一种管网泄漏检测方法及系统与流程

本发明属于市政、信息处理及智能楼宇领域，具体涉及一种基于水力模型和bp神经网络的管网泄漏检测方法，本发明还涉及实现该方法的系统。

背景技术：

管网泄漏一直是集中供热管线运营管理中存在的一个问题。管线的腐蚀、管线超压、施工质量低下、运营人员误操作等原因都可能造成管网的泄漏。管网泄漏问题会增加运营成本，造成巨大的经济损失和安全隐患。然而探测寻找泄漏位置并进行修复是一个耗时耗力的工作。

集中供热管网的泄漏检测方法可以分为三类：基于物理模型的方法、基于数据的方法和直接测温法。

(1)基于物理模型的方法是将正常工况时的模拟数据与运行工况时的传感器监测数据进行对比。这种方法有明确的物理意义，可以揭示供热管网的内部运行规律，但是这种方法需要花费大量的工作进行模型的建立，泄漏检测的准确性也不是很高。

(2)基于数据的方法是利用运行工况时监测数据(压力、流量、温度等)的直接或间接关系，建立统计学模型，采用数据分析的方法进行泄漏检测。这种方法的物理学含义往往是不明确的，并且检测的结果非常的依赖于数据的数量和质量。

(3)直接测温法是在供热管线沿线埋设温度传感器或者利用热成像技术，直接获取供热管线周围的温度，对比该温度和正常情况的温度即可检测出泄漏位置。这种方法不受管网运行数据的影响，准确度也较高，但是它需要埋设大量的温度传感器或者需要高精度的红外线图像和大量的后期图像处理工作，检测成本非常高。

不同于以上的检测方法，本发明提出一种基于供热管网水力模型和bp神经网络的管网泄漏检测方法以及实现该方法的系统。

技术实现要素：

本发明提出一种管网泄漏检测方法，其解决所述技术问题采用的技术方案包括如下步骤：

(1)确定管网循环水泵的扬程、未发生泄漏时的管网拓扑结构、管网各个管段的阻抗和各个楼栋的阻抗；

(2)将第(1)步得到的基础数据通过管网水力模型，计算得到未发生泄漏时的管网节点压力；

(3)分别改变泄漏管段、泄漏点在管段上的位置和泄漏流量，得到不同泄漏工况，通过管网水力模型，分别计算这些泄漏工况的管网节点压力；

(4)在第(2)(3)步中得到未泄漏和泄漏工况下的管网节点压力中根据式(1)添加传感器误差项

pci_rand＝pci+pci*∈*rand(1)

式中：pci_rand为经过传感器误差修正的管网节点压力值；pci为计算得到未经修正的管网节点压力值；∈为传感器精度；rand为-1～1之间服从均匀分布的随机值。

(5)利用式(2)计算相对压力差

式中：δpi为每一节点的相对压力差；psi_rand为经过传感器误差修正的泄漏工况的节点压力；pni_rand为经过修正的未泄漏工况的节点压力。

(6)将相对压力差作为bp神经网络的输入数据，各个泄漏工况的泄漏位置作为标记数据，训练bp神经网络得到管网泄漏检测模型。在实际应用的过程中将真实传感器测得的节点压力数据通过式(2)计算出相对压力差，输入到管网泄漏检测模型中即可输出泄漏位置。

上述步骤(1)中各个楼栋的阻抗可以采用直接测量楼栋压降和流量的方法获取也可以采用假定热指标法确定各个楼栋的阻抗，计算方法如下；

1)通过式(3)计算供暖系统热指标

式中：rs为系统热指标，kw/m²；∑ai为系统总供暖面积，m²；q为供暖系统总热负荷，kw，通过在换热站处的热量表获得。

2)假定楼栋热指标等于系统热指标，通过式(4)计算各个楼栋的流量

式中：gi为各个楼栋的流量，m³/h；ri为各个楼栋的热指标，kw/m²，假定等于系统热指标rs；ai为每个楼栋的供暖面积，m²；δti为各个楼栋的供回水温差，℃；δt为供暖系统供回水温差，℃；gsys为供暖系统循环流量，m³/h；c为水的比热容，kj/(kg·k)；ρ为水的密度，kg/m³。

3)采用式(5)对楼栋流量进行修正

式中：gir为各个楼栋的修正流量，m³/h；∑gi为计算得到的各个楼栋流量之和，m³/h。

4)利用式(6)计算各个楼栋的阻抗

式中：si为各个楼栋的阻抗，pa/(m³/h)²；δpi为各个楼栋的供回水压降，m³/h。

上述步骤(1)中各个楼栋的阻抗也可以采用直接测量楼栋压降和流量的方法获取，计算方法如下；

δpiceliang为测量的楼栋的供回水压降，m³/h。

giceliang为测量的楼栋的流量，m³/h；本发明所涉及的管网泄漏检测系统的特征还在于：用于检测的数据可以是数据库系统里已经存在的数据，也可以是实时采集上传的数据。

其特征还在于：可以在线实时对采集上来的数据进行管网泄漏实时检测，也可以将采集上来的数据先存储到数据库，然后在某个时间调出需要处理的数据集中进行管网泄漏检测。

本发明为解决所述技术问题，还提供了一种基于供热管网水力模型和bp神经网络的管网泄漏检测系统，其特征在于：该系统由数据采集模块、中央服务器和数据检测模块构成，其中采集模块用来采集数据，上传至中央服务器，内置在中央服务器里的管网泄漏检测模块根据本发明提供的方法进行管网泄漏的检测。

如前所述，本发明方法和基于该方法的系统可以有效检测管网泄漏位置，对于管网的安全运营以及降低运营成本具有重要的实际意义。

附图说明

图1是基于供热管网水力模型和bp神经网络的管网泄漏检测流程图。

图2是基于供热管网水力模型和bp神经网络的管网泄漏检测系统原理架构图。

具体实施方式

下面结合附图及实例对本发明的技术方案做进一步说明，但它不构成对本发明权利要求的限制：

如图1所示，将位于热力站和二次管网上的温度、压力和流量传感器作为数据采集模块，将采集到的数据上传至中心服务器，中心服务器采集到一段时间的数据后，首先利用本专利提供的方法构建管网泄漏检测模型，然后将采集到的真实压力数据输入到管网泄漏检测模型即可检测出泄漏点的位置，具体按照如下步骤进行处理：

(1)通过位于热力站处的供回水压力传感器测量并计算得到管网供回水压差，即管网的资用压力，将其作为管网水泵的扬程。未发生泄漏时的管网拓扑结构、各个管段的阻抗和各个楼栋的阻抗均为管网的已知基础资料。

(2)将第(1)步得到的基础数据通过内置于中心服务器的管网水力模型算法，计算得到未发生泄漏时的管网节点压力；

(3)在中心服务器中泄漏检测模型算法中自动改变泄漏管段、泄漏点在管段上的位置和泄漏流量，得到不同泄漏工况，通过管网水力模型，分别计算这些泄漏工况的管网节点压力；

(4)给第(2)(3)步中得到未泄漏和泄漏工况下的管网节点压力中根据式(1)添加传感器误差项

pci_rand＝pci+pci*∈*rand(1)

式中：pci_rand为经过传感器误差修正的管网节点压力值；pci为计算得到未经修正的管网节点压力值；∈为传感器精度；rand为-1～1之间服从均匀分布的随机值。

(5)利用式(2)计算相对压力差

式中：δpi为每一节点的相对压力差；psi_rand为经过传感器误差修正的泄漏工况的节点压力；pni_rand为经过修正的未泄漏工况的节点压力。

(6)将相对压力差作为内置于中心服务器中bp神经网络算法的输入数据，训练bp神经网络得到管网泄漏检测模型。

(7)将真实压力传感器测得的节点压力数据通过式(2)计算出相对压力差，输入到管网泄漏检测模型中即可输出泄漏位置。

上述步骤(1)中各个楼栋的阻抗可以采用直接测量楼栋压降和流量的方法获取也可以采用假定热指标法确定各个楼栋的阻抗，计算方法如下；

1)通过式(3)计算供暖系统热指标

式中：rs为系统热指标，kw/m²；∑ai为系统总供暖面积，m²，为前期调查的基础资料；q为供暖系统总热负荷，kw，通过在换热站处的热量表获得。

2)假定楼栋热指标等于系统热指标，通过式(4)计算各个楼栋的流量

式中：gi为各个楼栋的流量，m³/h；ri为各个楼栋的热指标，kw/m²，假定等于步骤1)中计算得到的系统热指标rs；ai为每个楼栋的供暖面积，m²，为前期调查的基础资料；δti为各个楼栋的供回水温差，℃，通过位于楼栋热力入口处的温度传感器得到；δt为供暖系统供回水温差，℃，通过位于热力站处的温度传感器得到；gsys为供暖系统循环流量，m³/h，通过位于热力站处的流量计得到；c为水的比热容，kj/(kg·k)；ρ为水的密度，kg/m³。

3)采用式(5)对楼栋流量进行修正

式中：gir为各个楼栋的修正流量，m³/h；∑gi为计算得到的各个楼栋流量之和，m³/h。

4)利用式(6)计算各个楼栋的阻抗

式中：si为各个楼栋的阻抗，pa/(m³/h)²；δpi为各个楼栋的供回水压降，m³/h，通过位于楼栋热力入口处的压力传感器得到。

在步骤(2)中的管网水力模型包括管网节点连续性方程、环路能量方程和管段阻力特性方程这三组矩阵方程，求解该矩阵方程组可以采用mkp算法，该算法简单实用，收敛速度快。管网水力模型和mkp算法是已经公开的技术。

应当理解，上述实施方式仅为本发明的较佳实施例而已，用来描述本发明原理的应用，在不背离本发明的精神或本质特性的情况下，本发明可以实施为其他的具体形式。所述实施方式无论从哪一方面来看都应当认为仅是作为说明性的，而不应认为是限制性的。因此，本发明的范围应当以所附权利要求为准，而不是以前述发明为准，根据权利要求的实质精神和等效手段所做的变型都落入其范围之内。

尽管已经利用与目前认为是本发明的最实用以及优选的实施方式相关的特性和细节全面地描述了本发明，但对于本领域技术人员来说显而易见的各种变化和/或改善，包括但不限制于大小，材料，形状，接口形式，接口位置、功能和操作方式，组装和做出的使用上的改变，这些都不背离在权利要求中阐述的本发明的原理和概念。