CN110688776B - 一种基于管网平差的爆管辨识方法 - Google Patents
一种基于管网平差的爆管辨识方法 Download PDFInfo
- Publication number
- CN110688776B CN110688776B CN201910983471.1A CN201910983471A CN110688776B CN 110688776 B CN110688776 B CN 110688776B CN 201910983471 A CN201910983471 A CN 201910983471A CN 110688776 B CN110688776 B CN 110688776B
- Authority
- CN
- China
- Prior art keywords
- pipe
- bursting
- data
- pressure data
- network adjustment
- 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
Images
Classifications
-
- 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
- G01M3/2815—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 using pressure measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Abstract
本发明涉及一种基于管网平差的爆管辨识方法,包括以下步骤:通过预测模型判断是否发生爆管现象;在发生爆管现象时,通过水力模型模拟不同位置的切管操作,通过快速遗传算法计算每次模拟的爆管位置的爆管流量,并把得到的爆管流量的范围作为基因带入快速遗传算法中,然后基于管网平差,计算观测点的压力数据,将计算得到的压力数据与实测的数据进行比较,每次比较计算都会获得一个得分,找到一个最高的得分,该最高的得分的模拟爆管对象即为爆管所在位置。本发明能够快速找到爆管的所在位置。
Description
技术领域
本发明涉及爆管辨识技术领域,特别是涉及一种基于管网平差的爆管辨识方法。
背景技术
随着供水管网的管道管龄增加,管道施工质量,管道接口等因素,管道有时会发生爆管情况,如果没有及时进行抢修,会带来很大的危害,不仅会造成供水企业的损失,还会让用户无法用水,甚至会带来一些安全隐患。故水司通常派遣维修人员夜里使用仪器听地面声音来爆管定位。但这种方法存在诸多问题,比如效率低,耗时长,需要大量人力来实现,而且这种方法是要等到用户发现供水不足无法用水反应给水司或者水司抄表发现数据不正常后,水司才知道存在问题,无法做到先知先觉,给用户带来不好的用户体验。
发明内容
本发明所要解决的技术问题是提供一种基于管网平差的爆管辨识方法,能够快速找到爆管的所在位置。
本发明解决其技术问题所采用的技术方案是:提供一种基于管网平差的爆管辨识方法,包括以下步骤:
(1)通过预测模型判断是否发生爆管现象;
(2)在发生爆管现象时,通过水力模型模拟不同位置的切管操作,通过快速遗传算法计算每次模拟的爆管位置的爆管流量,并把得到的爆管流量的范围作为基因带入快速遗传算法中,然后基于管网平差,计算监测点的压力数据,将计算得到的压力数据与实测的数据进行比较,每次比较计算都会获得一个得分,找到一个最高的得分,该最高的得分的模拟爆管对象即为爆管所在位置。
所述步骤(1)具体为:根据历史监测数据预测监测点的压力数据,将预测到的监测点的压力数据与实际观测到的监测点的压力数据进行差异度计算,如果差异度超出设定的阈值范围,则判定发生爆管现象。
所述步骤(1)和步骤(2)之间还包括通过快速遗传算法实现对管网运行参数的校核的步骤,具体为:获取多个实际观测到的监测点的压力数据作为静态数据;在水力模型的基础上计算上述监测点的压力数据作为校核前数据;通过快速遗传算法不断在有效范围内模拟改变管段损失度和管段粗糙度来使校核前数据接近静态数据,得到最优的管段损失度和管段粗糙度,并将得到的最优的管段损失度和管段粗糙度作为步骤(2)中水力模型的输入。
所述步骤(2)中的管网平差是指在按初步分配流量确定管径的基础上,重新分配各管段的爆管模拟流量,反复计算,直到同时满足连续性方程组和能量方程组的管网水力计算过程。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过比较管网平差的方式能够快速寻找到爆管位置,省去了大量人力和物力,还有其可以发生爆管现象后很快就发现问题,大大的减少了爆管所带来的损失。并且本方法使用高效的遗传算法实现快速计算,只有快速计算才能使得无穷多的爆管可能位置得以迅速聚焦到有限的范围,从而指导检漏。
附图说明
图1是本发明的流程方框图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于管网平差的爆管辨识方法,如图1所示,包括以下步骤:
(1)通过预测模型判断是否发生爆管现象。具体地说,根据历史监测数据预测监测点的压力数据,将预测到的监测点的压力数据与实际观测到的监测点的压力数据进行差异度计算,判断该差异度是否在预测模型可接受范围内,给出差异是否构成异常报警的条件并触发或不触发报警,如果差异较大超过了预测模型的可接受范围则构成异常报警,判断存在爆管现象,启动爆管辨识系统。其中,差异度计算方式为:
在爆管辨识系统启动前,为了保证此数据的有效性,需要先通过快速遗传算法实现对管网运行参数的校核,只有实现了快速校核,才能使得最终的辨识结果更为准确。具体校核过程如下:
获取多个实际观测到的监测点的压力数据作为静态数据;在水力模型的基础上计算上述监测点的压力数据作为校核前数据;通过快速遗传算法不断在有效范围内模拟改变管段损失度和管段粗糙度来使校核前数据接近静态数据,得到最优的管段损失度和管段粗糙度,并将得到的最优的管段损失度和管段粗糙度作为爆管辨识系统中水力模型的输入。如此确保了后面的爆管辨识系统是在符合真实场景的基础上开展的,是真实有效的。其中,对管网运行参数进行校核时,快速遗传算法的适应度函数为:
(2)在确保实验有效性后,可以正式开始爆管辨识。在进行辨识时,通过水力模型模拟不同位置的切管操作,通过快速遗传算法计算每次模拟的爆管位置的爆管流量,并把得到的爆管流量的范围作为基因带入快速遗传算法中,然后基于管网平差(管网平差是指在按初步分配流量确定管径的基础上,重新分配各管段的爆管模拟流量,反复计算,直到同时满足连续性(节点)方程组和能量(环)方程组的管网水力计算过程),计算监测点的压力数据,将计算得到的压力数据与实测的数据进行比较,每次比较计算都会获得一个得分,该得分通过如下算式得到:
其中,n为维度,通过比较,得分越高的越好,找到一个最高的得分,该最高的得分的模拟爆管对象即为爆管所在位置。
不难发现,本发明使用遗传算法来快速计算,通过快速计算使得无穷多的爆管可能位置得以迅速聚焦到有限的范围,从而指导检漏,并且本发明中的数据通过快速校核来保证数据的有效性,从而能够确保最终辨识位置能够准确。
Claims (3)
1.一种基于管网平差的爆管辨识方法,其特征在于,包括以下步骤:
(1)通过预测模型判断是否发生爆管现象;具体为:根据历史监测数据预测监测点的压力数据,将预测到的监测点的压力数据与实际观测到的监测点的压力数据进行差异度计算,如果差异度超出设定的阈值范围,则判定发生爆管现象;差异度计算方式为:
(2)在发生爆管现象时,通过水力模型模拟不同位置的切管操作,通过快速遗传算法计算每次模拟的爆管位置的爆管流量,并把得到的爆管流量的范围作为基因带入快速遗传算法中,然后基于管网平差,计算监测点的压力数据,将计算得到的压力数据与实测的数据进行比较,每次比较计算都会获得一个得分,找到一个最高的得分,该最高的得分的模拟爆管对象即为爆管所在位置,该得分的计算方式为:
2.根据权利要求1所述的基于管网平差的爆管辨识方法,其特征在于,所述步骤(1)和步骤(2)之间还包括通过快速遗传算法实现对管网运行参数的校核的步骤,具体为:获取多个实际观测到的监测点的压力数据作为静态数据;在水力模型的基础上计算上述监测点的压力数据作为校核前数据;通过快速遗传算法不断在有效范围内模拟改变管段损失度和管段粗糙度来使校核前数据接近静态数据,得到最优的管段损失度和管段粗糙度,并将得到的最优的管段损失度和管段粗糙度作为步骤(2)中水力模型的输入。
3.根据权利要求1所述的基于管网平差的爆管辨识方法,其特征在于,所述步骤(2)中的管网平差是指在按初步分配流量确定管径的基础上,重新分配各管段的爆管模拟流量,反复计算,直到同时满足连续性方程组和能量方程组的管网水力计算过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910983471.1A CN110688776B (zh) | 2019-10-16 | 2019-10-16 | 一种基于管网平差的爆管辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910983471.1A CN110688776B (zh) | 2019-10-16 | 2019-10-16 | 一种基于管网平差的爆管辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688776A CN110688776A (zh) | 2020-01-14 |
CN110688776B true CN110688776B (zh) | 2023-01-20 |
Family
ID=69112959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910983471.1A Active CN110688776B (zh) | 2019-10-16 | 2019-10-16 | 一种基于管网平差的爆管辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688776B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113251321A (zh) * | 2021-05-28 | 2021-08-13 | 华能(广东)能源开发有限公司海门电厂 | 一种识别蒸汽热网爆管位置的方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4198855A (en) * | 1978-03-06 | 1980-04-22 | The Japan Steel Works Ltd. | Line break detector |
JP2003210949A (ja) * | 2002-01-28 | 2003-07-29 | Toshiba Corp | 膜ろ過装置の膜破損検出装置及び検出方法 |
GB201108757D0 (en) * | 2011-05-25 | 2011-07-06 | Saada Jacob | A system for leakage prevention and pressure regulations |
CN102174994A (zh) * | 2011-03-11 | 2011-09-07 | 天津大学 | 城市供水管网事故爆管在线定位系统 |
CN102982374A (zh) * | 2012-10-30 | 2013-03-20 | 北京航天情报与信息研究所 | 一种基于bp人工神经网络的爆管定位方法 |
CN106157173A (zh) * | 2016-07-15 | 2016-11-23 | 杭州电子科技大学 | 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 |
CN107143750A (zh) * | 2017-04-13 | 2017-09-08 | 浙江大学 | 一种管网爆管监控网络的空间布置方法 |
CN108960489A (zh) * | 2018-06-14 | 2018-12-07 | 天津大学 | 给水管网压力监测点优化布置方法 |
CN109547539A (zh) * | 2018-11-08 | 2019-03-29 | 熊猫智慧水务有限公司 | 一种管网供水分析系统 |
CN109635501A (zh) * | 2019-01-02 | 2019-04-16 | 山东浪潮商用系统有限公司 | 一种基于水力模型的降低供水管网漏损方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7457735B2 (en) * | 2001-11-14 | 2008-11-25 | Bentley Systems, Incorporated | Method and system for automatic water distribution model calibration |
US20050256652A1 (en) * | 2004-05-16 | 2005-11-17 | Sai-Ping Li | Reconstruction of gene networks from time-series microarray data |
GB0813014D0 (en) * | 2008-07-16 | 2008-08-20 | Groveley Detection Ltd | Detector and methods of detecting |
-
2019
- 2019-10-16 CN CN201910983471.1A patent/CN110688776B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4198855A (en) * | 1978-03-06 | 1980-04-22 | The Japan Steel Works Ltd. | Line break detector |
JP2003210949A (ja) * | 2002-01-28 | 2003-07-29 | Toshiba Corp | 膜ろ過装置の膜破損検出装置及び検出方法 |
CN102174994A (zh) * | 2011-03-11 | 2011-09-07 | 天津大学 | 城市供水管网事故爆管在线定位系统 |
GB201108757D0 (en) * | 2011-05-25 | 2011-07-06 | Saada Jacob | A system for leakage prevention and pressure regulations |
CN102982374A (zh) * | 2012-10-30 | 2013-03-20 | 北京航天情报与信息研究所 | 一种基于bp人工神经网络的爆管定位方法 |
CN106157173A (zh) * | 2016-07-15 | 2016-11-23 | 杭州电子科技大学 | 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 |
CN107143750A (zh) * | 2017-04-13 | 2017-09-08 | 浙江大学 | 一种管网爆管监控网络的空间布置方法 |
CN108960489A (zh) * | 2018-06-14 | 2018-12-07 | 天津大学 | 给水管网压力监测点优化布置方法 |
CN109547539A (zh) * | 2018-11-08 | 2019-03-29 | 熊猫智慧水务有限公司 | 一种管网供水分析系统 |
CN109635501A (zh) * | 2019-01-02 | 2019-04-16 | 山东浪潮商用系统有限公司 | 一种基于水力模型的降低供水管网漏损方法 |
Non-Patent Citations (2)
Title |
---|
Pipe burst hydraulic model of water distribution system and pipe burst location;W.-P. Cheng 等;《Zhejiang Daxue Xuebao (Gongxue Ban)》;20130630;第47卷(第6期);1057-1062 * |
基于水力模型的供水管网爆管辅助定位方法的研究;冯阳;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20180315;C038-846 * |
Also Published As
Publication number | Publication date |
---|---|
CN110688776A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102725576B (zh) | 维护管道的方法 | |
CN104462794A (zh) | 一种基于对比统计分析发现环境监测异常数据的算法 | |
CN110688776B (zh) | 一种基于管网平差的爆管辨识方法 | |
CN104456092A (zh) | 一种石油天然气管道报警优先级多维评定方法 | |
CN111578153A (zh) | 一种基于大数据的管道泄漏监测方法 | |
CN116108604B (zh) | 一种供水管网异常检测方法、系统、设备及存储介质 | |
US20150046136A1 (en) | Method for generating rip current warning | |
CN113685736A (zh) | 一种基于压力参数分析的然气管网泄漏检测方法和系统 | |
CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
Okeya et al. | Locating pipe bursts in a district metered area via online hydraulic modelling | |
CN115507309A (zh) | 一种燃气泄露报警方法和系统 | |
CN104268649A (zh) | 一种基于小波奇异性分析和arma模型的水管漏水检测方法 | |
CN105224558A (zh) | 语音业务的评价处理方法及装置 | |
CN112329181A (zh) | 一种用于管道泄漏的大数据监测方法 | |
JP2021156655A (ja) | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム | |
Amoatey et al. | Inverse optimization based detection of leaks from simulated pressure in water networks, part 1: analysis for a single leak | |
CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
CN109798451B (zh) | 油气集输管道泄漏位置的确定方法 | |
Dann et al. | Population-based approach to estimate corrosion growth in pipelines | |
Salama et al. | Characterization of the uncertainties in the inspection results of ultrasonic intelligent pigs | |
Dann et al. | Pipeline corrosion growth modeling for in-line inspection data using a population-based approach | |
KR101364375B1 (ko) | 3차원 데이터로부터 특정 객체를 추출하는 시스템 및 방법. | |
CN110968546B (zh) | 图谱节点跳转概率的设置方法及相关设备 | |
CN108345705B (zh) | 一种评估管道泄漏后果影响区域的方法及装置 | |
Momeni et al. | Prediction of Water Pipeline Condition Parameters Using Artificial Neural Networks |
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 |