[发明专利]一种基于深度神经网络的供水管网爆管管道精确识别方法

说明书

本发明涉及一种基于深度神经网络的供水管网爆管管道精确识别方法该方法包括如下步骤：(1)搭建深度神经网络，确定爆管发生的可能区域并选择压力监测点位置；(2)模拟不同位置的爆管，采集压力监测点压力数据作为训练数据，训练深度神经网络；(3)在现场爆管发生的可能区域选择压力监测点位置并采集压力监测点压力数据，将其输入到训练好的深度神经网络中进行识别；(4)输出爆管管道识别结果。与现有技术相比，本发明可使用管网中容易获取的压力监测数据取得精确的爆管管道定位结果，对水力模型、监测数据的不确定性有良好的适应能力，具有成本低、精度高的特点。

技术领域

本发明涉及一种供水管网爆管定位方法，尤其是涉及一种基于深度神经网络的供水管网爆管管道精确识别方法。

背景技术

漏损控制是供水管网运营管理过程中重点关注的问题之一。尽管近年来我国管网平均漏损率出现下降趋势，但仍高达15％左右，每年漏损量达到70亿m3以上。爆管是漏损的重要组成部分及表现形式。除了造成水量漏失外，爆管还会造成污染物吸入、供水压力不足、供水中断等负面影响。因此，爆管发生后，及时定位爆管所在位置、对爆管管道进行修复可以有效降低漏损水量，提高供水服务质量。目前，供水部门定位爆管仍主要依赖于用户投诉、人工巡检等手段。然而，发生在夜间、偏远地区或深埋地下的管道的爆管无法有效通过用户投诉进行定位；另一方面，对大范围的管网进行巡检的人力、资金投入高，并且对突发爆管的定位时效性难以保证。因此，采用合适的算法，通过分析管网实时监测数据自动定位爆管，可以显著提升爆管定位及修复效率，提高供水管网的安全性、经济性。

国内外已有研究关注于供水管网爆管定位方法的研究。现有研究根据所使用的数据类型可分为基于声学信号的方法、基于瞬变流信号的方法和基于压力流量数据的方法等。以下为一些代表性的研究：

1)基于声学信号的方法

如文献：

[1]Kang J.,Park Y.,Lee J.,Wang S.,Eom D.Novel leakage detection byensemble CNN-SVM and graph-based localization in water distributionsystems.IEEE Transactions on Industrial Electronics,2018,Vol.65(5):4279-4289.

该类方法采用的主要技术措施：通过分析爆管时管道破口处产生的声学信号进行定位，目前常用的方法是人工通过听漏棒、相关仪等设备收集声学信号并分析其特征，借助经验判断管道破口位置；近年来，也有研究开始尝试使用算法自动分析声学信号特征进行定位识别。

优缺点：这类方法理论基础较为简单，容易操作，精确度高，因此是目前供水部门最为广泛采用的方法。然而，这类方法的使用需要人工根据经验逐步排查，人力成本高，时效性较差，难以从大范围内经济、快速地确定爆管位置；尽管已有研究开始尝试使用算法自动从声学信号特征中判断爆管位置，但由于声学信号传播范围有限，容易受到干扰，因此也限制了这类方法的适用范围。

2)基于瞬变流信号的方法

如文献：

[2]Beck S.B.,Curren M.D.,Sims N.D.,Stanway R.Pipeline networkfeatures and leak detection by cross-correlation analysis of reflectedwaves.Journal of Hydraulic Engineering,2005,Vol.131(8):715-723.