CN116624784A - 基于液位仪的排水管网淤堵快速诊断方法和系统 - Google Patents
基于液位仪的排水管网淤堵快速诊断方法和系统 Download PDFInfo
- Publication number
- CN116624784A CN116624784A CN202310686954.1A CN202310686954A CN116624784A CN 116624784 A CN116624784 A CN 116624784A CN 202310686954 A CN202310686954 A CN 202310686954A CN 116624784 A CN116624784 A CN 116624784A
- Authority
- CN
- China
- Prior art keywords
- liquid level
- drainage
- alarm
- water
- 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.)
- Pending
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003745 diagnosis Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 120
- 230000008859 change Effects 0.000 claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 16
- 230000008021 deposition Effects 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims description 61
- 238000012544 monitoring process Methods 0.000 claims description 41
- 239000010802 sludge Substances 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000002405 diagnostic procedure Methods 0.000 claims 3
- 239000012530 fluid Substances 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 16
- 239000010865 sewage Substances 0.000 description 10
- 230000007547 defect Effects 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000004836 empirical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 235000020681 well water Nutrition 0.000 description 1
- 239000002349 well water Substances 0.000 description 1
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
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本发明提供了一种基于液位仪的排水管网淤堵快速诊断方法和系统,包括:步骤1:获取排水管网的排水片区、流向及液位仪布点,进行排水片区和液位仪编号;步骤2:计算分析同一个排水片区范围内排水井同一个下降周期内的水量变化;步骤3:根据水量变化进行淤堵识别、淤泥淤积识别、排水异常识别和冒溢识别;步骤4:对片区内存在管网标高级差的连接点,分别进行级差前和级差后分析。本发明基于液位仪对排水管网淤堵进行快速诊断,一方面是通过水位变化量确认管网的淤堵情况,可以及时及早发现淤堵问题,及时解决淤堵问题;另一方面,经济高效,通过液位仪即可推广本方法,应用面极广。
Description
技术领域
本发明涉及排水管网淤堵诊断技术领域,具体地,涉及一种基于液位仪的排水管网淤堵快速诊断方法和系统。
