CN101806396A - 城市供水管网压力分布图的生成方法 - Google Patents

Abstract

本发明涉及的是一种监测技术领域的城市供水管网压力分布图的生成方法。本发明首先利用SCADA系统从供水管网采集测压点、水厂、泵站等节点的压力数据，然后对采集到的节点数据进行预处理，然后对采集到的压力数据样本进行有约束的聚类分析，之后根据聚类结果对供水管网进行区域划分，并从各个区域中选择一个代表性压力节点，以代表其所在区域的压力水平，最后根据各区域压力值显示不同颜色，输出供水管网压力分布图。本发明采用的方法简单高效、鲁棒性强。如果管线发生破损泄漏事故，由于一类中的节点是管线相邻的，压力存在因果关系，因而代表性压力节点仍具有压力值的代表性。

Description

城市供水管网压力分布图的生成方法

技术领域

本发明涉及的是一种监测技术领域的方法，具体是一种城市供水管网压力分布图的生成方法。

背景技术

随着工业生产能力的提高，城市供水系统的规模在不断扩大，供水管网复杂性也随之提高。但是随之而来的是日益增多的各种各样的爆管事故，很多用户存在着水压不足的现象。而通过一幅供水管网压力分布图可以及时监测了解管网的压力信息，对爆管进行有效定位，甚至提前发现高压区域，及时采取措施，防止爆管事故的发生。因此城市供水管网压力分布图的生成，就是供水安全及管网状态监测领域的重要问题。

经过对现有技术的检索发现，目前常用的供水管网压力分布图生成主要借助于物理建模、神经网络建模和水动力学建模三种方法。物理建模占用实验室大量的空间和设备成本，且模拟精度不高；张宏伟等人在2003年在《系统工程理论与实践》上发表的“神经网络法建立城市供水管网宏观模型的研究”向人们展示了采用神经网络法建立了神经网络管网宏观模型，并成功运用于管网工作状态的动态模拟，进而估计供水管网压力分布。该模型具有原理简单、准确性高、时效性强等特点。但是神经网络建模缺乏实际物理意义，模型较难理解，对训练数据具有较强的依赖性，且对于出现的突发性变化，会产生较大的误差，实际利用价值大打折扣；赵安瑜等人在2008年在《计算机技术》发表的“杭州市供水管网模型的建立”采用英国InfoWorks WS模型软件对杭州市主城区的供水管网进行水动力建模，由此建立起来的供水管网模型系统能够基本反映管网的实际运行情况。但是水动力学建模，需要对整个供水管网有全面、充分且精确的认识，需要大量的管网数据，而实际中，即使对于供水监督管理部门，这些信息也往往是残缺不全的。

发明内容

本发明针对现有技术存在的上述不足，提供一种城市供水管网压力分布图的生成方法，可以在有限测压点的情况下，低成本、简单有效地绘制供水管网压力分布图，可广泛应用于城市供水管网的压力检测、预警预报等领域。

本发明是通过以下技术方案实现的：

首先利用SCADA系统从供水管网采集测压点、水厂、泵站等节点的压力数据，然后对采集到的节点数据进行预处理，然后对采集到的压力数据样本进行有约束的聚类分析，之后根据聚类结果对供水管网进行区域划分，并从各个区域中选择一个代表性压力节点，以代表其所在区域的压力水平，最后根据各区域压力值显示不同颜色，输出供水管网压力分布图。

本发明包括以下步骤：

①.通过SCADA系统对供水管网压力节点进行数据采集，采集供水区域内各压力节点在一段时间内的压力数据。

所述的时间，是指含有压力的周期性变化的时间域宽度。时间域的选择应尽量避开管网的事故高发时段，以免降低聚类的结果的参考价值。

②.将采集到的压力数据读入计算机并进行数据预处理。

所述的数据预处理，首先进行坏点处理，如果某一节点的压力数据在超过半小时的时间范围内，一直维持在零值不变，即认为发生了通信故障，需要进行坏点处理；

所述的数据预处理，操作步骤如下：

取故障发生前最后一个采集值及故障结束后第一个采集值的平均值作为这段时间内节点的压力值。然后进行时间序列统一化处理，对采集到的各节点压力数据进行三次样条插值，将时间连续化，得到光滑的压力曲线，之后，设置一个标准时间序列，利用压力曲线，为管网中各节点得到对应相同时间序列的压力向量。

③.对供水区域内的n个压力节点进行编号，记为a_i(i＝1，2，…，n)，然后建立压力节点管线直接相邻矩阵P_n×n：矩阵中元素p_ij表示压力节点a_i与a_j是否管线直接相邻，管线直接相邻则p_ij＝1，非管线直接相邻则p_ij＝0。

④.通过计算该次聚类过程的类间距离平均值及类内距离平均值，获得所有的压力节点聚为一类或者聚得的几类中无相邻类出现。

所述的获得所有的压力节点聚为一类或者聚得的几类中无相邻类出现，包括步骤如下：

先将n个样本分为n类，计算每一类的中心压力序列CL_i(i＝1，2，…，ncl)(ncl为当前聚类数)：

$\mathrm{CL}=\frac{X_1+X_2+...+X_m}{m}$

上式中m代表一个压力节点类中的压力节点数，X_i(i＝1，2，…，m)为每个压力节点的压力序列；

然后找出其所有管线相邻类中，与该类的压力距离最近的类，其中压力距离最近的两个类记为一类，并计算该次聚类过程的类间距离平均值及类内距离平均值；

进一步重复上述过程，直至所有的压力节点聚为一类或者聚得的几类中无相邻类出现。

⑤.根据类间距离平均值和类内距离平均值选取最优聚类数。

所述的最优聚类数，是指：因为类间距离平均值越大，表明类间分离性越好，聚类效果越好；类内距离平均值越小，表明类内汇聚性越好，聚类效果越好；由于类内距离平均值会随聚类数的增多而减少，因此，选取出现峰谷值的前一步对应的聚类数为最优聚类数。

⑥.每一类中选取类中离均差最小的压力节点作为该类的代表性节点。

⑦.根据每一类所包含的节点数对供水管网进行分区，然后通过SCADA实时提供代表性节点数据代表各区域的压力，每隔一个时间段，就由不同颜色显示不同压力值，最后，通过计算机生成输出供水管网的压力分布图。

本发明与现有技术相比的显著效果在于：本发明得到的聚类结果，易于根据管线分布情况，进行解释。同一类中的节点从压力值方面，具有相近的压力范围和相似的变化趋势；从管线结构方面，这些节点是管线相邻的。并且，各类节点所覆盖的管线区域保证不相交，但可以相连。所有类所覆盖的管线范围之和，构成了整个供水管网进行压力分布区域。这样，对压力节点的聚类，就变成了对供水区域的划分。某时刻，某一供水区域中管线或节点的压力水平，即可使用该区域对应的节点类的代表性压力节点在该时刻的压力值进行表示。同时本发明采用的方法简单高效、鲁棒性强。如果管线发生破损泄露事故，由于一类中的节点是管线相邻的，压力存在因果关系，因而代表性压力节点仍具有压力值的代表性。

具体实施方式

以下对本发明的技术方案作进一步详细说明。以下实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。

为了更好地理解本发明提出的方法，本实施例选取某城市的供水管网进行压力分布图的生成，具体实施步骤如下(使用VS2005开发平台实现)：

1.通过SCADA系统对供水管网压力节点进行数据采集。某城市市北部分区域中，有3大水厂(3个水厂共有8条出水管道，因而对应8个压力节点)，2个泵站，20个测压点。一共30个压力节点。然后对这30个节点进行编号，然后采集各压力节点从2008年11月1日0时到2008年12月1日0时共一个月的压力数据，这期间，该区域未有管网事故发生，符合数据采集要求。且一个月的时间也足以体现压力的周期性变化。

2.将采集到的压力数据读入计算机并进行数据预处理。进行数据插值，为去除边界点的影响，同时充分表现出数据的变化规律，将标准时间序列起点定为2008年11月1日0时15分，终点定为2008年11月30日23时45分，公差设为15分钟。这样，就得到了一个30×2879的矩阵YL，行号与压力节点的编号对应。显然，矩阵YL的行数等于压力节点的个数，列数等于标准时间序列中的时间点个数。

3.对供水区域内的30个压力节点进行编号，记为a_i(i＝1，2，…，30)，然后建立压力节点管线直接相邻矩阵P_30×30。

4.首先将30个样本分为30类，计算每一类的中心压力序列CL_i(i＝1，2，…，30)，然后找出其所有管线相邻类中，与该类的压力距离最近的类，其中压力距离最近的两个类记为一类，并计算该次聚类过程的类间距离平均值ado及类内距离平均值adi，然后重复上述过程，直至所有的压力节点聚为一类或者聚得的几类中无相邻类出现。聚类结果见表1、表2。

5.确定最优的聚类数。由表1可见，聚类数从第7类减为第6类时，评价指标类间距离平均值有明显的下降，因此，本实施例将该区域中的压力节点聚为7类。

表1

聚类数	30	29	28	27	26
						ado(×103)	2.318	2.326	2.363	2.309	2.342
adi(×106)	0	0.0008	0.0022	0.0056	0.0087
						聚类数	25	24	23	22	21

