CN106157173B - 基于scada数据和实时模型的城市供水管网爆管在线定位方法 - Google Patents
基于scada数据和实时模型的城市供水管网爆管在线定位方法 Download PDFInfo
- Publication number
- CN106157173B CN106157173B CN201610557790.2A CN201610557790A CN106157173B CN 106157173 B CN106157173 B CN 106157173B CN 201610557790 A CN201610557790 A CN 201610557790A CN 106157173 B CN106157173 B CN 106157173B
- Authority
- CN
- China
- Prior art keywords
- pressure
- pipe
- time
- flow
- measuring
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 3
- 238000004880 explosion Methods 0.000 claims description 46
- 230000009172 bursting Effects 0.000 claims description 14
- 210000000349 chromosome Anatomy 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 4
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000002547 anomalous effect Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pipeline Systems (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种基于SCADA数据和实时模型的城市供水管网爆管在线定位方法。本发明首先监测压力波谷，确定疑似爆管时间边界和校核测点，然后根据每次爆管发生后测点的流量异常率变化，选择测点当中异常率变化明显的测点，按照它们所在位置，划定矩形区域，作为实时优化校核模型搜索爆管点的初始区域。最后目标函数以连续时间内压力测点的压力模拟值和实际值、流量测点的模拟值与实际值之间的差值绝对值之和作为评价标准，迭代求解最小值，获得最可能的爆管节点和爆管流量。本发明能实现对爆管等异常事件的高精度快速侦测定位，降低爆管对供水管网系统造成的危害。
Description
技术领域
本发明属于城市供水管网领域，涉及供水管网的爆管异常定位，具体是一种基于SCADA数据和实时模型的城市供水管网爆管在线定位方法。
背景技术
爆管漏水在供水管网中普遍存在，具有突发性，会导致供水系统运行异常，影响居民生活和企业生产，甚至会危害人身安全。然而，爆管侦测与定位较为复杂，涉及爆管发生时管网系统动态状况，受到测点少、测量精度低、采集传输实时性差、水力模型不可靠等因素影响。目前管网爆管定位方法主要有基于在线数据分析（如瞬变流逆分析等）方法和基于微观模型（如离线模型异常校核）方法，前一类方法基于在线数据，可一定程度上实现爆管流量初步估计和爆管点区域划定，但易受管网噪声影响，易漏诊，且定位误差大；后一类方法虽可在理论上实现精确定位，但离线模型往往精度较低，存在固有误差源，同时，由于爆管会对管网系统产生破环性影响，直接影响管网各个区域压力态势，同时会对入水口水压造成波动，传统离线模型忽略这部分变化，易产生较大定位误差。
发明内容
有鉴于此，本发明针对供水管网在线定位的需要，提出了一种基于SCADA数据和实时模型的城市供水管网爆管在线定位方法。
为实现上述目的，本发明采取以下步骤：
步骤1 、监测压力波谷，确定疑似爆管时间边界和校核测点
根据各测压点在爆管发生前后的压力变化的先后顺序和压力波谷，得出测点压力因爆管发生变化的起始时间、截止时间，从而获得用于实时模型优化校核的起始时间，持续时间T以及有压力值反馈的时刻k，选择负压波变化比较明显的测点作为校核测点，设其个数为m。
步骤2、初步定位
爆管发生前后，测点与水源压差的比值（压降比）反映了爆管发生后测点附近的流量异常情况，用公式表示为：
表示管网中各测点在爆管发生后时刻时附近区域的流量异常率，表示爆管发生起始时刻，表示爆管发生后时刻测点与水源水头的压差，表示时刻测点与水源水头的压差。
根据每次爆管发生后测点的流量异常率变化，选择测点当中异常率变化明显的测点，按照它们所在位置，划定矩形区域，作为实时优化校核模型搜索爆管点的初始区域。
步骤3、精确定位
目标函数以连续时间内压力测点的压力模拟值和实际值、流量测点的模拟值与实际值之间的差值绝对值之和作为评价标准，迭代求解最小值，获得最可能的爆管节点和爆管流量。具体为：
其中，为压力测点在时刻的优化模拟值，为压力测点SCADA监测值；为测流管线的优化模拟值，为测流管线的SCADA监测值，T为优化校核时间段，为由步骤1选定的压力测点数目，n为供水管网中管线流量测点数目，、是分配的权重系数，具体由管网实际情况经验值给定。
