基于事件侦测的测压点优化布置方法及存储介质

摘要

本发明公开了一种基于事件侦测的测压点优化布置方法及存储介质，包括：构建管网水力模型；依次对各阀门进行关闭操作，获取各测压点的压力变化值，并根据各测压点的压力变化值，确定异常事件不可被监测的阀门；将异常事件不可被监测的阀门所在的节点作为候选点；依次对各候选点的阀门进行关闭操作，获取各候选点的压力变化值，并根据预设的监控阈值，统计各候选点可监控到的阀门数；将可监控到的阀门数最多的第一候选点作为新增测压点；在异常事件不可被监测的阀门中去除第一候选点可监控到的阀门，继续执行将异常事件不可被监测的阀门所在的节点作为候选点的步骤，直至候选点为空。本发明可在全面监测管网异常事件的同时，最小化测压点的总数量。

说明书

技术领域

本发明涉及供水管网压力监测点布置领域，尤其涉及一种基于事件侦测的测压点优化布置方法及存储介质。

背景技术

城市供水企业通过在管网中安装测压点，来实现对供水管网的实时监控，保障供水水压，保障供水安全可靠运行。如何优化测点布置位置，来实现最大化的监控，一直是供水行业内关注的课题。

目前已有的供水管网压力监测点布置的方法是面向漏水监测定位为目标，例如在公开号为CN111119282B的中国专利文件中公开了一种针对供水管网的压力监测点优化布置方法，包括：构建漏损概率模型；根据漏损概率模型，计算得到各节点漏损概率，采用管网平差软件EPANET对漏损概率大于预设值的需水节点进行管网漏损模拟，得到一天24h内管网各节点在漏损条件下的压力数据Hi；采用管网平差软件EPANET对管网数据进行正常工况下的水力模拟计算，得到一天24h内管网各节点压力数据Hi′；计算压力灵敏度矩阵，对矩阵依次进行标准差标准化和极值标准化，获取每个节点对漏损的敏感度；进行NSGAII双目标迭代优化，敏感度的阈值范围作为监测点覆盖漏损事件的标准，以最小化监测点数量和最小化未被覆盖漏损事件个数为目标，迭代得到一组Pareto最优解，即不同监测点数量对应的最优分布。

但上述测点布置方法是仅仅是针对漏水的监控，对于管网中经常发生的管网异常操作，如阀门关闭，则没有考虑在内，无法满足企业希望通过监测来实时侦测管网事件的需求。

发明内容

本发明所要解决的技术问题是：提供一种基于事件侦测的测压点优化布置方法及存储介质，可实现对管网异常事件的全面监测。

为了解决上述技术问题，本发明采用的技术方案为：一种基于事件侦测的测压点优化布置方法，包括：

构建管网水力模型，所述管网水力模型中包括至少一个的测压点和至少一个的阀门；

依次对各阀门进行关闭操作，获取各测压点的压力变化值，并根据各测压点的压力变化值以及预设的第一阈值，确定异常事件不可被监测的阀门；

将所述异常事件不可被监测的阀门所在的节点作为候选点；

依次对各异常事件不可被监测的阀门进行关闭操作，获取各候选点的压力变化值，并根据各候选点的压力变化值以及预设的监控阈值，统计各候选点可监控到的阀门数；

确定可监控到的阀门数最多的第一候选点，并将所述第一候选点作为新增测压点；

在所述异常事件不可被监测的阀门中去除所述第一候选点可监控到的阀门，继续执行所述将所述异常事件不可被监测的阀门所在的节点作为候选点的步骤，直至所述异常事件不可被监测的阀门为空。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的方法的步骤。

本发明的有益效果在于：通过对管网水力模型中的各阀门进行关闭操作，并分析各测压点的压力变化值，以确定出现有测压点布局方案下，异常事件不可被监测的阀门，将这些阀门作为新的测压点的候选点，再通过在候选点中选取可尽可能多地监控到其他阀门的异常事件的候选点，作为新的测压点的安装位置，从而可在实现所有阀门的异常事件均可被监测的情况下，最小化测压点的总数量。本发明基于最大化异常事件的监测覆盖率和最小化测压点的总数量来优化测压点的布局，实现了对管网异常事件的全面监测。

