基于BP神經(jīng)網(wǎng)絡(luò)的DMA漏損定位仿真實(shí)驗(yàn)設(shè)計

鄭嘉龍,楊 鴿

(四川水利職業(yè)技術(shù)學(xué)院 電力工程學(xué)院,四川 崇州 611231)

供水管網(wǎng)漏損定位是漏損控制的重要環(huán)節(jié)[1],在降低供水企業(yè)運(yùn)營成本和節(jié)約水資源等方面發(fā)揮重要作用。IWA(International Water Association)標(biāo)準(zhǔn)水量平衡表將供水系統(tǒng)漏損水量(Water Losses)分為非法用水量、表觀漏損(Apparent losses,AL)和真實(shí)漏失[2]。該表將因用戶計量誤差和數(shù)據(jù)處理錯誤造成的損失水量定義為表觀漏損,將輸配水干管漏失水量、蓄水池漏失和溢流水量、用戶支管至計量儀表器具之間漏失水量定義為真實(shí)漏失。下文討論的漏損是指供水管網(wǎng)節(jié)點(diǎn)漏水,因此屬于真實(shí)漏失。供水管網(wǎng)漏損定位方法一直是研究人員關(guān)注的焦點(diǎn)并提出了多種定位方法[3],例如,基于聲發(fā)射技術(shù)的互相關(guān)法[4]、基于水壓梯度的靈敏度分析法[5]以及基于數(shù)據(jù)驅(qū)動的群智算法[6]等。經(jīng)過多年的研究與實(shí)踐應(yīng)用,獨(dú)立計量區(qū)(District metered area,DMA)分區(qū)管理技術(shù)已經(jīng)被證明是供水管網(wǎng)有效漏損控制手段[7]。一般而言,現(xiàn)有供水管網(wǎng)被劃分為多個DMAs需要兩個階段:確定DMA數(shù)量及其包含節(jié)點(diǎn)數(shù)量的聚類階段以及之后在邊界管道上優(yōu)化安裝各種閘閥和流量計的劃分階段[8]。經(jīng)過優(yōu)化分區(qū)得到的DMA內(nèi)包含的計量資源比較有限[9],導(dǎo)致單獨(dú)DMA漏損定位存在很高難度。DMA是當(dāng)前供水管網(wǎng)主流管理方式[10]。因此,DMA極有限資源條件下供水管網(wǎng)漏損定位方法的研究很有現(xiàn)實(shí)價值[11]。

1 仿真實(shí)驗(yàn)

1.1 實(shí)驗(yàn)原理

為了模擬DMA極有限資源條件特征,假定DMA只有一個入口節(jié)點(diǎn),并且只在DMA入口節(jié)點(diǎn)安裝水壓和流量兩個傳感器?；谶@兩個傳感器獲得數(shù)據(jù)訓(xùn)練測試BP神經(jīng)網(wǎng)絡(luò)模型。以上過程將在EPANET軟件平臺上完成。EPANET是一款可用于供水管網(wǎng)水力模擬仿真的免費(fèi)軟件,該軟件平臺提供的供水節(jié)點(diǎn)包含了一個擴(kuò)散器(EMITTER)功能用于模擬節(jié)點(diǎn)漏損,其流量節(jié)點(diǎn)壓力水頭函數(shù)如式(1),其中q表示節(jié)點(diǎn)流量;C表示擴(kuò)散器系數(shù);p表示節(jié)點(diǎn)壓力;γ表示擴(kuò)散器指數(shù)[12]。根據(jù)重力場中不可壓縮流體恒定流的伯努利方程,供水管道中任意兩點(diǎn)存在關(guān)系如式(2)[13],其中z1、z2、p1、p2、v1、v2分別為供水管道1、2節(jié)點(diǎn)的高程、水壓和平均流速;ρ為水的密度;g為重力加速度;h2為節(jié)點(diǎn)2總水頭損失。

q=Cpy,

(1)

(2)

