CN114611728A - 污水管网堵塞监测方法及系统 - Google Patents

污水管网堵塞监测方法及系统 Download PDF

Info

Publication number
CN114611728A
CN114611728A CN202210233028.4A CN202210233028A CN114611728A CN 114611728 A CN114611728 A CN 114611728A CN 202210233028 A CN202210233028 A CN 202210233028A CN 114611728 A CN114611728 A CN 114611728A
Authority
CN
China
Prior art keywords
liquid level
monitoring point
monitoring
real
time
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
CN202210233028.4A
Other languages
English (en)
Other versions
CN114611728B (zh
Inventor
汪永明
吴孝波
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.)
Hangzhou Qinghong Technology Co ltd
Original Assignee
Hangzhou Qinghong Technology Co ltd
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 Hangzhou Qinghong Technology Co ltd filed Critical Hangzhou Qinghong Technology Co ltd
Priority to CN202210233028.4A priority Critical patent/CN114611728B/zh
Publication of CN114611728A publication Critical patent/CN114611728A/zh
Application granted granted Critical
Publication of CN114611728B publication Critical patent/CN114611728B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/20Administration of product repair or maintenance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16YINFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00Information sensed or collected by the things
    • G16Y20/10Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16YINFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00IoT characterised by the purpose of the information processing
    • G16Y40/10Detection; Monitoring
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16YINFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00IoT characterised by the purpose of the information processing
    • G16Y40/20Analytics; Diagnosis
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16YINFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00IoT characterised by the purpose of the information processing
    • G16Y40/40Maintenance of things
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04QSELECTING
    • H04Q9/00Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom

Abstract

本申请提供一种污水管网堵塞监测方法及系统,首先通过对归属于同一管线上的两个监测点进行历史液位数据的获取,根据历史液位数据分别计算两个监测点的基础液位,进而获取两个监测点的实时液位,根据两个监测点的基础液位和实时液位是否满足公式关系,从而判断污水管网是否堵塞,液位数据均通过管网系统前端已有的硬件设备采集而得到,减少运维人员现场排查问题工作量,节省企业人力成本。可在已有监测设备的基础上,不增加或者少加设备,达到监测管网堵塞的目的。

Description

污水管网堵塞监测方法及系统
技术领域
本申请涉及环境监测技术领域,特别是涉及一种污水管网堵塞监测方法及系统。
背景技术
污水管网系统是城市基础设施中较为重要的一种设施,污水管网系统长期运行,一旦出现雨天,水量增加会导致管网有堵塞、污水冒溢等现象,造成城市安全隐患。
污水管网系统是一个复杂的非线性的、随机性较高的系统,污水在管网流动速度及污水水位受降水流量、污水流量负荷、管网流阻等多因素影响,既有一定的流动规律,又表现出较强的波动性和随机性.对污水管网运行健康状态的监测,特别是污水管网堵塞的监测具有重要意义。
传统的污水管网堵塞监测方法主要有以下几种方式:
1.大面积路面开挖,然后查找相关堵塞位置,这样一来整个操作费时费力,需要挖开大量的路面,引发交通堵塞。
2.使用可移动式管网监测设备,比如CCTV管道检测、管网内窥镜检测、声呐机器人检测等,这些都需要购买或者找第三方专业的公司进行排查定位,存在资金投入大,排查问题长,对人员专业性要求高等特点,不适合大范围的推广。
3.使用机器学习,构建管网水利模型,来进行管网堵塞预测。目前,可以查询的资料较少,仅有零星的论文有这方面的论述,目前尚停留在实验室阶段,没有经过实际充分的验证,其模型的准确性尚需验证,且构建水利模型技术准入门槛高,需要专业的人士深入参与。
因此,传统的污水管网堵塞监测方法具有成本高,操作复杂,对人员专业性要求高,难以去人工化的缺点。
发明内容
基于此,有必要针对传统污水管网堵塞监测方法成本高,操作复杂,对人员专业性要求高,难以去人工化的问题,提供一种污水管网堵塞监测方法及系统。
本申请提供一种污水管网堵塞监测方法,所述方法包括:
筛选出多组监测点,每一组监测点包括归属于同一管线上的两个监测点;
对每一组监测点执行下述步骤:
获取两个监测点的上下游关系,将处于上游的监测点作为上游监测点,将处于下游的监测点作为下游监测点;
分别获取上游监测点的历史液位数据和下游监测点的历史液位数据,并依据上游监测点的历史液位数据和下游监测点的历史液位数据分别计算上游监测点的基础液位和下游监测点的基础液位;
分别获取上游监测点的实时液位和下游监测点的实时液位;
获取预设液位上升速率系数,判断上游监测点的实时液位和下游监测点的实时液位是否满足公式1;
Figure BDA0003539290230000021
其中,Ga1为上游监测点的基础液位,Ga2为上游监测点的实时液位,Gb1为下游监测点的基础液位,Gb2为下游监测点的实时液位,n为预设液位上升速率系数;
若上游监测点的实时液位和下游监测点的实时液位满足公式1,则确定污水管网堵塞,向上位机发出报警信号;
返回所述分别获取上游监测点的历史液位数据和下游监测点的历史液位数据,并依据上游监测点的历史液位数据和下游监测点的历史液位数据分别计算上游监测点的基础液位和下游监测点的基础液位。
本申请还提供一种污水管网堵塞监测系统,包括:
监测终端,用于执行如前述内容提及的污水管网堵塞监测方法;
数据库服务器,与监测终端通信连接;
上位机,与所述监测终端通信连接。
本申请提供一种污水管网堵塞监测方法及系统,首先通过对归属于同一管线上的两个监测点进行历史液位数据的获取,根据历史液位数据分别计算两个监测点的基础液位,进而获取两个监测点的实时液位,根据两个监测点的基础液位和实时液位是否满足公式关系,从而判断污水管网是否堵塞,液位数据均通过管网系统前端已有的硬件设备采集而得到,减少运维人员现场排查问题工作量,节省企业人力成本。可在已有监测设备的基础上,不增加或者少加设备,达到监测管网堵塞的目的。
附图说明
图1为本申请一实施例提供的污水管网堵塞监测方法的流程示意图。
图2为本申请一实施例提供的污水管网堵塞监测系统的结构示意图。
附图标记:
100-监测终端;200-数据库服务器;300-上位机。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供一种污水管网堵塞监测方法。需要说明的是,本申请提供的污水管网堵塞监测方法的应用于污水管网系统。
此外,本申请提供的污水管网堵塞监测方法不限制其执行主体。可选地,本申请提供的污水管网堵塞监测方法的执行主体的可以为一种污水管网堵塞监测系统。污水管网堵塞监测系统安置于污水管网系统中,用于监测污水管网系统的堵塞状况。具体地,本申请提供的污水管网堵塞监测方法的执行主体可以为所述污水管网堵塞监测系统中的监测终端。
如图1所示,在本申请的一实施例中,污水管网堵塞监测方法包括如下S100至S200:
S100,筛选出多组监测点,每一组监测点包括归属于同一管线上的两个监测点。
具体地,污水管网系统中具有数量很多的监测点。本步骤需要对众多监测点进行筛选分组,将归属于同一管线上的两个监测点划分为一组。
S200,对每一组监测点执行下述步骤S210至S270:
S210,获取两个监测点的上下游关系,将处于上游的监测点作为上游监测点,将处于下游的监测点作为下游监测点。
具体地,数据库服务器中存储有每个监测点的上下游信息,可以通过监测点的点位ID从数据库服务器中获取。这些上下游信息是在创建污水管网系统时通过管线结构分析和管线内部污水流向分析后生成的。根据监测点的上下游信息,可以知道一个监测点为上游监测点还是下游监测点。
S220,分别获取上游监测点的历史液位数据和下游监测点的历史液位数据,并依据上游监测点的历史液位数据和下游监测点的历史液位数据分别计算上游监测点的基础液位和下游监测点的基础液位。
具体地,基础液位代表监测点的液位的基础参考值,它由监测点历史液位数据计算得到。基础液位的单位可以是米(m)。当然,本申请中所有“液位”都是相对于管道中的参考点而言的。比如一条管道中设置K点为参考点,作为基准。那么这条管道中上游监测点的液位和下游监测点的液位都是相对这条管道中的参考点的位置而言的。例如,上游监测点的液位为3米,那么上游监测点这个点位的液体高度为3米,且3米是相对于K点位置的高度而言的。一般K点的位置设置于监测点所处管道的管道最低点(即管道底部)。
S230,分别获取上游监测点的实时液位和下游监测点的实时液位。
具体地,实时液位是监测点的即时液位数据。实时液位的单位可以是米(m)。
S240,获取预设液位上升速率系数,判断上游监测点的实时液位和下游监测点的实时液位是否满足公式1。
Figure BDA0003539290230000051
其中,Ga1为上游监测点的基础液位。Ga2为上游监测点的实时液位。Gb1为下游监测点的基础液位。Gb2为下游监测点的实时液位。n为预设液位上升速率系数。
具体地,公式左侧代表上游监测点的液位上升速度,公式右侧代表下游监测点的液位上升速度。当上游监测点的液位上升速度显著大于下游监测点的液位上升速度时,即公式1成立时,可以确定上游监测点和下游监测点所在的管线堵塞,也即可以确定污水管网堵塞。预设液位上升速率系数用于定义这个“显著”的程度。
n的数值越大,代表堵塞判定条件越严格,整个污水管网堵塞监测系统的监测灵敏度越低,误报率越低。当n达到一个较大数值的阈值时,污水管网堵塞的判断条件比较苛刻,即满足公式1的条件难以达到,存在永远无法确定污水管网堵塞的可能,适用于低误报率需求的污水管网系统。。
n的数值越小,代表堵塞判断条件越松弛,整个污水管网堵塞监测系统的监测灵敏度越高。此时会频繁产生污水管网堵塞的报警,误报率会高,监测灵敏度会较高,适用于管控较为严格的污水管网系统,有一点点错误就要报警的场合。
通过n的数值设置,可以使得本申请提供的污水管网堵塞监测方法及系统,可以使用于不同的污水管网堵塞管控的需求场景,而使用起来可以根据需求的临时调整而实时调整,非常灵活。
S260,若上游监测点的实时液位和下游监测点的实时液位满足公式1,则确定污水管网堵塞,向上位机发出报警信号。
具体地,当确定污水管网堵塞时,向上位机发出报警信号,以向上位机报警。
反之,所述污水管网堵塞监测方法还包括:
S280,若上游监测点的实时液位和下游监测点的实时液位不满足公式1,则确定污水管网未堵塞,返回S220。
S270,返回所述S220。
具体地,对每一组监测点执行下述步骤S210至S270,每一组监测点执行步骤S210至S270时相互独立,实时完成同时监控多组监测点的监控过程。
本实施例中,首先通过对归属于同一管线上的两个监测点进行历史液位数据的获取,根据历史液位数据分别计算两个监测点的基础液位,进而获取两个监测点的实时液位,根据两个监测点的基础液位和实时液位是否满足公式关系,从而判断污水管网是否堵塞,液位数据均通过污水管网系统前端已有的硬件设备采集而得到,减少运维人员现场排查问题工作量,节省企业人力成本。可在已有监测设备的基础上,不增加或者少加设备,达到监测管网堵塞的目的。
在本申请的一实施例中,S100包括如下S110至S160:
S110,从数据库服务器的污水管网监测点位信息中筛选出所有与液位传感器关联的监测点。
具体地,污水管网系统的前端设置有多个液位传感器,每个液位传感器用于检测一个监测点的实时液位。然而,并不是所有监测点都设置有液位传感器,本步骤中由于只监控设置有液位传感器的监测点,因此在本步骤中,从数据库服务器的污水管网监测点位信息中筛选出所有与液位传感器关联的监测点。
S120,获取所有与液位传感器关联的监测点的点位ID。
具体地,每个监测点具有其对应的点位ID。
S130,将所有与液位传感器关联的监测点的点位ID依次输入GIS系统。