通过模型模拟某节点的流量大幅度变化来模拟爆管现象，以节点位置以及节点漏失量作为优化过程的自变量。通过遗传算法优化求解。
设定遗传算法参数，包括种群规模、进化代数、选择、交叉、变异方法、交叉概率、变异概率；确定染色体编码方式，以空间自然搜索的方式编码染色体，即将节点的二维坐标，连续时间区间的爆管流量作为染色体基因位，具体如下表1所示：
表1
| … |
每个节点对应一个二维坐标，反之，每个二维坐标可映射到一个距离其最近的节点。在搜索时，改变二维坐标大小，即可改变目标节点。代表优化校核第一个时刻的节点爆管流量大小，则代表下一时刻，后面同理。
确定基于压力和流量拟合误差最小化的目标函数，利用获取的管网边界数据建立实时模型，迭代进化模拟优化实时模型，求得精确的爆管点和爆管漏损量。
本发明的有益效果：本发明能实现对爆管等异常事件的高精度快速侦测定位，降低爆管对供水管网系统造成的危害。
附图说明
图1为S市小型DMA管网；
图2为14个测点的压力曲线图；
图3为14个测点异常率变化曲线图；
图4为爆管定位具体方案流程图。
具体实施方式
为使本发明的技术易于理解，下面结合附图给出一个实例，对本发明的具体实施方式作进一步详细描述。
S市供水公司于2015年4月3日上午9点到12点，做了 5次模拟爆管实验。本实例以该S市做爆管实验的小型DMA管网为研究对象，如图1所示，该管网包含5293个普通用水节点，5415条管道，14个内部压力监测点，18个大表流量测点，2条内部测流管线，图中标注的41922、26124和26125为管网中的3个入水口，压力和流量均有测量。已知左侧矩形方框区域曾发生过一次爆管事件，左侧粗原点标记的节点为内部压力测点，中间圆圈圈起来的两条管线是内部测流管线。
步骤1、监测压力波谷，确定疑似爆管时间边界和校核测点
根据SCADA系统获取爆管发生的大致时间段和压力数据，绘制爆管发生时间段内14个测点的压力曲线图，如图2所示，确定14个测点压力普遍开始下降的起始时间、降幅较大的主要节点、下降到压力波波谷的平均时间。
分析图2可知，14个测点压力普遍开始下降的时间是第4分钟开始，第8分钟普遍下降到压力波波谷。其中，测点25727、23770、1193、32048下降幅度较大，下降速度也较快，其余测点之间压力变化大致相同，且降幅较小。
根据14个测压点的时间边界，确定实时模型起始时间=4，连续校核时间区间T=4，选择25727、23770、1193、32048作为校核目标测点，测点数目m=4，忽略其他变化不明显的压力测点。爆管发生后，测点采集到压力值的时刻k取值为：1，2，3，4，……，10。
步骤2 初步定位
依据以下公式，求测点的流量异常率
表示管网中各测点在爆管发生后时刻时附近区域的流量异常率，表示爆管发生起始时刻，表示时刻测点与水源水头的压差，表示爆管发生后时刻测点与水源水头的压差。
求得爆管发生后10分钟内流量异常率如下表2所示
表2
| 测点/异常率/时间 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 605 | 1.00 | 1.13 | 1.27 | 1.47 | 1.40 | 1.49 | 1.47 | 1.49 | 1.38 | 1.34 |
| 850 | 1.00 | 1.04 | 1.04 | 1.04 | 1.00 | 1.04 | 1.00 | 0.99 | 0.99 | 0.99 |
| 1193 | 1.00 | 1.39 | 1.34 | 1.40 | 1.34 | 1.40 | 1.40 | 1.35 | 1.37 | 1.30 |
| 1244 | 1.00 | 1.06 | 1.03 | 1.04 | 1.03 | 1.04 | 1.00 | 1.03 | 1.01 | 1.01 |
| 3120 | 1.00 | 1.02 | 1.32 | 1.45 | 1.40 | 1.41 | 1.41 | 1.56 | 1.38 | 1.32 |
| 3487 | 1.00 | 1.05 | 1.12 | 1.37 | 1.39 | 1.45 | 1.45 | 1.47 | 1.47 | 1.29 |
| 5604 | 1.00 | 1.02 | 1.29 | 1.34 | 1.32 | 1.29 | 1.44 | 1.44 | 1.24 | 1.20 |
| 23770 | 1.00 | 1.05 | 1.02 | 1.03 | 1.00 | 1.02 | 0.94 | 0.99 | 0.97 | 0.97 |
| 25555 | 1.00 | 1.06 | 1.01 | 1.02 | 1.00 | 1.01 | 0.94 | 0.97 | 0.95 | 0.98 |
| 25727 | 1.00 | 1.03 | 1.02 | 1.00 | 1.02 | 1.00 | 0.95 | 0.95 | 0.95 | 0.91 |
| 27115 | 1.00 | 1.01 | 1.00 | 1.01 | 0.97 | 0.92 | 0.93 | 0.97 | 0.99 | 0.97 |
