CN112840362A

CN112840362A - 对液压网络进行建模的计算机实现的方法

Info

Publication number: CN112840362A
Application number: CN201980067599.1A
Authority: CN
Inventors: 罗伯特·莱特; 迈克·威廉姆斯; 乔斯特·玛斯
Original assignee: Matix Inflow Ltd
Current assignee: Matix Inflow Ltd
Priority date: 2018-10-18
Filing date: 2019-10-18
Publication date: 2021-05-25
Also published as: GB201817011D0; US20210357547A1; AU2019361325A1; US11983469B2; WO2020079455A1; EP3867836A1

Abstract

一种对液压网络进行建模的计算机实现的方法，该液压网络包括管道和压力监测点，该方法包括：创建模型，该模型包括多个节点和将节点连接的多个边；其中，每个节点表示液压网络内的压力监测点，以及每个边将两个节点连接，并且表示网络的跨接在由两个节点所表示的压力监测点之间的管道的组合。

Description

对液压网络进行建模的计算机实现的方法

技术领域

本发明涉及对液压网络进行建模的方法并且涉及液压网络模型。

背景技术

水务公司使用液压网络模型来了解该水务公司的水务分配网络的行为并进行预测工作。通常的用途示例包括对大型事件(例如使消费者失去供给的破裂)的管理、对于网络的新用户的设计工作、以及为要配置或要控制的网络计划新方法以用于更高的效率。

通常，网络模型是非常详细的，并且该网络模型结合有跨越城市环境以及农村地区中的大多数街道的大量管道以及网络的主干网(即来自水库和其他水源的大型管道)。模型被表示为数学图，该数学图包含具有各种参数的节点和边。这些参数通常包括水消耗数据、住宅和商业特性、控制信息、海拔以及管道的长度、直径和粗糙度。

确定这种参数(称为模型校准)是昂贵的、费时的且通常手动的活动。因此，水务公司无法经常对该水务公司的常规网络模型进行重新校准，从而导致网络模型经常是过时的且不准确的。例如，对于常规的网络模型而言使用直至10年而言并不是不常见的。因此，需要对液压网络进行建模的方法，该方法是更具动态性，使得可以更容易地校准所得到的模型。

已知的方法是从诸如先前描述的常规网络模型之类的全网络模型构建出较低分辨率的网络模型。这是通过对全网络模型应用简化过程来完成的。通过使全网络模型简化，将使表示模型的水力方程式的数量减少，然后可以应用更简单的方法来校准网络。然而，在该分析开始时需要具有全网络模型而导致了许多缺点，比如对全网络模型的基本要求。这是有问题的，因为并非所有的全球水务公司都具有用于该水务公司的系统的全液压网络模型，或者如果该水务公司具有全液压网络模型，则这种模型可能是低质量的或难以实现的。

此外，对液压网络的模拟是重要的，因为液压网络的行为每天都会变化。水务公司目前使用策略性地放置的监测件来获得对该水务公司的网络的行为的实时视图。典型的构型是在网络中建立离散区域以及在这种区域的入口处安装流量计，该离散区域有时被称为地区计量区域(DMA)，使得水务公司每天可以了解特殊区域的诸如水消耗和泄露之类的需求。然而，这种已知方法的缺点在于，与先前描述的常规液压网络模型相比，对网络进行的实时监控处于较粗糙的水平。例如，已设定的区域通常包含多达5000个特性的任意位置。因此，需要一种对液压网络进行建模的方法，该方法提供模型的分辨率与模型的动力学之间的折衷。

同时，使用完整的液压网络模型模拟软件进行的模拟受限于对全网络模型的依赖。例如，由于全网络模型中涉及的大量参数和网络内有限数量的感官点，这种模拟受限于对全网络模型中的参数进行更新的能力。

用于确定水网络内的当前状态并向水务公司发出异常警报的已知替代方案是噪声记录。噪声记录是声学噪声测量技术，在该声学噪声测量技术中，通过噪声记录工具来对网络中的流体所产生的声学噪声进行记录。噪声记录可以基于噪声结果来帮助识别和定位新的泄漏和破裂。然而，噪声记录有多个缺点，所述多个缺点包括：

·需要很多噪音记录仪。也就是说，噪声记录器需要非常密集的布置以实现对新出现的泄漏部进行定位。这使网络的复杂性和成本增加。

·噪声记录器不提供对泄漏部大小的估计，即噪声大的泄漏部与大的泄漏部是不相关的。这意味着噪声记录器仅提供泄漏发生的简单指示；而不提供有关泄漏的详细信息。

·由于无法估计破裂部的大小，因此，通过噪声记录器来记录泄漏并不直接有利于对网络模型的校准。

因此，需要提供对液压网络进行建模的方法，该方法允许用于对网络的模拟进行改进，以允许对例如泄漏的检测进行改进。

最后，液压网络中的压力调节和控制是对液压网络的管理而言重要的另一方面。已知使网络中的压力最小化的方法是经由以下方式进行的：通过基于在阀处的压力监测和流量测量来构建控制阀需要如何反应的统计关系(但不构建液压模型)，对网络中关键点(CP)(CP是网络中具有最低压力的点)处的阀进行控制并且进行压力监测。结果，这种方法无法了解网络内的阻力或需求，并且，为了控制区域中的多个点，必须多次解决单个CP问题。为了完整性，网络中的阻力是与网络中两个点之间流动的水中的能量损失量有关的参数。

希望解决这些问题。

发明内容

本发明的各方面在独立权利要求中阐明。各方面的可选特征在从属权利要求中阐明。

根据一方面，提供了一种对液压网络进行建模的方法，液压网络包括管道和压力监测点，并且该方法包括：创建模型，该模型包括多个节点和将节点连接的多个边；其中，每个节点表示液压网络内的压力监测点，以及，每个边将两个节点连接，并表示网络的跨接在由所述两个节点所表示的压力监测点之间的管道的组合。

该方法可以是计算机可实施的，并且因此可以是计算机实施的。

有利地，这导致液压网络的紧凑模型。这种紧凑模型通过以下方式使计算资源上的负担减轻：(a)在存储时占用较少的存储空间，以及(b)减轻处理器负担。减轻处理器负担是因为，由于模型的紧凑尺寸，使用该模型的液压网络的模拟结果的处理器比例如涉及全网络模型的模拟结果的处理器强度更低。结果，另外的技术效果包括：缩短计算时间；在较小的计算机系统和/或较低功率的计算机系统上模拟液压网络的能力；以及模拟大型网络的能力。

液压网络中的管道数量可以明显多于模型中的边数量。压力监测点的数量可以等于模型中的节点数量。压力监测点的数量可以大于模型中的节点的数量。

压力监测点可以是实时压力监测点。布置成对液压网络中的流体压力进行监测的装置可以布置在实时压力监测点中的每个实时压力监测点处。

该方法可以包括基于模型来计算一个或更多个参数。所述一个或更多个参数可以是节点处的需求和/或对于边而言的阻力。该方法可以包括自动地计算所述一个或更多个参数。

该方法可以包括使用该模型来计算在节点处的需求，以便对由节点所表示的压力监测点处或节点所表示的压力监测点附近的破裂进行识别。

该方法可以包括使用该模型来计算对于边而言的阻力，以便识别由边所表示的管道中的堵塞。

基于模型来计算所述一个或更多个参数可以包括：对模型执行正则化，使得可以计算所述一个或更多个参数。当模型中存在数学未知数时，可以对模型执行正则化。

该方法可以包括：计算在节点处的需求。需求可以是时间相关的参数。该需求可以表示在由节点所表示的压力监测点处或在由节点所表示的压力监测点附近的组合的水消耗和/或泄漏。该方法可以包括计算在模型中的多个节点处的需求。该方法可以包括计算在模型中的节点中的每个节点处的需求。

该方法可以包括计算对于边中的一个或更多个边而言的阻力。对于每个边，阻力可以与诸如水之类的流体在流过由边的端部处的节点所表示的压力监测点之间所损失的能量的量有关，例如阻力可以指示诸如水之类的流体在流过由边的端部处的节点所表示的压力监测点之间所损失的能量的量。可以计算对于模型中的多个边而言的阻力。可以计算对于模型中的边中的每个边而言的阻力。

该方法可以包括自动地校准模型。可以使用数值优化法自动地对模型进行校准。

该方法可以包括计算对于第一时间段而言以及对于第二时间段而言在节点或边的参数。第一时间段与第二时间段可以是不同的。第一时间段和第二时间段可以是不重叠的时间段。第一时间段和第二时间段可以是相邻的时间段。

该方法可以包括对模型参数进行递归地更新。该方法可以附加地或替代性地包括对参数计算结果或估计结果进行监测。也就是说，对所估计的一个或更多个需求和/或一个或更多个阻力进行监测。此外，该方法可以包括生成警报以识别参数估计结果的改变或变化。改变可以是明显的改变。可以通过将对于第一时间段而言的节点或边处的参数估计结果与对于第二时间段而言的节点或边处的参数估计结果进行比较来监测参数估计结果。当参数估计结果基本上不相等时，可以生成警报。例如，当估计结果不完全相等或超出常规系统公差时。

当给定节点或边的参数估计结果基本上不等于对于相同节点或边的相同参数的先前估计结果时，可以生成警报。当对于给定节点或边而言的参数估计结果不完全等于先前的估计结果时，可以生成警报。

节点处的需求的变化可以指示由节点所表示的压力监测点处或由节点所表示的压力监测点附近的破裂。

对于边而言的阻力的变化可以指示由边所表示的管道中的堵塞。

可以在给定的时间段内计算一个或更多个参数。该时间段可以是24小时的时间段。先前的估计结果可以是对于紧接的上一时间段、例如紧接的上一24小时时间段而言的估计结果。替代性地，先前的估计结果可以是对于先前被识别为表示节点和/或边处的稳定的时间段而言的估计结果。

该模型可以是液压网络的区域的模型。该区域可以包括一个或更多个流体入口。在通向区域的每个入口处可以布置有流量计。每个流量计可以配置成对在该流量计的相应的入口处进入该区域的流体的流量进行测量。在通向该区域的每个入口处可以存在节点。

可以至少部分地基于来自该流量计或每个流量计的流量数据来计算一个或更多个参数。也就是说，流量数据可以是对模型的输入。附加地或替代性地，可以至少部分地基于来自压力监测点的压力数据来计算一个或更多个参数。也就是说，压力数据可以是对模型的输入。

可以该根据模型基于在该流量计或每个流量计处收集的数据以及在压力监测点处收集的数据来计算在节点处的需求和/或边处的阻力。

该方法可以包括使用该模型对液压网络中的破裂进行检测。可以基于模型的节点处的估计需求的改变或变化来检测液压网络中的破裂。

可以通过在数学上使现有管道拓扑结构数据减少来生成边(即可以生成网络的管道组合的表示物)。现有管道拓扑结构数据可以在数学上使用Kron Reduction和/或Delta-Wye Transformation来减少。替代性地或附加地，可以以手动的方式生成边。替代性地或附加地，可以使用统计方法来生成边。

根据另一方面，提供了一种计算机可读介质，该计算机可读介质包括能够由处理器执行以便实行该方法的指令。

根据另一方面，提供了一种计算机程序产品，该计算机程序产品包括指令，该指令在程序由计算机执行时使计算机实行该方法的步骤。

根据另一方面，提供了一种液压网络的模型，该液压网络包括管道和压力监测点，该模型包括：多个节点；以及将节点连接的多个边；其中，每个节点表示液压网络内的压力监测点；以及每个边均将两个节点连接，并且表示跨接在由所述两个节点所表示的压力监测点之间的网络的管道的组合。

该模型可以用于计算一个或更多个参数。如上所指出的，所述一个或更多个参数可以是在节点处的需求和/或对于边而言的阻力。

网络可以包括三个压力监测点，以及/或者，该模型可以包括三个节点。网络可以包括五个压力监测点，以及/或者，该模型可以包括五个节点。

根据另一方面，提供了一种将模型用于对节点的需求和/或对于模型的边而言的阻力进行计算的用途。

根据另一方面，提供了一种将模型用于对液压网络中的破裂和/或堵塞进行识别的用途。

每个方面的可选特征均可以是其他每个方面的可选特征。

附图说明

下面仅通过示例并参照附图来描述特定实施方式，在附图中：

图1示出了第一水分配区域的覆盖有该区域的全网络模型的等效网络模型；

图2示出了第二水分配区域的全网络模型；

图3示出了第二区域的覆盖有第二区域的等效网络模型的特征的全网络模型；

图4示出了第二区域的覆盖有第二区域的等效网络模型的全网络模型；

图5示出了通过第二区域的全网络模型对压力和流量进行模拟的示例；

图6示出了第二区域的等效网络模型的第一节点和第二节点处的流量需求的曲线图；

图7示出了在图4模型上模拟破裂的位置；

图8示出了鉴于发生破裂的在第一节点处的流量需求的曲线图；

图9示出了鉴于发生破裂的在第二节点处的流量需求的曲线图；以及

图10示出了创建液压网络的等效网络模型的方法。

在整个说明书中，相似的附图标记用于描述相似的部件。

具体实施方式

在本文中概述的本发明的被称为等效网络(EN)模型旨在于填补上述存在于过时但高度详细的网络模型与实时但非常粗糙的网络监测系统之间的差距。

概述

总的来说，EN模型是用于对液压网络的特定区域进行建模的改进方法，该EN模型通过使用与进入该区域的流体流量和整个区域内的压力读数有关的信息而允许对流体流离开该区域的情况的估计得到改进。流体可以以多种方式离开该区域：例如，通过消费者需求和使用、背景泄漏或新出现的破裂。在新出现破裂的情况下，离开该区域的流量的估计可以被检测为对于在特定位置处离开该区域的流量的先前估计而言的异常。通过检测这些异常，有利的EN模型可以用于：在现有技术(比如需要等待一个或两个晚上来检测和确认破裂的噪声记录)之前并且以比传统区域流量监测(其中，区域入口流量的异常仅告知水务公司区域有破裂，而不是该破裂所处的区域中的位置)更局部化的方式来警告水务公司出现新的破裂。

液压网络是相互连接的管道的系统，所述管道布置成运送流体、比如水。网络中的流体可以被加压。液压网络可以包括布置成将流体接纳到系统中的至少一个入口。水供给网络和水网络是液压网络的示例。

与预期需求明显偏离的需求的变化可以被认为异常。如上所指出的，这种异常可以指示液压网络中的破裂。有利地，可以通过以下方式使用EN模型来识别这种异常：(a)使用该模型对预期(预测)需求进行估计；(b)使用该模型对基于实际条件(例如流量数据和压力数据)的新需求进行估计；(c)将预期需求与新需求进行比较；以及(d)如果对新需求的估计结果明显高于对预期需求的估计结果，则识别出异常。

示例1

图1示出了EN模型100，该EN模型覆盖有水分配区域的全网络模型110。全网络模型110可以是上述类型的常规网络模型。

在本公开中，区域被限定为水供给网络的离散区域(即，液压网络的离散区域)。同时，区域的入口是新水可以进入该区域的点。在英国，最常见地形成的区域被称为地区计量区域(DMA)。例如，在英国发现的DMA通常小于欧洲中的其他国家的区域。区域可以具有多于一个的入口。在英国，最常见的是每个DMA具有一个入口。

返回图1，由EN模型100表示的物理区域的入口处设置有流量计120。为了使用EN模型100来进行模拟，需要在区域入口处的流量数据。通常，EN模型100所需的和所使用的流量数据是低频的。在该示例中，低频通常意味着每5分钟或每15分钟进行一次测量(然而，在其他示例中，频率可以是不同的)。通常可以从大多数水务公司获得这种流量数据。

如同全网络模型，在全网络模型中边表示真实管道，并且节点是管道之间的连结点，EN模型100也包括节点和边。在图1中存在四个节点：第一节点130、第二节点140、第三节点150和第四节点160。第一节点130和第二节点140由第一边170连结。第二节点140和第三节点150由第二边180连结。第三节点150和第四节点160由第四边190连结。第三节点150位于区域的入口处。

EN模型100的节点130、140、150、160表示液压网络内的实时压力监测点。对于EN模型100所需的数值优化而言，需要高度精确的压力测量。提供这种精确压力测量的一个示例设备是由Inflowmatix Ltd.销售的InflowSense RTM压力感测装置。如上所述，图1中所示的EN模型100包括四个节点130、140、150、160，每个节点由InflowSense RTM压力感测装置的图标表示。节点130、140、150、160分布在整个区域中。为了监测消费者服务水平，水务公司通常在该水务公司的区域中的每个区域中已经具有至少一个压力传感器，但是每个区域的传感器数量正在增加，其中，三个传感器是令人满意的。在某些布置结构中，可以存在五个传感器。

EN模型100中的边170、180、190表示将EN模型100的节点130、140、150、160连接的假想管道。假想管道表示网络的跨接在任何两个压力监测点之间、即任何两个节点之间的真实管道的组合。

现在将描述使用EN模型100来对与建模的液压网络有关的参数进行估计。

有利地，可以在EN模型100中每天被估计的参数等于全网络模型110中的对应参数。更详细地，在EN模型100的每个节点130、140、150、160处，可以估计与时间有关的参数，该参数被称为需求(demand)。需求表示在特定节点130、140、150、160处或特定节点130、140、150、160附近——即在空间中的该点处或该点附近——的组合的水消耗和泄露。例如，节点处的需求的增加可以指示该节点处或该节点附近的实际的破裂。可以对作用于假想管道、即节点之间的边170、180、190的被称为阻力的参数进行估计。阻力与在EN模型100中的任意两个监测点——即节点——之间流动的水的能量损失量有关。对于边而言的阻力的增加可以指示例如由边所表示的管道中的一个管道中的实际堵塞。两个压力监测点之间的阻力受许多实际因素的影响，诸如：(1)两个压力监测点之间的距离，该距离越大，则阻力越大；(2)两个压力监测点之间的一个或更多个管道的直径，该直径越小，则阻力越大；(3)两个压力监测点之间的一个或更多个管道的粗糙度，所述一个或更多个管道越粗糙，则流体能量损失越多，并且因此阻力越大；以及(4)两个压力监测点之间的一个或更多个管道中的弯曲部，流体必须通过的弯曲部越多，则流体能量损失越多，并且因此阻力也越大。因此，EN模型100可以用于对通常在液压网络中的破裂和流量进行检测和管理。下面详细地讨论使用EN模型100来对破裂和流量进行检测和管理的特定优势。

示例2

为了帮助技术人员理解，现在将提供将所描述的EN模型应用于公开可获得的全网络模型的更详细的示例。该示例显示了EN建模用于对水主管网络中的破裂发出警告以及对水主管网络中的破裂进行定位的能力。

在该示例中，可从以下网址访问公开可获得的全网络模型：https://emps.exeter.ac.uk/engineering/research/cws/resources/benchmarks/design-resiliance-p areto-fronts/data-files/。全网络模型采用EPANET格式，该EPANET格式是开放源的液压模拟包。以下网址、特别地在可以该网址下载的用户手册中提供了有关使用EPANET格式的模型的更多信息：https：//www.epa.gov/water-research/epanet。全网络模型被称为Fossolo，并将在本公开中将全网络模型称为Fossolo。

图2示出了Fossolo网络200。Fossolo网络200包括通过管道连接的多个节点。现在将描述Fossolo网络200的拓扑结构。

Fossolo网络200具有：在数学上用no表示的一个入口节点210；在数学上用nn表示的36个非入口节点；以及在数学上用np表示的58个管道。如上所指示的，管道将节点连接起来。单个入口节点210、非入口节点和管道一起形成高度环形的拓扑结构。

Fossolo网络200不包含设计日消费者需求模式。设计日消费者需求模式是消费者使用模式、通常表示在24小时阶段内的消费者使用模式，该设计日消费者需求模式通常用于与液压网络有关的设计工作、比如计划安装诸如阀之类的新的控制资产或了解新住房开发对网络的影响。设计日消费者需求模式所基于(或使用)的数据通常是非常过时的。例如，该数据的寿命介于5年与10年之间并不罕见。因为Fossolo网络200不包含设计日消费者需求模式，所以为了生成EN模型，将应用包括96个点的模式(即一天被分为15分钟间隔)。在其他示例中，可以使用包括不同数量的点的模式。例如，可以使用包括48个点的模式(即一天被分为30分钟间隔)。替代性地，可以使用包括144个点的模式(即一天被分为10分钟间隔)。

EN建模的第一阶段是建立简化形式的拓扑结构，该拓扑结构仅包含作为网络内的压力传感器的点的节点。所有入口节点必须具有可用的流量数据。对于水务公司，对网络区域入口处的流量进行监测是常见的。

返回建立简化形式的拓扑结构，图3示出了Fossolo网络200，该网络被注释成使用圆对作为网络内的压力传感器点的节点进行标识。水务公司通常已经在该水务公司的网络和区域内放置了压力传感器。以最佳方式布置这种压力传感器是复杂的过程(discipline)和事务，由于水务公司通常不采用先进的数学方法。在该示例中，为了生成EN模型，假设在网络内在水务公司通常关注的位置处存在3个压力传感器：在网络入口处的第一节点310；在CP320处的第二节点310；以及在网络中的表示关键区域或消费者的点处的第三节点330。

接下来，建立EN模型的其余拓扑结构。这可以通过多种方式来完成，所述多种方式包括以下各者中的一者或以下各者的组合：

-使用来自水务公司的记录的管道拓扑结构、例如该水务公司的地理信息系统(GIS)，以将网络在数学上简化成仅包含关注节点的简化形式。以这种方式简化网络的方法包括Kron Reduction或Delta-Wye Transformation。可以在电气工程文献中找到关于两种方法的指南。

-如果网络是足够简单的，则使用网络知识和领域专业知识来手动地选择拓扑结构。

-基于低分辨率压力数据和高分辨率压力数据两者来统计地推断拓扑结构。例如，通过对动态压力变化如何通过网络传播以及如何在各种时间同步的传感器处进行精确地检测进行试验。