附图说明

图1为本发明实施例一的一种基于事件侦测的测压点优化布置方法的流程图；

图2为本发明实施例二的城市供水管网模型的示意图；

图3为本发明实施例二的测压点优化布置结果示意图。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图详予说明。

请参阅图1，一种基于事件侦测的测压点优化布置方法，包括：

构建管网水力模型，所述管网水力模型中包括至少一个的测压点和至少一个的阀门；

依次对各阀门进行关闭操作，获取各测压点的压力变化值，并根据各测压点的压力变化值以及预设的第一阈值，确定异常事件不可被监测的阀门；

将所述异常事件不可被监测的阀门所在的节点作为候选点；

依次对各异常事件不可被监测的阀门进行关闭操作，获取各候选点的压力变化值，并根据各候选点的压力变化值以及预设的监控阈值，统计各候选点可监控到的阀门数；

确定可监控到的阀门数最多的第一候选点，并将所述第一候选点作为新增测压点；

在所述异常事件不可被监测的阀门中去除所述第一候选点可监控到的阀门，继续执行所述将所述异常事件不可被监测的阀门所在的节点作为候选点的步骤，直至所述异常事件不可被监测的阀门为空。

从上述描述可知，本发明的有益效果在于：可在实现全面监测管网异常事件的同时，最小化测压点的总数量，从而实现测压点的优化布局。

进一步地，所述构建管网水力模型之后，进一步包括：

对所述管网水力模型进行校验。

进一步地，所述对所述管网水力模型进行校验具体为：

计算所述管网水力模型中各测压点多时段的绝对误差均值；

若绝对误差均值小于或等于预设的误差阈值的测压点个数占测压点总个数的比例超过预设的比例，则判定所述管网水力模型校验通过。

由上述描述可知，保证构建的管网水力模型可代表实际管网的运行情况，从而保证后续测压点布局的准确性。

进一步地，所述依次对各阀门进行关闭操作，获取各测压点的压力变化值，并根据各测压点的压力变化值以及预设的第一阈值，确定异常事件不可被监测的阀门具体为：

通过管网平差计算，得到各测压点在预设工况下的第一压力值；

遍历所述管网水力模型中的各阀门，依序从所述各阀门中选定一阀门；

对所述一阀门进行关闭操作，并通过管网平差计算，得到各测压点的第二压力值；

分别根据各测压点的第一压力值和第二压力值，计算各测压点的压力变化值；

若存在压力变化值大于预设的第一阈值的测压点，则判定所述一阀门的异常事件可被监测，否则判定所述一阀门的异常事件不可被监测；

遍历完所述管网水力模型中的各阀门后，确定异常事件不可被监测的阀门。

进一步地，所述确定异常事件不可被监测的阀门之后，进一步包括：

根据异常事件可被监测的阀门的个数和阀门总个数，计算对应所述第一阈值的监测覆盖率。

由上述描述可知，不同的第一阈值可对应不同的监测覆盖率，那么对应的不同的第一阈值，生成的测压点布局方案也不同。

进一步地，所述依次对各异常事件不可被监测的阀门进行关闭操作，获取各候选点的压力变化值，并根据各候选点的压力变化值以及预设的监控阈值，统计各候选点可监控到的阀门数具体为：

遍历各异常事件不可被监测的阀门；

对当前遍历到的阀门进行关闭操作，并分别根据所述关闭操作前后各候选点的压力值，计算各候选点的压力变化值；

若一候选点的压力变化值大于预设的监控阈值，则判定所述一候选点可监控到当前遍历到的阀门；

当遍历完各异常事件不可被监测的阀门后，分别统计各候选点可监控到的阀门数。

由上述描述可知，对于异常事件不可被监测的阀门，先分别获取可监控到其进行关闭操作的候选点，然后分别对各候选点，统计其可监控到的阀门数。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的方法的步骤。

实施例一

请参照图1，本发明的实施例一为：一种基于事件侦测的测压点优化布置方法，可应用于对供水管网异常操作的监测，如图1所示，包括如下步骤：

S1：构建管网水力模型，所述管网水力模型中包括n个测压点和m个阀门。

具体地，采集供水管网的基础数据和连续多天的运行数据，包括营业收费、远传水表和SCADA等监测数据，利用Epanet软件建立管网水力模型。

进一步地，对所述管网水力模型进行校验，校验通过后才执行下述步骤。具体地，计算所述管网水力模型中各测压点多时段的绝对误差均值，若绝对误差均值小于或等于预设的误差阈值的测压点个数占测压点总个数的比例超过预设的比例，则判定所述管网水力模型校验通过，否则校验不通过。

S2：依次对各阀门进行关闭操作，获取各测压点的压力变化值，并根据各测压点的压力变化值，确定异常事件不可被监测的阀门。

具体地，所述步骤S2包括：

S201：通过管网平差计算，得到各测压点在预设工况下的第一压力值；本实施例中，预设工况为流量最高时所对应的工况。将各测压点的第一压力值分别记录为P

S202：遍历所述管网水力模型中的各阀门，依序从各阀门中选定一阀门。例如，假设以V

S203：对所述一阀门进行关闭操作，并通过管网平差计算，得到各测压点的第二压力值。具体地，用Epanet软件重新进行平差计算，记录各测压点的压力值P

S204：分别根据各测压点的第一压力值和第二压力值，计算各测压点的压力变化值；即分别计算各测压点的第一压力值P

S205：判断是否存在压力变化值大于预设的第一阈值的测压点，若是，则执行步骤S206，若否，则执行步骤S207。本实施例中，所述第一阈值为5kpa。

S206：判定所述一阀门的异常事件可被监测。即如果存在某个ΔP

S207：判定所述一阀门的异常事件不可被监测。即如果各个测压点在当前选定的阀门关闭前后的压力变化值均不超过第一阈值，则认为当前选定的阀门的异常事件(阀门操作)不能被监控到。

继续从各阀门中选定下一阀门，然后重复执行所述步骤S202-S207，直至遍历完管网水力模型中的各阀门，最后即可确定所有异常事件不可被监测的阀门。

进一步地，在具体实现中，可建立异常事件监控统计表，对于第j个阀门关闭前后，若第i个测压点的压力变化值大于预设的阈值，则将异常事件监控统计表中对应第j个阀门和第i个测压点的位置处记为1，否则记为0。那么遍历完管网水力模型中的所有阀门后，将对应各阀门的值进行累加，得到总计值。若一阀门的总计值大于或等于1，则认为该阀门可被监测；若一阀门的总计值为0，则认为该阀门不可被监测。

本实施例中，最后得到的异常事件监控统计表如表1所示。

表1：异常事件监控统计表

进一步地，将异常事件可被监测的阀门的个数除以阀门总个数，可计算得到对应第一阈值的监测覆盖率。

S3：将异常事件不可被监测的阀门所在的节点作为候选点。

假设异常事件不可被监测的阀门个数为k，则表示这k个阀门所在的节点都是测压点的候选点。

S4：依次对各异常事件不可被监测的阀门进行关闭操作，获取各候选点的压力变化值，并根据各候选点的压力变化值以及预设的监控阈值，统计各候选点可监控到的阀门数。

具体地，遍历所述异常事件不可被监测的阀门；对当前遍历到的阀门进行关闭操作，并根据所述关闭操作前后各候选点的压力值，计算各候选点的压力变化值；若一候选点的压力变化值大于预设的监控阈值，则判定所述一候选点可监控到当前遍历到的阀门；当遍历完所述异常事件不可被监测的阀门后，即可确定各候选点可监控到的阀门，然后分别统计得到各候选点可监控到的阀门数。

进一步地，在具体实现中，可构建监控矩阵E，该监控矩阵的大小为k×k，即其行数和列数与异常事件不可被监测的阀门个数相同。若第i个阀门关闭前后，第j个候选点的压力变化值大于监控阈值，i＝1,2…,k，j＝1,2…,k，则令E

遍历完k个异常事件不可被监测的阀门后，监控矩阵即构建完成。

然后分别对监控矩阵中每列的矩阵元素的值进行相加，得到各候选点可监控到的阀门数。例如，对监控矩阵中第1列的矩阵元素的值进行相加，即可得到第1个候选点可监控到的阀门数。

S5：确定可监控到的阀门数最多的第一候选点，并将所述第一候选点作为新增测压点。

S6：在所述异常事件不可被监测的阀门中去除所述第一候选点可监控到的阀门。

例如，假设第j个候选点可监控到的阀门数最多，总共可监控到a个阀门，则将第j个候选点作为新增测压点，然后在异常事件不可被监测的阀门中去除这a个阀门，此时，异常事件不可被监测的阀门个数为k-a，则令k＝k-a。

S7：判断异常事件不可被监测的阀门是否为空，即判断是否还存在异常事件不可被监测的阀门，也即判断当前的k是否为0；若为空，表示已无异常事件不可被监测的阀门，结束流程，若不为空，表示还有异常事件不可被监测的阀门，则继续在剩余的异常事件不可被监测的阀门中确定新的测压点，即返回执行步骤S3。

本实施例实现了对管网异常操作的监测，通过管网水力模型的计算，仿真管网中的各种事件，建立事件仿真库，达到优化监测点布置，提高了管网异常事件侦测的覆盖率。

实施例二

请参照图2-3，本实施例是上述实施例的的具体应用场景。

首先建立城市供水模型。本实施例针对X市，建立了DN(公称直径)100mm管径及以上的供水系统模型，该城市供水管网主干管道阀门(DN300mm及以上)有2582个，节点总数49844个，管道长度1700公里，有2个水厂，16个泵站，高峰供水量约80万吨/天，现有压力监测点(即测压点)共66个，如图2所示。

模型经过校验，测压点多时段绝对误差均值控制在1kPa范围内的个数占总数的74％，误差控制在2kPa的监测点达到100％，完全达到了模型校核的要求，模型能代表实际管网的运行情况。

X市供水面积为158平方公里，现有测压点个数为66，平均2.3平方公里有1个测点，完全满足国家标准规定的10平方公里1个测点的要求。

利用上述实施例的方法来评估当前系统对异常事件的侦测能力，当管网中发生了异常操作，通过模型模拟出不同阀门操作对测压点造成的影响，来统计出监测事件侦测率，也就是基于异常事件侦测的监测覆盖率。计算在不同第一阈值：1kPa、2kPa、3kPa、4kPa和5kPa下，统计能侦测到事件的次数，然后算出该异常事件下的监测覆盖率。计算结果如表2所示。

表2：

从表2中可以看出，不同第一阈值，即不同压力监测精度下的监测覆盖率相差很大。例如，第一阈值为1kPa时，对2272个干管阀门的异常操作能被监控到，异常事件监测覆盖率能达到88.0％；而第一阈值为5kPa时，对758个干管阀门的操作能监控到，其异常事件的监测覆盖率只有29.3％。

考虑当前压力计的监测精度和管网本身存在的压力波动，实际中压力精度用5kPa比较合适，即第一阈值选取5kPa，那么本实施例中，异常事件的监测覆盖率只有29.3％，即异常事件可被监测的阀门个数为758，剩下的2582-758＝1824个阀门为异常事件不可被监测的阀门。

将剩下的1824个阀门所在的节点作为测压点的候选点，依次关闭其中的一个阀门，计算该阀门关闭前后各候选点的压力变化值；当压力变化值大于预设的监控阈值，则记录为1，否则记录为0，从而构造出监控矩阵(初始的监控矩阵的大小为1824×1824)。根据监控矩阵，统计每个候选点能监控到的阀门数，排序获取能监控到的阀门数最多的那个候选点，将该候选点作为新的测压点的安装位置。此时，该候选点可监控到的阀门已变为异常事件可被监测的阀门，将该候选点可监控到的阀门从1824个阀门中剔除，然后重新针对剔除后的异常事件不可被监测的阀门，构造监控矩阵，重复多次，直至全部阀门的异常事件都可被监测。本实施例中，最后确定了23个新的测压点，如图3所示。

实施例三

本实施例是对应上述实施例的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中基于事件侦测的测压点优化布置方法的各个步骤，且能达到相同的技术效果，此处不再累述。

综上所述，本发明提供的一种基于事件侦测的测压点优化布置方法及存储介质，通过对管网水力模型中的各阀门进行关闭操作，并分析各测压点的压力变化值，以确定出现有测压点布局方案下，异常事件不可被监测的阀门，将这些阀门作为新的测压点的候选点，再通过在候选点中选取可尽可能多地监控到其他阀门的异常事件的候选点，作为新的测压点的安装位置，从而可在实现所有阀门的异常事件均可被监测的情况下，最小化测压点的总数量。本发明可在全面监测管网异常事件的同时，最小化测压点的总数量，从而实现测压点的优化布局。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。