[发明专利]一种水管网漏损定位方法及装置

说明书

本发明公开了一种水管网漏损定位方法及装置，涉及水管网技术领域，包括：通过在供水管网中各监测点安装压力传感器，采集得到压力数据；利用压力数据值构建水管网压力数据有序数据集，通过归一化处理后得到各压力传感器节点特征矩阵数据；利用训练样本对PSO算法优化的BP神经网络进行训练，再利用测试样本测试训练好的网络得到实际输出；通过将网络实际输出与期望输出进行比较，判断是否发生漏损以及发生漏损的漏损点位置。本发明优点在于：能够有效快速的发现漏损和准确定位漏损点位置。

技术领域

本发明涉及水管网技术领域，更具体涉及一种水管网漏损定位方法及装置。

背景技术

市政供水管是保证一个城市经济发展和生活水平的重要基础设施，是城市生存和发展的生命线。但是由于用水量的不断扩大和管网使用年限的增长，缺乏现代化、智能化、理论化的市政供水管管理系统，市政供水管网逐渐暴露出较大范围的漏损情况，如不及时处理，会造成水资源的浪费和经济损失。

随着科技水平的发展及对供水要求的不断提高，建立给水管网系统模型解决给水管网漏损定位问题在供水行业已经迫在眉睫，其中，如何准确定位漏损点是解决管网漏损问题的关键。利用给水管网系统模型，结合官网各区域长时间压力参数的变化，实现给水管网漏损事故预测与快速定位。

在传统的漏损定位方法中，通过听音法，区域检漏法等方法耗时耗力。

发明内容

本发明所要解决的技术问题在于如何快速有效的发现漏损和准确定位漏损点位置。

发明是通过以下技术方案解决上述技术问题的，具体技术方案如下：

一种水管网漏损定位方法，包括以下步骤：

S1：对供水管网压力数据进行采集，将所采集的数据分为训练样本和测试样本；

S2：将所述训练样本和所述测试样本进行归一化；

S3：将归一化后的所述训练样本训练PSO算法，得到全局最优适应度值；

S4：通过所述PSO算法得到全局最优适应度值来初始化BP神经网络，并利用归一化后的所述训练样本训练BP神经网络；

S5：利用归一化后的所述测试样本测试训练好的所述BP神经网络，得出测试结果；

S6：利用得出测试结果与期望输出进行比较，得到漏损点位置。

优选地，所述S1中所述对供水管网压力数据进行采集，将所采集的数据分为训练样本和测试样本的具体步骤为：

在供水管网上安装各监测点的传感器，通过传感器采集供水数据，将所采集的供水数据分为训练样本input_train和测试样本input_test；

训练样本input_train＝{a₁₁，a₁₂，a₁₃，…，a_1j；

a₂₁，a₂₂，a₂₃，…，a_2j；

……

a_i1，a_i2，a_i3，…，aij}；

其中，a_ij中的i为第i节点数，j为第i节点采集的第j次数据；

测试样本input_test＝{b₁₁，b₁₂，b₁₃，。。。，b_1n；