CN116108699A - 城市排水管网预警系统、预警方法及计算机可读存储介质 - Google Patents
城市排水管网预警系统、预警方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116108699A CN116108699A CN202310362044.8A CN202310362044A CN116108699A CN 116108699 A CN116108699 A CN 116108699A CN 202310362044 A CN202310362044 A CN 202310362044A CN 116108699 A CN116108699 A CN 116108699A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- early warning
- operation data
- point
- pipe network
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Emergency Management (AREA)
- Remote Sensing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种城市排水管网预警系统、预警方法及计算机可读存储介质,涉及排水管网预警领域。由采集设备采集排水管网中各站点的运行数据,以预定时间间隔生成运行数据日志;由前置采集模块对接运行数据文本,将运行数据文本统一标准化,从运行数据文本中挑选出特征字段;由监控模块分析来自所述前置采集模块采集得到的排水管网运行数据,并向用户发出告警通知。整个预警系统包含分散节点、行星节点、主节点,将采集设备布置在分散节点处,将下位机布置在行星节点处,多个采集设备的采集数据汇总至下位机,多个下位机最终把数据汇总至前置采集模块。当其中单一节点出现故障时,还可以保证整体系统正常运行,留给运维人员诊断的条件。
Description
技术领域
本发明涉及排水管网预警领域,尤其涉及一种城市排水管网预警系统、预警方法及计算机可读存储介质。
背景技术
排水管网承担雨水和污水的收集和输送任务,包括庭院小区内部和外部的排水管道,由户管、支管、干管、总管等组成。根据排水规划所确定的排水体制,分为合流制和分流制两大类。排水管网通常是重力流管道,而且截面较大,在城镇的道路建设中,其他非重力流管道一般都避让排水管道。
目前,大多数地区的排水管网预警系统没有一个全局统筹的模式,使得监测结果并不全面,无法及时提供预警信息给决策者,因此无法满足当今复杂的城市排水管网建设。
发明内容
发明目的:提出一种城市排水管网预警系统,并进一步提出一种城市排水管网预警方法及计算机可读存储介质,以解决现有技术存在的上述问题。
第一方面,提出一种城市排水管网预警系统,包括采集设备、场站端、中心端三个组成部分。
采集设备用于采集排水管网的运行数据,以预定时间间隔生成运行数据日志;所述运行数据日志中包括多组运行数据文本。
场站端包括用于发出操作指令的上位机,用于直接获取运行数据的下位机,以及在所述上位机和所述下位机之间实现数据交流的通信网络。
中心端包括与所述上位机对接的前置采集模块,以及与所述前置采集模块对接的监控模块。
前置采集模块用于对接所述运行数据文本,将所述运行数据文本统一标准化,从所述运行数据文本中挑选出特征字段,并将所述特征字段构建为N维矢量。
监控模块用于分析来自所述前置采集模块采集得到的排水管网运行数据,并向用户发出告警通知。
在第一方面进一步的实施例中,所述采集设备安装在所述排水管网的分散节点处,所述采集设备之间相互通信连接;预定区域内的多个采集设备汇总至行星节点处,所述行星节点处安装所述下位机;全部所述行星节点汇总至主节点A处,所述前置采集模块安装在所述主节点A处。每个所述分散节点处、行星节点处都分别安装有至少一个边缘计算网关。
第二方面,提出一种城市排水管网预警方法,该预警方法包括如下步骤:
步骤1、数据采集:由采集设备采集排水管网中各站点的运行数据,以预定时间间隔生成运行数据日志;所述运行数据日志中包括多组运行数据文本;
步骤2、数据预处理:由前置采集模块对接所述运行数据文本,将所述运行数据文本统一标准化,从所述运行数据文本中挑选出特征字段,并将所述特征字段构建为N维矢量;
步骤3、数据分析预警:由监控模块分析来自所述前置采集模块采集得到的排水管网运行数据,并向用户发出告警通知。
在第二方面进一步的实施例中,所述采集设备以预定时间间隔生成运行数据日志,所述数据日志按照“分类+设备代码+测点代码+类型代码”的编码格式命名,所述运行数据日志内记录有多组运行数据文本;
由前置采集模块对接所述运行数据文本,分别形成设备状态表I1、传感器表I2、控制状态表I3、远程控制表I4;
