The invention discloses a leak location method based on clustering and deep belief network. The invention first calculates the sensitivity coefficient matrix of the monitoring point of the pipeline network. Secondly, the network is divided into several leakage areas based on K_means clustering, and the leakage samples are generated by hydraulic simulation software. Then, a leakage region identification model based on deep belief network is established and trained. Finally, the leakage area is identified according to the measured pressure data. The invention overcomes the problem of scarcity of leakage samples in modeling, realizes fast locating the leakage region at the initial stage of leakage, and has high identification accuracy and strong operability.
【技术实现步骤摘要】
一种基于聚类和深度信念网络的漏损初定位方法
本专利技术属于城市供水管网领域,涉及供水管网的漏损定位,具体是一种基于聚类和深度信念网络的漏损初定位方法。
技术介绍
由于管道老化、腐蚀、接口密封松动等各种原因,供水管网不可避免存在着明漏和暗漏。如不及时发现漏损区域,加强监视,不仅会造成水资源的浪费,可能还会引发爆管、道路损坏和相关安全问题。所以,为了避免特大爆管泄漏事故发生,高效、快速确定漏损区域的方法具有十分重要的现实意义。国内多数供水管网拓扑结构十分复杂,管道布局杂乱无序,难以找出其规律性。大部分供水管网无法实施DMA分区,即便有DMA分区面积也较大。这些无疑给漏损区域的定位增加了难度。现阶段,判断区域漏损的方法主要有区域检漏法,此法适合生活小区或深夜用水量较少的地区。检漏时需关闭与外界联系的阀门,夜间一段时间内的最小流量可视为区内管网的漏损量,往往需要进一步关闭区内阀门,对比流量的变化,才能缩小漏损区域。实际操作有一定局限性和复杂性。
技术实现思路
针对供水管网渗漏恶化不可逆及现有技术方法的不足,本专利技术提出一种基于聚类和深度信念网络相结合的漏损初定位方法,旨在渗漏初期就能快速定位漏损区域,以及时预警。为实现以上目的,本专利技术采取以下步骤:步骤1、计算获得管网监测点敏感度系数矩阵(1)灵敏度系数矩阵利用EPANET水力仿真软件给节点i设置一个扩散器系数,可得监测点k压力的变化值ΔHk和节点i自身压力变化值ΔHi,从而求得监测点的灵敏度系数Xik,如式(1):据此,可求得所有监测点的灵敏度系数,用矩阵形式表示为:其中,n代表管网中所有监测点的个数,m代表管 ...
【技术保护点】
1.一种基于聚类和深度信念网络的漏损初定位方法,其特征在于该方法具体是:步骤1、计算获得管网监测点敏感度系数矩阵(1)灵敏度系数矩阵利用EPANET水力仿真软件给节点i设置一个扩散器系数,得监测点k压力的变化值ΔHk和节点i自身压力变化值ΔHi,从而求得监测点的灵敏度系数Xik,如式(1):
【技术特征摘要】
1.一种基于聚类和深度信念网络的漏损初定位方法,其特征在于该方法具体是:步骤1、计算获得管网监测点敏感度系数矩阵(1)灵敏度系数矩阵利用EPANET水力仿真软件给节点i设置一个扩散器系数,得监测点k压力的变化值ΔHk和节点i自身压力变化值ΔHi,从而求得监测点的灵敏度系数Xik,如式(1):据此,求得所有监测点的灵敏度系数,用矩阵形式表示为:其中,n代表管网中所有监测点的个数,m代表管网中所有节点的个数;(2)标准化对灵敏度系数矩阵Xm×n采取标准化处理,保证处在[0,1]范围内,得到矩阵X′m×n,对于第j列的元素,公式如下:代表矩阵X中第j列元素均值,其余各列处理方式相同,最后根据所有x′ij组成矩阵X′;再对X′进行极差变换,对于第j列元素其中,x′jmin为X′m×n中第j列的最小值,x′jmax为X′中第j列的最大值;同样,其余各列处理方式相同,最后根据所有x″ij组成标准化矩阵X″m×n;步骤2、基于K-means聚类将管网分成若干漏损区域使用K-means算法对矩阵X″m×n进行聚类,以最小化欧式距离为目标,初始化聚类中心向量V,通过迭代运算进行调整,使得下式所示的目标函数J最小;uk是分类中心向量,xn是观测坐标向量,rnk是0或1,若n被归类至k组,则rnk=1,否则rnk=0;J的目标是最小化观测向量与聚类中心之间的距离;rnk与uk寻优时,通过迭代运算逐步求出,固定uk,选取最优rnk,接着固定rnk,计算最优的uk,选取rnk的过程中,把数据归类至近邻中心点,由此使得目标函数最小,求uk时,令J对uk求导等于0,可得到:步骤3、利用水力仿真软件生成漏损样本若管网中存在漏损问题,节点压力也会随之受到影响,产生相应波动,利用EPANET水力仿真软件生成漏损样本,步骤如下:(1)计算在正常工况下监测点的压力p={p1,p2,p3,…,pn};(2)在第a个漏损区域随机选择若干个节点作为漏损点,假设漏损节点为b,则计算漏损情况下的监测点压力表示为(3)计算监测点压力值的变化表示为第a个漏损区域第b个节点发生漏损时,供水管网所有监测节点压力变化;(4)换另一个漏损区域,重复(2)、(3)得到漏损样本数据,通过步骤(1)到(4),得到的训练样本集S,定义样本集为区域a...
【专利技术属性】
技术研发人员:徐哲,黄兴,李玉全,陈晖,何必仕,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。