曲線吻合度算法在高層住宅小區(qū)庭院管道漏損控制中的應(yīng)用

田澤輝,李立宏,王 瑾

(唐山市自來(lái)水有限公司,河北唐山 063000)

城鎮(zhèn)化建設(shè)的快速推進(jìn)帶動(dòng)二次供水設(shè)施建設(shè)持續(xù)發(fā)展。 二次供水系統(tǒng)是連接水司和用戶水龍頭之間的“最后一公里”,是城鎮(zhèn)供水系統(tǒng)中的重要環(huán)節(jié)之一,而“最后一公里”的庭院管網(wǎng)漏損往往被水司、物業(yè)所忽視。 由于供水管網(wǎng)普遍深埋地下,難以及時(shí)發(fā)現(xiàn)滲漏,使得管網(wǎng)滲漏成為國(guó)內(nèi)外供水行業(yè)普遍面臨的問(wèn)題[1],不僅造成水資源浪費(fèi)和經(jīng)濟(jì)損失,還會(huì)引起管網(wǎng)壓力降低、水質(zhì)二次污染、地面塌陷等次生災(zāi)害,嚴(yán)重威脅供水安全和公共安全。

水是人類(lèi)賴(lài)以生存和從事生產(chǎn)不可缺少的寶貴資源,供水企業(yè)應(yīng)采取措施,控制管網(wǎng)漏損,提高供水效率,達(dá)到節(jié)約水資源的目的。 針對(duì)如何利用現(xiàn)有的技術(shù)手段來(lái)降低高層住宅小區(qū)庭院管網(wǎng)漏損,本文依托某水司二次供水監(jiān)控平臺(tái)采集的海量數(shù)據(jù)資源,提出利用曲線吻合度算法預(yù)判管網(wǎng)漏點(diǎn)的解決方案。

1 管網(wǎng)漏損的主要原因以及影響

1.1 管網(wǎng)漏損的主要原因

(1) 供水管網(wǎng)老化,管材質(zhì)量不佳,附屬設(shè)施腐蝕嚴(yán)重,采用易腐蝕的管材材質(zhì)容易引發(fā)后期漏損。鑄鐵管由于強(qiáng)度低、易腐蝕,加上接口易滲漏,最容易引發(fā)漏損現(xiàn)象[2]。

(2) 施工質(zhì)量不高,也是造成管道漏水的直接原因,主要是管道接口處剛性太強(qiáng),發(fā)生不均勻沉降時(shí),管道易產(chǎn)生環(huán)向斷裂或大頭處撓斷而造成大的漏損;管道基礎(chǔ)承載力不夠,當(dāng)土壤發(fā)生不均勻沉降時(shí)造成管道接口漏損;管道接口質(zhì)量不好,安裝完成后通水即有滲漏。

(3) 管道內(nèi)壁防腐不均勻,受腐蝕后會(huì)直接影響輸水能力和水質(zhì),造成管道強(qiáng)度降低,易發(fā)生爆管現(xiàn)象。 外壁防腐不徹底,遇到污水等帶有侵蝕的情況,易造成腐蝕,形成漏損現(xiàn)象。

(4) 局部管道埋深不夠,造成管網(wǎng)不均勻沉降,導(dǎo)致斷裂,形成漏損。

1.2 管網(wǎng)漏損造成的影響

(1) 造成水資源浪費(fèi)。 我國(guó)住房和城鄉(xiāng)建設(shè)部發(fā)布的《2021 年城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒》[3]顯示,2020年全國(guó)供水總量約為630.8 億m3,漏損水量約為80.4 億m3,全國(guó)平均漏損率約為12.7%。

(2) 造成能源浪費(fèi)和經(jīng)濟(jì)損失。 我國(guó)供水管網(wǎng)大部分采用加壓系統(tǒng)輸送到企業(yè)各個(gè)裝置,漏水相當(dāng)于漏能,每年漏損導(dǎo)致的電能消耗約10 億kW·h,由此還產(chǎn)生了大量無(wú)效的碳排放。

(3) 導(dǎo)致水質(zhì)污染。 漏水意味著管道不再是封閉的系統(tǒng),管道內(nèi)壓力低的時(shí)候、停水的時(shí)候,管道外的污染會(huì)進(jìn)入管道,特殊情況下的射吸現(xiàn)象也會(huì)產(chǎn)生對(duì)管道內(nèi)水的污染。

(4) 導(dǎo)致路面塌陷。 管道漏水會(huì)使土壤具有流動(dòng)性,遇到附近有排水管道,土壤不斷流失,地面下形成空洞,空洞變大,地面就會(huì)塌陷。

(5) 導(dǎo)致地下水位上升。 有供水管網(wǎng)覆蓋的區(qū)域,地下水位因?yàn)楣艿莱掷m(xù)漏水而變高,冬季地面凍脹也和地下水位有直接關(guān)系。

2 漏損預(yù)測(cè)的大數(shù)據(jù)基礎(chǔ)支持

本文所說(shuō)的高層住宅小區(qū)庭院管網(wǎng)特指主街/主路管網(wǎng)的市政管網(wǎng)分支到具有二次供水小區(qū)內(nèi)的管網(wǎng)。 庭院管網(wǎng)的管線數(shù)量、管線總長(zhǎng)度、復(fù)雜程度和維護(hù)成本都很高。 按照獨(dú)立計(jì)量區(qū)域(DMA)分級(jí)分區(qū)的思路,一個(gè)高層住宅小區(qū)即為一個(gè)最小分區(qū)。 高層住宅小區(qū)庭院管網(wǎng)的數(shù)量至少有1 條市政管線,1 條甚至多條加壓管線。 目前,有的小區(qū)最多有7 條加壓管線。 DMA 分區(qū)漏損控制方法雖然能預(yù)判小區(qū)內(nèi)存在漏點(diǎn),但不能準(zhǔn)確定位到哪根管線有漏點(diǎn),給測(cè)漏工作造成很大麻煩。 同時(shí),增加人員勞動(dòng)強(qiáng)度,降低工作效率。 此外,為了提高測(cè)漏的準(zhǔn)確性,一般要在晚上23:00—次日5:00 進(jìn)行測(cè)漏作業(yè),加之其方法還要結(jié)合營(yíng)收數(shù)據(jù)。 因此,營(yíng)收數(shù)據(jù)的滯后性,也會(huì)導(dǎo)致管網(wǎng)漏失量增加。 管網(wǎng)明漏一般流量都很大,漏失容易被發(fā)現(xiàn),對(duì)周邊環(huán)境及用戶產(chǎn)生較大影響,處理起來(lái)很快,漏失持續(xù)時(shí)間不是很長(zhǎng)。 暗漏可以被檢測(cè)到但不宜察覺(jué),漏失量中等水平。 暗漏的持續(xù)時(shí)間取決于主動(dòng)測(cè)漏、解決漏損措施的積極性及強(qiáng)度,持續(xù)幾天、幾個(gè)月、甚至一兩年都有可能的。 由此來(lái)看,在不改變現(xiàn)有DMA 分區(qū)管理的前提下,深度挖掘二次供水泵房的監(jiān)控?cái)?shù)據(jù),能及時(shí)準(zhǔn)確發(fā)現(xiàn)管線漏點(diǎn),快速處理,從一定程度上降低高層住宅小區(qū)庭院管網(wǎng)漏損,節(jié)約水電能耗。

“統(tǒng)建統(tǒng)管”二次供水模式的推進(jìn),加快了老舊二次供水設(shè)施改造步伐,拓展了中高端二次供水設(shè)施需求空間,催生了二次供水集中管理平臺(tái)需求。某水司為了實(shí)現(xiàn)對(duì)二次供水泵房專(zhuān)業(yè)化、規(guī)范化的管理,積極推進(jìn)二次供水遠(yuǎn)程監(jiān)控中心的建設(shè),同時(shí)制定了規(guī)范化的技術(shù)標(biāo)準(zhǔn)。 其中,必須采集的數(shù)據(jù)有電壓、電流、有功功率、累計(jì)電能、水壓、水量、頻率等參數(shù)。 秒級(jí)采集、分鐘存儲(chǔ)的海量大數(shù)據(jù),對(duì)分析判斷庭院管網(wǎng)是否存在漏點(diǎn)提供了重要的數(shù)據(jù)支持。

3 基于二次移動(dòng)平均法的管網(wǎng)暗漏預(yù)測(cè)