每个表下分别包含有若干设备字段;每个所述设备字段的下包含一个测点名称字段;每个所述测点名称字段下包含一个类型字段。
在第二方面进一步的实施例中,提取所述设备字段中与故障相关的字段作为特征字段,由此特征字段形成故障状态表I5;所述特征字段包括如下三个标签:设备状态标签T1、传感器故障标签T2、控制状态标签T3;
在形成所述故障状态表I5之后,开始创建故障评分模型,步骤如下:
S1、定义总标签为T,;
其中,设备状态标签T1下包含有i个属性,;设备状态标签T1的权重值记为W1;设备状态标签T1的故障等级记为,对应于i个故障等级评分;
传感器故障标签T2下包含有j个属性,;传感器故障标签T2的权重值记为W2;传感器故障标签T2的故障等级记为,对应于j个故障等级评分;
控制状态标签T3下包含有k个属性,;控制状态标签T3的权重值记为W3;控制状态标签T3的故障等级记为,对应于k个故障等级评分;
S2、将上述故障等级评分导入所述监控模块,并与内建预警评分阈值做比对,所述内建预警评分阈值分为第一预警阈值V1、第二预警阈值V2、预警极限值V3;
S3、所述监控模块执行预警判定流程,并向用户发出告警通知。
在第二方面进一步的实施例中,S3中所述监控模块执行预警判定流程如下:
若故障等级评分<第一预警阈值V1,则进入待命流程,等待捕获下一次运行数据,若下一次捕获的运行数据最终生成的故障等于评分仍然小于第一预警阈值V1,则不做出预警;
若第一预警阈值V1≤故障等级评分<第二预警阈值V2,则直接发出一级预警;
若第二预警阈值V2≤故障等级评分<预警极限值V3,则直接发出紧急预警。
在第二方面进一步的实施例中,在步骤1中数据采集之前,还包括:利用管网上下游追溯方法对管线、管点建立拓扑关系。
在第二方面进一步的实施例中,对管线、管点建立拓扑关系的过程包括:
对接管线实体数据库;
在管线实体数据库中检索,按照上下游追溯的逻辑关系将管线查询出来,并返回到前端;
前端通过解析数据,在GIS界面绘制出结果数据并在决策者终端显示;
步骤3中所述监控模块分析来自所述前置采集模块采集得到的排水管网运行数据,并在地图上向用户发出告警通知,告警通知方式包括:以预定频率在告警地点处闪烁告警框,告警框内显示告警文本。
在第二方面进一步的实施例中,对管线、管点建立拓扑关系的过程进一步包括:
S0-1、选择要进行追溯的管点或管线;
S0-2、如果选择的是管线,首先提取管线的起点管点,写入到管点集合P中;
S0-3、查找以管点P为终点的管线,如果搜索不到,则没有上游管线,搜索结束;否则遍历管线,找出所有以P为终点的管线,将管线写入管线数据集L中;
S0-4、如果管点P不在输出管点集中,则写入输出管点集中,并结束该管点的搜索;如果管点P已经在输出管点集中,则直接结束该管点的搜索;
如果管线L不在输出管线集中,则提取该管线的起点点号写入到管点集合P中,同时将管线L写入输出管线集中,并结束该管线的处理;如果管线L已经在输出管线集中,则直接结束该管线的处理;
S0-5、重新执行第三步操作,继续下一个管点的查询,直至查找完所有管点、管线数据,输出管点集合、管线集合就是上游追溯的全部输出成果;
S0-6、将输出管点集合、输出管线集合在GIS界面上绘制并展示出来。
第三方面,提出一种计算机可读存储介质,存储介质中存储有至少一可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如第二方面所述的城市排水管网预警方法的操作。
有益效果:本发明提出的城市排水管网预警系统,整个预警系统包含了分散节点、行星节点、主节点,将采集设备布置在分散节点处,将下位机布置在行星节点处,多个采集设备的采集数据汇总至位于行星节点处的下位机,多个下位机最终把全部数据汇总至前置采集模块。当其中单一节点出现故障时,还可以保证整体系统正常运行,留给运维人员诊断的条件。如此一来充分优化了排水管网预警的拓扑结构,避免了传统预警系统中中心化网络不稳定的问题出现。
此外,本发明还提出了管网上下游追溯算法,在表达城市排水管网数据时,可以对管线、管点建立拓扑关系,对管网中的水流进行建模分析。管网上下游追溯算法就是根据管网间的拓扑关系,直接在标准的管线实体数据库中检索,按照上下游追溯的逻辑关系将管线查询出来,并返回到前端。前端通过解析数据,在地图视图中将结果数据绘制出来进行展示。
附图说明
图1是本发明提出的城市排水管网预警方法的流程图。
图2是本管网上下游追溯算法的流程图。
图3是本发明提出的城市排水管网预警系统位于用户端一侧的展示示意图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
经过研究发现,目前大多数地区的排水管网系统没有一个全局统筹的模式,使得监测结果并不全面,无法及时提供预警信息给决策者,因此无法满足当今复杂的城市排水管网建设。为此,本实施例提出一种城市排水管网预警方法,见图1,步骤如下:
S0、建立拓扑关系:在表达城市排水管网数据时,可以对管线、管点建立拓扑关系,对管网中的水流进行建模分析。管网上下游追溯算法就是根据管网间的拓扑关系,直接在标准的管线实体数据库中检索,按照上下游追溯的逻辑关系将管线查询出来,并返回到前端。前端通过解析数据,在地图视图中将结果数据绘制出来进行展示。
优选的,本实施例提出一种管网上下游追溯分析算法,见图2,本算法是基于管线数据库设计的,因此在分析前,管线、管点数据已入库,并且对流向是反向的管线做了处理,入库后保证所有的管线的流向都是正向的。
下面以上游追溯算法为例(下游追溯类似),说明算法步骤。具体流程是:
1)选择要进行追溯的管点(写入到管点集合P中)或管线(写入到管线集合L中)。
2)如果选择的是管线,首先提取管线的起点管点,写入到管点集合P中。
3)查找以管点P为终点的管线,如果搜索不到,则没有上游管线,搜索结束;否则遍历管线,找出所有以P为终点的管线,将管线写入管线数据集L中。
4)如果管点P不在输出管点集中,则写入输出管点集中,并结束该管点的搜索;如果管点P已经在输出管点集中,则直接结束该管点的搜索。
如果管线L不在输出管线集中,则提取该管线的起点点号写入到管点集合P中,同时将管线L写入输出管线集中,并结束该管线的处理;如果管线L已经在输出管线集中,则直接结束该管线的处理。
5)重新执行第三步操作,继续下一个管点的查询,直至查找完所有管点、管线数据,输出管点集合、管线集合就是上游追溯的全部输出成果。
6)将输出管点集合、输出管线集合在GIS界面上绘制并展示出来,见图3。
需要注意的是,在整个搜索过程中,对已经遍历的数据进行标记至关重要,这是避免重复查询,退出循环的关键设置。下游分析算法跟上游溯源分析算法类似,不同之处在于是寻找管线起点还是终点,内部逻辑是一致的,此处不作赘述。
S1、数据采集:由采集设备采集排水管网中各站点的运行数据,以预定时间间隔生成运行数据日志;所述运行数据日志中包括多组运行数据文本。采集设备每分钟生成一次运行数据日志,所述数据日志按照“分类+设备代码+测点代码+类型代码”的编码格式命名,运行数据日志内记录有多组运行数据文本。运行数据文本见各类设施测点表,具体分为表1.1设备状态测点表、表1.2传感器测点表、表1.3控制状态测点表、表1.4远程控制测点表、表1.5故障状态测点表。
表1.1设备状态测点表
表1.2传感器测点表
表1.3控制状态测点表
表1.4远程控制测点表
表1.5故障状态测点表
S2、数据预处理:由前置采集模块对接所述运行数据文本,将所述运行数据文本统一标准化,从所述运行数据文本中挑选出特征字段,并将所述特征字段构建为N维矢量。
优选的,前置采集模块对接运行数据文本,分别形成设备状态表I1、传感器表I2、控制状态表I3、远程控制表I4;每个表下分别包含有若干设备字段;每个所述设备字段的下包含一个测点名称字段;每个所述测点名称字段下包含一个类型字段。
S3、数据分析预警:监控模块分析来自所述前置采集模块采集得到的排水管网运行数据,并在地图上向用户发出告警通知,告警通知方式包括:以预定频率在告警地点处闪烁告警框,告警框内显示告警文本。
优选的,监控模块分析来自所述前置采集模块采集得到的排水管网运行数据的过程如下:
首先,监控模块提取设备字段中与故障相关的字段作为特征字段,由此特征字段形成故障状态表I5;所述特征字段包括如下三个标签:设备状态标签T1、传感器故障标签T2、控制状态标签T3;
在形成故障状态表I5之后,开始创建故障评分模型:
定义总标签为T,;
其中,设备状态标签T1下包含有4个属性,;表示闸门/堰门(无行程),为模拟量,表达闸门/堰门状态,1是开,0是关,2是半开。
表示闸门/堰门(有行程),为模拟量,表达闸门/堰门状态,提供行程转换后百分比数值:0(全关)-100(全开)。
表示电动阀门,为开关量,表达电动阀门运行状态,1是开,0是关。
表示水泵,为开关量,表达水泵运行状态,1是运行,0是停止。
设备状态标签T1的权重值记为W1;设备状态标签T1的故障等级记为,对应于4个故障等级评分;
传感器故障标签T2下包含有18个属性,分别为:液位计、流量计、雨量计、溶解氧、浊度计、温度计、PH、五日生化需氧量、CODCr水质监测仪、氨氮水质监测仪、总磷监测仪、总氮监测仪、氨气监测仪、甲烷监测仪、硫化氢监测仪、电压表、电流表、能耗表。表示如下:;传感器故障标签T2的权重值记为W2;传感器故障标签T2的故障等级记为,对应于18个故障等级评分;
控制状态标签T3下包含有5个属性,分别为:PLC控制状态、闸(堰)门控制状态、水泵控制状态、触摸屏控制状态、其他设备控制状态。表达如下:;控制状态标签T3的权重值记为W3;控制状态标签T3的故障等级记为,对应于5个故障等级评分。
以上权重值Wi的计算过程如下:
首先,将每个标签分别构造两两比较的判断矩阵。
