[发明专利]一种市政燃气管网漏损定位方法及系统

权利要求书

1.一种市政燃气管网漏损定位方法，其特征在于，包括以下步骤：

步骤S1、建立市政燃气管网系统水力学、热力学模型；通过数值分析方法，获得计算市政燃气管网各节点流量、压力、温度；具体包括步骤：

步骤S101、通过读取物理层信息，建立市政燃气管网系统水力学、热力学模型；

步骤S102、在所述市政燃气管网系统水力学、热力学模型中求解管网水力学及热力学联立方程组，求得各节点流量、压力、温度；

步骤S2、采用步骤S1中所述市政燃气管网系统水力学、热力学模型，模拟漏损位置；

步骤S3、确定市政燃气管网漏损预警值，并识别管网新增漏损点；

步骤S4、选择适合的管网漏损定位方式；如果记录的真实漏损事件少于K件，则采用步骤S5的水力学、热力学计算方式定位漏损位置；如果记录的真实漏损事件大于等于K件，则采用步骤S6的人工智能计算方式定位漏损位置；

步骤S5、采用步骤S1中所述市政燃气管网系统水力学、热力学模型，定位市政燃气管网漏损位置；

步骤S6、训练人工智能市政燃气管网漏损位置定位模型，并采用所述人工智能市政燃气管网漏损位置定位模型定位市政燃气管网漏损位置；

所述人工智能市政燃气管网漏损位置定位模型的训练包括如下步骤：

在时间段T内，以一定的采样频率对市政燃气管网传感器监测的流量、压力、温度数据进行采集，得到漏损情况下管网传感器监测的流量、压力、温度实测数据，并记录漏损位置；

随机选出实测的上述漏损位置及步骤S2中获得的所述模拟漏损位置中部分数据作为原始训练集，剩余部分数据作为测试集；

利用所述训练集与测试集，采用深度学习算法，获得人工智能市政燃气管网漏损位置定位模型；

步骤S7、输出计算得到的所述市政燃气管网漏损位置。

2.根据权利要求1所述的方法，其特征在于，所述步骤S5中，包括步骤：

步骤S501、将新增漏损量依次假定在所述市政燃气管网系统水力学、热力学模型中全部管段剖分的计算单元两端节点上，遍历所述水力学、热力学模型中的所有计算单元，求得市政燃气管网各节点流量、压力、温度；

步骤S502、将每次节点压力、温度计算值与市政燃气管网内传感器测得的压力、温度实测值进行对比，吻合度最高的当次计算所假定的节点位置作为自动定位的漏损位置。

3.根据权利要求1所述的方法，其特征在于，所述步骤S1中，还包括步骤：利用市政燃气管网系统内的传感器监测流量、压力、温度数据，对所述市政燃气管网系统水力学、热力学模型进行修正。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，对市政燃气管网新增漏损进行识别具体为：

步骤S301、根据市政燃气管网设计情况及实际运行情况，合理确定漏损预警值；

步骤S302、以一定周期，采集市政燃气管网系统内出入口及用户节点处设置的传感器的流量监测数据，计算本次采集值与上次采集值的差异，若该差异大于漏损 预警值，即判断出现新增漏损点。

5.根据权利要求1所述的方法，其特征在于，所述深度学习算法选择随机森林算法，具体步骤为：

步骤1、对于n个训练集，分别训练n个决策树模型，层数为p；

步骤2、对于单个决策树模型，假设训练样本特征的个数为m，那么每次分裂时根据信息增益比选择最好的特征进行分裂；

步骤3、每棵树依据以上步骤进行分裂，直到该节点的所有训练样例都属于同一类；

步骤4、将生成的多棵决策树组成随机森林，由多棵树预测的均值决定预测漏损位置；

步骤5、采用所述测试集中的数据对所述模型进行测试，将预测漏损位置与已知漏损位置做对比：

（1）偏差度≤L’（米），即认为测试合格；

（2）若偏差度＞L’（米），则增加层数p，重复步骤2-步骤4；

若测试合格，即认为测试合格；

若测试不合格，则将决策树模型层数p与决策树模型层数p_y进行比较，若p≤p_y则增加层数p，重复步骤2-步骤4，直至测试合格；若p＞p_y则延长采集时间段T，重复步骤1-4，直至测试合格。