[发明专利]一种供水管网漏损定位方法及系统

说明书

一种供水管网漏损定位方法及系统，属于供水管网健康监测领域，包括步骤：建立供水管网系统水力学模型；通过数值分析方法，计算供水管网各节点流量、压力；评估供水管网区域漏失水平，确定合适的漏失预警值；对供水管网新增漏损进行识别；识别出新增漏损时，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，则采用数值分析方法定位供水管网漏损点位置；如果记录的真实漏损事件大于等于K件，则采用人工智能方法定位供水管网漏损点位置。该方法及系统采用有限个传感器在线监测数据，通过求解管网水力学方程组并结合人工智能模型，可在较短时间内高效识别复杂管网漏损状态，训练更快速且需求样本量大大减少。

技术领域

本发明属于供水管网漏损监测技术领域，特别涉及一种供水管网漏损定位方法及系统。

背景技术

我国的城市公共供水的漏损率基本在15％-35%之间；同时期德国汉堡、日本东京、美国的洛杉矶、芝加哥、旧金山等城市供水管网的漏损率在5%左右。我国供水管网漏损的控制水平亟需提高。

常用的漏损控制技术包括基于探漏仪器的漏损识别定位（音听检漏法、探地雷达、管道内窥检测等）、资产管理、管网优化设计、压力管理及DMA分区管理等方面。

基于探漏仪器的漏损识别与定位技术在实践中广泛使用，能够有效查找漏损点，降低管网漏损率。此方法准确度更高、直观性更强，但投入的人力物力也较大，当大范围应用时，效率较低。

声学检漏技术借助相关函数和安装在管道或消防栓上的声学传感器，对声波的传播时间进行测量。如果管道漏损点位于某两个传感器之间，传感器就会检测到由泄漏所发出的噪声，然后便可根据相关函数的计算结果来确定同一泄漏噪声传播到两个传感器所产生的时间差；当确定了管道中的声速后，就能相应测算出泄漏点的具体位置。但此技术存在诸多不足：（1）非金属管道不适用；（2）传感器布置密度大，投资高；（3）易受环境噪音干扰以及附近埋设电缆干扰。

近年来，随着传感器技术和计算机技术的发展，智慧水务逐步兴起，然而对管网大量的工况信息数据并没有得到充分的利用和分析。目前，基于传统的传感器数据统计分析的水务管网监测技术，难以有效的识别漏损的发生，更不能精准的定位漏损的位置。如热门的独立计量区域（DMA）分区技术，按照一定的原则，在配水系统中通过分区安装流量计或水表，关闭部分阀门，建立若干个相对独立的计量区域，并通过计量和测量的数据实行远程传输，对流量分析来定量区域泄漏水平。但此技术存在诸多不足：（1）对于大城市既有的给水管网，由于拓扑结构复杂且相互成环，目前想要实现真正的独立区域分区块供水，则管网改造的工程量巨大；（2）需更换电磁水表，投资高；（3）需要较强的维护管理能力，DMA计量漏损的精度与分区的精度相关，漏损定位不精确，检漏耗时长；（4）供水安全（水质、水压、供水可靠性）存在隐患。

现有技术中也有采用深度学习的方法进行漏损识别的方法，例如中国专利公开CN112610903A，公开了一种基于深度神经网络模型的给水管网泄漏定位方法，包括利用计算机管网平差软件获得待测给水管网所有节点在各用水期正常状态下的压力值或流量值；利用模糊C-均值聚类融合算法选取监测点；利用计算机管网平差软件确定模拟泄漏点与各监测点的距离，获得各监测点在各用水期模拟泄漏状态下的压力值或流量值；计算得到各监测点在各用水期模拟泄漏状态下的压力或流量变化率；构建深度神经网络模型，并对构建的深度神经网络模型进行训练；利用训练好的深度神经网络模型对待测给水管网中的泄漏点进行定位。该方法监测点为选取的代表节点，如果选取不恰当，则无法灵敏反映漏损状态监测变化；各用水期模拟泄漏状态需要选取大量样本，如样本量不足，则影响深度神经网络模型定位精度。该方法虽然采用EPANETH软件进行管网平差，但是并未考虑系统基于质量守恒和能量守恒时，漏损点与各监测点的定量关系，模拟漏损样本无法有效涵盖不同季节，不同时间复杂多变的各种用水工况。

发明内容