一种基于神经网络模型定位供水管网堵塞的方法和系统技术方案

本发明专利技术提供了一种基于神经网络模型定位供水管网堵塞的方法和系统，包括步骤：根据供水管网的建设信息和GIS的地理信息在水力仿真软件中建模，通过改变管道的管径来表示管道的堵塞情况，每次改变管径后进行一次仿真，记录仿真数据。将仿真数据中的压力和流量数据作为神经网络模型的输入数据，对神经网络模型进行训练。训练好后的神经网络模型将对输入的实际监测压力和流量数据进行计算，输出一个发生堵塞的管道编号。本发明专利技术通过对管网结构的抽象和处理，将神经网络模型应用于能源输配领域，能够直接定位可能出现堵塞的管网管段，代替人工检测，具有成本低的优点。具有成本低的优点。具有成本低的优点。

【技术实现步骤摘要】
一种基于神经网络模型定位供水管网堵塞的方法和系统


[0001]本专利技术涉及能源输配
，具体涉及一种基于神经网络模型定位供水管网堵塞的方法和系统。

技术介绍

[0002]供水管网是用户用水的根本基础设施。若管道发生堵塞，会导致管道流量减少，用户的流量需求无法满足，影响了用户正常用水，从而进一步导致用户投诉。为了满足用户需求，供水管网运营者提高上游水压，则增加了水泵耗电量，增加运营成本。导致管道堵塞的原因有多种，如长期运行导致管道腐蚀、施工时异物进入管道、阀门失灵等，因此有必要对管道堵塞进行检测。
[0003]目前，对于供水管网，通常部署了SCADA系统，计量表普遍装有无线网络部件，将计量表的数据实时传输回数据中心。对于数据的分析，主要通过设定闽值来实现自动报警。该方法报警慢，可能已经存在较长时间的堵塞状态。对于供水管网的堵塞定位目前还没有高效的办法，通常依赖一定周期的人工检修，成本较高，用时较长，而且对于地下埋管施工成本高。
[0004]本专利技术通过对管网结构的抽象和处理，将神经网络模型应用于能源输配领域，能够直接定位可能出现堵塞的管网管段，代替人工检测，具有成本低的优点。能够提供实时检测，具有实时、快速的优点。检测准确率可达到98％以上，具有准确率高的优点。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于神经网络模型定位供水管网堵塞的方法和系统。
[0006]所述方法包括：
[0007]步骤S1：在水力仿真软件中对供水管网进行建模；
[0008]步骤S2：改变管径生成供水管网正常和堵塞时的仿真压力数据；
[0009]步骤S3：构建神经网络模型，并基于仿真数据训练神经网络模型；
[0010]步骤S4：采用神经网络模型进行堵塞定位。
[0011]进一步的：所述步骤S2具体包括：步骤S21：对神经网络模型作一次仿真，得到正常情况下的仿真数据；
[0012]步骤S22：设置用户用水需求参数；
[0013]步骤S23：基于管道结构选择一根未处理管道，改变其管径尺寸，并在每次改变管径后进行一次仿真，得到所述选择的管道具有不同程度的堵塞时的仿真数据；
[0014]步骤S24：确定是否所有管道均处理完毕，如果是，则进入下一步骤，否则，返回步骤S23；
[0015]步骤S25：判断是否所有的用户用水需求参数的改变方式均设置完毕，如果是，则进入下一步骤，否则返回步骤S22；
[0016]所述步骤S3包括如下步骤：
[0017]步骤S31：选择管网结构中的水源处流量与用户处压力作为样本数据的输入部分，发生堵塞的管道编号作为输出部分；
[0018]步骤S32：作样本预处理；具体为：分别在多种用户用水需求参数下，将堵塞情况的样本减去正常情况的样本得到堵塞残差样本，从而得到残差样本矩阵；对样本矩阵的各列进行归一化，然后作非线性化处理，将数据转化为平均分布；
[0019]步骤S33：构建神经网络模型；其中：输入层的神经元个数等于样本矩阵的特征数，输出层的神经元个数等于供水管网中需要检测堵塞的管道数；
[0020]步骤S34：模型的超参数寻优。
[0021]进一步的：管网设施参数包括管径、管长。
[0022]进一步的：由地理信息系统GIS提供供水管网的地理信息以建立供水管网拓扑图。
[0023]进一步的：由供水管网运营者提供供水管网的管道结构参数。
[0024]进一步的：每小时采集一次用户用水情况，所述多种用户用水需求参数下为24种。
[0025]进一步的：用交叉熵方法评价分类误差，用Adam算法减小交叉熵误差。
[0026]一种基于神经网络模型定位供水管网堵塞的系统，其特征在于，所述系统用于执行所述的基于神经网络模型定位供水管网堵塞的方法。
[0027]一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述的基于神经网络模型定位供水管网堵塞的方法。
