城鎮(zhèn)供水管網(wǎng)漏損檢測及定位技術(shù)研究進(jìn)展

劉小帥，廖振良,2

(1.新疆大學(xué) 建筑工程學(xué)院，新疆維吾爾自治區(qū) 烏魯木齊 830047；2.同濟(jì)大學(xué) 環(huán)境科學(xué)與工程學(xué)院，上海 200092)

0 引 言

美國自來水廠估計2003年在美國境內(nèi)因供水管網(wǎng)漏失和使用未計費水量造成的耗費電量損失約50～100億千瓦時[1]。2006年世界銀行曾發(fā)布稱：每年從城市供水管網(wǎng)系統(tǒng)漏失水量達(dá)480億m3，價值約合140億美元。《中國統(tǒng)計年鑒2015》顯示，2015年中國漏失水量63億，漏損率約15.4%。漏失水量不僅影響水廠經(jīng)濟(jì)效益，造成能源浪費，同時細(xì)菌、病毒、微生物等可通過漏點進(jìn)入管網(wǎng)，污染飲用水，為人民健康埋下隱患。

隨著城鎮(zhèn)化進(jìn)程加快，城鎮(zhèn)人數(shù)增加，自來水需求量逐年增長。城鎮(zhèn)管網(wǎng)老舊失修或未及時更換、管齡增加、管網(wǎng)外部因素(如不均勻沉降、施工)等原因?qū)е侣p水量居高不下。近些年，我國漏損率雖有所下降，但漏失總量卻逐年增加。水漏失影響人們的正常生活。嚴(yán)重時，城市主干道爆管影響人們交通出行，進(jìn)而引發(fā)社會性問題。因此，對于供水行業(yè)，無論是經(jīng)濟(jì)損失、資源浪費還是社會影響層面，將新技術(shù)、新設(shè)備應(yīng)用至城鎮(zhèn)供水系統(tǒng)是減少漏損、進(jìn)一步提高系統(tǒng)效率的迫切需求。

1 基于儀器設(shè)備的漏損檢測及定位方法

目前，常用于城鎮(zhèn)供水管網(wǎng)基于漏損檢測儀器設(shè)備的檢漏方法主要有聲學(xué)方面的方法(如聽漏棒、相關(guān)檢漏儀、噪聲記錄儀[2])、探地雷達(dá)法、智能球法、分布式光纖傳感技術(shù)、示蹤氣體法、紅外熱成像法[3-4]。

1.1 聲學(xué)方法

聽漏棒方法是指將聽音棒放至閥門、消火栓等位置，通過聽取管道漏損出水口位置在管道中傳播的聲信號，從而判斷管道漏損點位置。該方法是較古老的方法，聽漏棒操作簡便且儀器成本較低，其精確度主要與從業(yè)者的經(jīng)驗相關(guān)。相關(guān)檢漏儀是由主機(jī)和兩個傳感器及配套的無線發(fā)射器組成，通過傳感器收集漏損位置傳播聲波信號的時間差并利用無線發(fā)射器將信號數(shù)據(jù)傳至主機(jī)，進(jìn)而得到漏損點位置，相關(guān)檢漏儀是目前供水行業(yè)應(yīng)用最廣泛且精度較高的方法。由于其傳感器特性，尤其適合長距離管道的檢漏[5]。噪聲記錄儀一般由安裝在配水系統(tǒng)的聲學(xué)接收控制器及多個數(shù)據(jù)記錄器組成，記錄器分布在如消火栓、閥門及其他管道暴露位置[6-7]?？梢愿鶕?jù)預(yù)設(shè)的時間自行啟動，主要記錄夜間的管道漏水噪聲信號，通過專門軟件對信號數(shù)據(jù)分析，推斷漏損管道位置[8]。聲學(xué)方面的儀器檢漏精度不僅與儀器精度有關(guān)，還與相關(guān)分析軟件及人工經(jīng)驗有很大關(guān)系。雖然比較費時費力，但由于其可操作性強(qiáng)、易于攜帶，目前依然是供水行業(yè)供水管網(wǎng)檢漏的主要方法之一。

圖1 相關(guān)檢漏儀示意圖Fig.1 The schematic diagram of a leak detector

1.2 探地雷達(dá)法

探地雷達(dá)利用無線電波對漏水情況進(jìn)行監(jiān)測，利用無線電波反射漏點周圍不同濕度的土壤并用圖像顯示，通過有經(jīng)驗的人員對生成圖形的分析，實現(xiàn)漏水點精確定位[9]。該方法精度相對較高，具有無破壞性、不易受外界干擾等優(yōu)點，適用于浸濕區(qū)域檢漏[4]，但比較耗時耗力，需要管道上方具有良好的可通行條件，對于管道周邊環(huán)境復(fù)雜狀況及氣溫變化或凍土區(qū)域，探地雷達(dá)法應(yīng)用度不高。

1.3 智能球法

智能球法是指在管道中放入智能球，其內(nèi)部有記錄噪音的傳感器，將持續(xù)收集并記錄噪音信號，在接近或經(jīng)過漏損點位置時，通過智能球內(nèi)部傳感器將收集到的信息并發(fā)出的脈沖信號，可以準(zhǔn)確地分析處漏損點位置。智能球在管道內(nèi)可記錄全頻段聲波信號，通過對比泄露與正常工況下的聲信號在幅度和頻率分布不同，由此判斷管道是否發(fā)生泄漏。目前這種方法在國外已有應(yīng)用，智能球法不僅適用于供水管網(wǎng)的漏損檢測，對于油氣管道泄露檢測同樣適用,不受管道材料限制且對于小漏失敏感性較好[10]。

1.4 分布式光纖振動傳感技術(shù)

吳慧娟等[11]利用基于相位敏感光時域反射儀技術(shù)的分布式光纖振動傳感技術(shù)(DOFVS)提出了一種新型壓力輸水管道光纖在線泄漏監(jiān)測方法，此方法利用普通單模通信光纖拾取泄漏位置引起的管道振動信號并進(jìn)行實時檢測和定位。分布式光纖傳感融合傳感傳輸功能，通過沿管道布置傳感光纖，從而獲取溫度或應(yīng)變傳感信息，基于光時域反射技術(shù)對光纖受到擾動而產(chǎn)生的光學(xué)效應(yīng)進(jìn)行檢測分析，定位漏損位置[12-13]。此種方法可避免信號在長距離傳輸過程中的衰減情況，具有耐腐蝕、長距離傳輸?shù)葍?yōu)點。該方法在油氣管道得到一定的適用，但目前在供水管網(wǎng)方面目前應(yīng)用較少。

圖2 探地雷達(dá)工作示意圖Fig.2 The schematic diagram of ground penetrating radar

圖3 光纖傳感技術(shù)原理圖Fig.3 The schematic diagram of optical fiber sensing technology

1.5 示蹤氣體法

示蹤氣體法(如95%氮氣和5%氫氣)廣泛用于機(jī)械測試，該氣體不得有毒性。用高靈敏的氣體檢測儀沿管道進(jìn)行探索，通過檢測冒出地面的示蹤氣體準(zhǔn)確定位漏點[14]。該方法與智能球法有一定的類似性，都是隨水介質(zhì)的連續(xù)運(yùn)動，不同的是示蹤氣體法根據(jù)對氫氣敏感的探測儀接收檢漏，哪怕是極小的漏點，只要有氣體溢出，即可找出漏損點位置[15]。此方法適用于管道周圍噪聲較大的非金屬管道的漏損監(jiān)測工作[16]。

1.6 紅外熱成像法

紅外熱成像檢測具有非接觸、快速區(qū)域掃描和對工作人員無傷害等特點[17]，其檢漏原理是當(dāng)某處管線發(fā)生漏損時，鄰近土壤可能會達(dá)到飽和，進(jìn)而改變其熱學(xué)特征，通過紅外熱成像，探明漏點周圍土壤與非漏點周圍差別，可以大致判斷漏點位置，紅外熱成像法具有高精度、安全快速定位等優(yōu)點，但其受環(huán)境和溫度及人工經(jīng)驗影響較大。

1.7 不同漏損檢測方法的特征及優(yōu)缺點

以上方法各有優(yōu)劣，對聲音信號提取的儀器與漏點傳播介質(zhì)息息相關(guān)，因此，對于管道介質(zhì)的材料有一定的要求，主要常用于金屬材料如鑄鐵管、灰口鑄鐵管等，此類方法如聽漏棒成本較低且小范圍精確度高，因此應(yīng)用范圍廣。而探地雷達(dá)和紅外熱成像則是通過漏點周圍土壤信息反饋，當(dāng)飽和度增加時，溫度及導(dǎo)電性不同，因此基于此原理的方法對管道材料沒有特定要求。智能球和示蹤氣體發(fā)都是隨介質(zhì)運(yùn)動的方法，雖然探測精度高且對管道材質(zhì)要求不高，但此方法存在污染水質(zhì)的風(fēng)險。不同漏損檢測方法的特征及優(yōu)缺點詳見表1。

