[0027] 为使本发明的技术易于理解,下面结合附图给出一个实例,对本发明的具体实施方式作进一步详细描述。
[0028] S市供水公司于2015年4月3日上午9点到12点,做了 5次模拟爆管实验。本实例以该S市做爆管实验的小型DMA管网为研究对象,如图1所示,该管网包含5293个普通用水节点,5415条管道,14个内部压力监测点,18个大表流量测点,2条内部测流管线,图中标注的41922、26124和26125为管网中的3个入水口,压力和流量均有测量。已知左侧矩形方框区域曾发生过一次爆管事件,左侧粗原点标记的节点为内部压力测点,中间圆圈圈起来的两条管线是内部测流管线。
[0029] 步骤1、监测压力波谷,确定疑似爆管时间边界和校核测点
[0030] 根据SCADA系统获取爆管发生的大致时间段和压力数据,绘制爆管发生时间段内14个测点的压力曲线图,如图2所示,确定14个测点压力普遍开始下降的起始时间、降幅较大的主要节点、下降到压力波波谷的平均时间。
[0031] 分析图2可知,14个测点压力普遍开始下降的时间是第4分钟开始,第8分钟普遍下降到压力波波谷。其中,测点25727、23770、1193、32048下降幅度较大,下降速度也较快,其余测点之间压力变化大致相同,且降幅较小。
[0032] 根据14个测压点的时间边界,确定实时模型起始时间 =4,连续校核时间区间T=4,选择25727、23770、1193、32048作为校核目标测点,测点数目m=4,忽略其他变化不明显的压力测点。爆管发生后,测点采集到压力值的时刻k取值为:1,2,3,4,……,10。
[0033] 步骤2 初步定位
[0034] 依据以下公式,求测点的流量异常率
[0035]
[0036] 表示管网中各测点 在爆管发生后 时刻时附近区域的流量异常率, 表示爆管发生起始时刻, 表示 时刻测点 与水源水头的压差, 表示爆管发生后 时刻测点 与水源水头的压差。
[0037] 求得爆管发生后10分钟内流量异常率如下表2所示
[0038] 表2
[0039]测点/异常率/时间 1 2 3 4 5 6 7 8 9 10
605 1.00 1.13 1.27 1.47 1.40 1.49 1.47 1.49 1.38 1.34
850 1.00 1.04 1.04 1.04 1.00 1.04 1.00 0.99 0.99 0.99
1193 1.00 1.39 1.34 1.40 1.34 1.40 1.40 1.35 1.37 1.30
1244 1.00 1.06 1.03 1.04 1.03 1.04 1.00 1.03 1.01 1.01
3120 1.00 1.02 1.32 1.45 1.40 1.41 1.41 1.56 1.38 1.32
3487 1.00 1.05 1.12 1.37 1.39 1.45 1.45 1.47 1.47 1.29
5604 1.00 1.02 1.29 1.34 1.32 1.29 1.44 1.44 1.24 1.20
23770 1.00 1.05 1.02 1.03 1.00 1.02 0.94 0.99 0.97 0.97
25555 1.00 1.06 1.01 1.02 1.00 1.01 0.94 0.97 0.95 0.98
25727 1.00 1.03 1.02 1.00 1.02 1.00 0.95 0.95 0.95 0.91
27115 1.00 1.01 1.00 1.01 0.97 0.92 0.93 0.97 0.99 0.97
28211 1.00 1.05 1.02 1.01 1.00 1.02 0.96 0.98 0.99 0.98
32048 1.00 1.31 1.27 1.30 1.24 1.33 1.33 1.28 1.25 1.22
40084 1.00 1.06 0.99 1.04 0.99 0.96 0.97 1.00 1.00 0.99
[0040] 绘制14个测点异常率变化曲线图,如图3所示。找出异常率变化较大的几个节点,作为初步搜索区域。
[0041] 统计得出异常率值较大,变化较明显的几个测点分别是:1193、32048、605、3487和3120。异常率值得分布区间是(1.2,1.6)。
[0042] 根据选取节点,在EPANET供水管网模型软件中获得其具体坐标。将异常率大于1的这几个主要测点,作为优化校核模型的初步搜索边界,也就是自变量中坐标参数的取值边界;具体是将异常率大于1的测点的节点坐标进行排序,选择X坐标中最小,最大值,Y坐标中最小、最大值作为优化校核模型的左右、下上四个搜索边界。爆管流量的初步取值范围依据历史压力异常率对应的爆管流量幅度区间经验确定。如下表3所示
[0043] 表3
[0044]爆管序号/值/参数 Xmin Xmax Ymin Ymax 爆管流量范围
1 57,811.39 59,674.42 18,223.87 20,246.66 0 1,000.00
~
[0045] 步骤3.精确定位
[0046] 依据步骤1和步骤2确定优化校核测点、优化校核时间区间、爆管搜索范围和爆管漏损量取值范围进行精确定位。
[0047] 采集第4分到第8分的SCADA数据,具体是出、入口压力数据、流量数据、优化目标测点的压力数据、管道状态数据、大表用户流量数据等。其中,入口压力数据在线更新为水库水头,大表流量数据直接更新为对应节点的需水量数据,依据管道的开度,直接更新对应管道为开或者关。
[0048] 以爆管发生时间段的测点实时模拟值与实测值之差,作为优化校核目标函数,具体为:
[0049]
[0050] , 依据压力拟合差和流量拟合差的比值区间经验给定,该管网是1/10 的关系,则 设为1, 为0.1,以平衡两者在误差累计中的权重,管网中有两条流量测点,故n=2。
[0051] 编码、选择、交叉和变异方法分别采用实数编码、轮盘赌选择、实数交叉和单点变异;进化代数 ;种群规模 ;交叉和变异概率分别为 , 。染色体的具体形式如表4所示
[0052] 表4
[0053]X坐标 Y坐标 t时刻需水量 t+1时刻需水量 t+2时刻需水量 …
57,822.39 59,624.42 345.21 452.12 321.78 …
[0054] 利用EPANET水力求解引擎将选取的SCADA在线数据按优化时间对应更新到管网模型上去,实现实时模拟。
[0055] 通过遗传算法迭代进化,改变染色体基因,评价适应度函数,实现实时校核,最终获得最好的染色体,从而得到最可能的爆管坐标和爆管流量,方案流程图如图4所示。利用EPANET获取所有DMA管网的节点坐标,求得与爆管坐标欧氏距离最近的节点坐标,确定该节点即为爆管节点。
[0056] 根据以上方法,求得5次爆管定位偏差见表5所示,求解得到的爆管漏损量见表6。
[0057] 表5求解爆管点与实际爆管点距离偏差
[0058]实验序号/值/参数 爆管求解点 实际点 欧式距离差值
1 1671 26551 249.10966
2 618 29675 73.932308
3 75 25575 631.7071
4 17137 31733 478.93182
5 54199 25133 997.32585
[0059] 表6最优解对应的爆管流量
[0060]实验序号/值/参数 最优解 第1分钟 第2分钟 第3分钟
1 1671 166.1869903 58.48658 10.98238
2 618 172.1317902 185.5464 160.7959
3 75 11.65619662 12.06562 11.26899
4 17137 10.86489503 13.45882 12.09842
5 54199 10.83961735 125.496 10.37903