商标分类 
商标转让 
您当前的位置： 一种自喷管网埋地暗管漏损定位系统和方法与流程
2021-01-20 11:01:19|
262|
起点商标网
本发明涉及自动喷水灭火系统监控领域，尤其涉及一种自喷管网埋地暗管漏损定位系统和方法。
背景技术：
随着我国社会和经济的不断发展，人们消防意识也在不断提高，自动喷水灭火系统以其能迅速扑灭建筑初期火灾而被广泛地应用到实际工程之中。与此同时，由于管道周围介质的腐蚀、人为破坏的因素、管道材料的质量问题以及铺设管道时留下的隐患，自喷管网埋地暗管会出现各种破损及泄漏现象。管道漏损会导致水量损失，严重时导致管网内消防压力达不到要求，当火灾发生时，若管网压力不够无法正常供水灭火，则会造成严重的火灾事故。目前国内没有自动喷水灭火管网埋地暗管漏损定位的相关研究，因此，研究埋地暗管漏损定位对维护自动喷水灭火管网的安全运行具有重要意义。
技术实现要素：
为了解决上述技术问题，本发明提出一种自喷管网埋地暗管漏损定位系统和方法，使得工作人员能及时发现并检修漏损位置，最大程度减少管网漏水损失，节约水资源，为自动喷水灭火管网稳定运行提供保障。
本发明的技术方案具体如下：
一种自喷管网埋地暗管漏损定位系统，包括plc控制器，与plc控制器连接的客户端、压力传感器和水表；plc控制器包括数据处理模块和报警模块；
数据处理模块根据压力传感器、水表采集的压力、流量监测数据，根据管网水力模型的模拟计算数据，利用加权最小二乘法最小化监测值与模型计算值间的差，进而计算漏损残差，然后采用耦合统计算法分析漏损残差，生成报警信号，同时，将监测到的实时数据传至客户端储存；当报警信号超过报警限值时，将报警信号传至报警模块，同时生成漏损定位信号传至客户端监控计算机。
进一步地，客户端包括数据库、事件记录库和显示器，监测到的实时数据传至数据库，每次的漏损事故信息保存至事件记录库中，显示器上显示漏损点、漏损量及漏损时间。
进一步地，报警检查模块的报警限值为0.1q，其中，q为节点的高日均时流量。
进一步地，数据处理具体按以下进行：
步骤(1)、利用加权最小二乘法最小化监测值与模型计算值间的差
目标函数为：
式中δqn为节点n的漏损量；nh、mq分别是节点水压和管道流量监测点个数；
对目标函数进行一阶泰勒展开：
式中δh0＝hl-h(q0)、δq0＝ql-q(q0)分别为漏损引起的节点水压、管道流量监测值变化量；jh(q)为节点水压对节点流量的梯度向量；jq(q)为管道流量对节点流量的梯度向量；步骤(2)、计算漏损量
对式(2)进行加权最小二乘回归，则节点流量修正值即为漏损量，具体如下：
步骤(3)、确定漏损状态下节点水压和管道流量的管网模型计算值变化量：
步骤(4)、计算目标函数残差，即为漏损残差，具体如下：
步骤(5)、漏损残差分析，具体如下：
利用耦合统计算法对漏损残差信号进行卡尔曼滤波与累积和运算，漏损残差信号持续为最低节点即为漏损报警点，计算步骤如下：
5.1根据k-1时刻的最优估计值预测k时刻估计值：
xk/k-1＝xk-1；
式中，xk/k-1为k时刻的预测值；xk-1为k-1时刻的最优估计值；
5.2计算k时刻预测值的方差：
pk/k-1＝pk-1+qk-1；
式中pk-1为k-1时刻的方差；qk-1为k-1状态过程噪音方差；
5.3计算k时刻的卡尔曼增益方程：
式中，rk为节点在k时刻残差值zk的方差；
5.4利用加权平均法计算k时刻的最优估计值：
xk＝xk-1+gk·sk；
式中，gk为k时刻的卡尔曼增益方程；sk＝zk-xk-1，sk为k时刻残差计算值与预测估计值的差，称为新息序列；
5.5更新k时刻的方差：
pk＝(1-gk)pk/k-1；
5.6计算新息标准差序列ck，方差rk：
式中：m为滚动时域窗口，取m＝5；
rk＝ck+pk/k-1；
重复5.1至5.6，对k+1时刻的残差进行滤波，计算k+1时刻最优估计值，得到各节点对应的连续最优估计值，即滤波残差值；
5.7利用累积和算法处理各节点的连续滤波残差：
式中：
当报警信号超过报警限值时，即
本发明涉及的自喷管网埋地暗管漏损定位方法，包括如下步骤：
步骤(1)、根据压力传感器、水表采集的压力、流量监测数据，根据管网水力模型的模拟计算数据，利用加权最小二乘法最小化监测值与模型计算值间的差；
步骤(2)、计算漏损量；
步骤(3)、确定漏损状态下节点水压和管道流量的管网模型计算值变化量；
步骤(4)、计算目标函数残差，即为漏损残差，具体如下：
步骤(5)、漏损残差分析，具体如下：
利用耦合统计算法对漏损残差信号进行卡尔曼滤波与累积和运算，漏损残差信号持续为最低节点即为漏损报警点，计算步骤如下：
5.1根据k-1时刻的最优估计值预测k时刻估计值：
xk/k-1＝xk-1；
式中，xk/k-1为k时刻的预测值；xk-1为k-1时刻的最优估计值；
5.2计算k时刻预测值的方差：
pk/k-1＝pk-1+qk-1；
式中pk-1为k-1时刻的方差；qk-1为k-1状态过程噪音方差；
5.3计算k时刻的卡尔曼增益方程：
式中，rk为节点在k时刻残差值zk的方差；
5.4利用加权平均法计算k时刻的最优估计值：
xk＝xk-1+gk·sk；
式中，gk为k时刻的卡尔曼增益方程；sk＝zk-xk-1，sk为k时刻残差计算值与预测估计值的差，称为新息序列；
5.5更新k时刻的方差：
pk＝(1-gk)pk/k-1；
5.6计算新息标准差序列ck，方差rk：
式中：m为滚动时域窗口，取m＝5；
rk＝ck+pk/k-1；
重复5.1至5.6，对k+1时刻的残差进行滤波，计算k+1时刻最优估计值，得到各节点对应的连续最优估计值，即滤波残差值；
5.7利用累积和算法处理各节点的连续滤波残差：
式中：
当报警信号超过报警限值时，即
进一步地，步骤(1)中，目标函数为：
式中δqn为节点n的漏损量；nh、mq分别是节点水压和管道流量监测点个数；
对目标函数进行一阶泰勒展开：
式中δh0＝hl-h(q0)、δq0＝ql-q(q0)分别为漏损引起的节点水压、管道流量监测值变化量；jh(q)为节点水压对节点流量的梯度向量；jq(q)为管道流量对节点流量的梯度向量。
进一步地，步骤(2)中，对展开后的目标函数进行加权最小二乘回归，则节点流量修正值即为漏损量，具体如下：
进一步地，步骤(3)中，确定漏损状态下节点水压和管道流量的管网模型计算值变化量，具体如下：
进一步地，步骤(4)中，计算目标函数残差，即为漏损残差，具体如下：
与现有技术相比，本发明的有益效果具体如下：
本发明利用数据处理模块对漏损信号进行卡尔曼滤波和累积和运算，从监测误差所形成的背景噪音中识别并放大漏损信号。当漏损残差超过程序中预设值时，将报警信号、漏损位置、漏损量及漏损时间及传送至客户端监控计算机上。使得工作人员能及时发现并检修漏损位置，最大程度减少管网漏水损失，节约水资源，为自动喷水灭火管网稳定运行提供保障。
附图说明
图1为本发明的系统框图；
图2为本发明的数据处理模块的数据处理流程图；
其中：1-客户端监控计算机；11-数据库；12-事件记录库；13-显示器；2-plc可编程逻辑控制器；21-数据处理模块、22-报警检查模块；3-压力传感器；4-水表。
具体实施方式
下面将结合本申请实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外定义，本申请实施例中使用的技术术语或者科学术语应当为所属领域内具有一般技能的人士所理解的通常意义。本实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。“上”、“下”、“左”、“右”、“横”以及“竖”等仅用于相对于附图中的部件的方位而言的，这些方向性术语是相对的概念，它们用于相对于的描述和澄清，其可以根据附图中的部件所放置的方位的变化而相应地发生变化。
如图1所示，本实施例的自喷管网埋地暗管漏损定位系统，包括plc可编程逻辑控制器2，与plc可编程逻辑控制器2连接的客户端监控计算机1、压力传感器3和水表4；plc控制器包括数据处理模块21和报警检查模块22。客户端监控计算机1包括数据库11、事件记录库12和显示器13，监测到的实时数据传至数据库11，每次的漏损事故信息保存至事件记录库12中，显示器13上显示漏损点、漏损量及漏损时间。
