CN109661627A - 用于建模、分析、检测并监测流体网络的系统和方法 - Google Patents

用于建模、分析、检测并监测流体网络的系统和方法 Download PDF

Info

Publication number
CN109661627A
CN109661627A CN201780052991.XA CN201780052991A CN109661627A CN 109661627 A CN109661627 A CN 109661627A CN 201780052991 A CN201780052991 A CN 201780052991A CN 109661627 A CN109661627 A CN 109661627A
Authority
CN
China
Prior art keywords
node
fluid network
sensor
fluid
processor
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.)
Granted
Application number
CN201780052991.XA
Other languages
English (en)
Other versions
CN109661627B (zh
Inventor
詹尼弗·F·舒马赫
萨贝尔·塔吉维彦
罗纳德·D·耶西
安德鲁·P·博尼法斯
尼古拉斯·G·阿梅尔
布洛克·A·哈勃
哥尔珊·哥尔纳利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
3M Innovative Properties Co
Original Assignee
3M Innovative Properties Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 3M Innovative Properties Co filed Critical 3M Innovative Properties Co
Publication of CN109661627A publication Critical patent/CN109661627A/zh
Application granted granted Critical
Publication of CN109661627B publication Critical patent/CN109661627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
    • F15B19/007—Simulation or modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • 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
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B11/00—Arrangements or adaptations of tanks for water supply
    • E03B11/02—Arrangements or adaptations of tanks for water supply for domestic or like local water supply
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
    • G01M3/2807—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/15—Leakage reduction or detection in water storage or distribution

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fluid Mechanics (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

提供用于最佳地确定流体网络中的传感器或基础结构放置、用于确定该流体网络中感兴趣的异常以及用于确定该流体网络中的传感器覆盖的系统和方法，其基于由有向图表示的该流体网络的模型。

Description

用于建模、分析、检测并监测流体网络的系统和方法
技术领域
本公开涉及建模、分析、监测并检测流体网络的方法和系统。
背景技术
流体网络诸如水网络可能会遭受影响可用性和质量的问题，包括缓慢或快速泄漏、对运输基础结构的腐蚀、污染等。此类问题可能直到它们对基础结构、水质或健康造成重大影响之前都没有发现和解决。示例是2014年1月发生的埃尔克河化学品溢漏，其中约300,000位居民受到影响并且122人因污染而住院。
发明内容
期望能够及早或实时检测在流体网络中的问题(例如，管道涂层问题、泄漏/裂缝、污染等)，并且能够通过预测何时和何处可能发生问题(issue/problem)来采取优先行动而非反应。
在一个方面，本公开描述了一种最佳地确定在流体网络中的传感器或基础结构放置的方法。该方法包括创建流体网络的模型。该模型包括i)表示设置在流体网络中的流体基础结构的多个定向连接节点和ii)定位在流体网络中的一个或多个选定位置处的一个或多个传感器。该方法还包括将模型表示为与设置在流体网络外部的处理器相关联的矩阵数据结构、通过处理器分析该矩阵以评估该模型的每个节点是否满足一个或多个可定位标准。分析该矩阵包括解释和执行与该处理器相关联的多个指令。确定流体网络中的传感器或基础结构放置。
在另一方面，本公开描述了一种系统，该系统包括定位在流体网络中的一个或多个选定位置处的一个或多个传感器。传感器被配置成在相应位置处从流体网络收集数据。处理器被设置在流体网络外部。该处理器被配置成接收来自传感器的数据并基于流体网络的模型分析该数据。该模型包括表示设置在流体网络中的流体基础结构的多个定向连接节点。与处理器相关联的多个指令是由该处理器可解释和可执行的，以分析该数据并确定流体网络内的传感器放置。
在另一方面，本公开描述了一种确定流体网络中感兴趣的异常的方法。该方法包括提供设置在流体网络中的一个或多个选定位置处的一个或多个传感器。传感器被配置成在相应位置处从流体网络收集数据。该方法还包括通过一个或多个传感器在一个或多个位置从流体网络收集数据、通过处理器接收来自传感器的数据并通过处理器基于流体网络的模型分析数据。该模型表示为与处理器相关联的有向图。有向图包括多个定向连接节点，其中在两个相邻节点之间添加一个或多个假想节点。
在另一方面，本公开描述了一种确定流体网络中的传感器覆盖的方法。该方法包括创建流体网络的模型。该模型包括表示设置在流体网络中的流体基础结构的多个定向连接节点。该方法还包括将模型表示为与设置在流体网络外部的处理器相关联的矩阵数据结构并且通过处理器分析该矩阵以评估每个节点是否满足一个或多个可定位标准。分析该矩阵包括解释和执行与该处理器相关联的多个指令。该方法还包括将每个节点分配给定位区域、检测区域和安全区域中的一个。
在本公开的示例性实施方案中获取各种意料不到的结果和优点。本公开的示例性实施方案的此类优点包括及早或实时检测和确定在流体网络中的问题、优先行动(包括预测流体网络中可能的问题)、最佳传感器或流体基础结构放置等。
已总结本公开的示例性实施方案的各种方面和优点。上面的发明内容并非旨在描述本公开的当前某些示例性实施方案的每个例示的实施方案或每种实施方式。下面的附图和具体实施方式更具体地举例说明了使用本文所公开的原理的某些优选实施方案。
附图说明
结合附图考虑本公开的各种实施方案的以下详细描述可更全面地理解本公开，其中：
图1是根据一个实施方案的一种检测流体网络中感兴趣的异常的方法的流程图。
图2示出根据一个实施方案的一种用于检测流体网络中感兴趣的异常的系统的框图。
图3A示出根据一个实施方案的设置有传感器的流体网络的示意图。
图3B示出根据另一个实施方案的设置有传感器的流体网络的示意图。
图4A示出根据一个实施方案的表示流体网络的有向图。
图4B是根据一个实施方案的一种最佳地确定流体网络中的传感器放置的方法的流程图。
图4C示出根据一个实施方案的在选定位置处设置有传感器的图4A的有向图。
图4D示出在选定位置处设置有传感器的图4C的有向图的重新格式化版本。
图5A示出根据一个实施方案的表示在选定位置处具有传感器放置的流体网络的有向图。
图5B示出图5A的有向图的重新格式化版本。
图5C示出根据一个实施方案的图5B模型中的节点组中的相邻节点分组。
图5D示出根据一个实施方案的通过添加流体路径对图5B的流体网络进行的修改。
图6A示出根据一个实施方案的一种确定流体网络中的传感器覆盖的方法的流程图。
图6B示出根据一个实施方案的分成定位区域、检测区域和安全区域的流体网络的图表。
图6C示出根据另一个实施方案的分成定位区域、检测区域和安全区域的流体网络的图表。
图6D示出根据另一个实施方案的分成定位区域、检测区域和安全区域的流体网络的图表。
图7示出根据一个实施方案的表示通过添加假想节点修改的流体网络的有向图。
图8A示出根据一个实施方案的确定潜在污染源的流体网络模型。
图8B示出根据另一个实施方案的确定潜在污染源的流体网络模型。
图8C示出根据另一个实施方案的确定潜在污染源的流体网络模型。
在附图中，相似的附图标号指示相似的元件。虽然可不按比例绘制的上面标识的附图阐述了本公开的各种实施方案，但还可想到如在具体实施方式中所提到的其它实施方案。在所有情况下，本公开以示例性实施方案的表示的方式而非通过表述限制来描述当前所公开的公开内容。应当理解，本领域的技术人员可想出许多其它修改和实施方案，这些修改和实施方案落在本公开的范围和实质内。
具体实施方式
本公开提供能够及早或实时检测在流体网络中的问题(例如，管道涂层问题、泄漏、裂缝、污染等)并且能够优先行动(包括预测何时和何处可能发生流体网络中的问题)的方法和系统。本文所述的流体网络可包括流体分布、处理和/或收集网络，诸如例如水管线分布网络、水处理系统、下水道系统、天然水系诸如河流和支流、输气管道分布网络(例如甲烷或丙烷)、油管线分布网络等。本文所述的方法和系统可以解决流体网络中难以检测到的问题，其中缓慢泄漏、对运输基础结构的腐蚀或污染问题可能在其对基础结构、水质或健康产生显著影响之前尚未发现。
图1示出一种监测流体网络中感兴趣的异常的方法100的流程图。在110处，为流体网络提供一个或多个传感器。该传感器可以是能够收集与流体网络的一个或多个参数相关的数据的任何类型的传感器，该参数诸如例如消毒剂浓度、污染物浓度、流体压力、流体流量、温度、电导率、用途或预测过滤器使用周期等。示例性传感器包括来自加拿大金斯敦的威立雅Endetec公司(Endetec Veolia,Kingston,Canada)的KAPTATM 3000-AC4。传感器可以定位在流体网络内的各种位置处.例如，可将传感器提供给商用水过滤器、居民区(例如冰箱)、公共场所(例如水喷泉)等。本公开提供了关于如何确定流体网络中的最佳传感器放置的方法以及关于如何基于对流体网络进行建模来确定流体网络中的传感器覆盖的方法，该方法将在下文中进一步描述。然后方法100前进至120。
在120处，处理器指示传感器收集数据。该处理器可以定位在流体网络外的远程计算机(例如，服务器或云)中。在一些实施方案中，可为分布在流体网络中的过滤器提供传感器，并且由传感器收集的数据可指示相应过滤器的状态。在一些实施方案中，在初始时间可指示每个传感器收集数据，该数据可作为初始值存储在数据库中。然后方法100前进至130。
在130处，将所收集的数据从传感器传输并由处理器接收。可通过合适的技术诸如例如Wi-Fi、蓝牙、蓝牙低功耗(BLE)、蜂窝、以太网等直接或间接地传输数据。可以将所收集的数据实时地从传感器传输，或者在日后传输以提供流体网络的回顾性指示。也可以基于环境情况以规则的时间间隔或适应的时间计划表来收集数据。例如，可以在可能损坏流体网络的风暴之后或者在预测过滤器将接近使用周期时以相对较高的频率收集或传输数据。然后方法100前进至140。
在140处，由处理器分析所接收的数据以生成结果。在一些实施方案中，可以基于流体网络的模型分析所接收的数据。在一些实施方案中，流体网络的模型可包括表示设置在流体网络中的流体基础结构的定向连接节点。节点可被排序为部分有序集，其中节点的顺序可根据节点之间的流体流动方向而改变。例如，流体流动方向可发生改变，其中在“使用”中在一些节点处存在波动。该模型可为流体网络的表示，包括例如有向无环图(DAG,directed acrylic diagraph)。流体网络的表示(例如，有向无环图)可作为矩阵数据结构，诸如例如相邻矩阵、可及矩阵等通过处理器存储或处理。
在一些实施方案中，可将与流体网络相关的历史数据或其它数据与从传感器接收的实时数据组合并由处理器分析。此类其它类型的数据可包括例如流体网络中先前的问题(例如，破损、替换等)、天气(雷暴、洪水等，可能是某些区域中对流体网络的损坏的原因)、温度、压力或电导率变化以及报告的损坏(例如，倒下的树、电线以及其与流体网络损坏的相关性)。在一些实施方案中，可进行基线测量以确定是否存在任何初始污染，诸如在流体基础结构安装期间引入的污染。在一些实施方案中，可以根据时间、地理等分析来自传感器的与流体网络相关的历史数据，以得出异常模式。数据可存储在例如与处理器相关联的数据库中或云中。所生成的结果包括例如分析报告、警示、警报等。然后方法100前进至150。
在150处，基于对数据的分析，通过处理器或操作员/用户确定在流体网络中是否存在感兴趣的异常。可能感兴趣的异常可包括例如污染、基础结构故障、流体泄漏、温度、压力或电导率的升高或降低、或它们的组合等。在一些实施方案中，该处理器可进一步确定流体网络内可能的异常位置。当流体网络中存在异常时，方法100前进至160以生成例如警示、警报、报告等形式的输出。当流体网络中不存在异常时，方法100前进至120。在一些实施方案中，输出可包括通过基于年龄、尺寸、使用等将流体网络分类进行的未来流体网络问题的预测，诸如例如基于类似环境的管道故障。在一些实施方案中，输出可包括通过网络特征(例如正在检测的模型中的新“节点”)的显著差异确定是否有人从流体网络中偷取资源。在一些实施方案中，该输出可用于基于其正在服务的基础结构来提供水源、关闭和/或转移的优先级。例如，如果检测到污染，则可相对于其它基础结构优先将清洁水重新发送至医院。在一些实施方案中，可通过将其过滤器用量与其邻居相比较来向房主提供输出(例如，以确定水健康问题是否局限于该房间)。
图2示出根据一个实施方案的用于通过实现例如方法100来确定流体网络10中感兴趣的异常的检测系统200。流体网络10可包括流体分布、处理和/或收集网络，诸如例如水管线分布网络、水处理系统、水收集网络、下水道系统、天然水系诸如河流和支流、输气管道分布网络(例如甲烷或丙烷)、油管线分布网络等。为流体网络10内的多个位置提供一个或多个传感器12。
检测系统200包括传感器12、计算部件226以及一个或多个输入/输出装置216。传感器12可以是能够收集与流体网络的一个或多个参数相关的数据的任何类型的传感器，该参数诸如例如消毒剂浓度、污染物浓度、流体压力、流体流量、温度、电导率、用途或预测过滤器使用周期等。示例性传感器可包括无源的无线传感器。传感器12可包括射频识别(RFID)，其可识别个别流体基础结构(例如过滤器)及其相关信息(例如，尺寸、模型、使用、安装时间、状态等)。
在一些实施方案中，流体网络10可以是设置有水过滤系统的水网络，该水过滤系统包括水过滤器和/或其它水过滤、分离和/或纯化产品。应用该水过滤系统以减少污染物，诸如例如氯和/或氯胺、颗粒、铅等。可以为水过滤器提供传感器12以追踪水过滤器的使用/使用周期。
在图2的实施方案中，计算部件226包括处理器212和存储器214。计算部件226在功能上连接到传感器12，从传感器12接收与流体网络10相关的信号或数据，并且分析所接收的信号/数据以生成结果，包括例如分析报告、警示、警报等。在一些实施方案中，从传感器12接收的数据可存储在存储器214中。在一些实施方案中，可以创建模型以表示流体网络10。该模型可包括表示流体网络的流体基础结构的定向连接节点。该模型可以包括例如有向图或部分有序集，其作为相邻矩阵形式的数据存储在存储器214中。处理器212可通过解释和执行与处理器212相关联的软件程序的指令来分析模型。
存储器214存储信息。在一些实施方案中，存储器214可以存储用于执行本文所述的方法或过程的指令。在一些实施方案中，与流体网络相关的数据或该流体网络的模型可以预先存储在存储器214中。
存储器214可包括任何易失性或非易失性存储元件。示例可包括随机存取存储器(RAM)(诸如同步动态随机存取存储器(SDRAM))、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦可编程只读存储器(EEPROM)和闪存。示例还可包括硬盘、磁带、磁或光数据存储介质、光盘(CD)、数字通用盘(DVD)、蓝光盘和全息数据存储介质。数据也可存储在云计算环境中。
处理器212可包括例如一个或多个通用微处理器、专门设计的处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、离散逻辑的集合和/或任何类型的能够执行本文所述技术的处理装置。在一些实施方案中，处理器212(或本文所述的任何其它处理器)可以被描述为计算装置。在一些实施方案中，存储器214可被配置成存储由处理器212执行以进行本文所述的过程或方法的程序指令(例如，软件指令)。在其它实施方案中，本文所述的过程或方法可以由处理器212的专门编程的电路来执行。在一些实施方案中，处理器212因此可以被配置成执行用于分析与本文所述的流体网络相关的数据的技术。处理器212(或本文所述的任何其它处理器)可包括一个或多个处理器。
输入/输出装置216可包括被配置成从用户或其它装置输入或向用户或其它装置输出信息的一个或多个装置。在一些实施方案中，输入/输出装置216可呈现用户界面218，在该用户界面中，用户可控制对流体网络的评估。例如，用户界面218可包括用于向用户呈现视觉信息的显示屏。在一些实施方案中，显示屏包括触敏显示器。在一些实施方案中，用户界面218可包括用于向用户呈现信息的一个或多个不同类型的装置。用户界面218可包括例如任何数量的视觉(例如，显示装置、灯等)、听觉(例如，一个或多个扬声器)和/或触觉(例如，键盘、触摸屏或鼠标)反馈装置。在一些实施方案中，输入/输出装置216可以表示显示屏(例如，液晶显示器或发光二极管显示器)和/或打印机(例如，印刷装置或用于将指令输出到印刷装置的部件)中的一者或多者。在一些实施方案中，输入/输出装置116可被配置成接受或接收由处理器112执行以进行本文所述的实施方案的程序指令(例如，软件指令)。
检测系统200还可包括其它部件，并且包括处理器212、存储器214和输入/输出装置216在内的所示部件中的任一者的功能可以分布在多个部件和独立装置(诸如例如，计算机)上。检测系统200可被配置为工作站、台式计算装置、笔记本电脑、平板电脑、移动计算装置或任何其它合适的计算装置或计算装置集合。检测系统200可以在本地网络上运行或者被托管在云计算环境中。图2所示的部件仅仅是为了解释本公开的各个方面而示出，并且部件的添加或移除对于本领域技术人员将是显而易见的。
检测系统200允许用户实时测定流体网络中的异常。在一些实施方案中，从流体网络收集的数据可以通过处理器基于流体网络的模型实时自动地分析，以产生用于输出的结果。检测系统200还允许用户预测流体网络未来可能出现的问题。
图3A示出根据一个实施方案的作为示例性流体网络的水管线网络10的图。从供水系统2供应水。各种流体基础结构3通过水管线4连接。在水管线网络10中在所选位置A至G处提供传感器。传感器可在功能上连接到检测系统(诸如图2的检测系统200)的处理器，并且被配置成在网络10中的各种位置处收集数据，然后可将该数据传输至检测系统的处理器以分析。在所示的示例中，基于从位置A至G接收到的传感器数据，检测系统的处理器可以分析数据并确定位置A至C、F和G具有“良好的”水条件，而位置D和E具有“坏的”水条件。处理器还可基于网络10的模型来确定可能的异常原因(例如，突发/污染)可能定位在网络10中的位置B与D之间的位置31处。
图3B示出作为另一个示例性流体网络的水管线网络10’的图。水从供水系统2'供应至水管线网络10'。各种流体基础结构3'通过水管线4'连接。各种流体基础结构3'可通过定向连接节点表示，其中箭头对应于流体网络中的流体流动方向。例如，定位在节点A、B和C处的流体基础结构被定向连接，如左侧插图中所示，其中节点C是节点A和节点B之间的从属性连接，并且因此节点A和B不是从属性(d)分隔的。节点C被定义为从节点A到节点B的路径中的d分隔物。
在本公开中，创建模型以表示各种流体网络。流体网络模型可以包括表示设置在流体网络中的流体基础结构的定向连接节点。在流体网络内的流体流动特性(诸如例如流动方向、流速)可通过流动传感器测量或使用流体动力学基于各种因素诸如例如管道尺寸、长度等来得到。在一些实施方案中，该模型可以是流体网络的表示，包括例如有向无环图(DAG)。流体网络的表示(例如，有向无环图)可作为矩阵数据结构矩阵，诸如例如相邻矩阵、可及矩阵等通过处理器存储或处理。
图4A示出根据一个实施方案的流体网络的模型20。在模型20中，各种流体基础结构由节点1至17表示。例如，节点1可表示供水系统。节点1至17被定向连接以形成有向图，该有向图是部分有序集。图4A中的箭头对应于流体网络中的流体流动方向。应当理解的是，流体网络可由各种有向图表示。流体网络的有向图还可以由矩阵数据结构，诸如例如相邻矩阵、可及矩阵等表示。矩阵数据结构可由处理器存储和/或分析。
本公开提供通过处理器诸如图2的处理器212来分析流体网络模型的方法。在一些实施方案中，可以分析模型或模型的表示以评估节点或节点集是否满足一个或多个可定位标准。在一些实施方案中，可定位标准可包括例如对于给定节点或节点集评估是否存在设置在给定节点或节点集下游的至少两个传感器，该至少两个传感器具有相对于给定节点或节点集不共享任何d分隔物的相应路径。当给定节点满足可定位标准时，未向给定节点提供传感器。当给定节点不满足可定位标准时，向给定节点提供一个或多个传感器。可以解释和执行与处理器相关联的指令以分析模型或模型的表示。以上分析方法可包括动态编程，包括从模型的表示中的最低水平开始的自底向上方法，如图4B所示的一个实施方案进一步解释的。
图4B是根据一个实施方案的一种用于最佳地确定流体网络中的传感器放置的方法300的流程图。在310处，通过模型表示流体网络。该模型可以是例如有向图，诸如图4A所示的有向图20。有向图可以是部分有序集，其中节点以不同水平排序。然后方法300前进至320。在320处，评估模型的最低水平处的一个或多个节点或节点集，以在330处确定该节点或节点集是否满足可定位标准，例如是否存在设置在给定节点或节点集下游的至少两个传感器，该至少两个传感器具有相对于给定节点或节点集不共享任何d分隔物的相应路径。当节点或节点集满足定位标准时，方法300前进至340。当节点或节点集不满足可定位标准时，方法300前进至350。在340处，将传感器添加到节点或节点集，并且用添加的传感器更新模型(例如，有向图)。在350处，以相同方式评估设置在相同水平或更上层水平处的下一个节点或节点集。该方法继续直到评估流体网络的最上层水平处的节点。
将图4B的方法300应用至由图4A的模型20表示的流体网络产生图4C至4D中所示的结果。从最低水平处开始评估，例如在有向图20中的节点16或17。据发现节点16和17不满足可定位标准。在节点16或17下游没有传感器。将传感器分别添加在节点16和17处，并且使用在节点16和17处的添加的传感器更新有向图20。然后，可以评估下一个水平下的节点14或15。据发现节点14和15满足可定位标准。在节点16和17下游存在两个传感器，并且从节点14和15到节点16和17处的两个传感器的相应路径不共享任何d分隔物。不会向节点14和15提供传感器。此自下而上的方法将继续，并且可以评估每个节点。发现节点11至13、8、9和1至7满足标准，并且不会向这些节点提供传感器。节点10不满足可定位标准。从节点10到节点16和17处的两个传感器的相应路径，例如10-13-14-16和10-13-15-17可共享d分隔物(例如节点13)。向节点10提供传感器，并且更新有向图20。
在将传感器放置在节点16、17和10处时，足以覆盖整个流体网络。即，通过分析来自定位在节点10、16和17处的传感器的数据，检测系统的处理器可明确地确定流体网络中的每个节点处的状态。图4D示出在选定位置处设置有传感器的图4C的有向图的重新格式化版本。在一些实施方案中，当在流体网络中存在异常时，该处理器可以通过分析传感器数据来明确地确定异常的位置。例如，当传感器数据指示节点11、14和16具有污染并且其余节点没有污染时，处理器可确定污染的原因定位在节点11处。
当流体网络需要n个传感器完全覆盖流体网络时，网络的复杂度指数可表示为传感器所需数量n与流体网络中的节点数量的比率。例如，图4A的流体网络20的复杂度指数为3/17。
应当理解，在一些实施方案中，模型的一个或多个节点可以在评估之前被分组到相应的节点集。例如，图4A的节点14和15可以被分组到可以评估的单个节点集中。每个节点集可以包括一个或多个相邻节点，并且可以与图4B至4C所示相同的方式评估每个节点集，以确定节点集或节点与节点集的组合是否满足可定位标准。
图5A示出根据另一个实施方案的流体网络的模型30。通过有向图表示流体网络。节点1可表示供水系统。模型30可以与图4A至4D对于模型20所示的类似的方式分析，如上文所讨论。模型30包括74个节点，在这些节点中三十二个节点不满足可定位标准并且为该三十二个节点提供传感器(例如，在图5A中的圆圈节点)以完全覆盖整个流体网络30。图5A的流体网络30的复杂度指数为32/74。图5B示出在选定位置处设置有传感器的图5A的有向图的重新格式化版本。
在一些实施方案中，模型30的节点可以在评估之前首先分组到相应的节点集中。图5C显示一些相邻节点被分组到相同的节点集32(例如，在同一圆圈内)。以这种方式，与图5B相比，完全覆盖整个流体网络所需的传感器的数量可从32减少至15。需权衡之处为，当确定一个特定节点集是异常的原因时，它可能不会告知特定节点集内异常的明确位置(例如，哪个节点)。
在一些实施方案中，流体网络可以修改以减少完全覆盖流体网络所需要的传感器数量。如图5D所示，可以添加将一个或多个流体连接件34(例如，管线)以定向地流体连接由节点表示的流体基础结构。当在图5D中添加流体连接件34时，与图5B相比，完全覆盖整个流体网络所需的传感器的数量可从32减少至11。
本公开还提供确定流体网络中的传感器覆盖的方法。该方法可以包括建立流体网络的模型。该模型包括表示设置在流体网络中的流体基础结构的定向连接节点。一个或多个传感器可定位在流体网络中的一个或多个选定位置处。模型或模型的表示可以存储在例如处理器中。模型或其表示可通过处理器分析以评估每个节点是否满足一个或多个可定位标准。可定位标准可包括例如对于给定节点评估是否存在给定节点下游的至少两个传感器，该至少两个传感器具有相对于给定节点不共享任何d分隔物的相应路径。
基于评估的结果，模型的节点可被分配给定位区域、检测区域和安全区域中的一个。定位区域是指在流体网络中可以明确地确定异常的位置(例如，在特定节点处)的区域。检测区域是指流体网络中可以检测到与异常相关的数据/信号但是准确的异常位置未知的区域。安全区域是指在流体网络中不能获得与异常相关的信息的区域。当给定节点满足可定位标准时，给定节点被分配给定位区域，并且当给定节点不满足可定位标准时，给定节点被分配给检测区域或安全区域。
当给定节点不满足可定位标准时，可进一步评估给定节点以确定传感器是否定位在给定节点处或给定节点的下游。如果没有传感器定位在该处或其下游，则将对应于给定节点的区域分配给安全区域，否则将其分配给检测区域。
在一些实施方案中，对给定节点与其它节点之间的路径的评估可通过使用关于诸如高级马尔可夫链方法的可及性的合适算法来执行。示例性的马尔可夫链方法描述于Golnari等人，“Pivotality of Nodes in Reachability Problems Using Avoidance andTransit Hitting Time Metrics,”7th Annual Workshop on Simplifying ComplexNetworks for Practitioners SIMPLEX 2015,2015年5月中。应当理解，路径的评估可由任何其它合适的算法来执行。
在一些实施方案中，可以分析传感器的灵敏度(例如，关于测量污染物浓度或其变化的灵敏度)和吸收概率矩阵Q以确定对于至少一些节点而言污染水平的最小可检测浓度。流体网络的吸收概率矩阵Q将在下文进一步描述。
图6A是根据一个实施方案的一种用于确定流体网络中的传感器覆盖的方法400的流程图。在410处，通过模型表示流体网络。该模型可以是例如有向图，诸如图4A所示的有向图20。有向图可以是部分有序集，其中节点以不同水平排序。然后方法400前进至420。在420处，评估模型的最低水平处的一个或多个节点或节点集，以在430处确定该节点或节点集是否满足可定位标准，例如是否存在设置在给定节点或节点集下游的至少两个传感器，该至少两个传感器具有相对于给定节点或节点集不共享任何d分隔物的相应路径。
当节点或节点集满足定位标准时，方法400前进至440。当节点或节点集不满足可定位标准时，方法400前进至450。在440处，将节点或节点集分配给定位区域。然后方法400前进至480。
在450处，进一步评估节点或节点集以确定在节点或节点集或较低水平(即，节点或节点集的下游)处存在传感器。当存在定位在节点或节点集处或其下游的传感器时，方法400前进至460。在460处，将节点或节点集分配给检测区域。当不存在定位在节点或节点集处或其下游的传感器时，方法400前进至470。在470处，将节点或节点集分配给安全区域。然后方法400前进至480。
在480处，以相同方式评估设置在模型中的相同水平或更上层水平处的下一个节点或节点集。该方法继续直到评估流体网络最上层水平处的节点。
通过将图6A的方法400应用到由图4A的模型20表示的流体网络，结果示出在图6B中。如图6B所示，将传感器分别提供给节点10和16。评估从最低水平例如有向图20中的节点16或17开始。据发现节点16不满足可定位标准。在节点16下游没有传感器。进一步评估节点16以确定在节点16处或其下游是否存在传感器。在节点16处有传感器。节点16被分配给检测区域。节点17以相同方式进行评估。据发现节点17不满足可定位标准。在节点17下游没有传感器。进一步评估节点17以确定在节点17处或其下游是否存在传感器。没有定位在节点17处或其下游的传感器。节点17被分配给安全区域。然后，可以评估下一个水平下的节点14或15。据发现节点14和15不满足可定位标准。在节点16处下游仅有一个传感器。节点14和15分别被分配给检测区域。此自下而上的方法将继续，并且可以评估每个节点。据发现节点1、3和6各自满足可定位标准并且被分配给定位区域。例如，对于节点3，从节点3到节点16处的传感器的穿过3-5-9-12-14-16的一个路径和从节点3到节点10处的另一个传感器的穿过3-6-10的一个路径不共享任何d分隔物，并且节点3满足可定位标准。其它节点被分配给检测区域。在将传感器放置在节点10和16处的情况下，流体网络20被部分地覆盖，并且被分成定位区域、检测区域和安全区域。通过分析来自定位在节点10和16处的传感器的数据，检测系统的处理器可以(i)在异常来源位于定位区域内时明确地确定异常的位置，并且(ii)在异常来源位于检测区域内时检测异常的发生。
图6C示出根据一个实施方案的模型40的图表，其中节点分别被分配给定位区域61、检测区域62和安全区域63。图6A的模型40与图5B的模型30相同，除了传感器的数量及其位置不同。在图5B中为流体网络提供传感器，使得整个流体网络被完全覆盖，而在图6C中，流体网络被部分覆盖并且节点被分配给定位区域、检测区域和安全区域中的一个。
图6D示出根据另一个实施方案的模型50的图表，其中节点分别被分配给定位区域61、检测区域62和安全区域63。图6B的模型50与图6C的模型40相同，除了传感器的数量及其位置不同。在图6D中，流体网络被部分覆盖，并且节点被分配给定位区域、检测区域和安全区域中的一个。与图6C相比，当传感器的数量和/或位置改变时，节点到不同区域的分配也相应地改变。
本公开还提供检测和定位流体网络中感兴趣的异常的方法。该异常可以是例如污染、基础结构故障等。当在流体网络的定位区域内发生污染时，该方法可以确定污染的水平及其位置(例如，在流体网络的哪个节点处)。该方法可以进一步检测在其它节点处(例如，在流体网络的检测区域中的节点)的污染的发生/存在并且识别在流体网络内的高风险位置。
该方法可以包括例如提供设置在流体网络中的一个或多个选定位置处的一个或多个传感器。传感器被配置成在相应位置处从流体网络收集数据。数据可通过一个或多个传感器从流体网络的设置一个或多个传感器的一个或多个位置处收集。所收集的数据可包括在异常发生之前和之后进行的传感器测量。然后可从传感器接收数据并基于流体网络的模型通过处理器进行分析。该模型可包括定向连接节点。在一些实施方案中，可以在两个相邻节点之间添加一个或多个假想节点，以基于该模型生成污染浓度或浓度变化的谐和函数。
图7示出根据一个实施方案的一种通过添加假想或衰减节点对流体网络进行建模的方法。简化的流体网络的模型包括定向连接至节点3的节点1和2。分别在节点1与3之间和节点2与3之间添加假想节点4和5。在没有假想节点的情况下，污染物的浓度(例如，氯)可通过以下表达：
C3＝(q13d13C1+q23d23C2)/(q13+q23)…(1a)
其中Ci为在节点i处的污染物浓度，qij为从节点i到j的流体流速，dij为从节点i到j的污染衰减参数。
上述公式(1a)不是谐和，并且可能存在非现有的、非独特的或无效的解。
通过添加假想节点(例如，节点0、4和5)，在流体网络的真实节点(节点1至3)处的污染水平(例如氯水平)可以计算为一个或多个谐和函数。在假想节点0处，将污染衰减d设定为零。然后，例如，C4可以表示为：
C4＝(C1d13+C0(1-d13))/d13+(1-d13)…(1b)
其随后可减小至谐和函数：
C4＝C1d13…(1c)
然后可推导出其余节点的公式以获得谐和扩散模型。鉴于此谐和扩散模型和以下狄利克里原理(Dirichlet’s principle)，当来源(初始节点和具有传感器的任何节点)处的污染水平(例如，氯)已知时，可以找到所有真实节点的污染水平。
假想或衰减节点处的污染水平可设定为约零。在一些实施方案中，当确定污染源的位置和浓度时，在流体网络的其它节点(例如，在流体网络的检测区域中的节点)处的污染水平)可以通过以下计算：
C内部＝QC边界…(2)
其中C内部是除污染源之外的所有节点的污染水平的向量，C边界是在污染源处的污染水平的向量，并且Q为可由转移概率矩阵确定的吸收概率矩阵。转移概率矩阵可由以重量、流体流动的表示和流体网络中的污染衰减构成的相邻矩阵来确定。转移概率矩阵还被划分为表示内部来源和边界来源。特定流体网络的吸收概率矩阵Q可由本领域的技术人员解开。
在一些实施方案中，可使用具有假想节点的流体网络模型来基于传感器在一些节点处收集的数据确定一个或多个污染源的位置，该数据这可进一步用于评估其它节点处的污染水平和/或识别高风险的污染位置。
在一些实施方案中，对于相对简单的流体网络，可通过将每个节点作为具有假定污染水平的边界节点单独考虑为潜在污染源并且将这些建模值与传感器测量值进行比较，来确定污染源的位置。对于相对复杂的流体网络，由于网络的复杂性，该方法可能难以实现。
在一些实施方案中，污染源的位置可通过将至少两个传感器放置在流体网络的下游位置处、分析来自传感器的在异常事件之前和之后的数据，并将节点的初始非异常状态建模来确定。然后可以使用本领域已知的拟合估计方法诸如最小二乘法获得在异常源处的吸收概率矩阵和污染水平。