3.1 預(yù)測(cè)原理

3.1.1 二次移動(dòng)平均法

二次移動(dòng)平均法是對(duì)一次移動(dòng)平均數(shù)再進(jìn)行第二次移動(dòng)平均,再以一次移動(dòng)平均值和二次移動(dòng)平均值為基礎(chǔ)建立預(yù)測(cè)模型,計(jì)算預(yù)測(cè)值的方法。 這一方法解決了預(yù)測(cè)值滯后于實(shí)際觀察值的矛盾,適用于時(shí)間序列,呈現(xiàn)線性趨勢(shì)變化的預(yù)測(cè)。

二次移動(dòng)平均法的數(shù)學(xué)計(jì)算如式(1)～式(5)[4]。

其中:Yt——第t期的觀察值;

n——計(jì)算移動(dòng)平均值的跨越期;

T——向未來(lái)預(yù)測(cè)的期數(shù);

at——截距,即第t期現(xiàn)象的基礎(chǔ)水平;

bt——斜率,即第t期現(xiàn)象的單位時(shí)間變化量;

Ft+T——第t+T期的預(yù)測(cè)值。

3.1.2 曲線吻合度算法

將預(yù)測(cè)數(shù)據(jù)做出以時(shí)間為橫軸、預(yù)測(cè)值為縱軸的預(yù)測(cè)趨勢(shì)曲線,與當(dāng)日的實(shí)際測(cè)量值比較,將偏差率較高的數(shù)據(jù)記為異常數(shù)據(jù),計(jì)算異常數(shù)據(jù)條數(shù)Na與日抽取數(shù)據(jù)記錄條數(shù)Nt的比值,來(lái)判斷實(shí)際測(cè)量值曲線與預(yù)測(cè)曲線的相似、相近的程度,Na/Nt的值越低,說(shuō)明曲線吻合度越高。 偏差率、吻合度的計(jì)算如式(6)～式(7)。

其中:S——偏差率;

Vm——數(shù)據(jù)實(shí)測(cè)值;

Vp——數(shù)據(jù)預(yù)測(cè)值;

C——曲線吻合度。

3.2 預(yù)測(cè)數(shù)據(jù)抽取

3.2.1 預(yù)測(cè)數(shù)據(jù)的選定

在數(shù)據(jù)預(yù)測(cè)前需要合理選取某一階段的歷史監(jiān)測(cè)數(shù)據(jù),以便根據(jù)歷史數(shù)據(jù)完成后續(xù)的預(yù)測(cè)工作,提高數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性。

傳統(tǒng)做法是采用DMA 分區(qū)分析漏點(diǎn)的方法,通過(guò)測(cè)算表的日累計(jì)流量、夜間瞬時(shí)小流量判斷管網(wǎng)有沒(méi)有漏點(diǎn),但是此種方法不適合某水司統(tǒng)建統(tǒng)管的二次供水泵房。 某水司統(tǒng)建統(tǒng)管的每個(gè)泵房只在進(jìn)水側(cè)配置流量計(jì),出水側(cè)未配置流量計(jì),無(wú)法實(shí)現(xiàn)單個(gè)加壓供水區(qū)域的用水計(jì)量,即便通過(guò)進(jìn)水側(cè)流量計(jì)發(fā)現(xiàn)管網(wǎng)有漏水的異常數(shù)據(jù),但對(duì)于多泵組的泵房并不能確定是哪個(gè)加壓區(qū)漏水。 此外,采用“水箱+變頻供水”方式的泵房,采集到的進(jìn)水流量計(jì)數(shù)據(jù)是不連續(xù)的,只有在水箱進(jìn)水時(shí)才會(huì)有瞬時(shí)流量。 如果在每個(gè)分區(qū)泵組出口增加水量計(jì)量?jī)x表,不僅安裝條件受限、投入成本高,且根據(jù)供水水量趨勢(shì),深夜用水量非常小,可能滿足不了大口徑流量計(jì)的最低流速要求,故選取流量計(jì)瞬時(shí)流量作為數(shù)據(jù)支撐不可取。 在既有的二次供水設(shè)備配置情況下,泵組有輪泵機(jī)制,泵組單泵電流、頻率的數(shù)據(jù)不連續(xù),都不適宜選取。

水泵電機(jī)軸功率P計(jì)算如式(8)。

其中:Q——泵的流量,m3/s;

ρ——泵輸送液體的密度,kg/m3;

g——重力加速度,m/s2;

H——泵的揚(yáng)程,m;

η——水泵效率。

推算出水泵有功功率的曲線與供水量的曲線相似,完全可以反應(yīng)實(shí)際供水量的變化。 因此,選取可編程邏輯控制器(PLC)變頻恒壓控制柜PAC3200儀表采集到的有功功率參數(shù)值作為數(shù)據(jù)支撐。

3.2.2 預(yù)測(cè)數(shù)據(jù)采集的步驟

數(shù)據(jù)采集:數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SCADA)會(huì)將各二次加壓泵房傳感器或監(jiān)測(cè)設(shè)備的有功功率實(shí)時(shí)數(shù)據(jù),按照固定間隔頻率傳輸?shù)綌?shù)據(jù)中心的前置數(shù)據(jù)庫(kù)。

數(shù)據(jù)處理:數(shù)據(jù)中心端會(huì)通過(guò)定時(shí)作業(yè)調(diào)用相關(guān)存儲(chǔ)過(guò)程,將接收到的實(shí)時(shí)數(shù)據(jù)按照“流量”“進(jìn)站壓力”“出站壓力”“控制柜有功功率”等監(jiān)測(cè)類(lèi)型,進(jìn)行分流轉(zhuǎn)存到相關(guān)歷史數(shù)據(jù)表或臨時(shí)計(jì)算數(shù)據(jù)表。 每日00:00,定時(shí)作業(yè)會(huì)在“控制柜有功功率”歷史數(shù)據(jù)表中將前1 d 00:00—24:00,固定間隔頻率的數(shù)據(jù)與前8 d 的同時(shí)段的數(shù)據(jù)進(jìn)行平均計(jì)算,將計(jì)算結(jié)果存入一次平移數(shù)據(jù)表。 一次平均計(jì)算完成后會(huì)對(duì)該結(jié)果按照相同的方式進(jìn)行平均計(jì)算,將計(jì)算的結(jié)果存儲(chǔ)到二次平移數(shù)據(jù)表。

基準(zhǔn)值設(shè)定:將前1 d 的一次平移的結(jié)果數(shù)據(jù)與二次平移的結(jié)果數(shù)據(jù)通過(guò)固定公式進(jìn)行計(jì)算生成當(dāng)日預(yù)測(cè)基準(zhǔn)值。

異常檢測(cè):將前1 d 各時(shí)段的有功功率數(shù)據(jù)與前1 d 的基準(zhǔn)值進(jìn)行比較,使用統(tǒng)計(jì)方法檢測(cè)計(jì)算數(shù)據(jù)的偏差。

閾值設(shè)定:根據(jù)實(shí)際情況,通過(guò)設(shè)定的偏差閾值來(lái)判斷是否存在泄露。 當(dāng)有功功率超過(guò)設(shè)定的閾值時(shí),可以判斷為泄露。

報(bào)警機(jī)制:當(dāng)有功功率超過(guò)設(shè)定的閾值時(shí),觸發(fā)報(bào)警機(jī)制。 可以通過(guò)數(shù)據(jù)庫(kù)觸發(fā)器、定時(shí)任務(wù)或者與其他系統(tǒng)的集成來(lái)實(shí)現(xiàn)報(bào)警功能。

3.3 預(yù)測(cè)實(shí)施方案

3.3.1 相關(guān)參數(shù)的選定

利用MATLAB 生成不同小區(qū)的供水歷史數(shù)據(jù)散點(diǎn)圖(圖1 展示了4 個(gè)小區(qū)不同日期的歷史數(shù)據(jù))。 觀察用水趨勢(shì)發(fā)現(xiàn),該地市的用水早高峰基本集中在6:00—9:00,晚高峰從19:00—22:00,兩個(gè)高峰時(shí)段的持續(xù)時(shí)間共計(jì)6 h,占1 d 的25%,其余75%在低谷區(qū)。 由于用水高峰期的區(qū)間段居民的用水習(xí)慣隨機(jī)性很強(qiáng),數(shù)據(jù)的抖動(dòng)很大,不能作為定性判斷的依據(jù);在低谷區(qū)間段用水比較平穩(wěn),而且在正常供水的前提下每天的相似非常高。 因此,設(shè)定吻合度<75%時(shí)判定庭院管網(wǎng)有漏水現(xiàn)象。 通過(guò)圖1 很容易發(fā)現(xiàn),散點(diǎn)密集區(qū)域在供水低谷區(qū)。 吻合度的設(shè)定值應(yīng)依據(jù)當(dāng)?shù)赜盟厔?shì)做相應(yīng)的調(diào)整,如果用水低谷區(qū)間增加,則提高吻合度設(shè)定值;如果用水低谷區(qū)間減小,那么降低吻合度設(shè)定值。 原則參照用水趨勢(shì)低谷區(qū)間的占比大小進(jìn)行設(shè)定。結(jié)合高層供水恒壓控制原理的約定,一個(gè)泵組至少有兩臺(tái)水泵,每臺(tái)水泵的特性有所不同,工藝位置的不同以及水泵出口的止回閥微泄漏,都會(huì)造成在相同壓力相同流量的情況下,能耗不同,這樣就會(huì)對(duì)定性判斷造成擾動(dòng)。 在測(cè)試數(shù)據(jù)時(shí)發(fā)現(xiàn),偏差率如果取值較大,對(duì)于大漏損量的定性判斷準(zhǔn)確,偏差率取值小可以實(shí)現(xiàn)小漏損量的定性判定,但是太小了又會(huì)造成誤判。 經(jīng)過(guò)多次測(cè)試約定偏差率≥20%比較合理,這個(gè)約定的數(shù)值可以根據(jù)實(shí)際供水狀況修訂。偏差率的設(shè)定可根據(jù)本地高層恒壓供水控制原理的約定做相應(yīng)的修訂,影響偏差率設(shè)定的主要原因:輪換倒泵周期的設(shè)定、有無(wú)夜間保壓休眠功能、泵組出口有無(wú)配置穩(wěn)壓罐。 輪換倒泵周期設(shè)定時(shí)間短(4 h 以內(nèi)),具備夜間保壓休眠功能,泵組出口未配置穩(wěn)壓罐,那么會(huì)造成不同特性的水泵切換次數(shù)增加、水泵頻繁啟停,水泵啟動(dòng)瞬間會(huì)增加能耗,突變數(shù)據(jù)的條數(shù)也會(huì)隨之增加。 對(duì)于這樣的控制原理適當(dāng)增大偏差率的設(shè)定值;反之,水泵在1 d 之內(nèi)運(yùn)行平穩(wěn),突變數(shù)據(jù)的條數(shù)也會(huì)隨之減少,那么就可以減小偏差率的設(shè)定值。 偏差率的設(shè)定值要適當(dāng),務(wù)求提高定性判斷的準(zhǔn)確性,盡量降低誤判及漏判的次數(shù)。

圖1 利用MATLAB 生成供水歷史數(shù)據(jù)散點(diǎn)圖Fig.1 A Scatter Plot of Historical Water Supply Data Generated by MATLAB

選用A 小區(qū)2021 年2 月—6 月的113 d 的設(shè)備有功功率監(jiān)測(cè)數(shù)據(jù)作為數(shù)據(jù)樣本,已知此段時(shí)間內(nèi)設(shè)備運(yùn)行平穩(wěn)、未出現(xiàn)漏失現(xiàn)象,取樣周期為5 min,則每日抽取288 條數(shù)據(jù)記錄,總計(jì)抽取32 544 條數(shù)據(jù)記錄。 分別計(jì)算n取不同值時(shí)設(shè)備有功功率的預(yù)測(cè)值、偏差率、吻合度。

以n=3 為例,計(jì)算設(shè)備有功功率的預(yù)測(cè)值、偏差率、吻合度(表1),此時(shí)預(yù)測(cè)值比實(shí)際值滯后5 d,預(yù)測(cè)得到108 d 的數(shù)據(jù),吻合度>75%的數(shù)據(jù)100條,占預(yù)測(cè)總數(shù)據(jù)的92.6%。

表1 A 小區(qū)2021 年2 月—6 月設(shè)備有功功率預(yù)測(cè)值(n=3)Tab.1 Prediction of Equipment Active Power in Community A during February to June in 2021 (n=3)

對(duì)比n取不同值時(shí)的預(yù)測(cè)數(shù)據(jù)(表2),由于已知取樣時(shí)間內(nèi)設(shè)備運(yùn)行平穩(wěn)、未出現(xiàn)漏失現(xiàn)象,那么認(rèn)為吻合度>75%的預(yù)測(cè)數(shù)據(jù)為有效數(shù)據(jù),有效數(shù)據(jù)率均達(dá)到90%以上,均能實(shí)現(xiàn)對(duì)漏損性質(zhì)的判定。n取值越大,預(yù)測(cè)數(shù)據(jù)的滯后天數(shù)越長(zhǎng),則實(shí)施預(yù)測(cè)需要的歷史數(shù)據(jù)越多。 考慮到計(jì)算機(jī)數(shù)據(jù)存儲(chǔ)容量以及處理速度,在實(shí)際應(yīng)用中取n=3。

表2 不同n 取值預(yù)測(cè)數(shù)據(jù)對(duì)比Tab.2 Comparison of Prediction Data for Different n Values

3.3.2 預(yù)測(cè)庭院管網(wǎng)暗漏過(guò)程

以B 小區(qū)2021 年3 月的設(shè)備有功功率監(jiān)測(cè)數(shù)據(jù)作為數(shù)據(jù)樣本,取樣周期為5 min,則每日共抽取288 條數(shù)據(jù)記錄。

將歷史數(shù)據(jù)庫(kù)的數(shù)據(jù)記錄導(dǎo)入Excel 表中,定義Y22,Y23,…,Y27分別為3 月22 日—27 日設(shè)備有功功率的實(shí)際監(jiān)測(cè)值(表3)。

表3 B 小區(qū)2021 年3 月17 日—27 日設(shè)備有功功率實(shí)際監(jiān)測(cè)值取樣Tab.3 Sampling of Actual Monitoring Values of Active Power of Equipment in Community B during 17 to 27 March 2021

表4 設(shè)備有功功率的一次移動(dòng)平均值Tab.4 First Moving Average of Equipment Active Power

表5 設(shè)備有功功率的二次移動(dòng)平均值Tab.5 Double Moving Average of Equipment Active Power

根據(jù)式(3)～式(5),計(jì)算3 月22 日—27 日設(shè)備有功功率的預(yù)測(cè)值F22,…,F27(表6)。

表6 設(shè)備有功功率的預(yù)測(cè)值Tab.6 Predicted Values of Equipment Active Power

根據(jù)式(6)、式(7),計(jì)算3 月22 日—27 日設(shè)備有功功率偏差率(表7),考慮供水量隨季節(jié)、節(jié)假日會(huì)發(fā)生變化,取正向偏差率≥20%作為異常數(shù)據(jù)記錄,吻合度<75%則判定庭院管網(wǎng)有漏水現(xiàn)象。

表7 設(shè)備有功功率曲線吻合度Tab.7 Curve-Fitting Degree of Equipment Active Power Curve

通過(guò)計(jì)算,3 月22 日—25 日設(shè)備有功功率曲線吻合度均>75%,判斷供水量基本正常,稍有波動(dòng)。3 月26 日設(shè)備有功功率曲線吻合度為46%,3 月27日設(shè)備有功功率曲線吻合度為33%,連續(xù)2 d 低于75%,可以判定加壓管道有漏水點(diǎn),結(jié)合進(jìn)水流量歷史數(shù)據(jù),判斷管網(wǎng)有暗漏的2 d,每天的進(jìn)水量較以往增加47～50 t,計(jì)算平均漏失量在2 t/h 左右。

(續(xù)表6)

利用MATLAB 生成3 月22 日—27 日實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的曲線圖(圖2),可以看出3 月22 日—25 日兩條曲線基本重合,而從3 月26 日開(kāi)始,實(shí)測(cè)數(shù)據(jù)曲線突然升高,說(shuō)明當(dāng)日開(kāi)始出現(xiàn)漏水現(xiàn)象。此處漏點(diǎn)由于漏水量較小,又屬于暗漏,不容易發(fā)現(xiàn),先后經(jīng)過(guò)幾次測(cè)漏,于3 月28 日上午查找到漏點(diǎn),DN100 管道的承插口處漏水。 受到前2 d 漏水?dāng)?shù)據(jù)的影響,漏水修復(fù)當(dāng)日的預(yù)測(cè)數(shù)據(jù)偏高,因此,在漏點(diǎn)修復(fù)后再進(jìn)行數(shù)據(jù)預(yù)測(cè)時(shí),應(yīng)當(dāng)剔除漏水之日的數(shù)據(jù),保證預(yù)測(cè)的準(zhǔn)確性。

圖2 實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的對(duì)比曲線Fig.2 Comparison Curve Diagram of Measured Data and Predicted Data

3.3.3 成功預(yù)測(cè)管網(wǎng)暗漏案例

近兩年來(lái),筆者帶領(lǐng)的團(tuán)隊(duì)已利用上述算法成功預(yù)判出50 多處管網(wǎng)暗漏,受篇幅所限,本文展示4 個(gè)成功預(yù)測(cè)管網(wǎng)暗漏的案例。

采用二次移動(dòng)平均法計(jì)算出預(yù)測(cè)數(shù)據(jù)曲線吻合度(表8～表11),再利用MATLAB 生成實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的對(duì)比曲線(圖3～圖6),可以直觀判斷出漏水現(xiàn)象,再通過(guò)及時(shí)采取查漏修復(fù)措施,有效降低了經(jīng)濟(jì)損失。

表8 a 小區(qū)2023 年7 月13 日—17 日設(shè)備有功功率曲線吻合度Tab.8 Curve-Fitting Degree of Equipment Active Power Curve in Community a during July 13 to July 17 in 2023

表9 b 小區(qū)2023 年6 月24 日—28 日設(shè)備有功功率曲線吻合度Tab.9 Curve Fitting Degree of Equipment Active Power Curve in Community b during June 24 to June 28 in 2023

表10 c 小區(qū)2023 年3 月3 日—2023 年3 月7 日設(shè)備有功功率曲線吻合度Tab.10 Curve Fitting Degree of Equipment Active Power Curve in Community c during March 3 to March 7 in 2023

表11 d 小區(qū)2022 年6 月21 日—2022 年6 月25 日設(shè)備有功功率曲線吻合度Tab.11 Curve Fitting Degree of Equipment Active Power Curve in Community d during June 21 to June 25 in 2022

圖3 a 小區(qū)實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的對(duì)比曲線Fig.3 Comparison Curve of Measured Data and Predicted Data in Community a

圖4 b 小區(qū)實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的對(duì)比曲線Fig.4 Comparison Curve of Measured Data and Predicted Data in Community b

圖5 c 小區(qū)實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的對(duì)比曲線Fig.5 Comparison Curve of Measured Data and Predicted Data in Community c

圖6 d 小區(qū)實(shí)測(cè)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)的對(duì)比曲線Fig.6 Comparison Curve of Measured Data and Predicted Data in Community d

4 結(jié)論

(1)曲線吻合度算法通過(guò)對(duì)數(shù)據(jù)進(jìn)行合理計(jì)算、分析和預(yù)測(cè),能有效識(shí)別加壓管線暗漏,具有較高的準(zhǔn)確性和實(shí)用性。

(2)該算法降低了水量計(jì)量器具的投入成本,將原本的被動(dòng)探漏轉(zhuǎn)變?yōu)橹鲃?dòng)探漏,實(shí)現(xiàn)了精準(zhǔn)的漏水定位。 這不僅顯著降低了管網(wǎng)漏損率,還為供水企業(yè)節(jié)約了大量水電能耗,確保了居民的用水安全。

(3)曲線吻合度算法為供水漏損控制領(lǐng)域提供了新的研究思路,應(yīng)用數(shù)據(jù)同化,將有功功率轉(zhuǎn)化為供水量的一個(gè)同化參數(shù),數(shù)據(jù)穩(wěn)定且便于采集。

(4)盡管曲線吻合度算法在預(yù)測(cè)高層住宅小區(qū)庭院管網(wǎng)的漏點(diǎn)方面表現(xiàn)出了高準(zhǔn)確性,但目前仍存在滯后嚴(yán)重的問(wèn)題,從預(yù)警到實(shí)際確認(rèn)至少需要3 d 的數(shù)據(jù)。 未來(lái)研究可以在此基礎(chǔ)上,進(jìn)一步擴(kuò)展數(shù)據(jù)來(lái)源,整合水司的其他業(yè)務(wù)數(shù)據(jù),以提高判斷的準(zhǔn)確性和及時(shí)性。