CN112100781A - 一种识别多水源供水管网水质隐患点的方法和系统 - Google Patents
一种识别多水源供水管网水质隐患点的方法和系统 Download PDFInfo
- Publication number
- CN112100781A CN112100781A CN202010879555.3A CN202010879555A CN112100781A CN 112100781 A CN112100781 A CN 112100781A CN 202010879555 A CN202010879555 A CN 202010879555A CN 112100781 A CN112100781 A CN 112100781A
- Authority
- CN
- China
- Prior art keywords
- water
- source
- node
- nodes
- water quality
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 590
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004088 simulation Methods 0.000 claims abstract description 108
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 238000005192 partition Methods 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000006866 deterioration Effects 0.000 claims description 9
- 238000013316 zoning Methods 0.000 claims 1
- 238000013461 design Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000003651 drinking water Substances 0.000 description 3
- 235000020188 drinking water Nutrition 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
-
- 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
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Pipeline Systems (AREA)
Abstract
本发明提供一种识别多水源供水管网水质隐患点的方法，包括以下步骤：S1：对水源节点进行溯源分析，得到各节点用水量来自各个水源的溯源百分比矩阵；S2：根据溯源百分比矩阵确定各水源的供水范围，得到供水范围分区；S3：执行水龄模拟分析，得到每个分区中各节点的水龄代表值；S4：根根据每个分区各节点的水龄代表值，识别水质隐患点，绘制水质隐患点图表。该方法对供水管网进行溯源分析，通过分析溯源百分比矩阵进行各水源供水范围分区，然后识别各分区内的水质隐患点，该方法最终以图表的形式呈现水质隐患点，能够帮助水务工作人员更加直观地识别管网水质隐患点的具体位置，通过提高对水质隐患点的监测水平来保障多水源供水管网的饮用水安全。
Description
技术领域
本发明涉及供水管网系统领域，更具体地，涉及一种识别多水源供水管网水质隐患点的方法和系统。
背景技术
供水管网是供水系统重要的组成部分。原水经处理达到国家水质标准，在经过供水管网输送至用户的过程中，发生了复杂的物理、化学变化以及微生物反应，造成水质不同程度的恶化。根据对国内45个城市函件调研结果，我国城市供水管网水质总合格率较出厂水下降83.4％，其中浊度平均比出厂水高0.36NTU，色度增加0.42度，铁浓度增加0.04mg/L，细菌总数增加18个/mL，管网末梢余氯下降到0.015mg/L。造成管网水质下降的原因是多方面的，包括水在管网内的停留时间过长、流速、温度、总有机碳、水中消毒附产物、管材等。目前，我国主要大城市都采用多水源供水的方式以保障饮用水安全。相比于单水源管网，多水源管网的运行情况更复杂，仅凭工程师的经验很难确定水质隐患点的位置。
现有的技术中，中国发明专利CN108665119A公开了“一种供水管网异常工况预警方法”，公开日为2018年10月16日，具体公开了包括以下步骤：采集水质参数数据；对采集的水质参数数据进行数据预处理；对预处理后的数据进行数据特征提取，构建特征矢量；利用所述特征矢量训练模型，对模型进行优化；利用优化的模型确定供水管网异常工况，完成供水管网异常工况预警，该专利利用多水质指标之间的关联性，放大单个水质指标微小的异常变化特征，只能判断单一水源的供水管网，无法判断多水源的供水管网的水质情况。
发明内容
本发明为解决现在的多水源供水时无法准确确定水质隐患点位置的技术缺陷，提供了一种识别多水源供水管网水质隐患点的方法和系统。
为实现以上发明目的，采用的技术方案是：
一种识别多水源供水管网水质隐患点的方法，包括以下步骤：
S1：对水源节点进行溯源分析，得到各节点用水量来自各个水源的溯源百分比矩阵；
S2：根据溯源百分比矩阵确定各水源的供水范围，得到供水范围分区；
S3：执行水龄模拟分析，得到每个分区中各节点的水龄代表值；
S4：根据每个分区各节点的水龄代表值，识别水质隐患点，绘制水质隐患点图表。
上述方案中，该方法对供水管网进行溯源分析，通过分析溯源百分比矩阵进行各水源供水范围分区，然后识别各分区内的水质隐患点，该方法最终以图表的形式呈现水质隐患点，能够帮助水务工作人员更加直观地识别管网水质隐患点的具体位置，通过提高对水质隐患点的监测水平来保障多水源供水管网的饮用水安全。
在步骤S1中，包括以下步骤：
S11：将待分析的供水管网模型导入EPANET软件中，并将节点需水量模拟方法改为压力驱动分析；
S12：把水质模拟的类型设置为溯源分析，并将水质模拟总时长设置为y小时；
S13：将第一个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第一个水源的百分比；
S14：将第二个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第二个水源的百分比，以此类推，直到对管网中所有的水源节点都完成溯源分析；
S15：得到水质模拟达到稳态时管网中每个节点的可用水量来自各个水源的百分比矩阵(M×N)，其中M表示水源节点的个数，N表示用水节点的个数。
上述方案中，所述步骤S1中使用EPANET 2.2而没有使用EPANET 2.0，首先，EPANET的水质模拟依赖于水力模拟，即水质模拟是以水力模拟的结果作为为输入数据。因此，准确的水力模拟结果是划分多水源供水管网供水区域以及识别水质隐患点的重要基础。另一方面，EPANET 2.0的计算引擎采用需水量驱动分析(Demand Driven Analysis)进行水力计算。需水量驱动分析在水力模拟过程中节点的可用水量与节点的压力水头无关，始终等于节点的设计用水量。然而，实际工程中节点的需水量和该节点的压力水头紧密相关。EPANET2.2的计算引擎采用压力驱动分析(Pressure Driven Analysis)，当压力水头低于该节点产生流量的最小水头时，节点的可用水量为0；当压力水头大于该节点的设计水头时，该节点的需水量等于设计用水量；当压力水头介于节点产生流量的最小水头和设计水头之间时，节点的可用水量满足特定的幂函数关系。所以，采用压力驱动分析的计算结果更符合实际情况，也确保了水质分析的准确性。
此外，所述步骤S1中将模拟总时长延长到y小时是为了使管网水质模拟达到稳态，即模拟结果呈现出稳定的周期变化规律。对于水质模拟而言，管网在默认的模拟时长内往往难以达到稳态，进而影响供水区域划分和水质隐患点识别的准确性。y的具体数值可由管网达到稳态的具体时间而定，一般至少是默认模拟时长的3-5倍。
在步骤S2中，包括以下步骤：
S21：根据实际情况设定供水范围分区的阈值m％，即判定任意节点属于某个水源供水范围的标准；
S22：根据第一步溯源分析得到的溯源百分比矩阵，将水质模拟达到稳态时管网中节点的可用水量来自第一个水源的百分比超过m％的节点分到一个区域，并记为第一区，以此类推，直到将管网中节点的可用水量来自第M个水源的百分比超过m％的节点分为第M区；
S23：将由多个水源混合供水且水质模拟达到稳态时管网中节点的可用水量来自任意一个水源的百分比都小于m％的节点分为第M+1区。
上述方案中，所述步骤S2中之所以根据百分比矩阵来划分多水源供水管网的供水区域有两个方面的原因。首先，不同水厂的水处理工艺可能存在差异，因此出厂水质也可能不同，所以需要划分每个水源的供水区域。另一方面，位于混合供水区域的水流方向往往会频繁地发生改变，更容易对管壁上的生长环进行冲刷，导致水质恶化，所以也需要特别关注混合供水区域的水质状态。