表1 不同漏損檢測方法的特征及優(yōu)缺點Table 1 The characteristics，advantages and disadvantages of different leakage detection methods

2 基于模型算法的漏損檢測及定位技術(shù)及發(fā)展

隨著計算機(jī)軟件的發(fā)展，國內(nèi)外研究人員在不斷強(qiáng)化檢漏硬件儀器設(shè)備的同時，也建立了以模型算法為基礎(chǔ)的漏損控制模型。相對于硬件儀器成本高、耗時且耗力的工作，基于計算機(jī)模型算法檢漏技術(shù)可快速確定漏損區(qū)域，且在當(dāng)今復(fù)雜多變的拓?fù)涔芫W(wǎng)結(jié)構(gòu)比傳統(tǒng)儀器檢漏效率高。由于模型主要依靠附加信息如壓力、流量對管網(wǎng)漏損區(qū)域進(jìn)行定位，因此可適用于各種管道材質(zhì)，應(yīng)用范圍更廣。

2.1 逆瞬態(tài)分析法

瞬態(tài)現(xiàn)象是基于供水管網(wǎng)的有關(guān)泄露信息的壓力及流量變化狀態(tài)而表達(dá)?；谒矐B(tài)現(xiàn)象的逆瞬態(tài)分析方法(ITA)的原理是根據(jù)變化的流量和壓力結(jié)合相關(guān)算法反推水力管網(wǎng)可能漏點位置。在一些測試中，基于瞬態(tài)現(xiàn)象的監(jiān)測技術(shù)可以收集高采樣頻率的壓力數(shù)據(jù)，有助于漏失位置的監(jiān)測及定位[18-19]。Pudar等[20]將漏失檢測和定位問題作為一個最小二乘法的逆問題，在漏失檢測和定位的逆問題上，其目標(biāo)是確定未知參數(shù)的值。伍悅濱[21]對水力反問題進(jìn)行分析，利用特征線方程并采用牛頓辛普森公式求解模型。目前，對于實際管網(wǎng)復(fù)雜的拓?fù)浣Y(jié)構(gòu)條件，瞬態(tài)條件下的壓力、流量變化是由真實的少量漏失還是用戶突然持續(xù)用水引起，并不能有效地明確區(qū)分。瞬態(tài)模型需要較高的準(zhǔn)確性及管網(wǎng)邊界條件，模型誤差不容小覷。同時，瞬態(tài)模型需要大量高敏感傳感器收集數(shù)據(jù)，價格昂貴。由于以上原因，基于瞬態(tài)現(xiàn)象的逆瞬態(tài)分析方法主要用于實驗室條件下的單管道或簡單的管網(wǎng)結(jié)構(gòu)，很少直接應(yīng)用于實際管網(wǎng)拓?fù)浣Y(jié)構(gòu)[22]。

2.2 時域分析法

2.3 基于壓力的優(yōu)化校核方法

基于壓力的漏失檢測方法將泄漏看作是基于壓力的需求并在選定的模型節(jié)點由噴射流模擬。該漏失檢測方法通過優(yōu)化漏失節(jié)點位置和相關(guān)噴射系數(shù)使得用于壓力和流量的預(yù)測模型與現(xiàn)場實際測量值的差異最小化，其優(yōu)化問題可通過不同的方式解決，如基因算法[22,27]、布谷鳥算法[28]等。

Wu等[27]通過建立水力仿真和優(yōu)化模型框架，并使用基因算法作為解決非線性優(yōu)化問題的模型校核。張縝等[29]在十次試驗條件下，隨迭代次數(shù)增加，模擬值接近真實值，驗證了基于實數(shù)編碼遺傳算法的壓力相關(guān)漏損定位的可行性和有效性，但由于監(jiān)測儀器數(shù)量有限，當(dāng)僅考慮壓力或流量壓力共同考慮時，檢測誤差大，效果差。基于基因算法的參數(shù)優(yōu)化方法作為完整的優(yōu)化校核工具嵌入到特有的模型包，并不斷完善。Wang[30]等基于EPANET和基因優(yōu)化方法，模擬供水管網(wǎng)漏損并指出漏損量越小，其預(yù)測誤差也越小。Wu[31]提出了用于識別漏損的依賴壓力檢測方法(PDLD)，在泰國和英國，分別使用PDLD方法結(jié)合分部測試法及噪聲記錄設(shè)備對案例進(jìn)行研究，結(jié)果表明：即使借助儀器設(shè)備探測失敗的情況下，采用該方法可以成功預(yù)測泄漏。因此，基于基因優(yōu)化算法的壓力泄漏檢測模型具有很好的發(fā)展?jié)摿?。在此基礎(chǔ)上，張清周[28]提出的布谷鳥優(yōu)化算法較遺傳算法具有較高的收斂速度和計算效率，利用夜間最小流量時段的數(shù)據(jù)導(dǎo)入壓力相關(guān)漏失定位模型，證實比傳統(tǒng)的檢漏方法更有效。Sophocles[32]提出使用優(yōu)化和系統(tǒng)搜索空間減少的基于模型的框架模型，分步驟檢測定位，通過基因算法優(yōu)化校核，最小化模型壓力、流量的計算值與監(jiān)測值差值，證實在實際管網(wǎng)中可以減少潛在漏損個數(shù)并有效定位漏損位置。

2.4 數(shù)據(jù)驅(qū)動模型方法

數(shù)據(jù)驅(qū)動模型方法是利用壓力、流量數(shù)據(jù)，根據(jù)其內(nèi)在規(guī)律，推測出供水管網(wǎng)可能的漏損位置。因此，該方法不同于傳統(tǒng)水力模型的內(nèi)在數(shù)學(xué)運(yùn)算關(guān)系，而是利用數(shù)據(jù)特征推斷管網(wǎng)漏損點。隨著城鎮(zhèn)供水管網(wǎng)在線監(jiān)測設(shè)備的安裝使用，越來越多的壓力、流量數(shù)據(jù)可在線獲取，基于數(shù)據(jù)驅(qū)動的撿漏及定位是未來的發(fā)展方向。

Mounce[33]等利用人工神經(jīng)網(wǎng)絡(luò)(ANN)方法對供水管網(wǎng)進(jìn)行檢漏，ANN目前在很多行業(yè)都得到的應(yīng)用。ANN通過設(shè)定相關(guān)系統(tǒng)參數(shù)，無需知道管網(wǎng)各參數(shù)(管徑、埋深、海森威廉系數(shù)等)，選定合適網(wǎng)絡(luò)結(jié)構(gòu)通過訓(xùn)練，即可定位漏損位置。Mounce[34]將模糊推理系統(tǒng)與ANN相結(jié)合提出了檢測管道爆管的新方法，利用歷史流量數(shù)據(jù)來訓(xùn)練ANN建立起概率密度函數(shù)預(yù)測流量曲線，使用模糊推理系統(tǒng)分析實測流量與模型實時預(yù)測流量的差別來判斷是否存在泄漏，實驗中該方法可以及時有效檢測到爆管。王俊嶺[16]以某城市管網(wǎng)為對象，分別在上中下游選取三條沒有經(jīng)過訓(xùn)練的管道，利用BP神經(jīng)網(wǎng)絡(luò)非線性映射特點，成功對管網(wǎng)漏損點進(jìn)行定位。王珞樺[35]基于BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)，以實驗室自搭建的小型供水管網(wǎng)為例對漏損定位的研究方法進(jìn)行驗證。Mashford[36]利用支持向量機(jī)(SVM)對模型管網(wǎng)進(jìn)行的實驗發(fā)現(xiàn)可以準(zhǔn)確地預(yù)測泄漏大小和泄漏位置，并在指定的空間分辨率內(nèi)預(yù)測。李楠楠[37]采用粒子群優(yōu)化算法反演海森威廉系數(shù)，通過反向訓(xùn)練支持向量機(jī)(SVM)模型，建立基于PSO-SVM方法的供水管網(wǎng)爆管診斷模型并通過實驗證實其有效性。Poulakis[38]提出了一種用于給水管網(wǎng)泄漏檢測的貝葉斯系統(tǒng)辨識方法，基于流量測試數(shù)據(jù)的信息估算出最可能的泄漏事件(泄漏的大小和位置)以及這些估算中的不確定性。將該方法應(yīng)用于某水管管網(wǎng)的泄漏檢測，驗證了該方法的有效性。李霞[39]引進(jìn)貝葉斯定理來建立管網(wǎng)泄漏的在線檢測與定位模型，一定程度上解決了水力模擬誤差、測量誤差、測點配置等因素導(dǎo)致的不確定性問題。

水力模型的準(zhǔn)確度受各種外界因素的影響，包括管網(wǎng)基礎(chǔ)資料的完備程度和準(zhǔn)確性、建模過程對管網(wǎng)的不當(dāng)簡化、參數(shù)估計、用水時變系數(shù)、實測數(shù)據(jù)的正確程度及校核參數(shù)之間的誤差補(bǔ)償[40]等。因此，應(yīng)用模型算法方法進(jìn)行管網(wǎng)檢漏時，應(yīng)充分考慮各影響因素。逆瞬態(tài)分析很難獲得用于實際復(fù)雜管網(wǎng)的精準(zhǔn)模型，因此僅適用于實驗室條件下的檢漏分析?；诜瓷洳ㄔ淼腡DA易受背景漏失及外界噪音的干擾，小波變換雖然可以辨識并拾取有關(guān)漏點聲信號，但目前應(yīng)用于實際管網(wǎng)仍需進(jìn)一步論證。PDLD方法結(jié)合基因算法、布谷鳥算法、粒子群算法等，均已經(jīng)應(yīng)用于實際案例。數(shù)據(jù)驅(qū)動模型基于流量、壓力數(shù)據(jù)的內(nèi)在規(guī)律，無需專門構(gòu)建與各管道物理參數(shù)息息相關(guān)的水力模型，即可推斷管網(wǎng)可能漏損點的優(yōu)勢。隨著SCADA系統(tǒng)在各城市供水管網(wǎng)不斷發(fā)展完善，可實時在線獲取相關(guān)數(shù)據(jù)，因此具有廣泛的應(yīng)用前景。在實際城鎮(zhèn)供水管網(wǎng)中，每個城市由于地理位置、人文因素等原因，供水管網(wǎng)拓?fù)浣Y(jié)構(gòu)具有唯一性，且絕大部分城市關(guān)于管網(wǎng)漏損數(shù)據(jù)嚴(yán)重缺失，無法為訓(xùn)練提供足夠的樣本，因此將水力模型與數(shù)據(jù)驅(qū)動結(jié)合不失為一種好方法，通過人為模擬漏損點獲取相關(guān)數(shù)據(jù)，結(jié)合數(shù)據(jù)驅(qū)動模型并訓(xùn)練樣本，可較快定位出漏損位置。

3 結(jié) 論

本文對基于硬件及模型算法的城鎮(zhèn)供水管網(wǎng)漏損檢測及定位相關(guān)技術(shù)方法進(jìn)行了綜述，并羅列硬件設(shè)備各方法優(yōu)缺點、適用范圍及模型算法相關(guān)技術(shù)的研究進(jìn)展，得到以下結(jié)論：

(1)基于硬件設(shè)備儀器的檢漏成本相對較高，且各方法適用范圍及對管材要求不同。但由于目前基于模型算法的技術(shù)在實際管網(wǎng)中應(yīng)用的不成熟，且硬件檢漏具有較高的精確度，因此，該檢漏方法在供水行業(yè)仍然大量存在。

(2)現(xiàn)實管網(wǎng)拓?fù)浣Y(jié)構(gòu)錯綜復(fù)雜，實驗室條件下的模型精確度難以在實際配水管網(wǎng)中得以保證。在動態(tài)模型中，假定的時變系數(shù)很難嚴(yán)格按照客戶用水需求進(jìn)行，因此模擬的數(shù)據(jù)存在偏差。在此基礎(chǔ)上，模擬值與測量值之間差值最小化的優(yōu)化算法給出可能漏損點存在一定偏差，因此，基于模型算法的方法只能給出可能漏損點區(qū)域。

(3)為精確快速定位，發(fā)展基于模型算法的同時，也需要研發(fā)新的硬件檢漏工具?；谀Ｐ退惴夹g(shù)的方法快速給出檢漏區(qū)域，基于硬件設(shè)備的人工檢漏精確定位漏損點。將兩種方法結(jié)合可以充分發(fā)揮各自的優(yōu)勢，為自來水廠快速精準(zhǔn)檢漏提供思路。