水电能源科学

基于管网分区流量数据的漏损检测方法研究

PDF下载

王彤 ^a^,^b , 李钟毓 ^a^,^b , 康炳卿 ^a^,^b , 朱多林 ^a^,^b , 王晴怡 ^a^,^b , 赵红斌 ^a^,^b , 许德伦 ^a^,^b , 洪磊 ^a^,^b

水电能源科学 | 水利水电工程 2023,41(7): 127-131

收起

水电能源科学 | 水利水电工程 2023, 41(7): 127-131

基于管网分区流量数据的漏损检测方法研究

全屏

王彤^a^,^b, 李钟毓^a^,^b, 康炳卿^a^,^b, 朱多林^a^,^b, 王晴怡^a^,^b, 赵红斌^a^,^b, 许德伦^a^,^b, 洪磊^a^,^b

作者信息

^a.长安大学建筑工程学院，陕西西安 710061

^b.长安大学住房与城乡建设部给水排水重点实验室，陕西西安 710061

王彤（1965-），男，教授、硕导，研究方向为给排水系统优化及人工湿地，E-mail：894496318@qq.com

Research on Leakage Detection Based on Flow Data of Pipeline Network

Tong WANG^a^,^b, Zhong-yu LI^a^,^b, Bing-qing KANG^a^,^b, Duo-lin ZHU^a^,^b, Qing-yi WANG^a^,^b, Hong-bin ZHAO^a^,^b, De-lun XU^a^,^b, Lei HONG^a^,^b

Affiliations

^a.School of Civil Engineering, Chang’an University, Xi’an 710061, China

^b.Key Laboratory of Water Supply and Sewerage, Ministry of Housing and Urban-Rural Development, Chang’an University, Xi’an 710061, China

出版时间: 2023-07-25 doi: 10.20040/j.cnki.1000-7709.2023.20221541

文章导航

摘要

收起

为减轻城镇供水管网漏损造成资源浪费，以预测分类为基本思想，将小波降噪处理后的管网流量监测数据用于PSO寻优最小二乘支持向量机（LSSVM）算法的预测模型，并对预测模型进行训练和评估，再结合模型预测误差分布规律，推出阈值和漏损量的估算方法用于漏损检测。结果表明，模型预测值与实际水量的平均误差较低，稳定性高，结合预测—阈值分类法能够及时检测出突发性漏损并相对准确地估算出漏损量。

关键词

供水管网 / 流量数据 / 漏损检测 / 预测分类 / 误差分析

Abstract

收起

In order to alleviate the waste of resources caused by the leakage of urban water supply networks, taking predictive classification as the basic idea, the monitoring data after wavelet noise reduction processing was used in the prediction model of PSO seeking least squares support vector machine algorithm, and the prediction model was trained and evaluated, then combined with the model prediction error distribution law, the estimation method of threshold value and leakage volume was introduced for leakage detection. The results show that the average error between the model prediction and the actual water volume is low, the stability is high, and the combination of the prediction-threshold classification method can detect sudden leakage in a timely manner and estimate the leakage volume relatively accurately.

Key words

water supply network / flow data / leakage detection / prediction classification / error analysis

引用本文

王彤, 李钟毓, 康炳卿, 朱多林, 王晴怡, 赵红斌, 许德伦, 洪磊. 基于管网分区流量数据的漏损检测方法研究. 水电能源科学, 2023 , 41 (7) : 127 -131 . DOI: 10.20040/j.cnki.1000-7709.2023.20221541

Tong WANG, Zhong-yu LI, Bing-qing KANG, Duo-lin ZHU, Qing-yi WANG, Hong-bin ZHAO, De-lun XU, Lei HONG. Research on Leakage Detection Based on Flow Data of Pipeline Network[J]. Water Resources and Power, 2023 , 41 (7) : 127 -131 . DOI: 10.20040/j.cnki.1000-7709.2023.20221541

基金

收起

水资源高效开发利用重点专项(2018YFC0406200)

参考文献

收起

2023年第41卷第7期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.20040/j.cnki.1000-7709.2023.20221541

接收时间：2022-07-27
首发时间：2026-01-28
出版时间：2023-07-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2022-07-27
修回日期：2022-09-23

基金

水资源高效开发利用重点专项(2018YFC0406200)

作者信息

^a.长安大学建筑工程学院，陕西西安 710061

^b.长安大学住房与城乡建设部给水排水重点实验室，陕西西安 710061

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/sdnykx/CN/10.20040/j.cnki.1000-7709.2023.20221541

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT