CN116698112A - 一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法 - Google Patents
一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法 Download PDFInfo
- Publication number
- CN116698112A CN116698112A CN202310047571.XA CN202310047571A CN116698112A CN 116698112 A CN116698112 A CN 116698112A CN 202310047571 A CN202310047571 A CN 202310047571A CN 116698112 A CN116698112 A CN 116698112A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- upstream
- external water
- downstream
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 250
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 22
- 239000010865 sewage Substances 0.000 title claims abstract description 21
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 76
- 238000012795 verification Methods 0.000 claims abstract description 8
- 238000007621 cluster analysis Methods 0.000 claims abstract description 4
- 230000002776 aggregation Effects 0.000 claims description 20
- 238000004220 aggregation Methods 0.000 claims description 20
- 238000002844 melting Methods 0.000 claims description 18
- 230000008018 melting Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000013515 script Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 239000003344 environmental pollutant Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- 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
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,包括以下步骤:收集排水管网及监测站点的基础信息;对监测站点的温度自动监测数据进行聚类分析;计算上下游监测站点之间的外水混入比例;计算上下游温度监测曲线的波峰的综合相位差;计算监测站点之间的管道平均流速;计算监测站点的流量数据;计算和验证上下游监测站点之间的外水混入量。本发明可以定量分析监测站点之间的外水混入量并通过数据间的相互验证对分析结果的正确性进行验证,减小监测数据本身误差对分析结果的影响,提升外水混入定量分析的准确性,为城市排水管网的运行维护提供技术支撑。
Description
技术领域
本发明涉及市政排水和水环境保护领域,尤其是涉及一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法。
背景技术
外水混入是导致城市排水管网运行效率低下的重要原因之一,大量的河水和地下水渗入污水管网,增加了管道中污水量并稀释污染物浓度,增加了污水厂的运行成本;使管道长期处于高水位运行的状态,容易造成污水外溢,污染水环境。因此,排查出存在外水混入现象的管段并对管段进行修复,具有很大的经济效益和环境保护价值。
目前常见的外水混入方法是对流量、污染物浓度进行平衡分析来判断是否存在外水混入现象以及计算外水混入的水量,但由于流量以及污染物的监测数据误差较大,导致各种外水混入评估方法的误差均过大,而温度和水位监测数据相对于流量和污染物浓度监测数据更加可信和稳定,因此,亟需提供一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法。
发明内容
针对现有技术存在的上述问题,本申请提供了一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,可以定量分析监测站点之间的外水混入量并通过数据间的相互验证对分析结果的正确性进行验证,减小监测数据本身误差对分析结果的影响,提升外水混入定量分析的准确性,为城市排水管网的运行维护提供技术支撑。
本发明的技术方案如下:
一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,包括以下步骤:
S1、收集排水管网及监测站点信息,包括以下信息:
(1)监测站点在监测周期内的温度和水位自动监测数据;
(2)管道内水流的流向,即监测站点之间的上下游关系;
(3)监测站点之间的管道长度;
(4)监测站点之间的管道直径;
(5)监测周期内管网所在区域的平均气温;
S2、对单个监测站点的温度自动监测数据进行聚类分析;
S3、计算上下游监测站点之间的外水混入比例;
S4、计算上下游温度监测曲线的波峰的综合相位差;
S5、计算监测站点之间的管道平均流速;
S6、计算监测站点的流量数据;
S7、计算和验证上下游监测站点之间的外水混入量。
进一步的,S2包括以下步骤:
S2-1、温度监测数据分组,即:将每个监测站点视为独立单元,以日为界限将监测数据分组,组数为监测周期内的天数,对每组内的数据进行平滑化和归一化处理;
S2-2、凝聚分层聚类,即:确定组间距离和集群间距离的计算规则,分别对单元内的所有组进行凝聚分层聚类;
S2-3、根据对各组间曲线特征的相似程度要求确定一个阈值,即聚类阈值;
S2-4、以聚类阈值为界限对聚类结果进行分析,若在凝聚全过程中集群间的距离均不大于聚类阈值,则将所有组视为主集群内的组,否则不对该次凝聚以及之后凝聚的结果进行分析,并将该次凝聚前一次凝聚结果中组数最多的集群定义为主集群;统计主集群内的组数,若主集群内组数占比小于80%,则认为所对应监测站点上游存在不稳定的外水混入情况,否则认为所对应监测站点上游不存在外水混入或存在稳定的外水混入。
进一步的,S3包括以下步骤:
S3-1、分别计算每个监测站点在监测周期内所有温度监测数据的均值;
S3-2、根据热平衡方程:
Q放=C水m原(T原-T融)=C水m外(T融-T外)=Q吸
得出外水混入量和原管内流量之比k为:
其中T原为上游监测站点监测到的平均水温,T融为下游监测站点监测到的平均水温,T外为S1中收集到的监测周期内管网所在区域的平均气温。
进一步的,S4包括以下步骤:
S4-1、筛选上下游温度监测曲线的波峰,包括以下步骤:
S4-1-1、通过Python脚本寻找出所有的温度监测数据曲线的极大值点,即波峰,并计算出每个极大值点的峰度值;所述峰度值为衡量波峰相对于其左右数据在纵向上的突出性的参数;
S4-1-2、给峰度值设定一个阈值,即峰度阈值,然后保留峰度值大于峰度阈值的波峰,分别得到上下游温度监测曲线的经过筛选后的波峰所在的时间点序列;
S4-2、统计所有上游波峰及其对应的下游波峰的相位差,包括以下步骤:
S4-2-1、通过Python脚本对上游监测站点的每个波峰所在时间点进行遍历,在下游波峰时间点序列中找出遍历中上游波峰索引值相同的时间点;
S4-2-2、若索引相同的下游时间点早于遍历中的上游时间点,则在下游时间点的后十个索引中寻找晚于上游时间点的时间点,并将该时间点与上游时间点的时间差定为相位差,否则执行S4-2-3;
S4-2-3、若下游时间点前一索引的下游时间点早于上游时间点,则将索引相同的时间点的时间差即为相位差,否则在下游时间点的前十个索引中寻找晚于上游时间点的时间点,并将该时间点与上游时间点的时间差定义为相位差。
S4-3、计算综合相位差,包括以下步骤:
S4-3-1、根据现实中水流从上游监测站点流到下游监测站点所需时间确定一个阈值,即相位差阈值;
S4-3-2、统计所有得到的相位差,筛选出数值小于相位差阈值的相位差,将筛选出的所有相位差的均值作为综合相位差。
进一步的,S5所述管道平均流速等于S1所述管道长度除以S4所述综合相位差。
进一步的,S6包括以下步骤:
S6-1、推算管道水流截面积监测数据,即:根据S1中收集到的管径数据和水位监测数据,推算出管道内和水位监测数据精度相同的水流截面积监测数据;所述精度是指两个相邻的监测数据的时间间隔;
S6-2、通过scipy.intergrate库中的trapz方法将高精度的散点截面积监测数据以直线连接,构成的函数称为f(x),横轴为分钟;计算函数f(x)在横轴监测周期内的积分其中a为监测周期内的总分钟数;
S6-3、计算监测周期内的累计流量,即:
若监测站点仅下游有计算过平均流速V1的管段,则累计流量的公式为:
Q=60KV1
若监测站点仅上游有计算过平均流速V2的管段,则累计流量的公式为:
Q=60KV2
若监测站点仅上下游均有计算过平均流速的管段,则累计流量的公式为:
进一步的,S7包括以下步骤:
S7-1、根据S6-3得到的每个监测站点的累计流量,计算监测站点之间的外水混入量初步计算值,公式如下:
外水混入量初步计算值=下游监测站点累计流量-上游监测站点累计流量;
S7-2、根据监测站点的累计流量和外水混入初步计算量计算得到初步的监测站点间外水混入比例,将其与S3中的根据平均温度计算出的外水混入比例相比较,若两者之差小于5%,则认为外水混入量初步计算结果通过了数据间的相互验证,并将外水混入量初步计算值定为本方法计算得到的最终外水混入量,否则认为本次计算结果未能通过数据间的相互验证。
进一步的,所述温度监测数据的精度高于水流从上游监测站点以最大速度流入下游监测站点所需的时间。
进一步的,所述水位监测数据的精度高于5分钟,即监测数据之间的时间间隔小于5分钟。
进一步的,S6-1推算管道水流截面积时,将超过管道直径的水位数据视为满管的水位数据进行计算。
本发明有益的技术效果在于:
针对流量和污染物监测数据误差大且不稳定而导致外水混入定量分析误差大的现状,提出了一种基于更加稳定可信的温度和水位自动监测数据的管道外水混入分析方法,可以定量分析监测站点之间的外水混入量并通过数据间的相互验证对分析结果的正确性进行验证,减小监测数据本身误差对分析结果的影响,提升外水混入定量分析的准确性,为城市排水管网的运行维护提供技术支撑。
附图说明
图1是实施例的管段及监测站点的地理位置示意图;
图2是本发明的整体流程图;
图3是步骤S2的流程图;
图4是步骤S2的日监测数据的示意图;
图5是步骤S2-2的根据聚类结果绘制的树状图;
图6是步骤S3的温度监测数据曲线;
图7是步骤S4的流程图;
图8是步骤S4-1的波峰和峰度值参数的示意图;
图9是步骤S4的WA24和WZ21监测站点上下游筛选后的波峰所在时间点示意图;
图10是步骤S4的WA21和WZ16监测站点上下游筛选后的波峰所在时间点示意图。
具体实施方式
下面结合附图和实施例,对本发明进行具体描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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,都属于本发明保护的范围。
实施例利用本发明对九江市排水管道监测站点(图1)的监测数据进行外水混入定量分析,步骤如图2所示:
S1、收集排水管网及监测站点信息,包含以下信息:
(1)监测站点在监测周期内的温度和水位自动监测数据;WA24、WZ21、WZ16三个监测站点从2022年11月4日至2022年11月11日精度为1分钟的管道水温和水位的监测数据和2022年7月16日至8月3日精度为5分钟的管道水温和水位自动监测数据;
(2)管道内水流的流向,即监测站点之间的上下游关系;WA24、WZ21、WZ16三个监测站点的上下游关系,三个监测站点之间从上游至下游的排序为WA24、WZ21、WZ16;
(3)监测站点之间的管道长度;WA24与WZ21之间的管道长度为561.46米,WZ21与WZ16之间的管道长度为443.25米;
(4)监测站点之间的管道直径;监测站点之间的管道直径均为2.2米;
(5)监测周期内管网所在城市的平均气温;九江市十一月的平均气温为15摄氏度。
S2、对单个监测站点的温度自动监测数据进行聚类分析,包括以下步骤(图3):
S2-1、温度监测数据分组,即:将每个监测站点作为独立单元,以日为界限将7月17日至8月3日的温度监测数据分为21组每日温度监测数据;通过Savitzky-Golay平滑公式对每组的数据进行平滑化处理,窗口的长度H取值为13,平滑系数hi取值为3;使用最大最小标准化方法/>对平滑化后的数据进行归一化处理;
图4为WZ16监测站点所有平滑化和特征化后的日监测数据的示意图,图中实线曲线为聚类后主集群内的日监测数据对应的曲线,虚线为非主集群内日监测数据对应的曲线,即7月29日的温度日监测数据对应的曲线;
S2-2、凝聚分层聚类,即:使用欧根距离计算法计算组间的距离,并使用Average Linkage计算方法计算集群间的距离,即将两个集群内所有组之间距离的均值作为集群间的距离,分别对三个单元内的所有组进行凝聚分层聚类;
S2-3、根据对各组间曲线特征的相似程度要求,确定一个数值为3的阈值,即聚类阈值;
S2-4、以聚类阈值为界限对树状图中的聚类结果进行分析,若出现两个集群间的距离大于3,则不对该次凝聚以及之后凝聚的结果进行分析,并将该次凝聚前一次凝聚结果中组数最多的集群定义为主集群,统计主集群内的组数;若主集群内组数占比小于80%,则认为所对应监测站点上游存在不稳定的外水混入情况,否则认为所对应监测站点上游不存在外水混入或存在稳定的外水混入。三个监测站点所对应树状图主集群内组数占比分别为100%、100%、95.2%,因此判断这三个监测站点上游不存在外水混入或存在稳定的外水混入。
由WZ16监测站点日温度监测数据凝聚分层聚类结果所绘制的树状图如图5所示,纵轴代表的是集群间的距离,横轴代表的是不同的组;横向虚线代表S2-3中的聚类阈值,该虚线将所有组分成两个集群,一个为含有7月29日监测数据的集群,另一个为含有其他20天监测数据的主集群。
S3、计算上下游监测站点之间的外水混入比例,具体方法如下:
分别计算三个监测站点从2022年11月4日至2022年11月11日所有温度监测数据的均值,三个监测站点从上游到下游的温度监测数据的均值分别为24.2摄氏度、23.2摄氏度、22.4摄氏度,根据热平衡方程:
Q放=C水m原(T原-T融)=C水m外(T融-T外)=Q吸
可以得出外水混入量和原管内流量之比k为:
其中T原为上游监测站点检测到的平均水温,T融为下游监测站点检测到的平均水温,T外为步骤1中收集到的九江市十一月的平均气温。计算得到监测站点WA24和WZ21之间管道的外水混入量占原管内流量的12.20%,监测站点WZ21和WZ16之间管道的外水混入量占原管内流量的10.81%。
图6为S3中三个监测站点在监测周期内的温度监测数据曲线,从上至下分别为WA24、WZ21和WZ16监测站点对应的温度监测数据曲线。由图6可知,三个监测站点自上游到下游监测温度数据均值下降的趋势显著。
S4、计算上下游温度监测曲线的波峰的综合相位差,包括以下步骤(图7):
S4-1、筛选上下游温度监测曲线的波峰,即:
S4-1-1、通过Python脚本寻找出所有的温度监测数据曲线的极大值点,即波峰,并计算出每个极大值点的峰度值(峰度值为衡量波峰相对于其左右数据在纵向上的突出性的参数);
S4-1-2、保留峰度值大于0.13的波峰,分别得到上下游温度监测曲线筛选后的波峰所在的时间点序列。0.13这个阈值是根据现实数据的情况而定的,需要保证筛选后曲线中有足够多的波峰,也要保证上下游监测曲线的波峰有较好的对应关系,以防较小的波峰难以传递到下游而导致波峰不对应的情况。
图8为波峰和峰度值参数的示意图,图中用“×”标注的位置即为波峰,波峰的横坐标值即为波峰所在的时间点,图中从波峰往下延伸的纵向曲线的长度即为波峰的峰度值,为衡量波峰相对于其左右数据在纵向上的突出性的参数。
S4-2、统计所有上游波峰与其对应下游波峰的相位差,包括以下步骤:
S4-2-1、通过Python脚本对上游监测站点的每个波峰所在时间点进行遍历,在下游波峰时间点序列中找出遍历中上游波峰索引值相同的时间点;
S4-2-2、若索引相同的下游时间点早于遍历中的上游时间点,则在下游时间点的后十个索引中寻找晚于上游时间点的时间点,并将该时间点与上游时间点的时间差定为相位差,否则执行S4-2-3;
S4-2-3、若下游时间点前一索引的下游时间点早于上游时间点,则将索引相同的时间点的时间差即为相位差,否则在下游时间点的前十个索引中寻找晚于上游时间点的时间点,并将该时间点与上游时间点的时间差定义为相位差。
S4-3、计算综合相位差,即:统计所有得到的相位差,筛选出所有值小于10000秒的相位差,将筛选出相位差的均值作为综合相位差。10000秒这个阈值是根据现实中水流从上游监测站点流到下游监测站点所需时间确定的,用于排除由于波峰对应错误而计算出的错误相位差。根据计算,WA24和WZ21监测站点之间的综合相位差为3529秒,WZ21和WZ16监测站点之间的综合相位差为2710秒。图9为WA24和WZ21监测站点上下游筛选后的波峰所在时间点示意图;图10为WA21和WZ16监测站点上下游筛选后的波峰所在时间点示意图。
S5、计算监测站点之间的管道平均流速,即:结合S1中收集到的监测站点间管道的长度,将监测站点间管道长度和监测站点之间的综合相位差之商作为监测站点间管道的平均流速。根据计算,WA24和WZ21监测站点之间管道内的平均流速约为0.16m/s,WZ21和WZ16监测站点之间管道内的平均流速约为0.14m/s。
S6、计算监测站点的流量数据,包括以下步骤:
S6-1、推算管道水流截面积监测数据,根据S1中收集到的管径数据和精度为1分钟的水位监测数据,推算出管道内精度为1分钟的水流截面积监测数据;将超过管道直径的水位数据视为满管的水位数据进行计算;
S6-2、通过scipy.intergrate库中的trapz方法将精度为1分钟的散点监测数据以直线连接,构成的函数称为f(x),横轴为分钟,监测周期内共有10080分钟,计算函数f(x)在横轴上的积分
S6-3、计算累计流量数据,方法如下:若监测站点仅下游有计算过平均流速V1的管段,则根据公式Q=60KV1计算得到累计流量;若监测站点仅上游有计算过平均流速V2的管段,则根据公式Q=60KV2计算得到累计流量;若监测站点仅上下游有计算过平均流速的管段,则根据公式计算得到累计流量。
根据计算,WA24站点在监测周期内的累计流量为201498m3,WZ21站点在监测周期内的累计流量为234099m3,WZ16站点在监测周期内的累计流量为268802m3。
