基于遗传算法优化BP神经网络的管网漏失定位模型研究

针对BP神经网络用于管网漏失定位时易出现收敛速度慢及陷入局部极小值的问题,利用遗传算法对BP神经网络的权值和阈值进行优化,并以A市供水管网为例,选取各个分区的供水管段进行不同程度的漏失模拟,将模拟数据作为训练样本训练遗传算法优化的BP神经网络,得到管网漏失时压力监测点的压力变化率和漏点位置之间的非线性关系,构建基于遗传...     

一种基于双向LSTM的供水管网漏损定位方法

传统的供水管网检漏方式存在效率低、准确率差的缺陷.应用双向LSTM(Bi-LSTM)神经网络可以很好地分析管网漏损时节点水压的变化规律,实现快速准确的漏损定位.先创建基于EPANET平台的管网水力模型,在该模型上进行管网节点漏损模拟及各时间点节点水压的获取,然后采用Bi-LSTM进行分析,最终得到漏损节点位置及各个漏损...     

基于BP神经网络深度学习的供水管网漏损智能定位方法

在深入剖析已有大型供水管网漏损成因的基础上,提出了采用BP神经网络深度学习的方法预测漏损点位置,构建了供水管网漏损模拟模型,通过管网发生漏损时5个位置的流量变化和17个位置的压力监测点变化的相关性分析,利用人工神经网络深度学习来诊断漏损点所在管网中位置,并以实验室自搭建的小型供水管网为例对漏损定位的研究方法进行了验证。结果表明,所提方法是一个实时诊断的快速又有效的方法,可实现较为准确的漏损点定位。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

基于水力模型的供水管网区块化优化研究

为进一步优化配水系统分区,提出了一种基于多尺度分区算法的供水管网区块化优化方法。该方法考虑了供水管网系统的节点压力信息,改进了分区评价函数,并结合城市供水管网实际情况进行分区。以A市为例,利用EPANET建模器建立供水管网水力模型,在此基础上结合配水系统分区理念,将A市供水管网分为了11个区块。结果表明,分区后的供水管网实现了单独区域水量计量,缩小了查找漏失范围;管网压力更加趋于均衡,降低了漏失水量和产销差,使供水管网运行更加科学化、合理化。研究成果可为供水管网分区优化管理提供参考。     

基于PSO-SVM模型的供水管网漏损诊断

为了找到更高精确度的供水管网定位方法,基于支持向量机搭建了PSO-SVM给水管网漏失诊断模型,对影响支持向量机(SVM)性能的两个重要参数c和g使用粒子群优化算法(PSO)做了优化处理,使得支持向量机的运算速率和准确度显著提高,利用单漏点供水管网仿真模拟试验平台测得管网各运行工况下的漏点特征数据,测得数据通过后期归一化处理作为PSO-SVM模型的输入样本数据集,样本数据经PSO-SVM模型运行后证明该模型可有效对管网漏失点做出精准定位,并能对各漏失点的漏失量做出精准预测。     

管材和管径选择与供水管网漏损控制

对供水管网漏损的原因进行了初步探讨,并从管材和管径两个方面对若干城市供水管网漏损的数据进行了统计分析,提出了管材漏损系数和管径漏损系数两个概念。根据分析结果,提出了相应的控制管网漏损的措施。     

苏南河网密集区供水管网漏损成因分析及控制决策研究

鉴于传统的漏损率考核已不能满足各地区解决漏损问题的需要,以苏南河网密集区的K市为例,分析了K市存在的漏损问题,深入探究了实际漏损因素,提出了一套适用于苏南河网密集区的最优化控漏措施流程,避免了供水企业盲目采取控漏措施,为苏南区域供水企业漏损问题分析及解决措施提供参考。     

基于神经网络深度学习和结构优化的供水管网漏口失效形式及漏失量预测

为了量化供水管网漏失危害,根据漏失形式探究管网漏失原因,在管网漏失试验的基础上,通过分析不同管材、管径、漏口失效形式的管段在各种压力下漏失瞬态漏口周围20个压力波动数据,利用BP神经网络在压力数据与漏失量、漏口失效形式之间建立映射关系,并通过大量训练来优化BP神经网络结构。结果表明,优化后的神经网络可精确地预测出管网漏失量及漏口失效形式,为一种适用性强、快速有效的预测方法。     

某市中心地区无负压供水模拟研究

无负压供水技术作为二次供水的新型模式,节能效果显著,但在应用过程中管网压力稳定性的影响尚未明确,可能存在供水水压不稳定、供水不足或爆管的问题.应用EPANET软件模拟某市中心给水管网进行无负压供水,结果发现无负压设备工作时,无保护情况下无负压供水水量、设备接入管径、设备之间的距离都会对管网水压的变化产生一定的影响.当无...     

随机流量供水管网漏损诊断阈值及误差估计

实际供水管网的漏损和流量随机性均会导致管网水力分布的波动,水压监测中通过压差阈值界定两种状态,但传统阈值只能控制误报率,不能控制诊断误差。为降低漏损诊断误差,在监测目标明确的情况下,给出对应最小误差的诊断阈值,并将其应用于Lansey供水管网中。结果表明,在随机流量供水管网中,该阈值稳定性好,对应的漏损诊断精度高;由于得到的漏报率和误报率接近,实际管网漏损诊断中,可以采用该误报率的2倍作为漏损诊断误差。     

基于声阵列的电站锅炉水冷壁泄漏定位研究

在声学测温系统测点布置的基础上,融入声阵列定位技术,再现声波测温的同时对炉膛水冷壁的泄漏声信号进行实时监测,并进行泄漏点的精确定位.建立炉管泄漏声阵列定位模型,基于到达时间差定位(TDOA)方法和改进的Chan算法进行三维空间声学定位仿真研究,并进行了空旷环境下和炉膛冷态、热态环境下泄漏点的实验研究.结果表明:仿真与实验结果均符合工程要求,该定位算法具有可行性.     

基于深度学习框架的供水管网压力异常实时诊断方法

为有效减少供水管网的漏失,诊断异常压力数据十分必要。在数据采集与监视控制(SCADA)系统中引入异常诊断模型,提出一种基于深度学习框架的异常诊断方法。该方法先利用卷积神经网络模型(CNN)对压力进行预测,再计算压力预测值与实际值的误差并进行离群点诊断,若异常值持续时间较长,则可能发生漏失。以D市供水管网模型为例,利用该模型对16个监测点压力数据进行诊断并与ARIMA诊断模型进行对比。结果表明,CNN模型能够准确地诊断供水管网的压力异常数据。     

DBS分区在北方某市供水管网压力管理中的应用

为了解决北方某市供水管网水厂出水压力不足、部分路段供水管网压力波动大、区域压力不均衡等问题,基于该市供水管网水力模型,综合考虑该市供水管网压力、水量、地形、行政管理区域等相关因素,对该市供水管网进行DBS分区。结果表明,该市管网实施分区管理后,A水厂供水负荷减小,用水高峰期出水压力不足问题得到解决;部分路段水压过高问题得到解决;各区块供水管网压力得到均衡。因此,DBS区块化管理在该市取得较明显效果,对改善供水管网管理水平具有一定的参考价值。