表2:设备状态判断矩阵
表3:传感器故障判断矩阵
表4:控制状态判断矩阵
在层次分析法中,指标判断的定量化关键在于任意两个方案对于某一准则的相对重要程度的判断。因此,决策者需要反复地回答:针对各指标层,两个元素哪一个更重要,重要多少,并为重要程度赋值,通常采用 9 级标度法对各指标进行重要性对比,见下表5。
表5:判断矩阵标度及含义
接着,将各判断矩阵的各行向量进行几何平均:
具体计算步骤如下:判断矩阵每一行元素乘积,构造一个新的向量;新向量的每个分量开 n 次方;所得向量进行归一化处理,处理后的数据为权重。
接着,计算各层元素对总目标层的综合权重:
在分层获得了同层各要素之间的相对权重之后,计算各元素对总目标的相对权重,即综合权重。综合排序权重的计算自上而下,将单一准则下获得的权重进行合成:
式中,是第x层元素获得的权重值;是第y层元素获得的权重值。
最后,每一个元素乘上对应的权重值即可得到对应的故障等级评分。
将上述故障等级评分导入所述监控模块,并与内建预警评分阈值做比对,所述内建预警评分阈值分为第一预警阈值60、第二预警阈值80、预警极限值90;
监控模块执行预警判定流程,并向用户发出告警通知。
优选的,若故障等级评分<60,则进入待命流程,等待捕获下一次运行数据,若下一次捕获的运行数据最终生成的故障等于评分仍然小于60,则不做出预警。若60≤故障等级评分<80,则直接发出一级预警。若80≤故障等级评分<90,则直接发出紧急预警。
本实施例额外提出一种城市排水管网预警系统,首先需要对所述排水管网做出如下定义:排水管网承担雨水和污水的收集和输送任务,包括庭院小区内部和外部的排水管道,由户管、支管、干管、总管等组成。根据排水规划所确定的排水体制,分为合流制和分流制两大类。排水管网通常是重力流管道,而且截面较大,在城镇的道路建设中,其他非重力流管道一般都避让排水管道。在地形和水文地质条件不利的情况下,为了避免管道埋设过深,或因地下水位过高,施工有困难时,可增设中途提升泵站和压力管道。在污水管网的终端一般都设有污水泵站,将污水提升后送入污水处理厂。雨水管网一般随地形坡降埋设,就近排入天然水体,避免设置雨水泵站。在封闭的低洼地区,或在受河湖洪水位及海潮顶托的情况下,雨水排泄有困难时,才建设雨水泵站。排水管网通常埋设较深,扩建困难,设计时应考虑较长的使用年限。
在标准的城市排水管网系统内,通常包含如下设备:闸门/堰门、电动阀门、水泵。在上述设备下,通常设有如下传感器:液位计、流量计、雨量计、溶解氧、浊度计、温度计、PH计、CODCr水质监测仪、氨氮水质监测仪、总磷监测仪、总氮监测仪、氨气监测仪、甲烷监测仪、硫化氢监测仪、电压表、电流表、能耗表。上述每个设备和传感器都对应于一个测点,即对应于上文表1。
该排水管网预警系统能够实现上述实施例提出的城市排水管网预警方法。本预警系统为管理监控系统(上位)对控制部分(下位)的数据采集与监控管理系统,也是主站和远程终端单元(RTU)站之间作为输入/输出(I / O)信号传输的电子系统。主站将通过遥测网络从RTU接收I / O传输,然后将数据存储在主机上。
具体来说,本预警系统分为场站端和管理端。
场站端主要是三部分:下位机、通信网络、上位机。下位机侧重采集和控制。一般由RTU和PLC/单片机组成。通信网络实现上、下位机之间数据交流。上位机侧重监控功能。一般由电脑和服务组成,主要起到远程监控、报警处理、数据存储以及与其他系统集合的作用。
管理端(也叫中心端):一般包括前置采集、SCADA应用。前置采集实现各种采集设备的协议解析、转换。SCADA应用实现设备数据存储、监控、告警、联动调度等,也可以与业务需求结合产生行业应用。
上位机是指人可以直接发出操控命令的计算机,在工业控制中位于较高层次,一般指PC,屏幕上显示各种信号变化(液压,水位,温度等)。下位机是直接控制设备获取设备状况的计算机,一般是PLC/单片机之类。下位机不时读取设备状态数据(一般模拟量、开关量),转化成数字信号反馈给上位机。上位机发出的指令首先给下位机,下位机再根据此命令解释成相应时序信号直接控制相应设备。
视频接入时,各厂家视频监控和平台视频监控软件应满足《安全防范视频监控联网系统信息传输、交换、控制技术要求》(GB/T28181),支持云台控制、设备录像检索、回放,实现浏览器无插件直播等。本地视频存储时间应不低于1个月。视频监控系统建设时,局域网络组网介质应为双绞线或者光纤。如采用双绞线组网,双绞线应为五类或者超五类线且摄像头与本地汇聚交换机/路由器传输距离不应超过100米。
下位机设备数据接入应执行国际通用的MODBUS 协议或OPC UA协议,或者采用智能网关通过MQTT协议向云端传输数据。下位机设备应支持离线数据长传功能,保障上下位机异常失联时数据不丢失,离线数据存储时间需≥3个月或存储数据条数不低于1万条。
如下位机设备确定需要智能网关通过MQTT协议向云端传输数据,遵守如下MQTT格式。