S7、计算上下游监测站点之间的外水混入量,即:根据S6-3中计算得到的累计流量,可以计算出监测周期内监测站点WA24和WZ21之间管道的外水混入量为32601m3,监测站点WZ21和WZ16之间管道的外水混入量为34703m3,外水混入比例分别为16.18%和14.82%,与S3中的根据平均温度计算出的外水混入比例之差均小于5%,通过了数据间的相互验证,因此可以确定监测周期内监测站点WA24和WZ21之间管道的外水混入量为32601m3,监测站点WZ21和WZ16之间管道的外水混入量为34703m3。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,对于本领域的普通技术人员而言,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (10)
1.一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,包括以下步骤:
S1、收集排水管网及监测站点信息,包括以下信息:
(1)监测站点在监测周期内的温度和水位自动监测数据;
(2)管道内水流的流向,即监测站点之间的上下游关系;
(3)监测站点之间的管道长度;
(4)监测站点之间的管道直径;
(5)监测周期内管网所在区域的平均气温;
S2、对单个监测站点的温度自动监测数据进行聚类分析;
S3、计算上下游监测站点之间的外水混入比例;
S4、计算上下游温度监测曲线的波峰的综合相位差;
S5、计算监测站点之间的管道平均流速;
S6、计算监测站点的流量数据;
S7、计算和验证上下游监测站点之间的外水混入量。
2.根据权利要求1所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,S2包括以下步骤:
S2-1、温度监测数据分组,即:将每个监测站点视为独立单元,以日为界限将监测数据分组,组数为监测周期内的天数,对每组内的数据进行平滑化和归一化处理;
S2-2、凝聚分层聚类,即:确定组间距离和集群间距离的计算规则,分别对单元内的所有组进行凝聚分层聚类;
S2-3、根据对各组间曲线特征的相似程度要求确定一个阈值,即聚类阈值;
S2-4、以聚类阈值为界限对聚类结果进行分析,若在凝聚全过程中集群间的距离均不大于聚类阈值,则将所有组视为主集群内的组,否则不对该次凝聚以及之后凝聚的结果进行分析,并将该次凝聚前一次凝聚结果中组数最多的集群定义为主集群;统计主集群内的组数,若主集群内组数占比小于80%,则认为所对应监测站点上游存在不稳定的外水混入情况,否则认为所对应监测站点上游不存在外水混入或存在稳定的外水混入。
3.根据权利要求1所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,S3包括以下步骤:
S3-1、分别计算每个监测站点在监测周期内所有温度监测数据的均值;
S3-2、根据热平衡方程:
Q放=C水m原(T原-T融)=C水m外(T融-T外)=Q吸
得出外水混入量和原管内流量之比k为:
其中T原为上游监测站点监测到的平均水温,T融为下游监测站点监测到的平均水温,T外为S1中收集到的监测周期内管网所在区域的平均气温。
4.根据权利要求1所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,S4包括以下步骤:
S4-1、筛选上下游温度监测曲线的波峰,包括以下步骤:
S4-1-1、通过Python脚本寻找出所有的温度监测数据曲线的极大值点,即波峰,并计算出每个极大值点的峰度值;所述峰度值为衡量波峰相对于其左右数据在纵向上的突出性的参数;
S4-1-2、给峰度值设定一个阈值,即峰度阈值,然后保留峰度值大于峰度阈值的波峰,分别得到上下游温度监测曲线的经过筛选后的波峰所在的时间点序列;
S4-2、统计所有上游波峰及其对应的下游波峰的相位差,包括以下步骤:
S4-2-1、通过Python脚本对上游监测站点的每个波峰所在时间点进行遍历,在下游波峰时间点序列中找出遍历中上游波峰索引值相同的时间点;
S4-2-2、若索引相同的下游时间点早于遍历中的上游时间点,则在下游时间点的后十个索引中寻找晚于上游时间点的时间点,并将该时间点与上游时间点的时间差定为相位差,否则执行S4-2-3;
S4-2-3、若下游时间点前一索引的下游时间点早于上游时间点,则将索引相同的时间点的时间差即为相位差,否则在下游时间点的前十个索引中寻找晚于上游时间点的时间点,并将该时间点与上游时间点的时间差定义为相位差。
S4-3、计算综合相位差,包括以下步骤:
S4-3-1、根据现实中水流从上游监测站点流到下游监测站点所需时间确定一个阈值,即相位差阈值;
S4-3-2、统计所有得到的相位差,筛选出数值小于相位差阈值的相位差,将筛选出的所有相位差的均值作为综合相位差。
5.根据权利要求1所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,S5所述管道平均流速等于S1所述管道长度除以S4所述综合相位差。
6.根据权利要求1所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,S6包括以下步骤:
S6-1、推算管道水流截面积监测数据,即:根据S1中收集到的管径数据和水位监测数据,推算出管道内和水位监测数据精度相同的水流截面积监测数据;所述精度是指两个相邻的监测数据的时间间隔;
S6-2、通过scipy.intergrate库中的trapz方法将高精度的散点截面积监测数据以直线连接,构成的函数称为f(x),横轴为分钟;计算函数f(x)在横轴监测周期内的积分其中a为监测周期内的总分钟数;
S6-3、计算监测周期内的累计流量,即:
若监测站点仅下游有计算过平均流速V1的管段,则累计流量的公式为:
Q=60KV1
若监测站点仅上游有计算过平均流速V2的管段,则累计流量的公式为:
Q=60KV2
若监测站点仅上下游均有计算过平均流速的管段,则累计流量的公式为:
7.根据权利要求6所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,S7包括以下步骤:
S7-1、根据S6-3得到的每个监测站点的累计流量,计算监测站点之间的外水混入量初步计算值,公式如下:
外水混入量初步计算值=下游监测站点累计流量-上游监测站点累计流量;
S7-2、根据监测站点的累计流量和外水混入初步计算量计算得到初步的监测站点间外水混入比例,将其与S3中的根据平均温度计算出的外水混入比例相比较,若两者之差小于5%,则认为外水混入量初步计算结果通过了数据间的相互验证,并将外水混入量初步计算值定为本方法计算得到的最终外水混入量,否则认为本次计算结果未能通过数据间的相互验证。
8.根据权利要求6所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,所述温度监测数据的精度高于水流从上游监测站点以最大速度流入下游监测站点所需的时间。
9.根据权利要求6所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,所述水位监测数据的精度高于5分钟,即监测数据之间的时间间隔小于5分钟。
10.根据权利要求6所述的一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法,其特征在于,S6-1推算管道水流截面积时,将超过管道直径的水位数据视为满管的水位数据进行计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310047571.XA CN116698112B (zh) | 2023-01-31 | 2023-01-31 | 一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310047571.XA CN116698112B (zh) | 2023-01-31 | 2023-01-31 | 一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116698112A true CN116698112A (zh) | 2023-09-05 |
CN116698112B CN116698112B (zh) | 2023-12-01 |
Family
ID=87826394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310047571.XA Active CN116698112B (zh) | 2023-01-31 | 2023-01-31 | 一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116698112B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010114752A1 (en) * | 2009-03-31 | 2010-10-07 | Temptime Corporation | Co-crystallizable diacetylenic monomer compositions, crystal phases and mixtures, and related methods |
CN104236626A (zh) * | 2014-09-04 | 2014-12-24 | 北京清控人居环境研究院有限公司 | 排水管道液位与流量一体化在线监测系统 |
CN107003173A (zh) * | 2014-11-21 | 2017-08-01 | 富士通株式会社 | 水量测量装置以及水量监控系统 |
CN111120877A (zh) * | 2019-12-12 | 2020-05-08 | 同济大学 | 一种基于分布式光纤测温的排水管网泄漏监测设备 |
CN113029382A (zh) * | 2021-02-26 | 2021-06-25 | 同济大学 | 基于光纤分布式测温系统的排水管道入流入渗诊断方法 |
