基于实时监测数据的城市供水管网爆管预测方法及其系统技术方案

本发明专利技术公开了基于实时监测数据的城市供水管网爆管预测方法及其系统，涉及管道爆管预测的技术领域，预测方法中爆管侦测定位考虑管网各监测设备点的空间坐标与数据特征属性，充分分析各监测设备点的压力和流量的波动特性，定义参数阈值，根据某一时刻下的压力流量波动的异常，找出所有异常监测设备点，然后，在计量分区内根据空间距离将管网监测点进行聚类分组，通过邻近设备的联动感知识别爆管事件，判定爆管事件并确定所处的区域，在发生爆管所在区域利用监测数据压力传播特征进行迭代计算实现爆管快速定位，提高爆管识别准确率，为供水管网的预警提供合理依据，辅助供水系统的运行管理

【技术实现步骤摘要】
基于实时监测数据的城市供水管网爆管预测方法及其系统


[0001]本专利技术涉及管道爆管预测的
，具体为基于实时监测数据的城市供水管网爆管预测方法及其系统
。

技术介绍

[0002]城市供水管网常年深埋于地下，管道老旧，腐蚀漏损问题严重，供水的决策调度完全是依靠工作人员的经验，缺乏科学指导，导致管网中水压波动较大，供水管网发生管道漏损和爆管事件异常的频率较高，若不能及时侦测异常事件并采取有效措施，将造成大量宝贵水资源的浪费，引起巨大的经济损失，甚至会危害人身安全，所以开展供水管网爆管侦测和定位研究意义重大；
[0003]当管网中发生爆管时，爆管点会在很短的时间内产生一个很大的出流量以及压力的骤降，遍布在管网中的压力
、
流量监测点都能够迅速地监测到这一变化，在管网爆管事件侦测方面，目前主要是采用基于模型和数据两种方法；现有的爆管位置的检测，只停留在通过测压点水压的剧烈变化判断爆管管段在测压点附近的基础上，还没有建立能够对实际管网进行实时检漏检爆的有效方法，在遇到大的爆管发生时仍难以及时找出具体位置
。

