一种供水管网瞬变流事件检测方法与流程

1.本发明属于供水管网领域，具体涉及一种供水管网瞬变流事件检测方法。


背景技术：

2.供水管网运行过程中，由于用水量变化、泵组启停切换、阀门快速启闭，甚至事故停泵、关阀抢修等，会快速改变管网系统水力负荷，常常引发管道中的瞬态工况变化，形成大幅度的压力波动，严重时形成水锤，对管网造成危害，甚至引起爆管事故。
3.利用先进的低功耗高精度传感和处理技术，如高频压力计对供水管网进行瞬变流监测，可以有效开展爆管侦测和水锤防护，保障管网健康运行
1.。传统的瞬变流事件检测方法包括累积和(cusum)
2.和小波变换(wavelet transform，wt)
3.方法。然而，cusum具有响应慢的问题，wt存在对信号转换敏感问题，更严重的瓶颈是：这两种检测算法计算量大，不适宜在前端智能节点应用。
4.实际监测中，常常需要高频采集压力信号数据，所有高频数据上传不仅受无线网络带宽限制
4.，且由于上传功耗较大受前端智能节点电池容量限制。事实上，将所有这些高频、高精度数据周期性发送回云端服务器进行处理，不仅成本高，而且实时性差，实用性不强。也就是说，瞬变流事件的检测尽量在边缘设备(即前端智能节点)上进行，瞬变流过程数据再上传给云端服务器，采用分布式、事件驱动的数据采集、传送、分析方法，能有效支撑供水管网实时监测任务。
5.文献[4]提出了一种瞬变流监测方法，即传感器信号峰值触发记录方法：当后一秒的第一个传感器信号检测绝对值x1大于前一秒的开始阈值和绝对差δ时，触发mcu模块以峰值记录单位时间(频率)记录传感器信号值；当第n秒的第一个传感器信号检测绝对值x
n1
小于前一秒的停止阈值和绝对差δ时，停止峰值记录，只按设定的时间间隔记录传感器信号数据。此方法对输水管道在线水锤检测是有效的，因为水锤一般是高频的(常用100hz～250hz采样频率采集信号)，但对于供水管网中高低频并存的瞬变流信号检测是不适用的。另外，此方法每秒需要计算样本平均值和样本标准差，计算开销大。
[0006]
[1]whittle,a.j.,m.allen,a.preis,and m.iqbal."sensor networks for monitoring and control of water distribution systems."6th international conference on structural health monitoring of intelligent infrastructure(shmii 2013),hong kong,december 9
‑
11,2013.
[0007]
[2]shin je lee；gibaek lee；jung chul suh；and jong min lee,online burst detection and location of water distribution systems and its practical applications,journal of water resources planning and management,volume 142issue 1
‑
january 2016
[0008]
[3]seshan srirangarajan
·
michael allen
·
ami preis
·
mudasser iqbal
·
hock beng lim
·
andrew j.whittle,wavelet
‑
based burst event detection and localization in water distribution systems,journal of signal process system
(2013)72:1
–
16
[0009]
[4]202010223297.3一种瞬变流监测方法和多通道水锤侦测仪，发明专利公布号cn 111442799 a，2020.07.24。


