一种供水管网压力传感器部署优化方法

本发明涉及一种供水管网压力传感器部署优化方法，属于智慧水务和管网运行管理。

背景技术：

1、供水管网是城市供水系统的重要基础设施，用于向用户持续输送安全、稳定的生活和生产用水。受管道老化、施工扰动、地质沉降、运行压力波动及连接部件失效等因素影响，供水管网中可能发生泄漏。泄漏不仅造成水资源损失，还可能导致供水压力下降、运行能耗增加、水质安全风险上升以及管网运行状态感知能力降低。因此，在复杂供水管网中进行泄漏识别和定位，是智慧水务和管网运行管理中的重要技术问题。

2、压力传感器是供水管网泄漏监测和定位中常用的数据采集设备。泄漏发生时，管网压力状态会随泄漏位置和管网水力条件产生空间分布式变化，通过在若干节点布设压力传感器，可以采集泄漏引起的压力响应，并结合水力模型或数据分析方法推断泄漏位置。然而，在实际工程中，压力传感器数量受到安装成本、维护成本、通信带宽、供电条件和现场施工条件等限制，通常无法在所有节点部署传感器，因此需要在有限传感器预算下选择具有代表性的压力观测节点。

3、现有压力传感器部署方法通常包括基于拓扑覆盖、经验规则、启发式搜索、信息论指标、图信号或特征选择的方法。这些方法虽能改善传感器布设的合理性，但仍存在不足：部分方法主要关注网络拓扑覆盖，未充分考虑不同泄漏情景在压力响应场中的可区分性；部分方法依赖固定评分指标或特定优化器，难以在统一目标下比较不同部署策略；部分方法对管网节点属性、管道边属性及水力响应先验利用不足。尤其在传感器数量较少时，若所选节点不能保留区分相似泄漏情景的压力响应维度，容易导致不同泄漏位置在有限观测空间中表现接近，从而降低泄漏定位效果。

4、因此，亟需一种能够结合泄漏响应信息、传感器预算约束以及供水管网图结构物理属性的压力传感器部署优化方法。

技术实现思路

1、本发明的目的在于提供一种供水管网压力传感器部署优化方法，能够生成兼顾泄漏可区分性和预算约束的压力传感器部署方案。

2、为达到上述目的，本发明提供如下技术方案：

3、第一方面，本发明提供一种供水管网压力传感器部署优化方法，包括：

4、基于供水管网水利模型，解析供水管网的节点和管道，从供水管网的节点中确定候选泄漏节点和候选压力传感器节点，并对供水管网进行泄漏扰动仿真，以构建压力响应矩阵；

5、基于压力响应矩阵，构建带泄漏响应先验的二次无约束二进制优化目标函数；

6、利用带泄漏响应先验的二次无约束二进制优化目标函数对物理信息图神经网络进行训练，得到训练好的物理信息图神经网络；

7、将供水管网构建为图结构，图结构的节点对应候选压力传感器节点，图结构的边对应管道；

8、将图结构输入至训练好的物理信息图神经网络，通过边门控消息传递机制在图结构的边上传递并调节图结构的节点之间的信息，生成候选压力传感器节点的连续部署选择分数；

9、根据候选压力传感器节点的连续部署选择分数生成满足传感器数量预算约束的压力传感器部署方案。

10、结合第一方面，进一步的，对供水管网进行泄漏扰动仿真，以构建压力响应矩阵包括：

11、将无泄漏状态作为参考状态，对候选泄漏节点施加参考泄漏扰动；

12、根据候选压力传感器节点在参考状态下的压力和在对候选泄漏节点施加参考泄漏扰动下的压力计算候选压力传感器节点对候选泄漏节点的单位泄漏压力响应；

13、由各候选压力传感器节点对各候选泄漏节点的单位泄漏压力响应构成压力响应矩阵；

14、候选压力传感器节点对候选泄漏节点的单位泄漏压力响应的计算公式为：

15、；

16、其中，表示第个候选压力传感器节点对第个候选泄漏节点的单位泄漏压力响应，表示第个候选压力传感器节点在参考状态下的压力，表示第个候选压力传感器节点在对第个候选泄漏节点施加参考泄漏扰动下的压力，表示参考泄漏扰动。

17、结合第一方面，进一步的，基于压力响应矩阵，构建带泄漏响应先验的二次无约束二进制优化目标函数包括：

18、对压力响应矩阵进行归一化处理，得到归一化后的压力响应矩阵；

19、根据归一化后的压力响应矩阵计算候选压力传感器节点的泄漏响应重要性和候选压力传感器节点之间的泄漏响应冗余性；

20、由候选压力传感器节点的泄漏响应重要性和候选压力传感器节点之间的泄漏响应冗余性构成泄漏响应先验矩阵；

21、根据泄漏响应先验矩阵构建带泄漏响应先验的二次无约束二进制优化目标函数。

22、结合第一方面，进一步的，根据归一化后的压力响应矩阵计算候选压力传感器节点的泄漏响应重要性包括：

23、对归一化后的压力响应矩阵进行低秩分解，得到候选压力传感器节点的主响应模式贡献和残差响应贡献；

24、对候选压力传感器节点的主响应模式贡献和残差响应贡献进行归一化处理，得到候选压力传感器节点归一化后的主响应模式贡献和残差响应贡献；

25、根据候选压力传感器节点归一化后的主响应模式贡献和残差响应贡献计算候选压力传感器节点的泄漏响应重要性；

26、候选压力传感器节点的泄漏响应重要性的计算公式为：

27、；

28、其中，表示第个候选压力传感器节点的泄漏响应重要性，、分别表示第个候选压力传感器节点归一化后的主响应模式贡献、残差响应贡献，表示重要性权重系数。

29、结合第一方面，进一步的，根据归一化后的压力响应矩阵计算候选压力传感器节点之间的泄漏响应冗余性包括：

30、根据归一化后的压力响应矩阵构建候选压力传感器节点的泄漏区分谱；

31、根据候选压力传感器节点的泄漏区分谱计算候选压力传感器节点之间的泄漏响应冗余性；

32、候选压力传感器节点之间的泄漏响应冗余性的计算公式为：

33、；

34、其中，表示第个候选压力传感器节点与第个候选压力传感器节点之间的泄漏响应冗余性，、分别表示第、个候选压力传感器节点的泄漏区分谱，表示用于防止分母为零的常数。

35、结合第一方面，进一步的，泄漏响应先验矩阵为：

36、；

37、其中，表示泄漏响应先验矩阵的第行第列元素，表示第个候选压力传感器节点的泄漏响应重要性，表示泄漏响应重要性对应的权重系数，表示泄漏响应先验矩阵的第行第列元素，表示第个候选压力传感器节点与第个候选压力传感器节点之间的泄漏响应冗余性，表示泄漏响应冗余性对应的权重系数。

38、结合第一方面，进一步的，带泄漏响应先验的二次无约束二进制优化目标函数为：

39、；

40、其中，表示带泄漏响应先验的二次无约束二进制优化目标函数值，表示压力传感器部署向量，的第个元素为，代表第个候选压力传感器节点部署压力传感器，代表第个候选压力传感器节点不部署压力传感器，表示总二次优化矩阵，，表示泄漏响应先验矩阵，表示传感器数量预算约束矩阵，表示辅助约束矩阵，、、分别表示、、对应的权重系数，表示常数项，表示转置。

41、结合第一方面，进一步的，利用带泄漏响应先验的二次无约束二进制优化目标函数对物理信息图神经网络进行训练，得到训练好的物理信息图神经网络包括：

42、初始化物理信息图神经网络的网络参数；

43、将图结构输入至物理信息图神经网络，通过边门控消息传递机制在图结构的边上传递并调节图结构的节点之间的信息，生成候选压力传感器节点的连续部署选择分数；

44、将候选压力传感器节点的连续部署选择分数代入带泄漏响应先验的二次无约束二进制优化目标函数，计算得到软二次无约束二进制优化损失；

45、基于软二次无约束二进制优化损失，通过反向传播更新物理信息图神经网络的网络参数，得到训练好的物理信息图神经网络。

46、结合第一方面，进一步的，物理信息图神经网络包括：

47、节点编码器，用于将图结构的节点的节点属性向量编码为节点隐藏状态；

48、边编码器，用于将图结构的边的边属性向量编码为边隐藏状态；

49、边门控消息传递模块，用于根据边隐藏状态以及边两端节点的节点隐藏状态生成门控边消息；

50、节点状态更新模块，用于根据门控边消息更新节点隐藏状态；

51、部署选择输出模块，用于根据更新后的节点隐藏状态生成候选压力传感器节点的连续部署选择分数；

52、门控边消息为：

53、；

54、其中，表示图结构的第个边在物理信息图神经网络的第层的门控边消息，表示图结构的第个边的边门控系数，，表示sigmoid函数，表示物理信息图神经网络的边门控函数，表示图结构的第个边的边属性向量，表示图结构的第个边在物理信息图神经网络的第层的边消息，，表示物理信息图神经网络的边消息函数，、分别表示图结构的第个边两端节点、在物理信息图神经网络的第层的节点隐藏状态，表示图结构的第个边在物理信息图神经网络的第层的边隐藏状态；

55、节点隐藏状态的更新公式为：

56、；

57、其中，、分别表示图结构的第个节点在物理信息图神经网络的第、层的节点隐藏状态，表示物理信息图神经网络的节点状态更新函数，表示图结构的第个节点在物理信息图神经网络的第层的拓扑邻接摘要，，表示化物理信息图神经网络的拓扑摘要函数，表示图结构的第个节点与第个节点之间的归一化邻接权重，表示图结构的第个节点在物理信息图神经网络的第层的节点隐藏状态，表示图结构的第个节点的邻居节点集合，、分别表示图结构的第个节点在物理信息图神经网络的第层从正方向、负方向聚合得到的边消息结果，，，、分别表示图结构的有符号关联矩阵的正部分、负部分，表示由图结构的所有边在物理信息图神经网络的第层的门控边消息构成的列向量，、分别表示图结构的第个节点在物理信息图神经网络的第层从以图结构的第个节点为起点、终点的边接收到的门控边消息之和，、分别表示以图结构的第个节点为起点、终点的边的数量；

58、候选压力传感器节点的连续部署选择分数为：

59、；

60、其中，表示第个候选压力传感器节点的连续部署选择分数，表示化物理信息图神经网络的输出函数，表示图结构的第个节点在物理信息图神经网络的第层的节点隐藏状态。

61、结合第一方面，进一步的，压力传感器部署向量为：

62、；

63、其中，表示压力传感器部署向量，的第个元素为，代表第个候选压力传感器节点部署压力传感器，代表第个候选压力传感器节点不部署压力传感器，表示候选压力传感器节点总数，表示传感器数量预算。

64、第二方面，本发明提供一种供水管网压力传感器部署优化系统，包括：

65、仿真模块，用于基于供水管网水利模型，解析供水管网的节点和管道，从供水管网的节点中确定候选泄漏节点和候选压力传感器节点，并对供水管网进行泄漏扰动仿真，以构建压力响应矩阵；

66、目标函数构建模块，用于基于压力响应矩阵，构建带泄漏响应先验的二次无约束二进制优化目标函数；

67、训练模块，用于利用带泄漏响应先验的二次无约束二进制优化目标函数对物理信息图神经网络进行训练，得到训练好的物理信息图神经网络；

68、图结构构建模块，用于将供水管网构建为图结构，图结构的节点对应候选压力传感器节点，图结构的边对应管道；

69、连续部署选择分数生成模块，用于将图结构输入至训练好的物理信息图神经网络，通过边门控消息传递机制在图结构的边上传递并调节图结构的节点之间的信息，生成候选压力传感器节点的连续部署选择分数；

70、部署方案生成模块，用于根据候选压力传感器节点的连续部署选择分数生成满足传感器数量预算约束的压力传感器部署方案。

71、第三方面，本发明提供一种计算机设备，包括：

72、存储介质：用于存储计算机程序；

73、处理器：用于执行所述计算机程序以实现第一方面所述供水管网压力传感器部署优化方法。

74、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所述供水管网压力传感器部署优化方法。

75、第五方面，本发明提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述供水管网压力传感器部署优化方法。

76、与现有技术相比，本发明的有益效果是：

77、本发明提供的供水管网压力传感器部署优化方法，将候选泄漏场景引起的压力响应显式编码为传感器部署优化目标，使压力传感器部署由一般拓扑覆盖转向面向泄漏定位的响应信息保留，有利于在有限观测条件下保持不同泄漏场景之间的可区分性；通过泄漏响应重要性和泄漏响应冗余性共同构造泄漏响应先验矩阵，使部署方案能够优先选择对泄漏场景区分贡献较大的候选节点，同时抑制提供相似泄漏区分信息的节点被重复选择，从而提高候选压力观测节点的信息互补性；利用带边门控消息传递的物理信息图神经网络，使管道长度、管径、粗糙度、水力状态等边属性能够调节节点间消息传递，并通过多层图神经网络聚合候选节点自身属性、邻域拓扑信息和关联管道物理信息，从而增强部署分数生成过程对供水管网结构异质性和物理连通关系的感知能力；将泄漏响应先验目标与图神经网络学习优化相结合，使部署优化过程既受泄漏响应目标引导，又能利用供水管网图结构中的节点-边信息传递机制生成可执行的压力传感器部署方案，适用于不同规模供水管网中的泄漏定位导向压力监测布设。