CN109027700B - 一种漏点探漏效果的评估方法 - Google Patents

Abstract

本发明提出一种漏点探漏效果的评估方法，包括收集暗漏点信息，并对所述收集的暗漏点信息进行预处理；确定漏点生长函数；根据漏点生长函数确定暗漏点和背景漏点；计算不同探漏周期内的暗漏点和背景漏点数；计算探漏系数，探漏系数＝暗漏漏点数/(暗漏漏点数+背景漏点数)，以及计算历史探漏周期的平均探漏系数P；评估不同探漏周期的探漏效果：若本次探漏周期内探漏系数高于P，说明探漏工作效果好；若探漏系数低于P，说明探漏工作效果差。本发明的方法还包括计算不同区域内的漏点分布情况，评估不同区域的探漏效果，以及预测下一个探漏周期可能存在的漏点数，制定探漏工作计划。

Description

一种漏点探漏效果的评估方法

技术领域

本发明属于城市供水管网探漏领域，具体涉及一种评估漏点探漏效率的方法。

背景技术

对全世界而言，管网漏损是供水企业不断面临的一个挑战。漏损问题降低了自来水公司和市政当局的服务水平，对基础设施系统、自然环境和供水公司的金融福利都有多方面的影响。因此，越来越多先进的检漏仪器、科学的管网管理技术、精细的管网压力调控方法等措施被引入到管网漏损控制之中，这些技术和措施对于减少管网漏损起到了重要的作用。

然而，在漏损评价方法方面仍缺乏统一标准，导致对于管网的漏损状况缺乏正确认识。漏损评价中最关键的一步是评价指标的选取，只有选择了适当的评价指标，才能够了解管网真实的漏损状况，进而制定合理的漏损控制方案。

在漏损评价方面，漏损率、单位管长漏损量、管网漏失指数是比较常用的三个指标，这三个指标并没有涉及到评价探漏工作，但是探漏工作对于漏损控制而言是非常重要的。目前，大多数自来水公司或探漏公司都是采用经验法来评估探漏工作，缺乏科学有效的理论指导，使得探漏工作效率低下。

在每个探漏周期内，探漏工人发现的漏点只占一部分，还有大量现有技术可以检测到的漏点未被发现，这和探漏工人经验、探漏设备精度、探漏工作策略等诸多因素有关。从微观的角度解析漏点发展过程，确定漏点在不同探漏周期和不同区域的分布情况，根据历史捡漏数据预测下一个探漏周期可能存在的漏点数，提出一种漏点探漏效率的评估方法，可以更好地指导自来水公司开展探漏工作，对于提高漏损控制效率，优化探漏工作安排具有重要的现实意义。

发明内容

为了节约水资源，提高探漏效率，本发明旨在提供一种漏点探漏效果的评估方法，辅助自来水公司做出科学合理的决策。

一种漏点探漏效果的评估方法，其特征在于该方法包括如下步骤：

收集暗漏点信息，并对收集的暗漏点信息进行预处理；

确定漏点生长函数；

根据漏点生长函数确定暗漏点和背景漏点；

计算不同探漏周期内的暗漏点和背景漏点数；

计算探漏系数，探漏系数＝暗漏漏点数/(暗漏漏点数+背景漏点数)，以及计算历史探漏周期的平均探漏系数P；

评估不同探漏周期的探漏效果：若本次探漏周期内探漏系数高于P，说明探漏工作效果好；若探漏系数低于P，说明探漏工作效果差。

进一步，暗漏点信息包括探漏时间、漏点漏失水量、漏水点原因、探漏周期、漏点的坐标、管径、管材、管长。

进一步，暗漏点信息的预处理方法为：按不同的管材和管径对暗漏点进行分类，剔除那些由于非自然原因而产生的漏点。

进一步，漏点生长函数为f(t)，f(t)表示漏点漏失水量，t表示漏点发展时间。

进一步，根据漏点生长函数确定暗漏点和背景漏点方法为，已知漏点被发现的时间为t_p，漏点漏失水量为Q_p，根据漏点生长函数f(t)计算漏点发展时间长度Δt＝f^-1(Q_p)，漏点发展的初始时间t_o＝t_p-Δt，漏点在t_p时刻被探测到为暗漏点，漏点在t_o至t_p之间被探测到为背景漏点。

