CN104885102A - 实时估计分配给用户的流体的总消耗的方法及实施该方法的分配网 - Google Patents

Abstract

一种实时估计流体的总消耗量的方法，流体尤其是水或气体，流体从单位(A)经由供给管道网(E)分配给用户(b1，b2……)，供给管道网(E)具有针对每个用户的支路(d1，d2……)并且配有由该用户消耗的流体的流量计(c1，c2……)，根据该方法：确定包括多个用户的用户层级，所述多个用户具有针对流体的消耗量的均匀行为；针对这些层级中的至少一个层级，确定该层级的用户样本，所述用户样本在统计上足以表示该层级；仅为每个样本的用户的支路配备消耗量的远程读取设备(t1，t2……)；还为未被采样的其它层级的用户的支路配备远程读取设备；以及处理由远程读取设备提供的信息以便实时获得表示网络的总消耗量的值。

Description

实时估计分配给用户的流体的总消耗的方法及实施该方法的分配网

技术领域

本发明涉及实时估计从单位经由供给管线网分配给用户的流体尤其是水或天然气的总消耗的方法，供给管线网针对每个用户具有支路，用户配有由该用户消耗的流体的流量计。

背景技术

“实时估计总消耗”的表述是指在精确时间步长上的消耗的估计，例如在几小时上的消耗，或在一天，或在一周，也就是说在相对于抄录结算时段而言相对较小的时段上。

对于保证流体供应和分配的企业来说，为了较好管理分配网络，重要的是知道实时消耗及在各用户之间的分布。更确切地说，在水分布的情况下，实时知道消耗允许检测网络上的异常，尤其是当由分配方提供的水量和根据用户流量计的消耗水量之间出现可感知的差异时，这尤其允许在线确定不当的提取或可能的损失。

流量计尤其是水表的远程读取，允许确切知道在给定时刻用户的饮用水消耗。然而，对网络中所有用户实施这样的读取导致太大的投资成本。

发明内容

本发明的目的尤其是允许实时精确估计网络的总消耗量，而不会引起用于获得所追求消耗值的材料和/或人员的太大开支。

根据本发明，该方法的特征在于：

－确定包括多个用户的用户层级，所述多个用户具有针对流体的消耗量的均匀行为，

－针对这些层级中的至少一个层级，确定该层级的用户样本，所述用户样本的数量小于该层次总用户数，但统计上足以表示该层级，

－仅为每个样本的用户的支路配备消耗量的远程读取设备，

－还为未被采样的其它层级的用户的支路配备远程读取设备，

－以及处理由远程读取设备提供的信息以便实时获得表示网络的总消耗量的值。

优选地，用户层级是基于多个月或一年的消耗时段而确定的，并且每个层级组合了在所考虑时段上的消耗量介于两个预定消耗界限之间的用户。

有利地，与最大消耗量相对应的最高层级的用户的所有支路都配有远程读取设备，而与大于零值的消耗量相对应的其它层级被采样，并且仅每个层级的样本的用户的支路才配备有远程读取设备。

在样本中的用户的数量和层级的数量是根据期望的精度通过统计规则确定的。

有利地，层级的数量等于6。最高层级对应于最大消耗量。

由远程读取设备提供的消耗量指标优选地被通过插值调整为固定的小时。

层级的组成可被通过用户消耗量的定期更新的信息矫正。

执行对所读取的数据的处理以便：消除畸变的数据，通过插值或外推重构缺少的数据，并且确定总的消耗量。

在用n’表示要采样的所有层级的用户的总数量的情况下，在一个层级h内的样本的尺寸n_h被有利地根据奈曼分配来进行，根据奈曼分配，尺寸n_h取决于该层级中的总数量N_h以及在该层级内的离散差的平方根S_h：

$n_h=n^{\′}\×\frac{N_h{S}_h}{\underset{h=1}{\overset{L-1}{\mathrm{\Σ}}}{N}_h{S}_h}$

其中L-1等于被采样的层级的数量。

本发明还涉及一种流体分配网络，流体尤其是水，该网络实施根据前面所述的方法，该网络包括：由单位供给的一组管道，以及配有流量计的用于把要消耗的流体发送给用户的支路，这些支路中的一些配有远程读取设备，该网络的特征在于，通过考虑每个用户的消耗量来分布数量小于流量计的数量的远程读取设备，一个支路配备远程读取设备的概率与连接到该支路的用户的消耗量成正比。

有利地，配有远程读取设备的支路的数量对估计量的精度有较大影响。所选的研究区域专用的采样率对应于所需精度，尤其是对于泄漏的检测。

有利地，配有远程读取设备的支路的数量可以小于或等于支路的总数量的20％，尤其是大约10％，并且远程读取设备的分布可以是根据所采样的每个用户的消耗量来执行的，以使得用远程读取设备的这个受限数量估计的总消耗量的可靠度达±10％以内。

附图说明

除了上述特征之外，本发明还包括一定数量的其它特征，这些特征是参照附图结合非限定方式的实施例具体描述的。在附图中：

图1示出流体分配网的示意图。

图2是根据用百分比表示的探测率和层数的估计量的精度(相对误差)；估计的理论精度在纵轴上以百分数表示，而层数在横轴上；不同曲线从上到下对应于用户的10％、15％、20％和25％的探测率。

图3是根据各年度的消耗的在水分配网上分叉的用户的按层划分。

图4是根据同一分配网的用户的年度消耗的分布函数的图，横轴上是付费的年度消耗，以大尺寸示出，纵轴是以百分比表示的累积频率。

图5是图4的分布函数的类似的图，其中横轴上的尺度较小。

图6是示出根据横轴上的采样尺寸的每日消耗的估计误差的图，而纵轴上是每日消耗的误差的百分比，以及

图7是示出一年上的总日均消耗的分层探测估计的图，消耗在纵轴上并且被针对测量值用实曲线示出、针对估计值用点线示出、以及针对95％(IC95％)的置信度界限用破折线示出。

具体实施方式

下面的描述针对水分配网给出，但是可以应用于水以外的流体的任何分配网，尤其是气体分配网。

图1简洁示意地示出从生产或存储单位A经由管道网E分配给用户b1、b2的水分配网络，导管网E在用于每个用户的支路d1、d2处配有用户消耗的水的流量计c1、c2…。从单位A一出来处，在主管道上提供总流量计c0，允许知道由向网络提供的水量。

不同用户的总消耗的实时知识对于例如通过比较根据流量计所消耗的量和根据总流量计c0的供给量来确定异常(如网络上的不当提取)是重要的。

在同一网络上分支的用户的数量可以超过几千。本发明的方法旨在允许准确知道用户总体在一个时间步长(特别在一天)上的水消耗，而无需与总体地针对所有用户布置远程读取设备相对应的太大投资。

安装在如c1之类的流量计上的远程读取设备t1允许与提取时刻的指示一起以指标的形式远程传送在给定时刻读取的水消耗量。尤其通过无线电传送的该信息被中心G收集，中心G包括用于处理数据的计算装置和存储装置。

根据本发明的实时估计尤其是日均水消耗量的方法包括首先是指出要被选作样本和要配备有远程读取设备(远程读取发射器t1、t2…)。

要配备的用户的样本构成

确定以下用户层级：包括具有针对水消耗量而言的均匀行为的一定数量的用户。因此把总体分解为消耗层级，也就是说，对于所考虑的参数(水消耗)而言的均匀行为的个体组。然后从每个这些层提取采样。

给定水分配网的数据库上可用的信息，最相关的信息是一年中应付款的水的个体量，这是与日均消耗相关的变量。

基于应付款的个体年消耗而构成的层级可在下文被称为“消耗层级”。

针对所考虑的分配网，目的是使用有限投入通过考虑已知的年消耗、基于全局样本(其尺寸是预定的)来获得所有网络用户的日均消耗的尽可能精确的估计。

图2是针对介于10％和25％之间的总探测率P来示出针对层数L为6时精确最佳并因此估计误差最小的图。

用户总体的总探测率P对应于比率P＝n/N，n是被采样的用户数“n”，也就是配有远程读取设备的用户数，N是用户总数。

用户总体的探测率P取决于如图6所示的精度，其根据在横轴上用单位表示的采样尺寸来给出在纵轴上的用日均消耗误差百分比表示的精度。对于约180单位的总样本，精确为7％的量级，并且对于约315单位的总样本，精度为5％的量级。

在这些层级中，两个从一开始是固定的：层级0，对应于零或负应付款的消耗，例如因为没有消耗和/或会计调整；以及“大消费者”的最上层级(所考虑示例中是层级5)，其个人年消耗量等于或大于固定边界，例如1000m³，其主要涉及工业企业，中小型公司，医院或其它集团。考虑到其大的消耗，这些用户的支路穷尽地配有远程读取设备。

其余层级1－4是根据统计方法定义的，特别是Serfling方法，根据该方法层级的划分是根据分层变量的分布函数来进行的。随机变量X的分布函数是以下函数：其把随机变量X小于或等于x的概率关联到任何值x。

在目前情况下，随机变量是用户的应付款的一年水消耗量。根据图4，可见用户的年均消耗量小于1000m³的概率或累积频率约为99％。根据图5，图5中横轴上的年均消耗量更展开，可见针对用户的年均消耗量小于20m³的概率约为18％，而针对用户的年均消耗量小于80m³的概率约为42％。

