用于流体分配网络(FDN)中的泄漏检测和定位的方法、装置和系统与流程

摘要: 本公开涉及流体分配网络(fdn)。具体地,本公开涉及一种用于在fdn中进行泄漏检测和定位的方法、装置和系统。背景技术:1、每年有占比可观的饮用水因水分配网络(w...
用于流体分配网络(FDN)中的泄漏检测和定位的方法、装置和系统与流程

本公开涉及流体分配网络(fdn)。具体地,本公开涉及一种用于在fdn中进行泄漏检测和定位的方法、装置和系统。

背景技术:

1、每年有占比可观的饮用水因水分配网络(wdn)泄漏而被浪费。由于泄漏,所以未来几年内大量人口将面临清洁水短缺。水泄漏容易造成污染,进而直接影响公众健康。因此,快速检测wdn中的泄漏至关重要。现有泄漏检测方法体系使用诸如声学、雷达和红外成像之类的不同的传感器,其中需要附加基础设施,进而导致成本巨大。由于泄漏检测是一种网络特性,所以一些现有方法使用来自网络中不同位置的流量/压力测量来通过使用机器学习方法来检测泄漏。然而,常规/现有系统为集中式,其中定期从网络接收数据的服务器或云可能每天两次或三次,并且等待直到接收到来自所有节点的测量。这会导致泄漏检测的显著延迟。此外,常规/现有系统使用机器学习(ml)来检测是否存在泄漏,这无法避免误报,即,如果不存在泄漏时,仅按设计出现流量减少,则预测泄漏检测。因此,需要在低端流量计上提供快速的水泄漏检测和定位。

2、在本公开的背景技术部分下公开的信息仅用于增强对本发明的总体背景的理解,并且不应被视为承认或以任何形式建议该信息构成本领域技术人员已知的现有技术。

技术实现思路

1、本文中公开了一种在流体分配网络(fdn)中进行泄漏检测和定位的方法。该方法包括:通过安装在流体分配网络(fdn)中的装置在fdn中的预定义的位置处监测与流经fdn中的分配介质的流体相关联的实时流动参数。进一步地,该方法包括:使用装置中配置的预训练的人工智能(ai)模型基于实时流动参数来确定分配介质中的靠近装置的流体的初始泄漏状态。此后,该方法包括:从一个或多个相邻装置接收与由fdn中的一个或多个相邻装置确定的相应泄漏状态有关的信息。更进一步地,该方法包括:基于从一个或多个相邻装置接收的信息来确定最终泄漏状态。最后,该方法包括:将最终泄漏状态传送到与装置通信连接的服务器,用于对fdn中的泄漏的定位。

2、进一步地,本文中公开了一种用于流体分配网络(fdn)中的泄漏检测和定位的装置。该装置包括处理器和存储器。存储器通信耦合到处理器并且存储处理器可执行指令,这些处理器可执行指令在执行时使得处理器在fdn中的预定义的位置处监测与流经fdn中的分配介质的流体相关联的实时流动参数。进一步地,处理器使用装置中配置的预训练的人工智能(ai)模型基于实时流动参数来确定分配介质中的靠近装置的流体的初始泄漏状态。此后,处理器从一个或多个相邻装置接收与由fdn中的一个或多个相邻装置确定的相应泄漏状态有关的信息。更进一步地,处理器基于从一个或多个相邻装置接收的信息来确定最终泄漏状态。最后,处理器将最终泄漏状态传送到与装置通信连接的服务器,用于对fdn中的泄漏的定位。

3、更进一步地,本文中公开了一种用于流体分配网络(fdn)中的泄漏检测和定位的系统。该系统包括服务器和一个或多个装置,该一个或多个装置位于fdn中的多个位置处。服务器被配置为从一个或多个装置获得样本数据,该样本数据包括与流体相关联的流动参数和流体在预定义的持续时间内的对应泄漏状态。进一步地,服务器标签根据样本数据中指示的泄漏状态标注流动参数中的每个流动参数。最后,服务器使用经标注的流动参数开发人工智能(ai)模型以对泄漏状态进行分类。该一个或多个装置中的每个装置与服务器通信连接,并且该一个或多个装置中的至少一个装置被配置为在fdn中的预定义的位置处监测与流经fdn中的分配介质的流体相关联的实时流动参数。进一步地,该一个或多个装置中的每个装置使用装置中配置的预训练的人工智能(ai)模型基于实时流动参数来确定分配介质中的靠近装置的流体的初始泄漏状态。此后,该一个或多个装置中的至少一个装置从一个或多个相邻装置接收与由fdn中的一个或多个相邻装置确定的相应泄漏状态有关的信息。更进一步地,一个或多个装置中的至少一个装置基于从一个或多个相邻装置接收的信息来确定最终泄漏状态。最后,一个或多个装置中的至少一个装置将最终泄漏状态传送到与该装置通信连接的服务器,以定位fdn中的泄漏。

4、前述 技术实现要素: 仅具有说明性,并不旨在以任何方式进行限制。除了上文所描述的说明性方面、实施例和特征之外,通过参考附图和以下具体实施方式,其他方面、实施例和特征将变得显而易见。

1.一种流体分配网络(fdn)中的泄漏检测和定位的方法,所述方法包括:

2. 根据权利要求1所述的方法,其中从所述一个或多个相邻装置接收与所述相应泄漏状态有关的所述信息包括:

3.根据权利要求1所述的方法,其中所述实时流动参数包括以下中的至少一项:流体的体积、流动的速度和所述流体的压力。

4.根据权利要求1所述的方法,其中所述泄漏状态包括以下中的一种:泄漏、无泄漏或接近泄漏。

5. 根据权利要求1所述的方法,其中确定所述最终泄漏状态包括:

6.根据权利要求1所述的方法,其中当从所述一个或多个相邻装置接收的所述信息指示泄漏或接近泄漏中的一种时,所述最终泄漏状态被确定为泄漏。

7. 一种用于流体分配网络(fdn)中的泄漏检测和定位的装置,所述装置包括:

8.根据权利要求7所述的装置,其中所述装置包括路由表,所述路由表包括关于相邻装置的信息,并且所述路由表用于向所述一个或多个相邻装置传送所述请求。

9. 根据权利要求7所述的装置,其中为了从所述一个或多个相邻装置接收与相应泄漏状态有关的所述信息,所述处理器被配置为:

10.根据权利要求7所述的装置,其中所述泄漏状态包括以下中的一种:泄漏、无泄漏或接近泄漏。

11. 根据权利要求7所述的装置,其中为了确定所述最终泄漏状态,所述处理器被配置为:

12.根据权利要求7所述的装置,其中当从所述一个或多个相邻装置接收的所述信息指示泄漏或接近泄漏中的一种时,所述处理器将所述最终泄漏状态确定为泄漏。

13.一种用于流体分配网络(fdn)中的泄漏检测和定位的系统,所述系统包括:

14.根据权利要求13所述的系统,其中所述服务器在将所述预训练的ai模型部署在所述一个或多个装置中的每个装置中之前压缩所述预训练的ai模型。

15.根据权利要求13所述的系统,其中所述服务器被配置为:

16.根据权利要求15所述的系统,其中当所述初始泄漏状态和相应泄漏状态是泄漏或接近泄漏中的一种时,所述服务器接收所述初始泄漏状态和相应泄漏状态。