一种供水管网漏损的自动识别和定位方法技术

本发明专利技术涉及一种供水管网漏损的自动识别和定位方法，属于供水管网漏损监测技术领域。本发明专利技术方法用传感器采集独立计量的供水管网中有限管段的物理状态，同时记录管段的漏损状态以及管段所在位置，建立、训练和测试深度神经网络，通过分析少数几个传感器的数据，识别复杂管网的漏损状态，并具体定位到出现漏损的水管管段。本发明专利技术方法步骤具体，经过精度测试的方法，结果稳定可靠，因此本发明专利技术方法的可实施性强。使用本发明专利技术方法对供水管网进行监测，可以使用有限的少数几个传感器实现对整个供水管网漏损的识别以及定位，监测成本低，监测精度高，而且可以大大加速供水管网漏损的抢修，降低漏损导致的水资源损失、资源浪费和水质污染。

A method of automatic identification and location of leakage in water supply network

【技术实现步骤摘要】
一种供水管网漏损的自动识别和定位方法
本专利技术涉及一种供水管网漏损的自动识别和定位方法，属于供水管网漏损监测

技术介绍
城镇供水管网的漏损是一个普遍存在且重要的问题，引起了社会的广泛关注。供水管网的漏损，有时很难被识别和定位，导致维修时间的延迟，进而造成大量的水资源的损失，增加了供水需求的压力。管网的漏损，可能影响供水的水质，还会导致管内压力的释放，造成能源的浪费。在环境和能源危机日益严重的背景下，供水管网的漏损识别和定位是具有重大意义的，有助于节约水资源和能源，减少经济损失，维持居民稳定供水。城镇水务管网错综复杂，且存在传感器分布密度低、传感器数据包含噪音和误差等问题，导致管网的漏损反映在传感器数据的变化不明显。目前，基于传统的传感器数据统计分析的水务管网监测技术，难以有效地识别漏损的发生，更不能精确地定位漏损的位置。中国专利技术专利申请CN110594597A水务管网DMA漏损分析系统，公开了一种以独立计量区域DMA为分析的对象的水务管网漏损分析系统。然而，该专利技术存在四个问题：第一，该专利技术没有提出漏损定位的方法。第二，该专利技术提到可以通过管网壁厚的变化与历史记录的比较来判定漏损的可能，却没有提供具体的实施步骤来解释如何判定漏损。第三，该专利技术没有提出降低数据噪音和误差的方法。第四，该专利技术没有进行漏损识别精度的测试。
技术实现思路
本专利技术目的是提出一种供水管网漏损的自动识别和定位方法，建立、训练和测试一个深度神经网络，用于分析少数几个传感器的数据，来实现管网漏损的识别以及定位，以加速供水管网漏损的抢修，降低漏损导致的水资源损失、资源浪费和水质污染。本专利技术提出的供水管网漏损的自动识别和定位方法，包括以下步骤：(1)设定独立计量的供水管网中共有N个被监测管段，在其中的n个管段上安装传感器，0≤n＜N，从水务管理中心获取N个被监测管段的位置信息G，并在独立计量的供水管网的所有入水口、出水口分别安装一个传感器；(2)训练和测试数据采集：在时间段K内，以采样频率t，用步骤(1)的传感器对供水管网的物理状态进行采集，同时记录被监测管段的漏损状态，得到数据集D＝(X，Y)，其中X为由所有传感器采集的数据组成的数据组，Y为所有被监测管段漏损状态组成的数据组，将管段漏损状态记Y为1，管段非漏损状态记Y为0；(3)对步骤(2)中传感器数据组X进行预处理，包括以下步骤：(3-1)从传感器数据组X中移除漏损状态Y为1时的传感器数据，得到供水管网在无漏损状态下的传感器数据组Xa，把Xa中被移除的部分用符号来填充，使Xa的长度与X的长度一致，设定一个时间周期Q，将无漏损状态传感器数据组Xa均分为组，得到无漏损周期性数据组其中j为的组号，j＝1，2，...，K/Q：每组中共有Q×t个数据，分别将所有中相同序号i的数据相加后除以获得基准周期性传感器数据Xc(i)：得到基准周期性传感器数据组Xc，其中i＝1，2，...，Q×t；(3-2)将步骤(2)中传感器的数据组X均分为组，得到原始周期性数据组Xj：Xj＝[X(1+Q×t×(j-1))，...，X(Q×t×j)]，其中j为Xj的组号，j＝1，2，...，K/Q将每组原始周期性数据组Xj减去基准周期性传感器数据组Xc，获得差值周期性数据组并按照的组号j，对差值周期性数据组进行组合，得到差值传感器数据组Xd：其中i＝1，2，...，Q×t；(3-3)对差值传感器数据组Xd进行滑窗平均降噪处理，获得预处理传感器数据组Xe和预处理数据集De＝(Xe，Y)如果k≥R其中，R是人为设定的滑窗大小，k＝1，2，...，K×t；(4)从步骤(3)中获得的预处理数据集De中随机抽取80％的数据作为训练集剩余20％的数据作为测试集(5)设计一个深度神经网络M，包括一个输入层、C个隐含层和一个输出层，其中，深度神经网络M的输入为步骤(3)中获得的预处理数据集Xe，深度神经网络M的输出为被监测管段的预测漏损状态训练后获得深度神经网络Mt；(6)将步骤(4)测试集中的Xtest输入深度神经网络Mt，Mt输出管段预测漏损状态将Ytest和进行比较，获得深度神经网络Mt的测试精度A：(7)设定一个测试精度阈值Athresh，将步骤(6)的测试精度A和精度阈值Athresh进行比较，若A大于或者等于Athresh，则判定深度神经网络Mt测试合格，进行步骤(10)，若测试精度A小于精度阈值Athresh，则进行步骤(8)；(8)增加步骤(5)中的隐含层层数C，重复步骤(5)-步骤(6)，将步骤(6)中获得的测试精度A和精度阈值Athresh进行比较，若测试精度A大于或者等于精度阈值Athresh，则判定深度神经网络Mt测试合格，进行步骤(10)，若测试精度A小于精度阈值Athresh，则设定一个隐含层层数的阈值Cthresh，对隐含层层数C进行判断，若隐含层层数C小于或等于Cthresh，重复本步骤，若隐含层层数C大于Cthresh，则进入步骤(9)；(9)延长步骤(2)中的采集时间段K，重复步骤(2)-步骤(6)，将步骤(6)中获得的测试精度A和精度阈值Athresh进行比较，若测试精度A大于或者等于精度阈值Athresh，则判定深度神经网络Mt测试合格，进行步骤(10)，若测试精度A小于精度阈值Athresh，重复本步骤，直到测试精度A大于或者等于精度阈值Athresh；(10)在独立计量的供水管网运行时，从所有传感器采集新传感器数据组对新传感器数据组按照步骤(3)进行预处理，获得新预处理传感器数据组将输入至测试合格的深度神经网络Mt，Mt输出新管段预测漏损状态从中提取漏损状态为1的管段，并根据步骤(1)的管段位置信息G获得漏损管段的定位信息将漏损管段的定位信息发送给水务管理中心，实现独立计量的水务管网的漏损识别和定位。本专利技术提出的供水管网漏损的自动识别和定位方法，其优点是：本专利技术的供水管网漏损识别和定位方法，用传感器采集独立计量的供水管网中有限管段的物理状态，同时记录管段的漏损状态以及管段所在位置，建立、训练和测试一个人工神经网络，通过分析少数几个传感器的数据，来识别复杂管网的漏损状态，并具体定位到出现漏损的水管管段，传感器数据用于漏损识别和定位前接受预处理，以降低传感器数据中噪音和误差的影响。本专利技术方法可以随着持续应用，进行自我拓展，以提升精度和适应新数据。本专利技术方法步骤具体，经过精度测试的方法，结果稳定可靠，因此本专利技术方法的可实施性强。使用本专利技术方法对供水管网进行监测，可以使用有限的少数几个传感器实现对整个供水管网漏损的识别以及定位，监测成本低，监测精度高，而且可以大大加速供水管网漏损的抢修，降低漏损导致的水资源损失、资源浪费和水质污染。附图说明图1是本专利技术方法的流程框图。图2是本专利技术供水管网的漏损识别和定位方法中涉及的供水管网结构示意图。图3是本专利技术方法本文档来自技高网...

【技术保护点】
1.一种供水管网漏损的自动识别和定位方法，其特征在于该方法包括以下步骤：/n(1)设定独立计量的供水管网中共有N个被监测管段，在其中的n个管段上安装传感器，0≤n<N，从水务管理中心获取N个被监测管段的位置信息G，并在独立计量的供水管网的所有入水口、出水口分别安装一个传感器；/n(2)训练和测试数据采集：在时间段K内，以采样频率t，用步骤(1)的传感器对供水管网的物理状态进行采集，同时记录被监测管段的漏损状态，得到数据集D＝(X,Y)，其中X为由所有传感器采集的数据组成的数据组,Y为所有被监测管段漏损状态组成的数据组，将管段漏损状态记Y为1，管段非漏损状态记Y为0；/n(3)对步骤(2)中传感器数据组X进行预处理，包括以下步骤：/n(3-1)从传感器数据组X中移除漏损状态Y为1时的传感器数据，得到供水管网在无漏损状态下的传感器数据组X

【技术特征摘要】
1.一种供水管网漏损的自动识别和定位方法，其特征在于该方法包括以下步骤：
(1)设定独立计量的供水管网中共有N个被监测管段，在其中的n个管段上安装传感器，0≤n<N，从水务管理中心获取N个被监测管段的位置信息G，并在独立计量的供水管网的所有入水口、出水口分别安装一个传感器；
(2)训练和测试数据采集：在时间段K内，以采样频率t，用步骤(1)的传感器对供水管网的物理状态进行采集，同时记录被监测管段的漏损状态，得到数据集D＝(X,Y)，其中X为由所有传感器采集的数据组成的数据组,Y为所有被监测管段漏损状态组成的数据组，将管段漏损状态记Y为1，管段非漏损状态记Y为0；
(3)对步骤(2)中传感器数据组X进行预处理，包括以下步骤：
(3-1)从传感器数据组X中移除漏损状态Y为1时的传感器数据，得到供水管网在无漏损状态下的传感器数据组Xa，把Xa中被移除的部分用符号来填充，使Xa的长度与X的长度一致，设定一个时间周期Q,将无漏损状态传感器数据组Xa均分为组，得到无漏损周期性数据组其中j为的组号，j＝1,2,…,K/Q：



每组中共有Q×t个数据，分别将所有中相同序号i的数据相加后除以获得基准周期性传感器数据Xc(i)：



得到基准周期性传感器数据组Xc，其中i＝1,2,…,Q×t；
(3-2)将步骤(2)中传感器的数据组X均分为组，得到原始周期性数据组Xj：
Xj＝[X(1+Q×t×(j-1)),...,X(Q×t×j)]，其中j为Xj的组号，j＝1,2,…,K/Q
将每组原始周期性数据组Xj减去基准周期性传感器数据组Xc，获得差值周期性数据组



并按照的组号j，对差值周期性数据组进行组合，得到差值传感器数据组Xd：



其中i＝1,2,…,Q×t；
(3-3)对差值传感器数据组Xd进行滑窗平均降噪处理，获得预处理传感器数据组Xe和预处理数据集De＝(Xe,Y)

如果k≥R
其中，R是人为设定的滑窗大小，k＝1,2,…,K×t；
(4)从步骤(3)中获得...

【专利技术属性】
技术研发人员：罗龙溪，吴建平，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11