【技术实现步骤摘要】
本申请涉及管网监测，具体而言，涉及一种压力供水管网漏损监测集成系统。
技术介绍
1、传统的压力供水管网漏损监测技术通常是在压力供水管网中安装一些传感器(如压力传感器、流量计和温度传感器等)，实时监测管道的运行状态，例如压力变化、流量变化和温度变化等。然后通过对采集到的数据进行处理和分析，以便检测出可能存在的漏损点。大量传感器的布设成本较高，且数据量巨大，特别是需要联立多指标进行分析，以便得到更准确的监测结果，导致监测的迟滞，且具有较多不可控的影响因素干扰数据，若不进行指标的联立分析，误报率较高。
技术实现思路
1、本申请实施例的目的在于提供一种压力供水管网漏损监测集成系统，以通过采集供水管网各处的噪声数据，对噪声数据进行处理和分析，引入卷积神经网络进行漏损的监测，可以大大提高监测效率。
2、为了实现上述目的，本申请的实施例通过如下方式实现：
3、第一方面，本申请实施例提供一种压力供水管网漏损监测集成系统，包括：数据采集单元，用于通过设置在供水管网各位置的噪声检测仪实时采集供水管网各位置的噪声数据；数据处理单元，用于对每条噪声数据进行预处理，并对预处理后的噪声数据进行校正，得到每条噪声数据对应的输入数据；漏损监测单元，用于将输入数据输入至训练好的漏损监测模型中，通过漏损监测模型基于输入数据进行漏损监测，确定出漏损监测结果并输出。
4、结合第一方面，在第一方面的第一种可能的实现方式中，所述数据处理单元，具体用于：对每条噪声数据进行去噪和滤波；针对去噪
5、结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述数据处理单元，具体用于：将本条噪声数据与参考背景噪声进行数据对齐，其中，对齐后的本条噪声数据与参考背景噪声的采样频率和时间范围均保持一致；将对齐后的本条噪声数据与参考背景噪声相减，得到差异信号；基于差异信号生成本条噪声数据对应的输入数据。
6、结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述数据处理单元，具体用于：确定出本条噪声数据的采集时段；基于采集时段生成时段标识；基于时段标识和差异信号，形成本条噪声数据对应的输入数据。
7、结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述数据处理单元，具体用于：通过短时傅里叶变换将差异信号转换为时频域图像；关联时段标识和时频域图像，形成本条噪声数据对应的输入数据。
8、结合第一方面，在第一方面的第五种可能的实现方式中，噪声数据对应的输入数据包含时段标识，漏损监测模型包括输入层、多个卷积-池化层、全连接层和输出层，所述输入层，用于基于输入数据的时段标识，将输入数据输入至对应的卷积-池化层；每个所述卷积-池化层，用于在接收到输入数据后，对输入数据进行卷积-池化操作，提取输入数据的特征，并将提取的特征经展平为一维特征向量后输入到全连接层；所述全连接层，用于对一维特征向量进行线性变换和非线性映射，得到非线性特征值；所述输出层，用于将非线性特征值映射到样本空间中，得到反映漏损概率的漏损监测结果并输出。
9、结合第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，时段标识为a-f，时段标识a对应22：00-6：00，时段标识b对应6：00-9：00，时段标识c对应9：00-12：00，时段标识d对应12：00-14：00，时段标识e对应14：00-17：00，时段标识f对应17：00-22：00，其中，每个时段中的时间包含起点，不含终点，对应的，卷积-池化层的数量为6个，分别对应时段标识a-f。
10、结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述输出层采用sigmoid函数作为激活函数。
11、结合第一方面的第七种可能的实现方式，在第一方面的第八种可能的实现方式中，所述漏损监测模型采用交叉熵损失函数进行损失计算。
12、结合第一方面，在第一方面的第九种可能的实现方式中，所述压力供水管网漏损监测集成系统还包括联合监测单元，用于：获取同一时段下供水管网中每组相邻两个位置对应的漏损监测结果；基于每组相邻两个位置对应的漏损监测结果，确定相邻两个位置之间是否存在漏损。
13、有益效果：
14、1.本方案通过设置在供水管网各位置的噪声检测仪实时采集供水管网各位置的噪声数据；对每条噪声数据进行预处理，并对预处理后的噪声数据进行校正，得到每条噪声数据对应的输入数据；将输入数据输入至训练好的漏损监测模型中，通过漏损监测模型基于输入数据进行漏损监测，确定出漏损监测结果并输出。在噪声数据的校正中，引入参考背景噪声(夜深人静时采集)，进行数据对齐后相减得到差异信号，引入时段标识形成输入数据。而漏损监测模型的设计也对应设计了多个卷积-池化层，对应各个时段标识，从而差异化地应对不同时段下采集的噪声数据可能存在的特点(不同时段下，环境噪声不同，具有不同的特点)，因此进行分时段的分析，保证监测的可靠性和准确性。
15、2.通过短时傅里叶变换将差异信号转换为时频域图像，关联时段标识后采用卷积神经网络的架构对时频域图像进行特征提取，全连接层引入线性变换和非线性映射，提升模型的表达能力，输出层采用sigmoid函数作为激活函数进行二分类(是否存在漏损)的样本空间映射，设计交叉熵损失函数进行损失的衡量，以便训练模型。最终得到的漏损监测模型，能够应对各时段的噪声数据分析，实现对供水管网各位置的漏损监测。另外，本方案在实施时，采用的参考背景噪声是未区分时段的(即，没有在每个时段进行参考背景噪声的采集，以分别对各时段的噪声数据进行校正)，相较于利用每个对应时段下的参考背景噪声进行校正的方案，这样可以将各时段的噪声特点保留在差异信号中，从而反映到相应的时频域图像中，通过卷积神经网络来学习各时段的噪声特点，这样有利于提高监测结果的准确性。
16、为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种压力供水管网漏损监测集成系统，其特征在于，包括：
2.根据权利要求1所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
3.根据权利要求2所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
4.根据权利要求3所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
5.根据权利要求4所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
6.根据权利要求1所述的压力供水管网漏损监测集成系统，其特征在于，噪声数据对应的输入数据包含时段标识，漏损监测模型包括输入层、多个卷积-池化层、全连接层和输出层，
7.根据权利要求6所述的压力供水管网漏损监测集成系统，其特征在于，时段标识为A-F，时段标识A对应22：00-6：00，时段标识B对应6：00-9：00，时段标识C对应9：00-12：00，时段标识D对应12：00-14：00，时段标识E对应14：00-17：00，时段标识F对应17：00-22：00，其中，每个时
8.根据权利要求7所述的压力供水管网漏损监测集成系统，其特征在于，所述输出层采用Sigmoid函数作为激活函数。
9.根据权利要求8所述的压力供水管网漏损监测集成系统，其特征在于，所述漏损监测模型采用交叉熵损失函数进行损失计算。
10.根据权利要求1所述的压力供水管网漏损监测集成系统，其特征在于，所述压力供水管网漏损监测集成系统还包括联合监测单元，用于：
...【技术特征摘要】
1.一种压力供水管网漏损监测集成系统，其特征在于，包括：
2.根据权利要求1所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
3.根据权利要求2所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
4.根据权利要求3所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
5.根据权利要求4所述的压力供水管网漏损监测集成系统，其特征在于，所述数据处理单元，具体用于：
6.根据权利要求1所述的压力供水管网漏损监测集成系统，其特征在于，噪声数据对应的输入数据包含时段标识，漏损监测模型包括输入层、多个卷积-池化层、全连接层和输出层，
7.根据权利要求6所述的压力供水管网漏损监测集成系统，其特征...
【专利技术属性】
技术研发人员：闫钰，孙杨，董艳红，王宇，齐胜琳，俞双，
申请(专利权)人：中国市政工程东北设计研究总院有限公司，
类型：发明
国别省市：
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。