在步骤S3中，包括以下步骤：
S31：将水质模拟的类型设置为水龄，对供水管网进行完整的水质分析；
S32：根据S2中的分区结果，当模拟达到稳态时，分别计算出各个区域的所有节点在最后一个周期的水龄值；
S33：将每个区域内的所有节点在最后一个周期内的最大水龄值作为各个节点水质的代表值。
上述方案中，所述步骤S3中节点水龄是水在管网中的停留时间，具体指水从水源节点流至各用水节点的流经时间，水龄的大小表示各节点用水的新鲜程度，是表征该节点水质安全性的重要参数。
在步骤S4中，包括以下步骤：
S41：根据实际情况设定判断水质存在风险的水龄阈值x；
S42：将每个区域所有节点在最后一个模拟周期的最大水龄值进行倒序排列，将水龄值大于阈值x且节点需水量大于0的节点识别为水质隐患点；
S43：在管网拓扑图上标注上述节点，并采用不同的灰度来反映水质隐患点的风险程度，颜色越深表示该节点所在位置水质恶化的风险越高。
一种识别多水源供水管网水质隐患点的系统，运用了一种识别多水源供水管网水质隐患点的方法，包括溯源分析模块、供水分区模块、水龄计算模块和隐患点识别模块；所述溯源分析模块输出端与所述供水分区模块输入端电性连接，所述供水分区模块输出端与所述水龄计算模块输入端电性连接，所述水龄计算模块输出端与所述隐患点识别模块输入端电性连接。
所述溯源分析模块包括以下算法：
S11：将待分析的供水管网模型导入EPANET软件中，并将节点需水量模拟方法改为压力驱动分析；
S12：把水质模拟的类型设置为溯源分析，并将水质模拟总时长设置为y小时；
S13：将第一个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第一个水源的百分比；
S14：将第二个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第二个水源的百分比，以此类推，直到对管网中所有的水源节点都完成溯源分析；
S15：得到水质模拟达到稳态时管网中每个节点的可用水量来自各个水源的百分比矩阵(M×N)，其中M表示水源节点的个数，N表示用水节点的个数。
所述供水分区模块包括以下算法：
S21：根据实际情况设定供水范围分区的阈值m％，即判定任意节点属于某个水源供水范围的标准；
S22：根据第一步溯源分析得到的溯源百分比矩阵，将水质模拟达到稳态时管网中节点的可用水量来自第一个水源的百分比超过m％的节点分到一个区域，并记为第一区，以此类推，直到将管网中节点的可用水量来自第M个水源的百分比超过m％的节点分为第M区；
S23：将由多个水源混合供水且水质模拟达到稳态时管网中节点的可用水量来自任意一个水源的百分比都小于m％的节点分为第M+1区。
所述水龄计算模块包括以下算法：
S31：将水质模拟的类型设置为水龄，对供水管网进行完整的水质分析；
S32：根据S2中的分区结果，当模拟达到稳态时，分别计算出各个区域的所有节点在最后一个周期的水龄值；
S33：将每个区域内的所有节点在最后一个周期内的最大水龄值作为各个节点水质的代表值。
所述隐患点识别模块包括以下算法：
S41：根据实际情况设定判断水质存在风险的水龄阈值x；
S42：将每个区域所有节点在最后一个模拟周期的最大水龄值进行倒序排列，将水龄值大于阈值x且节点需水量大于0的节点识别为水质隐患点；
S43：在管网拓扑图上标注上述节点，并采用不同的灰度来反映水质隐患点的风险程度，颜色越深表示该节点所在位置水质恶化的风险越高。
与现有技术相比，本发明的有益效果是：
本发明提供的一种识别多水源供水管网水质隐患点的方法和系统，对供水管网进行溯源分析，通过分析各节点用水量来自各个水源的溯源百分比矩阵进行各水源供水范围分区，然后识别各分区内的水质隐患点，该方法最终以图表的形式呈现水质隐患点，能够帮助水务工作人员更加直观地识别管网水质隐患点的具体位置，通过提高对水质隐患点的监测水平来保障多水源供水管网的饮用水安全。
附图说明
图1为本发明的方法流程图；
图2为本发明的模块示意图；
图3为本发明的水质隐患点示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1所示，一种识别多水源供水管网水质隐患点的方法，包括以下步骤：
S1：对水源节点进行溯源分析，得到各节点用水量来自各个水源的溯源百分比矩阵；
S2：根据溯源百分比矩阵确定各水源的供水范围，得到供水范围分区；
S3：执行水龄模拟分析，得到每个分区中各节点的水龄代表值；
S4：根据每个分区各节点的水龄代表值，识别水质隐患点，绘制水质隐患点图表。
