[发明专利]一种基于聚类和深度信念网络的漏损初定位方法

说明书

本发明公开了一种基于聚类和深度信念网络的漏损初定位方法。本发明首先计算获得管网监测点敏感度系数矩阵。其次基于K‑means聚类将管网分成若干漏损区域，并利用水力仿真软件生成漏损样本。然后建立并训练基于深度信念网络的漏损区域辨识模型。最后根据实测压力数据辨识漏损区域。本发明克服了建模时漏损样本稀缺问题，实现在渗漏初期就能快速定位漏损区域,具有较高的辨识精度和较强的可操作性。

技术领域

本发明属于城市供水管网领域，涉及供水管网的漏损定位，具体是一种基于聚类和深度信念网络的漏损初定位方法。

背景技术

由于管道老化、腐蚀、接口密封松动等各种原因，供水管网不可避免存在着明漏和暗漏。如不及时发现漏损区域，加强监视，不仅会造成水资源的浪费，可能还会引发爆管、道路损坏和相关安全问题。所以，为了避免特大爆管泄漏事故发生，高效、快速确定漏损区域的方法具有十分重要的现实意义。

国内多数供水管网拓扑结构十分复杂，管道布局杂乱无序，难以找出其规律性。大部分供水管网无法实施DMA分区，即便有DMA分区面积也较大。这些无疑给漏损区域的定位增加了难度。现阶段，判断区域漏损的方法主要有区域检漏法，此法适合生活小区或深夜用水量较少的地区。检漏时需关闭与外界联系的阀门，夜间一段时间内的最小流量可视为区内管网的漏损量，往往需要进一步关闭区内阀门，对比流量的变化，才能缩小漏损区域。实际操作有一定局限性和复杂性。

发明内容

针对供水管网渗漏恶化不可逆及现有技术方法的不足，本发明提出一种基于聚类和深度信念网络相结合的漏损初定位方法，旨在渗漏初期就能快速定位漏损区域，以及时预警。

为实现以上目的，本发明采取以下步骤：

步骤1、计算获得管网监测点敏感度系数矩阵

(1)灵敏度系数矩阵

利用EPANET水力仿真软件给节点i设置一个扩散器系数，可得监测点k压力的变化值ΔH_k和节点i自身压力变化值ΔH_i，从而求得监测点的灵敏度系数X_ik，如式(1)：

据此，可求得所有监测点的灵敏度系数，用矩阵形式表示为：

其中，n代表管网中所有监测点的个数，m代表管网中所有节点的个数。第i行代表节点i发生变化时，对管网所有监测点的影响系数向量。

(2)标准化

对灵敏度系数矩阵X_m×n采取标准化处理，保证处在[0,1]范围内，得到矩阵X′_m×n，对于第j列的元素，公式如下：

代表矩阵X中第j列元素均值，其余各列处理方法相同，最后根据所有x′_ij组成矩阵X′。再对X′进行极差变换，对于第j列元素

其中，x′_jmin为X′_m×n中第j列的最小值，x′_jmax为X′中第j列的最大值。同样，其余各列算法相同，最后根据所有x″_ij组成标准化矩阵X″_m×n。

步骤2、基于K-means聚类将管网分成若干漏损区域

使用K-means算法对矩阵X″_m×n进行聚类，以最小化欧式距离为目标，初始化聚类中心向量V，通过迭代运算进行调整，使得下式所示的目标函数J最小。