[0042] 以下结合本发明方法流程图(见图1)及具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
[0043] 本发明涉及的系统架构与文献[3]类似,包括智能压力计阵列、无线传输模块、云数据平台、用户终端等。本发明方法采取以下步骤:
[0044] 步骤1、对所关注区块管网进行压力监测点布阵
[0045] 对所关注区块的局部管网,部署智能压力计监测点,相邻测点间距<1km。监测点采用常规智能压力计,采样频率在0.1Hz~0.033Hz(采样周期10s~30s),采样精度1级,测点总数记为N。
[0046] 由于采样频率不高,此类智能压力计虽不能像文献[3]中的高频压力计那样采集到供水管网中>1Hz的瞬态压力信号(如较为完整的负压波),但是能采集到介于瞬态和稳态之间的准瞬态压力信号,比单纯利用稳态压力信号灵敏度高,且大大节省功耗。
[0047] 同时,从水司SCADA中获取监测点附近(<10km)的泵站启停泵机实时数据,和附近(<5km)的大用户远传大表实时数据(采样频度要求为分钟级)。
[0048] 步骤2、建立所关注区块管网的稳态和瞬态水力模型
[0049] (1)稳态水力模型建立:利用GIS图建立区块供水管网基本结构,设置管道和节点基本信息。利用区块内需水节点用水量和压力的历史数据进行稳态模型校核。
[0050] (2)瞬态水力模型建立:在稳态水力模型基础上进行瞬态模型参数设置,利用启停泵、大用户进水或专门爆管模拟试验的实测和模拟数据检验、校正瞬态模型。
[0051] 通过稳态水力模型模拟,获得停泵或大用户进水时的稳态压降;通过瞬态水力模型模拟,获得停泵或大用户进水时的瞬态压降。
[0052] 准瞬态压力信号下的压降介于稳态压降(最小压降△P_MIN)和瞬态压降(最大压降△P_MAX)之间。
[0053] 步骤3、根据实测数据,计算各监测点判异阈值
[0054] 在线检测一段时间后,平台数据库存储各监测点所采集的压力数据,预处理时剔除异常数据。
[0055] 对每个监测点,计算每分钟的升降波动值△Pij(i为监测点序号,1≤i≤N;j为分钟时刻序号),即一分钟内采样数据的最大值和最小值的差值,降压差值为负,升压差值为正,得到分钟级波动值。
[0056] 统计每个监测点的分钟级波动值序列{△Pij},得到平均值ui和标准差σi。供水管网压力波动总体服从正态分布,从统计学来讲,3倍标准差以外的事件概率<0.5%,都称为小概率事件,可以初步认定为异常。一般情况下ui≈0,现设定其±3σi倍为第i监测点的判异阈值。
[0057] 步骤4、根据运行数据,建立干扰信号库
[0058] 结合步骤2得到的稳态和瞬态水力模型,利用步骤3各监测点所采集的压力数据以及从水司SCADA中收集同期相关泵站启停泵机、大用户实时水量等数据,分别模拟泵站停泵、大用户进水扰动情形,得到各监测点的瞬态压降(最大压降△P_MAXi)和稳态压降(最小压降△P_MINi)。
[0059] 当泵站或大用户邻近监测点i在j时刻稳态压降△P_MINij<‑3σi,视为受到干扰。
[0060] 收集、整理发生时刻j、干扰源、干扰量、受扰监测点、最大压降△P_MAXij和最小压降△P_MINij,建立干扰信号库。
[0061] 干扰信号库,需要定期更新,以符合所关注区块管网干扰源的变化。
[0062] 步骤5、建立扰动消息发送机制
[0063] 干扰源动作(泵站停泵或大用户进水),向相关邻近测点主动发送信息(传送频度同样要求为分钟级)。
[0064] 云平台通过监视水司SCADA中相关泵站启停泵机、大用户实时水量等数据,及时发现干扰源动作,包括动作发生时刻、干扰源、干扰量。
[0065] 在干扰信号库中检索相同干扰源、相近干扰量的历史记录(假设该记录发生时间为n时刻),根据该记录向相关邻近测点i主动发送信息(包括最大压降△P_MAXin和最小压降△P_MINin)。
[0066] 优选地,可以将泵机、进水阀控制器和智能压力计通过MCU组网,直接传送动作消息。
[0067] 步骤6、实际侦测应用
[0068] 实际应用中,各监测点智能压力计按0.1Hz~0.033Hz频率采集压力信号,除定时上传云平台外,定期监测压力波动值,超阈值预警处理。具体为:
[0069] 步骤6.1智能压力计每分钟定期计算压力波动值△Pik(i为监测点序号,1≤i≤N;k为当前时刻)。过滤掉压力突升后的突发压降,此为升压后的回落。
[0070] 步骤6.2按公式(1)判断突发压降超限状况,若满足公式(1),则情况正常,返回步骤6.1继续监测。否则,预警,到步骤6.3。
[0071]
[0072] 式(1)中,hik为当前k时刻、当前监测点i是否收到干扰动作消息(ηik=1表示收到扰动消息,ηik=0表示无扰动消息),ΔP_MAXin为监测点i收到干扰动作消息中的历史n时刻最大压降。
[0073] 步骤6.3通过MCU组网直接联络<1km邻近测点,若有2个以上监测点同时预警,进入步骤6.4。否则,返回步骤6.1继续监测。
[0074] 步骤6.4向平台或用户终端直接发出报警信息。
[0075] 平台接收到报警信号后,显示所有报警监测点位置及突发压降值,并按公式(2)重力法近似定位爆管点:
[0076]
[0077] 式(2)中,Xn、Yn为报警监测点n的坐标;△Pnk为监测点n的突发压降值;m为报警监测点数量。
[0078] 有2个以上的监测点预警,可以避免单监测点故障导致的虚报。在没有MCU组网条件下,本发明不排除通过平台转发方式传递消息。
[0079] 实施例:
[0080] 本实施例包括以下步骤:
[0081] 步骤1、对所关注区块管网进行压力监测点布阵
[0082] 对所关注区块的局部管网(如图2,某市DXCB区域),部署智能压力计监测点,相邻测点间距<1km。监测点采用常规智能压力计,采样频率0.067Hz(采样周期15s),采样精度1级,测点总数为16。
[0083] 由于采样频率不高,此类智能压力计虽不能像文献[3]中的高频压力计那样采集到供水管网中>1Hz的瞬态压力信号(如较为完整的负压波),但是能采集到介于瞬态和稳态之间的准瞬态压力信号,比单纯利用稳态压力信号灵敏度高,且大大节省功耗,电池供电模式下可持续工作1年以上。
[0084] 同时,从水司SCADA中获取监测点附近(<10km)的XS泵站启停泵机实时数据,和附近(<5km)的12家大用户远传大表实时数据(采样频度为分钟级)。
[0085] 步骤2、建立所关注区块管网的稳态和瞬态水力模型
[0086] (1)试验片区稳态建模及校核
[0087] 采用EPANet进行DXCB试验片区稳态建模,根据GIS图确定节点位置、管道长度直径等基本参数、建立管网基本模型。设置模拟步长为软件支持最小的1分钟,这是为了分析准稳态模型(恒定流)的爆管侦测能力,也是为了给瞬态分析提供最逼近实际的边界,而需水量数据来自区块内12家实际大用户远传大表。
[0088] 对5月9日‑5月11日3天各个监测点的压力数据做平滑处理,排除异常信号。依次输5月9日‑5月11日各天的大用户时变用水量,以分别贴近各天的16个测点压力为目标,调整节点需水量、管道粗糙系数等参数来修正模型。
[0089] 用5月12日“需水量和监测点压力”数据来验证建模水平。输入5月12日各点大用户用水量,检验12日16个测点模拟压力和实测压力吻合情况。如表1所示,达到校验要求。
[0090] 表1 2020年5月12日各监测点压力差
[0091]
[0092] (2)试验片区瞬态建模
[0093] 在前述稳态模型基础上利用瞬态水力仿真软件建立瞬态模型,沿用图2管网结构,输入节点需水量、管道长度、直径、校核后的摩阻系数。
[0094] 利用5月12日某试验点专门爆管模拟实验进行瞬态模型校验,该试验点7:26‑7:31开阀放水模拟爆管。设置各个需水点需水量输入为爆管前一个时刻瞬时值,模拟步长0.1s,放水流量约45L/s,模拟时间600s。
[0095] 各个测点模拟和实际压降情况对比如表2所示,各个测点最大压降都吻合得较好,说明瞬态模型精度满足爆管侦测要求。
[0096] 表2 2020年5月13日爆管模拟实验中各监测点模拟和实际压降对比[0097]
[0098]
[0099] 步骤3、根据实测数据,计算各监测点判异阈值
[0100] 使用5月9日—5月11日平台数据库各监测点压力数据,计算各监测点判异阈值:
[0101] 对每个监测点,计算每分钟的升降波动值△Pij(i为监测点序号,1≤i≤N;j为分钟时刻序号,共1440*3=4320),即一分钟内采样数据的最大值和最小值的差值,降压差值为负,升压差值为正,得到分钟级波动值。
[0102] 统计每个监测点的分钟级波动值序列{△Pij},得到平均值ui和标准差σi。如表3所示。不失一般性ui≈0,现设定其±3σi倍为第i监测点的判异阈值。
[0103] 表3各监测点压力波动值的均值、标准差及阈值(单位:kPa)
[0104] 监测点 均值u 标准差σ 阈值±3σ 监测点 均值u 标准差σ 阈值±3σ1# 0.01 5.9 ±17.1 9# 0.02 6.1 ±18.3
2# 0.02 6.6 ±19.8 10# 0.01 5.2 ±15.6
3# 0.01 6.4 ±19.2 11# 0.01 5.3 ±15.9
4# 0.03 6.1 ±18.3 12# 0.02 5.6 ±16.8
5# 0.02 6.5 ±19.5 13# 0.03 6.4 ±19.2
6# 0.02 4.9 ±14.7 14# 0.02 5.7 ±17.1
7# 0.01 5.8 ±17.4 15# 0.02 5.3 ±15.9
8# 0.01 5.9 ±17.1 16# 0.01 4.5 ±13.5
[0105] 步骤4、根据运行数据,建立干扰信号库
[0106] 结合步骤2得到的稳态和瞬态水力模型,利用步骤3各监测点所采集的压力数据以及从水司SCADA中收集同期相关泵站启停泵机、大用户实时水量等数据,分别模拟泵站停泵、大用户进水扰动情形,得到各监测点的瞬态压降(最大压降△P_MAXi)和稳态压降(最小压降△P_MINi)。
[0107] 当泵站或大用户邻近监测点i在j时刻稳态压降△P_MINij<‑3σi,视为受到干扰。收集、整理发生时刻j、干扰源、干扰量、受扰监测点、最大压降△P_MAXij和最小压降△P_MINij,建立干扰信号库。
[0108] 表4干扰信号库
[0109]
[0110] 步骤5、建立扰动消息发送机制
[0111] 干扰源动作(泵站停泵或大用户进水),向相关邻近测点主动发送信息(传送频度同样要求为分钟级)。
[0112] 云平台通过监视水司SCADA中相关泵站启停泵机、大用户实时水量等数据,及时发现干扰源动作,包括动作发生时刻、干扰源、干扰量。
[0113] 同时,在干扰信号库中检索相同干扰源、相近干扰量的历史记录(假设该记录发生时间为n时刻),根据该记录向相关邻近测点i主动发送信息(包括最大压降△P_MAXin和最小压降△P_MINin)。
[0114] 一般情况下,泵站启停泵机、大用户进水动作是周期性的,每天频次基本不变,发生时间略有先后。
[0115] 步骤6、实际侦测应用
[0116] 本实施例以5月13日的日常运行以及4次模拟爆管实验,用于实际侦测应用。4次模拟爆管实验时间、地点分别为19:26/B1(5#)、19:34/B2(13#)、10:45/B3(12#)和19:53/B4(6#)。
[0117] 实际应用中,各监测点智能压力计按0.067Hz频率采集压力信号,除定时上传云平台外,定期监测压力波动值,超阈值预警处理。具体为:
[0118] 步骤6.1智能压力计每分钟定期计算压力波动值△Pik(i为监测点序号,1≤i≤N;k为当前时刻)。过滤掉压力突升后的突发压降,此为升压后的回落。
[0119] 步骤6.2按公式(1)判断突发压降是否超限,若是,则情况正常,返回步骤6.1继续监测。否则,预警,到步骤6.3。
[0120] 步骤6.3通过MCU组网直接联络<1km邻近测点,若有2个以上监测点同时预警,进入步骤6.4。否则,返回步骤6.1继续监测。
[0121] 步骤6.4向平台或用户终端直接发出报警信息。
[0122] 平台接收到报警信号后,显示所有报警监测点位置及突发压降值,并按公式(2)重力法近似定位爆管点。
[0123] 本发明实施例通过平台转发方式传递消息。5月13日的实际侦测结果,如表所示:
[0124] 表5 5月13日爆管侦测结果
[0125]
[0126]
[0127] 5月13日全天侦测结果无漏报,但单监测点有误报2次。采用2个以上的监测点预警,则无误报,可以避免单监测点导致的虚报。