层级1，如图5所示并且在图3的表中所指示那样，对应于大于每年0m³并且至多等于75m³的年消耗量。层级2，对应于大于75m³并且最多等于140m³的年均消耗量。层级3，对应于大于140m³并且小于或等于235m³的年均消耗量。层级4，对应于大于235m³并且小于或等于999m³的年均消耗量。层级5对应于大于999m³的年均消耗量。

在已经通过消耗量边界定义了层级的情况下，仍要确定在一个层级内部要配备远程读取设备的用户数量，也就是说确定针对每个层级的用户样本。

在一个层级内要采样的用户数量与所获得的估计量的精度相关联。要采样的用户数量是n＝P×N，P是用户总体的探测率，其取决于所需的精度(图3)。

用于构成一个层级中的样本的用户数量对应于某个标准，而在该层级中的配有远程读取设备的用户的选择是随机的，直到获得采样用户的数量。

对于层级5，对应于例如年消耗量大于或等于1000m³的“大消费者”，该层级5的所有用户被穷尽地探测，也就是说，全都配有远程读取设备。事实上，由于其大消耗及其等于15的较小数量(在所考虑示例中小于用户总数的1％)，相对于可能很大的估计误差而言全都配有远程读取设备不是那么昂贵。

注意N_G是属于层级5的用户数量，因此n’＝n-N_G是要采样的用户。

用户的分布有利地根据奈曼(Neyman)分配来进行，根据奈曼分配，一个层级h内的样本数量n_h取决于该层级中的总数量N_h，以及取决于该层级内的离散差的方根S_h：

$n_h=n^{\′}\×\frac{N_h{S}_h}{\underset{h=1}{\overset{L-1}{\mathrm{\Σ}}}{N}_h{S}_h}.$

在该公式中，L等于层级数，L－1等于被采样的层级数。

在图4和图5上，层级被垂直点线限定，其横轴对应于针对图3的表中的层级给出的边界的数值值。

在不同层级中的样本已被选择之后，每个样本的用户的支路配有远程读取设备，其允许获取关于确定的时间步长Δ_t(尤其是6h的时间步长)的真实消耗数据，在此情况下针对配有远程读取设备的每个用户而言获取每天4个消耗指标。

所获取的数据至少包括消耗指标和该指标被提取的时刻。所获取的数据是原始的并且这些数据的处理根据以下过程是必需的，这些过程是通过在中央处理装置中安装的软件保证的：

a-指标数据的验证/无效

第一预处理阶段包括对获取的数据进行过滤来隔开明显错误并因此无效的数据。这样的数据可以由于指标数据的发射/接收错误而产生。

b-在固定时刻的指标数据的重构

所剩下的指标可能是在不同时刻获得的，例如6时10分钟获得的，然而希望获得在固定时刻(例如6时)的消耗指标。在固定时刻(尤其是00时，6时，12时，18时)的消耗指标是基于所获取的数据通过插值方法来确定的，插值方法可以是线性的和/或根据根据输入的流率。对于这样的插值，考虑在两个连续有效的指标之间消耗量或者是线性的(线性插值)或者与输入流量成比例(根据输入流量的插值)。

总消耗量估计

在处理之后，由远程读取设备提供的数据适于用来估计消耗量。

在已基于划分为层级的用户总体而构建样本的情况下，该方法包括计算来自该层级的估计量。所获得的估计量称为“无偏”，也就是说，与真实值的平均偏差几乎为零。然而根据所选样本大小，精度有所差异。

对于每个层级的每个样本，计算日均消耗量的平均值对该平均值可以用层级的权重予以加权，也就是说，层级的数量N_h予以加权。对于每个层级，被估计的每日的量因此等于针对消耗的所估计的每日总量等于：

方法的验证

为了验证由该方法提供的结果，对于包括1822个用户的现有分配网进行了模拟，这些用户全配有远程读取设备。

本发明的方法被用于该用户群体，并且日均消耗量被借助于总群体的层级和样本来估计。如此估计的日均消耗量被与真实消耗量进行比较，真实消耗量因为所有用户配有远程读取设备而是已知的。图3表采用其中层级和样本已被建立的条件。层级的边界已经评述过了。

表示为m³并且表示为一年的总消耗量的列“层级的消耗量”由以下数量构成：

层级0：－224m³；该负值可以对应于针对该层级中的4个用户的消耗矫正。

层级1：年均总消耗量是22518m³，这表示针对该层级(或用户总数的39.35％)中的717个用户数量在网络上总消耗量的9.72％；针对该层级的用户样本由134个用户构成(该层级的用户总数的18.89％)。

