CN111119282A - 一种针对供水管网的压力监测点优化布置方法 - Google Patents

一种针对供水管网的压力监测点优化布置方法 Download PDF

Info

Publication number
CN111119282A
CN111119282A CN201911175726.8A CN201911175726A CN111119282A CN 111119282 A CN111119282 A CN 111119282A CN 201911175726 A CN201911175726 A CN 201911175726A CN 111119282 A CN111119282 A CN 111119282A
Authority
CN
China
Prior art keywords
leakage
node
pressure
water
pipe network
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
CN201911175726.8A
Other languages
English (en)
Other versions
CN111119282B (zh
Inventor
曾文
杨之江
王慧敏
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.)
Wuhan Zhongzhi Hongtu Technology Co ltd
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN201911175726.8A priority Critical patent/CN111119282B/zh
Publication of CN111119282A publication Critical patent/CN111119282A/zh
Application granted granted Critical
Publication of CN111119282B publication Critical patent/CN111119282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B7/00—Water main or service pipe systems
    • E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
    • E03B7/072—Arrangement of flowmeters
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B7/00—Water main or service pipe systems
    • E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
    • E03B7/075—Arrangement of devices for control of pressure or flow rate
    • 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

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Hydrology & Water Resources (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Examining Or Testing Airtightness (AREA)
  • Pipeline Systems (AREA)

Abstract

本发明公开了一种针对供水管网的压力监测点优化布置方法，包括：构建漏损概率模型；根据漏损概率模型，计算得到各节点漏损概率，采用管网平差软件EPANET对漏损概率大于预设值的需水节点进行管网漏损模拟,得到一天24h内管网各节点在漏损条件下的压力数据Hi；采用管网平差软件EPANET对管网数据进行正常工况下的水力模拟计算，得到一天24h内管网各节点压力数据H′i；计算压力灵敏度矩阵，对矩阵依次进行标准差标准化和极值标准化，获取每个节点对漏损的敏感度；进行NSGAII双目标迭代优化,敏感度的阈值范围作为监测点覆盖漏损事件的标准，以最小化监测点数量和最小化未被覆盖漏损事件个数为目标，迭代得到一组Pareto最优解，即不同监测点数量对应的最优分布。

