[0042] S市已建设了SCADA和GIS等管网信息系统，并建立了离线EPANET稳态水力模型。其SCADA系统采集、存储了数百个测点的流量/压力数据，对39个二级DMA进行监测。现以某个二级DMA区2015年4月3日爆管实验为实施例，说明本发明方法。
[0043] 分析2015年4月2日历史监测数据，在离线水力模型基础上进行校验，以对2015年4月3日管网进行爆管监测。
[0044] 该二级DMA区2015年4月3日爆管实验数据如表1。
[0045] 表1 2015年4月3日爆管实验数据
[0046]
[0047] 如图1所示，本发明包括以下步骤：
[0048] 步骤1：管网测点压力动态数据分析
[0049] 1)收集DMA区管网数据
[0050] 收集该二级DMA区管网结构数据和历史监测数据，包括供水管网简化模型、压力监测点位置、大用户进水口位置、监测点压力数据、大用户用水流量数据、管网入水口流量数据。
[0051] 2)压力信号降噪处理
[0052] 采用小波滤波方法对数据进行降噪处理，使用Matlab软件wden滤波函数对数据进行小波处理，对原始压力信号做三层分解，阈值选择规则为启发式软阈值，再通过不同层的噪声对阈值大小进行适当调节。
[0053] 3)提取压力平稳信号值
[0054] a.对数据进行归一化处理，一般采用最大—最小标准化方法对各个测点压力信号进行处理
[0055]
[0056] 其中：Y为归一化处理后的数据值，L为原始数据值，Lmax、Lmin为该压力信号组最大、最小值；该方法将数据归一到[0,1]之间，便于处理；
[0057] b.计算归一化处理后的各测点压力信号平均值，大致提取出剔除噪声后的各监测点压力平稳信号曲线。
[0058] c.对此曲线进行反归一化，将其重新分配到各测点压力实际所在的信号波动区间内，得出剔除噪声的各测点压力平稳信号值。反归一化算法为：
[0059] Y＝Lmin+Y(Lmax‑Lmin)。
[0060] 步骤2：基于EPANET的信号模拟及有色噪声量化
[0061] 1)EPANET信号模拟
[0062] 以剔除噪声后的各测点压力平稳信号值为参照，调整EPANET中管网拓扑结构的未知节点需水量与管段摩阻系数，对管网进行校核，最终结果满足水力模型校验要求。
[0063] 2)有色噪声分析
[0064] 对压力平稳信号值与实际值存在较大差异的部分进行排查，发现管网总入口流量和测点周围的大用户用水量存在较大的波动。
[0065] 3)有色噪声量化
[0066] 针对附近大用户用水量激增对监测点信号产生了有色噪声，采用在EPANET中设置扩散器系数的方法来模拟大用户用水行为，使测点压力模拟值更接近实际；对于管网入水口流量下降产生的有色噪声，通过调整水库的总水头来改变监测点压力模拟值，使其与测点实测值基本接近，以降低干扰。
[0067] 通过公式(3)对有色噪声进行量化分析，如表2。
[0068] 表2有色噪声量化分析结果
[0069]
[0070]
[0071] 步骤3：爆管判断
[0072] 利用稳态水力模型对监测当日管网状态进行模拟，当出现用水扰动时，将扰动因素附加至水力模型，改进模拟结果。
[0073] 计算各监测点改进后的压力模拟值Y′与实际值Y的压力差值P，当其超过阈值时，则判定该时间点存在异常。
[0074] 采用SPC方法对压力变化进行分析判断，阈值设定为(μ±3σ)，其中μ为指定时间段内压力差值ΔP的平均值，σ为标准差。
[0075] 为避免单点故障误报，当异常测点数量大于2个，且相邻异常测点间距小于1公里时，则判定此时管网出现爆管。
[0076] 具体监测结果如表3所示。
[0077] 表3 2015年4月3日监测结果
[0078]
[0079] 共产生6次报警，其中5次实际爆管事件全部检出，检出时间均在5分钟以内；1次报警为误报，时间在19:45～20:05用水晚高峰期间。误报率为17％，而不考虑用水扰动的常规方法误报率高达57％。
[0080] 步骤4：爆管定位
[0081] 当判定为爆管时，选取压力模拟值与实际值差值处于前1/3的测点作为强异常测点，进行重心法计算。通过公式(4)计算爆管点坐标，最终定位结果如表4、图2所示，误差较小，可用于实际检漏工作。
[0082] 表4 2015年4月3日模拟爆管实验定位结果
[0083]
[0084] 以上对于本发明的具体实施方式说明是为了阐明目的，而非限定本发明的权利范围。
