基于LSSVM交互预测的供水管网爆管检测

随着我国越来越多的供水管网安装SCADA系统,基于数据预测的爆管检测方法越来越受到重视。传统基于数据预测的方法大多根据单点流量、压力的历史监测数据预测当前时刻监测值,当预测值与监测值的差值超过阈值时判定为爆管。然而,实践经验表明,监测数据的丢失与错误会严重影响单点预测结果,进而引起频繁误报与漏报。考虑到实际用水及监测数据的空间关联性（例如水压监测点布置距离越近其监测数据相关性越大）,开展了基于最小二乘支持向量机（LSSVM）交互预测的供水管网爆管检测研究。对管网中不同位置监测数据构建多输入单输出LSSVM交互预测模型,选取1倍标准差为阈值进行爆管检测,并与传统的卡尔曼滤波爆管检测结果相对比。结果表明,LSSVM交互预测模型能降低数据丢失、数据错误对预测结果的影响,且对较小的爆管响应更加灵敏,进而有效地提高了基于数据预测的爆管检测性能。     

基于爆管检测效益的供水管网水压监测点布局优化

为探究水压监测点数量与爆管检测效益的关系,开展了面向爆管检测的供水管网水压监测点优化布局研究。首先,利用管网水力模型在EPANET中计算各管道不同等级爆管下的压降,并根据压降结果构建爆管事件覆盖矩阵;然后,对于给定数量的水压监测点,以最大化爆管事件覆盖率为目标函数,优化水压监测点布局,并采用分布估计算法求解,进而确定给定监测点数量下的最优布局;最后,将爆管事件覆盖率与爆管最小可检测流量作为爆管检测精度指标,探讨水压监测点数量与爆管检测精度的效益关系。将所提出的方法应用于L-Town管网C区,结果表明所提出的方法能有效确定最佳效益监测点的数量及布局,进而有效解决工程实践中应布置多少水压监测点以及布局在何处两方面问题。