具体地,GIS系统即地理信息系统(GIS,geographic information system),是将计算机硬件、软件、地理数据以及系统管理人员组织而成的对任一形式的地理信息进行高效获取、存储、更新、操作、分析及显示的集成。在GIS系统中,空间数据由点、线、面等数据构成,监测点与监测点之间通过管线进行关联,每个监测点的点位ID,三维坐标和点位核心信息均存储于数据库服务器中,可以通过点位ID在GIS系统进行快速定位与检索。
S140,控制GIS系统获取每一个点位ID的三维坐标和点位核心信息。
具体地,GIS可以通过点位ID去数据库服务器中抓取与点位ID对应的三维坐标和点位核心信息。
S150,控制GIS系统依据不同点位ID的三维坐标和点位核心信息,将不同点位ID进行管线一致性的两两匹配。
具体地,点位核心信息包括监测点位名称、监测点位编码、和其对应的上下游监测点位之间的直线距离中的一种或多种。GIS通过三维坐标进行坐标匹配,进行初步管线一致性的匹配,再通过监测点位编码之间的耦合关系进行编码匹配,来最终完成管线一致性的监测点的两两匹配。
S160,将匹配成功的两个点位ID作为一组监测点。
具体地,通过执行S160后,可以得到多组监测点。
可选地,污水管网堵塞监测系统定期执行S110至S160,筛选出多组监测点,保证数据的实时性和准确性,并将多组监测点的分组关系保存至数据库服务器。
本实施例中,通过不同点位ID的三维坐标和点位核心信息,将不同点位ID进行管线一致性的两两匹配,使得归属于同一管线上的两个监测点可以被准确的筛选出来,便于后续的堵塞判定。
在本申请的一实施例中,S220包括如下S221至S224:
S221,从上游监测点和下游监测点中选取一个监测点。
S222,获取所述监测点的历史液位数据并去除降雨因素。
S223,将去除降雨因素后的历史液位数据进行偏差滤除,得到监测点的基础液位。
S224,返回所述S221,直至上游监测点的基础液位和下游监测点的基础液位均计算完毕为止。
具体地,基础液位是一个基础参考值,本实施例通过去除降雨因素,可以排除外部因素对来水的波动影响。进一步通过偏差滤除去除一些极端值,使得最终生成的基础液位更符合实际情况。
在本申请的一实施例中,S222包括如下S222a至S222g:
S222a,依据点位ID获取监测点的历史N天的液位数据,每一天的液位数据包括至少一个实时液位。N为整数且N大于或等于100。
S222b,确定每一天的降雨情况。将出现降雨情况的一天作为降雨日。将没有出现降雨日的一天作为非降雨日。。
S222c,选取一个降雨日。
S222d,判断从该降雨日后的第二天开始是否存在K+1个连续的非降雨日。K为整数且K大于或等于7。
S222e,若从该降雨日后的第二天开始存在K+1个连续的非降雨日,则从该降雨日后的第K+1天开始,至该降雨日后的下一个降雨日为止,选取连续W天的液位数据,W为从该降雨日后的第K+1天至该降雨日后的下一个降雨日之间的所有非降雨日的数量。
S222f,返回所述S222c,直至所有降雨日均执行过S222d至S222e的步骤为止。
S222g,求取所有选取到的液位数据的液位标准差,记为晴天液位标准差。
具体地,S222a中N的取值要尽量大一些,因为本实施例的技术逻辑是要取降雨日后的K+1个连续的非降雨日,因此为了能够取得到需要得到的业务数据,N的取值要尽量大一些。本实施例中N取大于或等于100,实际情况可以根据需求进行调整。如果N的取值较少,那么阴雨连绵的地区很容易取不到任何数据。
若从该降雨日后的第二天开始不存在K+1个连续的非降雨日,则返回所述选取一个降雨日。例如,3月1日-3月3日为降雨日,3月4日-3月8日为非降雨日,S222c中如果选取的降雨日为3月1日,那么执行S222d时,3月1日后的第二天是3月2日,3月2日还是一个降雨日,因此返回S22a的步骤选取另一个降雨日。3月2日也是同理,也不行。
S222c中如果选取的降雨日为3月3日,那么执行S222d时,3月3日后的第二天是3月4日,3月4日是一个非降雨日,因此可以执行后续S222e。
K取大于或等于7,是为了保证可以有周一到周日一个完整的数据采样周期。
S222e的具体执行方式举例,3月1日-3月3日为降雨日,那么需要放弃这部分数据,3月4日-3月8日晴天,3月9日再次降雨,由于3月4日-3月8日不满7天,因此也放弃。3月10日至3月20日晴天,3月21日为降雨日,3月10日至3月20日期间有11个非降雨日,K为7,满足存在K+1个连续的非降雨日的条件,那么这部分数据中,从第K+1天开始取,即从第8天开始取,即从3月17日开始取,一直取到3月21日为止。
