基于GPRS和BP神經(jīng)網(wǎng)絡(luò)的熱力管網(wǎng)泄漏監(jiān)測(cè)系統(tǒng)

趙迪+李允俊

DOI：10.16644/j.cnki.cn33-1094/tp.2016.02.007

摘 ?要： 針對(duì)管網(wǎng)泄漏監(jiān)測(cè)的現(xiàn)狀，設(shè)計(jì)并實(shí)現(xiàn)了一種熱力管網(wǎng)泄漏監(jiān)測(cè)系統(tǒng)。該系統(tǒng)結(jié)合傳感器、GPRS無線通信技術(shù)和BP神經(jīng)網(wǎng)絡(luò)算法，實(shí)現(xiàn)了實(shí)時(shí)獲取傳感器數(shù)據(jù)、分析泄漏情況的熱力管網(wǎng)泄漏監(jiān)測(cè)系統(tǒng)。文章介紹了系統(tǒng)框架結(jié)構(gòu)，描述了系統(tǒng)的硬件結(jié)構(gòu)，闡述了系統(tǒng)各功能模塊的設(shè)計(jì)與實(shí)現(xiàn)過程，并在模擬的管道工況上進(jìn)行了測(cè)試。測(cè)試結(jié)果表明，該系統(tǒng)運(yùn)行穩(wěn)定，分析準(zhǔn)確，具有一定的實(shí)用價(jià)值和推廣價(jià)值。

關(guān)鍵詞： 熱力管道; 泄漏監(jiān)測(cè); GPRS; BP神經(jīng)網(wǎng)絡(luò)算法

中圖分類號(hào)：TP319 ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A ?文章編號(hào)：1006-8228（2016）02-22-04

Heating pipeline leak age detection system based on GPRS and BP neural network

Zhao Di， Li Yunjun

（Institute of Technology， YanBian University， Yanji， Jilin 133002， China）

Abstract： Considering the present situation of the heating pipeline leak age detection， a heating pipeline leakage detection system is designed and implemented. By combining the sensors， GPRS wireless communication technology and BP neural network algorithm， the heating pipeline leakage detection system achieved has a set of functions such as acquiring the real-time data of sensor and analyzing the situation of pipeline system. In this paper， the system frame structure is introduced， the system hardware structure is described， the design and implementation process of each function module in the system are set forth， and the system has been tested in the simulated pipeline condition. The test results show that the system is stable， accurate， has practical value and promotional value.

Key words： heating pipeline; leakage detection; GPRS; BP neural network algorithm

0 引言

供熱管網(wǎng)泄漏監(jiān)測(cè)，是當(dāng)今每個(gè)熱力公司面臨的重大難題。目前的供熱管網(wǎng)泄漏監(jiān)測(cè)，大多采用傳統(tǒng)的人工檢測(cè)方法，既使熱力管道上裝有監(jiān)測(cè)傳感器，但監(jiān)測(cè)數(shù)據(jù)利用率不高，導(dǎo)致熱力管道檢測(cè)系統(tǒng)面臨著資源浪費(fèi)大、故障搶修效率低、故障點(diǎn)無法及時(shí)定位等問題[1-5]。

本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于GPRS技術(shù)、傳感器技術(shù)和BP神經(jīng)網(wǎng)絡(luò)算法的熱力管網(wǎng)監(jiān)測(cè)系統(tǒng)。GPRS是一種通用分組無線傳輸技術(shù)，它傳輸成本低、數(shù)據(jù)傳輸穩(wěn)定、傳輸效率高，具有成熟的商業(yè)應(yīng)用市場(chǎng)[6-7]。BP神經(jīng)網(wǎng)絡(luò)算法具有分布式信息存儲(chǔ)、大規(guī)模并行處理、自學(xué)習(xí)和自適應(yīng)性好、魯棒性和容錯(cuò)性強(qiáng)的特點(diǎn)，該算法廣泛應(yīng)用于大數(shù)據(jù)分析領(lǐng)域[8-9]。通過這三種技術(shù)相互結(jié)合，可以有效實(shí)現(xiàn)實(shí)時(shí)分析無線監(jiān)測(cè)數(shù)據(jù)，其廣泛應(yīng)用于多種監(jiān)測(cè)分析領(lǐng)域。

1 系統(tǒng)總體架構(gòu)設(shè)計(jì)

本系統(tǒng)包括數(shù)據(jù)采集和數(shù)據(jù)分析兩部分。熱力管道上裝有壓力、溫度等傳感器，通過基于GPRS技術(shù)的數(shù)據(jù)采集器每5min上傳一組數(shù)據(jù)。當(dāng)后臺(tái)服務(wù)器接收到數(shù)據(jù)，首先存儲(chǔ)源數(shù)據(jù)，對(duì)采集到的壓力數(shù)據(jù)進(jìn)行預(yù)處理計(jì)算，保存正常工況壓降率變化范圍和阻力系數(shù)等基礎(chǔ)參數(shù);然后結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法和動(dòng)態(tài)壓力計(jì)算進(jìn)行數(shù)據(jù)分析，判斷管道泄漏情況。如果發(fā)生泄漏，則立即報(bào)警，通知維修人員進(jìn)行搶修，并更新數(shù)據(jù)庫;如果沒有泄漏，則繼續(xù)監(jiān)聽并分析實(shí)時(shí)上傳的數(shù)據(jù)。該泄漏監(jiān)測(cè)系統(tǒng)的總體架構(gòu)如圖1所示。

<E：＼方正創(chuàng)藝5.1＼Fit201602＼圖＼zd圖1.tif>

圖1 ?系統(tǒng)總體構(gòu)架圖

2 系統(tǒng)硬件組成

數(shù)據(jù)采集部分采用壓力、溫度、液位三種傳感器以及無線數(shù)據(jù)采集設(shè)備。本系統(tǒng)采用的傳感器專用于壓力、溫度以及液位測(cè)量，適合在高溫、高壓、防水、防腐蝕環(huán)境下使用。為方便設(shè)備安置，傳感器鋪設(shè)于熱力管網(wǎng)的閥門井中，連接到無線數(shù)據(jù)采集設(shè)備上。無線采集設(shè)備由STM32單片機(jī)和GPRS模塊組成。STM32F103XX是St公司推出的集高性能、高集成度和低功耗于一身的芯片，它基于Cortex-M3內(nèi)核，并且外擴(kuò)了許多外圍設(shè)備，為數(shù)據(jù)采集部分的開發(fā)提供強(qiáng)大的硬件支持。

GPRS無線通信模塊，其傳輸媒介為GSM/GPRS網(wǎng)絡(luò)，是基于GPRS數(shù)據(jù)業(yè)務(wù)和GSM短信平臺(tái)的通信終端。該模塊不僅支持基于TCP/IP協(xié)議的GPRS數(shù)據(jù)業(yè)務(wù)和短信業(yè)務(wù)，還具有串口設(shè)備數(shù)據(jù)采集功能以及支持遠(yuǎn)程參數(shù)設(shè)置、程序升級(jí)的功能。系統(tǒng)硬件結(jié)構(gòu)圖如圖2所示。

3 系統(tǒng)功能設(shè)計(jì)與實(shí)現(xiàn)

3.1 數(shù)據(jù)采集模塊的實(shí)現(xiàn)

數(shù)據(jù)采集模塊由傳感器和無線數(shù)據(jù)采集器組成，安裝在供熱管網(wǎng)的閥門井內(nèi)。壓力傳感器通過RS-485串口將數(shù)據(jù)傳送到采集器中，緩存數(shù)據(jù)5分鐘后，根據(jù)指定的數(shù)據(jù)幀格式把積累的傳感器數(shù)據(jù)封裝成包。然后通過基于TCP/IP協(xié)議的GPRS技術(shù)，以socket方式向指定IP的服務(wù)器上傳數(shù)據(jù)。以一個(gè)閥門井的傳感器為例，表1為一個(gè)數(shù)據(jù)報(bào)文的幀格式。其中報(bào)頭是區(qū)別于其他數(shù)據(jù)幀的標(biāo)識(shí)，規(guī)定0X6C標(biāo)識(shí)有效幀，其余標(biāo)識(shí)都是無效幀;閥門井ID用于區(qū)別不同區(qū)域的傳感器;地址碼用于標(biāo)記數(shù)據(jù)上傳的IP地址;總長度則是整個(gè)數(shù)據(jù)幀的長度;每個(gè)閥門井的數(shù)據(jù)為一個(gè)數(shù)據(jù)包，每個(gè)數(shù)據(jù)包以特定的分割符分割開;最后一個(gè)包后存放標(biāo)識(shí)數(shù)據(jù)包部分結(jié)束的標(biāo)識(shí)符;時(shí)間記錄該數(shù)據(jù)幀的上傳時(shí)間;最后一部分為CRC校驗(yàn)碼。

