论文部分内容阅读
城市供水管网的漏损检测和定位对于节约水资源,保障居民和企事业单位正常用水具有重要的现实意义。然而管网中存在的一些暗漏却不易识别发现,围绕这一实际问题,本文结合现有漏损检测的研究,开展了以下研究工作:1.基于动态过程的管网暗漏识别。根据暗漏的演化趋势特点,设计具有针对性的暗漏实验,反映由微小漏损发展成为较大漏损的过程。首先依据节点压力灵敏度和K-means++聚类算法将管网区分为若干个漏损监测分区,采用水力仿真软件EPANET对算例管网进行蒙特卡洛随机模拟暗漏实验,利用大量的仿真实验数据训练随机森林分类模型,建立暗漏节点与对应漏损分区的非线性关系,达到识别暗漏所处分区的目的。2.基于需水量精准预测的小区暗漏侦测。将气温,天气状况,节气,工作日和节假日设定成特定整数编码,作为量子粒子群-支持向量机(QPSO-LSSVM)小区需水量预测模型输入向量,增强预测模型对外界条件变化的适应能力。在建立精准预测模型基础上,将用水量的实际值和需水量预测值之差作为累积和(CUSUM)算法的输入量,检测小区管网微小漏损,同时采用统计过程控制(SPC)中的西方电气公司(WEC)方法进行侦测对比,结果表明采用水量差值CUSUM算法可以及时有效地检测出小区存在的暗漏和规模较大的漏损,并且误报次数比WEC方法少。3.基于改进PDLD方法的漏损定位。针对传统的压力相关漏失监测(PDLD)方法难以确定管网最大的漏损点个数以及相应的射流器系数的问题,提出了利用漏损时段流量分析以确定上述两个参数的方法,并通过分析管网压力测点的异常程度合理缩小了漏损搜索范围。最后采用共生生物(SOS)算法求解PDLD模型,相比较传统的遗传算法求解结果,漏损点的定位精度有所提高,对实际管网漏损定位有一定指导作用。