CN112985713A - 基于边缘计算的管网漏损监测方法及系统 - Google Patents

Abstract

本发明提供一种基于边缘计算的管网漏损监测方法及系统，该方法包括：预先划分管网区域，获取当前管网内多种类型仪表各自采集的仪表数据；利用智能网关接收并存储仪表数据，将仪表数据按照仪表的监控对象进行预处理，得到每种类型中每个仪表对应的仪表子数据；智能网关以边缘计算为基础，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损；当监测到管网发生漏损时，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当监测到管网正常时，不操作。本发明只提供漏损相关数据传输到云端服务器，避免了仪表数据实时上传备份，大大减少了后台数据工作量，同时，能够及时监测漏损，提高漏损监测准确性和有效性。

Description

基于边缘计算的管网漏损监测方法及系统

技术领域

本发明涉及仪表监测技术领域，特别是涉及一种基于边缘计算的管网漏损监测方法及系统。

背景技术

随着城市化进程和经济社会的高速发展，越来越多的管道被埋藏于地下形成管网，用于传输水、气、油等不同类型的液体或气体介质，其中，使用相应的仪表监测各类管网是否发生漏损成为迫切需要解决的技术问题。

然而，现有的漏损监测系统存在以下两点问题：

第一，大量监测仪表实时向云端服务器发送采集数据，导致服务器需要处理所有仪表的采集数据，使得服务器花费大量时间和资源处理采集数据，增加了服务器的工作量，同时，造成无法及时有效得到漏损状况；

第二，由于为了将所有仪表监测的采集数据同步上传至云端服务器，特别是针对大区域内采用无线传输采集数据的仪表，无论仪表的采集数据是否正常都会照常上传，因此，不仅导致浪费了数据流量，还占用了数据信道。

综上，现有漏损监测系统无法及时有效的监测到管网的漏损状况。

发明内容

鉴于以上现有技术的缺点，本发明的目的在于提供一种基于边缘计算的管网漏损监测方法及系统，用于解决现有技术中，现有漏损监测系统无法及时有效的监测到管网的漏损状况。

为实现上述目的及其他相关目的，本发明提供一种基于边缘计算的管网漏损监测方法，包括：

预先划分管网区域，获取当前管网内多种类型仪表各自采集的仪表数据；

利用智能网关接收并存储仪表数据，将仪表数据按照仪表的监控对象进行预处理，得到每种类型中每一个仪表对应的仪表子数据；

智能网关以边缘计算为基础，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损；当监测到管网发生漏损时，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当监测到管网正常时，不操作。

本发明的另一目的在于提供一种基于边缘计算的管网漏损监测系统，包括：

数据获取模块，用于预先划分管网区域，获取当前管网内多种类型仪表各自采集的仪表数据；

预处理模块，利用智能网关接收并存储仪表数据，将仪表数据按照仪表的监控对象进行预处理，得到每种类型中每一个仪表对应的仪表子数据；

漏损监测模块，以边缘计算为基础，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损；当监测到管网发生漏损时，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当监测到管网正常时，不操作。

如上，本发明基于边缘计算的管网漏损监测方法方法及系统，具有以下有益效果：

本发明通过智能网关进行边缘计算，提前分析处理管网区域内各种仪表的仪表数据，通过分析仪表的仪表子数据实现预判，判断当前管网区域内是否存在漏损，从而只需将漏损相关数据传输到云端服务器，避免了仪表数据实时上传备份，大大减少了云端服务器的数据工作量，同时，利用智能网关边缘计算也能及时发现漏损，提高漏损监测准确性和有效性。

附图说明

图1显示为本发明提供的一种基于边缘计算的管网漏损监测方法流程图；

图2显示为本发明提供的一种基于边缘计算的管网漏损监测方法完整流程图；

图3显示为本发明提供的一种基于边缘计算的管网漏损监测系统框架图；

图4显示为本发明提供的一种基于边缘计算的管网漏损监测系统结构拓扑图；

图5显示为本发明提供的一种管网拓扑网络结构图。

元件标号说明：

1 数据获取模块

2 预处理模块

3 漏损监测模块

4 漏损管理模块

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

请参阅图1，为本发明提供的一种基于边缘计算的管网漏损监测方法流程图，详述如下：

步骤S1，预先划分管网区域，获取当前管网内多种类型仪表各自采集的仪表数据；

管网区域，包括：油田管网、水利管网、天然气管网等诸多种管路，该仪表为流量仪表、压力仪表、温度仪表、物位仪表、水质分析仪表中的任意一种或几种。例如，水利管网、油田管网或传输液体的管道管网区域，至少设置有流量仪表，采集管网中流量参数；或，设置有压力仪表，采集管网中压力参数；或，设置物位仪表，采集液体的高度；又例如，天然气管网至少有流量仪表；需要说明的是，预先划分的管网区域至少包括上述一种管路管网，也有可能是多种管路形成的管网。

其中，预先划分管网区域，例如，以供水管网为例，获取供水管网的整体分布模型；利用谱聚类算法将所述整体分布模型划分为若干个预分区；导入现有实际分区的管网数据，并根据所述预分区的分布范围，获取供水管网的整体分布模型；其具体通过导入或创建整体分布模型的方式，对该整体分布模型进行获取；优选地，该整体分布模型根据管网的实际分布情况而进行预生成，且其整体分布模型中包含有供水管网的拓扑结构图以及每段管道的管长、管径、高程点数据；用户将其整体分布模型导入至系统中即可；其中，该高程点即标有高程数值的信息点，通常与等高线配合表达地貌特征的高程信息。高程点分布表达上具有丰富的上下文特征，除个体高程属性上的差异外，一方面与重要地形特征单元，如：山峰、鞍部、山谷、河流、道路等自然或人文要素目标间的分布关系，使得个体高程点在地理性质上具有不同的重要性意义；另一方面区域地形的起伏变化，使得高程点群在空间分布上呈现不同的疏密关系。

利用谱聚类算法将所述整体分布模型划分为若干个预分区；其中，该谱聚类算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量，然后选择合适的特征向量聚类不同的数据点；它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。

在本实施中，通过将管网划分为若干个预分区，并根据预分区对现有实际分区进行调整，再按预定的方式对计算后的各分区的漏损数据进行排列与显示，使得水务公司可以快速地获取到漏损数据较高的分区的信息，并便于对该重点分区进行定位和重点监控。

步骤S2，利用智能网关接收并存储仪表数据，将仪表数据按照仪表的监控对象进行预处理，得到每种类型中每一个仪表对应的仪表子数据；

其中，每个仪表对应设置有唯一的识别号，用于采集相应管网内对应监测对象，根据识别号关联有该仪表在管网区域所处的位置，例如，整个管网区域针对于具体的管路管网，安装在管路上传感器(仪表)根据其识别号在智能网关形成网络拓扑结构，存储有上游仪表及下游仪表相关信息。

需要说明的是，所述当前管网至少包括一种传输介质的管网，当管网内包括多种传输介质对应的管路网络时，通过划分不同的识别号对管网内传输介质进行单独监测；而智能网关利用多种传输介质的管路网络各自仪表采集的仪表参数按照识别号进行预处理，得到管网内各个传输介质对应的监测仪表的仪表子数据。

其中，发生漏损可能为管网内管路或/和对应的仪表，在此不一一赘述。

具体地，预处理包括数据清洗、数据集成、数据变换或数据规约中任一种，使得仪表数据的数据格式相同，例如，同一类型的仪表，如流量仪表，针对于传输自来水和天然气的不同管路，即，监测对象不同，但根据监测对象不同，会将流量参数上传至其上游的智能网关按监测对象、参数类型以及识别号进行关联存储。

步骤S3，智能网关以边缘计算为基础，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损；当监测到管网发生漏损时，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当监测到管网正常时，不操作。

其中，通过智能网关实现边缘计算，提前预判管网是否发生漏损，无需将数据统一上传至后台服务器处理、判断，能够明显提高漏损监测的效率和实时性，同时，能够及时通知工作人员进行抢修，避免了天然气、水管、石油等管路泄漏未及时发现，造成的安全事故与巨大财产损失。

