CN113586969A - 一种基于准瞬态压力信号的爆管侦测方法 - Google Patents
一种基于准瞬态压力信号的爆管侦测方法 Download PDFInfo
- Publication number
- CN113586969A CN113586969A CN202110829573.5A CN202110829573A CN113586969A CN 113586969 A CN113586969 A CN 113586969A CN 202110829573 A CN202110829573 A CN 202110829573A CN 113586969 A CN113586969 A CN 113586969A
- Authority
- CN
- China
- Prior art keywords
- pressure
- transient
- monitoring point
- steady
- data
- 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
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明涉及一种基于准瞬态压力信号的爆管侦测方法。本发明采用常规压力计在线检测所关注区块管网水压,借助稳态、瞬态水力模型模拟分析常见启停泵和大用户进水干扰,提出一种基于准瞬态压力信号的爆管侦测方法。本发明能较好保证爆管侦测的灵敏性和准确性。同时,降低智能压力计采样频率、时钟同步及前端计算等要求,降低功耗,提高现场实时处理能力。
Description
技术领域
本发明涉及供水管网漏损检测领域,具体是一种基于准瞬态压力信号的爆管侦测方法。
背景技术
城市供水管网由于管材老化或者遭受车辆重压等原因,会发生漏损,如果漏损没有及时被发现,往往裂口会扩大,恶化成爆管。管网爆管会严重影响企业或居民正常用水,造成水资源的浪费和停工停产经济损失,甚至因爆管造成水质二次污染而危害公众健康。因此,及时、准确的爆管侦测方法具有十分重要的现实意义。
现有的爆管侦测方法大多基于稳态压力信号,由于其采样频率较低,对小规模爆管很不灵敏[1][2]。基于瞬态压力信号的泄漏侦测,在长距离输水管已经广泛应用,但在城市供水管网应用很少。尽管基于瞬态压力信号的侦测方法灵敏度高,但由于实际供水管网运行情况复杂,易受到启停泵、大用户开关阀等常规动作干扰而产生误报警。
文献[3]采用高频率、高精度的压力计阵列在线检测易爆区块市政管网水压,充分利用其高频信号检测能力,通过在背景噪声中检测出负压波瞬态信号,快速准确识别内外源扰动、正常用水和异常爆管,既提高侦测敏感性,又降低误报率,最终克服了文献[1][2]利用传统SCADA稳态压降信号只能侦测大管径爆管的局限。但是,采用高频率、高精度的智能压力计,一方面功耗较大,不利于电池供电模式下的现场运行;另一方面需要精确测量、比对同源负压波信号,计算量大,不利于智能压力计直接MCU组网处理。
文献[4]提出的基于极限学习机的城市供水管网爆管预警方法,既忽略了背景噪声,又是利用EPANET软件仿真得到的稳态压力差,其爆管检测有效性不高。
[1]许刚,陈冬雷,吴卓祯,等.大规模供水管网爆管实时报警技术研究[J].中国给水排水,2014,30(21):58-60.
[2]赵丹丹,程伟平,许刚,等.供水管网系统爆管可监控最小管径分析方法研究[J].中国给水排水,2014(23):117-122.
[3]杭州电子科技大学.一种市政管网爆管监测系统及方法:CN202011252582.4[P].2021-02-19.
[4]天津大学.基于极限学习机的城市供水管网爆管预警方法:CN201910776069.6[P].2019-12-13.