聚类数	30	29	28	27	26
						ado(×103)	2.320	2.332	2.355	2.387	2.414
adi(×106)	0.0130	0.0185	0.0212	0.0278	0.0364
						聚类数	20	19	18	17	16
ado(×103)	2.457	2.510	2.555	2.616	2.604
						adi(×106)	0.0460	0.0542	0.0599	0.0708	0.0995
聚类数	15	14	13	12	11
						ado(×103)	2.547	2.550	2.577	2.631	2.708
adi(×106)	0.1110	0.1416	0.1671	0.1887	0.2057
						聚类数	10	9	8	7	6
ado(×103)	2.674	2.621	2.638	2.558	2.240
						adi(×106)	0.2851	0.3257	0.3851	0.4765	0.6568
聚类数	5	4	3	2	1
						ado(×103)	2.075	2.212	2.234	1.335	0
adi(×106)	0.7480	0.8595	1.1688	1.8098	3.5557

6.选取类中离均差最小的压力节点作为该类的代表性节点。根据离均差，最终得到7个代表性压力节点，分别为：节点28、节点20、节点30、节点9、节点15、节点18、节点23。7.根据表2中节点的分类进行供水管网分区，从SCADA系统中采集由步骤6选到的7个节点的压力数据，然后根据压力值的不同显示相应颜色，最后在计算机界面显示供水管网压力分布图。

表2

类号	节点号
		1	1，2，4，5，7，12，13，14，16，27，26，21，29，28
2	20，19，6，3

类号	节点号
		3	30，17，11，10，8
4	9
		5	15
6	18
		7	23，24，25，22

Claims (6)

1.一种城市供水管网压力分布图的生成方法，其特征在于，包括如下步骤：

①.通过SCADA系统对供水管网压力节点进行数据采集，采集供水区域内各压力节点在一段时间内的压力数据；

②.将采集到的压力数据读入计算机并进行数据预处理；

③.对供水区域内的n个压力节点进行编号，记为a_i，i＝1，2，…，n，然后建立压力节点管线直接相邻矩阵P_n×n：矩阵中元素p_ij表示压力节点a_i与a_j是否管线直接相邻，管线直接相邻则p_ij＝1，非管线直接相邻则p_ij＝0；

④.通过计算该次聚类过程的类间距离平均值及类内距离平均值，获得所有的压力节点聚为一类或者聚得的几类中无相邻类出现；

⑤.根据类间距离平均值和类内距离平均值选取最优聚类数；

⑥.每一类中选取类中离均差最小的压力节点作为该类的代表性节点；

⑦.根据每一类所包含的节点数对供水管网进行分区，然后通过SCADA实时提供代表性节点数据代表各区域的压力，每隔一个时间段，由不同颜色显示不同压力值，最后，通过计算机生成输出供水管网的压力分布图。

2.根据权利要求1所述的城市供水管网压力分布图的生成方法，其特征是，步骤②中所述的时间，是指含有压力的周期性变化的时间域宽度。

3.根据权利要求1所述的城市供水管网压力分布图的生成方法，其特征是，步骤①所述的数据预处理，首先进行坏点处理，如果某一节点的压力数据在超过半小时的时间范围内，一直维持在零值不变，即认为发生了通信故障，需要进行坏点处理。

4.根据权利要求1或者3所述的城市供水管网压力分布图的生成方法，其特征是，步骤②中所述的数据预处理，操作步骤如下：

取故障发生前最后一个采集值及故障结束后第一个采集值的平均值作为这段时间内节点的压力值；

然后进行时间序列统一化处理，对采集到的各节点压力数据进行三次样条插值，将时间连续化，得到光滑的压力曲线；

之后，设置一个标准时间序列，利用压力曲线，为管网中各节点得到对应相同时间序列的压力向量。

5.根据权利要求1所述的城市供水管网压力分布图的生成方法，其特征是，步骤④中所述的获得所有的压力节点聚为一类或者聚得的几类中无相邻类出现，包括步骤如下：

先将n个样本分为n类，计算每一类的中心压力序列CL_i，i＝1，2，…，ncl，ncl为当前聚类数：

$\mathrm{CL}=\frac{X_1+X_2+...+X_m}{m}$

上式中m代表一个压力节点类中的压力节点数，X_i(i＝1，2，…，m)为每个压力节点的压力序列；

然后找出其所有管线相邻类中，与该类的压力距离最近的类，其中压力距离最近的两个类记为一类，并计算该次聚类过程的类间距离平均值及类内距离平均值；

进一步重复上述过程，直至所有的压力节点聚为一类或者聚得的几类中无相邻类出现。

6.根据权利要求1所述的城市供水管网压力分布图的生成方法，其特征是，步骤⑤中所述的最优聚类数，是指：因为类间距离平均值越大，表明类间分离性越好，聚类效果越好；类内距离平均值越小，表明类内汇聚性越好，聚类效果越好；由于类内距离平均值会随聚类数的增多而减少，因此，选取出现峰谷值的前一步对应的聚类数为最优聚类数。