在本实施例中，特别适合于埋藏于地下的管网，或者，较为复杂的多管路管网，通过兼容不同种类的管网，实现同一智能网关实现多种监测对象的同时监测，例如，水、气、油等多种管路管网，一方面，节省了单独布网的费用，另一方面，集中监测、提前分析；还有避免了仪表数据实时上传备份，大大减少了云端服务器的数据工作量，最后，利用智能网关边缘计算也能及时发现漏损，减少工作人员定时定点巡查，提高漏损监测准确性和有效性。

在另一实施例中，智能网关根据当前管网内各类仪表的监测对象，选择能够反映该管网是否发生漏损的仪表参数为参考，将其余种类仪表采集的仪表参数转换为该类仪表所采集参数，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损。

由于管网内中任意一种监测对象所对应的管路中有可能不止一种仪表在采集参数，可以选择一类仪表，如，流量计，作为监测该对象的是否发生漏损的参数，也可利用参数转换，将该监测对象所对应的其他类型的仪表参数转换为该类参数，从而实现漏损监测，针对没有明显用水高低时间段的区域，采用数学公式：进水总量＝用水流量+出水总量，对区域内流量仪表的流量监测数据进行漏损分析；或者，针对居民小区，正常情况下其夜间流量趋近于零(仅有较少背景漏损)，可采用最小流量统计分析法：利用阀门仪表关断小区出水管道，保留进水，再对进水管道流量仪表在夜间2-4点时间段的流量数据进行监测和漏损分析；在本实施例中，针对工业园区，工作时间和休息时间存在明显用水高低的区别，采用历史大数据对比分析的方法进行漏损分析：将流量仪表监测数据远传并存储在云端服务器，形成用水历史大数据池，再将当前时间的实时用水量与历史大数据进行比对，若存在持续偏大，比如连续一周以上的用水量增加，则表明可能存在区域漏水，根据管网布置的位置以及管网使用状况采用不同漏损分析算法，以提高管网的漏损监测精度。

在本实施例中，也可选择流量参数和压力参数作为参考，以提高管网漏损监测的精度，例如，利用二次水泵对管道上端进行加压供水，观察管道下端流量仪表和压力仪表的监测数据，如果流量和压力数据较正常标准明显偏小，则表明中途漏水；其中，可以反映管网漏损的仪表可为流量计(流量仪表)、压力计(压力仪表)、物位计(物位仪表)。

在此，如图5所示，本发明提供的一种管网拓扑网络结构图，其中，针对同一监测对象使用同一类型的仪表形成的管网，例如，A、B、C、D、E都为监测水的流量仪表，如果A、B是管网的两条进水管道，C、D和E是管网的三条出水口(也可以增加几个进水管道或者出水管道)，每一条管道上面都有三个仪表在对水流量进行测量。A、B、C、D和E五条管道上面的仪表测试出来的水流量分别用a、b、c、d和e表示。

则，进水总量为：a+b

出水总量为：c+d+e

漏水量为：a+b-(c+d+e)

漏水率为：

在本实施例中，智能网关通过内置漏损分析算法，提前预测分析管网是否发生漏损，同时，根据管网的拓扑网络结构可精准计算出发生漏损的具体管道、具体位置，方便工作人员及时、有效的处理。

在另一些实施例中，判断管网是否发生泄漏，还包括：

假设a、b、c和d分别表示某管网在不同时刻所对应的时间，a＜b＜c＜d且b-a＝c-b＝d-c，例如，时间点a、b、c和d呈等差数列，通过在不同时间节点采集的仪表数据，令函数f(t)表示某t时刻管网的漏损率。