需要说明的是,选取的W天的液位数据是包括第K+1天的液位数据的,但是不包括该降雨日后的下一个降雨日的液位数据的。因此,3月17日的液位数据是被选取的,但是3月21日的液位数据不被选取,因此最终被选取的液位数据为,3月17日的液位数据,3月18日的液位数据,3月19日的液位数据,3月20日的液位数据,一共4天的液位数据,W取4。
需要注意的是每天的液位数据可能包括多个实时液位,为不同时间节点采集的实时液位,那么要取3月17日至3月20日的所有实时液位。
进一步的,返回所述S222c,直至所有降雨日均执行过S222d至S222e的步骤为止,最终可以得到很多选取到的液位数据。
最终将所有选取到的液位数据求取标准差作为晴天液位标准差。需要注意的是选取到的液位数据,是以天为单位选取的液位数据,每天的液位数据可能包括多个实时液位,为不同时间节点采集的实时液位,那么S222g中实际是计算所有选取到的实时液位求取标准差作为晴天液位标准差。
例如,最终执行S222a至S222f后,选取了3月17日至3月20日的液位数据,以及4月2日至4月3日的液位数据,一共6天的液位数据。3月17日至3月20日都是每天取1个实时液位,4月2日至4月3日都是每天取2个实时液位,那么实际上一共有4*1+2*2=8个液位数据。最终执行S222g时,对这8个液位数据求取标准差,作为晴天液位标准差。
本实施例中,通过以从一个降雨日后的第K+1天开始,至该降雨日后的下一个降雨日为止,选取连续W天非降雨日的液位数据的规则选取液位数据,求取所有选取到的液位数据的液位标准差用于后续数据处理,可以准确的规避掉降雨因素对业液位数据的影响。
在本申请的一实施例中,S223包括如下S233a至S223f:
S223a,将所有选取到的液位数据按照小时的规模进行排列,计算每个小时内的液位平均值。
具体地,前述内容提到过,每天的液位数据可能包括多个实时液位,为不同时间节点采集的实时液位,本步骤将这些不同时间节点采集的实时液位按照小时的规模进行排列,计算每个小时内的液位平均值。
S223b,创建合格液位数据集合。
S223c,在所有选取到的液位数据中选取一个实时液位。
S223d,判断所述实时液位是否满足公式2。
g(G)-σ≤G≤g(G)+σ 公式2
其中,G为实时液位。g(G)为实时液位G归属的小时内的液位平均值。σ为晴天液位标准差。
S223e,若实时液位满足公式2,则将实时液位纳入合格液位数据集合,返回在所有选取到的中选取一个实时液位。
S223f,当所有选取到的液位数据中的所有实时液位均进行过是否满足公式2的判断后,计算合格液位数据集合内所有实时液位的平均值,将该平均值作为监测点的基础液位。
具体地,本实施例通过实时液位归属的小时内的液位平均值和晴天液位标准差作为偏差过滤基准,对实时液位进行过滤,剔除掉边缘数据,从而可以有效的减少降雨因素和数据偏差对基础液位的影响。
在本申请的一实施例中,S223还包括如下步骤:
S223g,若实时液位不满足公式2,则将该实时液位删除,返回在所述连续K天的液位数据中选取一个实时液位。
具体地,若实时液位不满足公式2,则将该实时液位删除。
在本申请的一实施例中,S260包括S261至S266:
S261,若上游监测点的实时液位和下游监测点的实时液位满足公式1,则确定污水管网初步堵塞,向上位机发出第一报警信号。
具体地,本实施例中,若上游监测点的实时液位和下游监测点的实时液位满足公式1,则不认为污水管网一定堵塞,考虑到误判的可能性,本实施例只将其判定为污水管网初步堵塞。
S262,启动计时器开始记录初步堵塞时间。
具体地,本步骤中,计时器是从0开始记录的。每次关闭计时器时,对计时器进行清零操作。
S263,获取上游监测点和下游监测点之间的管网距离,以及获取上游监测点的污水流速,依据公式2计算液位数据时间窗口。
Figure BDA0003539290230000121
其中,t为液位数据时间窗口。Sab为上游监测点和下游监测点之间的管网距离。Va为上游监测点的污水流速。
具体地,液位数据时间窗口代表了污水从上游监测点流至下游监测点的最短时间。
S264,获取计时器记录的初步堵塞时间。
S265,判断初步堵塞时间是否大于或等于液位数据时间窗口。
S266,若初步堵塞时间大于或等于液位数据时间窗口,则确定污水管网堵塞,向上位机发出第二报警信号,清零计时器。
具体地,S264至S266是一个判定循环,如果初步堵塞时间大于或等于液位数据时间窗口,则确定污水管网堵塞,向上位机发出第二报警信号,清零计时器。如果初步堵塞时间小于液位数据时间窗口,则返回所述S230继续监测,计时器仍然计时。