发明内容
针对上述现有技术的不足,本发明借助稳态、瞬态水力模型,进行干扰信号分析判断,提出一种基于准瞬态压力信号的爆管侦测方法,旨在降低误报率,提高检测的准确性,同时降低智能压力计采样频率、时钟同步及前端计算等要求,降低功耗,并提高现场处理能力。
本发明包括以下步骤:
步骤1、对所关注区块管网进行压力监测点布阵
对所关注区块的局部管网部署智能压力计监测点,相邻监测点间距<1km;所述智能压力计的采样频率为0.1Hz~0.033Hz,采样精度1级;
从水司SCADA中获取监测点10km范围内的泵站启停泵机实时数据和5km范围内的大用户远传大表实时数据,这两项实时数据的采样频率为分钟级。
步骤2、建立所关注区块管网的稳态和瞬态水力模型
(1)稳态水力模型建立:利用GIS图建立区块供水管网基本结构,设置管道和节点基本信息。
(2)瞬态水力模型建立:在稳态水力模型基础上利用瞬态水力仿真软件建立瞬态模型,并进行瞬态模型参数设置。
通过稳态水力模型模拟,获得停泵或大用户进水时的稳态压降;
通过瞬态水力模型模拟,获得停泵或大用户进水时的瞬态压降。
准瞬态压力信号下的压降介于稳态压降和瞬态压降之间。
步骤3、根据实测数据,计算各监测点判异阈值
在线检测一段时间后,平台数据库存储各监测点所采集的压力数据,预处理剔除异常数据。
对每个监测点,计算每分钟的升降波动值,即一分钟内采样数据的最大值和最小值的差值,降压差值为负,升压差值为正,得到分钟级波动值。
统计每个监测点的分钟级波动值序列,得到平均值ui和标准差σi。通过平均值ui和标准差σi确定第i监测点的判异阈值。
步骤4、根据运行数据,建立干扰信号库
结合步骤2得到的稳态和瞬态水力模型,利用步骤3各监测点所采集的压力数据以及从水司SCADA中收集同期相关泵站启停泵机、大用户实时水量数据,分别模拟泵站停泵、大用户进水扰动情形,得到各监测点的瞬态压降和稳态压降。
当泵站或大用户邻近监测点i在j时刻稳态压降超过判异阈值时,视为受到干扰。
收集、整理发生时刻j、干扰源、干扰量、受扰监测点、最大压降△P_MAXij和最小压降△P_MINij,建立干扰信号库。
步骤5、建立扰动消息发送机制
干扰源动作时,向相关邻近测点主动发送信息。
云平台通过监视水司SCADA中相关泵站启停泵机、大用户实时水量数据,及时发现干扰源动作,包括动作发生时刻、干扰源、干扰量。
在干扰信号库中检索相同干扰源、相近干扰量的历史记录,根据该记录向相关邻近监测点主动发送信息,包括最大压降和最小压降。
步骤6、实际侦测应用
实际应用中,各监测点智能压力计按0.1Hz~0.033Hz频率采集压力信号,除定时上传云平台外,定期监测压力波动值,超判异阈值预警处理。具体包括:
(1)各监测点智能压力每分钟定期计算压力波动值,过滤掉压力突升后的突发压降;
(2)对突发压降进行判断:无扰动情况下,突发压降是否超限;或有扰动情况下,突发压降是否超过扰动所导致的最大压降;
(3)如超过限值,则预警。并通过MCU组网直接联络<1km邻近测点;
(4)若有2个以上监测点同时预警,则向云平台或用户终端直接发出报警信息。云平台接收到报警信号后,显示所有报警监测点位置及突发压降值,并按重力法近似定位爆管点。
本发明的有益效果为:本发明采用常规压力计在线检测所关注区块管网水压,借助稳态、瞬态水力模型模拟分析常见启停泵和大用户进水干扰,提出一种基于准瞬态压力信号的爆管侦测方法,较好保证爆管侦测的灵敏性和准确性。同时,降低智能压力计采样频率、时钟同步及前端计算等要求,降低功耗,提高现场实时处理能力。
附图说明
图1本发明方法流程图;
图2本发明实施例管网结构图。
具体实施方式
以下结合本发明方法流程图(见图1)及具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明涉及的系统架构与文献[3]类似,包括智能压力计阵列、无线传输模块、云数据平台、用户终端等。本发明方法采取以下步骤:
步骤1、对所关注区块管网进行压力监测点布阵
对所关注区块的局部管网,部署智能压力计监测点,相邻测点间距<1km。监测点采用常规智能压力计,采样频率在0.1Hz~0.033Hz(采样周期10s~30s),采样精度1级,测点总数记为N。
由于采样频率不高,此类智能压力计虽不能像文献[3]中的高频压力计那样采集到供水管网中>1Hz的瞬态压力信号(如较为完整的负压波),但是能采集到介于瞬态和稳态之间的准瞬态压力信号,比单纯利用稳态压力信号灵敏度高,且大大节省功耗。
同时,从水司SCADA中获取监测点附近(<10km)的泵站启停泵机实时数据,和附近(<5km)的大用户远传大表实时数据(采样频度要求为分钟级)。
步骤2、建立所关注区块管网的稳态和瞬态水力模型
(1)稳态水力模型建立:利用GIS图建立区块供水管网基本结构,设置管道和节点基本信息。利用区块内需水节点用水量和压力的历史数据进行稳态模型校核。
(2)瞬态水力模型建立:在稳态水力模型基础上进行瞬态模型参数设置,利用启停泵、大用户进水或专门爆管模拟试验的实测和模拟数据检验、校正瞬态模型。
通过稳态水力模型模拟,获得停泵或大用户进水时的稳态压降;通过瞬态水力模型模拟,获得停泵或大用户进水时的瞬态压降。
准瞬态压力信号下的压降介于稳态压降(最小压降△P_MIN)和瞬态压降(最大压降△P_MAX)之间。
步骤3、根据实测数据,计算各监测点判异阈值