表示在时间a和b之间漏损率的变化情况。

相邻两端相同时间段[a,b]和[b,c]漏损率的变化情况。

相邻两端相同时间段[b,c]和[c,d]漏损率的变化情况。

如果

则认为在时间段[b,c]中没有发生泄漏情况，其中，10％为常数，也可根据经验调节常数，例如、5％、15％等等。

如果

则认为在时间段[b,c]中发生了泄漏情况。

在本实施例中，根据管网在同一时间段的漏损率检测管网的泄漏情况，如果管网发生泄漏，及时有效处理，避免造成的重大的安全事故与巨大的财产损失。

请参阅图2，为本发明提供的一种基于边缘计算的管网漏损监测方法完整流程图，与图1的不同之处在于，在图1的基础上还包括：

步骤S4，当云端服务器监测到管网发生漏损时，根据漏损的管网内仪表所对应的分析结果和仪表子数据作出预警，并发出维修通知单提醒工作人员维修。

在本实施例中，由于前端智能网关通过边缘计算已经监测到管网中漏损事故以及相应的仪表提供的数据，而云端服务器只需根据智能网关上传的分析结果和仪表子数据进行校验，以防止误判；其中，容易造成误判的原因，有仪表自身老化、维修保养不到位、受腐蚀、产品或施工质量不过关等原因，而采用相同漏损分析法重新分析进行核实，或，采用其他漏损模型重新计算，例如，工作人员采用听漏棒、电子检漏仪等设备，沿管线辨别漏水声音，以确定漏损点。

通过监测判定智能网关传输的漏损事故无误时，以声(声音警报)、光(闪光警报)、电(电话、邮件方式)等方式通知工作人员实现预警，并生成维修通知单提醒工作人员及时到场进行抢修，以第一时间进行处理，妥善处理当前漏损事故。

在另一实施例中，云端服务器将分析结果和仪表子数据发送至专家数据库进行协助诊断，通过分析仪表子数据判断该仪表所处管路(即，当前管网)是否有其他故障，从而方便工作人员精准处理故障，以提高工作人员的工作效率。

另外，在另一实施例中，当智能网关生成的分析结果为异常时，即，无法确定该管网是否发生漏损，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器。

由于智能网关内置有漏损分析算法，当漏损分析算法针对该仪表子数据的分析结果无法准确判断该管网所处的管路是否存在漏损，例如，在拓扑网络结构中显示某一个仪表、节点或管路有漏损迹象，而其相关联的仪表却显示该管网监测路段分析结果正常(即，管网正常)，则需要将该管网内该仪表对应的分析结果和仪表子数据上传到云端服务器，通过云端服务器进行确认判断。

当云端服务器接收到智能网关发送的分析结果为异常时，利用专家数据库处理该异常仪表所对应的仪表子数据得到准确的诊断结果。在本实施例中，专家数据库包括故障诊断模型、漏损分析模型等模型，通过历史数据分析，可精准对异常的仪表子数据进行分析，从而较为准确得到管网是否发生漏损，从而提高了漏损的监测精度。

在另一实施例中，智能网关利用4G/5G通信模块连接云端服务器，实时将待传输的数据上传到云端服务器，或，实时从云端服务器下载待传输的数据。通过优选4G/5G通信模块的无线通信方式，可拓展区域管网的业务范畴，例如，即使郊区、野外等通信不畅的地方，利用4G/5G通信模块也能进行数据同步，另外，选用4G/5G通信模块能够进一步拓展无线传输速度，提高数据同步效率。

具体地，利用硬件和软件相结合的方法，实现在线实时检测、及时报警，通过网络拓扑结构能得到较高的定位精度和较低的误报率。

在另一实施例中，当监测时间达到预设周期时，将管网内所有仪表对应的仪表数据利用智能网关上传到云端服务器。

例如，每间隔12小时需要将当前管网区域采集的仪表数据同步上传到云端服务器，便于云端服务器对仪表数据进行存储、备份，以被后续使用。

请参阅图4，为本发明提供的一种基于边缘计算的管网漏损监测系统结构拓扑图，包括：

通过智能网关内置漏损分析算法在前端形成边缘计算模块，例如，利用边缘计算技术，采用边云协同思想，将管网上的采集数据发送到边缘网关进行预处理和分析，再根据预处理结果，对采集数据进行不同程度的离散抽取，最后将抽取数据和预处理结果打包发送到云端直接保存或再进行深度处理。

其中，流量仪表、压力仪表、温度仪表、物位仪表、水质分析仪表可通过数据总线或网线或无线局域网络连接至智能网关，智能网关根据监测对象不同配对不同识别号的仪表以采集仪表参数。

例如，当针对于水管系统时，压力仪表主要用于对供水管路内的水压力进行实时检测，水质分析仪表主要用于检测水质状态，从而保证系统可以实时、准确的获得供水管路内的水压和水质相关数据。

例如，水质分析仪表块包括取样器、浊度检测器、PH值检测器、余氯检测器和氨氮检测器，所述取样器与供水管路连通，所述浊度检测器、所述PH值检测器、所述余氯检测器和所述氨氮检测器的一端均与所述取样器连通，所述浊度检测器、所述PH值检测器、所述余氯检测器和所述氨氮检测器的另一端均与所述智能网关连接。

水质分析仪表通过取样器获取供水管路内的水样，进而通过浊度检测器、PH值检测器、余氯检测器和氨氮检测器对水样的浊度、PH值、余氯以及氨氮含量进行检测，得到多种与水质相关的数据，从而保证水质检测结果更加真实可靠。

下面举例说明漏损监测方法的步骤：

1)根据预先划分的管网区域，监测仪表将采集数据发送到对应边缘计算模块；

2)边缘计算模块存储采集数据，并利用内置的漏损分析算法进行就地实时分析；

3)如果分析结果没有漏损，则跳转到第4步；有漏损，则跳转到第5步；无法断定，则跳转到第6步；

4)就地分析没有漏损，就不向云端服务器发送采集数据和分析结果，除非预设的定时发送周期已到；

5)就地分析有漏损，就将分析结果发送到云端服务器；

6)就地分析无法断定时，将采集数据和分析结果打包，一并发送到云端服务器；

7)云端漏损监测系统对有明确结论的漏损结果直接报警，并推送到维修处理程序；对无法断定的数据，先将其存储在云端数据库，再推送到专家处理程序。

在本实施例中，通过智能网关进行边缘计算，提前分析处理管网区域内各种仪表的仪表数据，通过分析仪表的仪表子数据实现预判，判断当前管网是否存在漏损，从而只需将漏损相关数据传输到云端服务器，避免了仪表数据实时上传备份，大大减少了云端服务器的数据工作量，同时，利用智能网关边缘计算能够及时发现漏损，减少工作人员定时定点巡查，提高漏损监测准确性和有效性。

另外，例如，当管网为水管道时，即水利管网，云端服务器通过将给水控制、污水处理、给水调度等环节有效的联系起来，利用智能网关现场数据采集、需求上报、管路监控进行统一管理，并能够将决策信息及时准确的下发至对应的污水处理系统，通过合理的系统布局实现了多方联动响应，保证了水务管理工作高效有序的进行，更能满足现代自动化和智能化的水务管理需求。

请参阅图3，为本发明提供的一种基于边缘计算的管网漏损监测系统框架图，详述如下：

数据获取模块1，用于预先划分管网区域，获取当前管网内多种类型仪表各自采集的仪表数据；

预处理模块2，利用智能网关接收并存储仪表数据，将仪表数据按照仪表的监控对象进行预处理，得到每种类型中每一个仪表对应的仪表子数据；

漏损监测模块3，以边缘计算为基础，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损；当监测到管网发生漏损时，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当监测到管网正常时，不操作。

在上述图3的基础上，管网漏损监测系统还包括：

漏损管理模块4，用于当云端服务器监测到管网发生漏损时，根据漏损的管网内仪表所对应的分析结果和仪表子数据作出预警，并发出维修通知单提醒工作人员维修。

专家辅助模块，用于当智能网关生成的分析结果为异常时，无法确定该管网是否发生漏损，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当云端服务器接收到智能网关发送的分析结果为异常时，利用专家数据库处理该异常仪表所对应的仪表子数据得到准确的诊断结果。