服务器
排水平台内置的 MQTT 服务器支持TCP连接方式。TCP 连接方式采用1883端口。采用MQTT协议接入的下位机应接入排水平台MQTT服务器。
排水平台MQTT服务器地址:scada.deltawaters.online端口:1883。
MQTT ClientID 同时应作为网关序列号(网关ID)/设备序列号。
数据类型说明
timestamp 为时间戳,如果省略,平台收到消息后会自动补全,支持两种格式:
string 类型采用RFC3339标准格式;
number 类型为unix时间戳(从1970年1月1日(UTC/GMT的午夜)开始所经过的秒数)。
平台订阅数据
①网关状态
主题格式:api/v1/lwt/[网关序列号]
用于平台获取网关在线离线状态。
LWT 全称为 Last Will and Testament,当 MQTT Client 连接到 Broker 时可以设置一个遗愿,包括遗愿主题、遗愿 QoS、遗愿消息等。 顾名思义,当 MQTT Broker 检测到 Client 非正常地断开连接的时候,就会向遗愿主题里面发布一条消息。
Broker 在以下情况下认为 Client 是非正常断开连接的:
Broker 检测到底层的 I/O 异常;
Client 未能在 Keep Alive 的间隔内和 Broker 之间有消息交互;
Client 在关闭底层 TCP 连接前没有发送 DISCONNECT 数据包;
Broker 因为协议错误关闭和 Client 的连接,比如 Client 发送了一个格式错误的 MQTT 数据包。
网关需要按以下方式设置遗愿:
主题:api/v1/lwt/[网关序列号];
QoS:1;
消息体:offline;
网关在连接到 Broker 时需要主动向遗愿主题发送一个在线信息,消息体内容为:online。
由于 Client 正常断开链接时不会触发 Broker LWT 机制,如果网关正常断开链接,需要向遗愿主题主动发送消息体 offline 通知平台网关离线。
②数据上报
用于网关向云平台上送网关采集的数据。消息格式支持两种方式分别对应不同的消息主题。
主题格式1:api/v1/real/[网关序列号]
每次发送多个测点的数据,消息格式为JSON数组:
[
{
"deviceID" : "device-001",
"pointID" : "Ia",
"value" : 25.05,
"timestamp" : "2018-04-06T15:36:46.2744203+08:00"
},
{
"deviceID" : "device-001",
"pointID" : "DI1",
"value" : false,
"timestamp" : "2018-04-06T15:36:46.2744203+08:00"
}
]
状态量测点采用boolean类型保存在value字段中。模拟量测点和脉冲量测点采用number类型保存在value字段中。timestamp 字段可以省略。
主题格式2:api/v1/data/[网关序列号]
每次发送多个设备的数据,消息格式为JSON数组:
[
{
"deviceID" : "device-001",
"timestamp" : "2018-04-06T15:36:46.2744203+08:00",
"fields": {
"Temperature": 25.05,
"Humidity": "20",
"Fault": "true"
}
}
]
所有测点数据以 object 方式保存在 fields 字段中,测点值支持 boolean、number、string 3 种格式,如果不确定采用哪种格式可以统一采用 string。timestamp 字段可以省略。
③、历史数据
主题格式: api/v1/his/[网关序列号]
如果网关未连接到MQTT服务器,可以将数据保存为历史数据。待到成功连接到MQTT服务器后,以设备为单位推送测点历史数据,消息格式为JSON数据。消息体:
[
{
"deviceID" : "device-001",
"timestamp" : "2018-04-06T15:36:46.2744203+08:00",
"fields": {
"Temperature": 25.05,
"Humidity": "20",
"Fault": "true"
}
}
]
④网关响应
消息主题格式:api/v1/ack/[网关序列号]
网关执行采集点写入、校时等命令后,需要向平台侧发送响应回执。
{
"messageID": "<uuid>", // 控制命令ID,平台侧发送响应
"errCode": 0, // 错误码,0 表示成功
"errMsg" : "" // 错误信息
}
messageID 属性由平台侧发送控制指令时提供,网关进行响应时需要提供相同的messageID。
优选的,本实施例还额外提出一种计算机可读存储介质,该可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上述所述的排水管网预警方法。
计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
如上所述,尽管参照特定的优选实施例已经表示和表述了本发明,但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下,可对其在形式上和细节上做出各种变化。
Claims (10)
1.一种城市排水管网预警系统,其特征在于,包括:
采集设备,用于采集排水管网的运行数据,以预定时间间隔生成运行数据日志;所述运行数据日志中包括多组运行数据文本;
场站端,包括用于发出操作指令的上位机,用于直接获取运行数据的下位机,以及在所述上位机和所述下位机之间实现数据交流的通信网络;
中心端,包括与所述上位机对接的前置采集模块,以及与所述前置采集模块对接的监控模块;
所述前置采集模块用于对接所述运行数据文本,将所述运行数据文本统一标准化,从所述运行数据文本中挑选出特征字段,并将所述特征字段构建为N维矢量;
所述监控模块用于分析来自所述前置采集模块采集得到的排水管网运行数据,并向用户发出告警通知。
2.根据权利要求1所述的城市排水管网预警系统,其特征在于:所述采集设备安装在所述排水管网的分散节点处,所述采集设备之间相互通信连接;
预定区域内的多个采集设备汇总至行星节点处,所述行星节点处安装所述下位机;
全部所述行星节点汇总至主节点A处,所述前置采集模块安装在所述主节点A处;
每个所述分散节点处、行星节点处都分别安装有至少一个边缘计算网关。
3.一种城市排水管网预警方法,其特征在于,包括如下步骤:
步骤1、数据采集:由采集设备采集排水管网中各站点的运行数据,以预定时间间隔生成运行数据日志;所述运行数据日志中包括多组运行数据文本;
步骤2、数据预处理:由前置采集模块对接所述运行数据文本,将所述运行数据文本统一标准化,从所述运行数据文本中挑选出特征字段,并将所述特征字段构建为N维矢量;
步骤3、数据分析预警:由监控模块分析来自所述前置采集模块采集得到的排水管网运行数据,并向用户发出告警通知。
4.根据权利要求3所述的城市排水管网预警方法,其特征在于,所述采集设备以预定时间间隔生成运行数据日志,所述数据日志按照“分类+设备代码+测点代码+类型代码”的编码格式命名,所述运行数据日志内记录有多组运行数据文本;
由前置采集模块对接所述运行数据文本,分别形成设备状态表I1、传感器表I2、控制状态表I3、远程控制表I4;
每个表下分别包含有若干设备字段;每个所述设备字段的下包含一个测点名称字段;每个所述测点名称字段下包含一个类型字段。
5.根据权利要求4所述的城市排水管网预警方法,其特征在于,提取所述设备字段中与故障相关的字段作为特征字段,由此特征字段形成故障状态表I5;所述特征字段包括如下三个标签:设备状态标签T1、传感器故障标签T2、控制状态标签T3;
在形成所述故障状态表I5之后,开始创建故障评分模型,步骤如下:
S1、定义总标签为T,;
其中,设备状态标签T1下包含有i个属性,;设备状态标签T1的权重值记为W1;设备状态标签T1的故障等级记为,对应于i个故障等级评分;
传感器故障标签T2下包含有j个属性,;传感器故障标签T2的权重值记为W2;传感器故障标签T2的故障等级记为,对应于j个故障等级评分;
控制状态标签T3下包含有k个属性,;控制状态标签T3的权重值记为W3;控制状态标签T3的故障等级记为,对应于k个故障等级评分;
S2、将上述故障等级评分导入所述监控模块,并与内建预警评分阈值做比对,所述内建预警评分阈值分为第一预警阈值V1、第二预警阈值V2、预警极限值V3;
S3、所述监控模块执行预警判定流程,并向用户发出告警通知。
6.根据权利要求5所述的城市排水管网预警方法,其特征在于,S3中所述监控模块执行预警判定流程如下:
若故障等级评分<第一预警阈值V1,则进入待命流程,等待捕获下一次运行数据,若下一次捕获的运行数据最终生成的故障等于评分仍然小于第一预警阈值V1,则不做出预警;
若第一预警阈值V1≤故障等级评分<第二预警阈值V2,则直接发出一级预警;
若第二预警阈值V2≤故障等级评分<预警极限值V3,则直接发出紧急预警。
7.根据权利要求4所述的城市排水管网预警方法,其特征在于,在步骤1中数据采集之前,还包括:利用管网上下游追溯方法对管线、管点建立拓扑关系。
8.根据权利要求7所述的城市排水管网预警方法,其特征在于,对管线、管点建立拓扑关系的过程包括:
对接管线实体数据库;
在管线实体数据库中检索,按照上下游追溯的逻辑关系将管线查询出来,并返回到前端;
前端通过解析数据,在GIS界面绘制出结果数据并在决策者终端显示;
步骤3中所述监控模块分析来自所述前置采集模块采集得到的排水管网运行数据,并在地图上向用户发出告警通知,告警通知方式包括:以预定频率在告警地点处闪烁告警框,告警框内显示告警文本。
9.根据权利要求8所述的城市排水管网预警方法,其特征在于,对管线、管点建立拓扑关系的过程进一步包括:
S0-1、选择要进行追溯的管点或管线;
S0-2、如果选择的是管线,首先提取管线的起点管点,写入到管点集合P中;
S0-3、查找以管点P为终点的管线,如果搜索不到,则没有上游管线,搜索结束;否则遍历管线,找出所有以P为终点的管线,将管线写入管线数据集L中;
S0-4、如果管点P不在输出管点集中,则写入输出管点集中,并结束该管点的搜索;如果管点P已经在输出管点集中,则直接结束该管点的搜索;
如果管线L不在输出管线集中,则提取该管线的起点点号写入到管点集合P中,同时将管线L写入输出管线集中,并结束该管线的处理;如果管线L已经在输出管线集中,则直接结束该管线的处理;
S0-5、重新执行第三步操作,继续下一个管点的查询,直至查找完所有管点、管线数据,输出管点集合、管线集合就是上游追溯的全部输出成果;
S0-6、将输出管点集合、输出管线集合在GIS界面上绘制并展示出来。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如权利要求3至9任意一项所述的城市排水管网预警方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310362044.8A CN116108699B (zh) | 2023-04-07 | 2023-04-07 | 城市排水管网预警系统、预警方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310362044.8A CN116108699B (zh) | 2023-04-07 | 2023-04-07 | 城市排水管网预警系统、预警方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116108699A true CN116108699A (zh) | 2023-05-12 |
CN116108699B CN116108699B (zh) | 2023-07-14 |
Family
ID=86265803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310362044.8A Active CN116108699B (zh) | 2023-04-07 | 2023-04-07 | 城市排水管网预警系统、预警方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116108699B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117370818A (zh) * | 2023-12-05 | 2024-01-09 | 四川发展环境科学技术研究院有限公司 | 基于人工智能的供排水管网智能诊断方法及智慧环保系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104930353A (zh) * | 2015-07-10 | 2015-09-23 | 浙江大学 | 一种城市供水管网的调压减漏评估系统 |
CN110990981A (zh) * | 2019-10-30 | 2020-04-10 | 长沙市海图科技有限公司 | 一种智能管网状态监测分析方法及系统 |
CN113944887A (zh) * | 2021-10-25 | 2022-01-18 | 中国电建集团中南勘测设计研究院有限公司 | 基于有向图遍历的管网监测溯源方法、系统、设备及介质 |
US20220283834A1 (en) * | 2021-03-03 | 2022-09-08 | Dell Products, Lp | System and method to monitor and manage a passthrough device |
CN115345568A (zh) * | 2021-09-02 | 2022-11-15 | 浙江浙安数智环境工程有限公司 | 一种基于排水管网gis的监测预警方法及系统 |
-
2023
- 2023-04-07 CN CN202310362044.8A patent/CN116108699B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104930353A (zh) * | 2015-07-10 | 2015-09-23 | 浙江大学 | 一种城市供水管网的调压减漏评估系统 |