涉及层级2、3和4的数据可以以与层级1相同的方式读取。

关于“大消费者”的层级5，用户的数量等于15，并且如已经指出的那样，该层级的所有用户都被考虑到，这对应于该层级的100％的探测率。

通过加算每个层级的用户数N_h，获得所考虑分配网上的1822个用户。

通过加算配有远程读取设备的用户的样本数n_h，获得364，这对应于用户总量的20％的总探测率。

图7上示出模拟的结果。时间示于横轴上，以日期的形式示出，并且在一年上延伸。在纵轴上示出以m³表示的日均消耗量。

实现曲线K1对应于借助由所有用户的远程读取设备提供的所有值测量的消耗量。虚线曲线K2对应于借助于根据本发明方法确定的样本的日均消耗量的估计值，其中所考虑的远程读取设备的数量减小(在所考虑示例中为20％)。

可见曲线K2非常接近于曲线K1，估计值接近于真实值。

曲线K3和K4对应于估计的95％置信度的间隔的边界。

本发明允许使用远程读取设备的有限投资、较为精确地实时估计在精细时间步长上、尤其是一天上的网络流体消耗量。

总消耗量的估计时间步长可以从一天起不同，并且可以在必要时减小到6小时甚至1小时。

根据本发明，流体分配网络配有较小数量的通过样本确定的分布在用户支路上的远程读取设备。

仅有限数量的用户的支路配有远程读取设备，并且远程读取设备的分布是通过考虑每个用户在几个月时段上的消耗量来执行的，针对一个支路被装配的概率与连接到该支路的用户的消耗量成正比。

配有远程读取设备的支路的数量影响获得的估计量的精度。在研究情况中，使用最小10％的装配比率，估计误差不超过真实量的10％。

Claims (11)

1.一种实时估计流体的总消耗量的方法，流体尤其是水或气体，流体从单位(A)经由供给管道网(E)分配给用户(b1，b2……)，供给管道网(E)具有针对每个用户的支路(d1，d2……)并且配有由该用户消耗的流体的流量计(c1，c2……)，其特征在于：

－确定包括多个用户的用户层级，所述多个用户具有针对流体的消耗量的均匀行为，

－针对这些层级中的至少一个层级，确定该层级的用户样本，所述用户样本的数量小于该层次总用户数，但统计上足以表示该层级，

－仅为每个样本的用户的支路配备消耗量的远程读取设备(t1，t2……)，

－还为未被采样的其它层级的用户的支路配备远程读取设备，

－以及处理由远程读取设备提供的信息以便实时获得表示网络的总消耗量的值。

2.根据权利要求1所述的方法，其特征在于，用户层级是基于多个月或一年的消耗时段而确定的，并且每个层级组合了在所考虑时段上的消耗量介于两个预定消耗界限之间的用户。

3.根据权利要求1或2所述的方法，其特征在于，与最大消耗量相对应的最高层级的用户的所有支路都配有远程读取设备，而与大于零值的消耗量相对应的其它层级被采样，并且仅每个层级的样本的用户的支路才配备有远程读取设备。

4.根据前述权利要求中任一项所述的方法，其特征在于，在样本中的用户的数量和层级的数量是根据期望的精度通过统计规则确定的。

5.根据前述权利要求中任一项所述的方法，其特征在于，层级的数量等于6，其中一个层级是零消耗量。

6.根据前述权利要求中任一项所述的方法，其特征在于，由远程读取设备提供的消耗量指标被通过插值调整为固定的小时。

7.根据前述权利要求中任一项所述的方法，其特征在于，层级的组成被通过用户消耗量的定期更新的信息矫正。

8.根据前述权利要求中任一项所述的方法，其特征在于，执行对所读取的数据的处理以便：消除畸变的数据，通过插值或外推重构缺少的数据，并且确定总的消耗量。

9.根据前述权利要求中任一项所述的方法，其特征在于，在用n’表示要采样的所有层级的用户的总数量的情况下，在一个层级h内的样本的尺寸n_h被根据奈曼分配来进行，根据奈曼分配，尺寸n_h取决于该层级中的总数量N_h以及在该层级内的离散差的平方根S_h：

$n_h=n^{\′}\×\frac{N_h{S}_h}{\underset{h=1}{\overset{L-1}{\mathrm{\Σ}}}{N}_h{S}_h}$

其中L-1等于被采样的层级的数量。

10.一种流体分配网络，流体尤其是水，该网络实施根据前述权利要求中任一项所述的方法，该网络包括：由单位(A)供给的一组管道(E)，以及配有流量计(c1，c2……)的用于把要消耗的流体发送给用户的支路(d1，d2……)，这些支路中的一些配有远程读取设备，其特征在于，通过考虑每个用户的消耗量来分布数量小于流量计的数量的远程读取设备，一个支路配备远程读取设备的概率与连接到该支路的用户的消耗量成正比。

11.根据权利要求10所述的流体分配网络，其特征在于，配有远程读取设备的支路(d1，d2……)的数量小于或等于支路的总数量的20％，尤其是大约10％，并且远程读取设备的分布是根据所采样的每个用户的消耗量来执行的，以使得用远程读取设备的这个受限数量估计的总消耗量的可靠度达±10％以内。