上述方案中，该方法对供水管网进行溯源分析，通过分析各节点用水量来自各个水源的溯源百分比矩阵进行各水源供水范围分区，然后识别各分区内的水质隐患点，该方法最终以图表的形式呈现水质隐患点，能够帮助水务工作人员更加直观地识别管网水质隐患点的具体位置，通过提高对水质隐患点的监测水平来保障多水源供水管网的饮用水安全。
在步骤S1中，包括以下步骤：
S11：将待分析的供水管网模型导入EPANET软件中，并将节点需水量模拟方法改为压力驱动分析；
S12：把水质模拟的类型设置为溯源分析，并将水质模拟总时长设置为y小时；
S13：将第一个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第一个水源的百分比；
S14：将第二个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第二个水源的百分比，以此类推，直到对管网中所有的水源节点都完成溯源分析；
S15：得到水质模拟达到稳态时管网中每个节点的可用水量来自各个水源的百分比矩阵(M×N)，其中M表示水源节点的个数，N表示用水节点的个数。
上述方案中，所述步骤S1中使用EPANET 2.2而没有使用EPANET 2.0，首先，EPANET的水质模拟依赖于水力模拟，即水质模拟是以水力模拟的结果作为为输入数据。因此，准确的水力模拟结果是划分多水源供水管网供水区域以及识别水质隐患点的重要基础。另一方面，EPANET 2.0的计算引擎采用需水量驱动分析(Demand Driven Analysis)进行水力计算。需水量驱动分析在水力模拟过程中节点的可用水量与节点的压力水头无关，始终等于节点的设计用水量。然而，实际工程中节点的需水量和该节点的压力水头紧密相关。EPANET2.2的计算引擎采用压力驱动分析(Pressure Driven Analysis)，当压力水头低于该节点产生流量的最小水头时，节点的可用水量为0；当压力水头大于该节点的设计水头时，该节点的需水量等于设计用水量；当压力水头介于节点产生流量的最小水头和设计水头之间时，节点的可用水量满足特定的幂函数关系。所以，采用压力驱动分析的计算结果更符合实际情况，也确保了水质分析的准确性。
此外，所述步骤S1中将模拟总时长延长到y小时是为了使管网水质模拟达到稳态，即模拟结果呈现出稳定的周期变化规律。对于水质模拟而言，管网在默认的模拟时长内往往难以达到稳态，进而影响供水区域划分和水质隐患点识别的准确性。y的具体数值可由管网达到稳态的具体时间而定，一般至少是默认模拟时长的3-5倍。
在步骤S2中，包括以下步骤：
S21：根据实际情况设定供水范围分区的阈值m％，即判定任意节点属于某个水源供水范围的标准；
S22：根据第一步溯源分析得到的百分比矩阵，将水质模拟达到稳态时管网中节点的可用水量来自第一个水源的百分比超过m％的节点分到一个区域，并记为第一区，以此类推，直到将管网中节点的可用水量来自第M个水源的百分比超过m％的节点分为第M区；
S23：将由多个水源混合供水且水质模拟达到稳态时管网中节点的可用水量来自任意一个水源的百分比都小于m％的节点分为第M+1区。
上述方案中，所述步骤S2中之所以根据百分比矩阵来划分多水源供水管网的供水区域有两个方面的原因。首先，不同水厂的水处理工艺可能存在差异，因此出厂水质也可能不同，所以需要划分每个水源的供水区域。另一方面，位于混合供水区域的水流方向往往会频繁地发生改变，更容易对管壁上的生长环进行冲刷，导致水质恶化，所以也需要特别关注混合供水区域的水质状态。
在步骤S3中，包括以下步骤：
S31：将水质模拟的类型设置为水龄，对供水管网进行完整的水质分析；
S32：根据S2中的分区结果，当模拟达到稳态时，分别计算出各个区域的所有节点在最后一个周期的水龄值；
S33：将每个区域内的所有节点在最后一个周期内的最大水龄值作为各个节点水质的代表值。
上述方案中，所述步骤S3中节点水龄是水在管网中的停留时间，具体指水从水源节点流至各用水节点的流经时间，水龄的大小表示各节点用水的新鲜程度，是表征该节点水质安全性的重要参数。
在步骤S4中，包括以下步骤：
S41：根据实际情况设定判断水质存在风险的水龄阈值x；
S42：将每个区域所有节点在最后一个模拟周期的最大水龄值进行倒序排列，将水龄值大于阈值x且节点需水量大于0的节点识别为水质隐患点；
S43：在管网拓扑图上标注上述节点，并采用不同的灰度来反映水质隐患点的风险程度，颜色越深表示该节点所在位置水质恶化的风险越高。
实施例2
如图2所示，一种识别多水源供水管网水质隐患点的系统，运用了一种识别多水源供水管网水质隐患点的方法，包括溯源分析模块、供水分区模块、水龄计算模块和隐患点识别模块；所述溯源分析模块输出端与所述供水分区模块输入端电性连接，所述供水分区模块输出端与所述水龄计算模块输入端电性连接，所述水龄计算模块输出端与所述隐患点识别模块输入端电性连接。
所述溯源分析模块包括以下算法：
S11：将待分析的供水管网模型导入EPANET软件中，并将节点需水量模拟方法改为压力驱动分析；
S12：把水质模拟的类型设置为溯源分析，并将水质模拟总时长设置为y小时；
S13：将第一个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第一个水源的百分比；
S14：将第二个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第二个水源的百分比，以此类推，直到对管网中所有的水源节点都完成溯源分析；
S15：得到水质模拟达到稳态时管网中每个节点的可用水量来自各个水源的百分比矩阵(M×N)，其中M表示水源节点的个数，N表示用水节点的个数。
所述供水分区模块包括以下算法：
S21：根据实际情况设定供水范围分区的阈值m％，即判定任意节点属于某个水源供水范围的标准；
S22：根据第一步溯源分析得到的溯源百分比矩阵，将水质模拟达到稳态时管网中节点的可用水量来自第一个水源的百分比超过m％的节点分到一个区域，并记为第一区，以此类推，直到将管网中节点的可用水量来自第M个水源的百分比超过m％的节点分为第M区；
S23：将由多个水源混合供水且水质模拟达到稳态时管网中节点的可用水量来自任意一个水源的百分比都小于m％的节点分为第M+1区。
所述水龄计算模块包括以下算法：
S31：将水质模拟的类型设置为水龄，对供水管网进行完整的水质分析；
S32：根据S2中的分区结果，当模拟达到稳态时，分别计算出各个区域的所有节点在最后一个周期的水龄值；
S33：将每个区域内的所有节点在最后一个周期内的最大水龄值作为各个节点水质的代表值。
所述隐患点识别模块包括以下算法：
S41：根据实际情况设定判断水质存在风险的水龄阈值x；
S42：将每个区域所有节点在最后一个模拟周期的最大水龄值进行倒序排列，将水龄值大于阈值x且节点需水量大于0的节点识别为水质隐患点；
S43：在管网拓扑图上标注上述节点，并采用不同的灰度来反映水质隐患点的风险程度，颜色越深表示该节点所在位置水质恶化的风险越高。
实施例3
如图3所示，以英国埃克斯特市供水管网为例说明本发明的具体实施效果。该管网共有1837个需水节点，2507条管段，7个水源，总供水量为28.13万吨/天，该管网的默认模拟总时长为24小时。分析该管网的水质隐患点包括以下步骤：
第一步：首先，将埃克斯特市的供水管网模型文件导入EPANET2.2软件中，并将节点需水量模拟方法改为压力驱动分析。其次，把水质模拟的类型设置为溯源分析(Trace)，并将模拟总时长设置为168小时。然后，将编号为3001的水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量中来自水源3001的百分比；再次，将编号为3002的水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量中来自水源3002的百分比。以此类推，直到得到水质模拟达到稳态时管网中每个节点的可用水量中来自水源3007的百分比。最后，得到水质模拟达到稳态时管网中每个节点的可用水量中来自所有水源的百分比矩阵，该矩阵的尺寸为7×1837。
第二步：首先，将供水范围分区的阈值设定为60％，即认为当某个节点有60％的可用水量来自某一水源时，则将该节点划入对应这个水源的供水范围。其次，根据第一步溯源分析得到的百分比矩阵，将水质模拟达到稳态时管网中节点的可用水量来自水源3001的百分比超过60％的节点分到第一区。以此类推，直到将管网中节点的可用水量来自水源3007的百分比超过60％的节点分为第七区。最后，将由多个水源混合供水且水质模拟达到稳态时管网中节点的可用水量来自任意一个水源的百分比都小于60％的节点分为第八区。
第三步：首先，将水质模拟的类型设置为水龄，对供水管网进行完整的水质分析。其次，根据第二步中的分区结果，分别取出每个区域模拟达到稳态时从145到168小时的水龄模拟结果。最后，计算每个区域内的所有节点在145到168小时内的最大水龄值。
第四步：首先，设定判断水质存在风险的水龄阈值为48小时。其次，将每个区域所有节点在145到168小时内的最大水龄值进行倒序排列，将水龄值大于48小时且节点需水量大于0的节点识别为水质隐患点。最后，在埃克斯特市管网拓扑图上标注上述节点，并采用不同的灰度来反映水质隐患点的风险程度，颜色越深表示该节点所在位置水质恶化的风险也更高。