本实施例中,通过双重认证来确定管网堵塞,第一重认证是满足公式1,第二重认证是满足初步堵塞时间大于或等于液位数据时间窗口,这样可以防止误判情况发生。
在本申请的一实施例中,所述S260还包括如下步骤:
S267,若初步堵塞时间小于液位数据时间窗口,则返回所述S230。
具体地,若初步堵塞时间小于液位数据时间窗口,则返回所述S230继续监测,计时器仍然计时。
需要说明的是若上游监测点的实时液位和下游监测点的实时液位一旦不满足公式1,则清零计时器。
在本申请的一实施例中,S230包括如下S231至S233:
S231,在多个时间节点获取上游监测点的液位和下游监测点的液位,每个时间节点同时获取一次上游监测点的液位和下游监测点的液位。
S232,求取多个上游监测点的液位的平均值,作为上游监测点的实时液位。
S233,求取多个下游监测点的液位的平均值,作为下游监测点的实时液位。
具体地,例如在第一时间节点获取一次上游监测点的液位和下游监测点的液位,得到第一液位和第二液位。在第二时间节点获取一次上游监测点的液位和下游监测点的液位,得到第三液位和第四液位。在第三时间节点获取一次上游监测点的液位和下游监测点的液位,得到第五液位和第六液位。上游监测点的实时液位为第一液位、第三液位和第五液位的平均值。下游监测点的实时液位为第二液位、第四液位和第六液位的平均值。
本实施例中,由于在同一时间节点获取上游监测点的液位和下游监测点的液位时,可能会存在延迟情况,为了规避采样延迟,本实施例采用多次采样,分别求取平均值的方式,很好的规避了采样延迟。
本申请还提供一种污水管网堵塞监测系统。
如图2所示,在本申请的一实施例中,所述污水管网堵塞监测系统包括监测终端100、数据库服务器200和上位机300。所述监测终端100,用于执行前述内容提及的污水管网堵塞监测方法。所述数据库服务器200与监测终端100通信连接。所述上位机300与所述监测终端100通信连接。
具体地,污水管网堵塞监测系统和前述污水管网堵塞监测方法中出现的相同名称的设备或装置,为了表述简洁,统一在本实施例进行标号,不再前述前述污水管网堵塞监测方法的实施例进行标号。
以上所述实施例的各技术特征可以进行任意的组合,各方法步骤也并不做执行顺序的限制,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种污水管网堵塞监测方法,其特征在于,所述方法包括:
筛选出多组监测点,每一组监测点包括归属于同一管线上的两个监测点;
对每一组监测点执行下述步骤:
获取两个监测点的上下游关系,将处于上游的监测点作为上游监测点,将处于下游的监测点作为下游监测点;
分别获取上游监测点的历史液位数据和下游监测点的历史液位数据,并依据上游监测点的历史液位数据和下游监测点的历史液位数据分别计算上游监测点的基础液位和下游监测点的基础液位;
分别获取上游监测点的实时液位和下游监测点的实时液位;
获取预设液位上升速率系数,判断上游监测点的实时液位和下游监测点的实时液位是否满足公式1;
Figure FDA0003539290220000011
其中,Ga1为上游监测点的基础液位,Ga2为上游监测点的实时液位,Gb1为下游监测点的基础液位,Gb2为下游监测点的实时液位,n为预设液位上升速率系数;
若上游监测点的实时液位和下游监测点的实时液位满足公式1,则确定污水管网堵塞,向上位机发出报警信号;
返回所述分别获取上游监测点的历史液位数据和下游监测点的历史液位数据,并依据上游监测点的历史液位数据和下游监测点的历史液位数据分别计算上游监测点的基础液位和下游监测点的基础液位。
2.根据权利要求1所述的污水管网堵塞监测方法,其特征在于,所述筛选出多组监测点,包括:
从数据库服务器的污水管网监测点位信息中筛选出所有与液位传感器关联的监测点;
获取所有与液位传感器关联的监测点的点位ID;
将所有与液位传感器关联的监测点的点位ID依次输入GIS系统;
控制GIS系统获取每一个点位ID的三维坐标和点位核心信息;
控制GIS系统依据不同点位ID的三维坐标和点位核心信息,将不同点位ID进行管线一致性的两两匹配;
将匹配成功的两个点位ID作为一组监测点。
3.根据权利要求2所述的污水管网堵塞监测方法,其特征在于,所述分别获取上游监测点的历史液位数据和下游监测点的历史液位数据,并依据上游监测点的历史液位数据和下游监测点的历史液位数据分别计算上游监测点的基础液位和下游监测点的基础液位,包括:
从上游监测点和下游监测点中选取一个监测点;
获取所述监测点的历史液位数据并去除降雨因素;
将去除降雨因素后的历史液位数据进行偏差滤除,得到监测点的基础液位;
返回所述从上游监测点和下游监测点中选取一个监测点,直至上游监测点的基础液位和下游监测点的基础液位均计算完毕为止。