顯然,當(dāng)供水節(jié)點(diǎn)發(fā)生漏損,它的壓力和流量變化將影響供水管網(wǎng)其他節(jié)點(diǎn)。仿真實(shí)驗(yàn)分兩種情景:一種實(shí)驗(yàn)在理想情況下進(jìn)行,另一種實(shí)驗(yàn)在干擾數(shù)據(jù)下進(jìn)行。所謂干擾數(shù)據(jù)是指更多考慮實(shí)際供水管網(wǎng)的復(fù)雜性。實(shí)際供水管網(wǎng)中應(yīng)該不會存在大規(guī)模供水節(jié)點(diǎn)大規(guī)模的需水量大增現(xiàn)象,因此采用一次只有一個節(jié)點(diǎn)作為需水量大增運(yùn)行24小時,獲取干擾數(shù)據(jù)集。作為比較成熟的神經(jīng)網(wǎng)絡(luò)算法,BP(back propagation)神經(jīng)網(wǎng)絡(luò)在多個領(lǐng)域得到廣泛應(yīng)用,包括供水管網(wǎng)漏損定位[14]。BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),信號向前傳遞,誤差反向傳遞。BP神經(jīng)網(wǎng)絡(luò)可分為輸入、隱含和輸出三個層次,輸入層接收外部輸入值,輸出層輸出BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值,各層之間由不同權(quán)值連接[15]。下文討論的仿真實(shí)驗(yàn)將基于EPANET平臺獲取的數(shù)據(jù)集訓(xùn)練測試BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,考察它在極有限資源條件DMA漏損定位的精度。

1.2 實(shí)驗(yàn)平臺

DMA供水管網(wǎng)仿真模型采用MATLAB的EPANET插件工具EPANET-Matlab-Toolkit-2.1.1自帶案例Net1模型拓?fù)浣Y(jié)構(gòu)以及供水節(jié)點(diǎn)需水系數(shù)時間序列,見圖1和圖2所示。

時間軸圖1 獨(dú)立計量區(qū)供水管網(wǎng)仿真模型

Net1模型默認(rèn)設(shè)置節(jié)點(diǎn)和管道基本參數(shù)見表1和表2所示,其中C因子為Hazen-Williams粗糙系數(shù)。EPANET在缺省模式運(yùn)行時,需水系數(shù)將默認(rèn)采用模式1。Net1模型中在EPANET軟件水泵曲線編輯器中參數(shù)設(shè)計流量(1 500)和揚(yáng)程(250)。為了適應(yīng)國內(nèi)各參數(shù)單位使用習(xí)慣,運(yùn)行EPANET時將流量單位由默認(rèn)值GPM改為LPS。使用MATLAB軟件編寫.m文件[16-17],驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型算法程序。

表1 節(jié)點(diǎn)需水量基值

表2 管網(wǎng)管道屬性

1.3 基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測極簡DMA漏損定位過程

在DMA布置足夠數(shù)量的各類傳感器情況下,BP神經(jīng)網(wǎng)絡(luò)的漏損定位預(yù)測精度非常高。然而,在各類傳感器配置不足情況下,BP神經(jīng)網(wǎng)絡(luò)漏損定位研究還比較少。通過以下仿真實(shí)驗(yàn),探究BP神經(jīng)網(wǎng)絡(luò)在極端簡單配置傳感器情況下,DMA漏損定位預(yù)測精度問題。

(1)傳感器布置。通過設(shè)置不同漏損節(jié)點(diǎn)及漏損水量仿真單一節(jié)點(diǎn)漏損情況,獲取監(jiān)測傳感器參數(shù)數(shù)據(jù),用于BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型訓(xùn)練和試驗(yàn)。在圖1中,10節(jié)點(diǎn)作為DMA的入口節(jié)點(diǎn),將10節(jié)點(diǎn)和10管道獲取的仿真數(shù)據(jù)作為入口節(jié)點(diǎn)的水壓和流量數(shù)據(jù)。

(2)獲取訓(xùn)練數(shù)據(jù)集?？梢酝ㄟ^設(shè)置節(jié)點(diǎn)的擴(kuò)散器系數(shù)模擬節(jié)點(diǎn)發(fā)生漏損的情況。除了節(jié)點(diǎn)10以外的8個節(jié)點(diǎn)擴(kuò)散器系數(shù)分別設(shè)置為0.2、0.6和1。由于Net1模型每個節(jié)點(diǎn)都設(shè)置了不同時間段的需水量,水泵也設(shè)置了水泵揚(yáng)程和流量關(guān)系的水泵曲線。因此,動態(tài)運(yùn)行24小時可獲取每個節(jié)點(diǎn)在各種擴(kuò)散器系數(shù)下的24組不同數(shù)據(jù),總共獲取576組數(shù)據(jù)。

(3)確定BP神經(jīng)網(wǎng)絡(luò)模型。由于實(shí)驗(yàn)中的輸入為兩個傳感器參數(shù),輸入層神經(jīng)元個數(shù)為2個;預(yù)測的漏損節(jié)點(diǎn)數(shù)為1個,輸出層神經(jīng)元個數(shù)為1個。采用文獻(xiàn)[18]所述2-5-1三層結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型初值定位漏損節(jié)點(diǎn),其拓?fù)浣Y(jié)構(gòu)如圖3所示,圖中X1和X2分別為入口節(jié)點(diǎn)壓力和水流傳感器獲取的數(shù)據(jù)集;Y1為模型預(yù)測漏損節(jié)點(diǎn)的輸出數(shù)據(jù)集。

圖3 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

(4)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型。從第(2)環(huán)節(jié)產(chǎn)生的576組數(shù)據(jù)中隨機(jī)選擇500組數(shù)據(jù)用于模型訓(xùn)練,剩下的76組數(shù)據(jù)用于模型測試。假如模型預(yù)測精度符合預(yù)期則進(jìn)行下一個步驟,否則返回步驟3對模型進(jìn)行調(diào)整。

(5)獲取干擾數(shù)據(jù)集。模式1節(jié)點(diǎn)需水系數(shù)增加50%得到模式2。將節(jié)點(diǎn)11需水系數(shù)設(shè)置為模式2,剩下7個非入口節(jié)點(diǎn)各設(shè)置一次擴(kuò)散器系數(shù)為0.6的漏損節(jié)點(diǎn)。運(yùn)行EPANET軟件得到168組干擾數(shù)據(jù)。

(6)采用包含干擾數(shù)據(jù)的數(shù)據(jù)集訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型。采用第(5)環(huán)節(jié)產(chǎn)生的168組數(shù)據(jù)與第(2)環(huán)節(jié)中產(chǎn)生的576組數(shù)據(jù)組成新的數(shù)據(jù)集。從該數(shù)據(jù)集中隨機(jī)抽取500組數(shù)據(jù)用于模型訓(xùn)練,從剩下的數(shù)據(jù)組中隨機(jī)抽取76組數(shù)據(jù)用于模型測試。對比分析仿真實(shí)驗(yàn)結(jié)果并得出實(shí)驗(yàn)結(jié)論。

仿真實(shí)驗(yàn)流程見圖4。

圖4 仿真實(shí)驗(yàn)步驟流程圖

2 結(jié)果與討論

將未設(shè)置需水量臨時大增節(jié)點(diǎn)的情況命名為實(shí)驗(yàn)組1,設(shè)置需水量臨時大增節(jié)點(diǎn)的情況命名為實(shí)驗(yàn)組2,仿真實(shí)驗(yàn)結(jié)果見圖5、圖6、圖7。圖5顯示實(shí)驗(yàn)組1預(yù)測結(jié)果與期望結(jié)果吻合度非常高,實(shí)驗(yàn)組2出現(xiàn)較多預(yù)測結(jié)果與期望結(jié)果吻合度較差的情況。圖6顯示實(shí)驗(yàn)組2的預(yù)測誤差明顯大于實(shí)驗(yàn)組1的預(yù)測誤差。圖7顯示實(shí)驗(yàn)組2中絕大部分樣本的誤差百分比都較實(shí)驗(yàn)組1的誤差百分比要高一些。從實(shí)驗(yàn)組1的這三個指標(biāo)可以看出BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在DMA漏損定位中可以得到較好的應(yīng)用。實(shí)驗(yàn)組2的這三個指標(biāo)則說明干擾數(shù)據(jù)降低了BP神經(jīng)網(wǎng)絡(luò)模型在DMA漏損預(yù)測精度。

樣本(a) 實(shí)驗(yàn)組1

3 結(jié) 論

BP神經(jīng)網(wǎng)絡(luò)在理想條件下DMA漏損定位預(yù)測問題已經(jīng)得到了廣泛研究,但是對于各類傳感器配置不足情況的研究成果還比較少見。上文基于已有仿真模型,設(shè)計了只在DMA入口設(shè)置1個壓力傳感器和1個流量傳感的DMA模型。通過調(diào)節(jié)DMA節(jié)點(diǎn)擴(kuò)散器和需水系數(shù)的方式模擬節(jié)點(diǎn)漏損和節(jié)點(diǎn)需水量變化的情況,進(jìn)而獲得兩組數(shù)據(jù)集訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型?；诜抡鎸?shí)驗(yàn)結(jié)果可以得出如下兩點(diǎn)結(jié)論:(1)在極簡傳感器配置條件下,BP神經(jīng)網(wǎng)絡(luò)模型對DMA供水管網(wǎng)漏損定位預(yù)測有比較好的效果;(2)節(jié)點(diǎn)需水量臨時大增作為干擾因素的情況下,BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差大增。減小干擾因素對預(yù)測模式的影響將是后續(xù)研究的重點(diǎn)。