3.2 數(shù)據(jù)預(yù)處理模塊的實(shí)現(xiàn)

服務(wù)器接收到傳感器采集的數(shù)據(jù)后，立即把原始數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫中，并針對(duì)不同的供熱工況區(qū)域進(jìn)行基礎(chǔ)數(shù)據(jù)采集。對(duì)于一個(gè)工況，首先保留第一組傳感器數(shù)據(jù)，根據(jù)公式（3-1）與（3-2）中供水閥源壓力值P0、每個(gè)檢測(cè)點(diǎn)的壓力值Pi、與該點(diǎn)對(duì)應(yīng)的阻力系數(shù)Si和水速Vi的關(guān)系分別提取該工況在正常情況下的壓降率變化范圍矩陣和阻力系數(shù)矩陣，這些數(shù)據(jù)作為這個(gè)工況的基礎(chǔ)數(shù)據(jù)保存。為區(qū)別工況并提高數(shù)據(jù)分析的效率，需要對(duì)不同工況建立不同的BP神經(jīng)網(wǎng)絡(luò)，在數(shù)據(jù)分析階段也要采用相應(yīng)工況的網(wǎng)絡(luò)。

（3-1）

（3-2）

3.3 數(shù)據(jù)分析模塊的實(shí)現(xiàn)

對(duì)采集到的管網(wǎng)壓力數(shù)據(jù)需進(jìn)行實(shí)時(shí)數(shù)據(jù)分析，以此判斷熱力管道的泄漏狀況。BP神經(jīng)網(wǎng)絡(luò)作為一種魯棒性極強(qiáng)的黑盒數(shù)據(jù)分析算法，對(duì)于錯(cuò)綜復(fù)雜的地下管道有很好的模擬效果。采集的壓力數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)輸入，傳感器個(gè)數(shù)為輸入節(jié)點(diǎn)個(gè)數(shù)，為了更好地模擬管道情況，BP網(wǎng)絡(luò)設(shè)置一層隱層節(jié)點(diǎn)，根據(jù)公式（3-3）中輸入節(jié)點(diǎn)個(gè)數(shù)n和常數(shù)a（0≦a≦9）來確定隱層節(jié)點(diǎn)個(gè)數(shù)m。輸出節(jié)點(diǎn)的個(gè)數(shù)與輸入層節(jié)點(diǎn)個(gè)數(shù)相等。設(shè)定當(dāng)管道泄漏時(shí)輸出為1，正常工況輸出0，以此原則設(shè)置期望輸出矩陣訓(xùn)練網(wǎng)絡(luò)。圖3為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

（3-3）

僅采用BP神經(jīng)網(wǎng)絡(luò)算法來進(jìn)行壓力數(shù)據(jù)的大數(shù)據(jù)分析將面臨一個(gè)很難解決的技術(shù)問題，那就是如何獲得有效的壓力數(shù)據(jù)和期望輸出數(shù)據(jù)來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)?？紤]到在系統(tǒng)運(yùn)行前期缺少歷史數(shù)據(jù)，還需添加壓力動(dòng)態(tài)變化來判斷泄漏情況的動(dòng)態(tài)計(jì)算模式，在監(jiān)測(cè)管道狀態(tài)的同時(shí)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成之后關(guān)閉動(dòng)態(tài)計(jì)算，通過BP神經(jīng)網(wǎng)絡(luò)來分析預(yù)測(cè)熱力管道的泄漏情況。

由于數(shù)據(jù)采集5min/次，為防止前期的動(dòng)態(tài)計(jì)算過頻報(bào)警或者誤報(bào)，需對(duì)動(dòng)態(tài)計(jì)算設(shè)置合適的時(shí)間周期，一個(gè)周期后再向用戶反饋一次管道情況。進(jìn)入數(shù)據(jù)分析后，首先進(jìn)行參數(shù)初始化，然后監(jiān)聽管道壓降率數(shù)據(jù)，如果有待分析數(shù)據(jù)進(jìn)來，立即輸入一個(gè)周期動(dòng)態(tài)分析模型，與熱力管網(wǎng)正常工況數(shù)據(jù)進(jìn)行比較;如果壓降率超過爆管閥值，則退出周期，立即報(bào)警并訓(xùn)練BP網(wǎng)絡(luò)。沒有爆管則判斷壓降率是否超過該工況的泄漏閥值。如果超過閥值，則發(fā)出預(yù)警、增加泄漏特征參數(shù)并修改BP網(wǎng)絡(luò);沒有超過，則增加正常特征參數(shù)并訓(xùn)練BP網(wǎng)絡(luò)。當(dāng)一個(gè)周期過后，如果出現(xiàn)超出正常壓差特征范圍的數(shù)據(jù)則報(bào)警，并且用戶可以結(jié)合這一周期的動(dòng)態(tài)壓降率變化圖來檢驗(yàn)是否泄漏，確定的期望輸出數(shù)據(jù)再次修正訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，直到BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果與動(dòng)態(tài)分析結(jié)果100%吻合，BP網(wǎng)絡(luò)訓(xùn)練結(jié)束。然后可以關(guān)閉動(dòng)態(tài)計(jì)算，只用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)分析。數(shù)據(jù)分析流程如圖4所示。

3.4 基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)

為提高數(shù)據(jù)分析的效率和可靠性，沒有采用根據(jù)BP神經(jīng)網(wǎng)絡(luò)原理重新封裝函數(shù)的方法，而是調(diào)用MATLAB中更加成熟的BP函數(shù)。但是MATLAB對(duì)BP相關(guān)的函數(shù)有著嚴(yán)格的版權(quán)保護(hù)，僅憑調(diào)用接口的方式無法實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)算法。經(jīng)過多方面研究，本系統(tǒng)擬采用在C#下調(diào)用MATLAB引擎的方式，把參數(shù)送到后臺(tái)MATLAB中，由MATLAB計(jì)算后，再送回編譯器分析。

實(shí)現(xiàn)步驟如下。

⑴ 在MATLAB中編寫.m文件。函數(shù)功能分別是創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)、訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)和仿真。

⑵ 利用.NET組件技術(shù)。通過MATLAB中的Deploy tool工具將m文件編譯成dll，然后在系統(tǒng)中調(diào)用。

⑶ 在Visual Studio中創(chuàng)建解決方案。右鍵解決方案，選擇添加com引用，引用名稱為“Matlab Application（Version 7.14）Type libaray”。其中，7.14為版本號(hào)，不同系列的軟件版本號(hào)不同。

⑷ 添加之后在引用中會(huì)看到一個(gè)名為MLApp的文件，選擇該文件，將屬性Embed Interop Types的True值改為False。如果不更改，會(huì)提示cannot embed;

⑸ 通過MLAppClass matlab=new MLAppClass（）;引入MATLAB類，打開后臺(tái)的MATLAB，然后通過matlab.PutFullMatrix傳遞參數(shù)，matlab.Execute（@"bpcreat（a， b， NodeNum1， TypeNum）"）;來執(zhí)行MATLAB命令。

⑹ 注意執(zhí)行MATLAB命令之前要把執(zhí)行路徑更換成待執(zhí)行的.m所在路徑下。

4 功能測(cè)試

我們?cè)谀M的熱力管道工況上進(jìn)行了數(shù)據(jù)接入和數(shù)據(jù)分析測(cè)試。數(shù)據(jù)分析以動(dòng)態(tài)計(jì)算模式監(jiān)測(cè)共14400分鐘，每5分鐘訓(xùn)練一次BP神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果如圖5所示。測(cè)試采用5個(gè)監(jiān)測(cè)點(diǎn)的分析數(shù)據(jù)，模擬實(shí)驗(yàn)中分別在節(jié)點(diǎn)4和節(jié)點(diǎn)3模擬泄漏，模擬數(shù)據(jù)BP網(wǎng)絡(luò)輸出情況如表2所示，可以看出，對(duì)于超出正常工況的壓力數(shù)據(jù)，輸出結(jié)果接近1;而正常的壓力數(shù)據(jù)，輸出結(jié)果接近0。測(cè)試結(jié)果表明，在傳感器材質(zhì)良好和GPRS網(wǎng)絡(luò)連接通暢的情況下，遠(yuǎn)程數(shù)據(jù)采集的準(zhǔn)確性可達(dá)到100%。經(jīng)過1000次的測(cè)試，通過動(dòng)態(tài)計(jì)算訓(xùn)練出來的BP網(wǎng)絡(luò)模擬預(yù)測(cè)成功精確度達(dá)98%。

5 結(jié)束語

本文設(shè)計(jì)并實(shí)現(xiàn)了一種結(jié)合GPRS技術(shù)與BP神經(jīng)網(wǎng)絡(luò)算法的熱力管網(wǎng)監(jiān)測(cè)系統(tǒng)，對(duì)遠(yuǎn)端傳來的供暖管道監(jiān)測(cè)數(shù)據(jù)進(jìn)行實(shí)時(shí)的數(shù)據(jù)分析，可以及時(shí)發(fā)現(xiàn)管道的漏水情況以及漏水位置。系統(tǒng)操作流程簡單，測(cè)試效果良好。在技術(shù)方面，本系統(tǒng)結(jié)合了傳感器、GPRS和BP神經(jīng)網(wǎng)絡(luò)算法;在實(shí)際運(yùn)用方面，本系統(tǒng)一定程度上可以解決現(xiàn)今熱力管道泄漏發(fā)現(xiàn)不及時(shí)、地下管道情況難預(yù)測(cè)，以及熱力資源浪費(fèi)嚴(yán)重等問題。其數(shù)據(jù)分析算法可以推廣到其他泄漏監(jiān)測(cè)系統(tǒng)。

參考文獻(xiàn)（References）：

[1] 王業(yè).供熱管網(wǎng)泄漏故障診斷技術(shù)[J].山西建筑，2014.19：

124-125

[2] 張建軍.供熱管網(wǎng)泄漏故障診斷技術(shù)的研究[J].山西建筑，

2014.11：137-139

[3] 李彤.熱力管網(wǎng)的動(dòng)態(tài)水壓監(jiān)測(cè)系統(tǒng)研究[D].華北電力大學(xué)，

2013.

[4] O. Sindre. Leak Detection in Pipelines by the use of State

and Parameter Estimation[D].Norwegian University，2014.

[5] Z. Jun， H. Andy. Development Of Pipeline Leak Detection

Technologies[J]. International Pipeline Conference，2014.10.

[6] 孫超.基于GPRS技術(shù)的智能網(wǎng)關(guān)在大型公共建筑能耗監(jiān)測(cè)

系統(tǒng)中的研究與應(yīng)用[D].合肥工業(yè)大學(xué)，2011.

[7] 吳飛，王曉明，任文舉等.供熱系統(tǒng)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)設(shè)計(jì)[J].物

聯(lián)網(wǎng)技術(shù)，2012.1：55-59

[8] L. Xiaoyun， Z. Xiangfen， M. Yan and Y. Yanqin. Study on

Extracting Pipeline Leak Eigenvector Based on Wavelet Packet[J]. The Open Automation and Control Systems Journal，2014.6：98-107

[9] M. Bogdan， K. Thomas， M. Thomas. Committees of deep

feedforward networks trained with few data[J]. Computer Vision and Pattern Recognition，2014.6.