在线检测一段时间后,平台数据库存储各监测点所采集的压力数据,预处理时剔除异常数据。
对每个监测点,计算每分钟的升降波动值△Pij(i为监测点序号,1≤i≤N;j为分钟时刻序号),即一分钟内采样数据的最大值和最小值的差值,降压差值为负,升压差值为正,得到分钟级波动值。
统计每个监测点的分钟级波动值序列{△Pij},得到平均值ui和标准差σi。供水管网压力波动总体服从正态分布,从统计学来讲,3倍标准差以外的事件概率<0.5%,都称为小概率事件,可以初步认定为异常。一般情况下ui≈0,现设定其±3σi倍为第i监测点的判异阈值。
步骤4、根据运行数据,建立干扰信号库
结合步骤2得到的稳态和瞬态水力模型,利用步骤3各监测点所采集的压力数据以及从水司SCADA中收集同期相关泵站启停泵机、大用户实时水量等数据,分别模拟泵站停泵、大用户进水扰动情形,得到各监测点的瞬态压降(最大压降△P_MAXi)和稳态压降(最小压降△P_MINi)。
当泵站或大用户邻近监测点i在j时刻稳态压降△P_MINij<-3σi,视为受到干扰。
收集、整理发生时刻j、干扰源、干扰量、受扰监测点、最大压降△P_MAXij和最小压降△P_MINij,建立干扰信号库。
干扰信号库,需要定期更新,以符合所关注区块管网干扰源的变化。
步骤5、建立扰动消息发送机制
干扰源动作(泵站停泵或大用户进水),向相关邻近测点主动发送信息(传送频度同样要求为分钟级)。
云平台通过监视水司SCADA中相关泵站启停泵机、大用户实时水量等数据,及时发现干扰源动作,包括动作发生时刻、干扰源、干扰量。
在干扰信号库中检索相同干扰源、相近干扰量的历史记录(假设该记录发生时间为n时刻),根据该记录向相关邻近测点i主动发送信息(包括最大压降△P_MAXin和最小压降△P_MINin)。
优选地,可以将泵机、进水阀控制器和智能压力计通过MCU组网,直接传送动作消息。
步骤6、实际侦测应用
实际应用中,各监测点智能压力计按0.1Hz~0.033Hz频率采集压力信号,除定时上传云平台外,定期监测压力波动值,超阈值预警处理。具体为:
步骤6.1智能压力计每分钟定期计算压力波动值△Pik(i为监测点序号,1≤i≤N;k为当前时刻)。过滤掉压力突升后的突发压降,此为升压后的回落。
步骤6.2按公式(1)判断突发压降超限状况,若满足公式(1),则情况正常,返回步骤6.1继续监测。否则,预警,到步骤6.3。
式(1)中,hik为当前k时刻、当前监测点i是否收到干扰动作消息(ηik=1表示收到扰动消息,ηik=0表示无扰动消息),ΔP_MAXin为监测点i收到干扰动作消息中的历史n时刻最大压降。
步骤6.3通过MCU组网直接联络<1km邻近测点,若有2个以上监测点同时预警,进入步骤6.4。否则,返回步骤6.1继续监测。
步骤6.4向平台或用户终端直接发出报警信息。
平台接收到报警信号后,显示所有报警监测点位置及突发压降值,并按公式(2)重力法近似定位爆管点:
式(2)中,Xn、Yn为报警监测点n的坐标;△Pnk为监测点n的突发压降值;m为报警监测点数量。
有2个以上的监测点预警,可以避免单监测点故障导致的虚报。在没有MCU组网条件下,本发明不排除通过平台转发方式传递消息。
实施例:
本实施例包括以下步骤:
步骤1、对所关注区块管网进行压力监测点布阵
对所关注区块的局部管网(如图2,某市DXCB区域),部署智能压力计监测点,相邻测点间距<1km。监测点采用常规智能压力计,采样频率0.067Hz(采样周期15s),采样精度1级,测点总数为16。
由于采样频率不高,此类智能压力计虽不能像文献[3]中的高频压力计那样采集到供水管网中>1Hz的瞬态压力信号(如较为完整的负压波),但是能采集到介于瞬态和稳态之间的准瞬态压力信号,比单纯利用稳态压力信号灵敏度高,且大大节省功耗,电池供电模式下可持续工作1年以上。
同时,从水司SCADA中获取监测点附近(<10km)的XS泵站启停泵机实时数据,和附近(<5km)的12家大用户远传大表实时数据(采样频度为分钟级)。
步骤2、建立所关注区块管网的稳态和瞬态水力模型
(1)试验片区稳态建模及校核
采用EPANet进行DXCB试验片区稳态建模,根据GIS图确定节点位置、管道长度直径等基本参数、建立管网基本模型。设置模拟步长为软件支持最小的1分钟,这是为了分析准稳态模型(恒定流)的爆管侦测能力,也是为了给瞬态分析提供最逼近实际的边界,而需水量数据来自区块内12家实际大用户远传大表。
对5月9日-5月11日3天各个监测点的压力数据做平滑处理,排除异常信号。依次输5月9日-5月11日各天的大用户时变用水量,以分别贴近各天的16个测点压力为目标,调整节点需水量、管道粗糙系数等参数来修正模型。
用5月12日“需水量和监测点压力”数据来验证建模水平。输入5月12日各点大用户用水量,检验12日16个测点模拟压力和实测压力吻合情况。如表1所示,达到校验要求。
表1 2020年5月12日各监测点压力差
(2)试验片区瞬态建模
在前述稳态模型基础上利用瞬态水力仿真软件建立瞬态模型,沿用图2管网结构,输入节点需水量、管道长度、直径、校核后的摩阻系数。
利用5月12日某试验点专门爆管模拟实验进行瞬态模型校验,该试验点7:26-7:31开阀放水模拟爆管。设置各个需水点需水量输入为爆管前一个时刻瞬时值,模拟步长0.1s,放水流量约45L/s,模拟时间600s。
各个测点模拟和实际压降情况对比如表2所示,各个测点最大压降都吻合得较好,说明瞬态模型精度满足爆管侦测要求。
表2 2020年5月13日爆管模拟实验中各监测点模拟和实际压降对比
步骤3、根据实测数据,计算各监测点判异阈值
使用5月9日—5月11日平台数据库各监测点压力数据,计算各监测点判异阈值:
对每个监测点,计算每分钟的升降波动值△Pij(i为监测点序号,1≤i≤N;j为分钟时刻序号,共1440*3=4320),即一分钟内采样数据的最大值和最小值的差值,降压差值为负,升压差值为正,得到分钟级波动值。
统计每个监测点的分钟级波动值序列{△Pij},得到平均值ui和标准差σi。如表3所示。不失一般性ui≈0,现设定其±3σi倍为第i监测点的判异阈值。
表3各监测点压力波动值的均值、标准差及阈值(单位:kPa)
监测点 | 均值u | 标准差σ | 阈值±3σ | 监测点 | 均值u | 标准差σ | 阈值±3σ |
1# | 0.01 | 5.9 | ±17.1 | 9# | 0.02 | 6.1 | ±18.3 |
2# | 0.02 | 6.6 | ±19.8 | 10# | 0.01 | 5.2 | ±15.6 |
3# | 0.01 | 6.4 | ±19.2 | 11# | 0.01 | 5.3 | ±15.9 |
4# | 0.03 | 6.1 | ±18.3 | 12# | 0.02 | 5.6 | ±16.8 |
5# | 0.02 | 6.5 | ±19.5 | 13# | 0.03 | 6.4 | ±19.2 |
6# | 0.02 | 4.9 | ±14.7 | 14# | 0.02 | 5.7 | ±17.1 |
7# | 0.01 | 5.8 | ±17.4 | 15# | 0.02 | 5.3 | ±15.9 |
8# | 0.01 | 5.9 | ±17.1 | 16# | 0.01 | 4.5 | ±13.5 |
步骤4、根据运行数据,建立干扰信号库
结合步骤2得到的稳态和瞬态水力模型,利用步骤3各监测点所采集的压力数据以及从水司SCADA中收集同期相关泵站启停泵机、大用户实时水量等数据,分别模拟泵站停泵、大用户进水扰动情形,得到各监测点的瞬态压降(最大压降△P_MAXi)和稳态压降(最小压降△P_MINi)。
当泵站或大用户邻近监测点i在j时刻稳态压降△P_MINij<-3σi,视为受到干扰。收集、整理发生时刻j、干扰源、干扰量、受扰监测点、最大压降△P_MAXij和最小压降△P_MINij,建立干扰信号库。
表4干扰信号库
步骤5、建立扰动消息发送机制
干扰源动作(泵站停泵或大用户进水),向相关邻近测点主动发送信息(传送频度同样要求为分钟级)。
云平台通过监视水司SCADA中相关泵站启停泵机、大用户实时水量等数据,及时发现干扰源动作,包括动作发生时刻、干扰源、干扰量。
同时,在干扰信号库中检索相同干扰源、相近干扰量的历史记录(假设该记录发生时间为n时刻),根据该记录向相关邻近测点i主动发送信息(包括最大压降△P_MAXin和最小压降△P_MINin)。
一般情况下,泵站启停泵机、大用户进水动作是周期性的,每天频次基本不变,发生时间略有先后。
步骤6、实际侦测应用
本实施例以5月13日的日常运行以及4次模拟爆管实验,用于实际侦测应用。4次模拟爆管实验时间、地点分别为19:26/B1(5#)、19:34/B2(13#)、10:45/B3(12#)和19:53/B4(6#)。
实际应用中,各监测点智能压力计按0.067Hz频率采集压力信号,除定时上传云平台外,定期监测压力波动值,超阈值预警处理。具体为:
步骤6.1智能压力计每分钟定期计算压力波动值△Pik(i为监测点序号,1≤i≤N;k为当前时刻)。过滤掉压力突升后的突发压降,此为升压后的回落。
步骤6.2按公式(1)判断突发压降是否超限,若是,则情况正常,返回步骤6.1继续监测。否则,预警,到步骤6.3。
步骤6.3通过MCU组网直接联络<1km邻近测点,若有2个以上监测点同时预警,进入步骤6.4。否则,返回步骤6.1继续监测。
步骤6.4向平台或用户终端直接发出报警信息。
平台接收到报警信号后,显示所有报警监测点位置及突发压降值,并按公式(2)重力法近似定位爆管点。
本发明实施例通过平台转发方式传递消息。5月13日的实际侦测结果,如表所示:
表5 5月13日爆管侦测结果
5月13日全天侦测结果无漏报,但单监测点有误报2次。采用2个以上的监测点预警,则无误报,可以避免单监测点导致的虚报。
Claims (6)
1.一种基于准瞬态压力信号的爆管侦测方法,其特征在于该方法包括以下步骤:
步骤1、对所关注区块管网进行压力监测点布阵
对所关注区块的局部管网部署智能压力计监测点,相邻监测点间距<1km;所述智能压力计的采样频率为0.1Hz~0.033Hz,采样精度1级;
从水司SCADA中获取监测点10km范围内的泵站启停泵机实时数据和5km范围内的大用户远传大表实时数据,这两项实时数据的采样频率为分钟级;
步骤2、建立所关注区块管网的稳态和瞬态水力模型
(1)稳态水力模型建立:利用GIS图建立区块供水管网基本结构,设置管道和节点基本信息;
(2)瞬态水力模型建立:在稳态水力模型基础上利用瞬态水力仿真软件建立瞬态模型,并进行瞬态模型参数设置;
通过稳态水力模型模拟,获得停泵或大用户进水时的稳态压降;
通过瞬态水力模型模拟,获得停泵或大用户进水时的瞬态压降;
准瞬态压力信号下的压降介于稳态压降和瞬态压降之间;
步骤3、根据实测数据,计算各监测点判异阈值
在线检测一段时间后,平台数据库存储各监测点所采集的压力数据,预处理剔除异常数据;
对每个监测点,计算每分钟的升降波动值,即一分钟内采样数据的最大值和最小值的差值,降压差值为负,升压差值为正,得到分钟级波动值;
统计每个监测点的分钟级波动值序列,得到平均值ui和标准差σi;通过平均值ui和标准差σi确定第i监测点的判异阈值;
步骤4、根据运行数据,建立干扰信号库
结合步骤2得到的稳态和瞬态水力模型,利用步骤3各监测点所采集的压力数据以及从水司SCADA中收集同期相关泵站启停泵机、大用户实时水量数据,分别模拟泵站停泵、大用户进水扰动情形,得到各监测点的瞬态压降和稳态压降;
当泵站或大用户邻近监测点i在j时刻稳态压降超过判异阈值时,视为受到干扰;
收集、整理发生时刻j、干扰源、干扰量、受扰监测点、最大压降△PMAXij和最小压降△PMINij,建立干扰信号库;
步骤5、建立扰动消息发送机制
干扰源动作时,向相关邻近测点主动发送信息;
云平台通过监视水司SCADA中相关泵站启停泵机、大用户实时水量数据,及时发现干扰源动作,包括动作发生时刻、干扰源、干扰量;
在干扰信号库中检索相同干扰源、相近干扰量的历史记录,根据该记录向相关邻近监测点m主动发送信息,包括最大压降和最小压降;
步骤6、实际侦测应用
实际应用中,各监测点智能压力计按0.1Hz~0.033Hz频率采集压力信号,除定时上传云平台外,定期监测压力波动值,超判异阈值预警处理。
2.根据权利要求1所述的一种基于准瞬态压力信号的爆管侦测方法,其特征在于:在稳态水力模型建立后利用区块内需水节点用水量和压力的历史数据进行稳态水力模型校核。
3.根据权利要求1所述的一种基于准瞬态压力信号的爆管侦测方法,其特征在于:在瞬态水力模型建立后,利用启停泵、大用户进水或专门爆管模拟试验的实测和模拟数据检验、校正瞬态水力模型。
4.根据权利要求1所述的一种基于准瞬态压力信号的爆管侦测方法,其特征在于:干扰信号库需要定期更新,以符合所关注区块管网干扰源的变化。
5.根据权利要求1所述的一种基于准瞬态压力信号的爆管侦测方法,其特征在于:将泵机、进水阀控制器和智能压力计通过MCU组网,直接传送动作消息。
6.根据权利要求1所述的一种基于准瞬态压力信号的爆管侦测方法,其特征在于:步骤6具体包括:
步骤6.1智能压力计每分钟定期计算压力波动值△Pik并过滤压力突升后的突发压降,其中k为当前时刻;
步骤6.2按下式判断突发压降超限状况;若满足,则情况正常,返回步骤6.1继续监测;否则,预警,到步骤6.3;
式中,ηik为当前k时刻、当前监测点i是否收到干扰动作消息,ηik=1表示收到扰动消息,ηik=0表示无扰动消息,ΔP_MAXin为监测点i收到干扰动作消息中的历史n时刻最大压降;
步骤6.3通过MCU组网直接联络1km范围内的邻近监测点,若有2个以上监测点同时预警,进入步骤6.4;否则,返回步骤6.1继续监测;
步骤6.4向平台或用户终端直接发出报警信息;平台接收到报警信号后,显示所有报警监测点位置及突发压降值,并按重力法近似定位爆管点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829573.5A CN113586969B (zh) | 2021-07-22 | 2021-07-22 | 一种基于准瞬态压力信号的爆管侦测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829573.5A CN113586969B (zh) | 2021-07-22 | 2021-07-22 | 一种基于准瞬态压力信号的爆管侦测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113586969A true CN113586969A (zh) | 2021-11-02 |
CN113586969B CN113586969B (zh) | 2022-11-25 |
Family
ID=78248756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110829573.5A Active CN113586969B (zh) | 2021-07-22 | 2021-07-22 | 一种基于准瞬态压力信号的爆管侦测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113586969B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5416724A (en) * | 1992-10-09 | 1995-05-16 | Rensselaer Polytechnic Institute | Detection of leaks in pipelines |
JP2004132809A (ja) * | 2002-10-10 | 2004-04-30 | Ing Corporation:Kk | 微少漏洩検知方式 |
