CN116384277A - 一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 - Google Patents
一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 Download PDFInfo
- Publication number
- CN116384277A CN116384277A CN202310333857.4A CN202310333857A CN116384277A CN 116384277 A CN116384277 A CN 116384277A CN 202310333857 A CN202310333857 A CN 202310333857A CN 116384277 A CN116384277 A CN 116384277A
- Authority
- CN
- China
- Prior art keywords
- leakage
- pipeline
- branch
- data
- pipe
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000008878 coupling Effects 0.000 claims abstract description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 7
- 238000005859 coupling reaction Methods 0.000 claims abstract description 7
- 238000011897 real-time detection Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 15
- 230000006854 communication Effects 0.000 claims description 15
- 239000004973 liquid crystal related substance Substances 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 12
- 230000036961 partial effect Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 9
- 238000011144 upstream manufacturing Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000003416 augmentation Effects 0.000 claims description 5
- 239000012530 fluid Substances 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000009530 blood pressure measurement Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims description 2
- 230000005405 multipole Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011278 co-treatment Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- G06F2119/10—Noise analysis or noise optimisation
-
- 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
Abstract
本发明公开了一种基于滤波器的多分支供水管漏损检测与定位方法,包括:根据管网结构建立管道动力学模型;根据有限差分方法求解动力学方程;基于多分支场景耦合边界条件定位漏损区域;根据漏损模型在不同分支所述状态空间进行滤波估计,在噪声环境下对管网漏损区域进行实时检测。本发明还包括一种用于供水管网的分支管道漏损检测和定位装置和一种多分支城市水网的管道漏损检测和定位系统。本发明的多分支模型的建立和求解步骤具有较高的适应性,可以识别整个系统中发生的泄漏,并且不限于特定位置,以应对多分支多泄露复杂场景的挑战。
