一种基于深度神经网络模型的给水管网泄漏定位方法技术

本发明专利技术提供一种基于深度神经网络模型的给水管网泄漏定位方法，包括利用计算机管网平差软件获得待测给水管网所有节点在各用水期正常状态下的压力值或流量值；利用模糊C‑均值聚类融合算法选取监测点；利用计算机管网平差软件确定模拟泄漏点与各监测点的距离，获得各监测点在各用水期模拟泄漏状态下的压力值或流量值；计算得到各监测点在各用水期模拟泄漏状态下的压力或流量变化率；构建深度神经网络模型，并对构建的深度神经网络模型进行训练；利用训练好的深度神经网络模型对待测给水管网中的泄漏点进行定位。本发明专利技术通过观测有限监测点的压力或流量变化能够实现对泄漏点的准确定位，具有较强的理论和现实意义。

【技术实现步骤摘要】
一种基于深度神经网络模型的给水管网泄漏定位方法
本专利技术涉及给水管网泄漏监测
，具体是一种基于深度神经网络模型的给水管网泄漏定位方法。
技术介绍
在当代社会生产生活中，给水管网是城市建设的重要基础设施之一，在保障经济可持续发展和居民正常生活中起到举足轻重的作用。由于城市的给水管网埋于地表之下，发生的漏损故障具有隐蔽性。因此，全面掌握给水管网系统的运行状态就显得尤其重要。管网泄漏不一定是单一原因造成的，可能是由于多种原因(管材质量问题、接口问题、施工问题、管道腐蚀及外力破坏)的共同作用产生的。因此，管道泄漏及其特征参数变化受多种因素共同影响，采用常规的数学模型难以描述，且实际用于泄漏监测时，也会由于误差太大、漏误报较高导致无法取得理想的效果。相关研究虽然使用了一些方法实现给水管网的漏损检测及定位，但定位准确度不高，且监测点的选取也是随机选取不具有代表性。事实上，实际的给水管网模型是一个典型的非线性复杂系统，同时由于管道压力、流量、用水量时常变化及管道内介质的影响，在建立管网的运行模型时所需要的物理参数难以准确确定，造成难以本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络模型的给水管网泄漏定位方法，其特征在于，该方法包括以下步骤：/n(1)利用计算机管网平差软件构建待测给水管网拓扑结构图并进行正常状态下的水力学模拟，获得待测给水管网所有节点在各用水期正常状态下的压力值或流量值；/n(2)利用模糊C-均值聚类融合算法，从待测给水管网所有节点中选取出若干代表节点作为监测点；/n(3)利用计算机管网平差软件对待测给水管网进行多次泄漏故障模拟，确定模拟泄漏点与各监测点的距离，获得各监测点在各用水期模拟泄漏状态下的压力值或流量值；/n(4)根据各监测点在同一用水期模拟泄漏状态和正常状态下的压力值或流量值，计算得到各监测点在各用水期模拟泄漏状态下的...

【技术特征摘要】
1.一种基于深度神经网络模型的给水管网泄漏定位方法，其特征在于，该方法包括以下步骤：
(1)利用计算机管网平差软件构建待测给水管网拓扑结构图并进行正常状态下的水力学模拟，获得待测给水管网所有节点在各用水期正常状态下的压力值或流量值；
(2)利用模糊C-均值聚类融合算法，从待测给水管网所有节点中选取出若干代表节点作为监测点；
(3)利用计算机管网平差软件对待测给水管网进行多次泄漏故障模拟，确定模拟泄漏点与各监测点的距离，获得各监测点在各用水期模拟泄漏状态下的压力值或流量值；
(4)根据各监测点在同一用水期模拟泄漏状态和正常状态下的压力值或流量值，计算得到各监测点在各用水期模拟泄漏状态下的压力或流量变化率；
(5)构建深度神经网络模型，将各监测点在各用水期模拟泄漏状态下的压力或流量变化率作为输入数据，模拟泄漏点与各监测点的距离作为输出数据，对构建的深度神经网络模型进行训练；
(6)对待测给水管网各监测点的压力值或流量值进行实时观测，当同一用水期，各监测点的压力值或流量值相较于正常状态发生变化时，判断有泄漏发生，将各监测点在泄漏状态下的压力或流量变化率输入训练好的深度神经网络模型，得到泄漏点与各监测点的距离，进而确定泄漏点的具体位置。


2.根据权利要求1所述的基于深度神经网络模型的给水管网泄漏定位方法，其特征在于，所述计算机管网平差软件选用EPANETH管网平差软件。


3.根据权利要求1所述的基于深度神经网络模型的给水管网泄漏定位方法，其特征在于，所述步骤(2)具体包括：
(21)采用以下公式计算出待测给水管网各个节点之间的相互影响矩阵：



其中，X(i，j)表示节点j的压力或流量变化对节...

【专利技术属性】
技术研发人员：吴晓璇，王晓峰，陈圣兵，张琛，
申请(专利权)人：合肥学院，
类型：发明
国别省市：安徽;34