[0028]一种服务器，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现所述的基于神经网络模型定位供水管网堵塞的方法。
[0029]本专利技术的有益效果在于：
[0030](1)使用供水管网的SCADA数据，代替人工检测，具有成本低的优点。
[0031](2)支持监测数据的实时回传，实现真正的实时检测，具有实时、快速的优点。
[0032](3)快速构建大量样本数据，支持模型在不同工况下的快速移植，具有较高的实际应用价值。
[0033](4)实际检测过程中准确率可达到98％以上，具有准确率高的优点。
附图说明
[0034]图1为一种基于神经网络模型定位供水管网堵塞的方法步骤示意图。
[0035]图2为本专利技术实施例中的供水管网拓扑图。
[0036]图3为本专利技术实施例中的供水管网的建模界面图。
[0037]图4为本专利技术实施例中的管道参数设置界面图。
[0038]图5为本专利技术实施例中的实际应用情况示意图。
具体实施方式
[0039]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0040]实施例1
[0041]如附图1所示，本专利技术提供一种基于神经网络模型定位供水管网堵塞的方法，包括以下步骤：
[0042]步骤S1：在水力仿真软件中对供水管网进行建模，具体为：根据供水管网的设施参数和GIS的地理信息在水力仿真软件中建模以得到水力仿真模型；
[0043]优选的：由供水管网运营者提供供水管网的管道结构参数等建模所需信息，例如：管径、管长等管网设施参数，三通、四通、水泵等设施参数、日常用水流量等用户用水需求参数。
[0044]优选的：用户用水情况每小时采集一次，因此一天有24次采集的数据，具体参数以典型日确定。24次采集就对应24个工况。
[0045]优选的：由地理信息系统GIS提供供水管网地理信息建立供水管网拓扑图，根据供水管网拓扑图在水力仿真软件中对供水管网建模。完成拓扑结构建模后，根据设施参数依次设置拓扑结构中各个部件的参数；
[0046]步骤S2：改变管径生成供水管网正常和堵塞时的仿真压力数据；具体为：通过改变管道的管径来表示管道的堵塞情况，每次改变管径后进行一次仿真，记录仿真数据。
[0047]管道发生异物堵塞时，管道截面积减小，由液体管流的连续性方程可知，造成的结果是流量降低。当管道的内壁发生腐蚀、微生物繁衍等情况，内壁的阻力系数会增加，造成的结果同样是流量降低。因此，通过改变管径代替管道真实堵塞来模拟堵塞是可行的。因此，本专利技术通过在水力仿真软件中模拟堵塞情况生成大量的仿真数据，作为训练神经网络模型的样本，从而实现对真实数据进行检测是可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型定位供水管网堵塞的方法，其特征在于：包括以下步骤：步骤S1：在水力仿真软件中对供水管网进行建模；步骤S2：改变管径生成供水管网正常和堵塞时的仿真压力数据；步骤S3：构建神经网络模型，并基于仿真数据训练神经网络模型；步骤S4：采用神经网络模型进行堵塞定位。2.根据权利要求1所述的基于神经网络模型定位供水管网堵塞的方法，其特征在于：所述步骤S2具体包括：步骤S21：对神经网络模型作一次仿真，得到正常情况下的仿真数据；步骤S22：设置用户用水需求参数；步骤S23：基于管道结构选择一根未处理管道，改变其管径尺寸，并在每次改变管径后进行一次仿真，得到所述选择的管道具有不同程度的堵塞时的仿真数据；步骤S24：确定是否所有管道均处理完毕，如果是，则进入下一步骤，否则，返回步骤S23；步骤S25：判断是否所有的用户用水需求参数的改变方式均设置完毕，如果是，则进入下一步骤，否则返回步骤S22；所述步骤S3包括如下步骤：步骤S31：选择管网结构中的水源处流量与用户处压力作为样本数据的输入部分，发生堵塞的管道编号作为输出部分；步骤S32：作样本预处理；具体为：分别在多种用户用水需求参数下，将堵塞情况的样本减去正常情况的样本得到堵塞残差样本，从而得到残差样本矩阵；对样本矩阵的各列进行归一化，然后作非线性化处理，将数据转化为平均分布；步骤S33：构建神经网络模型；其中：输入层的神经元个数等于样本矩阵的特征数，输出层的神经元个数等于供水管网中需要检测堵塞的管道数；步...

【专利技术属性】
技术研发人员：罗为，陈沁，邹斯逸，
申请(专利权)人：上海双燃智能科技有限公司，
类型：发明
国别省市：