一種基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)的爆管預(yù)警方法
【專利摘要】本發(fā)明屬于環(huán)境工程的應(yīng)急處理技術(shù)領(lǐng)域，尤其涉及一種基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)的爆管預(yù)警方法，采集流量數(shù)據(jù)組成歷史數(shù)據(jù)矩陣并進(jìn)行爆管模擬實(shí)驗(yàn)以獲取爆管數(shù)據(jù)組成測(cè)試矩陣；預(yù)設(shè)初始化參數(shù)k1和異常值探測(cè)參數(shù)k2，對(duì)歷史數(shù)據(jù)矩陣進(jìn)行聚類分析并剔除異常向量后生成初始化矩陣，將其與測(cè)試向量構(gòu)成探測(cè)矩陣，對(duì)探測(cè)矩陣進(jìn)行聚類分析并將異常測(cè)試向量剔除，隨后將該向量與探測(cè)矩陣的均值向量的作差，若每個(gè)差值均大于零或小于零則不發(fā)出爆管預(yù)警，否則發(fā)出爆管預(yù)警；計(jì)算漏報(bào)率和誤報(bào)率，調(diào)整預(yù)設(shè)初始化參數(shù)和預(yù)設(shè)異常值探測(cè)參數(shù)直到獲得最佳漏報(bào)率與誤報(bào)率并應(yīng)用于實(shí)時(shí)的爆管預(yù)警中。能夠在爆管或漏損時(shí)準(zhǔn)確地進(jìn)行預(yù)警，硬件成本低，預(yù)警效果理想。
【專利說明】
一種基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)的爆管預(yù)警方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于環(huán)境工程的應(yīng)急處理技術(shù)領(lǐng)域，尤其涉及一種基于計(jì)量分區(qū)流量監(jiān)測(cè) 數(shù)據(jù)的爆管預(yù)警方法。
【背景技術(shù)】
[0002] 城市供水管網(wǎng)是現(xiàn)代都市的生命線，在人們?nèi)粘Ｉ詈统鞘械陌l(fā)展中占據(jù)著不可 替代的地位。爆管是供水管網(wǎng)中常見的事故類型，而且包括天氣條件、各種荷載、各種腐蝕、 水錘、管道質(zhì)量和施工等在內(nèi)的因素，都會(huì)引起爆管的發(fā)生，輕則造成大量水資源的浪費(fèi)， 重則造成引發(fā)交通中斷、地面塌陷等事故，還會(huì)危及人民群眾的財(cái)產(chǎn)和生命安全。
[0003] 爆管事故的突發(fā)性、不確定性和影響因素的復(fù)雜性給自來水公司的應(yīng)急處理工作 帶來了巨大困難，根據(jù)全國(guó)184個(gè)城市的不完全統(tǒng)計(jì)，全國(guó)在2000年至2003年間因管網(wǎng)爆管 造成的停水事件高達(dá)13.7萬次，近年來關(guān)于爆管事故引發(fā)次生災(zāi)害的新聞報(bào)道也屢見不 鮮，這都給居民生活和工業(yè)生產(chǎn)帶來了嚴(yán)重影響。因此，應(yīng)對(duì)爆管事故得到了行業(yè)的極大關(guān) 注，其中，在爆管事故發(fā)生后進(jìn)行快速準(zhǔn)確的預(yù)警已經(jīng)成為重要的研究?jī)?nèi)容，這將極大減少 供水企業(yè)的響應(yīng)時(shí)間。
[0004] 近年來，數(shù)據(jù)采集與監(jiān)視控制（SCADA)系統(tǒng)已經(jīng)廣泛應(yīng)用于國(guó)內(nèi)的城市供水管網(wǎng) 中，計(jì)量分區(qū)也越來越受到重視并開始大力推廣建設(shè)，這為開發(fā)數(shù)據(jù)驅(qū)動(dòng)的爆管預(yù)警方法 提供了可能，同樣也提出了需求。
[0005] 國(guó)內(nèi)研究較多的仍是模型驅(qū)動(dòng)的方法，需要獲取眾多的地理信息數(shù)據(jù)并建立復(fù)雜 的管網(wǎng)水力模型，參數(shù)多，計(jì)算繁瑣，而且精度不高。國(guó)內(nèi)現(xiàn)有的針對(duì)城市供水管網(wǎng)的爆管 預(yù)警發(fā)明多依靠加裝額外的監(jiān)測(cè)設(shè)備或使用特定管材，例如在管網(wǎng)安裝壓電陶瓷加速度傳 感器(CN101886742A)，又例如在管網(wǎng)中使用預(yù)應(yīng)力鋼筒混凝土管(CN104633461A)，爆管發(fā) 生時(shí)，這些設(shè)備或管材會(huì)產(chǎn)生特殊的聲信號(hào)，爆管事故由此被識(shí)別出來。但是設(shè)備成本與改 造費(fèi)用高昂，不利于該種方法的大規(guī)模推廣。

【發(fā)明內(nèi)容】

[0006] 為了解決上述技術(shù)問題，本發(fā)明提出了一種基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)的爆管預(yù) 警方法，包括：
[0007] 步驟1、利用管網(wǎng)計(jì)量分區(qū)中的n個(gè)流量計(jì)采集m天內(nèi)某一相同時(shí)刻的流量數(shù)據(jù)組 成歷史數(shù)據(jù)矩陣；
[0008] 步驟2、利用管網(wǎng)計(jì)量分區(qū)中的n個(gè)流量計(jì)采集第m+1天到第m+p天內(nèi)的流量數(shù)據(jù)， 并在此段時(shí)間內(nèi)進(jìn)行爆管模擬實(shí)驗(yàn)以獲取爆管數(shù)據(jù)，組成測(cè)試矩陣，測(cè)試矩陣中的某一行 定義為某一天生成的測(cè)試向量；
[0009] 步驟3、預(yù)設(shè)初始化參數(shù)、，對(duì)所有歷史數(shù)據(jù)矩陣進(jìn)行聚類分析并剔除異常向量后 生成初始化矩陣；
[0010] 步驟4、將初始化矩陣與某一天生成的測(cè)試向量構(gòu)成探測(cè)矩陣，預(yù)設(shè)異常值探測(cè)參 數(shù)1?，對(duì)探測(cè)矩陣進(jìn)行聚類分析并剔除異常測(cè)試向量，并重復(fù)步驟4更新探測(cè)矩陣直到完成 所有探測(cè)矩陣的聚類分析；
[0011] 步驟5、計(jì)算異常測(cè)試向量中每個(gè)元素與其原所在探測(cè)矩陣的均值向量的差值，若 每個(gè)差值均大于零或小于零則不發(fā)出爆管預(yù)警，否則發(fā)出爆管預(yù)警；
[0012] 步驟6、計(jì)算漏報(bào)率和誤報(bào)率，并調(diào)整預(yù)設(shè)初始化參數(shù)和預(yù)設(shè)異常值探測(cè)參數(shù)，重 復(fù)步驟2~5直到獲得最佳漏報(bào)率與誤報(bào)率；
[0013] 步驟7、將調(diào)整優(yōu)化后的預(yù)設(shè)初始化參數(shù)和預(yù)設(shè)異常值探測(cè)參數(shù)應(yīng)用于實(shí)時(shí)的爆 管預(yù)警中，使用計(jì)量分區(qū)進(jìn)出口流量計(jì)實(shí)時(shí)生成的向量構(gòu)建并更新探測(cè)矩陣，最終通過比 較均值向量與異常測(cè)試向量對(duì)爆管事故進(jìn)行報(bào)警。
[0014] 所述聚類分析包括：
[0015] 計(jì)算每個(gè)向量的局部密度和距離兩個(gè)值，向量i的局部密度0:的計(jì)算方法如下： A ） （1)
[0016] 其中，如果x〈0,則X(x) = l，否則X(x) = 0;dij表示向量i與向量j間的歐氏距離;dc 為截?cái)嗑嚯x，cM吏得向量的平均局部密度值為矩陣中所有向量數(shù)的
[0017] 向量i的距離心的計(jì)算方法如下：
[0018] ^ = min (du) (2 )
[0019]其中，向量j的局部密度巧要滿足大于向量i的局部密度條件；
[0020] 如果向量i具有最大的局部密度，其距離定義為：
[0021] 8i=maxj(dij) (3)
[0022]對(duì)具有最低密度的向量，根據(jù)其距離由大到小排序，距離越大，則向量為異常的可 能性就越大，初始化參數(shù)用以確定矩陣中異常向量的個(gè)數(shù)，異常值探測(cè)參數(shù)用以確定測(cè)試 向量是否異常。
[0023]所述漏報(bào)率為在發(fā)生爆管事故時(shí)，未被成功識(shí)別為爆管的向量占所有表征爆管事 故的向量的百分比；所述誤報(bào)率為在未發(fā)生爆管事故時(shí)，被錯(cuò)誤識(shí)別為爆管的向量占所有 正常向量的百分比。
[0024] 所述聚類分析通過比較流量數(shù)據(jù)間的相似度來發(fā)現(xiàn)異常的流量數(shù)據(jù)。
[0025] 所述均值向量由相應(yīng)矩陣中各列元素的均值構(gòu)成。
[0026] 所述步驟1中的90。
[0027] 所述步驟2中的10。
[0028]所述流量計(jì)的監(jiān)測(cè)頻率為1-5分鐘。
[0029]所述初始化參數(shù)匕的取值范圍是0.01-0.15。
[0030] 所述異常值探測(cè)參數(shù)k2的取值范圍是0.01-0.15。
[0031]相較于其他爆管預(yù)警的方法或研究，本發(fā)明的有益效果在于：
[0032]利用Matlab平臺(tái)實(shí)現(xiàn)了基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)對(duì)爆管事故的快速準(zhǔn)確預(yù)警； 提高了應(yīng)急處理的科學(xué)性和可操作性;為供水企業(yè)快速有效地發(fā)現(xiàn)爆管事故，最大限度地 降低爆管給城市生活帶來的損失，保障供水管網(wǎng)的安全性和可靠性提供了關(guān)鍵的技術(shù)支 持。
[0033] 相對(duì)于人為的經(jīng)驗(yàn)判斷或是價(jià)格高昂的先進(jìn)設(shè)備設(shè)施，能夠充分挖掘計(jì)量分區(qū)流 量數(shù)據(jù)的有效信息，分析判斷爆管事故發(fā)生與否，進(jìn)而節(jié)省了大量培訓(xùn)工作人員的時(shí)間與 改造管網(wǎng)的費(fèi)用；同時(shí)改善了爆管預(yù)警的方法，使供水企業(yè)主動(dòng)而非被動(dòng)地獲取爆管信息， 具有堅(jiān)實(shí)的理論依據(jù)和較高的可信度。
[0034] 對(duì)管網(wǎng)進(jìn)行計(jì)量分區(qū)改造的目的就是降低漏損水平，爆管作為漏損的一種常見形 式，可以在使用本發(fā)明后得到有效應(yīng)對(duì)，使計(jì)量分區(qū)更具應(yīng)用價(jià)值。而隨著計(jì)量分區(qū)在全國(guó) 范圍內(nèi)的推廣與建設(shè)，該方法可以迅速推廣至全國(guó)各地，在管網(wǎng)進(jìn)行計(jì)量分區(qū)改造的同時(shí)， 即具備了應(yīng)用本發(fā)明的條件。
