基于BP神经网络深度学习的供水管网漏损智能定位方法

在深入剖析已有大型供水管网漏损成因的基础上,提出了采用BP神经网络深度学习的方法预测漏损点位置,构建了供水管网漏损模拟模型,通过管网发生漏损时5个位置的流量变化和17个位置的压力监测点变化的相关性分析,利用人工神经网络深度学习来诊断漏损点所在管网中位置,并以实验室自搭建的小型供水管网为例对漏损定位的研究方法进行了验证。结果表明,所提方法是一个实时诊断的快速又有效的方法,可实现较为准确的漏损点定位。     

阀门系统调节降低城市供水管网的漏损量

降低供水管网的漏损量是供水行业一项非常重要的目标 ,由于供水压力直接影响着城市供水管网的漏损量 ,所以通过有效地调节阀门的大小来改变供水压力 ,降低节点超量水压 ,从而实现总体漏损量的减少。本文通过最优化的理论和方法 ,建立了城市供水管网阀门优化调度运行的数学模型 ,经过实例验证 ,该方法可以有效降低城市供水管网的漏损量。     

一种基于FFT变换的供水管网节点压力频域分析方法

供水管网出现漏损点时,由于其隐蔽性不易被察觉,长时间的漏损积累不仅造成水资源浪费,也会出现供水产销差的问题。将频域分析法引入到供水行业,提出一种基于FFT变换的供水管网节点压力频域分析方法,首先通过编写程序调用EPANET对供水管网进行运行优化模拟,然后将求解的最优泵阀调度方案反代入模拟漏损点工况内,借助傅里叶变换将随时间变化的节点压力转换为振幅信号,从频域的角度分析管道节点压力,从而判断漏损点距离管道起始节点的长度范围。通过验证,与以往基于压力分析漏损点相比,该方法可从频域信号视角来判断管道是否正常运行及漏损点位置范围,有利于供水行业智慧化。     

基于压力敏感区域方法的供水管网漏失区域定位研究

为有效降低城市供水漏损率,快速、准确定位漏失位置,基于压力敏感区域方法,以A市为研究区域对供水管网漏失区域定位进行研究,以压力监测设备与节点漏失之间的水力关联特性对供水管网进行区域划分,建立管网漏失敏感区域,当某处发生漏失时,可立即定位到漏失区域.结果 表明,当漏失响应阈值为97％时,覆盖节点数量最多,敏感区域划分最为...     

基于水力模型的无收益水量分配方法

无收益水量的合理分配对管网模型计算精度影响较大。为了尽可能真实地反映节点实际用水量,基于供水管网的一致漏损模型,将无收益水量分为真实漏损和表观漏损两部分,在原有管长影响因素的基础上增加考虑了压力及流量,提出了漏失模型法的流量分配方法,并以天津市H区给水管网模型为例进行了计算验证。结果表明,对于沿线流量分配法与漏失模型法两种流量分配方法,其压力监测点处的模拟值在每个时刻与实测值的误差均在±2m之内;二者水力计算所得的节点压力相差约0.2m,漏失模型法的流量分配结果明显更靠近监测点的实测值,精度较高。     

随机流量供水管网漏损诊断阈值及误差估计

实际供水管网的漏损和流量随机性均会导致管网水力分布的波动,水压监测中通过压差阈值界定两种状态,但传统阈值只能控制误报率,不能控制诊断误差。为降低漏损诊断误差,在监测目标明确的情况下,给出对应最小误差的诊断阈值,并将其应用于Lansey供水管网中。结果表明,在随机流量供水管网中,该阈值稳定性好,对应的漏损诊断精度高;由于得到的漏报率和误报率接近,实际管网漏损诊断中,可以采用该误报率的2倍作为漏损诊断误差。     

基于遗传算法优化BP神经网络的管网漏失定位模型研究

针对BP神经网络用于管网漏失定位时易出现收敛速度慢及陷入局部极小值的问题,利用遗传算法对BP神经网络的权值和阈值进行优化,并以A市供水管网为例,选取各个分区的供水管段进行不同程度的漏失模拟,将模拟数据作为训练样本训练遗传算法优化的BP神经网络,得到管网漏失时压力监测点的压力变化率和漏点位置之间的非线性关系,构建基于遗传算法优化BP神经网络的管网漏失定位模型。实例应用结果表明,基于遗传算法优化BP神经网络的管网漏失定位模型的收敛速度和预测精度均优于传统BP神经网络模型,可应用于实际工程。     

管材和管径选择与供水管网漏损控制

对供水管网漏损的原因进行了初步探讨,并从管材和管径两个方面对若干城市供水管网漏损的数据进行了统计分析,提出了管材漏损系数和管径漏损系数两个概念。根据分析结果,提出了相应的控制管网漏损的措施。     

