一种基于物联网技术的城市排水管网远程监测维护系统的制作方法

本发明涉及排水管网监测，尤其涉及一种基于物联网技术的城市排水管网远程监测维护系统。

背景技术：

1、物联网技术是值通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议将任何物品与互联网相连接，进行信息交换和通讯以实现智能化识别、定位、追踪、监控和管理的一种网络技术，如今在各个领域都可以利用该项技术以此来减轻大量的人力物力；城市排水系统关乎城市居民的饮用水安全和防洪抗灾，利用物联网技术可以将城市排水系统各个节点的实况反馈到系统终端，实现对城市排水管网的远程监测；

2、现有的城市排水管网远程监测系统是通过在排水管道节点安装传感器，通过传感器实时传回的污水数据来监测排水管道的使用情况，此方法可以节省大量排水管道巡查人员的工作量，提高工作效率，但仍有一定局限性；针对雨污分流的排水管网系统，现有的监测平台缺乏对雨水管道的单独监测，并且在监测过程中重在分析实时数据，缺乏根据降雨量做出排水管异常情况的预测；

3、针对上述的技术缺陷，现提出一种解决方案。

技术实现思路

1、本发明的目的在于：通过对污水管道和雨水管道的分类标记，实现对雨污管道的分类监测；通过中心控制单元生成检测信号，以实现实时核验排水管网节点数据采集器的设备状态和远程自动开启数据采集器，大大节省了节点数据采集器巡查维护的人力成本；通过数据采集器传送的实况数据判断排水管网的运行状态，同时通过函数拟合的方法分别构建污水管道异常预测模型和雨水管道异常预测模型，以实现通过时段预测污水管道的运行状态和通过降雨量预测雨水管道的运行状态。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于物联网技术的城市排水管网远程监测维护系统，包括管网标记单元、中心控制单元、设备监测单元、数据采集器、数据监测单元、数据存储单元、异常预测单元、用户显示单元和远程操控单元；

4、管网标记单元用于对污水管道和雨水管道做分类标记；中心控制单元用于生成监测信号并分别发送至设备监测单元和数据采集器，设备监测单元接收到监测信号时对城市排水管网各节点的数据采集器进行运行核验，数据采集器接收到监测信号时开始实时采集各节点的排水管网数据并分别发送至数据监测单元和数据存储单元；数据监测单元通过排水管网数据实时监测排水管网的运行状态；异常预测单元通过对数据存储单元中的排水管网数据进行整合分析，构建排水管网异常预测模型，通过异常预测模型实时预测节点在未来时段的异常运行状态；用户显示单元信号连接有设备监测单元、数据监测单元和异常预测单元，通过对设备监测单元、数据监测单元和异常预测单元产生的异常信号接收并显示，实现异常状态的实时告警；远程操控单元用于远程自动控制排水出口的阀门。

5、进一步的，管网标记单元对污水管道和雨水管道做分类标记的过程如下：

6、步骤一：获取城市排水管网平面规划图，以东西方向为x轴，南北方向为y轴建立平面直角坐标系，其中x轴正方向为向东，y轴正方向为向北；

7、步骤二：按照污水管道和雨水管道对排水管进行区分并分别标记为污水管道集合a和雨水管道集合b；

8、步骤二：分别获取污水管道和雨水管道中安装数据采集器的各管道节点的位置坐标，并将位置坐标按照对应的管道类别分别合并生成污水管道采集器集合x和雨水管道采集器集合y。

9、进一步的，设备监测单元对城市排水管网各节点的数据采集器进行运行核验的工作过程如下：

10、设备监测单元接收到监测信号时，同时向排水管网各节点的数据采集器发送可反馈信息，对返回的可反馈信息进行分析判断各节点数据采集器的运行状态，其中，运行状态判断包括在线状态、信息传输速度和信息传输错误率；

11、其中，在线状态判断方法为：记录返回的可反馈信息数量并与各节点数据采集器的总数进行对比，当返回的可反馈信息数量与各节点数据采集器的总数相等时，各节点的数据采集器均为在线状态，此时不做处理；当返回的可反馈信息数量小于各节点数据采集器的总数时，获取未返回可反馈信息的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态；

12、信息传输速度判断方法为：从反馈信息发出起开始计时，并在可反馈信息返回时结束计时，通过计时的时长判断信息传输速度；将计时的时长与预设时长对比，当计时的时长小于或等于预设时长时，节点的数据采集器信息传输速度正常，此时不做处理；当计时的时长大于预设时长时，获取返回反馈信息时长大于预设时长的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态；

13、信息传输错误率判断方法为：分别获取可反馈信息和返回的可反馈信息的字符，将二者依次进行比对计算信息传输错误率p，具体计算公式为：

14、

15、其中，m为可反馈信息中的字符数量，n为返回的可反馈信息中的错误字符和缺失字符数量之和；

16、将信息传输错误率p与预设值进行比较，当p小于或等于预设值时，信息传输错误率处在正常水平，此时不做处理；当p大于预设值时，数据采集器的信息传输错误率异常，此时获取具有异常信息传输错误率的数据采集器对应节点的位置坐标并发送至用户显示单元，由管理员调配相关技术人员前去查看数据采集器的实际状态。

