event that has occurred in the water distribution pipe network based on the degree of conformity of the flow rate index value and the pressure index value to a normal distribution model;
An abnormal identification unit identifying the type of abnormal event detected based on the change pattern of the flow index value and the pressure index value;
The abnormality occurrence time estimation unit determines an abnormality occurrence time estimation method based on the identification result of the abnormal event, and estimates the occurrence time of the identified abnormal event based on the fitness and the abnormality occurrence time estimation method When,
The presenting unit presenting an abnormal event detection, identification result and an estimation result of the abnormal event occurrence time; and
A method for detecting an abnormality in a pipeline, comprising:
ことを特徴とする請求項６に記載の管路異常検知方法。 The index value calculation unit performs normalization so that the scales of the respective index values match each other for a plurality of flow index values and a plurality of pressure index values, and outliers of each normalized index value Calculating the average value excluding, and correcting the reference pattern value by adding a value obtained by returning the average value to the original scale for each of the reference pattern values used for calculating the index values, The flow rate index values and the pressure index values are corrected by calculating the index values using the corrected reference pattern values.
The method for detecting a conduit abnormality according to claim 6.
前記提示部は、発生確率の高い異常事象を優先的に提示する、
ことを特徴とする請求項６に記載の管路異常検知方法。 The abnormal identification unit calculates the probability of occurrence of each abnormal event candidate when a plurality of abnormal event candidates exist,
The presenting unit preferentially presents an abnormal event with a high probability of occurrence,
The method for detecting a conduit abnormality according to claim 6.
ことを特徴とする請求項８に記載の管路異常検知方法。 The abnormal identification unit calculates the occurrence probability of the abnormal event based on the occurrence of the abnormal event in the distribution pipe network, or the occurrence time of a plurality of abnormal events,
The method for detecting a conduit abnormality according to claim 8.
ことを特徴とする請求項６に記載の管路異常検知方法。 The pipe network calculation unit further includes a step of performing pipe network analysis calculation in the water distribution pipe network and creating a change pattern at the time of each abnormality of the flow index value and the pressure index value. Method for detecting pipe abnormalities.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015117122A JP2017002554A (en) | 2015-06-10 | 2015-06-10 | Conduit failure detection device and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015117122A JP2017002554A (en) | 2015-06-10 | 2015-06-10 | Conduit failure detection device and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2017002554A true JP2017002554A (en) | 2017-01-05 |
Family
ID=57751630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015117122A Pending JP2017002554A (en) | 2015-06-10 | 2015-06-10 | Conduit failure detection device and method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2017002554A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2560790A (en) * | 2017-12-20 | 2018-09-26 | Intellitect Water Ltd | A water network monitor, monitoring system and method |
| WO2020136739A1 (en) * | 2018-12-26 | 2020-07-02 | 三菱電機株式会社 | Device for detecting defect in hydraulic elevator and method for repairing existing hydraulic elevator |
| WO2020162603A1 (en) * | 2019-02-07 | 2020-08-13 | 三菱重工業株式会社 | Abnormality detection device, simulator, plant monitoring system, abnormality detection method, and program |
| CN112805441A (en) * | 2018-10-01 | 2021-05-14 | 苏伊士集团 | Method for identifying the source of pressure transients in a water network |
| US11560698B2 (en) * | 2017-08-07 | 2023-01-24 | Nec Corporation | State analysis device, state analysis method, and recording medium |
-
2015
- 2015-06-10 JP JP2015117122A patent/JP2017002554A/en active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11560698B2 (en) * | 2017-08-07 | 2023-01-24 | Nec Corporation | State analysis device, state analysis method, and recording medium |
| GB2560790A (en) * | 2017-12-20 | 2018-09-26 | Intellitect Water Ltd | A water network monitor, monitoring system and method |
| GB2560790B (en) * | 2017-12-20 | 2019-05-15 | Intellitect Water Ltd | A water network monitor, monitoring system and method |
| US11021376B2 (en) | 2017-12-20 | 2021-06-01 | Intellitect Water Ltd | Water network monitor, monitoring system and method |
| CN112805441A (en) * | 2018-10-01 | 2021-05-14 | 苏伊士集团 | Method for identifying the source of pressure transients in a water network |
| CN112805441B (en) * | 2018-10-01 | 2023-09-12 | 苏伊士国际公司 | Method for identifying a source of pressure transients in a water network |
| WO2020136739A1 (en) * | 2018-12-26 | 2020-07-02 | 三菱電機株式会社 | Device for detecting defect in hydraulic elevator and method for repairing existing hydraulic elevator |
| WO2020162603A1 (en) * | 2019-02-07 | 2020-08-13 | 三菱重工業株式会社 | Abnormality detection device, simulator, plant monitoring system, abnormality detection method, and program |
| JP2020129158A (en) * | 2019-02-07 | 2020-08-27 | 三菱重工業株式会社 | Abnormality detection device, simulator, plant monitoring system, abnormality detection method and program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108027594B (en) | Method for detecting anomalies in a water distribution system | |
| JP4314038B2 (en) | Method for estimating anomalous locations in fluid transport pipe networks | |
| JP2017002554A (en) | Conduit failure detection device and method | |
| US10401250B2 (en) | Leakage detection and leakage location in supply networks | |
| Eliades et al. | Leakage fault detection in district metered areas of water distribution systems | |
| US8583386B2 (en) | System and method for identifying likely geographical locations of anomalies in a water utility network | |
| Laucelli et al. | Detecting anomalies in water distribution networks using EPR modelling paradigm | |
| US10795382B2 (en) | Method and apparatus for model-based control of a water distribution system | |
| Ye et al. | Weighted least squares with expectation-maximization algorithm for burst detection in UK water distribution systems | |
| US20170249559A1 (en) | Apparatus and method for ensembles of kernel regression models | |
| JP2007170021A (en) | Water distribution and pipeline information analysis system | |
| JP5164954B2 (en) | Device diagnostic method and device diagnostic device | |
| JP6181301B2 (en) | Water leakage countermeasure support device and method | |
| BR112021003369A2 (en) | method for identifying the source of a pressure transient in a water network | |
| CN116541678B (en) | Pressure monitoring method and device for gas station safety pipeline | |
| JP5253218B2 (en) | Device diagnostic method | |
| JP6948197B2 (en) | Process monitoring device | |
| JP5792667B2 (en) | Sensor diagnostic device and sensor diagnostic method | |
| Xue et al. | Improving near real-time anomaly event detection and classification with trend change detection for smart water grid operation management | |
| JP2015137866A (en) | Water leakage amount estimation device, method, and system | |
| JP2022082294A (en) | Pipe channel abnormality detection system, estimation device, learning model generation device, pipe channel abnormality detector, method for detecting abnormality in pipe channel, method for estimation, and method for generating learning model | |
| JP6471035B2 (en) | Leakage occurrence position estimation device, system and method | |
| KR20160039078A (en) | Method for analyzing signal of power plant pipe | |
| JP2765456B2 (en) | Pipeline leak detection method | |
| CN113358192B (en) | Detecting abnormal metering drift in a flow meter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170111 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170113 |