[0035] 本發(fā)明運(yùn)行成本低，由數(shù)據(jù)驅(qū)動(dòng)，只需應(yīng)用計(jì)量分區(qū)現(xiàn)有的進(jìn)出口流量計(jì)，無需額 外添加設(shè)備或更換管材，具有簡(jiǎn)潔實(shí)用、預(yù)警準(zhǔn)確度高、響應(yīng)時(shí)間短以及誤報(bào)率低等優(yōu)點(diǎn)。
【附圖說明】
[0036] 圖1示出了本發(fā)明基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)的爆管預(yù)警方法的流程圖；
[0037] 圖2示出了根據(jù)本發(fā)明構(gòu)建歷史數(shù)據(jù)矩陣的流程圖；
[0038]圖3示出了根據(jù)本發(fā)明構(gòu)建測(cè)試矩陣的流程圖；
[0039]圖4示出了根據(jù)本發(fā)明構(gòu)建初始化矩陣的流程圖；
[0040]圖5示出了根據(jù)本發(fā)明探測(cè)異常向量的流程圖；
[0041]圖6示出了根據(jù)本發(fā)明識(shí)別爆管并報(bào)警的流程圖；
[0042] 圖7示出了根據(jù)本發(fā)明調(diào)整參數(shù)的流程圖。
【具體實(shí)施方式】
[0043] 下面結(jié)合附圖，對(duì)實(shí)施例作詳細(xì)說明。
[0044] 在監(jiān)測(cè)城市供水管網(wǎng)的運(yùn)行時(shí)，需要將新的流量數(shù)據(jù)與正常的歷史流量數(shù)據(jù)進(jìn)行 比較，從而識(shí)別計(jì)量分區(qū)中是否有爆管事故的發(fā)生。應(yīng)用聚類分析可以比較由流量數(shù)據(jù)構(gòu) 成的向量間的相似度，爆管會(huì)引起計(jì)量區(qū)域內(nèi)大的流量波動(dòng)，因此相似度越低的向量，就越 有可能表征爆管事故。
[0045]基于上述原理，本發(fā)明利用Matlab作為爆管預(yù)警方法的開發(fā)平臺(tái)，充分利用其強(qiáng) 大的計(jì)算能力和豐富的內(nèi)置函數(shù)，通過在M文件編輯器中編寫相應(yīng)的代碼即可實(shí)現(xiàn)對(duì)計(jì)量 分區(qū)流量數(shù)據(jù)的整合與聚類，從而提高開發(fā)效率，縮短開發(fā)時(shí)間。
[0046]圖1示出了本發(fā)明基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)的爆管預(yù)警方法的流程圖。如圖1所 示，為了能夠?qū)崟r(shí)探測(cè)爆管事故并進(jìn)行預(yù)警，首先要構(gòu)建歷史數(shù)據(jù)矩陣與測(cè)試矩陣;然后初 始化歷史數(shù)據(jù)矩陣;構(gòu)建探測(cè)矩陣并設(shè)定異常值探測(cè)參數(shù)，通過測(cè)試調(diào)整優(yōu)化預(yù)設(shè)參數(shù);最 后使用調(diào)整優(yōu)化后的參數(shù)對(duì)爆管事故進(jìn)行實(shí)時(shí)預(yù)警。
[0047]具體地，作為示例，選取一真實(shí)的計(jì)量分區(qū)，該區(qū)域共有兩個(gè)進(jìn)口和三個(gè)出口，所 有進(jìn)出口流量計(jì)均工作正常。此計(jì)量分區(qū)所有流量計(jì)的監(jiān)測(cè)頻率為5min，收集該區(qū)域90天 內(nèi)所有進(jìn)出口流量計(jì)的流量數(shù)據(jù)以構(gòu)建歷史數(shù)據(jù)矩陣，另外獲取21天的數(shù)據(jù)構(gòu)建測(cè)試矩 陣，并在第21天進(jìn)行爆管模擬實(shí)驗(yàn)。
[0048]圖2示出了根據(jù)本發(fā)明構(gòu)建歷史數(shù)據(jù)矩陣的流程圖，首先收集計(jì)量分區(qū)進(jìn)出口流 量數(shù)據(jù)，然后按時(shí)刻進(jìn)行數(shù)據(jù)切分后，最后構(gòu)建歷史數(shù)據(jù)矩陣;更為具體地，在本實(shí)例中：
[0049] 收集近三個(gè)月90天的流量數(shù)據(jù)，按時(shí)刻進(jìn)行數(shù)據(jù)切分，來自同一個(gè)監(jiān)測(cè)設(shè)備每天 的監(jiān)測(cè)數(shù)據(jù)都以5分鐘為間隔被剪切為288段，即所有同一時(shí)刻的數(shù)據(jù)組成一段時(shí)間序列， 每一段時(shí)間序列代表這一時(shí)刻的瞬時(shí)流量在90天內(nèi)的變化;將5個(gè)流量計(jì)同一時(shí)刻的數(shù)據(jù) 序列組合為歷史數(shù)據(jù)矩陣，共計(jì)生成288個(gè)矩陣，每個(gè)矩陣有90行5列，表1示出了 2015年7月 30日到10月27日90天內(nèi)2:50時(shí)亥1」5個(gè)流量計(jì)所有流量數(shù)據(jù)構(gòu)成的矩陣；
[0050] 表1歷史數(shù)據(jù)矩陣示例

[0053] 流量數(shù)據(jù)的單位均為m3/h
[0054] 圖3示出了根據(jù)本發(fā)明構(gòu)建測(cè)試矩陣的流程圖，所述構(gòu)建測(cè)試矩陣包括:利用管網(wǎng) 計(jì)量分區(qū)中進(jìn)出口流量計(jì)獲取一定時(shí)間內(nèi)的流量數(shù)據(jù)，并在此段時(shí)間內(nèi)進(jìn)行爆管模擬實(shí)驗(yàn) 以獲取爆管數(shù)據(jù)；以上述流量數(shù)據(jù)為基礎(chǔ)，使用構(gòu)建歷史數(shù)據(jù)矩陣的方法構(gòu)建測(cè)試矩陣;更 為具體地，在本實(shí)例中：
[0055] 獲取2015年10月28日到11月17日21天內(nèi)的數(shù)據(jù)構(gòu)建測(cè)試矩陣，并在第21天進(jìn)行3 次爆管模擬實(shí)驗(yàn);其中每次實(shí)驗(yàn)地點(diǎn)各不相同，每次僅持續(xù)約10分鐘;測(cè)試矩陣的形式與歷 史數(shù)據(jù)矩陣相同，表2示出了爆管實(shí)驗(yàn)詳情，因此在288個(gè)測(cè)試矩陣中共包含7個(gè)表征爆管事 故的向量，其所在矩陣對(duì)應(yīng)的時(shí)刻分別為2:20、2 :25、2:30、2:35、2:40、2:50和2 :55;
[0056]表2爆管模擬實(shí)驗(yàn)詳情
[0058] 圖4示出了根據(jù)本發(fā)明構(gòu)建初始化矩陣的流程圖，首先設(shè)定初始化參數(shù)匕，然后對(duì) 所有歷史數(shù)據(jù)矩陣進(jìn)行聚類分析從而發(fā)現(xiàn)矩陣中存在的異常向量，最后將所有異常向量剔 除并生成初始化矩陣；
[0059] 聚類分析過程中需要計(jì)算每個(gè)向量的局部密度和距離兩個(gè)值，向量i的局部密度 Pi的計(jì)算方法如下：
[0060] A. = S) ：C 1) J
[0061] 其中，如果x〈0,則X(x) = l，否則X(x) = 0;dij表示向量i與向量j間的歐氏距離;dc 為截?cái)嗑嚯x，cM吏得向量的平均局部密度值為矩陣中所有向量數(shù)的
[0062]向量i的距離心的計(jì)算方法如下：
[0063] 4= min (^) (；2)
[0064]其中，向量j的局部密度巧要滿足大于向量i的局部密度口:的條件；
[0065]如果向量i具有最大的局部密度，其距離定義為：
[0066] 8i=maxj(dij) (3)
[0067]對(duì)具有最低密度的向量，根據(jù)其距離由大到小排序，距離越大，向量為異常的可能 性越大，初始化參數(shù)用以確定異常向量的個(gè)數(shù)；
[0068]初始化參數(shù)的取值范圍為0.01-0.15;更為具體地，在本實(shí)施例中：
[0069] 設(shè)定初始化參數(shù)為0.1，對(duì)所有歷史數(shù)據(jù)矩陣進(jìn)行聚類分析從而發(fā)現(xiàn)矩陣中存在 的異常向量，最后將所有異常向量剔除并生成288個(gè)初始化矩陣；作為示例，利用公式（1) (2)(3)計(jì)算表1中90個(gè)向量的局部密度和距離，表3示出了具有最低密度的向量，且已根據(jù) 其距離由大到小排序，其中共有34個(gè)向量且初始化參數(shù)為0.1，因此排在前4位的向量72、5、 74和15被判定為異常，刪除這四個(gè)向量后生成2:50時(shí)刻的初始化矩陣，其形式與歷史數(shù)據(jù) 矩陣相同；
[0070] 表3初始化過程聚類分析計(jì)算結(jié)果示例
[0073]因各矩陣的聚類結(jié)果各有不同，異常向量的個(gè)數(shù)也有所不同，但最終初始化矩陣 的行數(shù)均小于90;
[0074]圖5示出了根據(jù)本發(fā)明探測(cè)異常向量的流程圖，首先設(shè)定異常值探測(cè)參數(shù)，然后對(duì) 包含測(cè)試向量的探測(cè)矩陣進(jìn)行聚類分析，最后剔除被判定為異常的測(cè)試向量;異常值探測(cè) 參數(shù)用以確定測(cè)試向量是否異常，更為具體地，在本實(shí)施例中：
[0075] 21天的數(shù)據(jù)生成288個(gè)測(cè)試矩陣，共計(jì)有6048(288*21)個(gè)測(cè)試向量，對(duì)應(yīng)到每個(gè)時(shí) 刻的矩陣，共可生成21次探測(cè)矩陣，即每個(gè)時(shí)刻對(duì)應(yīng)的矩陣每天生成一次探測(cè)矩陣并進(jìn)行 一次聚類分析；
[0076]其中異常值探測(cè)參數(shù)設(shè)定為0.1，與生成初始化矩陣時(shí)不同，進(jìn)行聚類分析后，并 不會(huì)刪除所有被判定為異常的向量，僅當(dāng)測(cè)試向量被判定為異常時(shí)才會(huì)被剔除出相應(yīng)的矩 陣，在本實(shí)例中共探測(cè)出異常的測(cè)試向量636個(gè);表4示出了2:50時(shí)刻的第21個(gè)探測(cè)矩陣的 聚類結(jié)果，共有36個(gè)向量局部密度最低且異常值探測(cè)參數(shù)為0.1，所以測(cè)試向量21、向量77、 9和75被判定為異常，但只有測(cè)試向量21會(huì)被剔除；
[0077]表4探測(cè)矩陣聚類結(jié)果示例

[0079] 圖6示出了根據(jù)本發(fā)明識(shí)別爆管并報(bào)警的流程圖，首先計(jì)算異常的測(cè)試向量x原所 在矩陣的均值向量mean，然后比較分析異常測(cè)試向量與均值向量的各個(gè)元素，計(jì)算r = x-mean;分析r中的各個(gè)元素，若全部大于零或全部小于零，則不報(bào)警，否則識(shí)別為有爆管發(fā)生 并報(bào)警;更為具體地，在本實(shí)施例中：
[0080] 對(duì)所有探測(cè)出的異常測(cè)試向量，均計(jì)算其原所在矩陣的均值向量，比較分析后，共 識(shí)別出表征爆管的向量66個(gè)，在11月17日2:46到2:57進(jìn)行了爆管實(shí)驗(yàn)，且該日2:50對(duì)應(yīng)的 測(cè)試向量被識(shí)別為異常，表5示出了相應(yīng)的均值向量與異常測(cè)試向量的比較結(jié)果；
[0081] 表5爆管識(shí)別示例
[0083]圖7示出了根據(jù)本發(fā)明調(diào)整參數(shù)的流程圖，首先計(jì)算漏報(bào)率與誤報(bào)率，然后適當(dāng)調(diào) 整初始化參數(shù)和異常值探測(cè)參數(shù)的值，最后重復(fù)使用測(cè)試矩陣運(yùn)行計(jì)算獲取更為理想的漏 報(bào)率與誤報(bào)率;更為具體地，在本實(shí)施例中：
[0084] 在21天共6048個(gè)測(cè)試矩陣中，共誤報(bào)62次，計(jì)算誤報(bào)率得0.66 % ;在7個(gè)表征爆管 的向量中，共有5個(gè)被成功識(shí)別為發(fā)生爆管，漏報(bào)率為28.6% ;對(duì)初始化參數(shù)與異常值探測(cè) 參數(shù)分別在〇. 〇 1 -0.15的范圍內(nèi)調(diào)整，反復(fù)使用21天的測(cè)試數(shù)據(jù)在Mat lab中運(yùn)行，最終調(diào)整 初始化參數(shù)與異常值探測(cè)參數(shù)分別為〇. 01和〇. 06，并得到漏報(bào)率與誤報(bào)率分別為28.6 %和 0.45% ；
[0085]因爆管模擬實(shí)驗(yàn)次數(shù)少，持續(xù)時(shí)間短，爆管模擬流量控制不精準(zhǔn)等原因，漏報(bào)率較 高，但使用5min為間隔的監(jiān)測(cè)數(shù)據(jù)可以探測(cè)到全部三次持續(xù)時(shí)間極短的爆管事故，幾乎是 一經(jīng)發(fā)生事故即可報(bào)警，這依然說明本發(fā)明的有效性；同時(shí)，本發(fā)明的一大特點(diǎn)與優(yōu)點(diǎn)就是 誤報(bào)率低，若誤報(bào)率過高，仍需要相關(guān)人員在所有報(bào)警中進(jìn)行篩選確認(rèn)，反而加重供水企業(yè) 工作人員的工作負(fù)擔(dān)。經(jīng)過參數(shù)的調(diào)整優(yōu)化后，即可按照相應(yīng)步驟進(jìn)行實(shí)時(shí)的爆管預(yù)警。 [0086]此實(shí)施例僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種基于計(jì)量分區(qū)流量監(jiān)測(cè)數(shù)據(jù)的爆管預(yù)警方法，其特征在于，包括： 步驟1、利用管網(wǎng)計(jì)量分區(qū)中的η個(gè)流量計(jì)采集m天內(nèi)某一相同時(shí)刻的流量數(shù)據(jù)組成歷 史數(shù)據(jù)矩陣； 步驟2、利用管網(wǎng)計(jì)量分區(qū)中的η個(gè)流量計(jì)采集第m+1天到第m+p天內(nèi)的流量數(shù)據(jù)，并在 此段時(shí)間內(nèi)進(jìn)行爆管模擬實(shí)驗(yàn)以獲取爆管數(shù)據(jù)，組成測(cè)試矩陣，測(cè)試矩陣中的某一行定義 為某一天生成的測(cè)試向量； 步驟3、預(yù)設(shè)初始化參數(shù)匕，對(duì)所有歷史數(shù)據(jù)矩陣進(jìn)行聚類分析并剔除異常向量后生成 初始化矩陣； 步驟4、將初始化矩陣與某一天生成的測(cè)試向量構(gòu)成探測(cè)矩陣，預(yù)設(shè)異常值探測(cè)參數(shù)k2， 對(duì)探測(cè)矩陣進(jìn)行聚類分析并剔除異常測(cè)試向量，并重復(fù)步驟4更新探測(cè)矩陣直到完成所有 探測(cè)矩陣的聚類分析； 步驟5、計(jì)算異常測(cè)試向量中每個(gè)元素與其原所在探測(cè)矩陣的均值向量的差值，若每個(gè) 差值均大于零或小于零則不發(fā)出爆管預(yù)警，否則發(fā)出爆管預(yù)警； 步驟6、計(jì)算漏報(bào)率和誤報(bào)率，并調(diào)整優(yōu)化預(yù)設(shè)初始化參數(shù)和預(yù)設(shè)異常值探測(cè)參數(shù)，重 復(fù)步驟2~5直到獲得最佳漏報(bào)率與誤報(bào)率； 步驟7、將調(diào)整優(yōu)化后的預(yù)設(shè)初始化參數(shù)和預(yù)設(shè)異常值探測(cè)參數(shù)應(yīng)用于實(shí)時(shí)的爆管預(yù) 警中，使用計(jì)量分區(qū)進(jìn)出口流量計(jì)實(shí)時(shí)生成的向量構(gòu)建并更新探測(cè)矩陣，最終通過比較均 值向量與異常測(cè)試向量對(duì)爆管事故進(jìn)行報(bào)警。2. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述聚類分析包括： 計(jì)算每個(gè)向量的局部密度和距離兩個(gè)值，向量i的局部密度0,的計(jì)算方法如下：其中，如果x〈〇,則x(x) = 1，否則x(x) =〇;dij表示向量i與向量j間的歐氏距離;d。為截 斷距離，cM吏得向量的平均局部密度值為矩陣中所有向量數(shù)的 向量i的距離\的計(jì)算方法如下：其中，向量j的局部密度巧要滿足大于向量i的局部密度條件； 如果向量i具有最大的局部密度，其距離定義為： 5i=maxj(dij) (3) 對(duì)具有最低密度的向量，根據(jù)其距離由大到小排序，距離越大，則向量為異常的可能性 就越大，初始化參數(shù)用以確定矩陣中異常向量的個(gè)數(shù)，異常值探測(cè)參數(shù)用以確定測(cè)試向量 是否異常。3. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述漏報(bào)率為在發(fā)生爆管事故時(shí)，未被成功 識(shí)別為爆管的向量占所有表征爆管事故的向量的百分比;所述誤報(bào)率為在未發(fā)生爆管事故 時(shí)，被錯(cuò)誤識(shí)別為爆管的向量占所有正常向量的百分比。4. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述聚類分析通過比較流量數(shù)據(jù)間的相似度 來發(fā)現(xiàn)異常的流量數(shù)據(jù)。5. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述均值向量由相應(yīng)矩陣中各列元素的均值 構(gòu)成。6. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述步驟1中的90。7. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述步驟2中的10。8. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述流量計(jì)的監(jiān)測(cè)頻率為1-5分鐘。9. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述初始化參數(shù)lu的取值范圍是0.01-0.15。10. 根據(jù)權(quán)利要求1所述方法，其特征在于，所述異常值探測(cè)參數(shù)1?的取值范圍是0.01- 0.15〇
【文檔編號(hào)】G06F19/00GK105930653SQ201610245327
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月19日
【發(fā)明人】劉書明, 吳以朋, 吳雪
【申請(qǐng)人】清華大學(xué)