所述第二步中由于水源3003和3007的供水量太小，所以水质模拟达到稳态时管网节点的可用水量来自这两个水源的百分比超过60％的节点个数为0，即第三区和第七区不包含任何节点。最后分区结果为：第一区包含51个节点，第二区包含10个节点，第四区包含796个节点，第五区包含4个节点，第六区包含167个节点，第八区包含809个节点。
所述第四步中识别到的水质隐患点如表1和图3所示，其中图3中加大加黑的节点即为水质隐患点，节点的颜色越深代表此处的水质风险越高。
表1埃克斯特供水管网的水质隐患点
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种识别多水源供水管网水质隐患点的方法，其特征在于，包括以下步骤：
S1：对水源节点进行溯源分析，得到各节点用水量来自各个水源的溯源百分比矩阵；
S2：根据溯源百分比矩阵确定各水源的供水范围，得到供水范围分区；
S3：执行水龄模拟分析，得到每个分区中各节点的水龄代表值；
S4：根据每个分区各节点的水龄代表值，识别水质隐患点，绘制水质隐患点图表。
2.根据权利要求1所述的一种识别多水源供水管网水质隐患点的方法，其特征在于，在步骤S1中，包括以下步骤：
S11：将待分析的供水管网模型导入EPANET软件中，并将节点需水量模拟方法改为压力驱动分析；
S12：把水质模拟的类型设置为溯源分析，并将水质模拟总时长设置为y小时；
S13：将第一个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第一个水源的百分比；
S14：将第二个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第二个水源的百分比，以此类推，直到对管网中所有的水源节点都完成溯源分析；
S15：得到水质模拟达到稳态时管网中每个节点的可用水量来自各个水源的百分比矩阵(M×N)，其中M表示水源节点的个数，N表示用水节点的个数。
3.根据权利要求2所述的一种识别多水源供水管网水质隐患点的方法，其特征在于，在步骤S2中，包括以下步骤：
S21：根据实际情况设定供水范围分区的阈值m％，即判定任意节点属于某个水源供水范围的标准；
S22：根据第一步溯源分析得到的溯源百分比矩阵，将水质模拟达到稳态时管网中节点的可用水量来自第一个水源的百分比超过m％的节点分到一个区域，并记为第一区，以此类推，直到将管网中节点的可用水量来自第M个水源的百分比超过m％的节点分为第M区；
S23：将由多个水源混合供水且水质模拟达到稳态时管网中节点的可用水量来自任意一个水源的百分比都小于m％的节点分为第M+1区。
4.根据权利要求3所述的一种识别多水源供水管网水质隐患点的方法，其特征在于，在步骤S3中，包括以下步骤：
S31：将水质模拟的类型设置为水龄，对供水管网进行完整的水质分析；
S32：根据S2中的分区结果，当模拟达到稳态时，分别计算出各个区域的所有节点在最后一个周期的水龄值；
S33：将每个区域内的所有节点在最后一个周期内的最大水龄值作为各个节点水质的代表值。
5.根据权利要求4所述的一种识别多水源供水管网水质隐患点的方法，其特征在于，在步骤S4中，包括以下步骤：
S41：根据实际情况设定判断水质存在风险的水龄阈值x；
S42：将每个区域所有节点在最后一个模拟周期的最大水龄值进行倒序排列，将水龄值大于阈值x且节点需水量大于0的节点识别为水质隐患点；
S43：在管网拓扑图上标注上述节点，并采用不同的灰度来反映水质隐患点的风险程度，颜色越深表示该节点所在位置水质恶化的风险越高。
6.一种识别多水源供水管网水质隐患点的系统，运用了权利要求5所述的一种识别多水源供水管网水质隐患点的方法，其特征在于，包括溯源分析模块、供水分区模块、水龄计算模块和隐患点识别模块；所述溯源分析模块输出端与所述供水分区模块输入端电性连接，所述供水分区模块输出端与所述水龄计算模块输入端电性连接，所述水龄计算模块输出端与所述隐患点识别模块输入端电性连接。
7.根据权利要求6所述的一种识别多水源供水管网水质隐患点的系统，其特征在于，所述溯源分析模块包括以下算法：
S11：将待分析的供水管网模型导入EPANET软件中，并将节点需水量模拟方法改为压力驱动分析；
S12：把水质模拟的类型设置为溯源分析，并将水质模拟总时长设置为y小时；
S13：将第一个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第一个水源的百分比；
S14：将第二个水源节点设置为追踪的目标节点，得到水质模拟达到稳态时管网中每个节点的可用水量来自第二个水源的百分比，以此类推，直到对管网中所有的水源节点都完成溯源分析；
S15：得到水质模拟达到稳态时管网中每个节点的可用水量来自各个水源的百分比矩阵(M×N)，其中M表示水源节点的个数，N表示用水节点的个数。
8.根据权利要求7所述的一种识别多水源供水管网水质隐患点的系统，其特征在于，所述供水分区模块包括以下算法：
S21：根据实际情况设定供水范围分区的阈值m％，即判定任意节点属于某个水源供水范围的标准；
S22：根据第一步溯源分析得到的溯源百分比矩阵，将水质模拟达到稳态时管网中节点的可用水量来自第一个水源的百分比超过m％的节点分到一个区域，并记为第一区，以此类推，直到将管网中节点的可用水量来自第M个水源的百分比超过m％的节点分为第M区；
S23：将由多个水源混合供水且水质模拟达到稳态时管网中节点的可用水量来自任意一个水源的百分比都小于m％的节点分为第M+1区。
9.根据权利要求8所述的一种识别多水源供水管网水质隐患点的系统，其特征在于，所述水龄计算模块包括以下算法：
S31：将水质模拟的类型设置为水龄，对供水管网进行完整的水质分析；
S32：根据S2中的分区结果，当模拟达到稳态时，分别计算出各个区域的所有节点在最后一个周期的水龄值；
S33：将每个区域内的所有节点在最后一个周期内的最大水龄值作为各个节点水质的代表值。
10.根据权利要求9所述的一种识别多水源供水管网水质隐患点的系统，其特征在于，所述隐患点识别模块包括以下算法：
S41：根据实际情况设定判断水质存在风险的水龄阈值x；
S42：将每个区域所有节点在最后一个模拟周期的最大水龄值进行倒序排列，将水龄值大于阈值x且节点需水量大于0的节点识别为水质隐患点；
S43：在管网拓扑图上标注上述节点，并采用不同的灰度来反映水质隐患点的风险程度，颜色越深表示该节点所在位置水质恶化的风险越高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010879555.3A CN112100781A (zh) | 2020-08-27 | 2020-08-27 | 一种识别多水源供水管网水质隐患点的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010879555.3A CN112100781A (zh) | 2020-08-27 | 2020-08-27 | 一种识别多水源供水管网水质隐患点的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112100781A true CN112100781A (zh) | 2020-12-18 |
Family
ID=73758035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010879555.3A Pending CN112100781A (zh) | 2020-08-27 | 2020-08-27 | 一种识别多水源供水管网水质隐患点的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112100781A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116663838A (zh) * | 2023-06-08 | 2023-08-29 | 长江水利委员会长江科学院 | 基于城市建成区的分布式水文模型、构建及供水模拟方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000008426A (ja) * | 1998-06-26 | 2000-01-11 | Akira Hayashi | 管網シミュレーション装置 |
-
2020
- 2020-08-27 CN CN202010879555.3A patent/CN112100781A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000008426A (ja) * | 1998-06-26 | 2000-01-11 | Akira Hayashi | 管網シミュレーション装置 |
Non-Patent Citations (4)
| Title |
|---|