背景技术
城市排水管道系统是城市的地下血脉,管网淤堵、淤积、排水异常、冒溢是导致排水不畅以及城市内涝的重要因素。由于污水中均含有一定的固体、半固体杂质,在流动过程中容易产生淤积,从而降低了管道的输水能力,有时甚至还会导致管道部分或完全堵塞,丧失了输水能力,同时也会因管道积满水而法进行常规检测。
目前针对排水不畅的检测工作方式主要包括传统方式和引入管道检测技术,传统地下排水管网的管理手段是纯靠人工、靠经验,哪里路面有积水抢修哪里,在问题发生之后才介入干预,缺点是问题发现不及时,存在隐患,主要靠经验和事后抢修。引入管道检测技术包括了QV检测、管段声纳检测、管道内窥仪(CCTV)检测等方法,缺点是检测工作需要大量的人力物力配合检测,检测内容比较综合,检测工作会受外界环境影响,导致精度降低,由于管道测量的目标处在一个复杂而变化的内部环境(压力、温度、腐蚀等)和外部环境(周围土壤、腐蚀、第三方干扰等)下,检测过程受到以上因素的影响,检测精度会降低。由于内检测环境条件等因素的影响,目前所有的内检测对于缺陷的探测、描述、定位,及确定大小的可靠性仍不稳定、不精确。
专利文献CN107355686A(申请号:CN201710431959.4)公开了一种排水管道堵塞故障的检测方法。方法为:安装排水管道堵塞故障的检测装置;选择已知的管道无故障段/管道故障段进行检测,计算机从接收端获得两种工况下的信号;获取排水管道两种工况下的声响应信号;声响应信号进行SVD分解;提取能量熵指标和近似熵指标,将两种指标的提取结果合并作为初始特征向量集合;将得到的能量熵特征向量集合、近似熵特征向量集合、初始特征向量集合使用距离可分性判据方法得到类内离散矩阵和类间离散矩阵;计算能量熵指标的权重、近似熵指标的权重;将各个特征向量集合加权得到新的特征向量集合;将特征向量集合训练随机森林分类器,得到故障识别模型。该专利未采用液位仪,无法通过水位变化量确认管网的淤堵情况。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于液位仪的排水管网淤堵快速诊断方法和系统。
根据本发明提供的基于液位仪的排水管网淤堵快速诊断方法,包括:
步骤1:获取排水管网的排水片区、流向及液位仪布点,进行排水片区和液位仪编号;
步骤2:计算分析同一个排水片区范围内排水井同一个下降周期内的水量变化;
步骤3:根据水量变化进行淤堵识别、淤泥淤积识别、排水异常识别和冒溢识别;
步骤4:对片区内存在管网标高级差的连接点,分别进行级差前和级差后分析。
优选的,所述步骤2包括:
步骤2.1:通过排水片区的井的水位下降特征,确定水位变化规律;
步骤2.2:根据布点液位仪的监测值和时间信息,计算片区井液位的变化和时间,得到液位时间变化率;
步骤2.3:根据水位变化规律和液位时间变化率,结合监测值指纹特征和大数据分析,计算排水片区水量变化的平均值,若该平均值超出预设范围,则进行报警。
优选的,所述淤堵识别包括:
在水位下降时,计算第n个窨井液位下降整周期中的水量:
其中,Ln表示液位下降阶段的整周期中第n个窨井的水量变化;at表示液位下降阶段的窨井n在第t个监测时间点的液位;at-at+1表示液位下降阶段的窨井n在第t个和t+1监测时间点的液位差值;sn表示窨井n的面积;ΔT表示水位下降周期;
设Ln为离泵站最近的窨井水量,L1是离泵站最远的窨井水量,则有:
其中,Dd表示片区内液位布点监测的天数,Dd从1开始至K,K≥30;md表示K个液位量差值;i为窨井序列索引;
对于K个液位量差值,置信区间μ为md均值,σ为md方差;
其中,Z是正态分布的分位数;
若Li(Dd)<Li(Dd-1),则表明ai号窨井液位异常,存在淤堵。
优选的,所述淤泥淤积识别包括:通过年份对比,判断是否发生液位的波形的整体抬升,若是则存在淤泥淤积的情况;
所述排水异常识别包括:对于发生突变的液位曲线,进行实际现场判断是否发生排水异常。
优选的,所述冒溢识别包括:
在液位超过井口时由液位仪的内部报警触发;
液位分为常态区、二级报警区和一级报警区,分别有两条阀值线;
当液位仪设备内部检测到二级报警值或一级报警值时,立刻向平台报警;在未接到同级报警解除值时,设备不再报同级报警;
当液位仪设备内部连续两次检测到二级报警解除值或一级报警解除值时,立刻向平台报警,解除报警;
平台接到设备报警,根据需要向设备发出指令,包括改变设备对液位的采用频率。
根据本发明提供的基于液位仪的排水管网淤堵快速诊断系统,包括:
模块M1:获取排水管网的排水片区、流向及液位仪布点,进行排水片区和液位仪编号;
模块M2:计算分析同一个排水片区范围内排水井同一个下降周期内的水量变化;
模块M3:根据水量变化进行淤堵识别、淤泥淤积识别、排水异常识别和冒溢识别;
模块M4:对片区内存在管网标高级差的连接点,分别进行级差前和级差后分析。
优选的,所述模块M2包括:
模块M2.1:通过排水片区的井的水位下降特征,确定水位变化规律;
模块M2.2:根据布点液位仪的监测值和时间信息,计算片区井液位的变化和时间,得到液位时间变化率;
模块M2.3:根据水位变化规律和液位时间变化率,结合监测值指纹特征和大数据分析,计算排水片区水量变化的平均值,若该平均值超出预设范围,则进行报警。
优选的,所述淤堵识别包括:
在水位下降时,计算第n个窨井液位下降整周期中的水量:
其中,Ln表示液位下降阶段的整周期中第n个窨井的水量变化;at表示液位下降阶段的窨井n在第t个监测时间点的液位;at-at+1表示液位下降阶段的窨井n在第t个和t+1监测时间点的液位差值;sn表示窨井n的面积;ΔT表示水位下降周期;
设Ln为离泵站最近的窨井水量,L1是离泵站最远的窨井水量,则有:
其中,Dd表示片区内液位布点监测的天数,Dd从1开始至K,K≥30;md表示K个液位量差值;i为窨井序列索引;
对于K个液位量差值,置信区间μ为md均值,σ为md方差;
其中,Z是正态分布的分位数;
若Li(Dd)<Li(Dd-1),则表明ai号窨井液位异常,存在淤堵。
优选的,所述淤泥淤积识别包括:通过年份对比,判断是否发生液位的波形的整体抬升,若是则存在淤泥淤积的情况;
所述排水异常识别包括:对于发生突变的液位曲线,进行实际现场判断是否发生排水异常。
优选的,所述冒溢识别包括:
在液位超过井口时由液位仪的内部报警触发;
液位分为常态区、二级报警区和一级报警区,分别有两条阀值线;
当液位仪设备内部检测到二级报警值或一级报警值时,立刻向平台报警;在未接到同级报警解除值时,设备不再报同级报警;
当液位仪设备内部连续两次检测到二级报警解除值或一级报警解除值时,立刻向平台报警,解除报警;
平台接到设备报警,根据需要向设备发出指令,包括改变设备对液位的采用频率。
与现有技术相比,本发明具有如下的有益效果:
(1)通过对排水片区内排水井液位仪进行布点,对主干管网排水井的上下游相邻布点液位的进行监测比较,可以快速识别排水管网的管道淤堵、淤积、排水异常和窨井冒溢问题;
(2)本发明基于液位仪对排水管网淤堵进行快速诊断,一方面是通过水位变化量确认管网的淤堵情况,可以及时及早发现淤堵问题,及时解决淤堵问题;另一方面,经济高效,通过液位仪即可推广本方法,应用面极广。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为片区井液位和变化量;
图2为片区井液位随时间的变化;
图3为排水片区的淤堵识别;
图4为排水异常状态;
图5为排污管网结构图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
本发明提供了一种基于液位仪的排水管网淤堵快速诊断方法,包括:
步骤1,确定排水管网的排水片区、流向及液位仪布点,进行排水片区和液位仪编号。
片区是按照顺序进行,以字母和数字组成,液位仪的编号是在区分雨水、污水及其排水方向的基础上,优先主管井的编号,其次是干管井的编号,编号有以下三部分组成:
W1(W1是污水的1号排水片区,首字母W和Y分别代表污水和雨水管网类型,数字代表排水片区编号,W1即污水的1号排水片区);
Z1(Z1是编号为1的主管,即不同类型管段的编号,字母Z代表主管,字母G代表干管,数字代表管段编号)
A1(A1是编号为1的液位仪,即布点的液位仪编号,字母A代表液位仪,数字代表顺着管网水流方向的的液位仪编号)。
例如,按照流向顺序依此是主管的W1Z1A1、W1Z1A2、W1Z1A3……,干管布点的编号依此是W1G1A1、W1G1A2、W1G1A3。
步骤2,计算分析同一个排水片区范围内,排水井同一个下降周期内的水量变化。
通过排水片区的井的水位监测、大数据分析,在泵站抽水,水位下降时,水流的上游比下游高,淤堵会导致在同一个下降周期内淤堵的水量变小。
1)排水片区的井水位的下降特征
如图1,从起始端,液位变化量逐渐变小,通过排水片区的井的水位下降特征,确定在水位变化规律,在同一个下降周期内,在泵站抽水,水位下降时,水流的上游比下游高,下游的水位变化量大于上游。
2)片区井液位的变化和时间
根据布点液位仪的监测值和时间信息,计算片区井液位的变化和时间,得到一致的液位时间变化率。如图2,Ta、Tb、Tc、Td是片区内液位监测点的井液位时间变化率,计算得到Ta、Tb、Tc、Td是相等的,也即Ha/Ta,Hb/Tb,Hc/Tc,Hd/Td存在的关系是一样的。
3)排水片区的平均值识别
根据监测值指纹特征、大数据分析,计算排水片区的平均值,平均值是一个范围值,在h0和h1间,在这个范围内,表示管网液位正常。
排水片区的平均值识别一旦液位到达报警点,实时进行报警。
步骤3,识别本段的淤堵、淤泥、冒溢、排水异常。
片区误差值M=设备误差+时差
若W1Z1A1\W1Z1A2\W1Z1A3监测点的同一时间点的液位在片区误差值范围内,则认为无问题。其中,通过传感器本身采样连续采集6次或10次,计算平均值为其时间点的液位值。
1)淤堵识别
如图3,其中A4、A3的L变大,A2、A1的L变小,A2、A3管道存在淤堵。在泵站抽水,液位下降时,水流的上游比下游高,淤堵会导致在同一个下降周期内淤堵的水量变小。若其中管段或井发生淤堵,相邻井内水位及水量变化趋势存在明显的不同,若A4、A3的液位水量变化变大,而相邻的A2、A1的液位水量变化变小,则认为A2和A3存在淤堵,导致排水不畅。
在水位下降时,开始计算第n个窨井水位下降整周期中的水量:
Ln表示液位下降阶段的整周期中第n个窨井的水量变化;at表示液位下降阶段的窨井n在第t个监测时间点的液位;at-at+1表示液位下降阶段的窨井n在第t个和t+1监测时间点的液位差值;sn表示窨井n的面积;
在水位下降时,计算第n个窨井液位下降整周期中的水量,执行如下程序进行识别淤堵:
for i in range(1,n)
设Ln为离泵站最近的窨井水量,L1是离泵站最远的窨井水量,则有:
Dd表示片区内液位布点监测的天数,Dd从1开始至K,K>=30;md表示K个液位量差值;md均值为μ,md方差为σ;
对于K个液位量差值,置信区间
其中,Z是正态分布的分位数,它与置信水平相关,例如对于置信水平为90%的双侧置信区间,Z值为1.645;
if Li(Dd)<Li(Dd-1)
print(Dd天时,“ai号窨井液位异常,ai号窨井水量变化微弱,存在淤堵)
其中,ai表示按照流向顺序的第i个监测布点;
通过以上步骤,锁定淤堵问题管道,通知养护人员,可由养护人员到现场检查具体是哪段管道淤堵。
2)淤泥淤积识别
淤泥情况,可由液位的波形的整体抬升来判断,通过年份对比发现波形的整体抬升,则存在淤泥沉积的情况。
考虑到市政主管是每年清淤一次,(考虑到行业经验和养护经费,每年清淤一次),行业认为10%沉积时是正常情况,20%淤泥淤积时,是肉眼可以见的,是普遍现场,60%淤泥淤积时,是必须进行清淤的。污水管道内的浮泥会被泵站抽走,(污水的建筑垃圾、树根、小石子/块可能会沉积形成淤堵点),而雨水管的浮泥会被冲走,而缠绕的大垃圾可能会形成淤堵点。
淤积以后,对液位的影响。通过历史对比,存在淤积,水流速度仍然很快,水量大小会对液位有明显影响。水量大的情况液位会明显提升,需要时间才能逐渐体现。
3)排水异常
如图4,在一天(或一周或一月)的液位曲线突变,可能是存在偷排、倒排大量水或管道被打通的现象,识别后,由养护人员实际现场判断。
4)冒溢识别(液位仪的内部报警)
冒溢识别是由液位仪的内部报警触发的。液位超过井口一定是冒溢现象。
液位分为常态区、二级报警区和一级报警区,分别有两条阀值线。
当液位仪设备内部检测到二级报警值或一级报警值时,立刻向平台报警。在未接到同级报警解除值报警时,设备不会再次报同级报警,只有解除后,才有报警;
当液位仪设备内部连续2次检测到二级报警解除值或一级报警解除值时,立刻向平台报警,解除报警;
平台接到设备报警,根据需要能够向设备发出指令,改变设备对液位的采用频率等。
步骤4,片区内存在管网标高级差的连接点,分别进行级差前和级差后的分析。如级差单位与市政支管的连接,如图5,单位或小区的内部主管和支管及内部主管的井、内部主管水流汇入的市政井。监测点是单位或小区内部主管和监测井、监测井和市政连接井进行布点监测,分别进行单位或小区内部主管和监测井的分析、监测井和市政连接井的分析,分析方法同步骤3。
实施例2:
本发明还提供一种基于液位仪的排水管网淤堵快速诊断系统,所述基于液位仪的排水管网淤堵快速诊断系统可以通过执行所述基于液位仪的排水管网淤堵快速诊断方法的流程步骤予以实现,即本领域技术人员可以将所述基于液位仪的排水管网淤堵快速诊断方法理解为所述基于液位仪的排水管网淤堵快速诊断系统的优选实施方式。
根据本发明提供的基于液位仪的排水管网淤堵快速诊断系统,包括:模块M1:获取排水管网的排水片区、流向及液位仪布点,进行排水片区和液位仪编号;模块M2:计算分析同一个排水片区范围内排水井同一个下降周期内的水量变化;模块M3:根据水量变化进行淤堵识别、淤泥淤积识别、排水异常识别和冒溢识别;模块M4:对片区内存在管网标高级差的连接点,分别进行级差前和级差后分析。
所述模块M2包括:模块M2.1:通过排水片区的井的水位下降特征,确定水位变化规律;模块M2.2:根据布点液位仪的监测值和时间信息,计算片区井液位的变化和时间,得到液位时间变化率;模块M2.3:根据水位变化规律和液位时间变化率,结合监测值指纹特征和大数据分析,计算排水片区水量变化的平均值,若该平均值超出预设范围,则进行报警。
所述淤堵识别包括:
在水位下降时,计算第n个窨井液位下降整周期中的水量:
其中,Ln表示液位下降阶段的整周期中第n个窨井的水量变化;at表示液位下降阶段的窨井n在第t个监测时间点的液位;at-at+1表示液位下降阶段的窨井n在第t个和t+1监测时间点的液位差值;sn表示窨井n的面积;ΔT表示水位下降周期;
设Ln为离泵站最近的窨井水量,L1是离泵站最远的窨井水量,则有:
其中,Dd表示片区内液位布点监测的天数,Dd从1开始至K,K≥30;md表示K个液位量差值;i为窨井序列索引;
对于K个液位量差值,置信区间μ为md均值,σ为md方差;
其中,Z是正态分布的分位数;
若Li(Dd)<Li(Dd-1),则表明ai号窨井液位异常,存在淤堵。
所述淤泥淤积识别包括:通过年份对比,判断是否发生液位的波形的整体抬升,若是则存在淤泥淤积的情况;
所述排水异常识别包括:对于发生突变的液位曲线,进行实际现场判断是否发生排水异常。
所述冒溢识别包括:
在液位超过井口时由液位仪的内部报警触发;
液位分为常态区、二级报警区和一级报警区,分别有两条阀值线;
当液位仪设备内部检测到二级报警值或一级报警值时,立刻向平台报警;在未接到同级报警解除值时,设备不再报同级报警;
当液位仪设备内部连续两次检测到二级报警解除值或一级报警解除值时,立刻向平台报警,解除报警;
平台接到设备报警,根据需要向设备发出指令,包括改变设备对液位的采用频率。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于液位仪的排水管网淤堵快速诊断方法,其特征在于,包括:
步骤1:获取排水管网的排水片区、流向及液位仪布点,进行排水片区和液位仪编号;
步骤2:计算分析同一个排水片区范围内排水井同一个下降周期内的水量变化;
步骤3:根据水量变化进行淤堵识别、淤泥淤积识别、排水异常识别和冒溢识别;
步骤4:对片区内存在管网标高级差的连接点,分别进行级差前和级差后分析。
2.根据权利要求1所述的基于液位仪的排水管网淤堵快速诊断方法,其特征在于,所述步骤2包括:
步骤2.1:通过排水片区的井的水位下降特征,确定水位变化规律;
步骤2.2:根据布点液位仪的监测值和时间信息,计算片区井液位的变化和时间,得到液位时间变化率;
步骤2.3:根据水位变化规律和液位时间变化率,结合监测值指纹特征和大数据分析,计算排水片区水量变化的平均值,若该平均值超出预设范围,则进行报警。
3.根据权利要求1所述的基于液位仪的排水管网淤堵快速诊断方法,其特征在于,所述淤堵识别包括:
在水位下降时,计算第n个窨井液位下降整周期中的水量:
其中,Ln表示液位下降阶段的整周期中第n个窨井的水量变化;at表示液位下降阶段的窨井n在第t个监测时间点的液位;at-at+1表示液位下降阶段的窨井n在第t个和t+1监测时间点的液位差值;sn表示窨井n的面积;ΔT表示水位下降周期;
设Ln为离泵站最近的窨井水量,L1是离泵站最远的窨井水量,则有:
其中,Dd表示片区内液位布点监测的天数,Dd从1开始至K,K≥30;md表示K个液位量差值;i为窨井序列索引;
对于K个液位量差值,置信区间μ为md均值,σ为md方差;
其中,Z是正态分布的分位数;
若Li(Dd)<Li(Dd-1),则表明ai号窨井液位异常,存在淤堵。
4.根据权利要求1所述的基于液位仪的排水管网淤堵快速诊断方法,其特征在于,所述淤泥淤积识别包括:通过年份对比,判断是否发生液位的波形的整体抬升,若是则存在淤泥淤积的情况;
所述排水异常识别包括:对于发生突变的液位曲线,进行实际现场判断是否发生排水异常。
5.根据权利要求1所述的基于液位仪的排水管网淤堵快速诊断方法,其特征在于,所述冒溢识别包括:
在液位超过井口时由液位仪的内部报警触发;
液位分为常态区、二级报警区和一级报警区,分别有两条阀值线;
当液位仪设备内部检测到二级报警值或一级报警值时,立刻向平台报警;在未接到同级报警解除值时,设备不再报同级报警;
当液位仪设备内部连续两次检测到二级报警解除值或一级报警解除值时,立刻向平台报警,解除报警;
平台接到设备报警,根据需要向设备发出指令,包括改变设备对液位的采用频率。
6.一种基于液位仪的排水管网淤堵快速诊断系统,其特征在于,包括:
模块M1:获取排水管网的排水片区、流向及液位仪布点,进行排水片区和液位仪编号;
模块M2:计算分析同一个排水片区范围内排水井同一个下降周期内的水量变化;
模块M3:根据水量变化进行淤堵识别、淤泥淤积识别、排水异常识别和冒溢识别;
模块M4:对片区内存在管网标高级差的连接点,分别进行级差前和级差后分析。
7.根据权利要求6所述的基于液位仪的排水管网淤堵快速诊断系统,其特征在于,所述模块M2包括:
模块M2.1:通过排水片区的井的水位下降特征,确定水位变化规律;
模块M2.2:根据布点液位仪的监测值和时间信息,计算片区井液位的变化和时间,得到液位时间变化率;
模块M2.3:根据水位变化规律和液位时间变化率,结合监测值指纹特征和大数据分析,计算排水片区水量变化的平均值,若该平均值超出预设范围,则进行报警。
8.根据权利要求6所述的基于液位仪的排水管网淤堵快速诊断系统,其特征在于,所述淤堵识别包括:
在水位下降时,计算第n个窨井液位下降整周期中的水量:
其中,Ln表示液位下降阶段的整周期中第n个窨井的水量变化;at表示液位下降阶段的窨井n在第t个监测时间点的液位;at-at+1表示液位下降阶段的窨井n在第t个和t+1监测时间点的液位差值;sn表示窨井n的面积;ΔT表示水位下降周期;
设Ln为离泵站最近的窨井水量,L1是离泵站最远的窨井水量,则有:
其中,Dd表示片区内液位布点监测的天数,Dd从1开始至K,K≥30;md表示K个液位量差值;i为窨井序列索引;
对于K个液位量差值,置信区间μ为md均值,σ为md方差;
其中,Z是正态分布的分位数;
若Li(Dd)<Li(Dd-1),则表明ai号窨井液位异常,存在淤堵。
9.根据权利要求6所述的基于液位仪的排水管网淤堵快速诊断系统,其特征在于,所述淤泥淤积识别包括:通过年份对比,判断是否发生液位的波形的整体抬升,若是则存在淤泥淤积的情况;
所述排水异常识别包括:对于发生突变的液位曲线,进行实际现场判断是否发生排水异常。
10.根据权利要求6所述的基于液位仪的排水管网淤堵快速诊断系统,其特征在于,所述冒溢识别包括:
在液位超过井口时由液位仪的内部报警触发;
液位分为常态区、二级报警区和一级报警区,分别有两条阀值线;
当液位仪设备内部检测到二级报警值或一级报警值时,立刻向平台报警;在未接到同级报警解除值时,设备不再报同级报警;
当液位仪设备内部连续两次检测到二级报警解除值或一级报警解除值时,立刻向平台报警,解除报警;
平台接到设备报警,根据需要向设备发出指令,包括改变设备对液位的采用频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686954.1A CN116624784A (zh) | 2023-06-09 | 2023-06-09 | 基于液位仪的排水管网淤堵快速诊断方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686954.1A CN116624784A (zh) | 2023-06-09 | 2023-06-09 | 基于液位仪的排水管网淤堵快速诊断方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116624784A true CN116624784A (zh) | 2023-08-22 |
Family
ID=87621244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310686954.1A Pending CN116624784A (zh) | 2023-06-09 | 2023-06-09 | 基于液位仪的排水管网淤堵快速诊断方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116624784A (zh) |
-
2023
- 2023-06-09 CN CN202310686954.1A patent/CN116624784A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109577449B (zh) | 一种基于大数据的城市排水网络监控控制系统 | |
CA2440397C (en) | Sewer flow monitoring method and system | |
CN105930653B (zh) | 一种基于计量分区流量监测数据的爆管预警方法 | |
CN111325947B (zh) | 一种基于长短期记忆网络的风暴潮洪涝预警方法和系统 | |
CN113538861B (zh) | 基于矿产地质勘查的地质灾害信息管理系统 | |
CN103697934B (zh) | 城市市政污水管网的带压监测方法 | |
CN111242203B (zh) | 水利工程运行期事故案例库匹配方法及系统 | |
CN109035202A (zh) | 一种基于cctv视频图像多元分析的排水管道缺陷诊断评估方法 | |
JP2004183340A (ja) | 切土のり面管理支援システム及びそのシステムに使用する切土のり面崩壊危険度判定システムと土中水分状況計測方法 | |
CN114565273A (zh) | 一种排水管网系统运行工况快速诊断与评估方法及系统 | |
CN116624784A (zh) | 基于液位仪的排水管网淤堵快速诊断方法和系统 | |
CN115830812B (zh) | 泵站建筑物异常沉降智能预警系统及方法 | |
KR102080066B1 (ko) | 무단방류 감시 시스템 | |
CN115655422A (zh) | 一种排水管网坍塌预警分析方法、装置、电子设备及介质 | |
Nagy | Dike breaches in the Carpathian Basin | |
CN116468286A (zh) | 一种基于在线液位监测的排水管网运行状况高效分析方法 | |
Wu et al. | Clustering-based burst detection using multiple pressure sensors in district metering areas | |
CN116542061B (zh) | 河港湖区水系排涝能力勘测数据分析方法 | |
Wong et al. | San Diego Experience: Application of New System for Sanitary Overflow Early Detection | |
CN116432547A (zh) | 一种基于swmm的适用于大管径暗涵的阻塞识别方法及系统 | |
Locke et al. | Sewer Air Management in Vancouver’s Kitsilano Area | |
CN117786307A (zh) | 基于旱天液位监测数据的污水管网来水异常分析方法与系统 | |
Liefting et al. | Sewer monitoring projects: data collection, data handling and data quality in Arnhem | |
Zhang et al. | Early Abnormal Detection of Sewage Pipe Network: Bagging of Various Abnormal Detection Algorithms | |
Harvey | Predictive Analytics for Planning Inspections of Linear Water and Wastewater Infrastructure |
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 |