US20040143428A1 (en) * | 2003-01-22 | 2004-07-22 | Rappaport Theodore S. | System and method for automated placement or configuration of equipment for obtaining desired network performance objectives |
US20050246112A1 (en) * | 2004-04-29 | 2005-11-03 | Abhulimen Kingsley E | Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems |
RU101146U1 (ru) * | 2010-07-15 | 2011-01-10 | Общество С Ограниченной Ответственностью "Аккорд Эстейт" | Комбинированная гидроакустическая система обнаружения утечек нефтепродуктопровода |
WO2011095980A1 (en) * | 2010-02-05 | 2011-08-11 | Shreenivas Potnis | Method and system for pipe routing and design including piping layout, isometrics, and bill of material |
WO2013040667A1 (pt) * | 2011-09-19 | 2013-03-28 | Universidade Estadual De Campinas . Unicamp | Sistema e método de detecção de vazamento de gás, método de determinação da magnitude e da localização de vazamento de gás por meio de redes neurais e o uso em tubulação rígida e/ou flexível |
US20140165731A1 (en) * | 2011-05-11 | 2014-06-19 | Syrinix Limited | Pipeline fault detection system, sensor head and method of detecting pipeline faults |
US20150300907A1 (en) * | 2012-12-20 | 2015-10-22 | Eni S.P.A. | Method and system for continuous remote monitoring of the integrity of pressurized pipelines and properties of the fluids transported |
US20150308627A1 (en) * | 2012-11-30 | 2015-10-29 | Imperial Innovations Limited | A device, method and system for monitoring a network of fluid-carrying conduits |
US20170003200A1 (en) * | 2008-06-27 | 2017-01-05 | Exxonmobil Research And Engineering Company | Method and apparatus for real time enhancing of the operation of a fluid transport pipeline |
CN107193918A (zh) * | 2017-05-15 | 2017-09-22 | 浙江正泰中自控制工程有限公司 | 一种基于开源地图的分布式gis状态监控系统 |
CN107859878A (zh) * | 2017-11-14 | 2018-03-30 | 于岚 | 一种长输石油管道的监控系统 |
CN111259334A (zh) * | 2020-01-14 | 2020-06-09 | 杭州电子科技大学 | 一种工业企业大用户用水异常监测预警方法 |
US20200210826A1 (en) * | 2018-12-29 | 2020-07-02 | Northeastern University | Intelligent analysis system using magnetic flux leakage data in pipeline inner inspection |
CN111611723A (zh) * | 2020-06-05 | 2020-09-01 | 中国石化销售股份有限公司华南分公司 | 城市建筑群输送管道泄漏扩散数据生成方法、装置及介质 |
US20200393326A1 (en) * | 2019-06-11 | 2020-12-17 | Syrinix Limited | Rising Main Pipeline Assessment System and Method |
US20210003004A1 (en) * | 2020-09-04 | 2021-01-07 | University Of Science And Technology Beijing | Method and device for identifying structure of flow field in unconventional gas reservoir |
-
2021
- 2021-07-22 CN CN202110829573.5A patent/CN113586969B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5416724A (en) * | 1992-10-09 | 1995-05-16 | Rensselaer Polytechnic Institute | Detection of leaks in pipelines |
JP2004132809A (ja) * | 2002-10-10 | 2004-04-30 | Ing Corporation:Kk | 微少漏洩検知方式 |
US20040143428A1 (en) * | 2003-01-22 | 2004-07-22 | Rappaport Theodore S. | System and method for automated placement or configuration of equipment for obtaining desired network performance objectives |
US20050246112A1 (en) * | 2004-04-29 | 2005-11-03 | Abhulimen Kingsley E | Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems |
US20170003200A1 (en) * | 2008-06-27 | 2017-01-05 | Exxonmobil Research And Engineering Company | Method and apparatus for real time enhancing of the operation of a fluid transport pipeline |
WO2011095980A1 (en) * | 2010-02-05 | 2011-08-11 | Shreenivas Potnis | Method and system for pipe routing and design including piping layout, isometrics, and bill of material |
RU101146U1 (ru) * | 2010-07-15 | 2011-01-10 | Общество С Ограниченной Ответственностью "Аккорд Эстейт" | Комбинированная гидроакустическая система обнаружения утечек нефтепродуктопровода |
US20140165731A1 (en) * | 2011-05-11 | 2014-06-19 | Syrinix Limited | Pipeline fault detection system, sensor head and method of detecting pipeline faults |
WO2013040667A1 (pt) * | 2011-09-19 | 2013-03-28 | Universidade Estadual De Campinas . Unicamp | Sistema e método de detecção de vazamento de gás, método de determinação da magnitude e da localização de vazamento de gás por meio de redes neurais e o uso em tubulação rígida e/ou flexível |
US20150308627A1 (en) * | 2012-11-30 | 2015-10-29 | Imperial Innovations Limited | A device, method and system for monitoring a network of fluid-carrying conduits |
US20150300907A1 (en) * | 2012-12-20 | 2015-10-22 | Eni S.P.A. | Method and system for continuous remote monitoring of the integrity of pressurized pipelines and properties of the fluids transported |