CN113361772A (zh) * | 2021-06-07 | 2021-09-07 | 北控水务(中国)投资有限公司 | 一种混流管网水量的预测方法及装置 |
-
2023
- 2023-01-31 CN CN202310047571.XA patent/CN116698112B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010114752A1 (en) * | 2009-03-31 | 2010-10-07 | Temptime Corporation | Co-crystallizable diacetylenic monomer compositions, crystal phases and mixtures, and related methods |
CN104236626A (zh) * | 2014-09-04 | 2014-12-24 | 北京清控人居环境研究院有限公司 | 排水管道液位与流量一体化在线监测系统 |
CN107003173A (zh) * | 2014-11-21 | 2017-08-01 | 富士通株式会社 | 水量测量装置以及水量监控系统 |
CN111120877A (zh) * | 2019-12-12 | 2020-05-08 | 同济大学 | 一种基于分布式光纤测温的排水管网泄漏监测设备 |
CN113029382A (zh) * | 2021-02-26 | 2021-06-25 | 同济大学 | 基于光纤分布式测温系统的排水管道入流入渗诊断方法 |
CN113361772A (zh) * | 2021-06-07 | 2021-09-07 | 北控水务(中国)投资有限公司 | 一种混流管网水量的预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116698112B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458359B (zh) | 一种基于未完全截污条件下的平原河网水量水质优化调控方法 | |
CN111950627A (zh) | 一种多源信息融合方法及其应用 | |
CN112816646A (zh) | 一种基于网格化水质监测的河道排污口溯源方法 | |
CN116541678B (zh) | 一种气站安全管道压力监测方法、装置 | |
CN116698112B (zh) | 一种基于温度和水位自动监测数据的污水管道外水混入定量分析方法 | |
CN113222351A (zh) | 一种基于水体演进变化的城市应急供水精细化调度方法 | |
CN113836673A (zh) | 一种基于信息熵的排水管网监测点的布置方法 | |
Zhang et al. | Real-time burst detection based on multiple features of pressure data | |
CN117708625B (zh) | 一种乏数据背景下大坝监测历史数据填补方法 | |
CN114858207A (zh) | 一种基于软测量的河道排污口网格化溯源排查方法 | |
CN116502805B (zh) | 基于围区水网提升量化评价模型的调度方案快速筛选方法 | |
CN117071706A (zh) | 一种市政道路用排水管网控制系统 | |
CN114678084B (zh) | 利用多点长系列监测数据求解污染物综合衰减系数的方法 | |
CN111914209A (zh) | 一种基于熵值法的排水采气效果模糊综合评价方法 | |
CN111414584A (zh) | 一种基于监测数据的辅助预警方法 | |
CN116777027A (zh) | 一种非正常日的负荷预测方法及系统 | |
CN1017930B (zh) | 化学监测系统及方法 | |
CN111932162A (zh) | 一种面向管网排水计算的市政排水资料质量综合评估方法 | |
CN115795258B (zh) | 一种定量分析改变取水方式对河流下游污染物浓度影响的方法 | |
CN102128914A (zh) | 一种水质量预测、评价的等浓度线方法 | |
CN112330058A (zh) | 10千伏及以下配网项目投资完成预测与预警方法及系统 | |
CN104485000A (zh) | 一种浮动车数据源有效性分析处理方法 | |
CN115906687B (zh) | 一种工业生活取水退水的河流环境影响的定量分析和评估方法 | |
CN116973527B (zh) | 一种基于大数据的水质环境检测方法及系统 | |
CN111369062B (zh) | 车辆动力学指标提取方法和事故风险值预测方法 |
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 |