Description
技术领域
本发明属于水务工程与供水管网检测技术领域,具体涉及一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统。
背景技术
市政供水管网是城市公共基础设施的重要组成部分,在城市基础设施高质量发展中发挥着重要作用,其正常运行对于保障城市居民的日常生活和工业生产具有重要意义。然而由于供水管道长期运行、环境影响、施工工艺等原因,管道老化、腐蚀、破损等问题经常出现,导致供水管网中发生泄漏、渗漏等问题,进而影响供水质量和供水安全。
管道泄漏的检测和定位技术已成为供水管网维护和管理的重要环节,面对海量水系统数据与漏损控制要求,如何利用科学管理的手段改变水系统管理方式,对于大范围管网设备的漏损及时检测以及有效定位,以更精细和动态的方式实现对管理水务系统的有效管理是当前一个亟需解决的问题。
现如今物联网技术的发展以及智慧水务建设的逐渐覆盖,基于数据驱动的决策支持系统实现了供水管网数据实时检测,针对简单管网尤其是单管道的漏损估计与定位,正在逐步融入水务管理模式,实现了全时段、精细化、广泛的漏损检测与管理体系,有效减少了水资源的浪费。然而随着城市建设的发展以及城市间资源的共享共治,管道系统变得越来越复杂,即单个元件的连接产生了管道网络,管网中存在的多分支多处漏损的情况给现有的模型估计方法带来了挑战。
因此如何监督这些配置的安全性,实现大范围管网实时监控系统以及故障检测与隔离是当前值得考虑的方面。
发明内容
为解决现有技术存在的上述技术问题,本发明提供一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统,以实现大范围复杂管网的漏损检测与定位。
为实现上述目的,本发明提供了一种基于滤波器的多分支供水管漏损检测与定位方法,包括:根据管网结构建立管道动力学模型;根据有限差分方法求解动力学方程;基于多分支场景耦合边界条件定位漏损区域;根据漏损模型在不同分支所述状态空间进行滤波估计,在噪声环境下对管网漏损区域进行实时检测;具体包括如下步骤:
S1、构建多分支管道系统的通用管道动态方程;
将控制方程的表示从单管道系统扩展到多分支管道系统,对于t时间的供水管网中第k个分支,控制方程为:
其中,bk表示连接主管道段pk、pk+1的第k个分支管段, 为主分支管道节点的流入流量和流出流量,/>为当前分支的流入流量;由于复杂网络由串联和分支连接组成,因此引入管道连接处约束以构建通用管道动态方程:
S2、根据管网结构建立管道动力学模型;
S21、对于连接节点ns-1和ns的管段ps建立供水管网的约束条件,根据管网参数与传感器数据信息,构建连续性和瞬变量拟线性微分方程:
S22、对于每个局部单管道段,所述偏微分方程的边界条件为:
H(z0,t)=Hin(t)
H(zk,t)=Hout(t)
其中,zk∈[0,L],表示管段ps中的位置,L是节点ns-1和ns之间的等效直线长度,z0表示管段中的起始位置0;Hin(t),Hout(t)分别表示当前管道段输入与输出压力参数;
在管道段区间[0,L]中任意位置zl处出现的泄露作为模型的新约束边界条件:
S3、根据有限差分方法求解动力学方程;
S31、使用有限差分近似方程,得到非线性常微分方程:
其中,Hi,Hi+1为对应于当前管道段输入与输出的压头,H1,Hn+1为对应于Hin,Hout的边界条件,z0=0,zn=L,zi对应于内部离散化节点,g为重力加速度,μi为时间和系统参数相关的摩擦系数,Qi表示此管道段的流量,Hi+1表示此管道段末端的压力,b为管道内流体介质内的波速,A为泄露截面积,λi为泄露系数,为泄漏发生相关的阶跃函数;
S4、基于多分支场景耦合边界条件定位漏损区域;
考虑分支管道系统中的非并发泄漏情况,供水管网系统中有一条主管道以及k个分支将主管道分为k+1段,假设所有输送点水位恒定同时多个泄漏在时间上表现得足够分离,对于来自主支管道流量测量Qmp和分支管道的流量测量Qbr与正常无泄漏系统的流量Q0构建残差,根据方向残差来识别泄漏区域,余弦距离定位为:
S5、根据漏损模型在不同分支的状态空间进行滤波估计,在噪声环境下对供水管网漏损区域进行实时检测;
为了监测和预测供水管网中的各节点情况,假设供水管网共存在k个分支,非线性卡尔曼滤波方法的状态空间描述为:
基于所述泄漏幅度和位置,考虑重建泄漏参数并包含在具有动力学的新扩展状态系统中,产生新的增广空间状态表示如下:
其中,ξt-1表示t-1时刻数据所表示的状态,ξt表示t时刻数据所表示的状态;
yt=h(ξt-1)+vt
其中,控制输入ut-1=[HinHout1Hout2...]为上下游压力测量参数,f(·)为实际中管道状态变化的非线性函数,h(·)为传感数据到状态空间的观测函数,wt-1,vt分别为符合零均值高斯分布的系统噪声与量测噪声。
进一步的,在步骤S3之前,即在进行泄露检测与定位前,需要对系统进行初始参数设置:设置过程误差协方差Q和量测协方差R,以及初始状态ξ0和初始估计误差协方差P0,根据水网历史信息和稳态分析,初始状态根据管网零泄露状态定义,初始误差协方差P0设置为λcI11,其中I11是11×11的单位矩阵,λC=0.01是根据供水管网信息设置的常数;此外,过程误差协方差W=diag[0.9,3,0.09,3,0.09,3,0.09,0.009,0.0009,3,0.09,2×106,9.77×10-8],量测协方差矩阵为R=diag[0.9,0.09,0.09]。
进一步的,所述步骤S4还包括非线性滤波器预测更新与量测更新;
执行状态估计和估计误差协方差的时间更新:
其中,ξd(.)为增广系统的实际水流状态转移函数,Ft为状态转移函数关于x的偏导数矩阵Pt-1为t-1时刻协方差矩阵,/>为t时刻先验协方差矩阵,/>为t-1时刻状态先验,/>为t时刻状态先验,然后执行状态估计和估计误差协方差的测量更新:
用于实施本发明的检测定位方法的系统,其特征在于,包括:
管道传感器数据获取模块,用于获取监测设备发送的管道相关数据,其中,所述管道相关数据包括当前监测区域内主从分支的节点单元的水流量数据;
管道数据分析组件,用于基于多分支管网模型检测方法对监测网数据进行管道漏损分析和漏损模式识别,生成比较数据以及建立基于规则的通知,得到当前监测区域的漏损分析结果;
数据信息记录模块,用于对传感器数据以及分析结果进行记录,对于初始化场景记录当前结构标称无泄漏模型,并根据多种泄漏场景记录输出残差,以供发生管道泄露的残差分析;
数据传输模块,用于将分析所得数据和记录数据传输到主控制器,包括漏损点管道数据、水流数据、水压数据及位置数据,以供数据显示和信息共享;
交互控制模块,用于若确定网络结构中存在主从分支上的泄漏点,及时进行安全示警,并且通过数据传输模块通知主控制器及时告知相关人员;在故障解除后进行交互控制,以解除示警信息以及相关信息记录。
按照上述所述的检测定位系统进行配置的定位装置,包括管道信息监测设备、传感器数据采集设备、管道数据分析设备、交互控制设备、通信设备以及主控制系统;所述管道信息监测设备、数据采集设备、管道数据处理分析设备以及交互控制设备分别通过所述通信设备与所述主控设备信号连接;
所述管道信息监测设备,用于采集当前监测节点区域内的非数字信号格式的检测数据,并将所述非数字信号格式的检测数据发送至所述传据采集设备;
所述数据采集设备,用于在上下游区域进出口管道处以及管网分支处安装流量计、压力传感器,采集区域内各节点单元流域的水压数据、水位数据、水流量数据;
所述管道数据分析设备,用于执行如权利要求1所述的漏损检测定位方法;用于获取监测设备发送的多分支管道相关数据,包括当前监测区域内主从分支的节点单元的水流量数据、水压数据、水位数据,通过对样本数据特征进行提取、分析和处理,得到样本数据的类别属性,对于实时检测到的传感器数据进行残差分析得到泄露区域,以进一步确定漏损位置与泄露参数;
所述交互控制设备,用于接收所述管道数据分析设备发送的分析信息以及数据信息,根据预警信息生成提示信息,并且通过数据传输模块通知主控制器及时告知相关人员;在故障解除后进行交互控制,以解除示警信息以及相关信息记录;
所述通信设备,用于各设备间的数据传输与通信,实现信息同步与实时更新,集成多种通信方式和通信协议以满足不同场景的需求,同时保障通信过程中数据的保密性和完整性,避免信息泄露;
所述主控设备,用于接收所述管道数据分析设备发送的所述监测数据和管道漏损分析结果,并可视化所述监测数据和所述管道漏损分析结果。
与现有技术相比,本发明的有益效果主要体现在:本发明提供的漏损检测域定位方法涉及在配水系统中的分支管道配置中的多泄漏诊断问题,首先基于流速残差进行泄漏区域识别,然后根据不同泄露场景对内部参数进行估计,基于通用模型使用非线性观测器结合初始参数估计对每个泄漏分支进行漏损检测与定位。其中,多分支模型的建立和求解步骤具有较高的适应性,可以识别整个系统中发生的泄漏,并且不限于特定位置,以应对多分支多泄露复杂场景的挑战。
图说明
图1为本发明实施例一提供的一种对多分支管网场景下漏损检测和定位方法流程示意图;
图2为本发明实施例一所述多分支水平供水管线示意图;
图3为本发明实施例二提供的一种对多分支管网场景下漏损检测和定位方法流程示意图;
图4为本发明实施例二所述多分支水平供水管线示意图;
图5为本发明所述管道连接模型局部结构示意图一;
图6为本发明所述管道连接模型局部结构示意图二;
图7为本发明一级分支系统结构示意图;
图8为本发明实施例三提供的一种对多分支管网场景下漏损检测和定位系统的结构示意图;
图9为本发明实施例四提供的一种对多分支管网场景下漏损检测和定位装置的结构示意图。
具体实施方式
为使本发明的技术方案更加清楚,以下将结合具体实施例对本发明提供的技术方案进行详细说明,结合图对本发明做进一步阐述。可以理解的是,此处所描述的具体实施例仅是本发明的部分实施例,用于对本发明进行解释,而非对本发明的限定。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护范围。
实施例一
图1为本发明实施例一提供的一种针对多分支管道系统的漏损检测定位方法示意图,本实施例可适用于识别整个管网系统中发生的任何泄漏,与通常基于稳态模拟的检测泄漏的其他方法不同,该方法不限于特定位置,以自动处理多分支水平管线的监测数据,通过对获取数据的分析进行泄漏量的检测和泄露位置定位。该方法实施于管道数据分析组件中,由软件系统和硬件装置实现。具体参见图1所示,多分支水平供水管线的示意图参见图2所示,该方法包括如下步骤:
S110、根据管网结构建立管道动力学模型
将控制方程的表示从单管道系统扩展到多分支管道系统,对于t时间的供水管网中第k个分支,控制方程为:
其中,bk表示连接主管道段pk、pk+1的第k个分支管段, 为主分支管道节点的流入流量和流出流量,/>为当前分支的流入流量;由于复杂网络由串联和分支连接组成,因此引入管道连接处约束以构建通用管道动态方程:
其中,与/>表示第i个管道连接处zi前后的压头,/>和分别表示单位长度管段内连接处的流入流量和流出流量,在本实施例中,设定壁厚、壁材料和摩擦系数以及管道连接处管径均相同,如图6所示zi-1处与zi+1处前后压力一致、流量保持不变。在前后管径不一致的情况下,则根据约束方程/> 计算流过zi处后的压力,/> 其中Si-1表示zi-1处截面积,Vi-1表示zi-1处流速,Si+1表示zi+1处截面积,Vi+1表示zi+1处流速,zi+1处的压力可以根据流速计算得到:/>其中Δzi+1是单位管道长度,Vi+1是zi+1处管道流速,C为谢才系数,R为管道半径。
S111、对于连接节点ns-1和ns的管段ps建立供水管网的约束条件,根据管网参数与传感器数据信息,构建连续性和瞬变量拟线性微分方程:
S112、对于每个局部单管道段,所述偏微分方程的边界条件为:
H(z0,t)=Hin(t) (2)
H(zk,t)=Hout(t) (3)
其中,zk∈[0,L]表示管段ps中的位置,L是节点ns-1和ns之间的等效直线长度,z0,zs分别表示管段中的起始位置0和终止位置s。
在管道段区间[0,L]中任意位置zl处出现的泄露作为所述模型的新约束边界条件:
S120、求解动力学方程
S121、使用有限差分近似所述方程,得到非线性常微分方程:
其中,H1,Hn+1为对应于Hin,Hout的边界条件,z0=0,zn=L,zi对应于内部离散化节点。
S130、基于多分支场景耦合边界条件定位漏损区域,根据方向残差来识别泄漏区域,定义余弦距离。模拟每个管段不同位置的泄漏得到可用类泄漏及其标签,然后在不同组的已知泄漏中找到与给定的新残差的方向更一致的类别。
S140、供水管网漏损的实时预测
S141、系统的状态空间表示
以图2的多分支供水管网为例,考虑在分支连接节点H2和H4的管段中发生泄漏,所述多分支系统状态变量为x=[Q1 H2 Q2 H3 Q3 H4 Q4 Q5 Q6 H6 Q7]T,各管段水流量为:
其中,ai,j=-gAi/Δzj为压力参数,μi,j=f(Qj)/2DiAi为摩擦系数,H1=Hin,H5=Hout1,H7=Hout2为已知参数,各压力点根据泄露模型为:
其中,ξt=[xT θT]T=[Q1 H2 Q2 H3 Q3 H4 Q4 Q5 Q6 H6 Q7 Δz λ]T
为增广系统状态变量,模型输入为上下游水压头:
u=[Hin Hout1 Hout2]T=[H1 H5 H7]T (12)
模型输出为上下游水流量:
y=[Qin Qout1 Qout2]T=[Q1 Q4 Q7]T (13)
S142、系统的初始参数设置
在进行泄露检测与定位前,需要设置过程误差协方差Q和量测协方差R,以及初始状态ξ0和初始估计误差协方差P0,根据历史信息和稳态分析,初始状态根据管网零泄露状态定义,初始误差协方差P0设置为λcI11,其中I11是11×11的单位矩阵,λC=0.01是根据供水管网信息设置的常数。此外,过程误差协方差W=diag[0.9,3,0.09,3,0.09,3,0.09,0.009,0.0009,3,0.09,2×106,9.77×10-8],量测协方差矩阵为R=diag[0.9,0.09,0.09]。
S143、非线性滤波器预测更新与量测更新
执行状态估计和估计误差协方差的时间更新:
实施例二
图3为本发明实施例二提供的一种具有两个分支的管网系统漏损检测与定位方法的流程示意图。参见图4所示,本实施例的漏损点位于分支上,因此技术方案在上述实施例的基础上增加了内部分支节点参数估计步骤。首先通过观测器估计内部节点的压头,确定相关参数后再进行泄漏点定位以及泄露流量估计,具体参见图3所示。在该方法实施例中未详尽描述的部分参考上述实施例一,该方法包括如下步骤:
S210、根据管网结构建立管道动力学模型;
S220、使用有限差分近似求解非线性常微分方程;
S230、基于多分支场景耦合边界条件定位漏损区域;
S240、供水管网漏损的实时预测;
S241、系统的状态空间与初始参数设置;
以图4的多分支供水管网为例,考虑在分支连接节点H3和H5的管段中发生泄漏,所述多分支系统状态变量为x=[Q1 H2 Q2 H3 Q3 Q4 H5 Q5 Q6]T,首先估计内部节点参数,定义稳态平衡为:
所述稳态平衡使用流量测量来计算,对于主分支中各节点的部分已知参数Q1,Q2,Q3,H2,H3定义状态x=[Q1 H2 Q2 H3 Q3]T,并构建扩展卡尔曼滤波器:
通过传感器估计的可用变量进行参数估计,其过程误差协方差Q=diag[8×10-10,10-5,5×10-5,10-5,5×10-5],量测协方差矩阵为R=diag[8×10-10,5×10-10]。得到估计参数用于分支管道漏损定位和泄漏量估计,如上述实施例一定义增广状态变量为ξ=[Q4 H5Q5 Δz4 λ1]T,模型输入为上下游传感器测量所得水压:
模型输出为上下游水流量:
y=[Q4 Q5]T (22)
过程误差协方差Q=diag[3×10-6,9×10-1,3×10-6,4.5×103,5×10-9],量测协方差矩阵为R=diag[3×10-10,3×10-6]。
S242、扩展卡尔曼滤波预测更新与量测更新。
实施例三
图8为本发明实施例三提供的一种多分支供水管漏损检测和定位装置的结构示意图。该装置配置于数据处理分析设备。参见图8,该装置包括:管道传感器数据获取模块、管道数据分析组件、数据信息记录模块、数据传输模块以及交互控制模块。
管道传感器数据获取模块,用于获取监测设备发送的管道相关数据,包括当前监测区域内主从分支的节点单元的水流量数据、水压数据、水位数据等;
管道数据分析组件,用于基于多分支管网模型检测方法对监测网数据进行管道漏损分析和漏损模式识别,生成比较数据以及建立基于规则的通知,得到当前监测区域的漏损分析结果;
数据信息记录模块,用于对传感器数据以及分析结果进行记录,对于初始化场景记录当前结构标称无泄漏模型,并根据多种泄漏场景记录输出残差,以供发生管道泄露的残差分析;
数据传输模块,用于将分析所得数据和记录数据传输到主控制器,包括漏损点管道数据、水流数据、水压数据及位置数据等,以供数据显示和信息共享;
交互控制模块,用于如果确定所述管道漏损检测方法分析结果确定网络结构中存在主从分支上的泄漏点,及时进行安全示警,并且通过数据传输模块通知主控制器及时告知相关人员。在故障解除后进行交互控制,以解除示警信息以及相关信息记录。
在上述各技术方案的基础上,该装置还包括:噪声数据处理模块,用于将环境引起的具有噪声的传感器数据进行去噪,对于复杂环境下多分支管道中的非标准情况通过噪声抑制技术减少误识别引起的错误示警信息.
实施例四
图9为本发明实施例四提供的一种多分支供水管漏损检测和定位系统的结构示意图。参见图9所示,该系统包括:管道信息监测设备、传感器数据采集设备、管道数据处理分析设备、交互控制设备、通信设备以及主控设备。
其中,所述管道数据处理分析设备,用于获取监测设备发送的多分支管道相关数据,包括当前监测区域内主从分支的节点单元的水流量数据、水压数据、水位数据等;通过对样本数据特征进行提取、分析和处理,得到样本数据的类别属性,对于实时检测到的传感器数据进行残差分析得到泄露区域,以进一步确定漏损位置与泄露参数。
所述管道信息监测设备,用于采集当前监测节点区域内的非数字信号格式的检测数据,并将所述非数字信号格式的检测数据发送至所述数据采集设备;
所述数据采集设备,用于在上下游区域进出口管道处以及管网分支处安装流量计、压力传感器等监测设备,采集区域内各节点单元流域的水压数据、水位数据、水流量数据等;
所述交互控制设备,用于接收所述管道数据处理分析设备发送的分析信息以及数据信息,根据所述预警信息生成提示信息,并且通过数据传输模块通知主控制器及时告知相关人员。在故障解除后进行交互控制,以解除示警信息以及相关信息记录;
所述通信设备,用于各设备间的数据传输与通信,实现信息同步与实时更新,集成多种通信方式和通信协议以满足不同场景的需求,同时保障通信过程中数据的保密性和完整性,避免信息泄露。
所述主控设备,用于接收所述管道数据处理分析设备发送的所述监测数据和管道漏损分析结果,并可视化所述监测数据和所述管道漏损分析结果;
需要注意的是,在上述多分支管道漏损检测装置的实施例中,所包括的各个模块只是按照功能逻辑进行划分的,并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
最后,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于非线性观测器的多分支供水管漏损检测定位方法,其特征在于,包括如下步骤:
S1、构建多分支管道系统的通用管道动态方程;
S2、根据管网结构建立管道动力学模型;
S3、根据有限差分方法求解动力学方程;
S4、基于多分支场景耦合边界条件定位漏损区域;
S5、根据漏损模型在不同分支所述状态空间进行滤波估计,在噪声环境下对管网漏损区域进行实时检测。
2.如权利要求1所述的一种基于非线性观测器的多分支供水管漏损检测定位方法,其特征在于,
S1、构建多分支管道系统的通用管道动态方程,具体包括:
将控制方程的表示从单管道系统扩展到多分支管道系统,对于t时间的供水管网中第k个分支,控制方程为:
其中,bk表示连接主管道段pk、pk+1的第k个分支管段, 为主分支管道节点的流入流量和流出流量,/>为当前分支的流入流量;由于复杂网络由串联和分支连接组成,因此引入管道连接处约束以构建通用管道动态方程:
3.如权利要求1所述的一种基于非线性观测器的多分支供水管漏损检测定位方法,其特征在于,
S2、根据管网结构建立管道动力学模型,具体包括:
S21、对于连接节点ns-1和ns的管段ps建立供水管网的约束条件,根据管网参数与传感器数据信息,构建连续性和瞬变量拟线性微分方程:
S22、对于每个局部单管道段,所述偏微分方程的边界条件为:
H(z0,t)=Hin(t)
H(zk,t)=Hout(t)
其中,zk∈[0,L],表示管段ps中的位置,L是节点ns-1和ns之间的等效直线长度,z0表示管段中的起始位置0;Hin(t),Hout(t)分别表示当前管道段输入与输出压力参数;
在管道段区间[0,L]中任意位置zl处出现的泄露作为模型的新约束边界条件:
4.如权利要求1所述的一种基于非线性观测器的多分支供水管漏损检测定位方法,其特征在于,
S3、根据有限差分方法求解动力学方程,具体包括:
S31、使用有限差分近似方程,得到非线性常微分方程:
5.如权利要求1所述的一种基于非线性观测器的多分支供水管漏损检测定位方法,其特征在于,
S4、基于多分支场景耦合边界条件定位漏损区域,具体包括:
考虑分支管道系统中的非并发泄漏情况,供水管网系统中有一条主管道以及k个分支将主管道分为k+1段,假设所有输送点水位恒定同时多个泄漏在时间上表现得足够分离,对于来自主支管道流量测量Qmp和分支管道的流量测量Qbr与正常无泄漏系统的流量Q0构建残差,根据方向残差来识别泄漏区域,余弦距离定位为:
6.如权利要求1所述的一种基于非线性观测器的多分支供水管漏损检测定位方法,其特征在于,
S5、根据漏损模型在不同分支的状态空间进行滤波估计,在噪声环境下对供水管网漏损区域进行实时检测,具体包括:
为了监测和预测供水管网中的各节点情况,假设供水管网共存在k个分支,非线性卡尔曼滤波方法的状态空间描述为:
基于所述泄漏幅度和位置,考虑重建泄漏参数并包含在具有动力学的新扩展状态系统中,产生新的增广空间状态表示如下:
其中,ξt-1表示t-1时刻数据所表示的状态,ξt表示t时刻数据所表示的状态;
yt=h(ξt-1)+vt
其中,控制输入ut-1=[Hin Hout1 Hout2…]为上下游压力测量参数,f(·)为实际中管道状态变化的非线性函数,h(·)为传感数据到状态空间的观测函数,wt-1,vt分别为符合零均值高斯分布的系统噪声与量测噪声。
7.如权利要求1~6任意一项所述的一种基于非线性观测器的多分支供水管漏损检测定位方法,其特征在于,在步骤S3之前,即在进行泄露检测与定位前,需要对系统进行初始参数设置:设置过程误差协方差Q和量测协方差R,以及初始状态ξ0和初始估计误差协方差P0,根据水网历史信息和稳态分析,初始状态根据管网零泄露状态定义,初始误差协方差P0设置为λcI11,其中I11是11×11的单位矩阵,λC=0.01是根据供水管网信息设置的常数;此外,过程误差协方差W=diag[0.9,3,0.09,3,0.09,3,0.09,0.009,0.0009,3,0.09,2×106,9.77×10-8],量测协方差矩阵为R=diag[0.9,0.09,0.09]。
9.一种用于供水管网的分支管道漏损检测和定位装置,对获取的管道传感器数据基于多分支管网模型检测方法进行分析,包括:
管道传感器数据获取模块,用于获取监测设备发送的管道相关数据,其中,所述监测数据包括当前监测区域内主从分支的节点单元的水流量数据;
管道数据分析组件,用于基于多分支管网模型检测方法对监测网数据进行管道漏损分析和漏损模式识别,生成比较数据以及建立基于规则的通知,得到当前监测区域的漏损分析结果;
数据信息记录模块,用于对传感器数据以及分析结果进行记录,对于初始化场景记录当前结构标称无泄漏模型,并根据多种泄漏场景记录输出残差,以供发生管道泄露的残差分析;
数据传输模块,用于将分析所得数据和记录数据传输到主控制器,包括漏损点管道数据、水流数据、水压数据及位置数据等,以供数据显示和信息共享;
交互控制模块,用于如果确定所述管道漏损检测方法分析结果确定网络结构中存在主从分支上的泄漏点,及时进行安全示警,并且通过数据传输模块通知主控制器及时告知相关人员;在故障解除后进行交互控制,以解除示警信息以及相关信息记录。
10.一种多分支城市水网的管道漏损检测和定位系统,包括:管道信息监测设备、传感器数据采集设备、管道数据分析设备、数据信息记录设备、交互控制设备、数据通信设备以及终端设备;
所述管道信息监测设备、传感器数据采集设备以及终端设备通过通信设备与管道数据分析设备连接;所述管道数据分析设备,用于执行如权利要求1~8所述的一种基于非线性观测器的多分支供水管漏损检测定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310333857.4A CN116384277A (zh) | 2023-03-31 | 2023-03-31 | 一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310333857.4A CN116384277A (zh) | 2023-03-31 | 2023-03-31 | 一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116384277A true CN116384277A (zh) | 2023-07-04 |
Family
ID=86961013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310333857.4A Pending CN116384277A (zh) | 2023-03-31 | 2023-03-31 | 一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116384277A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116680501A (zh) * | 2023-08-01 | 2023-09-01 | 益都智能技术(北京)股份有限公司 | 一种基于物联网的分区计量漏损监控管理方法及系统 |
CN116857572A (zh) * | 2023-07-14 | 2023-10-10 | 湖南理工学院 | 一种基于大数据的智慧水务管理方法及系统 |
-
2023
- 2023-03-31 CN CN202310333857.4A patent/CN116384277A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116857572A (zh) * | 2023-07-14 | 2023-10-10 | 湖南理工学院 | 一种基于大数据的智慧水务管理方法及系统 |
CN116857572B (zh) * | 2023-07-14 | 2024-01-02 | 湖南理工学院 | 一种基于大数据的智慧水务管理方法及系统 |
CN116680501A (zh) * | 2023-08-01 | 2023-09-01 | 益都智能技术(北京)股份有限公司 | 一种基于物联网的分区计量漏损监控管理方法及系统 |
CN116680501B (zh) * | 2023-08-01 | 2023-10-27 | 益都智能技术(北京)股份有限公司 | 一种基于物联网的分区计量漏损监控管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116384277A (zh) | 一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 | |
Zaman et al. | A review of leakage detection strategies for pressurised pipeline in steady-state | |
WO2022105340A1 (zh) | 一种基于声波的管道监测系统及监测方法 | |
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 | |
Mounce et al. | A neural network approach to burst detection | |
Liu et al. | Fast leak detection and location of gas pipelines based on an adaptive particle filter | |
CN107869653B (zh) | 一种管道流量敏感性矩阵漏损检测方法 | |
Sarrate et al. | Sensor placement for fault diagnosis performance maximization in distribution networks | |
US20140163916A1 (en) | Techniques for Iterative Reduction of Uncertainty in Water Distribution Networks | |
CN103939749A (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 | |
CN111520615B (zh) | 基于线谱对和三次插值搜索的管网漏损识别与定位方法 | |
JPH11201859A (ja) | 周波数帯域分割による配管漏洩検知方法 | |
Quiñones-Grueiro et al. | An unsupervised approach to leak detection and location in water distribution networks | |
CN109737317B (zh) | 流体管道泄漏的次声波定位系统及方法 | |
Ng et al. | A design of automatic water leak detection device | |
Ayadi et al. | Leak detection in water pipeline by means of pressure measurements for WSN | |
Bakker et al. | Analysis of historic bursts and burst detection in water supply areas of different size | |
Fu et al. | Identifying two-point leakages in parallel pipelines based on flow parameter analysis | |
CN116482227B (zh) | 一种管道腐蚀监测方法、装置及系统 | |
WO2019007497A1 (en) | METHOD AND APPARATUS FOR NON-INTRUSIVE VIBRATION OF A CENTRALIZED SYSTEM FOR DETECTING AND MONITORING LEAKAGE OF WATER DISTRIBUTION NETWORK PIPELINES | |
He et al. | Distributed state estimation for leak detection in water supply networks | |
Mazaev et al. | Probabilistic leak localization in water distribution networks using a hybrid data-driven and model-based approach | |
Amoatey et al. | Inverse optimization based detection of leaks from simulated pressure in water networks, part 1: analysis for a single leak | |
Kim et al. | Robust leakage detection and interval estimation of location in water distribution network | |
CN112097125A (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 |
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 |