| 28211 | 1.00 | 1.05 | 1.02 | 1.01 | 1.00 | 1.02 | 0.96 | 0.98 | 0.99 | 0.98 |
| 32048 | 1.00 | 1.31 | 1.27 | 1.30 | 1.24 | 1.33 | 1.33 | 1.28 | 1.25 | 1.22 |
| 40084 | 1.00 | 1.06 | 0.99 | 1.04 | 0.99 | 0.96 | 0.97 | 1.00 | 1.00 | 0.99 |
绘制14个测点异常率变化曲线图，如图3所示。找出异常率变化较大的几个节点，作为初步搜索区域。
统计得出异常率值较大，变化较明显的几个测点分别是：1193、32048、605、3487和3120。异常率值得分布区间是(1.2,1.6)。
根据选取节点，在EPANET供水管网模型软件中获得其具体坐标。将异常率大于1的这几个主要测点，作为优化校核模型的初步搜索边界，也就是自变量中坐标参数的取值边界；具体是将异常率大于1的测点的节点坐标进行排序，选择X坐标中最小，最大值，Y坐标中最小、最大值作为优化校核模型的左右、下上四个搜索边界。爆管流量的初步取值范围依据历史压力异常率对应的爆管流量幅度区间经验确定。如下表3所示
表3
| 爆管序号/值/参数 | Xmin | Xmax | Ymin | Ymax | 爆管流量范围 |
| 1 | 57,811.39 | 59,674.42 | 18,223.87 | 20,246.66 | 0~1,000.00 |
步骤3.精确定位
依据步骤1和步骤2确定优化校核测点、优化校核时间区间、爆管搜索范围和爆管漏损量取值范围进行精确定位。
采集第4分到第8分的SCADA数据，具体是出、入口压力数据、流量数据、优化目标测点的压力数据、管道状态数据、大表用户流量数据等。其中，入口压力数据在线更新为水库水头，大表流量数据直接更新为对应节点的需水量数据，依据管道的开度，直接更新对应管道为开或者关。
以爆管发生时间段的测点实时模拟值与实测值之差，作为优化校核目标函数，具体为：
,依据压力拟合差和流量拟合差的比值区间经验给定，该管网是1/10 的关系，则设为1,为0.1，以平衡两者在误差累计中的权重，管网中有两条流量测点，故n=2。
编码、选择、交叉和变异方法分别采用实数编码、轮盘赌选择、实数交叉和单点变异；进化代数；种群规模；交叉和变异概率分别为,。染色体的具体形式如表4所示
表4
| X坐标 | Y坐标 | t时刻需水量 | t+1时刻需水量 | t+2时刻需水量 | … |
| 57,822.39 | 59,624.42 | 345.21 | 452.12 | 321.78 | … |
利用EPANET水力求解引擎将选取的SCADA在线数据按优化时间对应更新到管网模型上去，实现实时模拟。
通过遗传算法迭代进化，改变染色体基因，评价适应度函数，实现实时校核，最终获得最好的染色体，从而得到最可能的爆管坐标和爆管流量，方案流程图如图4所示。利用EPANET获取所有DMA管网的节点坐标，求得与爆管坐标欧氏距离最近的节点坐标，确定该节点即为爆管节点。
根据以上方法，求得5次爆管定位偏差见表5所示，求解得到的爆管漏损量见表6。
表5求解爆管点与实际爆管点距离偏差
| 实验序号/值/参数 | 爆管求解点 | 实际点 | 欧式距离差值 |
| 1 | 1671 | 26551 | 249.10966 |
| 2 | 618 | 29675 | 73.932308 |
| 3 | 75 | 25575 | 631.7071 |
| 4 | 17137 | 31733 | 478.93182 |
| 5 | 54199 | 25133 | 997.32585 |
表6最优解对应的爆管流量
| 实验序号/值/参数 | 最优解 | 第1分钟 | 第2分钟 | 第3分钟 |
| 1 | 1671 | 166.1869903 | 58.48658 | 10.98238 |
| 2 | 618 | 172.1317902 | 185.5464 | 160.7959 |
| 3 | 75 | 11.65619662 | 12.06562 | 11.26899 |
| 4 | 17137 | 10.86489503 | 13.45882 | 12.09842 |
| 5 | 54199 | 10.83961735 | 125.496 | 10.37903 |
Claims (1)
1.基于SCADA数据和实时模型的城市供水管网爆管在线定位方法，其特征在于该方法包括以下步骤：
步骤1、监测压力波谷，确定疑似爆管时间边界和校核测点
根据各测压点在爆管发生前后的压力变化的先后顺序和压力波谷，得出测点压力因爆管发生变化的起始时间、截止时间，从而获得用于实时模型优化校核的起始时间t0，持续时间T以及有压力值反馈的时刻k，选择负压波变化前几位的测点作为校核测点，设其个数为m；
步骤2、初步定位
爆管发生前后，测点与水源压差的比值反映了爆管发生后测点附近的流量异常情况，用公式表示为：
其中，表示管网中各测点i在爆管发生后k时刻时附近区域的流量异常率，t0表示爆管发生起始时刻，表示爆管发生后k时刻测点i与水源水头的压差，表示t0时刻测点i与水源水头的压差；
根据每次爆管发生后测点的流量异常率变化，选择测点当中异常率变化前几位的测点，按照它们所在位置，划定矩形区域，作为实时优化校核模型搜索爆管点的初始区域；
步骤3、精确定位
目标函数以连续时间内压力测点的压力模拟值和实际值、流量测点的模拟值与实际值之间的差值绝对值之和作为评价标准，迭代求解最小值，获得最可能的爆管节点和爆管流量；具体为：
其中，为压力测点i在t时刻的优化模拟值，为压力测点SCADA监测值；为测流管线j的优化模拟值，为测流管线j的SCADA监测值，T为持续时间，m为由步骤1选定的压力测点数目，n为供水管网中管线流量测点数目，αi、βj是分配的权重系数；
通过模型模拟某节点的流量大幅度变化来模拟爆管现象，以节点位置以及节点漏失量作为优化过程的自变量，通过遗传算法优化求解；
设定遗传算法参数，包括种群规模、进化代数、选择、交叉、变异方法、交叉概率、变异概率；确定染色体编码方式，以空间自然搜索的方式编码染色体，即将节点的二维坐标，连续时间区间的爆管流量作为染色体基因位，具体如下表所示：
每个节点对应一个二维坐标，反之，每个二维坐标可映射到一个距离其最近的节点；在搜索时，改变二维坐标大小，即可改变目标节点；Demand1代表优化校核第一个时刻的节点爆管流量大小，Demand2则代表下一时刻，后面同理；
确定基于压力和流量拟合误差最小化的目标函数，利用获取的管网边界数据建立实时模型，迭代进化模拟优化实时模型，求得精确的爆管点和爆管漏损量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610557790.2A CN106157173B (zh) | 2016-07-15 | 2016-07-15 | 基于scada数据和实时模型的城市供水管网爆管在线定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610557790.2A CN106157173B (zh) | 2016-07-15 | 2016-07-15 | 基于scada数据和实时模型的城市供水管网爆管在线定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106157173A CN106157173A (zh) | 2016-11-23 |
| CN106157173B true CN106157173B (zh) | 2019-07-12 |
Family
ID=58059457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610557790.2A Active CN106157173B (zh) | 2016-07-15 | 2016-07-15 | 基于scada数据和实时模型的城市供水管网爆管在线定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106157173B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874532A (zh) * | 2016-12-23 | 2017-06-20 | 武汉智博创享科技有限公司 | 一种水管网爆管分析方法 |
| CN107143750B (zh) * | 2017-04-13 | 2019-05-31 | 浙江大学 | 一种管网爆管监控网络的空间布置方法 |
| CN107122853A (zh) * | 2017-04-25 | 2017-09-01 | 杭州电子科技大学 | 一种供水管网实时调度系统及方法 |
| CN107560782B (zh) * | 2017-07-28 | 2020-05-12 | 福星智慧家生活服务有限公司 | 供水管道爆裂检测方法及系统 |
| CN108090845A (zh) * | 2017-12-04 | 2018-05-29 | 深圳万城节能股份有限公司 | 用水管理平台及用水管理方法 |
| CN108332059B (zh) * | 2018-01-16 | 2019-05-31 | 浙江大学 | 服务于供水管网爆管监测的测压点优化布置方法 |
| CN108360608B (zh) * | 2018-03-21 | 2020-05-08 | 浙江大学 | 一种供水系统输水管的爆管识别与定位方法 |
| CN108647470B (zh) * | 2018-05-29 | 2022-05-31 | 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 |
| CN108763464B (zh) * | 2018-05-29 | 2021-08-03 | 杭州电子科技大学 | 基于监测点聚类和异常区域重心法的供水爆管定位方法 |
| CN109376925B (zh) * | 2018-10-23 | 2021-07-23 | 青岛理工大学 | 供水管网节点流量动态自适应优化方法 |
| CN112131688B (zh) * | 2019-06-05 | 2024-06-18 | 台湾优化水务股份有限公司 | 供水管网的水力模型校正方法、系统及记录媒体 |