在一些实施方案中，可以分析来自这些传感器的数据以计算在流体网络的检测区域内的节点处的污染水平。上文讨论了将节点分配给检测区域的方法。参见例如图6B。可通过确定吸收概率矩阵Q来计算在节点处的污染水平。可以进一步分析数据以基于在节点处的计算的污染水平来定位一个或多个潜在污染源。基于潜在污染源的信息，可以进一步估计在流体网络中的其它节点处的污染水平。
图8A至8C示出如何在流体网络中使用不同量的传感器确定污染源的位置。在图8A中，一个传感器定位在节点82处并且测量在节点82处的污染水平。使用上文讨论的模型和污染定位方法，流体网络的节点可分别分配给定位区域、检测区域和安全区域。可计算检测区域内的节点的污染水平以确定潜在的污染源。在这种情况下，将十个节点(例如，图8A中具有正方形的节点)识别为潜在的污染源，并且用相应的污染水平标记它们。在图8B中，两个传感器分别定位在节点83a和83b处。类似地，可以获得检测区域内的节点的污染水平。在这种情况下，已将四个节点识别为潜在污染源，并且用相应的污染水平标记它们。在图8C中，三个传感器分别定位在节点84a、84b和84c处。在这种情况下，确定污染源的位置处于节点88处。在图8A至图8B中，可基于所计算的污染水平和传感器位置来确定对定位的节点集合的污染，而在图8C中，所述方法可准确地定位具有污染源的节点。
除非另外指明，否则本说明书和实施方案中所使用的表达量或成分、性质测量等的所有数字在所有情况下均应理解成由术语“约”来修饰。因此，除非有相反的说明，否则在上述说明书和所附实施方案列表中示出的数值参数可根据本领域的技术人员利用本公开的教导内容寻求获得的期望属性而变化。最低程度上说，并且在不试图将等同原则的应用限制到受权利要求书保护的实施方案的范围内的情况下，至少应根据所报告的数值的有效数位的数量并通过应用惯常的四舍五入法来解释每个数值参数。
在不脱离本公开实质和范围的情况下，可对本公开的示例性实施方案进行各种修改和更改。因此，应当理解，本公开的实施方案并不限于以下描述的示例性实施方案，而应受权利要求书及其任何等同物中示出的限制控制。
示例性实施方案列表
以下列出示例性实施方案。应当理解，列表I、II、III和IV中的实施方案中的任一者可被组合。
实施方案列表I：
实施方案1是一种最佳地确定流体网络中的传感器或基础结构放置的方法，该方法包括：
创建该流体网络的模型，其中该模型包括i)表示设置在该流体网络中的流体基础结构的多个定向连接节点和ii)定位在该流体网络中的一个或多个选定位置处的一个或多个传感器；
将该模型表示为与处理器相关联的矩阵数据结构，其中该处理器被设置在该流体网络外部；
通过该处理器分析该矩阵以评估该模型的每个节点是否满足一个或多个可定位标准，其中分析该矩阵包括解释和执行与该处理器相关联的多个指令；以及
基于分析该矩阵的结果来确定该流体网络中的该传感器或基础结构放置。
实施方案2是根据实施方案1所述的方法，其中该模型包括一个或多个有向无环图(DAG)，并且该矩阵包括可及矩阵。
实施方案3是根据实施方案1或2所述的方法，其中分析该矩阵包括动态编程，其包括从矩阵中的最低水平开始的自下而上的方法。
实施方案4是根据实施方案1至3中任一项所述的方法，其中分析该模型的每个节点是否满足一个或多个可定位标准包括对于给定节点评估是否存在设置在该给定节点下游的至少两个传感器，该至少两个传感器具有相对于该给定节点不共享任何d分隔物的相应路径。
实施方案5是根据实施方案1至4中任一项所述的方法，其中确定该传感器或基础结构放置包括当给定节点不满足该可定位标准时，向该给定节点提供传感器，并且当该给定节点满足该可定位标准时，不向该给定节点提供传感器。
实施方案6是根据实施方案1至5中任一项所述的方法，其中确定该传感器或基础结构放置包括确定用于覆盖该完整流体网络的最小数量的传感器。
实施方案7是根据实施方案6所述的方法，其中确定该传感器或基础结构放置包括将该流体网络的复杂性指数确定为所需要传感器的最小数量与节点数量的比率。
实施方案8是根据实施方案1至7中任一项所述的方法，其中创建该模型还包括将该模型的多个相邻节点分组成节点集。
实施方案9是根据实施方案1至8中任一项所述的方法，其中确定该传感器或基础结构放置包括在该流体网络中的该节点之间添加一个或多个流体路径以减少传感器的数量。
实施方案列表II：
实施方案1是一种用于检测流体网络中感兴趣的异常的方法，该方法包括：
提供设置在流体网络中的一个或多个选定位置处的一个或多个传感器，其中该传感器被配置成在该相应位置处从该流体网络收集数据；
通过该一个或多个传感器在该一个或多个位置处从该流体网络收集数据；
通过处理器接收来自该传感器的数据；以及
通过该处理器基于该流体网络的模型分析该数据，其中该模型被表示为与该处理器相关联的有向图，该有向图包括多个定向连接节点，其中一个或多个假想节点被添加在两个相邻节点之间。
实施方案2是根据实施方案1所述的方法，其中该异常与该流体网络中的污染或基础结构故障有关。
实施方案3是根据实施方案1或2所述的方法，其中分析该数据还包括计算在该流体网络中的检测区域中的一个或多个节点处的污染水平。
实施方案4是根据实施方案3所述的方法，其中计算该多个节点处的污染水平还包括确定吸收概率矩阵Q。
实施方案5是根据实施方案3或4所述的方法，其中分析该数据还包括基于该第一节点处的所计算的污染水平来定位一个或多个污染源。
实施方案6是根据实施方案3、4或5所述的方法，其中该检测区域基于一个或多个可定位标准来确定，该可定位标准包括对于给定节点评估是否存在设置在该给定节点下游的至少两个传感器，该至少两个传感器具有相对于该给定节点不共享任何d分隔物的相应路径。
实施方案7是根据实施方案1至6中任一项所述的方法，其中该模型为谐和模型，并且该流体网络中的污染浓度水平被表示为谐和函数。
实施方案8是根据实施方案7所述的方法，其中该污染浓度水平包括氯水平。
实施方案9是根据实施方案1至8中任一项所述的方法，其中该有向图还包括连接至该一个或多个假想节点的第二假想节点。
实施方案列表III：
实施方案1是一种确定流体网络中的传感器覆盖的方法，该方法包括：
创建该流体网络的模型，其中该模型包括表示设置在该流体网络中的流体基础结构的多个定向连接节点和定位在该流体网络中的一个或多个选定位置处的一个或多个传感器；
将该模型表示为与处理器相关联的矩阵数据结构，其中该处理器被设置在该流体网络外部；
通过该处理器分析该矩阵以评估每个节点是否满足一个或多个可定位标准，其中分析该矩阵包括解释和执行与该处理器相关联的多个指令；并且
将每个节点分配给定位区域、检测区域和安全区域中的一个。
实施方案2是根据实施方案1所述的方法，其中该模型为包括一个或多个有向无环图(DAG)的图形模型。
实施方案3是根据实施方案1或2所述的方法，其中分析每个节点是否满足一个或多个可定位标准包括通过该多个指令来评估一对节点之间的路径以确定该路径是否穿过中间节点。
实施方案4是根据实施方案3所述的方法，其中评估该路径包括通过该多个指令实现高级马尔可夫链方法。
实施方案5是根据实施方案1至4中任一项所述的方法，其中分析每个节点是否满足一个或多个可定位标准包括对于给定节点通过该多个指令评估是否存在给定节点下游的至少两个传感器，该至少两个传感器具有相对于该给定节点不共享任何d分隔物的相应路径。
实施方案6是根据实施方案1至5中任一项所述的方法，其中当给定节点满足该可定位标准时，该给定节点被分配给该定位区域，并且当该给定节点不满足该可定位标准时，该给定节点被分配给该检测区域或该安全区域。
实施方案7是根据实施方案6所述的方法，其中当该给定节点不满足该可定位标准时，进一步评估该给定节点以确定传感器是否定位在该给定节点的下游，当没有传感器定位在下游时，该给定节点被分配给该安全区域，否则该给定节点被分配给该检测区域。
实施方案8是根据实施方案1至7中任一项所述的方法，还包括确定每个节点的污染水平的最小可检测浓度。
实施方案9是根据实施方案8所述的方法，其中确定该最小可检测浓度包括分析分布在该流体网络中的传感器的灵敏度以及吸收概率矩阵。
实施方案列表IV：
实施方案1是一种系统，包括：
定位在流体网络中的一个或多个选定位置处的一个或多个传感器，其中该传感器被配置成在该相应位置处从该流体网络收集数据；并且
设置在该流体网络外部的处理器，其中该处理器被配置成接收来自该传感器的数据，并基于该流体网络的模型分析该数据，其中该模型包括表示设置在该流体网络中的流体基础结构的多个定向连接节点以及定位在该一个或多个选定位置处的一个或多个传感器；并且
与该处理器相关联的多个指令，其中该多个指令是由该处理器可解释和可执行的，以分析该数据并确定该流体网络内的传感器放置。
实施方案2是根据实施方案1所述的系统，其中该流体网络包括水网络。
实施方案3是根据实施方案1或2所述的系统，其中该流体网络的该流体基础结构包括一个或多个水过滤器。
实施方案4是根据实施方案3所述的系统，其中该多个传感器包括设置有该水过滤器的一或多个过滤器传感器。
实施方案5是根据实施方案1至4中任一项所述的系统，其中来自该传感器的该数据与消毒剂浓度、污染物浓度、压力或流速的一个或多个参数相关。
实施方案6是根据实施方案1至5中任一项所述的系统，其中该数据与对该流体网络的改变或损坏相关。
实施方案7是根据实施方案1至6中任一项所述的系统，还包括与该处理器相关联的数据库，其中来自该传感器的该数据存储在该数据库中。
实施方案8是根据实施方案7所述的系统，其中该数据库还包括与该流体网络的该模型相关的历史数据。
实施方案9是根据实施方案1至8中任一项所述的系统，还包括显示器。
实施方案10是根据实施方案1至9中任一项所述的系统，其中该模型包括一个或多个有向无环图(DAG)。
整个本说明书中提及的“一个实施方案”、“某些实施方案”、“一个或多个实施方案”或“实施方案”，无论在术语“实施方案”前是否包括术语“示例性的”都意指结合该实施方案描述的特定特征、结构、材料或特性包括在本公开的某些示例性实施方案中的至少一个实施方案中。因此，在整个本说明书的各处出现的表述诸如“在一个或多个实施方案中”、“在某些实施方案中”、“在一个实施方案中”或“在实施方案中”不一定是指本公开的某些示例性实施方案中的同一实施方案。此外，特定特征、结构、材料或特性可在一个或多个实施方案中以任何合适的方式组合。
虽然本说明书已经详细地描述了某些示例性实施方案，但是应当理解，本领域的技术人员在理解上述内容后，可很容易地想到这些实施方案的更改、变型和等同物。因此，应当理解，本公开不应不当地受限于以上示出的示例性实施方案。特别地，如本文所用，用端值表述的数值范围旨在包括该范围内所包含的所有数值(例如，1至5包括1、1.5、2、2.75、3、3.80、4和5)。另外，本文所用的所有数字都被认为是被术语“约”修饰。
此外，对各种示例性实施方案进行了描述。这些实施方案以及其他实施方案均在如下权利要求书的范围内。