Description

一种针对供水管网的压力监测点优化布置方法
技术领域
本发明涉及城市供水管网压力监测点布置领域，尤其涉及一种针对供水管网的压力监测点优化布置方法。
背景技术
随着社会的城市化和现代化，城市供水管网的规模在不断扩张，管网结构变得更加复杂，所以管网管理及控制难度也在不断加大。在管网中设置压力监测点可以及时掌握管网的水压分布情况，有针对性地进行优化调度，维持科学合理的水压分布，降低能耗，保证管网运营的经济性，同时也便于建立起降低供水管网漏损率和爆管率、保障管网正常运营的安全管理模式。
现有的供水管网的研究大多针对小型管网，在压力监测点的布局选择上所使用的方法也仅适用于小型管网。这些方法在精度上有一定的保障，但在管网规模上具有一定的局限性，难有实用效益。针对此问题，本发明提供一种针对大型城市供水管网压力监测点的优化布置方法。实验过程中，考虑到管网庞大、节点众多，不同于传统方法中对管网所有节点进行漏损模拟，而是在节点属性中，筛选出与漏损相关的重要属性，根据筛选出的属性来挑选出漏损概率高的节点进行漏损模拟，并进行基于易漏点覆盖最大化的布局优化，使得所选择的压力监测点能尽可能覆盖管网中易发生漏损的点，更大可能地监测管网的重要区域，更大程度保障管网的正常运行及辅助漏损应对决策。并且有别于传统的单目标算法，本专利实现一种双目标算法，在压力监测点所需安置数量范围内，提供最大化覆盖漏损的监测点布局方案，满足实际中不同监测点数量的需求，兼顾监测点数量和监测覆盖度。
发明内容
有鉴于此，本发明提供了一种城市供水管网压力监测点的优化布置方法。
一种针对供水管网的压力监测点优化布置方法，包括以下步骤：
S1.构建供水管网需水节点漏损概率模型；
S2.根据步骤S1漏损概率模型，计算得到各需水节点漏损概率，根据实验结果对比论证确定一个预设值，挑选出漏损概率大于该预设值的需水节点，并对其采用管网平差软件EPANET进行管网漏损模拟，一个节点进行一次漏损模拟称为一次漏损事件，得到一天预设时间内各需水节点的漏损压力数据；
S3.采用管网平差软件EPANET对所有需水节点进行正常工况下的水压模拟计算，得到预设时间内管网各需水节点压力Hi′；
S4.利用步骤S2漏损模拟时的需水节点水压和步骤S3正常工况即漏损前的需水节点水压计算压力灵敏度矩阵，为使灵敏度值在一特定范围内分布均衡，对矩阵依次进行标准差标准化和极值标准化，获取每个需水节点对漏损的敏感度，给敏感度设定一个阈值，满足阈值条件的节点与漏损事件之间满足监测覆盖关系；
S5.以最小化监测点数量和最小化未被覆盖漏损事件个数为目标，以步骤S4满足漏损监测覆盖关系的需水节点与漏损事件作为约束条件，对所有需水节点进行NSGAII双目标迭代优化，达到压力监测点最少，覆盖漏损事件最多的效果。
进一步地，所述供水管网需水节点漏损概率计算模型的构建方法如下：
S11、进行评价指标的构建，选取影响节点漏损的评价指标，根据最小均方差法对评价指标进行筛选，均方差公式如下：
Figure BDA0002289889090000031
其中，m表示指标数量，xij表示第i个节点对应j指标的观测值，
Figure BDA0002289889090000032
为评价指标xj按n个被评价节点取值构成的样本均值；
若存在k0(1≤k0≤m)，使得：
Figure BDA0002289889090000033
且
sk0<0.01
则可删除与
Figure BDA0002289889090000034
对应的评价指标xj，将根据各均方差筛选出的评价指标进行极值标准化；
S12、根据各评价指标对象值，基于功能驱动原理，用拉开档次法计算得到各评价指标权重值，功能驱动原理其实质是根据评价指标的相对重要性程度来确定其权重系数。
取评价指标的线性函数为：
y＝w1x1+w2x2+…+wmxm＝wTx
可写成：
y＝Aw
Figure BDA0002289889090000041
样本方差S2为：
Figure BDA0002289889090000042
其中，
Figure BDA0002289889090000043
为评价指标的平均值，yi为第i个对象的评价得分，n为评价对象的总数，将y＝Aw代入样本方差S2得到:
ns2＝wTATAw＝wTHw
其中H＝ATA为实对称矩阵，求得H的最大特征值所对应的特征向量，并将其归一化，所得结果即为所求权重系数向量w＝(w1,w2,…,wm)；
S13、对各极值标准化后的指标进行集结，得到漏损概率计算模型。
进一步地，所述步骤S2中采用管网平差软件EPANET中射流模式对筛选出的模拟漏损分布节点进行漏损模拟，具体为：
根据节点扩散器流量与压强的关系q＝Cpγ计算射流系数C值；设置节点漏损流量为6.3L/s；模拟漏损，进行水力计算，得到各需水节点在各漏损事件下的压力数据Hi，其中：q表示节点流量，C表示射流系数，p表示正常工况下节点压力，γ表示压力指数。
进一步地，所述步骤S4中压力灵敏度矩阵[X]n×n计算公式如下：
Figure BDA0002289889090000051