CN110990981A (zh) * | 2019-10-30 | 2020-04-10 | 长沙市海图科技有限公司 | 一种智能管网状态监测分析方法及系统 |
US20220283834A1 (en) * | 2021-03-03 | 2022-09-08 | Dell Products, Lp | System and method to monitor and manage a passthrough device |
CN115345568A (zh) * | 2021-09-02 | 2022-11-15 | 浙江浙安数智环境工程有限公司 | 一种基于排水管网gis的监测预警方法及系统 |
CN113944887A (zh) * | 2021-10-25 | 2022-01-18 | 中国电建集团中南勘测设计研究院有限公司 | 基于有向图遍历的管网监测溯源方法、系统、设备及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117370818A (zh) * | 2023-12-05 | 2024-01-09 | 四川发展环境科学技术研究院有限公司 | 基于人工智能的供排水管网智能诊断方法及智慧环保系统 |
CN117370818B (zh) * | 2023-12-05 | 2024-02-09 | 四川发展环境科学技术研究院有限公司 | 基于人工智能的供排水管网智能诊断方法及智慧环保系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116108699B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831285B (zh) | 一种基于物联网的河湖污染监测系统及其方法 | |
CN205028126U (zh) | 一种基于gis的供水管网智能监控系统 | |
CN103175513B (zh) | 水利工程影响下基于物联网的流域水文水质监控系统及方法 | |
CN103546536A (zh) | 污水处理厂物联网系统 | |
CN115545231A (zh) | 智慧燃气管道安全监测方法、物联网系统、装置及介质 | |
CN116108699B (zh) | 城市排水管网预警系统、预警方法及计算机可读存储介质 | |
CN105243509A (zh) | 智慧城市智能水务系统 | |
CN104331833B (zh) | 环境风险源预警方法 | |
CN112581077A (zh) | 智慧水务管理平台 | |
CN105306601A (zh) | 分布式气象水文信息处理方法 | |
CN111665766A (zh) | 一种基于物联网的水务智能监控系统 | |
CN111638024A (zh) | 基于大数据的油罐泄露监测告警系统及方法 | |
CN106673209A (zh) | 河湖水生态修复调控系统及修复方法 | |
CN112254207A (zh) | 一种用于供热管网的异常状态在线监测报警系统 | |
CN112459203A (zh) | 一种智慧检查井 | |
Pérez-Padillo et al. | IoT platform for failure management in water transmission systems | |
CN114723595A (zh) | 一种基于水联网平台的排水系统综合管理平台 | |
CN215340800U (zh) | 流域管理系统 | |
Xiu et al. | Design of sewage treatment monitoring system based on internet of things | |
CN106647579B (zh) | 一种污水收集管网信息化控制系统及方法 | |
Singh et al. | Data information interoperability model for IoT-enabled smart water networks | |
Tian et al. | IoT smart agriculture and agricultural product income insurance participant behavior based on fuzzy neural network | |
CN111857015B (zh) | 输变电云端智能控制器 | |
CN206757342U (zh) | 一种液固界面实时监测系统 | |
CN110543122A (zh) | 一种管网安全在线检测的远程智能化物联网自动识别系统及方法 |
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 |