定时同步模块，用于当监测时间达到预设周期时，将管网内所有仪表对应的仪表数据利用智能网关上传到云端服务器。

在此，由于基于边缘计算的管网漏损监测方法与基于边缘计算的管网漏损监测系统为一一对应关系，其对应的技术细节以及技术效果请参照上述描述，在此不再赘述。

综上，本发明通过智能网关进行边缘计算，提前分析处理管网区域内各种仪表的仪表数据，通过分析仪表的仪表子数据实现预判，判断当前管网区域内是否存在漏损，从而只需将漏损相关数据传输到云端服务器，避免了仪表数据实时上传备份，大大减少了云端服务器的数据工作量，同时，利用智能网关边缘计算也能及时发现漏损，提高漏损监测准确性和有效性。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种基于边缘计算的管网漏损监测方法，其特征在于，包括：

预先划分管网区域，获取当前管网内多种类型仪表各自采集的仪表数据；

利用智能网关接收并存储仪表数据，将仪表数据按照仪表的监控对象进行预处理，得到每种类型中每一个仪表对应的仪表子数据；

智能网关以边缘计算为基础，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损；当监测到管网发生漏损时，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当监测到管网正常时，不操作。

2.根据权利要求1的基于边缘计算的管网漏损监测方法，其特征在于，还包括：当云端服务器监测到管网发生漏损时，根据漏损管网内仪表所对应的分析结果和仪表子数据作出预警，并发出维修通知单提醒工作人员维修。

3.根据权利要求1或2的基于边缘计算的管网漏损监测方法，其特征在于，还包括：当智能网关生成的分析结果为异常时，无法确定该管网是否发生漏损，将管网内该仪表对应的分析结果和仪表子数据上传到云端服务器。

4.根据权利要求3的基于边缘计算的管网漏损监测方法，其特征在于，当云端服务器接收到智能网关发送的分析结果为异常时，利用专家数据库处理该异常仪表所对应的仪表子数据得到准确的诊断结果。

5.根据权利要求1的基于边缘计算的管网漏损监测方法，其特征在于，所述智能网关利用4G/5G通信模块连接云端服务器，实时将待传输的数据上传到云端服务器，或，实时从云端服务器下载待传输的数据。

6.根据权利要求1的基于边缘计算的管网漏损监测方法，其特征在于，所述仪表为流量仪表、压力仪表、温度仪表、物位仪表、水质分析仪表中的任意一种或几种。

7.根据权利要求1的基于边缘计算的管网漏损监测方法，其特征在于，所述当前管网至少包括一种传输介质的管网，当管网内包括多种传输介质对应的管路网络时，通过划分不同的识别号对管网内传输介质进行单独监测；而智能网关利用多种传输介质的管路网络各自仪表采集的仪表参数按照识别号进行预处理，得到管网内各个传输介质对应的监测仪表的仪表子数据。

8.根据权利要求1或7的基于边缘计算的管网漏损监测方法，其特征在于，所述智能网关根据当前管网内各类仪表的监测对象，选择能够反映该管网是否发生漏损的仪表参数为参考，将其余种类仪表采集的仪表参数转换为该类仪表所采集参数，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损。

9.根据权利要求1的基于边缘计算的管网漏损监测方法，其特征在于，还包括：当监测到时间达到预设周期时，将管网区域内所有仪表对应的仪表数据利用智能网关上传到云端服务器。

10.一种基于边缘计算的管网漏损监测系统，其特征在于，系统包括：

数据获取模块，用于预先划分的管网区域，获取当前管网内多种类型仪表各自采集的仪表数据；

预处理模块，利用智能网关接收并存储仪表数据，将仪表数据按照仪表的监控对象进行预处理，得到每种类型中每一个仪表对应的仪表子数据；

漏损监测模块，以边缘计算为基础，利用漏损分析算法分析每个仪表所对应的仪表子数据以判断管网是否发生漏损；当监测到管网发生漏损时，将管网内仪表对应的分析结果和仪表子数据上传到云端服务器；当监测到管网正常时，不操作。

Images