17、进一步的，数据采集器实时采集的排水管网数据具体为：

18、污水管道采集器集合x中的数据采集器实时采集污水管道中的污水水位、污水流量、管道压力和管道周围的土壤湿度；

19、雨水管道采集器集合y中的数据采集器实时采集降雨量、雨水管道中的雨水水位、雨水流量和水质数据；

20、其中，排水管内水位、流量越大，则排水管堵塞引发内涝的可能性越大；管道压力越大，则排水管的管体受损可能性越大；管道周围的土壤湿度越大，则排水管的渗漏可能性程度越大；降雨量越大，雨水管道的承载压力越大；水质数据为雨水中的有毒有害物质含量。

21、进一步的，数据监测单元的工作过程如下：

22、数据监测单元实时接收数据采集器发送的排水管网数据，通过将排水管网数据与预设阈值进行对比，当存在某个数据超过与之对应的预设阈值时，该数据对应排水管网节点存在异常情况，此时将异常数据和异常数据对应数据采集器位置坐标发送至用户显示单元，由管理员调配技术人员前去查看对应排水管节点的实际状态；

23、其中，数据监测单元信号连接有远程操控单元，当雨水管道中水质数据异常时，数据监测单元将异常水质数据对应雨水管道节点位置坐标发送至远程操控单元，通过远程操控单元自动控制该节点前后阀门，防止含有害物质雨水从雨水管道出口流出。

24、进一步的，异常预测单元构建排水管网异常预测模型的过程如下：

25、将数据存储单元中的排水管网数据按照来源进行分类标记，具体为将来源于污水管道采集器集合x中数据采集器的数据集合标记为x，将来源于雨水管道采集器集合y中数据采集器的数据集合标记为y，分别通过集合x和集合y构建生成污水管道异常预测模型和雨水管道异常预测模型；其中污水管道异常预测模型反应污水管道内水位、流量和管道压力与时段的关系；雨水管道异常预测模型反应雨水管道内水位、流量与降雨量的关系。

26、进一步的，通过上述集合x构建污水管道异常预测模型的具体步骤如下：

27、步骤一：分别将集合x中的水位数据、流量数据和管道压力数据按照时序进行排列；

28、步骤二：获取预设时间周期内连续的水位数据、流量数据和管道压力数据，以时间为自变量，水位数据、流量数据和管道压力数据为因变量，分别记录预设周期内水位、流量和管道压力随时间变化的函数图像；

29、步骤三：根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值；

30、步骤四：重新获取预设时间周期内污水管道中连续的水位数据、流量数据和管道压力数据，对上述拟合的函数进行误差检验；具体为带入预设时间周期内的时间，分别计算出该预设周期内规定时间节点处的水位数据、流量数据和管道压力数据，再对计算出的水位数据、流量数据和管道压力数据与实际获取的水位数据、流量数据和管道压力数据分别作差求出误差值；

31、当误差小于或等于预设误差时，将该拟合函数标定为污水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差。

32、进一步的，通过上述集合y构建雨水管道异常预测模型的具体步骤如下：

33、步骤一：获取预设周期内雨水管道中连续的水位数据、流量数据和降雨量，并分别将上述获取的数据按照时序进行排列；

34、步骤二：以降雨量为自变量，水位数据和流量数据为因变量，分别记录预设周期内水位和流量随降雨量变化的函数图像；

35、步骤三：根据函数图像的性质选择拟合函数对上述图像进行拟合，并设定预设误差值；

36、步骤四：重新获取预设时间周期内雨水管道中连续的水位数据、流量数据和降雨量，对上述拟合的函数进行误差检验；具体为带入预设周期内的降雨量，分别计算出该预设周期内规定时间节点的水位数据和流量数据，再对计算出的水位数据和流量数据与实际获取的水位数据和流量数据分别作差求出误差值；

37、当误差小于或等于预设误差时，将该拟合函数标定为雨水管道异常预测模型；当误差大于预设误差时，重新对步骤二中描绘的函数图像进行拟合并检验，直到误差小于或等于预设误差。

38、进一步的，通过异常预测模型对排水管网异常运行状态进行预测的过程如下：

39、通过污水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将未来时段的时间作为输入值带入污水管道异常预测模型，求出对应时间污水管道的水位、流量和管道压力预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒；

40、通过雨水管道异常预测模型进行异常预测的过程具体为：每隔预设时间周期，将当地气象部门预测降雨量数据作为输入值带入雨水管道异常预测模型，求出该预测降雨量对应时间雨水管道的数位和流量预测值；当上述求出的预测值小于或等于预设值时，不做处理；反之，当上述求出的预测值大于预设值时，异常预测单元将预测的异常数据发送至用户显示单元实现预测提醒。

41、综上所述，由于采用了上述技术方案，本发明的有益效果是：

42、本发明通过对污水管道和雨水管道的分类标记，实现对雨污管道的分类监测；通过中心控制单元生成检测信号，以实现实时核验排水管网节点数据采集器的设备状态和远程自动开启数据采集器，大大节省了节点数据采集器巡查维护的人力成本；通过数据采集器传送的实况数据判断排水管网的运行状态，同时通过函数拟合的方法分别构建污水管道异常预测模型和雨水管道异常预测模型，以实现通过时段预测污水管道的运行状态和通过降雨量预测雨水管道的运行状态。