进一步，计算不同探漏周期内的暗漏点和背景漏点数的方法为，在T个探漏周期内共探测到n个漏点，漏点被探测到的时间为

漏点发展的初始时间为

在第j个探漏周期内(1≤j≤T)，探漏起始时间为t′_j，探漏结束时间为t″_j，在上述n个漏点中有k1个漏点被探测到的时间

在t′_j和t″_j之间，则第j个探漏周期内有k1个暗漏点，在上述n个漏点中有k2个漏点的初始时间

在t″_j之前，被探测到的时间

在t″_j之后，则第j个探漏周期内有k2个背景漏点。

进一步，还包括计算不同区域内的漏点分布情况，评估不同区域的探漏效果。

更进一步，评估不同区域的探漏效果的方法为：把不同探漏周期内的漏点分布情况和漏点的空间位置信息相关联，把漏点信息定位到管网图上，确定不同区域内的漏点分布情况；计算不同区域的探漏系数，若探漏系数高于历史探漏周期的平均探漏系数P，说明探漏工作效果好；若探漏系数低于P，说明探漏工作效果差。

进一步，还包括预测下一个探漏周期可能存在的漏点数，制定探漏工作计划。

更进一步，预测下一个探漏周期可能存在的漏点数的方法为，根据历史暗漏漏点数和背景漏点数构造原始数据列；对原始数据列进行累加生成、累减生成或加权累加生成等变换；建立灰色预测模型，预测下一个探漏周期可能存在的漏点数。

本发明具有以下优点及突出性的技术效果：

1)本发明首次提出通过探漏系数这一指标来评估探漏工作，对于提高探漏效率，优化探漏工作安排具有重要的现实意义。

2)本发明利用生长函数确定不同探漏周期和不同区域内的漏点分布情况，并与漏点的空间位置信息相关联，能够更加全面、准确的评估探漏工作。

3)本发明根据历史暗漏漏点数和背景漏点数，预测下一个探漏周期可能存在的漏点数，能够有效指导探漏工作的开展。

附图说明

图1示出了本发明的实施方式的漏点1的生长函数曲线图；

图2示出了本发明的实施方式的不同探漏周期内漏点状态示意图；

图3示出了本发明实施方式的某市2个DMA内的漏点分布图。

具体实施方式

为更好的理解和实施本发明，下面将结合附图和具体实施例对本发明进行详细阐述。应当理解的是，虽然对本发明的实施方式进行了说明，但是显然，本发明不限定于上述实施方式，可以在不脱离其主旨的范围内进行各种变形。

在以下实施方式中，利用python 3.6软件作为模型的开发平台。本实施方式以DN100铸铁管上的漏点为例，主要步骤如下：

1、暗漏点信息收集与处理。

1)数据收集：在城市供水管网的维修与暗漏数据库中，收集2007年至2016年某市的暗漏点信息，包括探漏时间、漏点漏失水量、漏水点原因、探漏周期、漏点坐标、管径、管材、管长。

2)数据预处理：按不同的管材和管径对漏点进行分类，剔除那些由于非自然原因而产生的漏点，如外荷载作用在管道上。

2、对于DN100的铸铁管线，漏点生长函数为f(t)＝85/(1+e^5-0.3t)，f(t)表示漏点漏失水量，t表示漏点发展时间。

3、根据漏点生长函数确定暗漏点和背景漏点。

某个时间段内，地面以下被检测到的漏点为暗漏点；现有技术和措施无法探测到的漏点为背景漏点。图1所示为漏点1的生长函数曲线图。

漏点1被发现的时间为t_p，漏点漏失水量为Q_p，根据漏点生长函数f(t)计算漏点发展时间长度Δt＝f^-1(Q_p)；

计算漏点发展的初始时间t_o＝t_p-Δt；

漏点1在t_p时刻被发现，称为暗漏点；

当漏点1处于t_o时刻至t_p时刻之间时，称为背景漏点，表示现有技术可以检测到漏点，但由于探漏经验、探漏策略等原因，漏点一直没有被发现。

4、计算不同探漏周期内的暗漏点和背景漏点数。

某市在2007年至2016年之间，每年进行4次探漏，一共40个探漏周期，共检测到1067个漏点，已知漏点被探测到的时间为

利用漏点生长函数计算得出漏点发展的初始时间为

如图2所示，在第j个探漏周期内(1≤j≤40)，探漏起始时间为t′_j，探漏结束时间为t″_j，漏点2被探测到的时间

在t′_j和t″_j之间，所以在第j个探漏周期内漏点2为暗漏点。漏点3的初始时间

在t″_j之前，被探测到的时间

在t″_j之后，所以在第j个探漏周期内漏点3为背景漏点。

2007年至2016年之间的1067个漏点中，有k1个漏点被探测到的时间

在t′_j和t″_j之间，则第j个探漏周期内有k1个暗漏点；有k2个漏点的初始时间

在t″_j之前，被探测到的时间

在t″_j之后，则第j个探漏周期内有k2个背景漏点，某市2007年至2016年所有探漏周期内暗漏点和背景漏点的分布情况如表1所示。

表1某市2007年至2016年所有探漏周期内的漏点分布情况

5、计算探漏系数，评估不同探漏周期的探漏效果。

探漏工作的评价指标为探漏系数，探漏系数＝暗漏漏点数/(暗漏漏点数+背景漏点数)，计算某市近5年(2012年至2016年)DN100铸铁管的平均探漏系数P为0.13，并以此为评价标准。若本次探漏周期内探漏系数高于P，说明探漏工作效果好；若探漏系数低于P，说明探漏工作效果差。

2012年冬季探漏周期，某市的探漏系数为0.16，高于近5年DN100铸铁管的平均探漏系数0.13，说明某市在2012年冬季探漏周期内探漏工作开展良好。

6、计算不同区域内的漏点分布情况，评估不同区域的探漏效果。

把表1中不同探漏周期内的漏点分布情况和漏点坐标相关联，反映在某市的管网图上，确定不同区域内的漏点分布情况。图3所示为某市的两个分区计量管网(DMA)内漏点在管网图上的分布，圆圈代表暗漏点，三角形代表背景漏点。可以看出DMA1的暗漏点1个，背景漏点11个，探漏系数为0.09，低于平均探漏系数0.13，说明探漏效果较差；DMA2的暗漏点2个，背景漏点9个，探漏系数0.18，高于平均探漏系数0.13，说明探漏效果较好。

7、预测下一个探漏周期可能存在的漏点数，制定探漏工作计划。

1)已知某市某区2016年春季到2017年夏季每个探漏周期内的漏点数分别为132，92，118，130，187，207，以此构造原始数据列X⁽⁰⁾＝{X⁽⁰⁾(1),X⁽⁰⁾(2),X⁽⁰⁾(3),X⁽⁰⁾(4),X⁽⁰⁾(5),X⁽⁰⁾(6)}＝{132,92,118,130,187,207}

2)对序列X⁽⁰⁾进行一次累加，生成序列X⁽¹⁾＝{X⁽¹⁾(1),X⁽¹⁾(2),X⁽¹⁾(3),X⁽¹⁾(4),X⁽¹⁾(5),X⁽¹⁾(6)}＝{132,224,342,472,659,866}

3)对序列X⁽¹⁾建立微分方程

即关于序列预测的一个变量、一阶微分的GM(1,1)灰色模型。

4)计算上述微分方程的参数a和μ，a＝-0.2，μ＝56.8。预测值的表达式为X⁽¹⁾(k)＝409e^0.2(k-1)-277，其中k为第几个预测值，表示预测年份。例如k＝1时，表示预测2016年春季探漏周期的数据。

5)对预测值进行一次累减，即当前还原值等于后一个预测值减去前一个预测值，之后通过计算绝对相对误差来判断预测效果。例如，当k＝3时，2016年秋季探漏周期的预测值为333，还原值为110＝333-223，真实值为118，绝对相对误差为0.07＝(118-110)/118。

表2所示为灰色模型的预测结果，可以看出预测所需数据量小，绝对相对误差基本都小于0.1，预测精度较高。利用该方法计算出下一个探漏周期可能存在的漏点数，可以进一步指导探漏工作方案的制定，有效提高探漏工作的效率。