| CN110701490B (zh) * | 2019-10-08 | 2021-07-30 | 北京无线电计量测试研究所 | 一种管线泄漏监测方法及其设备 |
| CN110688776B (zh) * | 2019-10-16 | 2023-01-20 | 熊猫智慧水务有限公司 | 一种基于管网平差的爆管辨识方法 |
| CN114857509B (zh) * | 2021-02-04 | 2024-06-07 | 西安普特流体控制有限公司 | 一种管网爆管漏损监测方法、装置和平台定位、验证方法 |
| CN113420965B (zh) * | 2021-06-08 | 2023-07-07 | 上海城投水务(集团)有限公司 | 一种基于虚拟测点进行辅助人工调度的方法 |
| CN113446521B (zh) * | 2021-06-25 | 2022-09-20 | 天津大学 | 基于瞬变流的爆管定位方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2491804B (en) * | 2011-05-11 | 2018-01-17 | Syrinix Ltd | Pipeline fault detection system and monitor unit |
| CN204554374U (zh) * | 2015-04-24 | 2015-08-12 | 成都汇智控水科技有限公司 | 一种供水管爆管检测系统 |
| 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 |
-
2016
- 2016-07-15 CN CN201610557790.2A patent/CN106157173B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106157173A (zh) | 2016-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106157173B (zh) | 基于scada数据和实时模型的城市供水管网爆管在线定位方法 | |
| CN110108328B (zh) | 一种供水管网漏损区域漏水量的获取方法 | |
| CN106779226B (zh) | 一种基于混核机器学习的风机批功率预测方法 | |
| CN112904266B (zh) | 一种电能表寿命预测方法及装置 | |
| CN108197725B (zh) | 基于需水量先验信息的供水管网节点需水量校核方法 | |
| CN111120876B (zh) | 一种基于pdd的城市供水管网的爆管预警定位的方法 | |
| CN101871448B (zh) | 一种泵站水泵特性曲线确定方法及系统 | |
| CN112818495B (zh) | 一种新型管道压降测算算法参数的动态修正方法 | |
| CN108758357B (zh) | 一种基于供水管网压力变化值分析的爆管定位方法 | |
| CN102682348A (zh) | 复杂装备部件维修级别优化系统及其建立方法 | |
| CN116701970B (zh) | 基于双层相似度聚类的排水管网监测点优化布置方法 | |
| CN112113146B (zh) | 供水管网管道粗糙系数和节点需水量同步自适应校核方法 | |
| CN103900666A (zh) | 膜式燃气表长期运行的计量精度控制方法 | |
| CN112097125A (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
| CN117469603A (zh) | 一种基于大数据学习的多水厂供水系统压力优化控制方法 | |
| CN117073933B (zh) | 一种用于燃气管网的管道压力监测方法及系统 | |
| CN113418146B (zh) | 一种用于供水管网的漏损辅助定位控制方法 | |
| CN108763464B (zh) | 基于监测点聚类和异常区域重心法的供水爆管定位方法 | |
| Khedr et al. | Water distribution system calibration: Manual versus optimization-based approach | |
| CN105654191A (zh) | 一种粮食消费量动态预测方法 | |
| CN114818221A (zh) | 一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法 | |
| CN116227322A (zh) | 一种核电厂数字孪生系统模型在线自适应方法 | |
| CN109948886A (zh) | 一种供水管网关键阀门辨识方法 | |
| CN113408076A (zh) | 基于支持向量机模型的小样本机械剩余寿命预测方法 | |
| CN113586969B (zh) | 一种基于准瞬态压力信号的爆管侦测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |