CN117072883A - 一种基于物联网技术的城市排水管网远程监测维护系统 - Google Patents
一种基于物联网技术的城市排水管网远程监测维护系统 Download PDFInfo
- Publication number
- CN117072883A CN117072883A CN202311114583.6A CN202311114583A CN117072883A CN 117072883 A CN117072883 A CN 117072883A CN 202311114583 A CN202311114583 A CN 202311114583A CN 117072883 A CN117072883 A CN 117072883A
- Authority
- CN
- China
- Prior art keywords
- data
- pipeline
- pipe network
- drainage pipe
- preset
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 80
- 238000012423 maintenance Methods 0.000 title claims abstract description 19
- 238000005516 engineering process Methods 0.000 title claims abstract description 18
- 239000010865 sewage Substances 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000005856 abnormality Effects 0.000 claims abstract description 42
- 238000012795 verification Methods 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 85
- 230000002159 abnormal effect Effects 0.000 claims description 52
- 230000005540 biological transmission Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012886 linear function Methods 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Sewage (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Business, Economics & Management (AREA)
Abstract
本发明公开了一种基于物联网技术的城市排水管网远程监测维护系统，涉及排水管网监测技术领域；本发明通过对污水管道和雨水管道的分类标记，实现对雨污管道的分类监测；通过中心控制单元生成检测信号，以实现实时核验排水管网节点数据采集器的设备状态和远程自动开启数据采集器，大大节省了节点数据采集器巡查维护的人力成本；通过数据采集器传送的实况数据判断排水管网的运行状态，同时通过函数拟合的方法分别构建污水管道异常预测模型和雨水管道异常预测模型，以实现通过时段预测污水管道的运行状态和通过降雨量预测雨水管道的运行状态。
Description
技术领域
本发明涉及排水管网监测技术领域，尤其涉及一种基于物联网技术的城市排水管网远程监测维护系统。
背景技术
物联网技术是值通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议将任何物品与互联网相连接，进行信息交换和通讯以实现智能化识别、定位、追踪、监控和管理的一种网络技术，如今在各个领域都可以利用该项技术以此来减轻大量的人力物力；城市排水系统关乎城市居民的饮用水安全和防洪抗灾，利用物联网技术可以将城市排水系统各个节点的实况反馈到系统终端，实现对城市排水管网的远程监测；
现有的城市排水管网远程监测系统是通过在排水管道节点安装传感器，通过传感器实时传回的污水数据来监测排水管道的使用情况，此方法可以节省大量排水管道巡查人员的工作量，提高工作效率，但仍有一定局限性；针对雨污分流的排水管网系统，现有的监测平台缺乏对雨水管道的单独监测，并且在监测过程中重在分析实时数据，缺乏根据降雨量做出排水管异常情况的预测；
针对上述的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于：通过对污水管道和雨水管道的分类标记，实现对雨污管道的分类监测；通过中心控制单元生成检测信号，以实现实时核验排水管网节点数据采集器的设备状态和远程自动开启数据采集器，大大节省了节点数据采集器巡查维护的人力成本；通过数据采集器传送的实况数据判断排水管网的运行状态，同时通过函数拟合的方法分别构建污水管道异常预测模型和雨水管道异常预测模型，以实现通过时段预测污水管道的运行状态和通过降雨量预测雨水管道的运行状态。
为了实现上述目的，本发明采用了如下技术方案：
一种基于物联网技术的城市排水管网远程监测维护系统，包括管网标记单元、中心控制单元、设备监测单元、数据采集器、数据监测单元、数据存储单元、异常预测单元、用户显示单元和远程操控单元；
管网标记单元用于对污水管道和雨水管道做分类标记；中心控制单元用于生成监测信号并分别发送至设备监测单元和数据采集器，设备监测单元接收到监测信号时对城市排水管网各节点的数据采集器进行运行核验，数据采集器接收到监测信号时开始实时采集各节点的排水管网数据并分别发送至数据监测单元和数据存储单元；数据监测单元通过排水管网数据实时监测排水管网的运行状态；异常预测单元通过对数据存储单元中的排水管网数据进行整合分析，构建排水管网异常预测模型，通过异常预测模型实时预测节点在未来时段的异常运行状态；用户显示单元信号连接有设备监测单元、数据监测单元和异常预测单元，通过对设备监测单元、数据监测单元和异常预测单元产生的异常信号接收并显示，实现异常状态的实时告警；远程操控单元用于远程自动控制排水出口的阀门。
进一步的，管网标记单元对污水管道和雨水管道做分类标记的过程如下：
步骤一：获取城市排水管网平面规划图，以东西方向为x轴，南北方向为y轴建立平面直角坐标系，其中x轴正方向为向东，y轴正方向为向北；
步骤二：按照污水管道和雨水管道对排水管进行区分并分别标记为污水管道集合A和雨水管道集合B；
步骤二：分别获取污水管道和雨水管道中安装数据采集器的各管道节点的位置坐标，并将位置坐标按照对应的管道类别分别合并生成污水管道采集器集合X和雨水管道采集器集合Y。
进一步的，设备监测单元对城市排水管网各节点的数据采集器进行运行核验的工作过程如下：
设备监测单元接收到监测信号时，同时向排水管网各节点的数据采集器发送可反馈信息，对返回的可反馈信息进行分析判断各节点数据采集器的运行状态，其中，运行状态判断包括在线状态、信息传输速度和信息传输错误率；
其中，在线状态判断方法为：记录返回的可反馈信息数量并与各节点数据采集器的总数进行对比，当返回的可反馈信息数量与各节点数据采集器的总数相等时，各节点的数据采集器均为在线状态，此时不做处理；当返回的可反馈信息数量小于各节点数据采集器的总数时，获取未返回可反馈信息的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态；
信息传输速度判断方法为：从反馈信息发出起开始计时，并在可反馈信息返回时结束计时，通过计时的时长判断信息传输速度；将计时的时长与预设时长对比，当计时的时长小于或等于预设时长时，节点的数据采集器信息传输速度正常，此时不做处理；当计时的时长大于预设时长时，获取返回反馈信息时长大于预设时长的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态；
信息传输错误率判断方法为：分别获取可反馈信息和返回的可反馈信息的字符，将二者依次进行比对计算信息传输错误率P，具体计算公式为：
其中，m为可反馈信息中的字符数量，n为返回的可反馈信息中的错误字符和缺失字符数量之和；
将信息传输错误率P与预设值进行比较，当P小于或等于预设值时，信息传输错误率处在正常水平，此时不做处理；当P大于预设值时，数据采集器的信息传输错误率异常，此时获取具有异常信息传输错误率的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态。
进一步的，数据采集器实时采集的排水管网数据具体为：
污水管道采集器集合X中的数据采集器实时采集污水管道中的污水水位、污水流量、管道压力和管道周围的土壤湿度；
雨水管道采集器集合Y中的数据采集器实时采集降雨量、雨水管道中的雨水水位、雨水流量和水质数据；
其中，排水管内水位、流量越大，则排水管堵塞引发内涝的可能性越大；管道压力越大，则排水管的管体受损可能性越大；管道周围的土壤湿度越大，则排水管的渗漏可能性程度越大；降雨量越大，雨水管道的承载压力越大；水质数据为雨水中的有毒有害物质含量。
进一步的，数据监测单元的工作过程如下：
数据监测单元实时接收数据采集器发送的排水管网数据，通过将排水管网数据与预设阈值进行对比，当存在某个数据超过与之对应的预设阈值时，该数据对应排水管网节点存在异常情况，此时将异常数据和异常数据对应数据采集器位置坐标发送至用户显示单元，由管理员调配技术人员前去查看对应排水管节点的实际状态；
其中，数据监测单元信号连接有远程操控单元，当雨水管道中水质数据异常时，数据监测单元将异常水质数据对应雨水管道节点位置坐标发送至远程操控单元，通过远程操控单元自动控制该节点前后阀门，防止含有害物质雨水从雨水管道出口流出。
进一步的，异常预测单元构建排水管网异常预测模型的过程如下：
将数据存储单元中的排水管网数据按照来源进行分类标记，具体为将来源于污水管道采集器集合X中数据采集器的数据集合标记为x，将来源于雨水管道采集器集合Y中数据采集器的数据集合标记为y，分别通过集合x和集合y构建生成污水管道异常预测模型和雨水管道异常预测模型；其中污水管道异常预测模型反应污水管道内水位、流量和管道压力与时段的关系；雨水管道异常预测模型反应雨水管道内水位、流量与降雨量的关系。
进一步的，通过上述集合x构建污水管道异常预测模型的具体步骤如下：
步骤一：分别将集合x中的水位数据、流量数据和管道压力数据按照时序进行排列；
