KR20140004127A - 수도 시설망에서의 이상의 가능한 지리적 위치를 확인하는 시스템 및 방법 - Google Patents

수도 시설망에서의 이상의 가능한 지리적 위치를 확인하는 시스템 및 방법 Download PDF

Info

Publication number
KR20140004127A
KR20140004127A KR1020137018680A KR20137018680A KR20140004127A KR 20140004127 A KR20140004127 A KR 20140004127A KR 1020137018680 A KR1020137018680 A KR 1020137018680A KR 20137018680 A KR20137018680 A KR 20137018680A KR 20140004127 A KR20140004127 A KR 20140004127A
Authority
KR
South Korea
Prior art keywords
data
anomaly
network
location
previous
Prior art date
Application number
KR1020137018680A
Other languages
English (en)
Inventor
아미타이 아르몬
하가이 스콜니코브
차임 린하르트
라즈 지브
Original Assignee
타카두 엘티디.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=45571370&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=KR20140004127(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by 타카두 엘티디. filed Critical 타카두 엘티디.
Publication of KR20140004127A publication Critical patent/KR20140004127A/ko

Links

Images

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
    • G01D4/00—Tariff metering apparatus
    • G01D4/002—Remote reading of utility meters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
    • G01M3/2807—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds for pipes
    • 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
    • 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
    • G01D4/00—Tariff metering apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00—Investigating fluid-tightness of structures
    • G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
    • G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
    • G01M3/28—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors for pipes, cables or tubes; for pipe joints or seals; for valves ; for welds
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/30—Smart metering, e.g. specially adapted for remote reading

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Examining Or Testing Airtightness (AREA)
  • Sewage (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Computer And Data Communications (AREA)
  • Pipeline Systems (AREA)
  • Separation Using Semi-Permeable Membranes (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

수도 시설망의 지역 또는 구역에서의 이상(anomaly)의 적어도 하나의 통계적으로 가능한 지리적 위치를 결정하는 컴퓨터화된 방법에 있어서, 수도 시설망은 소비자들에게 수도를 전달하기 위한 배관들의 망, 및 수도 시설망 내에 위치하고, 이상이 존재하는 지역 또는 구역 내에 전달되는 수도에 관한 데이터를 포획하는 복수의 계량기들을 적어도 포함한다. 컴퓨터화된 방법은 수도 시설망의 지역 또는 구역 내에서 발생하고 있거나 발생되었던 이상의 표시를 나타내고, 계량기들 중 적어도 하나에 의해 생성된 계량기 데이터와 연관된 이상 사건 데이터를 수신하는 단계를 포함한다. 컴퓨터화된 방법은 이상 사건 데이터에 대하여, 각각이 지역 또는 구역 내의 이상의 가능한 지리적 위치를 통계적으로 결정하는 복수의 테스트들을 수행하는 단계를 더 포함한다. 이상에 대한 가능한 지리적 위치에 대한 점수를 생성하도록 복수의 테스트들의 결과들이 조합된다. 사용자에게 적어도 하나의 가능한 지리적 위치가 제시된다.

Description

수도 시설망에서의 이상의 가능한 지리적 위치를 확인하는 시스템 및 방법{SYSTEM AND METHOD FOR IDENTIFYING LIKELY GEOGRAPHICAL LOCATIONS OF ANOMALIES IN A WATER UTILITY NETWORK}
본 발명은, 일반적으로, 수도 시설망(water utility network)과 같은 자원 분배 시스템들의 모니터링 및 이러한 분배망과 연관된 이상들(anomalies)의 위치 결정에 관한 것이다.
국제 연합(Unite Nations, UN)은 물 사용이 지난 세기의 인구 증가율의 두 배 이상으로 증가하고 있고, 만성적으로 물 부족을 겪는 지역의 수가 증가하고 있음을 언급하였다. 2025년까지 인구 증가의 결과로서 세계 인구의 3분의 2가 물 부족을 겪을 수 있다. 물, 특히 식수가 모든 사회 경제적 성장 및 건강 인구의 유지를 위하여 필수적이다. 전세계적으로 인구가 증가함에 따라 이들은 사용할 깨끗한 물의 할당 증가를 요구하고, 이에 따라 물 부족 현상이 심화될 것이다.
물 부족 및 자원 보존의 해결을 위한 하나의 방법은 수도 시설망(water utility network)에서 누수 및 다른 사건을 검출하는 것이다. 일부 전문가들은 누수 및 절도로 인한 손실이 수도 시설망에 흐르는 물의 25-30%에 이르는 것으로 추정한다. 그러므로, 이미 사람에 의해 통제되고 있는 시스템에서의 물 손실을 해결하는 것만으로 물의 상당한 양이 보존될 수 있다.
전통적으로, 누수의 검출 및 위치 결정은, 음향 측정, 또는 현장 직원과 같은 지원 직원에 의한 직접적인 실사와 같은, 단순하고 집적적인 방법들에 의해 수행되어 왔다. 그러나, 이러한 방법들은 침습적(invasive) 측정을 요구하고 땅파기 작업을 요구할 수 있는 단점을 가져서 시설 운영자에게 시간 및 자원의 모두에 있어서 상대한 비용을 부담시킬 수 있다.
최근, 수도 시설망에서 발생하는 누수 및 다른 이상 사건의 검출을 용이하게 하는 시스템들이 개발되었다. 예를 들어, 현재 시장에서의 이러한 시스템들의 예들로서, 영국의 ABB 유한 회사의 수도망 센서들, 또는 미국등록특허 제4,361,060호, 미국등록특허 제6,970,808호, 또는 미국특허출원번호 제0247331호는 일 형태의 자원 전달 망들에서의 누출을 검출할 수 있는 것으로 주장한다. 본 발명의 출원인에 의해 출원된 미국특허출원번호 제12/717,944호 "SYSTEM AND METHOD FOR MONITORING RESOURCES IN A WATER UTILITY NETWORK"는 현존하는 또는 제안된 다른 시스템들보다 높은 정확도의 가능성을 제공하는 통계적인 방법들을 이용하여 수도 시설망에서의 이상들(anomalies)을 검출하는 다양한 시스템들 및 방법들을 개시하고, 이는 전체로서 본 명세서에 참조로 포함된다. 이러한 시스템들 및 다른 시스템들은 영향을 받은 센서들 또는 계량기들에 기초하여 가능성 있는 위치들에 대한 일부 일반적인 데이터로 누수 또는 다른 이상들의 가능성을 확인한다.
또한, 망 운영자가 미리 검출된 이상들의 위치를 보다 정확하게 결정하여 누수 및 다른 이상들을 보다 빠르게 찾고, 확인하며, 수리할 수 있도록 현재 시스템들을 향상시킴으로써 추가적인 자원 관리가 가능하다. 종종, 전형적인 시나리오에서, 검출 시스템 또는 작업 프로세스는 이상(anomaly)에 대하여 경고할 때 DMA와 같은 일반적 위치 또는 수도 시설망의 부분을 내놓고, 이에 따라 현장 직원의 조사와 같은 보다 비싼 이차적 수단에 의해 정확한 위치(pinpoint location)로 축소되어야만 한다. 일반적으로, 이러한 정확한 위치의 결정의 비용은 상기 이상을 정확히 찾아내도록 탐색되어야만 하는 망의 면적 또는 길이에 비례한다.
이와 같이, 이상 사건들에 대하여 주어진 일반적인 위치를 높은 통계적 정확도로 보다 정밀한 위치로 개선하기 위하여 상기 이상 사건들에 관한 데이터를 더욱 분석하는 향상된 시스템 및 방법이 요구된다.
본 발명의 일 목적은 수도 시설망(water utility network)과 같은 자원 분배 시스템들에서 이상들(anomalies)의 위치 결정하는 시스템 및 방법을 제공하는 것이다.
종래 기술의 상술한 문제들 및 다른 문제들 중 일부 또는 전부가, 수도 시설망의 지역 또는 구역에서 발생된 것으로 의심되는 이상(anomaly)의 적어도 하나의 통계적으로 가능한 지리적 위치를 결정하는 컴퓨터화된 방법 및 상응하는 시스템에 의해 해결된다. 상기 수도 시설망은 소비자들에게 수도를 전달하기 위한 배관들의 망으로 구성되고, 상기 수도 시설망 내에 위치하는 계량기들, 종종 다수의 계량기들을 가진다. 상기 계량기들은 수도 시설에 의해 일반적으로 상기 망의 도처에 다양한 불규칙적인 위치들에 위치하고, 전체로서 상기 망의 수도의 흐름 및 조건에 관한 데이터의 불완전한 세트를 제공한다. 상기 계량기들 또는 센서들은 흐름, 압력, 저수지 레벨, 산성, 혼탁도, 염소화, 잡음 등과 같은 수량들을 측정한다. 상기 계량기들은 배관들의 내부 또는 외부에 위치하거나, 망 장치들의 근처에 위치하거나, 또는 다른 임의의 위치에 위치할 수 있다. 특히 여기에 개시된 본 발명의 목적을 위하여, 상기 계량기들은 상기 이상이 존재하는 상기 지역 또는 구역 내에, 이에 수압적으로 관련된 위치들 내에, 또는 이들에 인접하여 위치할 수 있고, 상기 이상의 발생에 의해 또는 상기 지역 내의 이상의 발생에 의해 값이 영향을 받는 데이터를 포획한다.
본 발명의 일 측면에 따라, 상기 컴퓨터화된 방법은 상기 수도 시설망의 상기 지역 또는 구역 내에서 발생하고 있거나 발생되었던 상기 이상(anomaly)의 표시를 나타내는 이상 사건 데이터를 수신하는 단계를 포함한다. 이상의 종류들은 누수, 압력 손실, 수도 소비 또는 흐름의 비정상적 증가, 증가된 혼탁도, 염소 레벨의 위험한 또는 비정상적 변화, pH 레벨의 위험한 또는 비정상적 변화 등을 포함한다. 상기 컴퓨터화된 방법의 일부 예들에서, 상기 이상 사건 데이터를 수신하는 단계는, 데이터베이스로부터 상기 이상 사건 데이터를 검색(retrieve)하는 단계를 포함하거나, 네트워크 상에서 상기 이상 사건 데이터를 수신하는 단계를 포함한다. 상기 이상 사건 데이터는 상기 계량기들 중 적어도 하나, 일반적으로 적어도 상기 이상에 의해 영향 받은 상기 계량기들, 또는 상기 이상이 검출된 계량기들에 의해 생성된 계량기 데이터와 연관된다. 상기 지역, 예를 들어 DMA에서의 지역에 관련된 계량기들의 소정의 리스트가 존재할 수 있고, 상기 관련된 계량기들은 상기 DMA 내에 또는 주변에 위치한 모든 흐름 및 압력 계량기들일 수 있다. 상기 이례 사건 데이터는 상기 이상의 크기, 이러한 이상의 발생의 통계적 가능성, 상기 이상이 검출되었었던 상기 수도 시설망 내의 상기 지역 또는 구역, 및 다른 정보에 대하여 이전에 계산된 데이터를 더욱 포함할 수 있다.
일 실시예에서, 상기 컴퓨터화된 방법은 상기 센서들의 일부 또는 전부에 대한 예상 또는 기대되는 값(또는 값들의 기대 분포)를 수신하는 단계를 포함할 수 있다. 이러한 값들은 계량기 데이터 및 다른 이차적 데이터에 기초하여 모델링, 예상 또는 기대되는 값으로부터 또는 통계적 예측으로부터 도출될 수 있고, 예를 들어 미국특허출원번호 제12/717,944호에 개시된 바와 같이 이상 검출 엔진에 의해 미리 계산 또는 수신될 수 있다.
상기 컴퓨터화된 방법의 일 실시예에 따라, 상기 이상 사건 데이터에 대하여, 각각이 상기 지역 또는 구역 내의 상기 이상의 상기 가능한 지리적 위치를 통계적으로 결정하는 복수의 테스트들이 수행되고, 각 테스트는 결과를 생성한다. 상기 테스트들의 일부는 상기 이상 사건 데이터 및 이의 연관된 계량기 데이터를 이용하여 수행된다. 일부 테스트들은, 예를 들어 누수에 관련된 테스트들은, 흐름, 압력, 저수지 레벨, 잡음 또는 수압 활동의 다른 지표들에 대한 수량들의 일부를 나타내는 계량기 데이터에 대하여 수행된다.
일 실시예에서, 상기 이상 사건 데이터에 대하여 상기 복수의 테스트들 중 2 이상이 병렬적으로 수행된다. 따라서, 이러한 테스트들 모두는 입력으로서 동일한 이상 산건 데이터를 이용하고, 또한 다른 데이터 세트들을 더욱 이용할 수 있고, 출력으로서 상기 이상에 대한 하나 이상의 가능한 위치들을 생성한다. 다른 실시예에서, 상기 테스트들 중 하나 이상이 상기 이상 사건 데이터 및/또는 상기 테스트들 중 다른 하나의 상기 결과에 대하여 수행된다. 따라서, 이 경우, 다른 테스트에 의해 확인된 상기 가능한 위치들에 대하여 테스트가 수행되고, 이는, 예를 들어, 상기 수도 시설망의 외부 데이터와 같은 다른 데이터에 기초하여 상기 가능한 위치들 중 일부를 제거하기 위함이다. 또 다른 실시예에서, 어떠한 테스트들은 상기 수도 시설망에서 서로 다른 시간들에 지속적으로 발생하는 동일한 이상의 표시를 나타내는 시간에 따른 복수의 이상 사건 데이터 세트들에 대하여 반복적으로 수행된다. 이러한 테스트들의 결과들은 상기 이상에 대한 가능한 위치를 결정하도록 조합될 수 있다.
일 실시예에서, 테스트에 있어서, 상기 수도 시설망에 대한 상기 계량기 데이터와 다른 추가적 정보, 또는 상기 수도 시설망에 의해 전달되는 수도의 소비 또는 망 운영에 영향을 미치는 조건들을 나타내는 이차적 데이터가 이용된다. 상기 이차적 데이터의 일부 예들은, 상기 수도 시설망의 지리적 지도를 나타내는 지도 데이터, 상기 이상 사건 데이터와 연관된 상기 계량기 데이터에 대한 과거 계량기 데이터를 나타내는 역사적 데이터, 상기 수도 시설망에서 수행된 하나 이상의 보수(repair)들을 나타내는 보수 데이터, 상기 수도 시설망에서의 상기 수도의 소비에 영향을 미치거나 상기 망 운영에 영향을 미치는 날씨 또는 다른 조건들을 나타내는 외부 데이터, 배관들 또는 다른 망 자산들의 수명 또는 물질과 같은 자산 관리 데이터, 및 서비스 실패 또는 가시적 파열의 목격의 소비자 보고와 같은 이상을 나타내는 다른 데이터를 포함할 수 있다.
일 실시예에서, 수행되는 상기 테스트들 중 하나는, 복수의 계량기들 전체에 대하여 상기 계량기 데이터의 하나 이상의 영향 받은 값들을 비교하는 것, 및 상기 계량기들 중 상기 이상에 의해 가장 영향을 받은 하나 또는 일부를 확인하는 것을 수반한다. 이러한 가장 영향을 받은 센서들에 가장 근접한 지역이 상기 이상의 가능한 위치로 확인된다. 예를 들어, 상기 이상 사건 데이터가 누수의 표시를 나타내는 경우, 상기 비교된 영향 받은 값들은 상기 계량기들의 흐름 또는 압력 값들일 수 있다. 상기 계량기 데이터의 상기 하나 이상의 영향 받은 값들은 다양한 방법들 중 하나로 비교될 수 있다. 예를 들어, 예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 절대적 증가를 계산하여 상기 계량기들 전체에 대한 상기 절대적 증가들이 비교되거나, 예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 상대적 증가를 계산하여 상기 계량기들 전체에 대한 상기 상대적 증가들이 비교되거나, 예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 통계적 변화를 계산하여 상기 계량기들 전체에 대한 상기 통계적 변화들이 비교될 수 있다.
일 실시예에서, 수행되는 상기 테스트들 중 다른 하나는, 상기 이상에 의해 영향 받은 메터 데이터의 파라미터들의 하나 이상의 값들의 변화를, 상기 수도 시설명의 구획을 따라 서로 수압적으로 연결된 하나 이상의 계량기들 사이의 이러한 계량기들로부터의 이러한 파라미터들의 하나 이상의 이전 값들로부터 계산하는 것을 수반할 수 있다. 예를 들어, 이는 하나 이상의 쌍들의 수압적으로 연결된 계량기들 사이의 압력 하락과 상기 하나 이상의 쌍들의 수압적으로 연결된 계량기들 사이의 이전 압력 하락을 계산하는 것을 포함할 수 있다. 상기 수압적으로 연결된 한 쌍의 계량기의 값들 사이의 상기 하나 이상의 차이값들의 변화가 통계적으로 유의미한 것으로 결정된 경우, 상기 수압적으로 연결된 한 쌍의 계량기들 사이의 구획(section)을 상기 이상의 상기 가능한 지리적 위치로 확인된다. 상술한 예에서, 압력 하락의 이례적인 증가 또는 감소는 이러한 두 개의 센서들 사이의 흐름에 상응하는 이상이 있는 것을 의미하고, 이는 다시 이러한 센서들 사이 또는 이들의 하류에 누수와 같은 이상이 있음을 의미한다.
일 실시예에 따라 수행되는 다른 테스트에서, 상기 수도 시설망에서 동일한 종류의 이상(anomaly)의 하나 이상의 이전 발생들, 및 상기 하나 이상의 이전 발생들 각각의 지리적 위치를 나타내는 이전 이상 사건 데이터가 수신된다. 상기 테스트는 상기 이상 사건 데이터를 상기 이전 이상 사건 데이터와 비교하는 것, 예를 들어, 상기 이상 사건 데이터의 파라미터들을 상기 이전 이상 사건 데이터의 상응하는 파라미터들과 통계적으로 비교하는 것을 수반한다. 상기 이상 사건 데이터의 상기 파라미터들이 상기 이전 이상 사건 데이터의 상기 상응하는 파라미터들과 통계적으로 유의미하게 유사한 경우, 상기 이전 이상 사건 데이터의 상기 지리적 위치가 상기 이상의 상기 가능한 지리적 위치로 확인된다. 특정한 실시예에서, 복수의 이전 이상들에 대한 연관된 위치들에 기초하여 상기 이전 이상 사건 데이터를 클러스터화(clustering)하여 상기 복수의 이전 이상들 각각과의 관계(relationship)들이 계산된다. 상기 이상 사건 데이터를 상기 클러스터화된 이전 이상 사건 데이터와 비교하여 상기 이상 사건 데이터에 가장 근접한 클러스터를 선택함으로써, 상기 이상의 가능한 위치가 확인된다. 상기 확인된 가능한 위치는 상기 클러스터의 모든 이전 사건들을 대체적으로 포함하는 지역이다.