基于智能优化算法供水管网减压阀布设位置的优化研究

针对供水管网系统中存在过剩压力的问题，提出在管网中安装一定开启度的减压阀，以各节点运行水压与各节点最小服务水头之差的平方和最小为目标，结合管网水力平衡约束、节点压力约束构建减压阀优化压力漏失控制模型，利用遗传算法对模型进行求解，并以东南沿海城镇供水主干管网为算例进行验证。结果表明，所提模型及方法有效、可行，且优化效果显著。     

二次供水叠压设备准入判据及管网压力变幅分区方法

为了明确叠压供水方式的准入标准,提出了用于叠压供水设备选取及城市给水管网压力变幅分区的判据,并对其重要参数——叠压最小允许压力H_dmin、叠压最大压力波动ΔH_dmax进行原理分析,据此判据将城市给水管网划分为压力稳健区、压力波动区、压力脆弱区,并以在西部A市自来水公司GIS、SCADA系统采集的2022年西部A市主城区年最大用水日时全部供水节点的日最大水压、最小水压为可信数据,作出西部A市主城区给水管网的压力变幅分区图,以此作为西部A市主城区叠压供水设备选取的参考依据。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

基于PSO-SVM模型的供水管网漏损诊断

为了找到更高精确度的供水管网定位方法,基于支持向量机搭建了PSO-SVM给水管网漏失诊断模型,对影响支持向量机(SVM)性能的两个重要参数c和g使用粒子群优化算法(PSO)做了优化处理,使得支持向量机的运算速率和准确度显著提高,利用单漏点供水管网仿真模拟试验平台测得管网各运行工况下的漏点特征数据,测得数据通过后期归一化处理作为PSO-SVM模型的输入样本数据集,样本数据经PSO-SVM模型运行后证明该模型可有效对管网漏失点做出精准定位,并能对各漏失点的漏失量做出精准预测。     

基于神经网络深度学习和结构优化的供水管网漏口失效形式及漏失量预测

为了量化供水管网漏失危害,根据漏失形式探究管网漏失原因,在管网漏失试验的基础上,通过分析不同管材、管径、漏口失效形式的管段在各种压力下漏失瞬态漏口周围20个压力波动数据,利用BP神经网络在压力数据与漏失量、漏口失效形式之间建立映射关系,并通过大量训练来优化BP神经网络结构。结果表明,优化后的神经网络可精确地预测出管网漏失量及漏口失效形式,为一种适用性强、快速有效的预测方法。     

DBS分区在北方某市供水管网压力管理中的应用

为了解决北方某市供水管网水厂出水压力不足、部分路段供水管网压力波动大、区域压力不均衡等问题,基于该市供水管网水力模型,综合考虑该市供水管网压力、水量、地形、行政管理区域等相关因素,对该市供水管网进行DBS分区。结果表明,该市管网实施分区管理后,A水厂供水负荷减小,用水高峰期出水压力不足问题得到解决;部分路段水压过高问题得到解决;各区块供水管网压力得到均衡。因此,DBS区块化管理在该市取得较明显效果,对改善供水管网管理水平具有一定的参考价值。     

供水管网实时分区及节流阀调度研究

为进一步降低供水管网漏损率,节约能源,提高水资源利用率,通过EPANET工具箱、Matlab及C#联合编程,以节流阀的开启度为影响因素,以漏失费用为目标,建立阀门实时调度模型。首先,该模型通过模糊C-均值聚类法(FCM)实时对管网进行分区;其次,对各区域内每一时刻的阀门开启度进行调整;最后,通过布谷鸟算法(CS)进行优化调度,从而均衡管网压力,降低管网漏失量。F市实际供水管网优化调度结果表明,优化后漏失率降低了11.96%,提高了水资源的有效利用率。研究成果对于供水管网优化调度意义重大。     

基于HHT和SVM的供水管网爆管诊断模型研究

针对当前复杂供水管网泄水事故频发的现象,提出以管网发生故障时的瞬态水力数据信息为样本,采用Hilbert-Huang变换将故障样本信息从水压—时间的时域信号转换为压力幅值—频率的频域信号。分析选取频域信号中的主要特征值坐标作为支持向量机(SVM)的输入数据,并采用粒子群算法(PSO)对SVM参数进行优化,建立了基于HHT和SVM的供水管网故障诊断模型。实例应用表明,该模型在供水管网泄漏诊断中效果较好,从而验证了模型的可行性。     

基于HHT和SVM的供水管网爆管诊断模型研究

针对当前复杂供水管网泄水事故频发的现象,提出以管网发生故障时的瞬态水力数据信息为样本,采用Hilbert Huang变换将故障样本信息从水压—时间的时域信号转换为压力幅值—频率的频域信号。分析选取频域信号中的主要特征值坐标作为支持向量机（SVM）的输入数据,并采用粒子群算法（PSO）对SVM参数进行优化,建立了基于HHT和SVM的供水管网故障诊断模型。实例应用表明,该模型在供水管网泄漏诊断中效果较好,从而验证了模型的可行性。