Claims (19)

1.一种确定流体网络中的传感器覆盖的方法，所述方法包括：
创建所述流体网络的模型，其中所述模型包括表示设置在所述流体网络中的流体基础结构的多个定向连接的节点和定位在所述流体网络中的一个或多个选定位置处的一个或多个传感器；
将所述模型表示为与处理器相关联的矩阵数据结构，其中所述处理器被设置在所述流体网络外部；
通过所述处理器分析所述矩阵以评估每个节点是否满足一个或多个可定位标准，其中分析所述矩阵包括解释和执行与所述处理器相关联的多个指令；以及
将每个节点分配给定位区域、检测区域和安全区域中的一个。
2.根据权利要求1所述的方法，其中所述模型是包括一个或多个有向无环图(DAG)的图形模型。
3.根据权利要求1所述的方法，其中分析每个节点是否满足一个或多个可定位标准包括通过所述多个指令来评估一对节点之间的路径以确定所述路径是否穿过中间节点。
4.根据权利要求3所述的方法，其中评估所述路径包括通过所述多个指令实现高级马尔可夫链方法。
5.根据权利要求1所述的方法，其中分析每个节点是否满足一个或多个可定位标准包括对于给定节点通过所述多个指令评估是否存在定位在给定节点下游的至少两个传感器，所述至少两个传感器具有相对于所述给定节点不共享任何d分隔点的相应路径。
6.根据权利要求1所述的方法，其中当给定节点满足所述可定位标准时，所述给定节点被分配给所述定位区域，并且当所述给定节点不满足所述可定位标准时，所述给定节点被分配给所述检测区域或所述安全区域。
7.根据权利要求6所述的方法，其中当所述给定节点不满足所述可定位标准时，进一步评估所述给定节点以确定传感器是否定位在所述给定节点的下游，当没有传感器定位在下游时，所述给定节点被分配给所述安全区域，否则所述给定节点被分配给所述检测区域。
8.根据权利要求1所述的方法，还包括确定每个节点的污染水平的最小可检测浓度。
9.根据权利要求8所述的方法，其中确定所述最小可检测浓度包括分析分布在所述流体网络中的传感器的灵敏度以及吸收概率矩阵。
10.一种系统，包括：
一个或多个传感器，所述一个或多个传感器定位在流体网络中的一个或多个选定位置处，其中所述传感器被构造成在所述相应位置处从所述流体网络收集数据；和
处理器，所述处理器设置在所述流体网络外部，其中所述处理器被配置成接收来自所述传感器的所述数据，并基于所述流体网络的模型分析所述数据，其中所述模型包括表示设置在所述流体网络中的流体基础结构的多个定向连接节点以及定位在所述一个或多个选定位置处的一个或多个传感器；以及
多个指令，所述多个指令与所述处理器相关联，其中所述多个指令是由所述处理器可解释和可执行的，以分析所述数据并确定所述流体网络内的传感器放置。
11.根据权利要求10所述的系统，其中所述流体网络包括水网络。
12.根据权利要求10所述的系统，其中所述流体网络的所述流体基础结构包括一个或多个水过滤器。
13.根据权利要求12所述的系统，其中所述多个传感器包括设置有所述水过滤器的一个或多个过滤器传感器。
14.根据权利要求10所述的系统，其中来自所述传感器的所述数据与消毒剂浓度、污染物浓度、压力或流速中的一个或多个参数相关。
15.根据权利要求10所述的系统，其中所述数据与对所述流体网络的改变或损坏相关。
16.根据权利要求10所述的系统，还包括与所述处理器相关联的数据库，其中来自所述传感器的所述数据存储在所述数据库中。
17.根据权利要求16所述的系统，其中所述数据库还包括与所述流体网络的所述模型相关的历史数据。
18.根据权利要求10所述的系统，还包括显示器。
19.根据权利要求10所述的系统，其中所述模型包括一个或多个有向无环图(DAG)。
CN201780052991.XA 2016-08-31 2017-07-31 用于建模、分析、检测并监测流体网络的系统和方法 Active CN109661627B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662381944P 2016-08-31 2016-08-31
US62/381,944 2016-08-31
PCT/US2017/044722 WO2018044461A1 (en) 2016-08-31 2017-07-31 Systems and methods for modeling, analyzing, detecting, and monitoring fluid networks

Publications (2)

Publication Number Publication Date
CN109661627A true CN109661627A (zh) 2019-04-19
CN109661627B CN109661627B (zh) 2021-09-03

Family

ID=61301558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780052991.XA Active CN109661627B (zh) 2016-08-31 2017-07-31 用于建模、分析、检测并监测流体网络的系统和方法

Country Status (4)

Country Link
US (1) US11250177B2 (zh)
EP (1) EP3507665A4 (zh)
CN (1) CN109661627B (zh)
WO (1) WO2018044461A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3507725A4 (en) 2016-08-31 2020-05-06 3M Innovative Properties Company SYSTEMS AND METHODS FOR MODELING, ANALYZING, DETECTING AND MONITORING FLUID NETWORKS
CN109643432B (zh) 2016-08-31 2023-10-27 3M创新有限公司 用于建模、分析、检测并监测流体网络的系统和方法
CN111295592B (zh) 2017-11-03 2022-08-23 3M创新有限公司 用于电力网络中的异常检测的系统和方法
EP3724959B1 (en) * 2018-01-12 2021-09-01 Siemens Energy Global GmbH & Co. KG Adaptive power management recognition and assignment system
FR3083553B1 (fr) * 2018-07-09 2023-05-19 Suez Groupe Placement ameliore de capteurs de parametres physico-chimiques dans un fluide
GB201817011D0 (en) 2018-10-18 2018-12-05 Inflowmatix Ltd Hydraulic network model
CN111027746A (zh) * 2019-11-08 2020-04-17 许继集团有限公司 一种智能配网系统环网图自动生成方法及装置
CN113840296B (zh) * 2020-06-24 2024-03-01 顺丰科技有限公司 目标区域的k覆盖方法、装置、计算机设备和存储介质
CN113139295A (zh) * 2021-04-30 2021-07-20 清华大学 电力系统综合状态估计方法及系统
CN113944887B (zh) * 2021-10-25 2024-03-19 中国电建集团中南勘测设计研究院有限公司 基于有向图遍历的管网监测溯源方法、系统、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070284293A1 (en) * 2006-06-08 2007-12-13 Fairfax County Water Authority Systems and methods for remote utility metering and meter monitoring
US8175859B1 (en) * 2006-12-01 2012-05-08 Bentley Systems, Incorporated Efficient method for pressure dependent water distribution analysis
US20130211601A1 (en) * 2012-02-13 2013-08-15 Emerson Process Management Power & Water Solutions, Inc. Hybrid sequential and simultaneous process simulation system
KR20140112554A (ko) * 2012-01-13 2014-09-23 프로세스 시스템즈 엔터프라이즈 리미티드 유체 처리 네트워크 시스템
US20150020606A1 (en) * 2011-03-21 2015-01-22 Watersign Ltd Method and system for stamping and marking fluid in a pipe network for smart monitoring systems

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2272895A (en) 1994-03-22 1995-10-09 Intelligent Monitoring Systems Detecting and classifying contaminants in water
US8958917B2 (en) 1998-12-17 2015-02-17 Hach Company Method and system for remote monitoring of fluid quality and treatment
US7286964B2 (en) 2003-09-22 2007-10-23 Advanced Structure Monitoring, Inc. Methods for monitoring structural health conditions
US7497957B2 (en) * 2005-01-21 2009-03-03 Bernard Frank System, method and apparatus for end-to-end control of water quality
GB0808985D0 (en) * 2008-05-19 2008-06-25 Univ Exeter The Analysis of pressure management economics in water distribution systems and conceptual risk-based decision support methodology for improved near real time-
US9494480B2 (en) 2009-08-11 2016-11-15 Michael Edward Klicpera Water use monitoring apparatus
KR101044293B1 (ko) 2009-10-30 2011-06-29 주식회사 엔타시스 다중 전압 도메인의 전력 배선망에서의 전원/접지 패드의 위치 및 개수를 최적화하는 방법
US20120013483A1 (en) 2010-07-17 2012-01-19 Jung Sungeun Water Supply Maintenance System
US9053519B2 (en) * 2012-02-13 2015-06-09 TaKaDu Ltd. System and method for analyzing GIS data to improve operation and monitoring of water distribution networks
CN102855526A (zh) 2012-08-29 2013-01-02 毛振刚 突发水污染事件监控预警系统
CN103808907A (zh) 2012-11-14 2014-05-21 无锡津天阳激光电子有限公司 一种水环境物联网方法与装置
US9582775B2 (en) 2012-12-10 2017-02-28 International Business Machines Corporation Techniques for iterative reduction of uncertainty in water distribution networks
WO2014135953A2 (en) 2013-03-05 2014-09-12 Tata Consultancy Services Limited Instrumenting water distribution networks
CN103322416B (zh) 2013-06-24 2015-06-17 东北大学 管道微弱泄漏检测装置及基于模糊双曲混沌模型检测方法
US20150095000A1 (en) 2013-10-02 2015-04-02 Nec Laboratories America, Inc. Optimal sensor and actuator deployment for system design and control
CN103838959A (zh) 2013-12-18 2014-06-04 国网上海市电力公司 偏最小二乘回归应用于配电网谐波源定位与检测中的方法
CN103939749B (zh) 2014-04-28 2016-08-24 东北大学 基于大数据的输油管网泄漏智能自适应监控系统及方法
CN104061443B (zh) 2014-07-01 2016-03-23 北京昊科航科技有限责任公司 管道安全预警与泄漏监测报警方法
US10161749B1 (en) * 2014-12-08 2018-12-25 Bentley Systems, Incorporated Optimizing water quality sensor placement for water distribution systems
WO2017030869A1 (en) 2015-08-14 2017-02-23 3M Innovative Properties Company Identification of filter media within a filtration system
KR20190000904A (ko) 2015-08-14 2019-01-03 쓰리엠 이노베이티브 프로퍼티즈 컴파니 여과 시스템 내의 필터 매체의 직접 모니터링을 위한 전기 접점을 갖는 전자 센서
CN107921341B (zh) 2015-08-14 2020-12-22 3M创新有限公司 用于主动监测过滤系统内过滤介质的电磁传感器
US10795382B2 (en) * 2016-08-02 2020-10-06 Sensus USA, Inc. Method and apparatus for model-based control of a water distribution system
EP3507725A4 (en) 2016-08-31 2020-05-06 3M Innovative Properties Company SYSTEMS AND METHODS FOR MODELING, ANALYZING, DETECTING AND MONITORING FLUID NETWORKS
CN109643432B (zh) 2016-08-31 2023-10-27 3M创新有限公司 用于建模、分析、检测并监测流体网络的系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070284293A1 (en) * 2006-06-08 2007-12-13 Fairfax County Water Authority Systems and methods for remote utility metering and meter monitoring
US8175859B1 (en) * 2006-12-01 2012-05-08 Bentley Systems, Incorporated Efficient method for pressure dependent water distribution analysis
US20150020606A1 (en) * 2011-03-21 2015-01-22 Watersign Ltd Method and system for stamping and marking fluid in a pipe network for smart monitoring systems
KR20140112554A (ko) * 2012-01-13 2014-09-23 프로세스 시스템즈 엔터프라이즈 리미티드 유체 처리 네트워크 시스템
US20130211601A1 (en) * 2012-02-13 2013-08-15 Emerson Process Management Power & Water Solutions, Inc. Hybrid sequential and simultaneous process simulation system

Also Published As

Publication number Publication date
US11250177B2 (en) 2022-02-15
EP3507665A4 (en) 2020-03-18
EP3507665A1 (en) 2019-07-10
WO2018044461A1 (en) 2018-03-08
CN109661627B (zh) 2021-09-03
US20190236219A1 (en) 2019-08-01

Similar Documents

Publication Publication Date Title
CN109661627A (zh) 用于建模、分析、检测并监测流体网络的系统和方法
CN109643432A (zh) 用于建模、分析、检测并监测流体网络的系统和方法
CN109643335A (zh) 用于建模、分析、检测和监测流体网络的系统和方法
Mutikanga et al. Methods and tools for managing losses in water distribution systems
US10242414B2 (en) Method for locating a leak in a fluid network
TWI502299B (zh) 監視水事業體網路之資源的系統及方法
Aksela et al. Leakage detection in a real distribution network using a SOM
Moser et al. Performance comparison of reduced models for leak detection in water distribution networks
Koch et al. Distributed sensor fusion in water quality event detection
PT2477088E (pt) Sistema e método para identificar localizações geográficas prováveis de anomalias numa rede de fornecimento de água
Bakker et al. Heuristic burst detection method using flow and pressure measurements
Zanfei et al. Novel approach for burst detection in water distribution systems based on graph neural networks
Soroush et al. Optimal selection of number and location of pressure sensors in water distribution systems using geostatistical tools coupled with genetic algorithm
WO2020153903A1 (en) Method and system for monitoring a gas distribution network operating at low pressure
Shabangu et al. Decision support systems for leak control in urban water supply systems: A literature synopsis
WO2010035135A2 (en) Asset integrity management system and methodology for underground storage
BR112020011362A2 (pt) método para avaliação do estado de um sistema de distribuição de água
Rousso et al. Smart water networks: A systematic review of applications using high-frequency pressure and acoustic sensors in real water distribution systems
Masud Rana et al. Contaminant spread forecasting and confirmatory sampling location identification in a water-distribution system
JP2014054151A (ja) 輸送ネットワークのグラフ構造構築装置、グラフ構造構築システム、グラフ構造構築方法及びグラフ構造構築プログラム
Zamenian et al. Systematic approach for asset management of urban water pipeline infrastructure systems
Larsen et al. GISMOWA: Geospatial risk-based analysis identifying water quality monitoring sites in distribution systems
Nikoloska et al. Enhancing Sydney water’s leak prevention through acoustic monitoring
Boatwright et al. Integrated sensor placement and leak localization using geospatial genetic algorithms
Bozkurta et al. corrected Proof

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
GR01 Patent grant
GR01 Patent grant