步骤二：获取预设时间周期内连续的水位数据、流量数据和管道压力数据，以时间为自变量，水位数据、流量数据和管道压力数据为因变量，分别记录预设周期内水位、流量和管道压力随时间变化的函数图像；
步骤三：根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值；
步骤四：重新获取预设时间周期内污水管道中连续的水位数据、流量数据和管道压力数据，对上述拟合的函数进行误差检验；具体为带入预设时间周期内的时间，分别计算出该预设周期内规定时间节点处的水位数据、流量数据和管道压力数据，再对计算出的水位数据、流量数据和管道压力数据与实际获取的水位数据、流量数据和管道压力数据分别作差求出误差值；
当误差小于或等于预设误差时，将该拟合函数标定为污水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差。
进一步的，通过上述集合y构建雨水管道异常预测模型的具体步骤如下：
步骤一：获取预设周期内雨水管道中连续的水位数据、流量数据和降雨量，并分别将上述获取的数据按照时序进行排列；
步骤二：以降雨量为自变量，水位数据和流量数据为因变量，分别记录预设周期内水位和流量随降雨量变化的函数图像；
步骤三：根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值；
步骤四：重新获取预设时间周期内雨水管道中连续的水位数据、流量数据和降雨量，对上述拟合的函数进行误差检验；具体为带入预设周期内的降雨量，分别计算出该预设周期内规定时间节点的水位数据和流量数据，再对计算出的水位数据和流量数据与实际获取的水位数据和流量数据分别作差求出误差值；
当误差小于或等于预设误差时，将该拟合函数标定为雨水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差。
进一步的，通过异常预测模型对排水管网异常运行状态进行预测的过程如下：
通过污水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将未来时段的时间作为输入值带入污水管道异常预测模型，求出对应时间污水管道的水位、流量和管道压力预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒；
通过雨水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将当地气象部门预测降雨量数据作为输入值带入雨水管道异常预测模型，求出该预测降雨量对应时间雨水管道的数位和流量预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明通过对污水管道和雨水管道的分类标记，实现对雨污管道的分类监测；通过中心控制单元生成检测信号，以实现实时核验排水管网节点数据采集器的设备状态和远程自动开启数据采集器，大大节省了节点数据采集器巡查维护的人力成本；通过数据采集器传送的实况数据判断排水管网的运行状态，同时通过函数拟合的方法分别构建污水管道异常预测模型和雨水管道异常预测模型，以实现通过时段预测污水管道的运行状态和通过降雨量预测雨水管道的运行状态。
附图说明
图1示出了本发明的运行流程图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例：
一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，包括管网标记单元、中心控制单元、设备监测单元、数据采集器、数据监测单元、数据存储单元、异常预测单元、用户显示单元和远程操控单元；
具体工作原理如下：
步骤一：对城市排水管网中的污水管道和雨水管道分类标记，具体过程如下：
获取城市排水管网平面规划图，以东西方向为x轴，南北方向为y轴建立平面直角坐标系，其中x轴正方向为向东，y轴正方向为向北；按照污水管道和雨水管道对排水管进行区分并分别标记为污水管道集合A和雨水管道集合B；分别获取污水管道和雨水管道中安装数据采集器的各管道节点的位置坐标，并将位置坐标按照对应的管道类别分别合并生成污水管道采集器集合X和雨水管道采集器集合Y。
步骤二：通过中心控制单元生成监测信号，对城市排水管网各节点的数据采集器进行运行核验，具体过程如下：
设备监测单元接收到中心控制单元生成的监测信号时，同时向排水管网各节点的数据采集器发送可反馈信息，对返回的可反馈信息进行分析判断各节点数据采集器的运行状态，其中，运行状态判断包括在线状态、信息传输速度和信息传输错误率；
其中，在线状态判断方法为：记录返回的可反馈信息数量并与各节点数据采集器的总数进行对比，当返回的可反馈信息数量与各节点数据采集器的总数相等时，各节点的数据采集器均为在线状态，此时不做处理；当返回的可反馈信息数量小于各节点数据采集器的总数时，获取未返回可反馈信息的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态；
信息传输速度判断方法为：从反馈信息发出起开始计时，并在可反馈信息返回时结束计时，通过计时的时长判断信息传输速度；将计时的时长与预设时长对比，当计时的时长小于或等于预设时长时，节点的数据采集器信息传输速度正常，此时不做处理；当计时的时长大于预设时长时，获取返回反馈信息时长大于预设时长的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态；
信息传输错误率判断方法为：分别获取可反馈信息和返回的可反馈信息的字符，将二者依次进行比对计算信息传输错误率P，具体计算公式为：
其中，m为可反馈信息中的字符数量，n为返回的可反馈信息中的错误字符和缺失字符数量之和；
将信息传输错误率P与预设值进行比较，当P小于或等于预设值时，信息传输错误率处在正常水平，此时不做处理；当P大于预设值时，数据采集器的信息传输错误率异常，此时获取具有异常信息传输错误率的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态。
步骤三：实时采集各节点的排水管网数据并分别发送至数据监测单元和数据存储单元，其中采集的数据具体为：
污水管道采集器集合X中的数据采集器实时采集污水管道中的污水水位、污水流量、管道压力和管道周围的土壤湿度；
雨水管道采集器集合Y中的数据采集器实时采集降雨量、雨水管道中的雨水水位、雨水流量和水质数据；
其中，排水管内水位、流量越大，则排水管堵塞引发内涝的可能性越大；管道压力越大，则排水管的管体受损可能性越大；管道周围的土壤湿度越大，则排水管的渗漏可能性程度越大；降雨量越大，雨水管道的承载压力越大；水质数据为雨水中的有毒有害物质含量。
步骤四：数据监测单元通过实时接收的排水管网数据判断排水管网的运行状态，具体判断方法如下：
数据监测单元将排水管网数据与预设阈值进行对比，当存在某个数据超过与之对应的预设阈值时，该数据对应排水管网节点存在异常情况，此时将异常数据和异常数据对应数据采集器位置坐标发送至用户显示单元，由管理员调配技术人员前去查看对应排水管节点的实际状态；例如：设置排水管水位上限阈值，当数据采集器采集到的水位数据超过该阈值时，则该数据采集器对应节点的排水管内水位超标，有内涝安全隐患，此时数据监测单元获取该节点的位置坐标并发送至用户显示单元实现及时预警；
其中，数据监测单元信号连接有远程操控单元，当雨水管道中水质数据异常时，数据监测单元将异常水质数据对应雨水管道节点位置坐标发送至远程操控单元，通过远程操控单元自动控制该节点前后阀门，防止含有害物质雨水从雨水管道出口流出。
步骤五：对数据存储单元中的排水管网数据按照来源进行分类标记，具体过程为：
将来源于污水管道采集器集合X中数据采集器的数据集合标记为x，将来源于雨水管道采集器集合Y中数据采集器的数据集合标记为y。
步骤六：通过上述集合x构建污水管道异常预测模型，具体构建过程如下：
S1.分别将集合x中的水位数据、流量数据和管道压力数据按照时序进行排列；
S2.获取预设时间周期内连续的水位数据、流量数据和管道压力数据，以时间为自变量，水位数据、流量数据和管道压力数据为因变量，分别记录预设周期内水位、流量和管道压力随时间变化的函数图像；
S3.根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值，例如，当函数图像呈现线性函数特征时，选择线性函数进行拟合，当函数图像呈现抛物线特征时，可选择二次函数进行拟合；
S4.重新获取预设时间周期内污水管道中连续的水位数据、流量数据和管道压力数据，对上述拟合的函数进行误差检验；具体为带入预设时间周期内的时间，分别计算出该预设周期内规定时间节点处的水位数据、流量数据和管道压力数据，再对计算出的水位数据、流量数据和管道压力数据与实际获取的水位数据、流量数据和管道压力数据分别作差求出误差值；当误差小于或等于预设误差时，将该拟合函数标定为污水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差；
其中，污水管道异常预测模型反应污水管道内水位、流量和管道压力与时段的关系，可预测未来可能存在排水管网运行状态异常的时间段。
步骤七：通过上述集合y构建雨水管道异常预测模型，具体构建过程如下：
Sa.获取预设周期内雨水管道中连续的水位数据、流量数据和降雨量，并分别将上述获取的数据按照时序进行排列；
Sb.以降雨量为自变量，水位数据和流量数据为因变量，分别记录预设周期内水位和流量随降雨量变化的函数图像；
Sc.根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值；
Sd.重新获取预设时间周期内雨水管道中连续的水位数据、流量数据和降雨量，对上述拟合的函数进行误差检验；具体为带入预设周期内的降雨量，分别计算出该预设周期内规定时间节点的水位数据和流量数据，再对计算出的水位数据和流量数据与实际获取的水位数据和流量数据分别作差求出误差值；当误差小于或等于预设误差时，将该拟合函数标定为雨水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差。
其中，雨水管道异常预测模型反应雨水管道内水位、流量与降雨量的关系，可预测未来在某种降雨量情况下雨水管道可能出现的异常情况。
步骤八：通过异常预测模型对排水管网异常运行状态进行预测，具体过程为：
通过污水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将未来时段的时间作为输入值带入污水管道异常预测模型，求出对应时间污水管道的水位、流量和管道压力预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒；
通过雨水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将当地气象部门预测降雨量数据作为输入值带入雨水管道异常预测模型，求出该预测降雨量对应时间雨水管道的水位和流量预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒。
综上所述，本发明通过对污水管道和雨水管道的分类标记，实现对雨污管道的分类监测；通过中心控制单元生成检测信号，以实现实时核验排水管网节点数据采集器的设备状态和远程自动开启数据采集器，大大节省了节点数据采集器巡查维护的人力成本；通过数据采集器传送的实况数据判断排水管网的运行状态，同时通过函数拟合的方法分别构建污水管道异常预测模型和雨水管道异常预测模型，以实现通过时段预测污水管道的运行状态和通过降雨量预测雨水管道的运行状态。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置；
阈值的大小的设定是为了便于比较，关于阈值的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据设定基数数量；只要不影响参数与量化后数值的比例关系即可。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，包括管网标记单元、中心控制单元、设备监测单元、数据采集器、数据监测单元、数据存储单元、异常预测单元、用户显示单元和远程操控单元；
管网标记单元用于对污水管道和雨水管道做分类标记；中心控制单元用于生成监测信号并分别发送至设备监测单元和数据采集器，设备监测单元接收到监测信号时对城市排水管网各节点的数据采集器进行运行核验，数据采集器接收到监测信号时开始实时采集各节点的排水管网数据并分别发送至数据监测单元和数据存储单元；数据监测单元通过排水管网数据实时监测排水管网的运行状态；异常预测单元通过对数据存储单元中的排水管网数据进行整合分析构建排水管网异常预测模型，通过异常预测模型实时预测节点在未来时段的异常运行状态；用户显示单元信号连接有设备监测单元、数据监测单元和异常预测单元，通过对设备监测单元、数据监测单元和异常预测单元产生的异常信号接收并显示，实现异常状态的实时告警；远程操控单元用于远程自动控制排水出口的阀门。
2.根据权利要求1所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，管网标记单元对污水管道和雨水管道做分类标记的过程如下：
步骤一：获取城市排水管网平面规划图，以东西方向为x轴，南北方向为y轴建立平面直角坐标系，其中x轴正方向为向东，y轴正方向为向北；
步骤二：按照污水管道和雨水管道对排水管进行区分并分别标记为污水管道集合A和雨水管道集合B；
步骤二：分别获取污水管道和雨水管道中安装数据采集器的各管道节点的位置坐标，并将位置坐标按照对应的管道类别分别合并生成污水管道采集器集合X和雨水管道采集器集合Y。
3.根据权利要求1所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，设备监测单元对城市排水管网各节点的数据采集器进行运行核验的工作过程如下：
设备监测单元接收到监测信号时，同时向排水管网各节点的数据采集器发送可反馈信息，对返回的可反馈信息进行分析判断各节点数据采集器的运行状态，其中，运行状态判断包括在线状态、信息传输速度和信息传输错误率；
其中，在线状态判断方法为：记录返回的可反馈信息数量并与各节点数据采集器的总数进行对比，当返回的可反馈信息数量与各节点数据采集器的总数相等时，各节点的数据采集器均为在线状态，此时不做处理；当返回的可反馈信息数量小于各节点数据采集器的总数时，获取未返回可反馈信息的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态；
信息传输速度判断方法为：从反馈信息发出起开始计时，并在可反馈信息返回时结束计时，通过计时的时长判断信息传输速度；将计时的时长与预设时长对比，当计时的时长小于或等于预设时长时，节点的数据采集器信息传输速度正常，此时不做处理；当计时的时长大于预设时长时，获取返回反馈信息时长大于预设时长的数据采集器对应节点的位置坐标并发送至用户显示单元；
信息传输错误率判断方法为：分别获取可反馈信息和返回的可反馈信息的字符，将二者依次进行比对计算信息传输错误率P，具体计算公式为：
其中，m为可反馈信息中的字符数量，n为返回的可反馈信息中的错误字符和缺失字符数量之和；
将信息传输错误率P与预设值进行比较，当P小于或等于预设值时，信息传输错误率处在正常水平，此时不做处理；当P大于预设值时，数据采集器的信息传输错误率异常，此时获取具有异常信息传输错误率的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态。
4.根据权利要求1所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，数据采集器实时采集的排水管网数据具体为：
污水管道采集器集合X中的数据采集器实时采集污水管道中的污水水位、污水流量、管道压力和管道周围的土壤湿度；
雨水管道采集器集合Y中的数据采集器实时采集降雨量、雨水管道中的雨水水位、雨水流量和水质数据。
5.根据权利要求1所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，数据监测单元的工作过程如下：
数据监测单元实时接收数据采集器发送的排水管网数据，通过将排水管网数据与预设阈值进行对比，当存在某个数据超过与之对应的预设阈值时，该数据对应排水管网节点存在异常情况，此时将异常数据和异常数据对应数据采集器位置坐标发送至用户显示单元，由管理员调配技术人员前去查看对应排水管节点的实际状态；
其中，数据监测单元信号连接有远程操控单元，当雨水管道中水质数据异常时，数据监测单元将异常水质数据对应雨水管道节点位置坐标发送至远程操控单元，通过远程操控单元自动控制该节点前后阀门。
6.根据权利要求1所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，异常预测单元构建排水管网异常预测模型的过程如下：
将数据存储单元中的排水管网数据按照来源进行分类标记，具体为将来源于污水管道采集器集合X中数据采集器的数据集合标记为x，将来源于雨水管道采集器集合Y中数据采集器的数据集合标记为y，分别通过集合x和集合y构建生成污水管道异常预测模型和雨水管道异常预测模型；其中污水管道异常预测模型反应污水管道内水位、流量和管道压力与时段的关系；雨水管道异常预测模型反应雨水管道内水位、流量与降雨量的关系。
7.根据权利要求6所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，通过上述集合x构建污水管道异常预测模型的具体步骤如下：
步骤一：分别将集合x中的水位数据、流量数据和管道压力数据按照时序进行排列；
步骤二：获取预设时间周期内连续的水位数据、流量数据和管道压力数据，以时间为自变量，水位数据、流量数据和管道压力数据为因变量，分别记录预设周期内水位、流量和管道压力随时间变化的函数图像；
步骤三：根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值；
步骤四：重新获取预设时间周期内污水管道中连续的水位数据、流量数据和管道压力数据，对上述拟合的函数进行误差检验；具体为带入预设时间周期内的时间，分别计算出该预设周期内规定时间节点处的水位数据、流量数据和管道压力数据，再对计算出的水位数据、流量数据和管道压力数据与实际获取的水位数据、流量数据和管道压力数据分别作差求出误差值；
当误差小于或等于预设误差时，将该拟合函数标定为污水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差。
8.根据权利要求6所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，通过上述集合y构建雨水管道异常预测模型的具体步骤如下：
步骤一：获取预设周期内雨水管道中连续的水位数据、流量数据和降雨量，并分别将上述获取的数据按照时序进行排列；
步骤二：以降雨量为自变量，水位数据和流量数据为因变量，分别记录预设周期内水位和流量随降雨量变化的函数图像；
步骤三：根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值；
步骤四：重新获取预设时间周期内雨水管道中连续的水位数据、流量数据和降雨量，对上述拟合的函数进行误差检验；具体为带入预设周期内的降雨量，分别计算出该预设周期内规定时间节点的水位数据和流量数据，再对计算出的水位数据和流量数据与实际获取的水位数据和流量数据分别作差求出误差值；
当误差小于或等于预设误差时，将该拟合函数标定为雨水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差。
9.根据权利要求1所述的一种基于物联网技术的城市排水管网远程监测维护系统，其特征在于，通过污水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将未来时段的时间作为输入值带入污水管道异常预测模型，求出对应时间污水管道的水位、流量和管道压力预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒；
通过雨水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将当地气象部门预测降雨量数据作为输入值带入雨水管道异常预测模型，求出该预测降雨量对应时间雨水管道的水位和流量预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311114583.6A CN117072883A (zh) | 2023-08-31 | 2023-08-31 | 一种基于物联网技术的城市排水管网远程监测维护系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311114583.6A CN117072883A (zh) | 2023-08-31 | 2023-08-31 | 一种基于物联网技术的城市排水管网远程监测维护系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117072883A true CN117072883A (zh) | 2023-11-17 |
Family
ID=88715151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311114583.6A Pending CN117072883A (zh) | 2023-08-31 | 2023-08-31 | 一种基于物联网技术的城市排水管网远程监测维护系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117072883A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117849300A (zh) * | 2024-01-15 | 2024-04-09 | 湖北慧科环境工程有限公司 | 一种基于大数据的废水监测系统 |
| CN118013449A (zh) * | 2024-04-10 | 2024-05-10 | 台州市污染防治技术中心有限公司 | 一种企业污水排放物联网管理系统 |
| CN118467936A (zh) * | 2024-07-12 | 2024-08-09 | 福建省湄洲湾港口发展中心 | 基于物联网的港口液体散货监测预警方法及其系统 |
-
2023
- 2023-08-31 CN CN202311114583.6A patent/CN117072883A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117849300A (zh) * | 2024-01-15 | 2024-04-09 | 湖北慧科环境工程有限公司 | 一种基于大数据的废水监测系统 |
| CN118013449A (zh) * | 2024-04-10 | 2024-05-10 | 台州市污染防治技术中心有限公司 | 一种企业污水排放物联网管理系统 |
| CN118467936A (zh) * | 2024-07-12 | 2024-08-09 | 福建省湄洲湾港口发展中心 | 基于物联网的港口液体散货监测预警方法及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117072883A (zh) | 一种基于物联网技术的城市排水管网远程监测维护系统 | |
| KR102101625B1 (ko) | 스마트 워터 시티 구축을 위한 ｉｃｔ 통합 모니터링 물 관리 시스템, 그리고 이를 위한 통합관제서버 | |
| Machell et al. | Online modelling of water distribution systems: a UK case study | |
| CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
| CN108320462A (zh) | 城市防汛预警预报系统 | |
| CN110533885A (zh) | 城市内涝监测预警系统及预警方法 | |
| CN111815128B (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
| CN109114430A (zh) | 一种城市排水管网在线监测系统 | |
| KR101017746B1 (ko) | 지능형 물관리 자동화시스템 | |
| CN113110200A (zh) | 一种基于气象和雨洪模型的城市内涝预警系统 | |
| CN110825011A (zh) | 污染源在线水平衡监测系统 | |
| CN109039277A (zh) | 光伏电站的监控方法和系统 | |
| CN111221286B (zh) | 智能物联排水系统及其控制方法 | |
| CN113011903A (zh) | 基于gis和水力模型的水污染精准溯源方法 | |
| CN105205878A (zh) | 排水管网的巡检方法及系统 | |
| CN113701802B (zh) | 管道系统的异常监测方法和异常监测系统 | |
| CN207924874U (zh) | 城市防汛预警预报装置 | |
| 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 | |
| CN111665766A (zh) | 一种基于物联网的水务智能监控系统 | |
| CN115789527A (zh) | 一种基于水环境信息化治理的分析系统及方法 | |
| CN112985713A (zh) | 基于边缘计算的管网漏损监测方法及系统 | |
| CN210518411U (zh) | 基于水利智慧感知的遥测终端系统 | |
| CN215340800U (zh) | 流域管理系统 | |
| CN114640828A (zh) | 一种基于管网gis的厂网河湖一体化运行监测预警系统 | |
| CN215117519U (zh) | 一种排水管网运行分析系统 |
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 |