其中，X(i,k)表示k点发生漏损时，节点i处的压力变化值与节点k处的压力变化值之比；Hk、Hi表示漏损后k、i节点水压；H′k、H′i表示正常工况下k、i节点水压。
进一步地，所述步骤S4中压力灵敏度矩阵[X]n×n进行标准差标准化，得到矩阵[X′]n×n，公式如下：
Figure BDA0002289889090000052
其中，
Figure BDA0002289889090000053
表示压力灵敏度矩阵[X]n×n中第k列元素的平均值，上标a表示平均值；
Figure BDA0002289889090000054
压力灵敏度矩阵[X]n×n中第k列元素的标准差，上标s表示标准差。
进一步地，对所述[X′]n×n进行极值标准化，得到矩阵[X″]n×n，公式如下：
Figure BDA0002289889090000055
其中，
Figure BDA0002289889090000056
分别表示矩阵[X′]n×n中第k列元素中最大和最小的元素；0≤X″(i,k)≤1，表示i节点对k节点漏损的敏感度。
进一步地，所述每个节点对漏损的敏感度判别方法为：根据该城市管网水力模型特性对节点压力敏感度设定一个阈值r＝0.8，该值通过反复实验确定，当敏感度>r则认为该节点对该漏损反应敏感，能覆盖到该漏损点，根据该条件定义覆盖关系。
进一步地，所述步骤S5中NSGAII优化模型构建如下：
Figure BDA0002289889090000061
其中，M:安置的监测点数量；Ni:监测点i未覆盖漏损事件个数。
进一步地，所述步骤S5中用NSGA-II进行迭代的步骤如下：
(1)随机生成长度不一的个体，构成大小为S的种群；
(2)计算个体适应度，根据二元锦标赛策略挑选优秀个体；
(3)交叉概率为pc，进行交叉操作，且保证个体基因不重复；
(4)变异概率为pm，进行变异操作，且保证个体基因不重复；
(5)将交叉变异后的种群与原种群混合，计算适应度函数；
(6)计算非支配解，并选取前一半优秀个体进行下一次迭代优化；
其中，二元锦标赛策略是指在遗传算法中每次从种群中取出两个个体，放回抽样，然后选择其中最好的一个进入子代种群，重复该操作，直到新的种群规模达到原来的种群规模；对所有需水节点进行编号，采用整数编码，染色体长度为所选监测点个数，长度随机生成，但不超过节点总数，以满足不同监测点个数的要求，初始化种群大小为S，交叉概率为pc，变异概率为pm，终止条件为达到最大迭代次数N，最大迭代次数根据实验中迭代的收敛效果确定。
进一步地，所述步骤S5中迭代结果得到一组解，这组解的集合称为Pareto前沿，该解集元素包含安置不同数量的监测点对应的最优监测点分布，用户给出监测点数量的一个期望范围，本发明所得结果为用户匹配期望范围内最优的监测点数量及对应的最优监测点分布。
与现有技术相比，本发明具有以下有益效果：
同时利用压力灵敏度分析运用NSGA-II进行双目标优化选择，结果得到不同预算成本对应的最佳监测点布局方案，提高了监测点选择的准确性，且更具实用性与灵活性。
附图说明
图1是本发明一种针对供水管网的压力监测点优化布置方法流程图；
图2是本发明一种针对供水管网的压力监测点优化布置方法实施例中K市供水管网图；
图3是本发明一种针对供水管网的压力监测点优化布置方法所选1383个漏损点位置分布(黑色圆点)图；
图4是本发明一种针对供水管网的压力监测点优化布置方法Pareto前沿图；
图5是本发明一种针对供水管网的压力监测点优化布置方法中优化选择100个监测点位置分布(黑色圆点)图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
请参考图1，本发明的实施例提供了一种针对大规模供水管网的压力监测点优化布置方法，图2为K市供水管网图，共有水源10个，需水节点53166个，管段60811个，管段总长约1595.515km，水厂出水量已知，具体步骤如下：
S1、构建漏损概率模型，选取与节点漏损有关的属性信息6个，分别是预设时间24h内节点需水量改变NDC，节点连接管段平均管径NAD，节点连接管段管径极差NDR，节点连接管段总管长NPL，节点度数NAE，24h内节点压力变化标准差NPD,得到其均方差结果如表1所示：
表1各指标均方差
Figure BDA0002289889090000081
对均方差较小的节点需水量改变NDC进行剔除。对所选取的指标用“拉开档次法”计算其权重向量，拉开档次法是尽量拉大各个被评价对象之间的差异来选择指标系数的方法，得到结果如表2所示：
表2各指标权重
Figure BDA0002289889090000082
对这五个指标进行线性集结，得到节点漏损模型为：
yi＝0.302NAD(ni)+0.021NDR(ni)+0.03NPL(ni)+0.351NAE(ni)+0.296NPD(ni)
S2、S1中所筛选出的模拟漏损分布如图3所示，对漏损概率大于7％的需水节点即1383个节点进行漏损模拟，得到各节点在各漏损事件下的压力数据，结果如表3所示：
表3模拟漏损得到的节点压力数据
Figure BDA0002289889090000091
S3、对管网数据进行水力模拟计算，得到正常工况下管网各节点在24h内压力数据，结果如表4所示：
表4正常工况下节点压力计算结果
Figure BDA0002289889090000092
S4、利用公式
Figure BDA0002289889090000101
计算压力灵敏度矩阵[X]n×n，其中，X(i,k)表示k点发生漏损时，节点i处的压力变化值与节点k处的压力变化值之比；Hk、Hi表示漏损后k、i节点水压；H′k、H′i表示正常工况下k、i节点水压。
压力灵敏度矩阵的维数是1383×53166，这里只给出前10×10的矩阵示例：
Figure BDA0002289889090000102
再对矩阵依次进行标准差标准化、极值标准化，得到矩阵X``:
Figure BDA0002289889090000103
根据该城市管网水力模型特性对节点压力敏感度设定一个阈值r＝0.8，当敏感度>r则认为该点对该漏损反应敏感，能覆盖到该漏损点，根据该条件定义覆盖关系。
S5、以最小化监测点数量和最小化未被覆盖漏损事件个数为目标，以步骤S4满足漏损监测覆盖关系的需水节点与漏损事件作为约束条件，对所有需水节点进行NSGAII双目标迭代优化，达到压力监测点最少，覆盖漏损事件最多的效果；
构建NSGAII优化模型：
Figure BDA0002289889090000111
其中，M表示安置的监测点数量；Ni表示监测点i未覆盖漏损事件个数。
实验中采用整数编码，初始化种群大小为300，染色体长度随机生成，交叉概率为0.6，变异概率为0.01，终止条件为达到最大迭代次数1000。
迭代完成后得到一系列非支配解集，即Pareto前沿，结果如图4所示。每一个解表示某一特定监测点数量对应的最优监测点布局。根据所需安置压力监测点数量需求，本发明提供最优的监测点分布方案，且得到其覆盖易漏损事件概率，为压力监测点布置提供决策支持。图5所示为当选择100个压力监测点时，实验所得其对应位置分布。
在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合，以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种针对供水管网的压力监测点优化布置方法，包括以下步骤：
S1.构建供水管网需水节点的漏损概率模型；
S2.根据步骤S1漏损概率模型，计算得到各需水节点漏损概率，根据实验结果对比论证确定一个预设值，挑选出漏损概率大于该预设值的需水节点，并对其采用管网平差软件EPANET进行管网漏损模拟，一个需水节点进行一次漏损模拟称为一次漏损事件，结果得到预设时间内各需水节点的漏损压力数据；
S3.采用管网平差软件EPANET对所有需水节点进行正常工况下的水力计算，得到预设时间内管网各需水节点压力Hi′；
S4.利用步骤S2漏损模拟时的需水节点水压和步骤S3正常工况即漏损前的需水节点水压计算压力灵敏度矩阵，对灵敏度矩阵依次进行标准差标准化和极值标准化，从而得到需水节点对漏损的敏感度，给敏感度设定一个阈值，满足阈值条件的需水节点与漏损事件之间满足漏损监测覆盖关系；
S5.以最小化监测点数量和最小化未被覆盖漏损事件个数为目标，对所有需水节点进行NSGAII双目标迭代优化，达到压力监测点最少，覆盖漏损事件最多的效果。
2.根据权利要求1所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述漏损概率计算模型的构建方法如下：
S11、进行评价指标的构建，选取影响节点漏损的评价指标，根据最小均方差法对评价指标进行筛选，均方差公式如下：
Figure FDA0002289889080000021
其中，m表示指标数量，xij表示第i个节点对应j指标的观测值，
Figure FDA0002289889080000022
为评价指标xj按n个被评价节点取值构成的样本均值；
若存在k0(1≤k0≤m)，使得：
Figure FDA0002289889080000023
且
sk0＜0.01
则可删除与
Figure FDA0002289889080000024
对应的评价指标xj，将根据各均方差筛选出的评价指标进行极值标准化；
S12、根据各评价指标对象值，基于功能驱动原理，用拉开档次法计算得到各评价指标权重值，功能驱动原理其实质是根据评价指标的相对重要性程度来确定其权重系数；
取评价指标的线性函数为：
y＝w1x1+w2x2+…+wmxm＝wTx
可写成：
y＝Aw
Figure FDA0002289889080000025
样本方差S2为：
Figure FDA0002289889080000026
其中，
Figure FDA0002289889080000027
为评价指标的平均值，yi为第i个对象的评价得分，n为评价对象的总数，将y＝Aw代入样本方差S2得到：
ns2＝wTATAw＝wTHw
其中H＝ATA为实对称矩阵，求得H的最大特征所对应的特征向量，并将其归一化，所得结果即为所求权重系数向量w＝(w1，w2，...，wm)；
S13、对各极值标准化后的评价指标进行集结，得到漏损概率计算模型。
3.根据权利要求1所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述步骤S2中采用管网平差软件EPANET中射流模式对筛选出的模拟漏损分布需水节点进行漏损模拟，具体为：
根据节点扩散器流量与压强的关系q＝Cpγ计算射流系数C值，设置节点漏损流量为6.3L/s；模拟漏损，进行水力计算，得到各需水节点在各漏损事件下的压力数据Hi，其中：q表示节点流量，C表示射流系数，p表示正常工况下节点压力，γ表示压力指数。
4.根据权利要求1所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述步骤S4中压力灵敏度矩阵[X]n×n计算公式如下：
Figure FDA0002289889080000031
其中，X(i，k)表示k点发生漏损时，节点i处的压力变化值与节点k处的压力变化值之比；Hk、Hi表示漏损后k、i节点水压；Hk′、Hi′表示正常工况下k、i节点水压。
5.根据权利要求4所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述步骤S4中压力灵敏度矩阵[X]n×n进行标准差标准化，得到矩阵[X′]n×n，公式如下：
Figure FDA0002289889080000041
其中，
Figure FDA0002289889080000042
表示压力灵敏度矩阵[X]n×n中第k列元素的平均值，上标a表示平均值；
Figure FDA0002289889080000043
压力灵敏度矩阵[X]n×n中第k列元素的标准差，上标s表示标准差。
6.根据权利要求5所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，对所述[X′]n×n进行极值标准化，得到矩阵[X″]n×n，公式如下：
Figure FDA0002289889080000044
其中，
Figure FDA0002289889080000045
分别表示矩阵[X′]n×n中第k列元素中最大和最小的元素；0≤X″(i，k)≤1，表示i节点对k节点漏损的敏感度。
7.根据权利要求1所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述每个节点对漏损的敏感度判别方法为：根据该城市管网水力模型特性对节点压力敏感度设定一个阈值r＝0.8，r＝0.8，该值通过反复实验确定，当敏感度＞r则认为该节点对该漏损反应敏感，监测点能覆盖到该漏损点，根据该条件定义监测覆盖关系。
8.根据权利要求1所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述步骤S5中NSGAII优化模型构建如下：
Figure FDA0002289889080000051
其中，M:安置的监测点数量；Ni:监测点i未覆盖漏损事件个数。
9.根据权利要求1所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述步骤S5中用NSGA-II进行迭代的步骤如下：
(1)随机生成长度不一的个体，构成大小为S的种群；
(2)计算个体适应度，根据二元锦标赛的方式挑选优秀个体；
(3)交叉概率为pc，进行交叉操作，且保证个体基因不重复；
(4)变异概率为pm，进行变异操作，且保证个体基因不重复；
(5)将交叉变异后的种群与原种群混合，计算适应度函数；
(6)计算非支配解，并选取前一半优秀个体进行下一次迭代优化；
其中，二元锦标赛策略是指在遗传算法中每次从种群中取出两个个体，放回抽样，然后选择其中最好的一个进入子代种群，重复该操作，直到新的种群规模达到原来的种群规模；对所有需水节点进行编号，采用整数编码，染色体长度为所选监测点个数，长度随机生成，但不超过节点总数，以满足不同监测点个数的要求，初始化种群大小为S，交叉概率为pc，变异概率为pm，终止条件为达到最大迭代次数N。
10.根据权利要求9所述的一种针对供水管网的压力监测点优化布置方法，其特征在于，所述步骤S5中迭代结果得到一组解，这组解的集合称为Pareto前沿，该解集元素包含安置不同数量的监测点对应的最优监测点分布，用户给出监测点数量的一个期望范围，本发明所得结果为用户匹配期望范围内最优的监测点数量及对应的最优监测点分布。
CN201911175726.8A 2019-11-26 2019-11-26 一种针对供水管网的压力监测点优化布置方法 Active CN111119282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911175726.8A CN111119282B (zh) 2019-11-26 2019-11-26 一种针对供水管网的压力监测点优化布置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911175726.8A CN111119282B (zh) 2019-11-26 2019-11-26 一种针对供水管网的压力监测点优化布置方法

Publications (2)

Publication Number Publication Date
CN111119282A true CN111119282A (zh) 2020-05-08
CN111119282B CN111119282B (zh) 2020-09-25

Family

ID=70496731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911175726.8A Active CN111119282B (zh) 2019-11-26 2019-11-26 一种针对供水管网的压力监测点优化布置方法

Country Status (1)

Country Link
CN (1) CN111119282B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639838A (zh) * 2020-05-08 2020-09-08 中国地质大学（武汉） 一种适用于供水管网的水质监测点布局优化方法
CN111853555A (zh) * 2020-07-07 2020-10-30 杭州电子科技大学 一种基于动态过程的供水管网暗漏识别方法
CN112097126A (zh) * 2020-09-18 2020-12-18 同济大学 一种基于深度神经网络的供水管网爆管管道精确识别方法
CN112464421A (zh) * 2020-11-23 2021-03-09 长江水利委员会长江科学院 基于联合信息熵的供水管网漏损识别传感器优化布置方法
CN112460495A (zh) * 2020-11-14 2021-03-09 武汉众智鸿图科技有限公司 面向漏损监测定位的监测点布局方法及系统
CN112610903A (zh) * 2020-12-10 2021-04-06 合肥学院 一种基于深度神经网络模型的给水管网泄漏定位方法
CN112989535A (zh) * 2021-03-09 2021-06-18 昆明理工大学 一种基于爆管检测效益的供水管网压力监测点优化布局方法
CN113177283A (zh) * 2021-04-28 2021-07-27 中国能源建设集团广东省电力设计研究院有限公司 仪表测点安装智能化设计方法、系统、设备和存储介质
CN114298174A (zh) * 2021-12-14 2022-04-08 中国四联仪器仪表集团有限公司 一种给水异常识别方法、系统、电子设备及介质
CN116642138A (zh) * 2023-05-25 2023-08-25 大连智水慧成科技有限责任公司 一种供水管网新增漏损检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103437400A (zh) * 2013-08-07 2013-12-11 中阀科技(长沙)阀门有限公司 供水管网压力控制系统
CN105894130A (zh) * 2016-04-25 2016-08-24 杭州电子科技大学 一种用于城市供水管网监测点的优化布置方法
CN105938505A (zh) * 2016-04-12 2016-09-14 广州京维智能科技有限公司 一种供水管网压力检测点的布置方法
CN110108328A (zh) * 2019-04-03 2019-08-09 同济大学 一种供水管网漏损区域漏水量的获取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103437400A (zh) * 2013-08-07 2013-12-11 中阀科技(长沙)阀门有限公司 供水管网压力控制系统
CN105938505A (zh) * 2016-04-12 2016-09-14 广州京维智能科技有限公司 一种供水管网压力检测点的布置方法
CN105894130A (zh) * 2016-04-25 2016-08-24 杭州电子科技大学 一种用于城市供水管网监测点的优化布置方法
CN110108328A (zh) * 2019-04-03 2019-08-09 同济大学 一种供水管网漏损区域漏水量的获取方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639838A (zh) * 2020-05-08 2020-09-08 中国地质大学（武汉） 一种适用于供水管网的水质监测点布局优化方法
CN111853555A (zh) * 2020-07-07 2020-10-30 杭州电子科技大学 一种基于动态过程的供水管网暗漏识别方法
CN112097126A (zh) * 2020-09-18 2020-12-18 同济大学 一种基于深度神经网络的供水管网爆管管道精确识别方法
CN112460495A (zh) * 2020-11-14 2021-03-09 武汉众智鸿图科技有限公司 面向漏损监测定位的监测点布局方法及系统
CN112464421A (zh) * 2020-11-23 2021-03-09 长江水利委员会长江科学院 基于联合信息熵的供水管网漏损识别传感器优化布置方法
CN112464421B (zh) * 2020-11-23 2022-07-05 长江水利委员会长江科学院 基于联合信息熵的供水管网漏损识别传感器优化布置方法
CN112610903A (zh) * 2020-12-10 2021-04-06 合肥学院 一种基于深度神经网络模型的给水管网泄漏定位方法
CN112989535A (zh) * 2021-03-09 2021-06-18 昆明理工大学 一种基于爆管检测效益的供水管网压力监测点优化布局方法
CN113177283A (zh) * 2021-04-28 2021-07-27 中国能源建设集团广东省电力设计研究院有限公司 仪表测点安装智能化设计方法、系统、设备和存储介质
CN114298174A (zh) * 2021-12-14 2022-04-08 中国四联仪器仪表集团有限公司 一种给水异常识别方法、系统、电子设备及介质
CN116642138A (zh) * 2023-05-25 2023-08-25 大连智水慧成科技有限责任公司 一种供水管网新增漏损检测方法

Also Published As

Publication number Publication date
CN111119282B (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN111119282B (zh) 一种针对供水管网的压力监测点优化布置方法
CN105488528B (zh) 基于改进自适应遗传算法的神经网络图像分类方法
Gill et al. Training back propagation neural networks with genetic algorithm for weather forecasting
CN109932903A (zh) 多父代优化网络和遗传算法的风机控制多目标优化方法
CN113887787B (zh) 一种基于长短时记忆网络和nsga-ii算法的洪水预报模型参数多目标优化方法
CN108280545A (zh) 一种基于k均值聚类神经网络的光伏功率预测方法
CN104636985A (zh) 一种改进bp神经网络的输电线路无线电干扰预测方法
CN104200096B (zh) 基于微分进化算法和bp神经网络的避雷器均压环优化法
CN113361761A (zh) 一种基于误差修正的短期风电功率集成预测方法及系统
CN114492191A (zh) 基于dbn-svr的热力站设备剩余寿命评估方法
CN105404142B (zh) 基于bp神经网络与mbfo算法的铝电解多参数控制方法
CN109408896B (zh) 一种污水厌氧处理产气量多元智能实时监控方法
CN114723142A (zh) 一种基于非支配排序遗传算法和flus模型的多目标土地利用模拟系统与方法
CN107392315A (zh) 一种优化大脑情感学习模型的方法
CN112836876B (zh) 一种基于深度学习的配电网线路负荷预测方法
CN112183721B (zh) 一种基于自适应差分进化的组合水文预测模型的构建方法
CN113095477A (zh) 基于de-bp神经网络的风电功率预测方法
CN110276478B (zh) 基于分段蚁群算法优化svm的短期风电功率预测方法
CN115496153A (zh) 多头自注意力的深度卷积嵌入聚类风光荷联合场景方法
CN113050745B (zh) 选秀竞争算法dca及基于该算法的光伏系统最大功率点跟踪方法
CN112836885B (zh) 组合负荷预测方法、装置、电子设备和存储介质
CN110991600B (zh) 一种融合分布估计算法与极限学习机的干旱智慧预测方法
CN113902492A (zh) 一种分时电价预测方法及系统
CN113762591A (zh) 一种基于gru和多核svm对抗学习的短期电量预测方法及系统
Kumar et al. Prediction of Rice Production in India Using Artificial Neural Network with Genetic Algorithm

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221123

Address after: Room 08, Floor 12, B3 Building, Wuhan University Science Park, University Park Road, Wuhan East Lake New Technology Development Zone, Wuhan City, Hubei Province 430,070 (multiple photos for one site)

Patentee after: WUHAN ZHONGZHI HONGTU TECHNOLOGY CO.,LTD.

Address before: 430000 Lu Mill Road, Hongshan District, Wuhan, Hubei Province, No. 388

Patentee before: CHINA University OF GEOSCIENCES (WUHAN CITY)

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Method for Optimizing the Layout of Pressure Monitoring Points in Water Supply Networks

Effective date of registration: 20230613

Granted publication date: 20200925

Pledgee: Wuhan area branch of Hubei pilot free trade zone of Bank of China Ltd.

Pledgor: WUHAN ZHONGZHI HONGTU TECHNOLOGY CO.,LTD.

Registration number: Y2023420000231