본 발명의 실시예들에 따라 사용되는 더욱 또 다른 가능한 테스트에서, 상기 수도 시설망에 대한 상기 계량기 데이터와 다른 추가적 정보를 나타내는 이차적 데이터가 수신되고, 상기 이차적 데이터는, 예를 들어 상기 수도 시설망에 의해 전달되는 수도의 소비, 상기 망의 환경, 또는 망 운영에 영향을 미치는 조건들을 나타낼 수 있다. 상기 테스트는 상기 이전 이상 사건 데이터 및 상기 이차적 데이터를 상관시키고, 상기 이상 사건 데이터를 상기 상관된 이전 이상 사건 데이터 및 이차적 데이터에 비교하는 것을 수반할 수 있다. 상기 상관은 이전 이상들의 지리 또는 망 위치 데이터의 분포를 생성하는 것을 포함할 수 있다. 상기 이상의 상기 가능한 지리적 위치는 상기 지리 또는 망 위치 데이터의 분포에 대하여 상기 이상 사건 데이터를 분석함으로써 확인될 수 있다. 일 실시예에서, 이러한 테스트는, 다른 수도 시설망으로부터 망 데이터의 분포를 생성하고, 상기 다른 수도 시설망으로부터의 상기 망 데이터의 분포에 대하여 상기 이상 사건 데이터를 분석함으로써 수행될 수 있다. 예를 들어, 상기 다른 수도 시설망에서의 이전 사건들의 분석은, 고려 대상인 상에 적용될 수 있는, 다양한 물질 및 수명의 배관들에서의 파열 가능성에 대한 추정을 산출할 수 있다.
일 실시예에서 수행되는 추가적인 테스트는, 상기 이상에 의해 영향을 받은 상기 계량기들 중 적어도 하나로부터 상기 이상의 검출 시간을 수신하고, 상기 이상에 대한 상기 망을 따른 전파 속도를 나타내는 데이터를 수신하는 것을 수반한다. 또한, 상기 테스트는 측정된 도착 시간들의 차이가 기대 도착 시간과 일치하는 위치를 결정하도록 상기 이상의 상기 검출 시간 및 상기 전파 속도를 조합하여 상기 이상의 상기 가능한 지리적 위치를 계산하는 것을 수반한다.
일 실시예에서 수행되는 추가적인 테스트는, 상기 이상의 특징들 및 고정된 제약들 또는 배관 지름 데이터, 서비스 실패 데이터 및 망 설계 데이터와 같은 이차적 데이터를 비교하여 상기 이상의 가능한 위치를 제거하는 것을 수반한다. 따라서, 예를 들어 배관을 통할 수 있는 흐름보다 큰 파열과 같이, 이러한 이상이 발생할 수 없는 수도 망의 구획에서 상기 이상이 발생함을 나타내는 이상 위치는 고려 대상에서 제거될 수 있다. 이와 유사하게, 두 개의 구역들 또는 DMA들 사이의 틈(breach)은 상기 두 개의 구멍이 뚫린 구역들을 연결하는 밸브들이 있는 곳에서만 발생할 수 있고, 어떠한 크기의 비정상적으로 높은 소비는 상업 또는 산업 연결에서보다 거주 서비스 연결들에서 보다 발생 가능성이 적고(또는 불가능하고), 물 절도의 경우로 확인된 인상은 소화전으로부터의 절도 또는 이와 유사한 노출된 연결의 특징을 가질 수 있다.
이러한 테스트들의 결과들로서 상기 이상의 가능한 위치들이 확인된다. 상기 결과들은 상기 이상에 대한 상기 결정된 가능한 위치들에 대한 점수들을 생성하도록 조합된다. 가장 가능한 위치 또는 위치들은 사용자에게 제시되고, 관련된 점수들이 함께 제시될 수 있다. 상기 가능한 위치(들)와 함께, 상기 이상의 특징들 및 이전에 검출된 관련 이상들에 관한 데이터를 포함하여, 상기 이상에 관한 다른 데이터들 또한 보고될 수 있고, 이에 따라 상기 사용자가 상기 위치를 결정하는 것을 도울 수 있다.
본 발명의 실시예들에 따른 시스템 및 방법은 수도 시설망의 지역(region) 또는 구역(zone)에서의 이상(anomaly)의 적어도 하나의 통계적으로 가능한 지리적 위치를 효율적으로 결정할 수 있다.
본 발명이 첨부된 도면에 예시적으로 도시되어 있고, 본 발명이 이에 한정되지 않는다. 첨부된 도면에서 유사한 참조번호는 유사하거나 상응하는 구성을 나타낸다. 첨부된 도면에서,
도 1 및 도 2는 본 발명의 실시예들에 따라 수도 시설망 내의 이상들(anomalies)의 위치를 결정하는 시스템들을 나타내는 블록도들이고,
도 3 내지 도 11은 본 발명의 실시예들에 따라 수도 시설망 내의 이상들의 위치를 결정하는 방법들을 나타내는 순서도들이며,
도 12 내지 도 14는 본 발명의 실시예들에 따라 지리위치 엔진(geolocation engine)에 의해 생성된 사건 정보를 표시하는 웹 사용자 인터페이스를 나타내는 스크린샷(screenshot)들이다.
후술되는 상세한 설명은 본 명세서의 일부를 구성하는 첨부된 도면들을 참조한다. 첨부된 도면들에서, 본 발명이 실시될 수 있는 특정한 실시예들이 예시적으로 도시되어 있다. 그러나, 본 발명의 범위를 벗어나지 않는 한 다른 실시예들이 이용될 수 있고 구조적 변경이 수행될 수 있음을 이해할 수 있을 것이다.
도 1은 수도 시설망(water utility network) 내에서의 이상들(anomalies)의 위치를 결정하는 시스템의 일 실시예를 나타내는 블록도이다. 도 1에 도시된 바와 같이, 상기 시스템은, 컴퓨터 하드웨어에 상주하는 다양한 소프트웨어 모듈들 및 데이터베이스들을 구비하고, 후술될 기능들을 수행하는 지리위치 엔진(100)을 포함한다. 지리위치 엔진(100)은 실행 가능한 명령들에 응답하여 후술될 동작들을 수행하는 하나 이상의 처리 장치들을 포함할 수 있다. 이상 엔진(110)은 망 데이터베이스(120)로부터 데이터를 수신하고, 차례로, 지리위치 엔진(100)은 이상 엔진(110)으로부터 데이터를 수신하여 분석한다. 망 데이터베이스(120)는 서로 다른 계량기(meter)들, 센서들, 독출 장치들, 또는 분배망(미도시)과 관련된 다른 데이터로부터 정보를 수신한다. 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는, 특정한 문맥이 명시적으로 다르게 지시하지 않는 한, 여기에 사용된 용어들 "계량기들" 및 "센서들"은 일반적으로 같은 종류의 네트워크 장치들을 의미하고, 임의의 계량기, 센서, 측정기, 또는 파라미터들, 값들, 또는 자극, 특히 수도 시설망과 관련된 자극을 측정할 수 있는 다른 장치들을 포함한다. (서로 다른 이상 종류들에 대하여 수도 품질, 음향 등을 포함하여) 서로 다른 센서 종류들이 이용될 수 있다. 비교되는 수량들은 센서 종류에 따라 다를 수 있다. 예를 들어, 상기 시스템은 유속 계량기들로 (상대적 또는 절대적) 유속 변화를 비교하거나, 압력 계량기들을 이용하여 "수두 손실(head loss)" 또는 연결된 배관의 구역들을 따른 유속을 나타내는 수압적으로(hydraulically) 인접한 센서들의 쌍들 사이의 압력 하락을 비교할 수 있다.
후술될 바와 같이, 이상 엔진(110)에 의해 검출되는 이상의 지리 또는 망 위치는 후술되는 지리위치 엔진(100)에 의해 계산된다. 상기 시스템은, 미리 정의된 망 부분들(예를 들어, DMA, 또는 압력 구역), 지리적 지도상의 다각형, (일 실시예에서 GIS 데이터로부터) 주소들의 범위, 또는 배관 길이들과 같은 표시된 또는 명명된 망 자산들의 집합의 형태로 지역들을 저장, 처리 및 사용자에 보고한다. 이상 엔진(110)에 의해 확인된 이상들 및 사건들은 누수, 파열, 예기치 않은 물의 소비, 파괴 또는 잘못 열린 밸브, 결함이 있는 계량기, 계량기 조정 문제, 수도 품질 변경, 망에서 전달되는 수도 품질에 중요한 다른 문제들, 망 장치들의 고장, 및 본 발명의 기술분야에서 통상의 지식을 가진 자에게 알려진 다른 문제들을 포함한다.
도 1에 도시된 바와 같이, 지리위치 엔진(100)은 계산된 위치 정보를 가지고, 이러한 정보는 사용자 인터페이스(130)에 전송된다.
도면에서는 단일 시스템으로 도시되어 있으나, 실시예들에 따라, 도시된 시스템은 다수의 하드웨어 장치들에 걸쳐 집적 및/또는 분산될 수 있고, 논리적, 물리적 또는 지리적으로 분산될 수 있다. 지리위치 엔진(100)은, 실행 가능한 명령들에 응답하여, 여기에 개시된 처리 동작들을 수행하는 임의의 적합한 물리적 처리 장치일 수 있다. 또한, 지리위치 엔진(100)은 전자적으로 데이터를 저장하는 임의의 적합한 형태의 저장 장치를 포함할 수 있다.
본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는, 예를 들어, (통계적으로 독립되도록 발생 순서상 충분히 이격된 측정들을 제공하는) 장기적인 이상, 또는 밤에만 활성화되는 누수 또는 특정 시간대의 예외적 사용을 가진 소비자와 같은 되풀이하여 발생하는 이상이 존재할 때, 다수의 독립적인 측정 기회들이 있으면 정확성을 향상시키도록 이들이 조합될 수 있는 것을 이해할 수 있을 것이다.
도 2는 일 실시예에 따라 수도 시설망에서의 이상들의 위치를 결정하는 시스템을 보다 상세히 나타내는 블록도이다. 일 실시예에서, 구성요소들(200a-200c)은 도 1의 지리위치 엔진(100)을 형성한다. 도 2는 지리위치 엔진(200), 이상 엔진(210) 및/또는 이상 검출기(211), 외부 데이터(212), 망 데이터베이스(220), 및 사용자 인터페이스(230)를 포함한다.
일 실시예에서, 지리위치 모듈들(200a)은 상기 수도 시설망 내의 어딘가에서 발생하는 이상의 위치 또는 통계적으로 가능한(likely) 위치를 통계적으로 예측하도록 다양한 독립된 별개의 기술들을 이용하는 N 개의 개별적인 모듈들을 포함한다. 후술될 바와 같이, 지리위치 모듈들(200a)은 이상 엔진(210) 및/또는 이상 검출기(211), 및 외부 데이터(212)로부터 수신된 데이터의 집합들을 분석한다. 일반적인 이상 보고는 상기 이상의 종류, 근접한 위치, 시작 또는 검출 시간, 선택적으로 종료 시간, 선택적으로 관련된 계량기 데이터 또는 관련된 계량기들의 표시, 및 선택적으로 사건의 크기와 같은 상기 이상 검출 엔진으로부터 수신된 다른 특징들을 포함한다. 지리위치 모듈들(200a)은 병렬적으로 다수의 테스트들을 이용하고, 각 테스트는 하나 이상의 프로그래밍 모듈에 내장되어 상기 이상이 상기 망을 따라 어디에 있을 가능성이 있는지를 결정한다. 이러한 결과들은 위치 결정 엔진(200b)에 전송되고, 상기 결과들은 통계적으로 상기 이상의 위치를 결정하도록 조합된다. 지리위치 모듈들(200a)은 데이터를 수집하는 속도 또는 방식을 일시적으로 변경하도록 계량기들, 데이터 이력 기록 장치들, 또는 다른 시설 데이터 시스템들에 전송할 수 있다. 일 실시예에서, 지리위치 모듈들(200a)로의 입력들은, 상기 망의 디지털 지도(GIS) 및 이의 환경, 즉 센서들로부터의 도식적인 보관된 역사적 데이터, 및 보수 기록들과 외부 데이터뿐만 아니라, 유속, 압력, 소리/잡음, 또는 상기 망 내의 물의 움직임을 나타내는 다른 지표들을 측정하는 센서들로부터의 데이터를 포함할 수 있다. 분석될 상기 센서 또는 센서들은 이상을 포함하는 것으로 알려진 일반적인 지역에서 상기 이상에 의해 영향을 받을 가능성이 가장 큰 센서들일 수 있다. 예를 들어, 일부 테스트들에 대하여, 이들은 상기 이상을 포함하는 지리적 지역 또는 지역 계량 영역(District Metered Area, DMA)으로의, 내의, 또는 부근의 배관들 상의 센서들일 수 있다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는, 상기 테스트들의 일분에 대하여 관련 센서들의 선택에 있어서, 센서와 상기 이상의 일반적으로 알려진 위치가 다른 유사한 (기능의) 센서에 의해 또는 상기 센서에 의해 측정 가능한 상기 이상의 전파를 방해하는 활성 망 장치에 의해 분리되는 경우(예를 들어, 저수지(reservoir)는 유속 및 압력 신호들을 방해함), 이러한 센서가 일반적으로 유용하지 않다는 것을 이해할 수 있을 것이다.
지리위치 모듈들(200a)에 입력들을 또한 제공하는 이상 검출기(211)는, 시각적 파열 보고 및 서비스 실패에 관한 소비자 항의와 같은, 이상 엔진(210)을 채용하지 않는 대안적 이상 검출 방법들 또는 처리들로부터의 정보를 포함할 수 있다.
외부 데이터(212)는 상기 수도 시설망 내의 어딘가에서 발생하는 이상의 상기 위치 또는 상기 통계적으로 가능한 위치의 예측을 용이하게 하도록 지리위치 모듈들(200a)에 추가적인 정보를 또한 공급할 수 있다. 외부 데이터(212)에 의해 공급되는 데이터는, 수도 소비 및 망 조건들에 관한 추가적인 정보, 예를 들어, 엄격하게는 상술한 카테고리에 속하지 않을 수 있는, 날씨 보고, 공휴일 또는 수도 소비 및 상기 수도 시설망 내의 망 가동에 영향을 미치는 다른 달력 정보, 또는 시설 자체에 의한 또는 상기 망의 기능에 영향을 미치는 이의 소비자들에 의한 임의의 다른 사건을 포함할 수 있다. 일 실시예에서, 외부 데이터(212)는 수도 시설망 운영자에게 가시적 누수를 알리는 사용자로부터 운영자로의 전화 통화의 기록들을 포함한다. 이러한 정보로부터, 외부 데이터(212)는 지리위치 모듈들(200a)에 지도상의 누수 위치들의 점들과 같은 정보를 공급한다. 다른 실시예에서, 외부 데이터(212)는, 누수 또는 이상의 정밀한 위치는 아니나 상기 누수 또는 이상이 위치한 지역을 나타내는 외부 보고들의 수집을 포함할 수 있다. 상기 이상의 서비스 실패 하류 또는 다른 가시적 파열 보고들이 외부 데이터(212)에 의해 공급될 수 있다. 외부 데이터(212)는 현장 검출 직원들 또는 상기 이상의 위치를 결정하도록 추가적인 데이터를 수집(예를 들어, 일부 초기 지리위치 결과들에 의해 목표된 음향 현장 조사)하는 데에 관련되는 다른 시설 인원에 의해 공급되는 데이터를 더 포함할 수 있다. 상술한 외부 데이터(212)의 임의의 일부 또는 전부가 보다 정밀한 결과들을 도출하도록 지리위치 모듈들(200a)에 공급될 수 있다.
또한, 위치 결정 엔진(200b)은 상기 위치 정보를 지리위치 데이터베이스(200c)에 전송하고, 지리위치 데이터베이스(200c)는 상기 정보를 사용자 인터페이스(230)에 전송한다. 사용자 인터페이스(230)는 사용자에게 위치 정보를 표시한다. 사용자 인터페이스(230)를 통하여 상기 사용자에게 표시되는 상기 위치 정보는, 일 실시예에서, 예를 들어 현장 직원들이 조사를 우선순위화 할 수 있도록, 각각에 할당된 통계적 점수(예를 들어, p-값 또는 확률), "높은 확률" 또는 "낮은 확률"과 같은 단순한 표현, 또는 컬러 코딩된 지도와 함께, 상기 이상을 포함할 가능성이 가장 높은 지리적 지역들 및/또는 망 배관들의 리스트를 포함한다. 일 실시예에서, 상기 출력들은, 사용자가 쌍방향으로 상기 추정된 위치를 향상시키도록 지도상에 표시되는, 각 센서 위치에 등록된 이상의 상대적 크기와 같은 처리된 데이터 및 상술한 지역들/배관들을 포함한다.
또한, 위치 결정 엔진(200b)은, 상기 이상의 향후 변경들에 대한 위치 결정 능력을 향상시키도록 상기 이상이 검출되면, 배관들 또는 저수지들을 통하여 흐르는 수도 또는 자원들의 샘플링 속도를 증가시키도록 망 데이터베이스(220), 센서들 또는 상기 수도 시설망에 연결된 데이터 수집 시스템들(미도시)에 원격으로 명령할 수 있다. 주목할 만한 예외(notable exception)는 일반적으로 유속으로 (또는 보다 느리게) 전달되는, 일부 수도 품질 지표들과 같은, 이러한 신호들을 평가하고, 여기서 일 분에 한 번보다 적은 샘플링 속도들은 수백 개의 계량기들의 해상도를 여전히 제공할 수 있다.
본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는, 지리위치 모듈들(200a)로 표시된 바와 같이 N 개의 지리위치 모듈들(200a)로부터의 통계적 가능성들을 비교하도록 다수의 모듈들, 또는 테스트들을 이용하는 것이 어떠한 위치가 상기 이상의 상기 가능한 위치인 것에 대한 증가된 신뢰를 가져오거나, 어떠한 위치가 상기 이상의 상기 가능한 위치인 것에 대한 감소된 신뢰를 가져올 수 있는 것을 이해할 수 있을 것이다. 일 실시예에서, 위치 결정 엔진(200b)은 N 개의 지리위치 모듈들(200a)로부터의 상기 위치 데이터를 동등하게 가중치를 부여할 수 있다. 다른 실시예에서, 위치 결정 엔진(200b)은 미리 정의된 구성에 기초하여 N 개의 지리위치 모듈들(200a)로부터의 상기 위치들에 서로 다른 가중치를 부여할 수 있다. 또 다른 실시예에서, 상기 위치 결정 엔진(200b)은 미리 정의된 규칙에 기초하여 모순되는 결과들 사이에 우선순위를 결정하는 규칙 엔진을 이용할 수 있다.
도 3은 수도 시설망의 지역(region) 또는 구역(zone)에서의 이상(anomaly)의 하나 이상의 통계적으로 가능한 지리적 위치들을 결정하는 컴퓨터화된 방법의 일 실시예를 나타내는 순서도이다. 단계(301)에서, 이상 사건 데이터가 수신된다. 상기 이상 사건 데이터는, 본 실시예에서, 상기 수도 시설망의 지역 또는 구역 내에서 발생하고 있거나 발생되었던 이상의 표시를 나타내고, 상기 이상 사건 데이터는 하나 이상의 계량기들에 의해 생성된 계량기 데이터와 연관된다. 일 실시예에서, 상기 이상 데이터는, 상술한 미국특허출원번호 제12/717,944호에 개시된 바와 같이, 미리 계산될 수 있다. 다음으로, 단계(302)에서, 상기 이상 사건 데이터에 대하여 복수의 테스트들이 수행되고, 각 테스트는 상기 지역 또는 구역 내의 상기 이상의 가능한 지리적 위치를 통계적으로 결정하도록 고안되며, 각 테스트를 수행함으로써 결과가 산출된다. 다음으로, 단계(303)에서, 상기 복수의 테스트들의 결과들은 상기 이상에 대한 상기 결정된 가능한 위치들의 점수들을 생성하도록 조합된다. 단계들(302 및 303)은, 일 실시예에서, 도 1의 구성요소(100), 또는 보다 구체적으로 도 2의 구성요소들(200a-200c)의 임의의 조합에 의해 수행된다. 끝으로, 단계(304)는, 일 실시예에서, 도 1의 구성요소(130), 또는 도 2의 구성요소(230)에 의해 수행된다.
도 4는 상기 이상 사건 데이터에 대한 상기 복수의 테스트들 중 하나의 일 실시예를 나타내는 순서도이다. 도 4에 도시된 실시예에서, 흐름 및 잡음과 같은 신호 형태들에 대하여 다수의 센서들에서의 상기 이상의 상대적 크기들이 비교된다. 단계(401)에서, 각 센서에서의 상기 이상 신호는 단계들(402 내지 404)에 표시된 방법들 중 적어도 하나에 따라 평가된다. 단계(402)에서, 예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 절대적 증가가 계산되고, 상기 계량기들 전체에 대한 상기 절대적 증가들이 비교된다. 대안적으로, 단계(403)에서, 예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 상대적 증가가 계산되고, 상기 계량기들 전체에 대한 상기 상대적 증가들이 비교된다. 대안적으로, 단계(404)에서, 예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 통계적 변화가 계산되고, 상기 계량기들 전체에 대한 상기 통계적 변화들이 비교된다. 다음으로, 단계(405)에서, 상기 평가된 이상 신호가 출력된다. 이러한 단계의 가능한 출력들은, 이에 한정되지 않으나, (1) "가장 근접한 센서(들)" 출력, (2) 각 센서에 대한 점수들과 유사한 역사적 이상들의 이전의 이러한 출력들의 합을, 이들의 알려진 지리위치와 함께, 포함하는 사용자의 결정을 지원하는 출력, 및 (3) 도 7을 참조하여 보다 상세히 후술되는 기계 학습 방법을 통한 후속 처리를 위한 전체 출력을 포함할 수 있다.
수도 시설망들에서 종종 존재하는 바와 같이, 압력 센서들은 (고정된 센서 어레이로, 또는 상기 이상의 위치를 결정하는 것을 용이하게 하도록 이동 센서들로서) 보다 밀집하게 분포된다. 하나의 통계적 결정은 이러한 센서 구획에서의 흐름과 관련된 2 이상의 센서들 사이의 압력 하락에 기반할 수 있다. 즉, 복잡한 수압 모델을 필요로 할 수 있는 상기 센서들 사이의 정확한 흐름이 알려져 있지 않더라도, 이러한 통계적으로 의미 있는 압력 하락은 흐름의 가능한 변경을 나타낸다. 도 5는 상기 이상의 가능한 지리적 위치를 통계적으로 결정하기 위한 상기 복수의 테스트들 중 적어도 하나를 수행하는 일 실시예를 나타내는 순서도이다. 단계(501)에서, 하나 이상의 이전 또는 기대 차이값들로부터 서로 수압적으로(hydraulically) 연결된 한 쌍의 계량기들의 값들 사이의 하나 이상의 차이값들의 변화가 계산된다. 값들의 일 예는 상기 수도 시설망의 다수의 측정들로부터 획득된 압력 값일 수 있다. 다음으로, 단계(502)에서, 상기 수압적으로 연결된 한 쌍의 계량기들 사이의 상기 하나 이상의 차이값들의 계산된 변화가 통계적으로 유의미 것으로 결정된 경우, 상기 수압적으로 연결된 한 쌍의 계량기들 사이의 구획(section)이 상기 이상의 가능한 위치로 확인된다.
도 6은 상기 이상 사건 데이터를, 역사적 기록으로부터의 이전 이상 사건 데이터와 비교하는 일 실시예를 나타내는 순서도이다. 단계(601)에서, 상기 이상 사건 데이터의 파라미터들이 상기 이전 이상 사건 데이터의 상응하는 파라미터들에 통계적으로 비교된다. 상기 이상 사건 데이터의 파라미터들의 예들은 원본 계량기 데이터, 지리적 데이터, 및/또는 외부 조건들(예를 들어, 날짜, 날씨, 또는 현재 망 동작들/조건들)을 포함한다. 예를 들어, 각각의 계량기 값들 또는 각각의 계량기 이상 크기들이 유사한 경우, 이상이 이전 이상들과 유사한 것으로 판단된다. 다른 예로서, 이러한 분석은, 특정한 유속 계량기가 가장 강하게 영향 받은 경우, 특정한 배관 구획이 알려진, 망 운영자에 의해 계획된 고압 처리 동안 검출된 누수의 가능한 위치인 것으로 결정할 수 있다.
통계적 비교의 일 예는 KNN(K-Nearest Neighbor)와 같은 클러스터링(clustering) 방법을 포함하고, 이는 이상들을 유사한 특징들 및 위치 정보의 상당히 고유한 분포(예를 들어, DMA의 특정한 구역에 위치하는 뚜렷한 경향)를 가지는 사건들의 클러스터들로 그룹화한다.
다음으로, 단계(602)에서, 상기 이상 사건 데이터의 상기 파라미터들이 상기 이전 이상 데이터의 상기 파라미터들과 통계적으로 유의미하게 유사한 경우, 상기 이상의 가능한 위치로서 상기 이전 이상 사건 데이터의 상기 지리적 위치가 확인된다. 본 실시예를 보다 상세히 설명하면, 분석되는 새로운 사건의 가장 가능성 있는 위치를 예측하도록, 상기 시스템은 이에 가장 근접한 상기 클러스터(또는 클러스터들)를 탐색하고, 이러한 클러스터의 위치 분포(또는 이러한 분포들의 조합)를 반환한다. 상기 이상 사건 데이터를 상기 이전 이상 사건 데이터에 비교하는 다른 실시예들은, 복수의 이전 이상들 각각에 대한 연관된 위치들에 기초하여 상기 이전 이상 사건 데이터를 클러스터화(clustering)하여 상기 복수의 이전 이상들 각각과의 관계(relationship)들을 계산하는 단계를 더 포함하고, 상기 이상의 가능한 위치로 확인하는 단계는, 상기 이상 사건 데이터를 상기 클러스터화된 이전 이상 사건 데이터와 비교하여 상기 연관된 이상 사건 데이터에 가장 근접한 클러스터를 선택하는 단계를 포함할 수 있다.
일 실시예에서, 사건-특정 데이터가 위치 결정에 도움이 되지 않는 경우에도, 상기 시스템은 누수 (또는 다른 이상 종류들)가 발생할 가장 가능성 있는 위치를 설명하는 선험적(a priori) 분포를 생성한다. 다른 실시예에서, 상기 시스템은, 이전에 기록되고 보수된 사건들에 기초하여 어디에서 발생할 역사적인 가능성이 있는지를 결정한다(예를 들어, 어떠한 DMA의 사건들의 40%가 특정한 배관 구획을 따라 발생된 경우, 새로운 사건은 이러한 구획에 위치할 40%의 가능성이 있는 것으로 고려됨). 역사적 데이터의 이러한 트레이닝 집합을 이용하는 가능한 이상 위치의 모델링은 (후속 데이터와 무관하게, 일반적 위치를 넘어 예를 들어 DMA 레벨에서) 지리위치의 고정된 확률적 예측을 제공한다. 이와 유사하게, 데이터가 이용 가능한 경우, 상기 시스템은, 토양 종류 또는 배관 물질 및 수명과 같은 상세한 지리적 및/또는 망 데이터를 이용하여 분포를 생성한다. 예를 들어 토양 종류 및 배관 수명으로부터 상대적인 파열 확률로의 맵핑은 (이전 연구로부터) 입력되거나, 데이터로부터 직접으로 측정되거나, 또는 (공간이 크고 데이터 포인트들이 부족한 경우) KNN 클러스터링과 같은 포괄적인 기계 학습 기술에 의해 예측될 수 있다. 이러한 학습은, 충분히 유사하고, (배관 수명의 분포와 같은) 적절한 차이가 사용되는 파라미터들에 의해 합리적으로 획득되는 다른 수도망들로부터의 데이터에 또한 의존할 수 있다.
보다 일반적으로, 도 7은, 예를 들어 상술한 문단에서 개시된 바와 같이, 지역 또는 구역 내의 이상의 가능한 지리적 위치를 통계적으로 결정하도록 복수의 테스트들 중 적어도 하나를 수행하는 일 실시예를 나타내는 순서도이다. 단계(701)에서, 이차적 데이터가 수신되고, 상기 이차적 데이터는 상기 수도 시설망에 대한 계량기 데이터와 다른 추가적 정보, 또는 상기 수도 시설망에 의해 전달되는 수도의 소비에 영향을 미치는 조건들을 나타낸다. 다음으로, 단계(702)에서, 상기 이전 이상 사건 데이터는 이차적 데이터와 상관시킨다(correlate). 다음으로, 단계(703)에서, 상기 이상 사건 데이터는 상관된(correlated) 이전 이상 사건 데이터 및 이차적 데이터에 비교된다. 도 8 및 도 9는, 추가적인 실시예들에서, 상기 이전 이상 사건 데이터 및 이차적 데이터를 상관시키는 더욱 자세한 설명을 제공한다.
이용 가능한 데이터에 따라, 누수 위치 결정의 어떠한 방법들은 지리적 반경의 관점에서 매우 엄격한 위치를 제공하지 못할 수 있다. 게다가, 상기 이상의 검출은 상기 대안적인 이상 검출 방법들 또는 처리들에 의해 제공될 수 있고, 이는 자연적으로 망 구조 용어들이 아닌 지리적 용어들로 위치를 제공하는 경향이 있다. 상기 이상의 유효한 관리를 위하여, 예를 들어 망 운영자가 상류 밸브를 차단할 수 있도록, 다수의 본관(main)들이 긴 거리들에 대하여 종종 평행하게 및/또는 (예를 들어, 동일한 도로 하에서) 가까운 지리적 근접성을 가지고 진행됨에 따라, 상기 이상을 포함하는 망 경로의 확인에서 상당한 값이 존재할 수 있고, 음향 파열 위치 결정은 상기 정확한 망 자산에 상관시키기가 매우 곤란할 수 있다. 이러한 상황에서, 상기 출력은 지리적 표기법이 아닌 망 위치에 기초한다.(상기 지리적 지역이, 예를 들어 일반적인 분포 시나리오에서, 상기 망 지역을 고유하게 결정할 때, 상기 출력은 보다 편의를 제공하도록 근접한 지리적 지역으로서 표시될 수 있다. 이는, 두 개의 서로 다른 압력 구역들이 상당히 중첩되는 경우, 예를 들어 이들이 주어진 지역에서 건물들의 낮은 층 및 높은 층을 제공하는 경우, 항상 만족하는 것은 아니다.) 상기 시스템의 출력들 중 하나는, 명명된 자산들의 리스트, 또는 상기 이상이 위치될 가능성 있는 지리적 또는 도해적 위치와 같은 망 위치에 기초할 수 있다.
도 8은 도 7에 개시된 상기 이전 이상 사건 데이터와 이차적 데이터를 상관시키는 일 실시예를 나타내는 도면이다. 우선, 단계(801)에서, 이전 이상들의 지리 또는 망 위치 데이터의 분포가 생성된다. 다음으로, 단계(802)에서, 상기 지리 또는 망 위치 데이터의 분포에 대하여 상기 이상 사건 데이터가 분석됨으로써, 상기 이상의 가능한 위치가 확인된다.
도 9는 도 7에 개시된 상기 이전 이상 사건 데이터와 이차적 데이터를 상관시키는 다른 실시예를 나타내는 도면이다. 우선, 단계(901)에서, 다른 수도 시설망으로부터 망 데이터의 분포가 생성된다. 다음으로, 단계(902)에서, 상기 다른 수도 시설망으로부터의 상기 망 데이터의 분포에 대하여 상기 이상 사건 데이터가 분석됨으로써 상기 이상의 가능한 위치가 확인된다.
도 10은 상기 이상의 가능한 지리적 위치를 통계적으로 결정하는 상기 복수의 테스트들 중 하나를 수행하는 일 실시예를 나타내는 순서도이다. 단계(1001)에서, 상기 이상의 검출 시간이 상기 이상에 의해 영향을 받은 상기 복수의 계량기들 중 적어도 두 개로부터 수신된다. 본 실시예는, 상기 이상의 시작 또는 이의 일부 다른 특징이 충분히 선명하게 드러나고, 관련 수량의 샘플링이 이러한 신호의 전파 속도에 비교하여 충분히 신속한 경우, 각 센서에서의 이상 검출 시간들을 비교한다. 다음으로, 단계(1002)에서, 상기 검출된 이상에 대한 상기 수도 시설의 각 배관을 통한 전파 속도를 나타내는 데이터가 결정된다. 다음으로, 단계(1003)에서, 측정된 도착 시간들 사이의 차이들이 상기 이상의 가능한 위치들 사이의 예상되는 도착 시간들에 부합하는 위치 또는 위치들을 결정하도록 상기 이상에 대한 검출 시간 및 상기 전파 속도를 조합함으로써, 상기 이상의 상기 가능한 위치가 계산된다. 신호들이 이러한 시간 차이로 수신되는 지역 또는 지역들은, 시간-스탬프의 부정확성(예를 들어, +/- 1분)을 고려하여, 상기 사용자에게 제시된다. 상기 이상의 가능한 위치들 사이의 배관들의 결정된 교차 지점은, 일 실시예에서, 도 1 및 도 2의 사용자 인터페이스(130, 230)를 통하여 각각 사용자에게 제시될 수 있다.
도 10의 실시예에 의해 설명된 이러한 방법은 RADAR에서의 도착 시간차 계산과 유사하다. 그러나, 수도망들에서, 관련 신호들은 망 경로들을 따라서만 전파한다. 일부 센서 종류들에 대하여, 이러한 계산은 센서들의 매우 빠른 (그리고 정확히 시점 확인된) 샘플링을 요구할 수 있고, 이는 예를 들어 유속 및 압력 변화들이 음속에서 가압 배관들을 통하여 전달되고, 일 초의 차이가 수백 개의 계량기들의 오프셋에 동등하게 될 수 있기 때문이다. 그러므로, 일 실시예에서, 상기 시스템은 상기 센서들 또는 이들에 연결된 데이터 수집 시스템들에 원격으로 명령하여, 상기 이상의 미래 변화에 대한 위치 결정 능력을 향상시키도록 상기 이상이 검출되면 상기 샘플링 속도를 증가시킬 수 있다. 주목할 만한 예외(notable exception)는 일반적으로 유속으로 (또는 보다 느리게) 전달되는, 일부 수도 품질 지표들과 같은, 이러한 신호들을 평가하고, 여기서 일 분에 한 번보다 적은 샘플링 속도들은 수백 개의 계량기들의 해상도를 여전히 제공할 수 있다.
도 6을 참조하여 개시된 상기 기계 학습 기술들, 및 도 10을 참조하여 개시된 상기 방법을 또한 대신하여 또는 이에 추가적으로, (적어도 동일한 DMA에 속하는, 아마도 보다 좁게 필터링된) 이전 유사한 사건들에 대한 동일한 데이터와 함께, 현재 이상의 특징들 및 관련 정보가 사용자 인터페이스를 통하여 상기 사용자에게 표시될 수 있다. 그러면, 상기 사용자는, 가능한 대로 상기 시스템에 존재하지 않는 후속 데이터 또는 경험을 고려하여, 정밀한 위치에 대한 지식을 가진 추측을 할 수 있다.
도 11은 상기 이상의 가능한 위치를 통계적으로 결정하는 분석 엔진에 의해 수행되는 테스트에 대한 일 실시예를 나타내는 순서도이다. 단계(1101)에서, 복수의 이전 이상들의 발생을 나타내는 데이터가 수신된다. 다음으로, 단계(1102)에서, 이상 데이터, 특히 계량기 데이터 또는 이상의 개별적인 계량기들의 크기들과 상기 복수의 이전 이상들의 각각에 대한 관련된 위치들에 기초하여 상기 복수의 이전 이상들을 클러스터화함으로써, 상기 복수의 이전 이상들의 각각과의 관계들이 계산된다. 끝으로, 단계(1103)에서, 상기 이상의 위치가, 연관된 이상 데이터와 클러스터 데이터를 비교하고, 상기 연관된 이상 데이터에 가장 근접한 클러스터가 선택됨으로써, 상기 이상의 위치가 예측된다. 상기 선택된 클러스터는, 일 실시예에서, 도 1 및 도 2의 사용자 인터페이스(130, 230)를 통하여 각각 사용자에게 제시된다.
일 실시예에서, 상기 망의 어떠한 자산들 또는 부분들이 상기 검출된 이상의 특징들, 이의 검출 모드, 및, 예를 들어 망 구조에 의해 결정된, 고정된 물리적 제약들에 기초하여 상기 이상에 대한 가능한 위치들로서 선택(또는 배제)된다. 예를 들어, 큰 연관 흐름(flow)을 가지는 누수는 작은 지름의 배관을 따라 발생할 수 없다. 즉, 지름 10cm의 배관이 최대 60m3/hr의 흐름을 가지는 것으로 평가되는 경우, 이보다 높은 속도의 임의의 파열은 이러한 배관을 따라 형성될 수 없다. 다른 예로서, 소비자들에 의해 검출되었거나 신고된 수도 손실 이상의 지역에서 관련 서비스 실패가 존재하는 경우(예를 들어, 몇몇의 서비스 연결에서의 저압), 이들은 상기 이상의 하루에 위치할 수 있다.
도 12는 본 발명의 일 실시예에 따른 지리위치 엔진에 의해 생성된 사용자 인터페이스(UI)의 스크린샷이다. 도 12는, 예를 들어 계량기들 또는 센서들(1202a-1202f)과 같은 자산 위치들, 및 구역들(1203a-1203c)을 포함하는 스크린(1201)을 도시한다. 자산들(1203a-1203c)은 지도상에 놓여있고(overlaid), "가장 근접한 센서들(closest sensors)"뿐만 아니라 가능한 이상 위치들을 묘사한다. 도 12의 스크린(1201)은 사용자에게 몇몇의 서로 다른 레벨의 이상 지역 신뢰를 표시하는 채색된 또는 음영 표시된 구역들(1203a-1203c)을 표시한다. 예를 들어, 상기 사용자는 분석되는 상기 수도망을 모니터링하는 임무를 가진 수도 시설망의 작업자일 수 있다. 일 실시예에서, 예를 들어 진한 분홍색의 구역(1203c)은 구역(1203b)에 비하여 이상을 포함할 가능성이 보다 높고, 또한 구역(1203b)은 구역(1203a)보다 이상을 포함할 가능성이 높을 수 있다. 이러한 가능한 위치들의 등급은 개별적인 통계적 테스트들의 결과들의 단순한 표현으로부터 도출된다. 예를 들어, 상기 시스템은 센서(1202d)가 이상에 의해 가장 강하게 영향을 받았기 때문에 구역(1203c)이 상기 이상을 포함할 가능성이 가장 큰 것으로 결정하였을 수 있다.
도 13은 본 발명의 일 실시예에 따른 지리위치 엔진에 의해 생성된 다른 UI의 스크린샷이다. 도 13은 자산 위치들(1302a-1302b), 배관들(1303a-1303b), 및 알림들(1304a-1304b)을 포함하는 스크린(1301)을 도시한다. 스크린(1301)은 검출된 이상에 의해 영향을 받고 자산들(1302a-1302b) 사이에 위치한 배관(1303a)의 채색된 표시를 가진다. 알림(1304a)은 배관(1303a)이 상기 검출된 이상에 의해 영향을 받은 것을 사용자에게 표시하도록 제공된다. 게다가, 본 실시예에서, 다른 배관(1303b)은 지리적으로 근접하게, 개략적으로 자산 위치들(1302a-1302b) 사이에, 배치되어 있으나, 배관(1303b)은 상기 검출된 이상에 의해 영향을 받지 않아 녹색 음영이 표시되어 있다. 스크린(1301)은 사용자에게, 예를 들어 시설의 GIS 시스템에서 배관 구획(1303a)을 나타내는 시리얼 넘버 또는 이름과 같은, 시설에서 사용되는 고유한 해석 가능한 식별자로 이러한 정보를 표시하는 알림(1304b)을 가진다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 시설에 대하여 구성요소들(1302a-1302b)에 또는 이들의 근처에 위치한 동일한 자산들 사이에 위치한 영향 받은 배관(1303a) 및 영향 받지 않은 배관(1303b)의 알림들(1304a-1304b)이 제공될 수 있음을 이해할 수 있을 것이다.
도 14는 본 발명의 일 실시예에 따른 지리위치 엔진에 의해 생성된 다른 UI의 스크린샷이다. 도 14는 스크린(1401) 및 자산 위치들(1402a-1402f)을 도시한다. 스크린(1401)은 검출된 이상에 의해 영향을 받은 자산 위치들(1402a-1402f)의 채색된 표시들을 가진다. 각 자산 위치(1402a-1402c)에 할당된 채색된 표시들은 UI의 사용자에게 이상 위치 신뢰도를 제시한다. 이러한 표시들은 "가장 근접한 센서들" 출력에 대하여 사용될 수 있고(예를 들어, 핀들이 DMA 주위에서 센서 위치들을 나타내는 경우, 상기 이상은 상기 DMA 내의 배관에 위치하는 것으로 가정된 경우), 또는 상기 이상의 위치가 불연속적, 즉 몇몇 포인트 자산들 중 하나에 위치할 때 이러한 표시가 사용될 수 있다(예를 들어, 핀들이 DMA 또는 압력-구역 경계 밸브들을 표시할 때, 이들 중 하나가 상기 이상을 포함하는 것으로 가정된 경우, 또는 핀들이 한 세트의 센서들을 나타내고 이러한 세트 중 하나가 결함이 있는 것으로 결정된 경우). 본 실시예에서, 상기 검출된 이상의 가능한 위치를 포함하는 자산 위치(1402c)는, 지리위치 엔진이 자산 위치(1402c)와 연관된 신뢰도 레벨이 다른 자산 위치들보다 높은 것으로 결정하였으므로, 자산 위치들(1402a-1402b, 1402d-1402f)보다 진하게 음영이 표시되어 있다. 이와 유사하게, 자산 위치(1402e)는, 지리위치 엔진이 소정의 신뢰도로 상기 검출된 자산이 자산 위치(1402e)에 위치하는 것으로 결정하였으므로, 음영이 표시되어 있다. 그러나, 자산 위치(1402e)는 자산 위치(1402c)와 같이 진하게 음영이 표시되어 있지 않고, 이는 지리위치 엔진이 결정한 상기 검출된 이상이 자산 위치(1402e)에 위치하는 신뢰도가 자산 위치(1402c)에 위치하는 신뢰도보다 낮은 것을 의미한다. 자산 위치(1402c)는 또한 다른 자산 위치들보다 진하게 음영이 표시되어 있고, 이는 상기 검출된 이상의 크기가 이 위치에서 보다 큰 것을 의미한다.
도 1 내지 도 14는 본 발명의 설명을 위하여 개념적으로 도시된 것이다. 본 발명의 실시예들의 다양한 측면들이 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있음을 이해할 수 있을 것이다. 이러한 실시예들에서, 다양한 구성요소들 및/또는 단계들은 본 발명의 기능들을 수행하는 하드웨어, 펌웨어, 및/또는 소프트웨어로 구현될 수 있다. 즉, 하드웨어, 펌웨어 또는 소프트웨어 모듈의 동일한 부분이 도시된 블록들(예를 들어, 구성요소들 또는 단계들)의 하나 이상을 수행할 수 있다.
본 발명은 수도 시설망에 적용될 수 있을 뿐만 아니라, 임의의 종류의 분배 시스템에 적용될 수 있는 것을 이해할 수 있을 것이다. 다른 종류의 분배 시스템은 석유, 폐수 또는 하수, 가스, 전기, 전화, 차량 교통, 또는 한 지역에서 소비자들로의 유체 또는 흐르는 자원들을 포함하는 다른 에너지 전달 시스템들을 포함할 수 있다. 실제로, 본 발명은 흐름, 압력, 품질 또는 데이터의 흐름 자체와 같은 분배 파라미터들을 측정하는 망의 임의의 위치에 위치한 계량기들 또는 센서들을 가지는 임의의 분배 또는 수집 시스템에 적용될 수 있다.
소프트웨어 구현들에서, 컴퓨터 소프트웨어(예를 들어, 프로그램들 또는 다른 명령어들) 및/또는 데이터는 컴퓨터 프로그램 제품의 일부로서 기계로 판독 가능한 매체 상에 저장되고, 제거 가능한 저장 장치, 하드 드라이브 또는 통신 인터페이스를 통하여 컴퓨터 시스템, 다른 장치 또는 기계에 로딩된다. 컴퓨터 프로그램들(컴퓨터 제어 로직 또는 컴퓨터로 판독 가능한 프로그램 코드로도 불림)은 주 및/또는 보조 메모리에 저장되고, 하나 이상의 프로세서들(컨트롤러들, 또는 이와 유사한 장치들)에 의해 상기 하나 이상의 프로세서들이 여기에 개시된 본 발명의 기능들을 수행하도록 실행된다. 본 명세서에서, 용어들 "기계로 판독 가능한 매체", "컴퓨터로 프로그램 매체" 및 "컴퓨터로 사용 가능한 매체"는 일반적으로 랜덤 액세스 메모리(RAM), 리드 온리 메모리(ROM), 제거 가능한 저장 매체(예를 들어, 자기 또는 광 디스크, 플래시 메모리 등), 하드 디스크 등과 같은 매체를 의미하도록 사용된다.
특히, 도면들 및 상술한 예들은 본 발명의 범위를 단일한 실시예로 한정하는 것을 의미하는 것이 아니고, 개시된 또는 도시된 구성요소들의 일부 또는 전부가 교환됨으로써 다른 실시예들 또한 가능하다. 게다가, 본 발명의 일부 구성요소들은 알려진 구성요소들을 이용하여 부분적으로 또는 전체적으로 구현될 수 있으나, 본 발명의 이해에 필요한 이러한 알려진 구성요소들의 이러한 부분들만이 개시되어 있고, 이러한 알려진 구성요소들의 다른 부분들의 상세한 설명은 본 발명을 모호하게 하지 않도록 생략되었다. 본 명세서에서, 단일한 구성요소를 나타내는 실시예는, 여기에 명시적으로 다르게 기재되어 있지 않는 한, 복수의 동일한 구성요소들을 포함하는 다른 실시예들을 반드시 제한하지는 않고, 그 역 또한 마찬가지이다. 게다가, 출원인은 본 명세서 또는 특허청구범위의 임의의 용어가, 명시적으로 개시되어 있지 않는 한, 일반적이지 않은 또는 특별한 의미를 가지는 것을 의도하지 않는다. 또한, 본 발명은 여기에 도시된 알려진 구성요소들과 동등한 현재 또는 미래에 알려진 등가물들을 포함한다.
특정한 실시예들의 상술한 설명은 본 발명의 일반적인 사상을 나타내는 것이고, 따라서 (인용된 문헌들 및 여기에 참조로 포함된 문헌들의 내용을 포함하여) 관련 기술(들)의 통상의 지식을 적용하여 본 발명의 일반적 사상을 벗어나지 않는 범위에서 다양한 적용들에 대하여 과도한 실험 없이 이러한 특정한 실시예들을 용이하게 변경 및/또는 적용할 수 있을 것이다. 그러므로, 이러한 적용들 및 변경들은, 여기에 제시된 시사 및 지도에 기초하여, 개시된 실시예들의 의미 및 등가 범위 내이다.
본 발명의 다양한 실시예들이 상술되었으나, 이들은 단지 예로서 제시된 것으로 이에 의해 한정되지 않는다. 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 사상 및 범위를 벗어나지 않는 범위에서 형태 및 상세에서 다양한 변경이 가능함을 이해할 수 있을 것이다. 따라서, 본 발명은 임의의 상술한 예시적 실시예에 의해 한정되지 않아야 하고, 첨부된 특허청구범위 및 이의 등가물에 의해서만 정의되어야 한다.

Claims (30)

  1. 수도 시설망의 지역(region) 또는 구역(zone)에서의 이상(anomaly)의 적어도 하나의 통계적으로 가능한 지리적 위치를 결정하는 컴퓨터화된 방법에 있어서, 상기 수도 시설망은 소비자들에게 수도를 전달하기 위한 배관들의 망, 및 상기 수도 시설망 내에 위치하고, 상기 이상이 존재하는 상기 지역 또는 구역 내에 전달되는 상기 수도에 관한 데이터를 포획하는 복수의 계량기들을 적어도 포함하고, 상기 컴퓨터화된 방법은,
    상기 수도 시설망의 상기 지역 또는 구역 내에서 발생하고 있거나 발생되었던 상기 이상(anomaly)의 표시를 나타내고, 상기 계량기들 중 적어도 하나에 의해 생성된 계량기 데이터와 연관된 이상 사건 데이터를 수신하는 단계;
    상기 이상 사건 데이터에 대하여, 각각이 상기 지역 또는 구역 내의 상기 이상의 상기 가능한 지리적 위치를 통계적으로 결정하는 복수의 테스트들을 수행하는 단계;
    상기 이상에 대한 상기 가능한 지리적 위치에 대한 점수를 생성하도록 상기 복수의 테스트들의 결과들을 조합하는 단계; 및
    사용자에게 적어도 하나의 상기 가능한 지리적 위치를 제시하는 단계를 포함하는 컴퓨터화된 방법.
  2. 제 1 항에 있어서,
    상기 수신된 이상 사건 데이터와 연관된 상기 계량기 데이터를 수신하는 단계를 더 포함하고,
    상기 복수의 테스트들을 수행하는 단계는, 상기 이상 사건 데이터 및 상기 연관된 계량기 데이터에 대하여 적어도 하나의 테스트를 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  3. 제 2 항에 있어서, 상기 계량기 데이터를 수신하는 단계는, 상기 수도 시설망의 상기 수도의 흐름(flow) 또는 압력을 나타내는 상기 계량기 데이터를 수신하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  4. 제 1 항에 있어서,
    상기 수도 시설망에 대한 상기 계량기 데이터와 다른 추가적 정보, 또는 상기 수도 시설망에 의해 전달되는 수도의 소비 또는 망 운영에 영향을 미치는 조건들을 나타내는 이차적 데이터를 수신하는 단계를 더 포함하고,
    상기 복수의 테스트들을 수행하는 단계는, 상기 이상 사건 데이터 및 상기 수신된 이차적 데이터에 대하여 적어도 하나의 테스트를 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  5. 제 4 항에 있어서, 상기 이차적 데이터를 수신하는 단계는,
    상기 수도 시설망의 지리적 지도를 나타내는 지도 데이터,
    상기 이상 사건 데이터와 연관된 상기 계량기 데이터에 대한 과거 계량기 데이터를 나타내는 역사적 데이터,
    상기 수도 시설망에서 수행된 하나 이상의 보수(repair)들을 나타내는 보수 데이터, 및
    상기 수도 시설망에서의 상기 수도의 소비에 영향을 미치거나 상기 망 운영에 영향을 미치는 날씨 또는 다른 조건들을 나타내는 외부 데이터로 구성된 그룹으로부터 선택된 상기 이차적 데이터를 수신하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  6. 제 1 항에 있어서, 상기 복수의 테스트들을 수행하는 단계는, 상기 이상 사건 데이터에 대하여 상기 복수의 테스트들 중 2 이상을 병렬적으로 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  7. 제 1 항에 있어서, 상기 복수의 테스트들을 수행하는 단계는, 상기 복수의 테스트들 중 적어도 하나를 상기 이상 사건 데이터 및 상기 복수의 테스트들 중 다른 하나의 결과에 대하여 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  8. 제 1 항에 있어서, 상기 이상 사건 데이터를 수신하는 단계는, 상기 수도 시설망에서 서로 다른 시간들에 지속적으로 발생하는 동일한 이상의 표시를 나타내는 시간에 따른 복수의 이상 사건 데이터 세트들을 수신하는 단계를 포함하고,
    상기 복수의 테스트들을 수행하는 단계는, 상기 복수의 테스트들 중 적어도 하나를 반복적으로 수행하는 단계를 포함하고, 상기 반복적 수행의 각각은 상기 이상 사건 데이터 세트들 각각에 수행되는 것을 특징으로 하는 컴퓨터화된 방법.
  9. 제 1 항에 있어서, 상기 이상 사건 데이터를 수신하는 단계는, 데이터베이스로부터 상기 이상 사건 데이터를 검색(retrieve)하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  10. 제 1 항에 있어서, 상기 이상 사건 데이터를 수신하는 단계는, 네트워크 상에서 상기 이상 사건 데이터를 수신하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  11. 제 1 항에 있어서,
    상기 이상 사건 데이터와 연관된 상기 계량기 데이터를 수신하는 단계를 더 포함하고,
    상기 계량기 데이터는 상기 이상에 의해 영향을 받은 파라미터들의 하나 이상의 값들을 포함하며,
    상기 복수의 테스트들을 수행하는 단계는, 상기 계량기들 전체에 대한 상기 계량기 데이터의 상기 하나 이상의 영향 받은 값들을 비교하고, 상기 이상에 의해 가장 많이 영향을 받은 상기 계량기들 중 하나를 확인함으로써 상기 복수의 테스트들 중 적어도 하나를 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  12. 제 11 항에 있어서, 상기 계량기 데이터의 상기 하나 이상의 영향 받은 값들을 비교하는 단계는,
    예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 절대적 증가를 계산하여 상기 계량기들 전체에 대한 상기 절대적 증가들을 비교하는 단계,
    예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 상대적 증가를 계산하여 상기 계량기들 전체에 대한 상기 상대적 증가들을 비교하는 단계, 및
    예상 또는 기대되는 값에 관하여 상기 계량기들 각각에서 상기 하나 이상의 영향 받은 값들의 통계적 변화를 계산하여 상기 계량기들 전체에 대한 상기 통계적 변화들을 비교하는 단계 중 적어도 하나를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  13. 제 11 항에 있어서, 상기 이상 사건 데이터는 누수를 나타내고,
    상기 하나 이상의 영향 받은 값들을 비교하는 단계는, 상기 계량기들에서의 흐름 또는 압력을 비교하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  14. 제 1 항에 있어서,
    상기 이상 사건 데이터와 연관되고, 상기 이상에 의해 영향을 받은 파라미터들의 하나 이상의 값들을 포함하는 상기 계량기 데이터를 수신하는 단계; 및
    상기 이상의 발생 전에 상기 계량기들에 의해 제공된 데이터를 나타내고, 상기 이상에 의해 영향을 받은 상기 파라미터들의 하나 이상의 이전 값들을 포함하는 이전 계량기 데이터를 수신하는 단계를 더 포함하고,
    상기 복수의 테스트들을 수행하는 단계는,
    하나 이상의 이전 또는 기대 차이값들로부터 서로 수압적으로(hydraulically) 연결된 한 쌍의 계량기들의 값들 사이의 하나 이상의 차이값들의 변화를 계산하고,
    상기 하나 이상의 차이값들의 계산된 변화가 통계적으로 유의미한지 여부를 결정하며,
    상기 수압적으로 연결된 한 쌍의 계량기의 값들 사이의 상기 하나 이상의 차이값들의 변화가 통계적으로 유의미한 것으로 결정된 경우, 상기 수압적으로 연결된 한 쌍의 계량기들 사이의 구획(section)을 상기 이상의 상기 가능한 지리적 위치로 확인함으로써, 상기 복수의 테스트들 중 적어도 하나를 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  15. 제 14 항에 있어서, 상기 계량기 데이터를 수신하는 단계는 압력 값들을 수신하는 단계를 포함하고, 상기 이전 계량기 데이터를 수신하는 단계는 이전 압력 값들을 수신하는 단계를 포함하며,
    상기 하나 이상의 차이값들의 변화의 계산은, 하나 이상의 쌍들의 수압적으로 연결된 계량기들 사이의 압력 하락과 상기 하나 이상의 쌍들의 수압적으로 연결된 계량기들 사이의 이전 압력 하락을 계산함으로써 수행되는 것을 특징으로 하는 컴퓨터화된 방법.
  16. 제 1 항에 있어서,
    상기 수도 시설망에서 동일한 종류의 이상(anomaly)의 하나 이상의 이전 발생들, 및 상기 하나 이상의 이전 발생들 각각의 지리적 위치를 나타내는 이전 이상 사건 데이터를 수신하는 단계를 더 포함하고,
    상기 복수의 테스트들을 수행하는 단계는, 상기 이상 사건 데이터를 상기 이전 이상 사건 데이터와 비교함으로써 상기 복수의 테스트들 중 적어도 하나를 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  17. 제 16 항에 있어서, 상기 이상 사건 데이터를 상기 이전 이상 사건 데이터와 비교함으로써 상기 복수의 테스트들 중 적어도 하나를 수행하는 단계는,
    상기 이상 사건 데이터의 파라미터들을 상기 이전 이상 사건 데이터의 상응하는 파라미터들과 통계적으로 비교하는 단계; 및
    상기 이상 사건 데이터의 상기 파라미터들이 상기 이전 이상 사건 데이터의 상기 상응하는 파라미터들과 통계적으로 유의미하게 유사한 경우, 상기 이전 이상 사건 데이터의 상기 지리적 위치를 상기 이상의 상기 가능한 지리적 위치로 확인하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  18. 제 17 항에 있어서,
    복수의 이전 이상들에 대한 연관된 위치들에 기초하여 상기 이전 이상 사건 데이터를 클러스터화(clustering)하여 상기 복수의 이전 이상들 각각과의 관계(relationship)들을 계산하는 단계를 더 포함하고,
    상기 이상의 상기 가능한 지리적 위치로 확인하는 단계는, 상기 이상 사건 데이터를 상기 클러스터화된 이전 이상 사건 데이터와 비교하여 상기 이상 사건 데이터에 가장 근접한 클러스터를 선택하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  19. 제 1 항에 있어서,
    상기 수도 시설망에 대한 상기 계량기 데이터와 다른 추가적 정보, 또는 상기 수도 시설망에 의해 전달되는 수도의 소비에 영향을 미치는 조건들을 나타내는 이차적 데이터를 수신하는 단계를 더 포함하고,
    상기 복수의 테스트들을 수행하는 단계는, 이전 이상 사건 데이터 및 상기 이차적 데이터를 상관시키고, 상기 이상 사건 데이터를 상기 상관된 이전 이상 사건 데이터 및 이차적 데이터에 비교함으로써 상기 복수의 테스트들 중 적어도 하나를 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  20. 제 19 항에 있어서, 상기 이전 이상 사건 데이터 및 상기 이차적 데이터를 상관시키는 단계는, 이전 이상들의 지리 또는 망 위치 데이터의 분포를 생성하는 단계를 포함하고,
    상기 이상의 상기 가능한 지리적 위치의 확인은, 상기 지리 또는 망 위치 데이터의 분포에 대하여 상기 이상 사건 데이터를 분석함으로써 수행되는 것을 특징으로 하는 컴퓨터화된 방법.
  21. 제 19 항에 있어서, 상기 이전 이상 사건 데이터 및 상기 이차적 데이터를 상관시키는 단계는, 다른 수도 시설망으로부터 망 데이터의 분포를 생성하는 단계를 포함하고,
    상기 이상의 상기 가능한 지리적 위치의 확인은, 상기 다른 수도 시설망으로부터의 상기 망 데이터의 분포에 대하여 상기 이상 사건 데이터를 분석함으로써 수행되는 것을 특징으로 하는 컴퓨터화된 방법.
  22. 제 1 항에 있어서, 상기 복수의 테스트들을 수행하는 단계는,
    상기 이상에 의해 영향을 받은 상기 계량기들 중 적어도 하나로부터 상기 이상의 검출 시간을 수신하고,
    상기 이상에 대한 상기 망을 따른 전파 속도를 나타내는 데이터를 수신하며,
    측정된 도착 시간들의 차이가 기대 도착 시간과 일치하는 위치를 결정하도록 상기 이상의 상기 검출 시간 및 상기 전파 속도를 조합하여 상기 이상의 상기 가능한 지리적 위치를 계산함으로써, 상기 복수의 테스트들 중 적어도 하나를 수행하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  23. 제 1 항에 있어서, 상기 이상의 적어도 하나의 상기 가능한 지리적 위치를 제시하는 단계는, 상기 이상의 특징들 및 고정된 제약들을 비교하여 상기 이상의 가능한 위치를 제거하는 단계를 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  24. 제 23 항에 있어서, 상기 고정된 제약들은 배관 지름 데이터, 서비스 실패 데이터, 및 망 설계 데이터로 구성된 집합으로부터 선택된 것을 특징으로 하는 컴퓨터화된 방법.
  25. 제 1 항에 있어서, 상기 가능한 지리적 위치는 상기 사용자에게 상기 가능한 지리적 위치에 할당된 점수와 함께 제시되고, 상기 이상의 상기 가능한 지리적 위치를 포함할 가능성이 있는 망 경로가 더욱 제시되는 것을 특징으로 하는 컴퓨터화된 방법.
  26. 제 1 항에 있어서,
    상기 이상의 특징들, 및 이전에 검출된 관련 이상들과 연관된 데이터를 보고하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터화된 방법.
  27. 이상(anomaly)의 적어도 하나의 가능한 위치를 결정하는 컴퓨터 시스템에 있어서, 상기 이상의 상기 가능한 위치는 수도 시설망의 도처에 배치되고, 상기 수도 시설망은 소비자들에게 수도를 전달하기 위한 배관들의 망, 및 상기 수도 시설망 내에 위치된 복수의 계량기들을 적어도 포함하고, 상기 컴퓨터 시스템은,
    상기 수도 시설망 내에서 발생된 상기 이상(anomaly)의 표시를 나타내고, 상기 계량기들 중 적어도 하나에 의해 생성된 계량기 데이터와 연관된 이상 데이터를 수신하는 망 정보 데이터베이스;
    복수의 개별적인 테스트들을 수행하여 상기 이상의 상기 가능한 위치에 대한 점수를 생성하도록 상기 테스트들의 결과들을 통계적으로 조합함으로써 상기 이상의 상기 가능한 위치를 통계적으로 결정하는 분석 엔진; 및
    사용자에게 상기 가능한 위치 및 연관된 점수를 제시하는 사용자 인터페이스 모듈을 포함하는 컴퓨터 시스템.
  28. 제 27 항에 있어서, 상기 분석 엔진은 상기 이상의 상기 가능한 위치를 계산하는 단계를 수행하고,
    상기 이상의 상기 가능한 위치를 계산하는 단계는, 상기 이상에 의해 영향을 받은 상기 계량기들에 의해 생성된 상기 계량기 데이터의 크기들을 비교하는 단계, 및 상기 사용자 인터페이스 모듈을 통하여 상기 사용자에게 상기 이상의 상기 가능한 위치를 보고하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 시스템.
  29. 제 27 항에 있어서, 상기 사용자 인터페이스 모듈은, 이상 데이터베이스로부터 상기 이상의 상기 가능한 위치 및 상기 이상의 상기 가능한 위치에 할당된 상기 점수를 탐색하고, 상기 사용자에게 상기 이상의 상기 가능한 위치 및 상기 이상의 상기 가능한 위치에 할당된 상기 점수를 보고하는 것을 특징으로 하는 컴퓨터 시스템.
  30. 제 27 항에 있어서, 상기 분석 엔진에 의해 수행되는 복수의 테스트들 중 적어도 하나는,
    복수의 이전 이상들의 발생을 나타내는 데이터를 수신하고,
    공통 사건들 및 상기 복수의 이전 이상들 각각에 대한 연관된 위치들에 기초하여 상기 이전 이상들을 클러스터화(clustering)하여 상기 복수의 이전 이상들 각각과의 관계(relationship)들을 계산하며,
    상기 이상 데이터를 클러스터 데이터와 비교하고, 상기 이상 데이터에 가장 근접한 클러스터를 선택하여 상기 이상의 상기 가능한 위치를 예측함으로써 수행되는 것을 특징으로 하는 컴퓨터 시스템.
KR1020137018680A 2011-01-18 2012-01-18 수도 시설망에서의 이상의 가능한 지리적 위치를 확인하는 시스템 및 방법 KR20140004127A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/008,819 2011-01-18
US13/008,819 US8583386B2 (en) 2011-01-18 2011-01-18 System and method for identifying likely geographical locations of anomalies in a water utility network
PCT/IB2012/000208 WO2012098467A2 (en) 2011-01-18 2012-01-18 System and method for identifying likely geographical locations of anomalies in a water utility network

Publications (1)

Publication Number Publication Date
KR20140004127A true KR20140004127A (ko) 2014-01-10

Family

ID=45571370

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137018680A KR20140004127A (ko) 2011-01-18 2012-01-18 수도 시설망에서의 이상의 가능한 지리적 위치를 확인하는 시스템 및 방법

Country Status (19)

Country Link
US (2) US8583386B2 (ko)
EP (1) EP2477088B1 (ko)
JP (1) JP2014510261A (ko)
KR (1) KR20140004127A (ko)
AR (1) AR084881A1 (ko)
AU (1) AU2012200296B2 (ko)
BR (1) BR102012001173A2 (ko)
CA (1) CA2825041A1 (ko)
CL (1) CL2012000139A1 (ko)
CO (1) CO6831976A2 (ko)
ES (1) ES2525175T3 (ko)
FR (1) FR2970542A1 (ko)
GB (2) GB2487475B (ko)
IE (1) IE20120024A1 (ko)
MX (1) MX2013008369A (ko)
PT (1) PT2477088E (ko)
SG (1) SG182923A1 (ko)
TW (1) TW201235970A (ko)
WO (1) WO2012098467A2 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018183140A1 (en) * 2017-03-30 2018-10-04 Valor Water Analytics, Inc. Systems and methods for detecting and reporting anomalies in utility meters
US20230237596A1 (en) * 2019-08-27 2023-07-27 Valor Water Analytics Inc. Systems and methods for detecting and reporting anomalies in utility meters

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2507184B (en) * 2010-03-04 2014-08-13 Takadu Ltd System and method for monitoring resources in a water utility network
US8583386B2 (en) * 2011-01-18 2013-11-12 TaKaDu Ltd. System and method for identifying likely geographical locations of anomalies in a water utility network
US20120203591A1 (en) * 2011-02-08 2012-08-09 General Electric Company Systems, methods, and apparatus for determining pipeline asset integrity
US20120232806A1 (en) * 2011-03-10 2012-09-13 General Electric Company System and method for analyzing and retrieving data obtained from turbine operations
US10088335B2 (en) * 2012-04-13 2018-10-02 International Business Machines Corporation Anomaly detection using usage data for metering system
US9699525B2 (en) 2013-01-21 2017-07-04 International Business Machines Corporation Method and system for automatic residual consumption
CA3128758A1 (en) 2013-03-15 2014-09-25 Mueller International, Llc System for measuring properties of water in a water distribution system
US9810599B2 (en) * 2013-05-17 2017-11-07 Eugene Bright Water leak early detection system and method
WO2016020762A2 (en) * 2014-08-04 2016-02-11 TaKaDu Ltd. A system and method for assessing sensors' reliability
KR101555919B1 (ko) * 2014-08-11 2015-09-30 엘에스산전 주식회사 전력설비의 온라인 상태진단 방법
US10380272B2 (en) 2015-04-30 2019-08-13 International Business Machines Corporation Update computer-implemented method, computer program product and computer system for generating or updating topology model of pressure pipe network
US10228301B2 (en) * 2015-05-13 2019-03-12 Nec Corporation Water-leak state estimation system, method, and recording medium
US11041839B2 (en) 2015-06-05 2021-06-22 Mueller International, Llc Distribution system monitoring
US10275402B2 (en) * 2015-09-15 2019-04-30 General Electric Company Systems and methods to provide pipeline damage alerts
GB2545158B (en) 2015-10-09 2019-07-03 Imperial Innovations Ltd Monitoring Fluid Dynamics
AU2017200941B2 (en) * 2016-02-10 2018-03-15 Accenture Global Solutions Limited Telemetry Analysis System for Physical Process Anomaly Detection
US10319051B2 (en) 2016-03-15 2019-06-11 International Business Machines Corporation System and method for creating and managing intelligent water points in resource constrained regions
WO2017203491A1 (en) 2016-05-26 2017-11-30 Instantia Labs Inc. Method, system and apparatus for monitoring and controlling water quality and flow
US10795382B2 (en) * 2016-08-02 2020-10-06 Sensus USA, Inc. Method and apparatus for model-based control of a water distribution system
CN109891032B (zh) * 2016-09-29 2021-11-09 西沃特科技有限公司 用于一流体系统的常规在线水质及安全监测的系统及方法
EP3327206B1 (en) 2016-11-25 2020-03-25 Tata Consultancy Services Limited Ranking pipes for maintenance in pipe networks using approximate hydraulic metrics
WO2018125740A1 (en) 2016-12-28 2018-07-05 Itron, Inc. Measuring contamination to determine leak location
US10215883B2 (en) 2017-01-03 2019-02-26 International Business Machines Corporation Methods and systems for monitoring groundwater discharge
WO2018129262A1 (en) * 2017-01-05 2018-07-12 Nikola Labs Systems and methods for detecting a water leak
FR3074818B1 (fr) * 2017-12-07 2019-11-15 Suez Groupe Procede d'evaluation de l'etat d'un systeme de distribution d'eau
CN108846232A (zh) * 2018-06-28 2018-11-20 上海交通大学 一种城市供水爆管界定方法
WO2020221462A1 (de) 2019-05-02 2020-11-05 Walerij Schlagin Verfahren und vorrichtung zum überwachen von fluidführenden leitungen
US20210223083A1 (en) * 2019-05-06 2021-07-22 Badger Meter, Inc. System And Method For Utilizing District Metering Areas Based On Meter Designations
US11204299B2 (en) * 2019-09-26 2021-12-21 Wipro Limited Method and system for predicting water leakage events in district-metered-area of water distribution network
US11725366B2 (en) 2020-07-16 2023-08-15 Mueller International, Llc Remote-operated flushing system
US12080147B2 (en) 2020-12-18 2024-09-03 Itron, Inc. Determining alternative outcome or event based on aggregated data
US11982373B2 (en) 2020-12-18 2024-05-14 Itron, Inc. Gas regulator diaphragm-position and pressure-relief detection
US11733075B2 (en) 2020-12-18 2023-08-22 Itron, Inc. Disaggregation of gas load to determine meter or service under-sizing
US11594117B2 (en) 2020-12-18 2023-02-28 Itron, Inc. Network edge detection and notification of gas pressure situation
US11971291B2 (en) 2020-12-18 2024-04-30 Itron, Inc. Gas regulator pressure-relief monitor
US12043992B2 (en) 2020-12-18 2024-07-23 Itron, Inc. Determining backflow condition in water distribution system
US11971285B2 (en) 2020-12-18 2024-04-30 Itron, Inc. Detection of low gas pressure without pressure sensors
US11601506B2 (en) 2020-12-18 2023-03-07 Itron, Inc. Disaggregation of gas load to determine gas appliance performance
CN113944883B (zh) * 2021-09-18 2023-06-02 江苏禹治流域管理技术研究院有限公司 一种城市供水管网的监测调度集成系统
CN115099998B (zh) * 2022-06-29 2023-06-23 深圳拓安信物联股份有限公司 供水管网的独立计量分区方法、终端设备及存储介质
CN115370973B (zh) * 2022-10-25 2023-02-28 山东辰智电子科技有限公司 供水漏损监测方法、装置、存储介质及电子设备
US11838826B1 (en) 2023-04-25 2023-12-05 T-Mobile Usa, Inc. Location clustering and routing for 5G drive testing
US11899516B1 (en) 2023-07-13 2024-02-13 T-Mobile Usa, Inc. Creation of a digital twin for auto-discovery of hierarchy in power monitoring

Family Cites Families (92)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3690150A (en) * 1971-08-19 1972-09-12 Exxon Research Engineering Co Pipe line leak detection and location system
US4361060A (en) 1978-01-24 1982-11-30 Smyth Robert Ralston Mechanical automatic transmission
DE2841674C2 (de) 1978-09-25 1983-09-22 Heide, Gerhard, Dipl.-Ing., 4006 Erkrath Verfahren zur Überprüfung auf Leckverluste sowie dabei verwendbarer Meßschacht
US4712182A (en) 1983-03-09 1987-12-08 Hitachi, Ltd. Method of estimating fracture point of pipe line network
JPS604700A (ja) * 1983-06-24 1985-01-11 Hitachi Ltd 管網破断点の推定方式
JPS6084500A (ja) * 1983-10-14 1985-05-13 Hitachi Ltd 推論処理方法
US4797621A (en) 1987-07-08 1989-01-10 Midwesco, Inc. Leak detector and locator utilizing time domain reflectometry and sampling techniques
JPH02162223A (ja) * 1988-12-15 1990-06-21 Nkk Corp パイプラインの漏洩検知方法
FR2678407A1 (fr) * 1991-06-28 1992-12-31 Philips Electronique Lab Procede et dispositif avec un reseau neuronal pour classer des donnees, et appareil d'authentification de signature.
US5315529A (en) 1991-10-11 1994-05-24 Farmer Edward J Fluid vessel leak existence system, method and apparatus
US5301538A (en) 1992-04-20 1994-04-12 Teledyne Industries, Inc. Process and apparatus for distributed wide range leak detection, location and alarm for pollutants
US5546789A (en) 1992-08-03 1996-08-20 Intertech Development Company Leakage detection system
JP3543426B2 (ja) 1995-07-06 2004-07-14 株式会社日立製作所 管路網管理方法およびシステム
DE19612947C1 (de) 1996-04-01 1997-09-11 Siemens Ag Einrichtung und Verfahren zur Leckageerkennung
US5883815A (en) 1996-06-20 1999-03-16 Drakulich; Dushan Leak detection system
GB2337386B (en) * 1996-09-09 2001-04-04 Dennis J Dupray Location of a mobile station
US6006252A (en) 1996-10-08 1999-12-21 Wolfe; Mark A. System and method for communicating information relating to a network resource
US5756880A (en) 1997-02-13 1998-05-26 Betzdearborn Inc. Methods and apparatus for monitoring water process equipment
US6109096A (en) 1997-02-13 2000-08-29 Betzdearborn Inc. Methods and apparatus for monitoring water process equipment
US6076048A (en) 1997-09-26 2000-06-13 Betzdearborn, Inc. System and method for least squares filtering based leak flow estimation/detection using exponentially shaped leak profiles
US6067477A (en) 1998-01-15 2000-05-23 Eutech Cybernetics Pte Ltd. Method and apparatus for the creation of personalized supervisory and control data acquisition systems for the management and integration of real-time enterprise-wide applications and systems
US6192352B1 (en) * 1998-02-20 2001-02-20 Tennessee Valley Authority Artificial neural network and fuzzy logic based boiler tube leak detection systems
US6147613A (en) 1998-06-18 2000-11-14 Doumit; Joseph Early warning water leak detection system
US7454295B2 (en) 1998-12-17 2008-11-18 The Watereye Corporation Anti-terrorism water quality monitoring system
JP3796706B2 (ja) * 1999-01-22 2006-07-12 株式会社日立製作所 水道管漏水監視装置
US6389881B1 (en) * 1999-05-27 2002-05-21 Acoustic Systems, Inc. Method and apparatus for pattern match filtering for real time acoustic pipeline leak detection and location
US6526358B1 (en) 1999-10-01 2003-02-25 General Electric Company Model-based detection of leaks and blockages in fluid handling systems
US6985831B2 (en) 2000-01-13 2006-01-10 Zed.I Solutions (Canada), Inc. System for acquiring data from facilities and method CIP
CA2314573C (en) 2000-01-13 2009-09-29 Z.I. Probes, Inc. System for acquiring data from a facility and method
US6917845B2 (en) 2000-03-10 2005-07-12 Smiths Detection-Pasadena, Inc. Method for monitoring environmental condition using a mathematical model
US6795707B2 (en) 2000-05-23 2004-09-21 Jeffrey W. Martin Methods and systems for correlating telecommunication antenna infrastructure placement information to provide telecommunication quality of service information
US6963808B1 (en) 2000-06-05 2005-11-08 Aqua Conserve, Inc. Methods and apparatus for using water use signatures in improving water use efficiency
US7330796B2 (en) 2000-06-05 2008-02-12 Aqua Conserve, Inc. Methods and apparatus for using water use signatures and water pressure in improving water use efficiency
JP2002030702A (ja) * 2000-07-13 2002-01-31 Kurimoto Ltd 遮断弁監視制御システム
WO2002007365A2 (en) 2000-07-13 2002-01-24 Nxegen System and method for monitoring and controlling energy usage
US7587481B1 (en) 2001-04-05 2009-09-08 Dj Inventions, Llc Enterprise server for SCADA system with security interface
US6687637B2 (en) 2001-06-18 2004-02-03 Globvision Inc. Data sensor validation system and method
JP3795775B2 (ja) 2001-07-16 2006-07-12 株式会社山武 下水流入量予測装置および方法、サーバ装置
US20030101009A1 (en) 2001-10-30 2003-05-29 Johnson Controls Technology Company Apparatus and method for determining days of the week with similar utility consumption profiles
JP2003178118A (ja) * 2001-12-12 2003-06-27 Hitachi Ltd 上下水道維持管理システム及びコンピュータ・ソフトウエア
US6691724B2 (en) 2002-04-11 2004-02-17 Michael Brent Ford Method and system for controlling a household water supply
US6845336B2 (en) 2002-06-25 2005-01-18 Prasad S. Kodukula Water treatment monitoring system
US7504964B2 (en) 2002-11-04 2009-03-17 Neptune Technology Group, Inc. Communications and features protocol for a measuring water meter
US6957157B2 (en) * 2002-11-12 2005-10-18 Flow Metrix, Inc. Tracking vibrations in a pipeline network
JP4248227B2 (ja) 2002-11-14 2009-04-02 株式会社クボタ 配水管路における夾雑物の堆積可能性の解析方法
DE10254606B4 (de) * 2002-11-22 2006-06-29 Siemens Ag Verfahren und Vorrichtung zur schnellen Verarbeitung von Messdaten mit einer Vielzahl unabhängiger Stichproben
US6862540B1 (en) 2003-03-25 2005-03-01 Johnson Controls Technology Company System and method for filling gaps of missing data using source specified data
DK176459B1 (da) 2003-06-20 2008-03-25 Dantaet Electronics As Fremgangsmåde til afvikling af et læksikringssystem samt et læksikringssystem til udövelse af fremgangsmåden
US7119698B2 (en) * 2003-10-16 2006-10-10 Itron, Inc. Consumptive leak detection system
US7233876B2 (en) 2003-12-05 2007-06-19 Steris Inc. Data acquisition system providing dual monitoring of sensor data
US6822742B1 (en) 2003-12-19 2004-11-23 Eastman Kodak Company System and method for remote quantitative detection of fluid leaks from a natural gas or oil pipeline
US7526944B2 (en) 2004-01-07 2009-05-05 Ashok Sabata Remote monitoring of pipelines using wireless sensor network
US7317404B2 (en) 2004-01-14 2008-01-08 Itron, Inc. Method and apparatus for collecting and displaying consumption data from a meter reading system
US7793188B2 (en) 2004-03-23 2010-09-07 The Regents Of The University Of California Apparatus and method for improving reliability of collected sensor data over a network
US6970808B2 (en) 2004-04-29 2005-11-29 Kingsley E. Abhulimen Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems
JP4358685B2 (ja) * 2004-06-15 2009-11-04 株式会社日立製作所 上水道施設における情報利用システム
EP1787179A2 (en) 2004-08-31 2007-05-23 Watlow Electric Manufacturing Company Operations system distributed diagnostic system
US7228726B2 (en) 2004-09-23 2007-06-12 Lawrence Kates System and method for utility metering and leak detection
WO2006069930A2 (de) * 2004-12-23 2006-07-06 Endress+Hauser Leitungsnetzwerk zur versorgung mit wasser oder gas und/oder zum abtransport von brauchwasser mit einer hierarchischen struktur, verfahren zur detektion einer leckage in einem solchen leitungsnetz und verfahren zur rechnergestützten bestimmung einer theoretisch verbleibenden lebensdauereiner erneuerbaren energiequelle
US7497957B2 (en) 2005-01-21 2009-03-03 Bernard Frank System, method and apparatus for end-to-end control of water quality
US20060179463A1 (en) 2005-02-07 2006-08-10 Chisholm Alpin C Remote surveillance
US6993403B1 (en) 2005-03-22 2006-01-31 Praxair Technology, Inc. Facility monitoring method
WO2006135849A2 (en) 2005-06-10 2006-12-21 Sensicore, Inc. Systems and methods for fluid quality sensing, data sharing and data visualization
WO2007002838A2 (en) * 2005-06-29 2007-01-04 Trustees Of Boston University Whole-network anomaly diagnosis
US20070016399A1 (en) 2005-07-12 2007-01-18 International Business Machines Corporation Method and apparatus for detecting data anomalies in statistical natural language applications
US7289923B2 (en) * 2005-07-21 2007-10-30 Nagare System and method for fluid distribution
US7698076B2 (en) * 2005-10-07 2010-04-13 Veolia Es Industrial Services, Inc. System to manage maintenance of a pipeline structure, program product, and related methods
WO2007059352A2 (en) 2005-11-16 2007-05-24 Sensicore, Inc. Systems and methods for fluid quality sensing, data sharing and data visualization
EP1793296A1 (en) 2005-12-05 2007-06-06 Insyst Ltd. An apparatus and method for the analysis of a process having parameter-based faults
US20070203860A1 (en) 2006-02-24 2007-08-30 Gridpoint, Inc. Energy budget manager
US7720615B2 (en) 2006-03-20 2010-05-18 Sensis Corporation System for detection and prediction of water quality events
US7986246B2 (en) 2006-03-31 2011-07-26 Itron, Inc. Integrated data collection, anomaly detection and investigation, such as integrated mobile utility meter reading, theft detection and investigation system
US7558771B2 (en) 2006-06-07 2009-07-07 Gm Global Technology Operations, Inc. System and method for selection of prediction tools
ITBO20060463A1 (it) 2006-06-13 2007-12-14 Blueco Srl Procedimento per rilevare e segnalare perdite idriche nelle reti di distribuzione, in particolare nelle reti condominiali, ed apparecchiatura per l'attuazione di tale procedimento
US20080109175A1 (en) 2006-08-30 2008-05-08 Sensicore, Inc. Systems and methods for dynamic monitoring of fluid movement in a fluid distribution network using controlled concentration pulses of additives
JP4822990B2 (ja) * 2006-09-07 2011-11-24 株式会社東芝 漏水監視システム
US7647136B2 (en) 2006-09-28 2010-01-12 Exxonmobil Research And Engineering Company Method and apparatus for enhancing operation of a fluid transport pipeline
US7558703B2 (en) 2006-11-01 2009-07-07 Abb Research Ltd. Electrical substation monitoring and diagnostics
US7310590B1 (en) 2006-11-15 2007-12-18 Computer Associates Think, Inc. Time series anomaly detection using multiple statistical models
US7739004B2 (en) 2006-11-29 2010-06-15 The Boeing Company Automatic engine fuel flow monitoring and alerting fuel leak detection method
US20080168339A1 (en) 2006-12-21 2008-07-10 Aquatic Informatics (139811) System and method for automatic environmental data validation
US7523016B1 (en) 2006-12-29 2009-04-21 Google Inc. Detecting anomalies
WO2008121945A2 (en) 2007-03-30 2008-10-09 Netqos, Inc. Statistical method and system for network anomaly detection
JP2009020024A (ja) * 2007-07-12 2009-01-29 Nippon Water Solution:Kk 漏水状況監視装置及び方法
US20090299660A1 (en) 2008-05-29 2009-12-03 Dan Winter Method and System to Identify Utility Leaks
JP5329871B2 (ja) * 2008-08-25 2013-10-30 株式会社東芝 漏水節点推定装置
DE102008048748B3 (de) * 2008-09-24 2010-01-21 Siemens Aktiengesellschaft Leckageerkennung, Leckageortung in versorgungsnetzen
US7996525B2 (en) 2008-12-31 2011-08-09 Sap Ag Systems and methods for dynamically provisioning cloud computing resources
US8396870B2 (en) * 2009-06-25 2013-03-12 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling
US7920983B1 (en) * 2010-03-04 2011-04-05 TaKaDu Ltd. System and method for monitoring resources in a water utility network
CN102235575B (zh) * 2010-04-29 2013-12-25 国际商业机器公司 用于检查管道泄露的数据处理方法及系统
US8583386B2 (en) * 2011-01-18 2013-11-12 TaKaDu Ltd. System and method for identifying likely geographical locations of anomalies in a water utility network

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018183140A1 (en) * 2017-03-30 2018-10-04 Valor Water Analytics, Inc. Systems and methods for detecting and reporting anomalies in utility meters
US11645727B2 (en) 2017-03-30 2023-05-09 Valor Water Analytics Inc. Systems and methods for detecting and reporting anomalies in utility meters
US20230237596A1 (en) * 2019-08-27 2023-07-27 Valor Water Analytics Inc. Systems and methods for detecting and reporting anomalies in utility meters

Also Published As

Publication number Publication date
WO2012098467A3 (en) 2012-11-15
GB2503364B (en) 2015-07-08
WO2012098467A2 (en) 2012-07-26
AU2012200296B2 (en) 2014-02-13
AU2012200296A1 (en) 2012-08-02
CA2825041A1 (en) 2012-07-26
JP2014510261A (ja) 2014-04-24
SG182923A1 (en) 2012-08-30
MX2013008369A (es) 2014-01-20
US8583386B2 (en) 2013-11-12
IE20120024A1 (en) 2012-07-18
US20140152465A1 (en) 2014-06-05
PT2477088E (pt) 2015-01-05
ES2525175T3 (es) 2014-12-18
CO6831976A2 (es) 2014-01-10
EP2477088B1 (en) 2014-10-01
TW201235970A (en) 2012-09-01
US20120185184A1 (en) 2012-07-19
CL2012000139A1 (es) 2012-09-14
EP2477088A1 (en) 2012-07-18
GB2503364A (en) 2013-12-25
GB201314626D0 (en) 2013-10-02
AR084881A1 (es) 2013-07-10
FR2970542A1 (fr) 2012-07-20
GB2487475A (en) 2012-07-25
US9441988B2 (en) 2016-09-13
GB201200819D0 (en) 2012-02-29
GB2487475B (en) 2016-04-13
BR102012001173A2 (pt) 2014-04-29

Similar Documents

Publication Publication Date Title
KR20140004127A (ko) 수도 시설망에서의 이상의 가능한 지리적 위치를 확인하는 시스템 및 방법
EP2472467B1 (en) System and method for monitoring resources in a water utility network
KR100973662B1 (ko) 실증적방법과 수학적방법을 융합하는 하이브리드 기법에 의한 상수도관망에서의 누수탐지시스템
US20140149054A1 (en) Leak Detection Via a Stochastic Mass Balance
KR20140092385A (ko) 자원망 모니터링 시스템에서 관련된 이벤트들을 식별하는 시스템 및 방법
GB2507184A (en) Anomaly event classification in a network of pipes for resource distribution
KR20230137021A (ko) 인공지능을 이용한 배관이상 탐지 방법 및 시스템
KR102493362B1 (ko) Ai를 이용한 상수도 실시간 사고감지 시스템 및 그 방법
JP6655740B1 (ja) プラント保守支援装置
AU2011221399A1 (en) System and method for monitoring resources in a water utility network
WO2015087378A1 (ja) 水道施設網の異常検知装置及び異常検知方法
PL224049B1 (pl) Sposób przeprowadzenia detekcji i lokalizacji awarii w systemach wodociągowych o strukturze zamkniętej przy zastosowaniu urządzeń mierzących przepływ wody w sieci

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid