[发明专利]一种智能管网漏水检测方法及系统

说明书

本发明属于集中供热管线检测技术领域，具体提供过一种智能管网漏水检测方法，该方法根据一历史时间段内若干离散时刻采集的一管道网络运行向量所组成的训练数据，训练一支持向量机以获得分类模型；训练数据的样本标记为漏水故障；接收携带管道网络的一实时数据的分类请求，使用分类模型获得实时数据的异常维度。本发明还提供了实现该方法智能管网漏水检测方法以及相关的集中供热管网系统。本发明提供技术方案在实际运行参数作为输入条件下，能够检测出管网漏水情况，识别出漏水点所属管段。指导运行人员针对性的查漏补缺，以达到一定节能效果，保障系统运行安全。

技术领域

本发明属于集中供热管线检测技术领域，涉及信息处理技术，具体涉及一种基于机器学习的管网漏水的检测方法，本发明还涉及实现该方法的系统。

背景技术

管网泄漏一直是集中供热管线和给排水管线等运营管理中存在的疑难问题。有多种原因可能造成管网的泄漏，比如管线的腐蚀、管线超压、施工质量低下、运营人员误操作等。管网泄漏问题会增加运营成本，造成巨大的经济损失和安全隐患。在领域，大量的给排水、供热管网错综复杂，这些管道发生泄露时，现阶段的方法是工作人员挨个检查管井，需要频繁下井。一方面，频繁下井作业存在比较高的作业风险，另一方面，这样的排查方法十分繁琐且效率低下。

而现如今，管网领域的智能化正在稳步推进，在管网上布置着大量的传感器，这些传感器或密集或稀疏地分布，用来收集各类信息数据，例如温度、压力、流量、功率、湿度和热量等数据。大量分布式的传感器采集得到的数据是大数据以及智能化的基础。这些传感器的测量值为漏水检测提供了数据支持。

传感器采集的数据，大多是管道不同位置的时间序列变量，而判断管段是否漏水，则是判断这些数据是否存在异常。现阶段的基于数值的检测方法通常有基于高斯分布、欧式距离、密度等方法。这些方法的操作通常是，首先通过经验选择一个合理的阈值，然后微调参数，从而来检测管道漏水，这样的方法在实际运用时，通常难以测准漏水实际发生的地点。此外由于参数微调通常基于经验，调整者的经验在很大程度上影响整个系统的检测能力。这些方法存在需要较高的专业知识，同时自适应性弱等缺点，一方面，专业相关的人通常都难以确定哪一段有漏水，难以针对性使用复杂的漏水检测算法，另一方面，从事互联网算法开发的人员，虽然熟悉复杂的检测算法，但缺乏处理管网漏水问题的经验。因为上述种种问题，使得管网漏水的智能检测始终是管网行业的一个难以解决的问题。

发明内容

本发明目的在于为了克服现有技术的缺点，利用计算设备提供的算力，从大量的数据中学习出正常数据的模式，从而提出一种简单又高效的以火电厂为热源的供热管网漏水检测方法，该方法具有使用简单，参数少，检测准确率高等优点，同时提供一种包含该方法具体实现的系统。

本发明第一方面提出的技术方案是一种智能管网漏水检测方法，其解决上述技术问题所采用的技术方案。该方案的技术原理如下所示：

本发明技术构思包括以下带来技术启示的假设：

第一假设，对一具体时刻，在一管道网络上采集到的所有传感器的数值组成的向量是一个N维空间中的n维伪黎曼流形上的采样，其中n＜＜N。该假设下，在某一时刻t，管道网络上的所有传感器的实时数值之间是存在内部联系的。基于这样的假设，参考图3，通过在N维向量空间中建立一个超球面作为间隔，使得所有的正常数据组成向量落在球面内部，而异常数据组成向量落在球面外部。

第二假设，管道网络正常运行的概率较大，大部分时刻在该管道网络上采集到的所有传感器的大量数据都应当是反应该管道网络正常运行模式的正常数据。同时，根据前一个假设中n＜＜N，可以认为作为模式识别对象的分类系统的热力学自由度是很低的，因此，可以通过一个迭代优化过程，得到最小的支持半径R。

若用表示全部N个传感器在t时刻采集到数据集合，φ为特征提取函数，那么上述逻辑可以用以下数学公式表示：