表2灰色预测模型结果

本发明弥补了关于漏点探漏效率评估方法的研究内容，以探漏系数作为评价指标来评估探漏工作。利用漏点生长函数确定漏点在不同探漏周期的分布情况，并与漏点的空间位置信息相关联，从而确定漏点在不同区域的分布情况，计算漏点的探漏系数。同时，根据历史漏点信息利用灰色模型预测下一个探漏周期可能存在的漏点，进一步指导自来水公司优化探漏工作策略，有效提高探漏效率。

Claims (10)

1.一种漏点探漏效果的评估方法，其特征在于该方法包括如下步骤：

收集暗漏点信息，并对所述收集的暗漏点信息进行预处理；

确定漏点生长函数；

根据漏点生长函数确定暗漏点和背景漏点；

计算不同探漏周期内的暗漏点和背景漏点数；

计算探漏系数，探漏系数＝暗漏漏点数/(暗漏漏点数+背景漏点数)，以及计算历史探漏周期的平均探漏系数P；

评估不同探漏周期的探漏效果：若本次探漏周期内探漏系数高于P，说明探漏工作效果好；若探漏系数低于P，说明探漏工作效果差。

2.如权利要求1所述的一种漏点探漏效果的评估方法，其特征在于，暗漏点信息包括探漏时间、漏点漏失水量、漏水点原因、探漏周期、漏点的坐标、管径、管材、管长。

3.如权利要求1所述的一种漏点探漏效果的评估方法，其特征在于，暗漏点信息的预处理方法为：按不同的管材和管径对暗漏点进行分类，剔除那些由于非自然原因而产生的漏点。

4.如权利要求1所述的一种漏点探漏效果的评估方法，其特征在于，漏点生长函数为f(t)，f(t)表示漏点漏失水量，t表示漏点发展时间。

5.如权利要求4所述的一种漏点探漏效果的评估方法，其特征在于，根据漏点生长函数确定暗漏点和背景漏点方法为，已知漏点被发现的时间为t_p，漏点漏失水量为Q_p，根据漏点生长函数f(t)计算漏点发展时间长度Δt＝f^-1(Q_p)，漏点发展的初始时间t_o＝t_p-Δt，漏点在t_p时刻被探测到为暗漏点，漏点在t_o至t_p之间被探测到为背景漏点。

6.如权利要求5所述的一种漏点探漏效果的评估方法，其特征在于；计算不同探漏周期内的暗漏点和背景漏点数的方法为，在T个探漏周期内共探测到n个漏点，漏点被探测到的时间为

漏点发展的初始时间为

在第j个探漏周期内(1≤j≤T)，探漏起始时间为t′_j，探漏结束时间为t″_j，在上述n个漏点中有k1个漏点被探测到的时间

在t′_j和t″_j之间，则第j个探漏周期内有k1个暗漏点，在上述n个漏点中有k2个漏点的初始时间

在t″_j之前，被探测到的时间

在t″_j之后，则第j个探漏周期内有k2个背景漏点。

7.如权利要求1所述的一种漏点探漏效果的评估方法，其特征在于，还包括计算不同区域内的漏点分布情况，评估不同区域的探漏效果。

8.如权利要求7所述的一种漏点探漏效果的评估方法，其特征在于，评估不同区域的探漏效果的方法为：把不同探漏周期内的漏点分布情况和漏点的空间位置信息相关联，把漏点信息定位到管网图上，确定不同区域内的漏点分布情况；计算不同区域的探漏系数，若探漏系数高于历史探漏周期的平均探漏系数P，说明探漏工作效果好；若探漏系数低于P，说明探漏工作效果差。

9.如权利要求1所述的一种漏点探漏效果的评估方法，其特征在于，还包括预测下一个探漏周期可能存在的漏点数，制定探漏工作计划。

10.如权利要求9所述的一种漏点探漏效果的评估方法，其特征在于，预测下一个探漏周期可能存在的漏点数的方法为，根据历史暗漏漏点数和背景漏点数构造原始数据列；对原始数据列进行累加生成、累减生成或加权累加生成等变换；建立灰色预测模型，预测下一个探漏周期可能存在的漏点数。

Images