技术实现思路

[0004]本专利技术的目的在于提供基于实时监测数据的城市供水管网爆管预测方法及其系统，以解决现有的爆管事件无法及时侦测与精确定位的问题
。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]基于实时监测数据的城市供水管网爆管预测方法，包括以下步骤：
[0007]S1:
获取管网计量区域内的压力和流量监测设备点的坐标，按照空间距离对计量区域内的监测设备点进行
K
均值聚类分组，划分监测区域为
Z1、Z2、Z3...ZX,
其中，
X>2
；
[0008]S2
：分别获取监测设备中的压力数据
、
压力差数据以及流量数据3个特征值，并计算特征值的平均值和标准差，定义数据异常指标
DAI
作为判定是否出现数据异常的指标，具体为：
[0009]当时，
DAI
Δ
P
＝1，其他情况为0；
[0010]当时，
DAI
P
＝1，其他情况为0；
[0011]当时，
DAI
Q
＝1，其他情况为0；
[0012]其中，
Data
ave
为压力
、
压力差和流量3个特征值的平均值，
σ
为3个特征值的标准差，
DAI
P
为压力数据异常指标，
DAI
Δ
P
为压力差数据异常指标，
DAI
Q
为流量数据异常指标；
[0013]计算管网中压力
、
压力差和流量3个特征值的总值
DAI
，具体为：
[0014]DAI
＝
DAI
P
+DAI
Δ
P
+DAI
Q
[0015]在监测区域中找出压力差变化最大的区域
ZX
，若某一时刻
ZX
区域内相邻监测设备点的压力
、
压力差和流量均偏离正常波动区间，即
DAI≥3
时，则初步判定为爆管事件；
[0016]S3
：当判定为爆管事件后，计算爆管事件当天监测点的压力与压力平均值的压差
Δ
P
nj
，计算公式为：
[0017]Δ
P
nj
＝
Δ
P
jd
[0018]其中，
j
＝
1,2,
…
,J
，
J
表示爆管事件次数；
[0019]S4:
对由爆管事件产生的压差的绝对值
|
Δ
P
nj
|
进行由大到小排序，差值越大则越靠近爆管事件定位点
C
，利用
ZX
监测区域内监测设备点的压差
Δ
P
nj
对爆管事件区域中心坐标
(X
j
,Y
j
)
初步预测，坐标可通过公式计算得出：
[0020][0021][0022]S5
：然后计算爆管事件定位点
C
坐标
(X
C
,Y
C
)
，计算公式为：
[0023][0024][0025]其中，
D
n
表示监测点
n
到爆管区域中心坐标
(X
j
,Y
j
)
的距离；
[0026]作为本专利技术进一步的方案：利用计算公式迭代更新爆管事件定位点
C
的坐标，当
C
坐标不再变化或变化范围小于指定阈值时完成迭代，以爆管事件定位点
C
的坐标为圆心搜索最靠近的管道位置，输出该管道位置即为最终爆管位置
。
[0027]作为本专利技术进一步的方案：监测点的压力数据涉及到的设备包括压力计和消火栓
。
[0028]作为本专利技术进一步的方案：采用实时监测数据的城市供水管网爆管预测方法的预测系统包括：
[0029]数据输入模块，用于获取管网监测点对于压力
、
压力差和流量3个特征值的历史监测数据，并根据历史监测数据生成动态的阈值；
[0030]数据输入模块，用于获取管网监测设备点对于压力
、
压力差和流量3个特征值的历史监测数据；
[0031]数据挖掘模块，对3个特征值的历史监测数据进行收集得到样本库，将样本库内的数据进行插补，得到频率相同的样本数据库；
[0032]预处理模块，筛除样本数据库内的异常值得到优化数据库，异常值包括极值；
[0033]阈值生成模块，对优化数据库进行分析，分别得到不同时间段3个特征值的动态阈值；
[0034]爆管识别模块，根据3个特征值数据异常指标
DAI
识别爆管发生，并计算出爆管事件定位点
C
的坐标；
[0035]爆管定位模块，根据爆管事件定位点
C
的坐标得到爆管发生位置
。
[0036]本专利技术的有益效果：
[0037]1.
本专利技术在计量分区内对邻近监测设备进行聚类分组，通过邻近设备的联动感知识别爆管事件，根据爆管侦测结果，在发生爆管所在区域利用监测数据压力传播特征进行迭代计算实现爆管快速定位，提高爆管识别准确率，同时为设备监测布点位置提供参考；
[0038]2.
本专利技术充分分析供水管网爆管的3个特征值，相比于压力单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于实时监测数据的城市供水管网爆管预测方法，其特征在于，包括以下步骤：
S1:
获取管网计量区域内的压力和流量监测设备点的坐标，按照空间距离对计量区域内的监测设备点进行
K
均值聚类分组，划分监测区域为
Z1、Z2、Z3...ZX,
其中，
X>2
；
S2
：分别获取监测设备中的压力数据
、
压力差数据以及流量数据3个特征值，并计算特征值的平均值和标准差，定义数据异常指标
DAI
作为判定是否出现数据异常的指标，具体为：当时，
DAI
Δ
P
＝1，其他情况为0；当时，
DAI
P
＝1，其他情况为0；当时，
DAI
Q
＝1，其他情况为0；其中，
Data
ave
为压力
、
压力差和流量3个特征值的平均值，
σ
为3个特征值的标准差，
DAI
P
为压力数据异常指标，
DAI
Δ
P
为压力差数据异常指标，
DAI
Q
为流量数据异常指标；计算管网中压力
、
压力差和流量3个特征值的总值
DAI
，具体为：
DAI
＝
DAI
P
+DAI
Δ
P
+DAI
Q
在监测区域中找出压力差变化最大的区域
ZX
，若某一时刻
ZX
监测区域内相邻监测设备点的压力
、
压力差和流量均偏离正常波动区间，即
DAI≥3
时，则初步判定为爆管事件；
S3
：当判定为爆管事件后，计算爆管事件当天监测设备点的压力与压力平均值的压差
Δ
P
nj
，计算公式为：
Δ
P
nj
＝
Δ
P
jd
其中，
j
＝
1,2,
…
,J
，
J

【专利技术属性】
技术研发人员：钱门亮，董毓良，马学军，杜童飞，张明，
申请(专利权)人：合肥泽众城市智能科技有限公司，
类型：发明
国别省市：