摘要：本文深入分析了城市给水管网故障的诊断方法以及实验数据分析，希望能够对实际的管网维护提供一些借鉴。
关键词：给水管网；故障；背景；诊断
1.前言
给水管网是城市的基础设施，关系到百姓的用水。给水管网的故障诊断能够提高故障的排查速度，及时修复管网。
2.给水管道故障研究背景
给水管网是城市最重要的生命线工程之一.因管体腐蚀、气温变化、管道周围土体变形及产品质量等因素,给水管网常常发生管道爆裂事故.近些年来,我国大中城市给水系统相继布设了水压或流量自动监测仪,或称SCADA系统,它可对给水管网一些节点的水压和流量进行自动监测,并采用无线传送方式实时将水压和流量信号传回控制中心,以此来监控整个给水系统的工作状况.但由于监测点数目有限(目前约为每5km21个),而且缺乏有效的故障诊断方法,因此在遇到突发爆管事故时,仍难以及时找出故障的具体位置.作为一水力学逆分析问题,如果能知道故障发生后管网所有节点的水压,我们有可能通过传统的水力学分析方法反算故障位置及故障程度,但这需要监测管网所有节点水压,难以实现。基于管网瞬态水力分析,设想一旦某个管段出现破坏,会产生一突发压力波,该压力波将先后传播到距离较近的几个压力监测点,然后根据传播的路径和时间差来诊断破坏位置.该文出发点值得肯定,但由于水压监测点数目与管网节点数目相比相差甚远,路径很艰唯一确定,而且该时间差通常非常短,受水压监测信号采集、处理和无线传输时间间隔的限制,具体实施将是非常困难的。
3.方法
给定一个给水管网,任一单元(管道)或节点的故障(破坏)会影响给水管网其它所有单元或节点的水压;故障程度不同,该影响不同;而且同一故障对不同位置单元或节点的影响不同.基于这一出发点,本文以对给水管网故障最灵敏的水压为参数,根据管网故障前后3个监测点水压变化来诊断故障.故障位置以故障地点距3个水压监测点的距离来确定,故障程度以管道破坏导致泄漏开口的面积占管道截面积的比例大小来表示,故障影响范围以管网所有节点水压变化大小来表示。以监测点水压变化来诊断给水管网的故障实际上是一非线性识别问题,需要建立故障与3个监测点水压变化之间的对应关系.这一关系可以采用多种方法建立.而采用人工神经网络技术,可利用其在人工智能方面的优势,预先(离线)对给水管网各种代表性故障状态下的故障情况与3个监测点水压变化之间的关系进行学习,一旦给水管网出现故障,只要输入3个监测点水压变化,就可很容易识别故障情况,依据给水管网的大小,这一过程可在几秒至几十秒内完成,从而做到故障实时诊断;而且,采用人工神经网络技术仅仅需要足够的输入(3个监测点水压变化)与输出(故障位置、故障程度和故障影响范围)之间的关系数据,可以充分利用人工神经网络技术在非线性映射方面的优势,以克服其它数学模型如多元回归分析等在处理强非线性问题上的不足,从而提高故障诊断的准确性;采用水压监测诊断故障的方法还可以充分利用现有的SCADA系统,从而可很容易实现。
4.实验与分析
4.1实验方案设计
采用ＡＢＣ－ＥＬＭ模型进行供水管网泄漏诊断需要大量分布较好的样本数据，就目前的城市给水管网实际运行和监测点布置情况来说，采集到分布比较好、范围足够广而且数据量足够多的给水管网实际泄漏时的监测数据是比较困难的。
期刊文章分类查询,尽在期刊图书馆作为探索性研究，本文着重于验证基于ＡＢＣ－ＥＬＭ模型的泄漏检测方法的有效性，因此试验中所用的训练和测试数据全部采用水力分析计算所得的模拟管网数据，即采用给水管网局部破坏状态下水力分析来产生所需数据。ＡＢＣ－ＥＬＭ模型的诊断结果是否可靠很大程度上取决于故障特征参数的选择，进行故障特征参数选择时，要求其能够很好的区分被检测管网的正常状态和所有可能的泄漏故障状态，也就是能够具有较强的识别能力。研究发现，在给水管网发生泄漏故障时，任一管段或节点的泄漏故障都会不同程度地影响整个给水管网其它所有管段或节点的水压，不同的故障程度产生的影响也大不不同；而且即使是同一节点的泄漏故障对于管网中不同位置的管段或节点的影响各异。基于这一出发点，我们选取了对给水管网泄漏最灵敏的水压变化值做为故障特征参数。通过选取少数几个管网压力监测点的水压变化值作为ＡＢＣ－ＥＬＭ模型的输入，利用神经网络模型在非线性回归预测方面的优势，得到管网的其他未监测点的压力变化值。因此ＡＢＣ－ＥＬＭ泄漏检测模型的输出为管网未监测点的压力变化值。
4.2实验数据准备
本文的诊断对象为一小型给水管网整个管网由50个管段，30个节点，1个水源组成所有管道均为新铸铁管，其海曾-威廉系数为130.假设所有节点用水量Q均为50L/s时，每个管段的高程均为20M，水源的给水水头保持75米不变。在管网中任意选择节点10,13,15,19和21共5个节点作为水压监测点。
首先对上述管网进行正常情况下的水力分析，可以求得管网中所有节点（包括5个水压监测点）的正常水压。当管网中某一管段出现泄漏故障后，随着故障程度的不同，管网的各节点水压会出现不同的变化，通过管网泄漏状态下的水力分析模型可以得到故障发生后管网中的所有节点的水压值。分别对管网的正常运行状态和每个管段发生10种不同程度的泄漏时的状态进行水力分析，求得50个管段在10种破坏状态下的500组压力数据。用正常状态的水压减去故障状态时的水压，得到管网泄漏前后的水压差值，用此水压差值除以正常水压即可得到对应于某种泄漏状态的水压降低比。假设这10种泄漏状态的泄漏面积比分别为0.01,0.03,0.09,0.1,0.25,0.3, 0.5,0.6,0.7,0.9。将这500组数据分为类，其中对应于泄漏面积比为0.01,0.03, 0.09,0.1,0.3,0.5,0.6,0.9这8种泄漏状态下的400组数据作为训练样本，其余的泄漏面积比为0.25和0.7两种泄漏状态下的100组作为测试数据。
4.3实验结果分析
实验时，分别建立人工蜂群算法优化极限学习机的ABC-ELM模型，差分算法优化ELM的DE-ELM模型，蚁群算法优化ELM的ACO-ELM模型以及未经优化的传统ELM模型，利用故障特征样本数据集对上述4种故障诊断模型进行训练和测试。当设定隐层节点个数相同时。
从数据可以看出，未被优化的ELM模型训练精度和预测精度均低于优化后的ELM模型，并且不同的算法产生的优化效果也各不相同，ABC算法优化的ELM模型效果最佳，无论是训练时间和测试时间还是训练精度和测试精度，均比差分算法和蚁群算法优化的模型略胜一筹名为.abc-ELM模型虽然训练时间长于传统ELM，但是其测试时间却大大缩短，其原因在于ABC-ELM模型训练时需要执行参数寻优过程，因此耗时增加，而一旦模型训练完毕，其参数将固定不变，而且ABC-ELM模型的隐层节点数远小于传统ELM模型，因此在故障诊断测试时用时更短。
5.结束语
通过有效的故障诊断方法能够大大提高给水官网的故障诊断效果，提高了管网的运行能力。
参考文献
[1]严煦世,刘遂庆.给水排水管网系统[M].北京:中国建筑工业出版社,2014
[2]周建华,赵洪宾,胡文茜.城市供水管网事故时的水力分析[J].给水排水,2016,24(8):104～107
论文作者:袁金波
论文发表刊物:《基层建设》2017年第36期
论文发表时间:2018/3/28
标签：管网论文; 水压论文; 故障论文; 节点论文; 模型论文; 数据论文; 水力论文; 《基层建设》2017年第36期论文;