-使用有关水务网络的其他数据来源和/或基本假设。例如，如果假设特定关注区域中的水供给网络：(a)不包含闭合的阀，以及(b)通常遵循城镇或城市的街道布局，则诸如OpenStreetMap之类的开源数据集的使用可以被用在对传感器之间的大约连通性进行识别。(b)中形成的假设通常是正确的，因为大多数消费者都处于街道上，并且网络运营者通常必须能够向整个网络中的位置驱动。

返回本示例，因为在该示例中网络是相对基本的并且传感器的总数是非常低的，所以EN模型的简化拓扑结构被视为图4中所示的拓扑结构。

图4示出了覆盖有确定的EN模型400的Fossolo网络200。EN模型400包括先前描述的第一节点310、第二节点320和第三节点330。在EN模型400中，第一节点310通过第一边410连接至第二节点320。第二节点320通过第二边420连接至第三节点330。第三节点330通过第三边430连接至第一节点310。边410、420、430中的每一者是该边所连接的节点之间的直线。如前所述，节点310、320、330表示系统中的压力传感器点，每个边410、420、430表示假想管道，该假想管道本身表示网络中的跨接在边所连接的两个节点之间的实际管道的组合。

可以使用关联矩阵在数学上表示EN模型400的简化拓扑结构。对于该Fossolo网络200，并使用与EPANET用户手册中的标记法相似的标记法(参见上文)，EN模型的关联矩阵为：

接下来，可以在最小二乘法优化求解器内使用EN模型400的拓扑结构来估计多个变量。更详细地，最小二乘问题可以描述：(1)要估计的多个变量，以及(2)将适用的多个方程(由于通过最小二乘求解器计算，因此具有某种程度的误差)。

(2)所描述的方程式包括与水力守恒相关的原理。更详细地，首先，对于网络中的每个节点而言均适用质量守恒。也就是说，进入节点的流量必须等于离开节点的流量。这基于流的质量是不可压缩的假设。这种质量守恒可以由以下方程式表示：

在方程式中，

是节点“需求”，并且表示由于消费者使用或网络中的破裂、或者由于区域入口点处的已知入口流量而导致的未知网络出口流量；以及

是对于每个管道而言未知的流速。

如前所述，给定节点的需求是与时间有关的参数，该参数表示该节点处或节点附近的组合的水消耗和泄漏。

未知的需求是关注的主要变量。这是因为，通过估计来自最优化问题的未知需求，可以对系统中的匿名需求或一个或更多个破裂进行识别，并发出对应的警报。

其次，对于网络中的每个边(例如，对于边410、420、430中的每个边)而言，能量保持守恒。Pecci F,Abraham E,Stoianov II,2017中示出了对于水供给网络中诸如Hazen-Williams或Darcy-Weisbach之类的复杂的能量守恒关系的二次头损失近似值(Journal ofHydroinformatics,Vol:19,页码:493-506,ISSN:1464-7141)以用于使问题最优化，可以仅使用二次方程以良好的精度对单个管道进行估计。因此，对于所描述的EN建模方法，二次头损失关系用于捕获贯穿简化网络、即贯穿EN模型400的能量守恒：

A₁₂h+kq²＝0

在该二次头损失关系中，

是节点测压头，该节点测压头是通过将网络中每个节点处的已知压力数据与该已知压力数据相对于某个基准的高度相加而形成的，以及

是假定的未知的边阻力。

形成节点测压头所需的高度可以通过以下方式中的一种方式或以下方式的组合进行测量：使用现场设备；从诸如GIS之类的现有的水务公司记录获取；以及/或者通过在低流量(即低能量损失)时期期间、例如在夜间期间的网络中的多个点处的压力数据来推断。

最小二乘最优化问题使用上述守恒方程组形成系统，该系统中，未知数为[nt×nn+np×(nt+1)]，并且可用方程数为[nt×(np+nn+no)，其中，nt是压力与流量数据的时间系列的长度以用于形成对网络的理解。如上所指出的，nn是非入口节点的数量；np是管道的数量；以及no是入口节点的数量。

根据所分析网络的拓扑结构，该方程式的系统所形成的矩阵可以具有满秩，或者该矩阵可能需要其他数据或小的形式的正则化(两者均涉及网络的阻力)。

在GIS数据是可用的情况下，GIS数据可以用于限定对于网络中的每个边而言的阻力。如果GIS数据是不可用的，例如该GIS数据丢失，并且在其他任何数据缺失的情况下，该示例涉及在最符合逻辑意义的方向上“推动”阻力。这是在该特定示例中采用的方法，其中，应用了惩罚小阻力的小的正则化。结果，EN模型400的需求就该需求的绝对值而言可能失去意义，然而，相对于先前的估计，该需求对于检测匿名的高需求而言仍将是有价值的。

上述方程式可以用于形成最小二乘问题[A×＝b]中的A和b。对于一个源网络(数量＝1)，假设nt>np，则方程式多于未知数。然后可以通过使用EPANET来解决Fossolo网络200的最小二乘问题，例如，用来模拟整个网络中的压力和流量。该模拟的示例结果如图5中所示。

图5示出了覆盖有两个图形的Fossolo网络200：第一图形500示出了在Fossolo网络200中的节点处模拟的压力，并且第二图形510示出了在Fossolo网络200中的连接部(即管道)处模拟的流量。压力以米Vs时间表示；而流量以升/秒Vs时间表示。

接下来，仅选择传感器点(即节点310、320、330)处的模拟压力和流量作为对EN模型400的输入。这些输入用于有效地使最小二乘问题中的观察值与模型变量之间的差异最小化。然后，基于设计日数据来计算第二节点320和第三节点330处的需求。所计算的需求如图6中所示。