4.根据权利要求3所述的污水管网堵塞监测方法,其特征在于,获取监测点的历史液位数据并去除降雨因素包括:
依据点位ID获取监测点的历史N天的液位数据,每一天的液位数据包括至少一个实时液位;N为整数且N大于或等于100;
确定每一天的降雨情况,将出现降雨情况的一天作为降雨日,将没有出现降雨日的一天作为非降雨日;
选取一个降雨日;
判断从该降雨日后的第二天开始是否存在K+1个连续的非降雨日;K为整数且K大于或等于7;
若从该降雨日后的第二天开始存在K+1个连续的非降雨日,则从该降雨日后的第K+1天开始,至该降雨日后的下一个降雨日为止,选取连续W天的液位数据,W为从该降雨日后的第K+1天至该降雨日后的下一个降雨日之间的所有非降雨日的数量;
返回所述选取一个降雨日,直至所有降雨日均执行过所述判断从该降雨日后的第二天开始是否存在K个连续的非降雨日为止;
求取所有选取到的液位数据的液位标准差,记为晴天液位标准差。
5.根据权利要求4所述的污水管网堵塞监测方法,其特征在于,所述将去除降雨因素后的历史液位数据进行偏差滤除,得到监测点的基础液位,包括:
将所有选取到的液位数据按照小时的规模进行排列,计算每个小时内的液位平均值;
创建合格液位数据集合;
在所有选取到的液位数据中选取一个实时液位;
判断所述实时液位是否满足公式2;
g(G)-σ≤G≤g(G)+σ; 公式2;
其中,G为实时液位,g(G)为实时液位G归属的小时内的液位平均值,σ为晴天液位标准差;
若实时液位满足公式2,则将实时液位纳入合格液位数据集合,返回在所有选取到的液位数据中选取一个实时液位;
当所有选取到的液位数据中的所有实时液位均进行过是否满足公式2的判断后,计算合格液位数据集合内所有实时液位的平均值,将该平均值作为监测点的基础液位。
6.根据权利要求5所述的污水管网堵塞监测方法,其特征在于,所述将去除降雨因素后的历史液位数据进行偏差滤除,得到监测点的基础液位,还包括:
若实时液位不满足公式2,则将该实时液位删除,返回在所述连续K天的液位数据中选取一个实时液位。
7.根据权利要求6所述的污水管网堵塞监测方法,其特征在于,所述若上游监测点的实时液位和下游监测点的实时液位满足公式1,则确定污水管网堵塞,向上位机发出报警信号,包括:
若上游监测点的实时液位和下游监测点的实时液位满足公式1,则确定污水管网初步堵塞,向上位机发出第一报警信号;
启动计时器开始记录初步堵塞时间;
获取上游监测点和下游监测点之间的管网距离,以及获取上游监测点的污水流速,依据公式2计算液位数据时间窗口;
Figure FDA0003539290220000041
其中,t为液位数据时间窗口,Sab为上游监测点和下游监测点之间的管网距离,Va为上游监测点的污水流速;
获取计时器记录的初步堵塞时间;
判断初步堵塞时间是否大于或等于液位数据时间窗口;
若初步堵塞时间大于或等于液位数据时间窗口,则确定污水管网堵塞,向上位机发出第二报警信号,清零计时器。
8.根据权利要求7所述的污水管网堵塞监测方法,其特征在于,所述若上游监测点的实时液位和下游监测点的实时液位满足公式1,则确定污水管网堵塞,向上位机发出报警信号,还包括:
若初步堵塞时间小于液位数据时间窗口,则返回所述分别获取上游监测点的实时液位和下游监测点的实时液位。
9.根据权利要求8所述的污水管网堵塞监测方法,其特征在于,所述分别获取上游监测点的实时液位和下游监测点的实时液位,包括:
在多个时间节点获取上游监测点的液位和下游监测点的液位,每个时间节点同时获取一次上游监测点的液位和下游监测点的液位;
求取多个上游监测点的液位的平均值,作为上游监测点的实时液位;
求取多个下游监测点的液位的平均值,作为下游监测点的实时液位。
10.一种污水管网堵塞监测系统,其特征在于,包括:
监测终端,用于执行如权利要求1-9中任意一项所述的污水管网堵塞监测方法;
数据库服务器,与监测终端通信连接;
上位机,与所述监测终端通信连接。
CN202210233028.4A 2022-03-09 2022-03-09 污水管网堵塞监测方法及系统 Active CN114611728B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210233028.4A CN114611728B (zh) 2022-03-09 2022-03-09 污水管网堵塞监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210233028.4A CN114611728B (zh) 2022-03-09 2022-03-09 污水管网堵塞监测方法及系统

