一种管道漏损预测方法及其存储介质与流程

本发明涉及一种管道漏损预测方法及其存储介质，属于管道漏损预测。

背景技术：

1、城市供水管网是社会的重要基础设施，它对保障社会效益和经济的持续健康增长，维护人民的正常生活具有深远意义。供水管网系统建设投资在给水系统投资中占比高达60～80％。但是，目前许多供水管网由于腐蚀等外部条件产生了泄露。管网泄漏除了增加水务管理的经济成本外，还会损坏社会效益，严重影响服务水压和供水水质，甚至发生灾难。

2、目前大部分城市供水管网的漏损率远远高于标准值，随着对管网漏损检测的迫切需求，越来越多的研究投入到管网漏损检测技术中。传统的漏损检测主要为基于传感器信号的检漏方法，这种方法利用专业仪器对某一区域的管道进行检测，通过对信号进行分析，来判断检测范围是否有漏损。基于传感器信号的检漏方法感知信号单一且易受干扰，分析难度较大，难以准确检漏。此外，由于依赖专业设备，设备成本高且有效覆盖范围小，其检测精度和应用场景较为有限。

3、以dma分区方法为例的工程方案应用广泛但亦存在很多不足：分区计量管理的实质是对管网进行压力管理，压力管理是供水行业认为的性价比最高的有效降低管网漏损量的方法。但是，dma计量管理区域建立的成本是较大的，它不仅需要流量计和数据记录仪，甚至为满足封闭性需要更换或改造阀门，所以需要对区域划分的方案进行详细论证，以便节省投资和合理分区。实施dma分区时创建的封闭系统可能使该区域内的水质遭受损害，同时，在引入dma时末端死点的数目可能大大增加。因此需要安装冲洗点，导致区域成本的上升。阀门和仪表需定期检查，否则获得的信息有误导或无用，这也需要成本投入。

技术实现思路

1、本发明所要解决的技术问题是克服现有技术的缺陷，提供一种管道漏损预测方法及其存储介质，不需要管网实时全部运行，只需要部分管段运行情况，大大降低了需要采集数据的工作量，加快了计算效率、简化了监测成本，同时针对计算结果可以精确预报管道漏损位置，提高了预报精度。

2、第一方面，本发明提供一种管道漏损预测方法，包括：

3、对管网基础资料进行预处理，获得管网其他资料；

4、将管网基础资料和管网其他资料输入预先训练获得的嵌套bp神经网络模型，嵌套bp神经网络模型输出预测的管网漏损情况。

5、结合第一方面，对管网基础资料进行预处理，获得管网其他资料，包括：

6、基于管网基础资料，构建已知节点水头的管网拓扑矩阵结构；

7、利用已知节点水头的管网拓扑矩阵结构、已知节点水头和预先构建的未知节点水头计算模型，计算获得管网其他资料。

8、结合第一方面，管网基础资料包括管道数据、节点数据、泵站数据和阀门数据。

9、结合第一方面，管网其他资料包括未知节点水头和管道流量。

10、结合第一方面，预先构建的未知节点水头计算模型的表达式为：

11、a12h+a11q+a10h0＝0，

12、a21q-qext＝0，

13、

14、式中，a12为未知节点水头的管网拓扑矩阵结构；a11为对角矩阵；a10为已知节点水头的管网拓扑矩阵结构；a21为未知节点水头的管网拓扑矩阵结构的转置矩阵；h为未知节点水头，单位：m；h0为已知节点水头，单位：m；q为管道流量，单位：m3/s；qext为节点外部需水量，单位：m3/s；s为管道摩擦系数，与管径、管长和管材有关；c为hazen-williams粗糙系数；d为管道直径，单位：m；l为管道长度，单位：m；n为时间迭代次数；k为管道名称，代表第k根管道。

15、结合第一方面，预先训练获得的嵌套bp神经网络模型的表达式为：

16、

17、式中，r1为嵌套bp神经网络模型中第1个子网络模型的输出结果，r2为嵌套bp神经网络模型中第2个子网络模型的输出结果，rm为嵌套bp神经网络模型中第m个子网络模型的输出结果；管网漏损的每个子网络共有n种特性，分别为c1，c2，...，cn，f1为嵌套bp神经网络模型中第1个子网络模型对应的数据阵列，f2为嵌套bp神经网络模型中第2个子网络模型对应的数据阵列，fm为嵌套bp神经网络模型中第m个子网络模型对应的数据阵列。

18、结合第一方面，预先训练获得嵌套bp神经网络模型，包括：

19、获取历史管网基础资料；

20、利用历史管网基础资料、历史已知节点水头和预先构建的未知节点水头计算模型，计算获得历史未知节点水头和历史管道流量；

21、对历史未知节点水头、历史管道流量和历史管网基础资料进行参数相关性分析，获得特征数据；

22、将特征数据和对应的历史实际管道漏损情况作为管道样本，利用管道样本训练嵌套bp神经网络模型。

23、结合第一方面，抽取部分特征数据和对应的历史实际管道漏损情况作为测试集；

24、将测试集输入嵌套bp神经网络模型，嵌套bp神经网络模型输出测试集的预测管道漏损情况；

25、若测试集的预测管道漏损情况的正确率超过设定正确率阈值，则判定嵌套bp神经网络模型合格，否则重新确定特征数据，再次训练嵌套bp神经网络模型。

26、第二方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面中任一项所述方法的步骤。

27、第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述方法的步骤。

28、本发明所达到的有益效果：

29、本发明提供的一种管道漏损预测方法，不需要管网实时全部运行，只需要部分管段运行情况，大大降低了需要采集数据的工作量，加快了计算效率、简化了监测成本，同时针对计算结果可以精确预报管道漏损位置，提高了预报精度；

30、本发明通过管道上固定安装的监测仪器所监测的数据变化来实现漏损检测，无需人员去现场；本方案能够实现供水管网生产数据高效的可靠的采集与传输，以安全防护技术为保障，研究漏损区域检测方法，设计嵌套bp神经网络模型，对供水管网实时预测预警，降低供水管网漏损率。最终实现提升智慧水务业务能力，打造核心竞争力。

技术特征：

1.一种管道漏损预测方法，其特征在于，包括：

2.根据权利要求1所述的一种管道漏损预测方法，其特征在于，

3.根据权利要求1所述的一种管道漏损预测方法，其特征在于，

4.根据权利要求1所述的一种管道漏损预测方法，其特征在于，

5.根据权利要求2所述的一种管道漏损预测方法，其特征在于，

6.根据权利要求1所述的一种管道漏损预测方法，其特征在于，

7.根据权利要求5所述的一种管道漏损预测方法，其特征在于，

8.根据权利要求7所述的一种管道漏损预测方法，其特征在于，

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。

技术总结
本发明公开了一种管道漏损预测方法及其存储介质，属于管道漏损预测技术领域，对管网基础资料进行预处理，获得管网其他资料；将管网基础资料和管网其他资料输入预先训练获得的嵌套BP神经网络模型，嵌套BP神经网络模型输出预测的管网漏损情况。本发明不需要管网实时全部运行，只需要部分管段运行情况，大大降低了需要采集数据的工作量，加快了计算效率、简化了监测成本，同时针对计算结果可以精确预报管道漏损位置，提高了预报精度。

技术研发人员：陶怡,严栋飞,张建奇,马玲娜,杨会甲
受保护的技术使用者：西安航天自动化股份有限公司
技术研发日：
技术公布日：2024/1/14