更详细地，图6示出了第二节点320和第三节点330中的每个节点处在24小时内的出口流量(以升/秒为单位)。也就是说，图6示出了第一天内的出口流量(以升/秒为单位)。在图6中，第三节点330处的需求由标记为“节点1”的线表示，并且第二节点320处的需求由标记为“节点2”的线表示。对于两个节点，需求、即出口流量是相对较低的，直到早上6点左右才看到需求的急剧增加。然后，看到整个白天的需求相对较高，直到晚上8点左右需求开始下降。在大约上午11点与下午3点的时间之间，也看到需求小幅下降。尽管第二节点320处的总体需求低于第三节点330处的总体需求，但是两个节点处的需求曲线在第一天内是相似的。因此，总体而言，图6示出了典型的消费者模式，在该消费者模式中，在晚上人们睡觉时需求是低的，早晨人们醒来时达到高峰，并且在晚上人们完成工作和上学后又达到高峰。

为了说明如何将EN模型400用于检测需求的异常、例如破裂，对Fossolo网络200进行第二天的模拟。在第二天时，下午12在关键点附近引入每秒1升的模拟破裂。也就是说，在第二节点320附近。图7示出了覆盖在图4上的模拟破裂700的位置。模拟破裂700的位置与第一节点310和第三节点330中的任一者相比更靠近第二节点320。

图8和图9分别示出了第二天内第三节点330和第一节点310的对应预测需求和实际需求。预测需求是基于在第一天的相应节点的需求的。实际需求是第二天的模型需求，该模型需求是以与上述基本相同的方式使用EN模型400来确定的。图8和图9都示出了在组成第二天的24小时的时间段内以升/秒为单位的需求流量。

如由图8所示，在第二天的第三节点330处的需求与在第一天的第三节点330处的需求大致相同。换句话说，根据模型，破裂事件没有影响第三节点330处的需求。因此，图8示出了第二天的实际需求与预测需求之间没有差异。

然而，如由图9所示，在第二天的第二节点320处的需求与在该第二节点在第一天的需求不同。特别地，相比于在第一天的第二节点320处的需求，在第二天的第二节点320处的需求在大约下午12点与凌晨12点之间的时间之间较高。因此，该破裂在第二节点320处是可见的。这是因为第二节点320更靠近破裂位置700。

方法

图10示出了对液压网络1000进行建模的方法。该方法的步骤中的每个步骤均由框表示。方法1000涉及创建1020液压网络的模型，该液压网络包括管道和压力监测点。此外，方法1000涉及通过节点来表示1020液压网络中的每个压力监测点。最终，方法1000涉及表示1030通过边跨接在压力监测点之间的管道的组合，每个边连接两个节点。

方法1000可以是例如能够在计算机的处理器上执行的计算机实现的方法。通过方法1000创建的模型可以存储在计算机的存储器或计算机上。

方法1000还可以包括例如使用所创建的模型对液压网络进行建模，以对液压网络中的破裂进行识别。

方法1000还可以包括使用所创建的模型对液压网络进行建模，以计算在节点处的需求和/或对于边而言的阻力。节点处的需求可以用于对节点处或附近的破裂进行识别。

替代方案

可选地，可以结合最优传感器放置方法来执行上述示例。冒险地，这使所描述的EN建模方法的性能最大化。这是因为，由于网络中的传感器数量增加，为EN模型400中的每个节点创建了较小的需求估计，并且因此，相对于预测需求，识别匿名需求变得更加简单。然而，实际上，该方法还必须适用于与负责液压网络的水务公司已经选择的现有传感器布置一起工作，因为水务公司购买和安装的另外的传感器并不总是可行的。因此，对于使传感器放置方法最优化而言存在实际限制。

可选地，可以在由EN模型表示的区域中使用任意数量的压力传感器。因此，EN模型中可以存在任意数量的节点。例如，压力传感器的实际数量可以根据要建模的特定液压网络而变化。例如，该区域中可以存在三个压力传感器。因此，在EN模型中对于该区域而言可以存在三个节点。替代性地，该区域中可以存在五个压力传感器。因此，在EN模型中对于该区域而言可以存在五个节点。

可选地，EN模型中可以存在任意数量的边。

EN模型可以表示一个以上的区域。例如，EN模型可以表示两个、可选地相邻的区域。

本公开中的术语网络是指液压网络。在整个本公开中，术语网络和液压网络可以互换使用。附加地，用语网络可以指液压网络的示例、比如水供给网络。

EN模型的结果可以通过全网络拓扑结构、比如传统的网络拓扑结构表示和/或显现。有利地，这对于该技术的用户将具有更直观的意义。

EN模型本身可以在全网络拓扑结构、比如传统的网络拓扑结构上表示和/或显现。有利地，这对于该技术的用户而言将具有更直观的意义。

每个边可以表示液压网络中两个压力监测点之间的独立管道。

益处

所描述的EN建模方法具有许多技术优势，所述技术优势包括以下各者：

EN模型解决了先前描述的区域水平监测和全网络模型的缺点。这是因为，像全网络监测一样，EN模型可以用于提供对特定区域的状况的最新了解；然而，与全网络监测不同，每天可以多次自动构建和校准EN模型。这可以使用数值优化法来实现。因此，提供了更加准确的和动态的建模方法，这尤其是因为EN模型的参数将具有比全网络模型对应的参数更新且更相关的数据。与区域水平检测相比，EN模型的优势是实现了更好的空间分辨率。例如，可以对区域内破裂的物理位置进行识别，而不是简单地对区域内破裂的存在进行识别。

如前所述，EN模型可以用于在网络区域内给予实时水力了解，包括对以下各者的区域化了解：

·破裂、背景泄漏和异常的消费者需求；以及/或者

·液压网络中的阻力、堵塞和节流不适当的阀。

通过将EN模型的参数估计输送到简单的异常检测方法中，可以生成警报以对参数估计的显著变化进行识别。对于水务公司而言存在强烈的动机来迅速地识别和定位新出现的破裂，所述破裂中的很多破裂在地面水平处是不可见的。这些动机包括财政的和环境上的。如本领域技术人员将理解的，水是宝贵的资源，并且非常期望对通过例如破裂而引起液压网络中的水浪费进行限制。此外，从财政的和环境上的角度，对网络中比必要阻力大的阻力进行识别也是有益的。这是因为水务公司必须在系统中提供足够的压力来克服这种阻力，从而导致增加的能量使用以及与背景泄露相关的更高水平的压力。

此外，EN模型可以用于对网络进行控制以带来更高的效率。例如，管理离散区域内压力的现有方法涉及对两个重要点的连续监测：区域入口附近的减压阀(PRV)，该减压阀用于控制区域内的压力；以及关键点(CP)，在该关键点处，区域中的压力是最低的。关于监测的方法通常包括：(1)对PRV和CP两者处的低分辨率压力数据(通常为15分钟分辨率数据)进行收集；以及(2)对PRV处的流量数据进行收集。可以使用该数据来建立关系以构建优化的控制信息。可以在该特定的空间中使用EN模型，并且EN模型还可以使得能够实现更高级的控制方案，其中，对于该方案的成功运行而言需要精确的网络模型。

此外，如前所指出的，并非全球所有水务公司都具有用于该水务公司的系统的全液压网络模型，或者，如果该水务公司具有用于水务公司的系统的全液压网络模型，这种模型可能是低质量的或难以实现的。EN模型的主要优势在于，可以在没有全液压网络模型的情况下对EN模型进行构建和校准，并且因此，例如，无论管理该液压网络的特定水务公司或水务公司的当前能力如何，都可以对该EN模型进行构建和校准。这是因为EN模型是从传感器数据(例如来自压力传感器的数据)开始创建的，并且该模型被构建到EN模型中；而不是例如从全液压网络模型开始并对该全模型进行简化得到的。这意味着用于创建EN模型的障碍减少，并且因此，例如，无论液压网络可用信息如何(缺少)，都可以提供先前描述的EN模型的环境益处。

EN模型的又一优点是，使用EN模型可以了解网络中的阻力和需求。结果，可以控制特定区域中的多个点。这意味着可以多次解决单个CP问题。这与先前的描述不同，在简单方法中仅通过对CP处的阀控制和压力监测即可使网络中的压力最小化。

总体而言，EN模型为检测破裂事件提供了改进的方法。这是因为该EN模型在速度、局部化水平与计算资源上的负担之间提供了折衷。这是因为，基于需求的预测(假定网络具有可预测的模式，这通常适用于大多数网络)，可以早于在其他技术被使用时形成简单的逻辑并用于生成警报(例如，破裂事件的警报)。例如，早于使用最小夜间流量监测或声学噪声记录时。因此，可以迅速地检测(并纠正)破裂，并且因为可以使用简单的逻辑，所以可以将计算资源上的负担管理在可接受的水平内。此外，警报可以包括比仅对整个区域的网络进行定位更准确的局部化形式。也就是说，相比于对网络的给定区域的简单识别，可以更精确地识别破裂的位置。相比之下，例如，最小夜间流量监测过程仅局部至网络的整个区域。因此，所产生的局部化水平是更高的。总体而言，EN建模方法因此允许更快并且更准确地识别破裂事件，这意味着通过工程师可以更迅速地解决这种破裂事件，从而使从液压系统的水损失减少。

最后，如本领域技术人员将理解的，液压(例如水)网络是规模大的并且具有数量非常有限的传感器。结果，了解有关网络中每个管道的事务(比如是否发生破裂)是具有挑战性的，并且对于本领域技术人员而言似乎是不可行的。所公开的EN建模方法通过使网络的规模和问题减化来解决该挑战。因此，对于某些液压网络而言存在足够实际的传感器数据以精确地解决问题，这对于技术人员而言不是明显的。对于其他网络拓扑结构，在仍然没有足够的数据来准确地解决问题的情况下，可以使用EN模型进行附加的假设(即正则化)以解决问题。可以使用EN模型进行这种附加的假设的原因是因为，当使用EN模型计算需求时，需求并不需要在绝对意义上是准确的；相反，所述需求只需要相对于先前的估计是准确的即可。这是因为可以根据需求估计结果的变化而不是绝对值来识别需求中的异常(该异常可以指示系统中的破裂)。

示例布置结构

本公开包括以下条款中描述的主题：

条款1：一种液压网络的模型，该液压网络包括管道和压力监测点，该模型包括：多个节点；以及将节点连接的多个边；其中，每个节点表示液压网络内的压力监测点；以及每个边均将两个节点连接，并且表示网络的跨接在由两个节点所表示的压力监测点之间的管道的组合。

条款2：根据条款1的模型，该网络包括三个压力监测点，并且该模型包括三个节点。

条款3：根据条款1或条款2的模型，其中，压力监测点是实时压力监测点。

条款4：一种对液压网络进行建模的方法，该液压网络包括管道和压力监测点，该方法包括：创建模型，该模型包括多个节点和将节点连接的多个边；其中，每个节点表示液压网络内的压力监测点，以及，每个边将两个节点连接，并且表示网络的跨接在由两个节点所表示的压力监测点之间的管道的组合。

条款5：根据条款4所述的方法，其中，压力监测点是实时压力监测点。

条款6：根据条款5的方法，该方法还包括计算在节点处的与时间有关的参数，该参数被称为需求，其中，需求表示由节点所表示的压力监测点处或由节点所表示的压力监测点附近的组合的水消耗和泄露。