| LEWIS A. ROSSMAN: "EPANET 2 USERS MANUAL", pages 1 - 200, Retrieved from the Internet <URL:https://www.microimages.com/documentation/Tutorials/Epanet2UserManual.pdf> * |
| 叶松: "城市供水安全防范平台技术研发与实践", 中国博士学位论文全文数据库工程科技Ⅱ辑 * |
| 张俊等: ""基于压力驱动的管网漏损模型"", 《供水技术》, vol. 9, no. 5, pages 40 - 41 * |
| 李璞;吕谋;董深;费建刚;: "多水源供水管网余氯与节点水龄关系研究", 中国给水排水, no. 19, pages 129 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116663838A (zh) * | 2023-06-08 | 2023-08-29 | 长江水利委员会长江科学院 | 基于城市建成区的分布式水文模型、构建及供水模拟方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112132333B (zh) | 一种基于深度学习的短期水质水量预测方法及系统 | |
| CN106600509B (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
| CN105868545B (zh) | 一种地下水生态系统健康评价方法 | |
| CN103305607B (zh) | 一种基于微生物群落变化的水产养殖病害预测方法 | |
| CN106918684B (zh) | 一种水质污染预警方法 | |
| CN113706127B (zh) | 一种水域分析报告的生成方法及电子设备 | |
| CN115470702B (zh) | 一种基于机器学习的污水处理水质预测方法及系统 | |
| CN104217040A (zh) | 一种基于传统在线监测仪的污染事件快速探测方法 | |
| CN112417765B (zh) | 一种基于改进师生网络模型的污水处理过程故障检测方法 | |
| CN117171661A (zh) | 一种化工厂污水处理监控方法及系统 | |
| US20200331783A1 (en) | Decision support system and method for watertreatment | |
| CN116151621A (zh) | 一种基于数据分析的大气污染治理风险检测系统 | |
| CN112100781A (zh) | 一种识别多水源供水管网水质隐患点的方法和系统 | |
| CN115757367A (zh) | 一种小流域水生态环境精细化管控的方法及系统 | |
| CN112884197A (zh) | 一种基于双模型的水华预测方法和装置 | |
| CN117420283A (zh) | 一种一体化多通道水质监测方法及系统 | |
| CN116523174A (zh) | 基于自组织神经网络的污水处理厂工况评估方法及系统 | |
| CN114693493A (zh) | 一种基于IoT的污染河流水生态修复系统 | |
| CN117474136A (zh) | 工业循环水腐蚀结垢预测方法 | |
| Wu et al. | Smart data analysis for water quality in catchment area monitoring | |
| KR20230038038A (ko) | 수처리 에너지지수 기반 하수처리장의 에너지 효율 평가 방법 및 에너지 절감 의사결정 시스템 | |
| CN114149076A (zh) | 一种厌氧氨氧化污水处理系统的智能调试系统 | |
| CN117237773B (zh) | 一种基于多模态的污水净化分析方法及系统 | |
| CN117092100B (zh) | 一种基于图像处理的水环境间歇抽样检测方法及相关装置 | |
| Susanty et al. | Using multivariate control chart to maintain the quality of drinking water in accordance with standard |
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 |