Publications (2)

Publication Number Publication Date
CN114611728A true CN114611728A (zh) 2022-06-10
CN114611728B CN114611728B (zh) 2023-02-28

Family

ID=81861826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210233028.4A Active CN114611728B (zh) 2022-03-09 2022-03-09 污水管网堵塞监测方法及系统

Country Status (1)

Country Link
CN (1) CN114611728B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116956182A (zh) * 2023-09-21 2023-10-27 武汉华信数据系统有限公司 污水管网中的故障检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5695473A (en) * 1994-07-27 1997-12-09 Sims Deltec, Inc. Occlusion detection system for an infusion pump
US20090250125A1 (en) * 2008-04-02 2009-10-08 Ivan Howitt Monitoring systems and methods for sewer and other conduit systems
JP2019073868A (ja) * 2017-10-13 2019-05-16 株式会社西原衛生工業所 排水管詰まり検知システム及び排水管詰まり検知プログラム
GB201917602D0 (en) * 2019-12-02 2020-01-15 Amey Ventures Ltd Sewer blockage detection
WO2020049310A1 (en) * 2018-09-06 2020-03-12 Environmental Monitoring Solutions Limited Smart sewer system
CN113935439A (zh) * 2021-12-15 2022-01-14 阿里云计算有限公司 排水管网的故障检测方法、设备、服务器及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5695473A (en) * 1994-07-27 1997-12-09 Sims Deltec, Inc. Occlusion detection system for an infusion pump
US20090250125A1 (en) * 2008-04-02 2009-10-08 Ivan Howitt Monitoring systems and methods for sewer and other conduit systems
JP2019073868A (ja) * 2017-10-13 2019-05-16 株式会社西原衛生工業所 排水管詰まり検知システム及び排水管詰まり検知プログラム
WO2020049310A1 (en) * 2018-09-06 2020-03-12 Environmental Monitoring Solutions Limited Smart sewer system
GB201917602D0 (en) * 2019-12-02 2020-01-15 Amey Ventures Ltd Sewer blockage detection
CN113935439A (zh) * 2021-12-15 2022-01-14 阿里云计算有限公司 排水管网的故障检测方法、设备、服务器及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116956182A (zh) * 2023-09-21 2023-10-27 武汉华信数据系统有限公司 污水管网中的故障检测方法
CN116956182B (zh) * 2023-09-21 2023-12-26 武汉华信数据系统有限公司 污水管网中的故障检测方法

Also Published As

Publication number Publication date
CN114611728B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN102087788B (zh) 基于浮动车车速置信度的交通状态参数估计方法
CN110298768B (zh) 一种基于bim与gis的路桥养护辅助决策系统及养护方法
CN109409694B (zh) 基于实测值的地块海绵城市绩效考核指标计算方法
CN101930668A (zh) 车牌识别的道路交通od信息采集系统及其处理方法
CN110646867A (zh) 一种城市排水监测预警方法和系统
CN104809511A (zh) 绝缘子污染预测方法及设备
CN111582188B (zh) 一种基于人工智能的混凝土浇筑旁站监理方法
CN110738355A (zh) 一种基于神经网络的城市内涝预测方法
CN114611728B (zh) 污水管网堵塞监测方法及系统
CN110782120A (zh) 一种交通流模型的评测方法、系统、设备及介质
CN108681717B (zh) 城市级交通视频检测设备质量检测方法
CN110853347A (zh) 一种短时交通路况预测方法、装置及终端设备
CN110472796A (zh) 海绵城市建设试点区水量水质监测布点方法及预警系统
CN111928120A (zh) 一种雨污管网监控系统
CN111241660B (zh) 一种基于云计算技术的土木工程实验检测系统及方法
CN115760779A (zh) 一种基于bim技术的道路施工监管系统
CN112434260A (zh) 一种公路的交通状态检测方法、装置、存储介质及终端
CN116227362A (zh) 一种基于图与深度学习的市政排水管网状态预测方法
CN115789527A (zh) 一种基于水环境信息化治理的分析系统及方法
CN116703004B (zh) 一种基于预训练模型的水系流域智慧巡护方法和装置
WO2021237768A1 (zh) 一种基于数据驱动的实现预测模型自动化迭代的系统
CN108596381B (zh) 基于od数据的城市停车需求预测方法
CN116662935A (zh) 基于空气质量监测网络的大气污染物空间分布预测方法
CN116756825A (zh) 一种中小跨径桥梁的群结构性能预测系统
CN116126963A (zh) 非线性多源异构排水模型诊断入流入渗方法

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