条款7：根据条款5或条款6的方法，该方法还包括计算对于边中的一个或更多个边而言的参数，该参数被称为阻力，其中，对于每个边而言，该阻力与水流过由边的端部处的节点所表示的压力监测点之间所损失的能量的量有关。

条款8：根据条款5至7中的任一项的方法，该方法还包括：使用数值优化法自动地对模型进行校准。

条款9：根据条款5至8中的任一项的方法，该方法还包括：监测参数估计结果；以及生成警报以识别参数估计结果的明显变化。

本文中描述的方法可以在计算机可读介质上实现，该计算机可读介质可以是非暂时性计算机可读介质。计算机可读介质承载布置成用于在处理器上执行的计算机可读指令，从而使处理器执行本文中所述的方法中的任何方法或所有方法。

如本文中所用的，术语“计算机可读介质”是指存储用于使处理器以特定方式工作的数据和/或指令的任何介质。这种存储介质可以包括非易失性介质和/或易失性介质。非易失性介质可以包括例如光盘或磁盘。易失性媒体可以包括动态存储器。存储介质的示例性形式包括软盘、软磁盘、硬盘、固态驱动器、磁带或任何其他磁数据存储介质、CD-ROM、任何其他光学数据存储介质、具有一个或更多个孔模式的任何物理介质、RAM、PROM、EPROM、FLASH-EPROM、NVRAM和任何其他存储芯片或盒式磁带。

上述实施方案的特征可以以任何合适的方式进行组合。将理解的是，以上描述仅是通过示例的方式对具体实施方案的描述，并且许多改型和变型将在技术人员的能力范围内，并且旨在于被所附权利要求的范围覆盖。

Claims

1.一种对液压网络进行建模的计算机实现的方法，所述液压网络包括管道和压力监测点，并且所述方法包括：

创建模型，所述模型包括多个节点和将所述节点连接的多个边；

其中，每个节点表示所述液压网络内的压力监测点，以及，每个边将两个节点连接，并且表示所述网络的跨接在由所述两个节点所表示的所述压力监测点之间的所述管道的组合。

2.根据权利要求1所述的方法，其中，所述模型是所述液压网络中的区域的模型，并且其中，在通向所述区域的每个入口处布置有流量计。

3.根据权利要求1或权利要求2所述的方法，其中，所述方法包括使用所述模型对所述液压网络中的破裂进行检测。

4.根据权利要求3所述的方法，其中，对所述液压网络中的破裂进行检测包括：对所述多个节点中的节点处的估计需求的变化进行检测。

5.根据任一前述权利要求所述的方法，所述方法包括：使用所述模型来计算对于所述多个边中的边而言的阻力，以便识别出由所述边表示的所述管道中的堵塞。

6.根据任一前述权利要求所述的方法，其中，所述压力监测点是实时压力监测点。

7.根据任一前述权利要求所述的方法，所述方法包括：使用数值优化法自动地对所述模型进行校准。

8.根据任一前述权利要求所述的方法，所述方法包括：基于所述模型来计算一个或更多个参数。

9.根据权利要求8所述的方法，其中，所述一个或更多个参数包括节点的需求和/或对于边而言的阻力。

10.根据权利要求9所述的方法，所述方法包括：计算在所述多个节点中的节点处的需求。

11.根据权利要求9或10所述的方法，所述方法包括：计算对于所述多个边中的边而言的阻力。

12.根据权利要求8至11中的任一项所述的方法，其中，计算所述一个或更多个参数包括：对所述模型执行正则化。

13.根据权利要求8至12中的任一项所述的方法，所述方法包括：对所述模型参数进行递归地更新。

14.根据权利要求8至13中的任一项所述的方法，所述方法包括：

计算对于第一时间段而言以及对于第二时间段而言的参数；以及

将对于所述第一时间段而言与对于所述第二时间段而言的参数计算结果进行比较。

15.根据权利要求14所述的方法，所述方法包括：

对所述参数计算结果方面的变化进行识别；以及

生成指示所述变化的警报。

16.根据权利要求15所述的方法，其中，当所述参数是所述多个节点中的节点处的需求时，所述变化指示在所述液压网络的由所述节点所表示的所述压力监测点处或在所述液压网络的由所述节点所表示的所述压力监测点附近的破裂。

17.根据权利要求15或16所述的方法，其中，当所述参数是对于所述多个边中的边而言的阻力时，所述变化指示所述液压网络的由所述边表示的所述管道中的堵塞。

18.根据权利要求8至17中的任一项所述的方法，其中，至少部分地基于流量数据和/或压力数据来计算所述一个或更多个参数。

19.根据任一前述权利要求所述的方法，其中，所述多个边是通过以下各者中的一者或更多者生成的：在数学上使现有管道拓扑结构数据减少；以手动的方式生成所述边；以及/或者，以统计的方式生成所述边。

20.一种计算机可读介质，所述计算机可读介质包括能够由处理器执行以便实行根据任一前述权利要求所述的方法的指令。

21.一种液压网络的模型，所述液压网络包括管道和压力监测点，所述模型包括：

多个节点；以及

多个边，所述多个边将所述节点连接；

其中，每个节点表示所述液压网络内的压力监测点；以及

每个边均将两个节点连接，并且表示所述网络的跨接在由所述两个节点所表示的所述压力监控点之间的所述管道的组合。

22.根据权利要求21所述的模型，其中，所述网络包括五个压力监测点，并且所述模型包括五个节点。

23.一种将根据权利要求21或权利要求22所述的模型用于对所述液压网络中的破裂和/或堵塞进行识别的用途。

24.一种将根据权利要求21至23中的任一项所述的模型用于对节点的需求和/或对于所述模型的边而言的阻力进行计算的用途。