CN107193918A (zh) * | 2017-05-15 | 2017-09-22 | 浙江正泰中自控制工程有限公司 | 一种基于开源地图的分布式gis状态监控系统 |
CN107859878A (zh) * | 2017-11-14 | 2018-03-30 | 于岚 | 一种长输石油管道的监控系统 |
US20200210826A1 (en) * | 2018-12-29 | 2020-07-02 | Northeastern University | Intelligent analysis system using magnetic flux leakage data in pipeline inner inspection |
US20200393326A1 (en) * | 2019-06-11 | 2020-12-17 | Syrinix Limited | Rising Main Pipeline Assessment System and Method |
CN111259334A (zh) * | 2020-01-14 | 2020-06-09 | 杭州电子科技大学 | 一种工业企业大用户用水异常监测预警方法 |
CN111611723A (zh) * | 2020-06-05 | 2020-09-01 | 中国石化销售股份有限公司华南分公司 | 城市建筑群输送管道泄漏扩散数据生成方法、装置及介质 |
US20210003004A1 (en) * | 2020-09-04 | 2021-01-07 | University Of Science And Technology Beijing | Method and device for identifying structure of flow field in unconventional gas reservoir |
Non-Patent Citations (4)
Title |
---|
吴荔清等: "小波去噪和奇异性分析方法在输油管道泄漏检测中的应用", 《科学技术与工程》 * |
林伟国等: "管道泄漏信号和干扰信号的数字化判别方法", 《石油学报》 * |
秦先勇等: "基于过程信息融合的管线泄漏诊断", 《中国石油大学学报(自然科学版)》 * |
郭新蕾等: "基于瞬变流和遗传算法的管道泄漏辨识", 《计算力学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113586969B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105927863B (zh) | Dma分区管网泄漏在线检测定位系统及其检测定位方法 | |
CN103939749B (zh) | 基于大数据的输油管网泄漏智能自适应监控系统及方法 | |
CN101625071B (zh) | 燃气管道泄漏检测和定位方法 | |
CN105042339B (zh) | 一种基于无量纲的成品油管道泄漏量估计系统及方法 | |
CN106369288B (zh) | 给水管网漏损监控系统 | |
CN108360608B (zh) | 一种供水系统输水管的爆管识别与定位方法 | |
CN112377817B (zh) | 一种市政管网爆管监测系统及方法 | |
CN111120876B (zh) | 一种基于pdd的城市供水管网的爆管预警定位的方法 | |
CN104534285B (zh) | 一种能耗异常监控方法及装置 | |
CN108758357B (zh) | 一种基于供水管网压力变化值分析的爆管定位方法 | |
CN109442221A (zh) | 一种基于压力扰动提取的供水管网爆管侦测方法 | |
CN106838628A (zh) | 一种多传感器热网泄漏预警监测方法 | |
CN207394379U (zh) | 城市供气管道堵塞和泄漏模拟检测系统 | |
CN112711844A (zh) | 一种管道泄漏定位、泄漏量预警与自动处理方法及系统 | |
CN102927449A (zh) | 一种基于模拟仿真技术的管网微小泄漏缺陷检测方法及系统 | |
CN110285330B (zh) | 一种基于局部离群因子的水务网管网爆管检测方法 | |
CN113111471B (zh) | 基于人工智能和物联网的城市智慧水务数字化管理系统 | |
CN113074324A (zh) | 基于城市供水管网运行安全动态预警的数据库及建立方法 | |
CN112985713A (zh) | 基于边缘计算的管网漏损监测方法及系统 | |
CN113739082B (zh) | 一种基于多区域联合评估的供水管网漏损监测方法 | |
CN113586969B (zh) | 一种基于准瞬态压力信号的爆管侦测方法 | |
CN115127036B (zh) | 一种市政燃气管网漏损定位方法及系统 | |
CN202868318U (zh) | 一种基于模拟仿真技术的管网微小泄漏缺陷检测系统 | |
CN203414801U (zh) | 高坝深层抗滑稳定性评估系统 | |
CN114659037A (zh) | 一种用于城市供水管网爆管的定位方法 |
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 |