CN116398825A - 一种基于概率模型的供水管漏损检测与定位方法、系统及装置 - Google Patents
一种基于概率模型的供水管漏损检测与定位方法、系统及装置 Download PDFInfo
- Publication number
- CN116398825A CN116398825A CN202310333861.0A CN202310333861A CN116398825A CN 116398825 A CN116398825 A CN 116398825A CN 202310333861 A CN202310333861 A CN 202310333861A CN 116398825 A CN116398825 A CN 116398825A
- Authority
- CN
- China
- Prior art keywords
- leakage
- pipeline
- water supply
- pipe
- model
- 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 120
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 title claims description 23
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 239000012530 fluid Substances 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 63
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 19
- 238000011144 upstream manufacturing Methods 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
- G06F17/12—Simultaneous equations, e.g. systems of linear 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
- G06F17/11—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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供一种基于概率模型与非线性滤波的供水管漏损检测与定位方法、系统及装置，方法包括：获取供水管道信息，如各管道的管长、管径、管道摩阻、流体弹性模数等；根据所述供水管网信息构建所述纯水力模型；根据特征线法求解供水管网的连续性方程和动量方程；根据所述管道环向应力和屈服应力，并结合微分方程组的解建立概率性多重漏损模型，确定管线中的漏损位置和数量；使用非线性滤波在噪声环境下对状态空间进行估计，实现对漏损的实时修正和预测。本发明考虑了供水管网中存在多重漏损的情况，以及水平管道与非水平管道之间的水压差异，从纯水力模型着手，使用特征线法有效求解原偏微分方程组，有效降低了确定性模型存在的高误报率问题。
Description
技术领域
本发明属于市政工程和城市供水管网检测技术领域，具体涉及一种供水管的概率模型构建与漏损检测定位方法、系统及装置。
背景技术
城市供水管网是城市给水系统的重要组成部分，是城市公用事业的核心。随着我国的城镇化发展国城市供水管网设施建设成效明显，公共供水普及率不断提升。但是，由于供水管网的早期布局极度依赖于专家经验，缺乏严谨的科学依据，在后续的反复扩建与改造中，容易产生供水负荷不均匀而导致漏损甚至爆管，造成严重的经济损失与资源的浪费。其中，如何在管道出现漏损后及时发现、定位受损位置，出动人力进行维护修补，减少财产、资源损失，避免安全隐患成为了一个关键问题。
随着人工智能技术的蓬勃发展，诞生了一系列基于数学模型和供水管监测数据的漏损识别与定位方法，这类方法检测范围广，不容易受外界影响，可用于辅助传统的硬件设备法。然而，现有方法通常基于确定性的水力模型，会对可能的管网漏损位置产生过估计，尤其是当管网中存在非水平管道或多处漏损的情况时，管道系统将在大范围内产生非常嘈杂的压力信号，而现有模型难以处理这类信号，往往会产生误报或给出较大的排查范围，耗费大量的人力物力。
发明内容
为了解决现有技术存在的上述技术问题，本发明提供一种基于管道概率建模与非线性滤波的供水管漏损检测定位方法、系统及装置，本发明考虑了供水管网中存在多重漏损的情况，以及水平管道与非水平管道之间的水压差异，从纯水力模型着手，使用特征线法有效求解原偏微分方程组，结合管道环向应力和屈服应力提供一套概率性漏损检测模型，有效降低了确定性模型存在的高误报率问题，提高了管网漏损检测精度和效率。
为实现上述目的，本发明提供一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，包括：获取供水管道信息，如各管道的管长、管径、管道摩阻、流体弹性模数等；根据所述供水管网信息构建所述纯水力模型；根据特征线法求解供水管网的连续性方程和动量方程；根据所述管道环向应力和屈服应力，并结合微分方程组的解建立概率性多重漏损模型，确定管线中的漏损位置和数量；使用非线性滤波在噪声环境下对状态空间进行估计，实现对漏损的实时修正和预测。具体包括如下步骤：
一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，其特征在于，包括如下具体步骤：
S1、获取供水管网信息；
S2、根据所述供水管网信息构建水力模型；
S3、根据特征线法求解供水管网的特征方程；
S4、耦合微分方程组的解建立概率性漏损模型，包括：根据所述管道环向应力和屈服应力，并结合微分方程组的解建立概率性多重漏损模型，确定管线中的漏损位置和数量；
S5、使用非线性滤波在噪声环境下对状态空间进行估计，实现对漏损的实时修正和预测。
进一步的，所述的供水管网信息包括各管道的管长、管径、管道摩阻、流体弹性模数。
进一步的，S2、根据步骤S1的数学模型建立特征方程，具体包括：
对于k时间步上的供水管网中任意节点n，根据特征线法求解水力数学模型中的的连续性方程和瞬变动量方程；其中，连续性方程对应的特征方程为公式(1)所示：
其中，
分别为k时刻管网节点n的流出流量，流入流量和泄露流量，单位为m3/s，动量方程对应的特征方程为公式(2)所示：
其中，
A是管道的横截面积，单位为m2，a是管道内流体介质内的波速，单位为m/s，g是重力加速度，λn设置为常值0.001，/>
和/>
分别为该特征方程k时刻的正、负向特征线的系数；/>
代表k时刻管网节点n的压力压头，单位为m；
进一步的，S3、根据特征线法求解供水管网的特征方程，具体包括：
沿正向与负向特征线的特征系数分别为公式(3)和公式(4)所示:
其中，
D是管道直径，单位为m，A是管道的横截面积，单位为m2，f是管道摩擦系数，Δt是时间步长，|·|表示·的绝对值；根据管网情况，结合微分方程的边界条件联立方程组，可以得到节点n处的总能量压头，如公式(5)所示：
其中，
代表特征线的系数。
进一步的，S4、耦合微分方程组的解建立概率性多重漏损模型，具体包括：考虑到管道上下游调度产生的水压变化，建立概率性多重漏损模型，如公式(6)所示：
其中，Pleak为节点n出现漏损的概率，HYS为管道屈服应力系数；当调度产生非稳定水压上升对管道产生的周向应力或轴向应力大于材料屈服应力的80％，管道将有可能产生漏损和爆裂。
进一步的，S5、根据非线性滤波在噪声环境下对状态空间进行估计，对管网漏损进行实时修正和预测，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N个节点，非线性卡尔曼滤波方法的状态空间描述为公式(7)所示:
其中，
分别为节点1～N处的压头，/>
分别为节点1～N处的流入流量，/>
分别为节点1～N处的流出流量，/>
分别为节点1～N处的泄露流量；模型输入为上下游水压头和阀门系数uk＝[Hi Ho Cv]T，其中Hi代表上游水头，Ho代表下游水头，Cv代表阀门系数；描述管道情况的非线性随机差分方程的状态空间形式表示为公式(8)所示：
xk＝f(xk-1,uk-1)+wk-1(8)
其中，wk-1是预设的高斯白噪声，f(·)为实际中描述管道水流变化的非线性方程，(xk-1,uk-1)为k-1时刻的系统状态和模型输入，作为函数f(·)的输入；对其进行一阶线性化，得到雅克比矩阵Jx，如公式(9)所示:
其中，针对管道观测zk的观测方程为：
其中vk是预设的高斯白噪声；另外，滤波估计中的初始条件是根据供水管信息进行设置的。
一种基于概率模型与非线性滤波的供水管漏损检测与定位系统，其特征在于，包括：
管道监测数据获取模块，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各节点单元流域的水位数据、水流量数据、水压数据、管道环向应力以及屈服应力；
管道漏损分析结果确定模块，用于对监测点数据进行预报演化计算和管道漏损分析，得到当前监测区域的漏损分析结果；
预警模块，用于生成预警信息和漏损管道的相关数据，其中数据包括漏损点管道数据、水流数据、水压数据以及及位置数据，并将预警信息发送至预警设备，以使所述预警设备根据所述预警信息通知相关维修人员。
一种基于概率模型与非线性滤波的供水管漏损检测与定位装置，其特征在于，按上述所述的供水管漏损检测与定位系统进行配置，包括监测设备、数据采集设备、数据处理分析设备、预警设备以及终端设备；
所述监测设备、所述数据采集设备、所述预警设备以及所述终端设备均与所述数据处理分析设备信号连接；
所述数据处理分析设备，用于执行如权利要求1所述的供水管漏损检测与定位方法，通过概率性多重漏损模型对监测数据进行分析。
与现有技术相比，本发明的有益效果体现在：
1、本发明提供的检测与定位方法考虑了供水管网中存在多重漏损的情况，以及水平管道与非水平管道之间的水压差异，从纯水力模型着手，使用特征线法有效求解原偏微分方程组，结合管道环向应力和屈服应力提供一套概率性漏损检测模型，有效降低了确定性模型存在的高误报率问题。
2、本发明中水力模型的建立和求解步骤具有较强的灵活性，可以处理不同种应用场景与管道分布；使用非线性滤波方法解决了多重漏损、高噪声情况下的全网节点状态估计问题，能够实时监控管道情况，提供漏损检测和定位服务。
3、本发明通过管道监测模块采集监测数据，通过数据处理分析设备自动化确定当前监测管网区域的管道漏损分析结果以及输出预警信息，通过报警模块自动化通知维护人员，提供相关数据，解决了现有技术中管网监测方式较多的依赖人工的问题，达到实现一体化采集数据、分析数据以及预警，辅助政府部门快速、合理地找到漏损点进行维修，减少资源和经济损失的目的。
4、本发明数据处理分析设备通过水力概率模型对监测数据进行分析，可以实现数据分析的智能化，提高预警精度以及效率满足精确且高效监测管道漏损的需求。
附图说明
图1为本发明实施例一提供的一种供水管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居民区水平供水管线示意图；
图3为本发明实施例二提供的一种供水管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山地区非水平供水管线示意图；
图5(a)为本发明实施例二提供的对管道节点3的压头进行实时监测的结果示意图；
图5(b)为本发明实施例二提供的对管道节点3的泄露流量进行实时监测的结果示意图；
图6为本发明所述管道模型示意图；
图7为本发明实施例三提供的一种供水管漏损检测和定位系统的结构示意图；
图8为本发明实施例四提供的一种供水管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，以下将结合附图和具体实施例对本发明提供的技术方案进行详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
参考图1和图2，本实施例适用于自动处理城市居民区水平管线的监测数据，分析监测数据以及进行漏损报警和定位的情况，该方法可以由管网的漏损检测和定位装置来执行，其中该装置可由软件和硬件实现，并一般集成在数据处理分析模块或中断中。城市居民区水平管线的示意图参见附图2所示。
一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，包括以下步骤：
S110、获取供水管网信息，建立水力数学模型；
S111、在本实施例中，首先获取管网的管长、管径、管道摩阻、流体弹性模数等信息，然后，根据所述管网信息建立供水管网的连续性方程和瞬变动量方程，如下方公式(10)所示：
其中，Q和H分别是管道中某处的流量和压头，作为因变量，t和x分别是时间和空间位置，作为自变量，求解上述方程组的目地是为了确定管道中流量和压头关于时间和空间位置的解。其次，A是管道的横截面积，g是重力加速度，f是管道摩擦系数，a是管道内流体介质内的波速，a由下式(11)给出：
其中，c1是一个常量一般取值为1，假设管子始终用伸缩节固定，e是管壁的厚度，单位为m，β是管道的流体弹性模数，单位为帕斯卡Pa,ρ＝1000kg/m3为流体密度,E是管材的杨氏弹性系数，D是管道直径,单位为m。
S112、求解瞬态流体流动的两个双曲型控制方程，利用特征线方法得到准确结果。基于特征线方法，偏微分方程组可以转化为两个常微分方程式：
S113、微分方程组的数值离散化；
沿正向特征线积分方程(12)并求解P点处的流动有：
QP＝Cp-CaH(14)
其中，
QA和HA分别为节点A处已知的流量和压头，Δt为积分的时间。类似地，沿负向特征线积分方程(13)并求解P点处的流动有：
QP＝Ce+CaH(15)
其中，
QB和HB分别为节点B处已知的流量和压头,两个未知数(QP和H)的值可以通过联立式(14)和(15)来确定，即，
H的值同理。因此，通过使用公式(14)和公式(15)，可以确定每个时间步长结束时所有内点的条件。
S120、管道漏损内点的概率性建模；
S121、构造管道漏损内点的边界条件；
当供水管道中存在泄露时，与无泄漏情况相比整个管道中的流体瞬变将完全改变。本实例利用孔口方程来模拟任何内部位置(节点)处的泄漏，其中在泄漏节点处实施连续性方程。以图2节点3为例，管道模型可参见图6，假设节点3处检测到泄漏，则使用特征线法的连续性方程和特征波动方程变为：
S122、管道漏损内点建模；
对于k时间步上的供水管网中节点3，所述连续性方程为式(17)，所述特征方程为：
其中，
λ3＝0.001。
沿正向与负向特征线的特征系数分别为：
其中，
Δt是时间步长。由此可以得到节点3处的总能量水压头为：
其中，
S123、管道漏损概率性建模；
考虑到管道上下游调度产生的水压变化，建立概率模型为
其中，Pleak为该节点出现漏损的概率，HYS为管道屈服应力系数。当调度产生非稳定水压上升对管道产生的周向应力或轴向应力大于材料屈服应力的80％，管道将有可能产生漏损和爆裂。
S130、供水管网漏损的实时预测；
S131、系统的状态空间表示；
以图2的水平供水管网为例，所述非线性卡尔曼滤波方法的状态空间描述为:
模型输入为上下游水压头和阀门系数：
uk＝[Hi Ho Cv]T
描述管道情况的非线性随机差分方程的状态空间形式表示为：
xk＝f(xk-1,uk-1)+wk-1(8)
其中，wk-1为高斯白噪声。对其进行一阶线性化，所需的雅克比矩阵为:
其次，观测方程表示为
其中，vk为高斯白噪声。
S132、初始协方差设置；
在开始估计前需要设置过程误差协方差Qk和量测协方差Rk，以及初始状态x0和初始估计误差协方差P0。其中初始状态估计值通过稳态分析确定，其假设供水管道初始状态为零泄漏。初始误差协方差P0设置为I24C，其中I24是24×24的单位矩阵，C＝0.1是根据供水管网信息设置的常数。其次，过程误差协方差Qk为：
量测协方差
S133、模型预测与量测更新；
估计的流程遵循卡尔曼滤波的时间更新和量测更新步骤，如下：
其中，Wk和Vk分别为模型非线性函数和量测方程相对于噪声的雅克比矩阵。
实施例二
图3为本发明实施例二提供的一种山区非水平管线的漏损检测与定位方法的流程示意图。本实施例的技术方案在上述实施例的基础上增加了新的步骤。可选地，该方法还包括：构造所述的上游水库管线的边界条件和所述的下游阀门的边界条件。在该方法实施例中未详尽描述的部分请参考上述实施例一。具体参见图3所示，山区非水平管线的示意图参见图4所示，该方法可以包括如下步骤：
S210、建立水力数学模型
S220、管道漏损内点的概率性建模
S221、构造上游水库管线的边界条件
对于管线(如节点1)起始处的上游(水库)，设置边界条件
其中，
HR1为水库的压头，η＝0.5为水流进口的损失系数,
与C3,a同理。
S222、构造下游阀门的边界条件
下游水力模型的边界条件使用流过阀门的稳态流动的阀位方程描述，以节点7为例，通过求解下游的阀位微分方程可得
其中，
HR2为下游的压头，Qs是流过阀门的稳态流量，τ是阀门开启面积，对于全开阀门，τ＝1。
S223、构造管道漏损内点的边界条件
S224、管道漏损内点建模
S225、管道漏损概率性建模
S230、供水管网漏损的实时预测
图6为本发明实例二提供的的管道节点3发生漏损之后进行检测定位的结果示意图，使用非线性滤波器对节点流量和压头进行实时检测。注意实施例二是实施例以的扩展，其包括额外的上下水位的边界条件。
实施例三
图7为本发明实施例三提供的一种供水管漏损检测和定位系统的结构示意图。该系统配置于数据处理分析设备。参见图7，该系统包括：管道监测数据获取模块、管道漏损分析结果确定模块以及预警模块。
其中，管道监测数据获取模块，用于获取管道监测设备发送的监测数据，其中，所监测数据包括当前监测区域的水位数据、水流量数据、水压数据、管道环向应力以及屈服应力；
管道漏损分析结果确定模块，用于基于水力数学模型对监测点数据进行预报演化计算和管道漏损分析，得到当前监测区域的漏损分析结果；
预警模块，用于如果确定所述管道漏损分析结果超过概率模型中设定的预警阈值，生成预警信息，包括漏损点管道数据、水流数据、水压数据及位置数据，并将所述报警信息发送至预警设备，以使所述预警设备根据所述预警信息通知相关维修人员。
在上述各技术方案的基础上，管道漏损分析结果确定模块还用于，基于所述水力概率模型对所述管道水流量进行演化计算，得到各所述节点单元流域的水流演化结果，其中，所述水流演化结果包括所述当前监测区域的各节点单元流域的水流平均流速、流量、水压以及流速中的至少一种。
在上述各技术方案的基础上，管道漏损分析结果确定模块还用于，基于管道水力模型对所述水流演化结果进行管道漏损分析，并采用有限体积法计算所述当前监测区域的管道漏损分析结果，其中，所述管道漏损分析结果至少包括所述当前监测区域的各节点单元流域的流速、水压和位置。
在上述各技术方案的基础上，该系统还包括：发送与接受模块；其中，发送模块，用于将所述监测数据和所述漏损分析结果发送至终端设备；接受模块，用于接受所述管道漏损分析结果确定模块的漏损分析结果。
本实施例提供的技术方案，通过管道监测模块采集监测数据，通过数据处理分析设备自动化确定当前监测管网区域的管道漏损分析结果以及输出预警信息，通过报警模块自动化通知维护人员，提供相关数据，解决了现有技术中管网监测方式较多的依赖人工的问题，达到实现一体化采集数据、分析数据以及预警，辅助政府部门快速、合理地找到漏损点进行维修，减少资源和经济损失的目的。数据处理分析设备通过水力概率模型对监测数据进行分析，可以实现数据分析的智能化，提高预警精度以及效率满足精确且高效监测管道漏损的需求。
实施例四
图8为本发明实施例四提供的一种供水管漏损检测和定位装置的结构示意图。参见图8所示，该装置包括：管道监测设备、数据采集设备、数据处理分析设备、预警设备以及终端设备。
其中，所述数据处理分析设备，用于获取监测设备发送的监测数据，其中，所述监测数据包括当前监测区域内各节点单元流域的水位数据、水流量数据、水压数据、管道环向应力以及屈服应力；
基于水力概率模型以及非线性滤波方法对监测数据进行预报演化计算和漏损分析，得到当前监测区域内各节点单元的漏损分析结果；
如果确定所述漏损分析结果超过设定的预警阈值，生成预警信息，包括漏损节点管道数据、水流数据、水压数据及位置数据，并将所述预警信息发送给预警设备，以使所述预警设备根据所述预警信息进行预警。
所述管道监测设备，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，用于将所述非数字信号格式的管道监测数据转化为数字信号格式的管道监测数据；
所述预警设备，用于接收所述数据处理分析设备发送的预警信息，根据所述预警信息生成提示信息；
所述终端设备，用于接收所述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，在上述管道漏损检测域定位系统的实施例中，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 (8)
1.一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，其特征在于，包括如下具体步骤：
S1、获取供水管网信息；
S2、根据所述供水管网信息构建水力模型；
S3、根据特征线法求解供水管网的特征方程；
S4、耦合微分方程组的解建立概率性漏损模型，包括：根据所述管道环向应力和屈服应力，并结合微分方程组的解建立概率性多重漏损模型，确定管线中的漏损位置和数量；
S5、使用非线性滤波在噪声环境下对状态空间进行估计，实现对漏损的实时修正和预测。
2.如权利要求1所述的一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，其特征在于：所述的供水管网信息包括各管道的管长、管径、管道摩阻、流体弹性模数。
3.如权利要求1所述的一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，其特征在于：
S2、根据步骤S1的数学模型建立特征方程，具体包括：
对于k时间步上的供水管网中任意节点n，根据特征线法求解水力数学模型中的的连续性方程和瞬变动量方程；其中，连续性方程对应的特征方程为公式(1)所示：
其中，
分别为k时刻管网节点n的流出流量，流入流量和泄露流量，单位为m3/s，动量方程对应的特征方程为公式(2)所示：
其中，
A是管道的横截面积，单位为m2，a是管道内流体介质内的波速，单位为m/s，g是重力加速度，λn设置为常值0.001，/>
和/>
分别为该特征方程k时刻的正、负向特征线的系数；/>
代表k时刻管网节点n的压力压头，单位为m。
4.如权利要求1所述的一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，其特征在于：
S3、根据特征线法求解供水管网的特征方程，具体包括：
沿正向与负向特征线的特征系数分别为公式(3)和公式(4)所示:
其中，
D是管道直径，单位为m，A是管道的横截面积，单位为m2，f是管道摩擦系数，Δt是时间步长，|·|表示·的绝对值；根据管网情况，结合微分方程的边界条件联立方程组，可以得到节点n处的总能量压头，如公式(5)所示：
其中，
代表特征线的系数。
5.如权利要求1所述的一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，其特征在于：
S4、耦合微分方程组的解建立概率性多重漏损模型，具体包括：考虑到管道上下游调度产生的水压变化，建立概率性多重漏损模型，如公式(6)所示：
其中，Pleak为节点n出现漏损的概率，HYS为管道屈服应力系数；当调度产生非稳定水压上升对管道产生的周向应力或轴向应力大于材料屈服应力的80％，管道将有可能产生漏损和爆裂。
6.如权利要求1所述的一种基于概率模型与非线性滤波的供水管漏损检测与定位方法，其特征在于：
S5、根据非线性滤波在噪声环境下对状态空间进行估计，对管网漏损进行实时修正和预测，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N个节点，非线性卡尔曼滤波方法的状态空间描述为公式(7)所示:
其中，
分别为节点1～N处的压头，/>
分别为节点1～N处的流入流量，/>
分别为节点1～N处的流出流量，/>
分别为节点1～N处的泄露流量；模型输入为上下游水压头和阀门系数uk＝[Hi Ho Cv]T，其中Hi代表上游水头，Ho代表下游水头，Cv代表阀门系数；描述管道情况的非线性随机差分方程的状态空间形式表示为公式(8)所示：
xk＝f(xk-1,uk-1)+wk-1 (8)
其中，wk-1是预设的高斯白噪声，f(·)为实际中描述管道水流变化的非线性方程，(xk-1,uk-1)为k-1时刻的系统状态和模型输入，作为函数f(·)的输入；对其进行一阶线性化，得到雅克比矩阵Jx，如公式(9)所示:
其中，针对管道观测zk的观测方程为：
其中vk是预设的高斯白噪声；另外，滤波估计中的初始条件是根据供水管信息进行设置的。
7.一种基于概率模型与非线性滤波的供水管漏损检测与定位系统，其特征在于，包括：
管道监测数据获取模块，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各节点单元流域的水位数据、水流量数据、水压数据、管道环向应力以及屈服应力；
管道漏损分析结果确定模块，用于对监测点数据进行预报演化计算和管道漏损分析，得到当前监测区域的漏损分析结果；
预警模块，用于生成预警信息和漏损管道的相关数据，其中数据包括漏损点管道数据、水流数据、水压数据以及及位置数据，并将预警信息发送至预警设备，以使所述预警设备根据所述预警信息通知相关维修人员；
发送与接受模块；其中，发送模块，用于将所述监测数据和所述漏损分析结果发送至终端设备；接受模块，用于接受所述管道漏损分析结果确定模块的漏损分析结果。
8.一种基于概率模型与非线性滤波的供水管漏损检测与定位装置，其特征在于，按权利要求2所述的供水管漏损检测与定位系统进行配置，包括监测设备、数据采集设备、数据处理分析设备、预警设备以及终端设备；
所述监测设备、所述数据采集设备、所述预警设备以及所述终端设备均与所述数据处理分析设备信号连接；
所述数据处理分析设备，用于执行如权利要求1～6任意一项所述的供水管漏损检测与定位方法，通过概率性多重漏损模型对监测数据进行分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310333861.0A CN116398825A (zh) | 2023-03-31 | 2023-03-31 | 一种基于概率模型的供水管漏损检测与定位方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310333861.0A CN116398825A (zh) | 2023-03-31 | 2023-03-31 | 一种基于概率模型的供水管漏损检测与定位方法、系统及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116398825A true CN116398825A (zh) | 2023-07-07 |
Family
ID=87017248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310333861.0A Pending CN116398825A (zh) | 2023-03-31 | 2023-03-31 | 一种基于概率模型的供水管漏损检测与定位方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116398825A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117307990A (zh) * | 2023-10-27 | 2023-12-29 | 合肥众安睿博智能科技有限公司 | 基于辅助传感协同惯性导航的封闭场景运动轨迹拟合技术 |
-
2023
- 2023-03-31 CN CN202310333861.0A patent/CN116398825A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117307990A (zh) * | 2023-10-27 | 2023-12-29 | 合肥众安睿博智能科技有限公司 | 基于辅助传感协同惯性导航的封闭场景运动轨迹拟合技术 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109555979B (zh) | 一种供水管网漏损监测方法 | |
| US10387590B2 (en) | Techniques for iterative reduction of uncertainty in water distribution networks | |
| Sarrate et al. | Sensor placement for leak detection and location in water distribution networks | |
| Sarrate et al. | Sensor placement for fault diagnosis performance maximization in distribution networks | |
| KR101447925B1 (ko) | 누출 신호 분석 방법 | |
| CN108984873B (zh) | 供水管网实时漏损检测方法、设备、系统及存储介质 | |
| WO2020052146A1 (zh) | 燃气泄漏的判断方法、装置及电子设备 | |
| CN103491651A (zh) | 一种基于二叉树模型的异常/故障定位检测方法 | |
| CN110285330B (zh) | 一种基于局部离群因子的水务网管网爆管检测方法 | |
| CN110513603B (zh) | 一种基于逆瞬态分析法的非金属管道泄漏定位方法 | |
| CN109725366B (zh) | 雨水堵塞点的定位方法及系统 | |
| 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 | |
| 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 | |
| Vrachimis et al. | Leakage detection and localization in water distribution systems: A model invalidation approach | |
| CN116398825A (zh) | 一种基于概率模型的供水管漏损检测与定位方法、系统及装置 | |
| CN115127037B (zh) | 一种供水管网漏损定位方法及系统 | |
| CN111765389A (zh) | 一种智能城市管网状态实时监测方法及系统 | |
| CN109737317B (zh) | 流体管道泄漏的次声波定位系统及方法 | |
| WO2019007497A1 (en) | METHOD AND APPARATUS FOR NON-INTRUSIVE VIBRATION OF A CENTRALIZED SYSTEM FOR DETECTING AND MONITORING LEAKAGE OF WATER DISTRIBUTION NETWORK PIPELINES | |
| Lah et al. | Localization techniques for water pipeline leakages: A review | |
| Bakker et al. | Analysis of historic bursts and burst detection in water supply areas of different size | |
| Li et al. | Leakage localization using pressure sensors and spatial clustering in water distribution systems | |
| CN112330187A (zh) | 一种地下设施水灾风险评估方法、系统、终端及存储介质 | |
| Bedjaoui et al. | Methods for the localization of a leak in open water channels | |
| CN112097125B (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 |