压力传感器3和水表4将监测到的压力信息与流量信息发送至数据处理模块21进行数据整理分析，数据处理模块21将整理分析后的实时数据传至客户端监控计算机1的数据库11保存。所述的数据处理模块21根据接收到的信息对管网中的漏损进行报警，将报警信号传至所述的报警检查模块22，若报警信号超过报警限值，生成漏损定位信号并传至所述的客户端监控计算机1。每次的漏损事故信息保存至所述客户端监控计算机1的事件记录库12中，所述的客户端监控计算机1的显示器13上显示漏损点、漏损量及漏损时间。
如图2所示，数据处理模块21的数据处理步骤按以下进行：
提取管网水力模型的数据信息，整理压力传感器3和水表4监测到的压力、流量数据；根据模型数据与监测数据，利用加权最小二乘法计算漏损残差；采用耦合统计算法分析漏损残差，生成报警信号；将报警信号传至报警分析模块22，将监测到的实时数据传至数据库11储存。数据处理具体按以下进行：
步骤(1)、对目标函数进行一阶泰勒展开
目标函数为：
式中δqn为节点n的漏损量；nh、mq分别是节点水压和管道流量监测点个数；
该目标函数表示：判定发生漏损时，假设每个节点都是漏损点，依次调整修正各个节点流量，使模型计算值与漏损状态下的监测值尽量相等；随后计算各节点的目标函数，目标函数最小值对应的节点为漏损点，且该节点的流量修正值为漏损量。
对目标函数进行一阶泰勒展开：
式中δh0＝hl-h(q0)、δq0＝ql-q(q0)分别为漏损引起的节点水压、管道流量监测值变化量；jh(q)为节点水压对节点流量的梯度向量；jq(q)为管道流量对节点流量的梯度向量；步骤(2)、计算漏损量
对式(2)进行加权最小二乘回归，则节点流量修正值即为漏损量，具体如下：
步骤(3)、确定漏损状态下节点水压和管道流量的管网模型计算值变化量：
步骤(4)、计算目标函数残差，即为漏损残差，具体如下：
步骤(5)、漏损残差分析，具体如下：
利用耦合统计算法对漏损残差信号进行卡尔曼滤波与累积和运算，漏损残差信号持续为最低节点即为漏损报警点，计算步骤如下：
5.1根据k-1时刻的最优估计值预测k时刻估计值：
xk/k-1＝xk-1；
式中，xk/k-1为k时刻的预测值；xk-1为k-1时刻的最优估计值；
5.2计算k时刻预测值的方差：
pk/k-1＝pk-1+qk-1；
式中pk-1为k-1时刻的方差；qk-1为k-1状态过程噪音方差；
5.3计算k时刻的卡尔曼增益方程：
式中，rk为节点在k时刻残差值zk的方差；
5.4利用加权平均法计算k时刻的最优估计值：
xk＝xk-1+gk·sk；
式中，gk为k时刻的卡尔曼增益方程；sk＝zk-xk-1，sk为k时刻残差计算值与预测估计值的差，称为新息序列；
5.5更新k时刻的方差：
pk＝(1-gk)pk/k-1；
5.6计算新息标准差序列ck，方差rk：
式中：m为滚动时域窗口，取m＝5；
rk＝ck+pk/k-1；
重复5.1至5.6，对k+1时刻的残差进行滤波，计算k+1时刻最优估计值，得到各节点对应的连续最优估计值，即滤波残差值；
5.7利用累积和算法处理各节点的连续滤波残差：
式中：
当报警信号超过报警限值时，即
本实施例利用watergems软件对某管网进行漏损模拟分析，设置节点射流系数k，取k＝0.4，对正常与漏损状态下管网进行水力状态仿真。
该管网具有22个节点、27根管道，将节点4作为模拟漏损点，其漏损量为kq(q为节点4的节点流量)；将节点1、2、11、14、20的节点水压作为监测值，采样频率为15分钟/次。
正常状态下节点4节点流量和监测点水压见表1，漏损状态下节点4节点流量和监测点水压见表2，各节点检测限值见表3，一种自喷管网埋地暗管漏损定位方法处理后的各节点漏损残差见表4。由表4可知，t＝0.75即漏损开始45分钟后，节点4的漏损残差为1.47，超过了节点4检测限值1.39，判定节点4发生漏损，此后漏损检出位置持续为节点4。
表1正常状态下节点4节点流量和监测点水压
表2漏损状态下节点4节点流量和监测点水压
表3各节点检测限值
表4各节点漏损残差
注：表4中最小值对应的节点为定位的漏损点。
可见，本实施例的方法能够准确快速地定位出漏损点且检出结果持续稳定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】
与客服一对一沟通，为大家解决相关问题。
此文章来源于网络,如有侵权,请联系删除
热门咨询