技术实现要素：

[0010]
针对供水管网瞬变流信号频率范围广，常规检测算法存在计算复杂、功耗大的问题，本发明采用时序数据多尺度极差统计过程控制spc方法，识别压力信号中的特征，实现瞬变流事件检测。
[0011]
本发明方法采取以下步骤：
[0012]
步骤1计算管网监测点日常压力信号频谱，确定时间尺度等级。
[0013]
对连续采集(不少于1周)的监测点压力信号，采用快速傅里叶变换算法(fft)进行频谱计算，得到频谱图。
[0014]
对大于噪声幅度3倍的频谱按频率进行排序，得到瞬变流最小频率f
min
和最大频率f
max
。
[0015]
根据f
min
和f
max
，确定时间尺度等级：一般时间尺度划分为2
‑
3级，第1级可分析最大频率f
max
信号，第2或第3级可分析最小频率f
min
信号。
[0016]
供水管网瞬变流压力信号频率范围一般在十分之几赫兹～几赫兹之间。优选地，以采样周期t＝1/f
s
为最小计时单位(1秒内采样次数n＝f
s
)，三级时间尺度定义为：ts1＝n
×
t＝1秒，ts2＝10
×
n
×
t＝10秒,ts3＝10
×
10
×
n
×
t＝100秒。
[0017]
所述的监测点采用高频率、高精度的智能压力计(智能节点)，持续快速检测供水压力，采样精度0.5级以上，采样频率f
s
(一般≥10hz)，7
×
24实时采样。
[0018]
步骤2计算管网监测点日常压力不同时间尺度下的极差值。
[0019]
不同时间尺度下的极差值计算公式：
[0020]
ts1尺度下的极差：
[0021]
r1＝max(x1,x2,
…
,x
i
,
…
,x
n
)
‑
min(x1,x2,
…
,x
i
,
…
,x
n
)
ꢀꢀꢀꢀꢀ
(1)
[0022]
ts2尺度下的极差：
[0023]
r2＝max(x1,x2,
…
,x
i
,
…
,x
10n
)
‑
min(x1,x2,
…
,x
i
,
…
,x
10n
)
ꢀꢀ
(2)
[0024]
ts3尺度下的极差：
[0025]
r3＝max(x1,x2,
…
,x
i
,
…
,x
100n
)
‑
min(x1,x2,
…
,x
i
,
…
,x
100n
)
ꢀꢀ
(3)
[0026]
其中，x
i
为某尺度下第i个压力采样值，max()、min()为取时序序列中的最大值、最小值。
[0027]
对前述连续采集(不少于1周)的监测点压力信号，进行不同尺度下连续的极差计算。
[0028]
ts1尺度下：
[0029][0030]
得到r1极差值集合{r11,r12,
…
,r1
j
,
…
,r1
j
}。这里，xn
i
与x1
i 1
是连续的压力采样值，j为ts1时间尺度序号，j为ts1时间尺度的总序号。
[0031]
类似计算，可以得到ts2尺度下的r2极差值集合{r21,r22,
…
,r2
k
,
…
,r2
k
}和ts3尺度下的r3极差值集合{r31,r32,
…
,r3
m
,
…
,r3
m
}，k、m为ts2和ts3时间尺度序号，k、m为ts2和ts3时间尺度序号的总序号。
[0032]
步骤3计算不同时间尺度下的极差阈值。
[0033]
分别计算r1、r2和r3极差值集合的均值μ和标准差σ，计算公式如下：
[0034][0035]
根据拉依达准则(3σ准则)，以μ 3σ为控制上限，则可确定不同尺度下极差控制上限，形成极差阈值：
[0036]
ts1尺度下：
[0037][0038]
ts2尺度下：
[0039][0040]
ts3尺度下：
[0041][0042]
优选地，步骤1～3，除了数据采集、上传在前端智能节点外，其余复杂计算(包括频谱、极差、阈值等计算)均在云端服务器上完成。前端智能节点仅须接收云端服务器的优化参数，包括时间尺度分级、极差阈值等。
[0043]
步骤4对实测压力信号进行瞬变流事件检测。
[0044]
前端智能节点根据时间尺度分级、极差阈值等参数，在压力信号采集过程中进行瞬变流事件实时检测：
[0045]4‑
1、前端智能节点按照固定频率f
s
采样，从采样开始(一般以整点秒时刻开始)，除了正常记录实测压力数据外，比较、记录本轮不同时间尺度下的压力最大值max1/max2/max3和最小值min1/min2/min3。
[0046]4‑
2、每完成1个ts1时间尺度的采样，按照公式(1)计算极差r1
j
；每完成1个ts2时
间尺度的采样，按照公式(2)计算极差r2
k
；每完成1个ts3时间尺度的采样，按照公式(3)计算极差r3
m
。
[0047]4‑
3、每完成1个ts1时间尺度下的极差r1
j
，就跟控制上限ucl1阈值比较，如超限则触发瞬变流事件信号；每完成1个ts2时间尺度下的极差r2
k
，就跟控制上限ucl2阈值比较，如超限则触发瞬变流事件信号；每完成1个ts3时间尺度下的极差r3
m
，就跟控制上限ucl3阈值比较，如超限则触发瞬变流事件信号。
[0048]
上述比较方法仅涉及简单的加减计算，比cusum和wt算法都简单，且克服了cusum响应慢和wt算法信号转换敏感等缺点，减少了前端智能节点的计算功耗，延长了其服役时间。
[0049]
优选地，前端智能节点如检测到瞬变流事件，可根据供水管网瞬变流特点，即时将触发时刻前后一段时间(1～2分钟)的高频压力数据上传给云端服务器，触发云端服务器及时响应处理瞬变流信号；如没有检测到瞬变流事件，则定期(如5分钟)将低频压力数据上传给云端服务器，减少数据传输量，以节省功耗。
[0050]
本发明采用多尺度极差检测方法，较传统供水管网瞬变流事件检测方法，不仅具有频率覆盖广、响应及时等优点，而且充分利用极差指标衡量信号波动性，避开了常规的标准差指标，计算量小，减少了计算功耗，是一种基于统计的轻量级特征识别方法，特别适合于前端智能节点应用，进而为供水管网低功耗实时健康监测提供了便利。
附图说明
[0051]
图1本发明方法流程图；
[0052]
图2本发明方法瞬变流事件检测流程图；
[0053]
图3实施例瞬变流事件检测效果图。
具体实施方式
[0054]
某水司对局部高危管网进行高频压力监测，10个监测点采用高频率、高精度的智能压力计(智能节点)，持续快速检测供水压力，采样精度0.5级以上，采样频率10hz，7
×
24实时采样。现以其中9#测点检测瞬变流事件为实施例，结合本发明方法流程图(图1)和本发明方法瞬变流事件检测流程图(图2)，对本发明的具体实施方式作进一步详细描述，但本发明方法不限于此实施例。
[0055]
步骤1计算管网监测点日常压力信号频谱，确定时间尺度等级。
[0056]
对9#测点连续采集1周的监测点压力信号，采用快速傅里叶变换算法(fft)进行频谱计算，得到频谱图。
[0057]
对大于噪声幅度3倍的频谱按频率进行排序，得到瞬变流最小频率f
min
≈0.17hz和最大频率f
max
≈2.8hz。
[0058]
根据f
min
和f
max
，划分时间尺度2个等级，第1级可分析最大频率f
max
信号，第2级可分析最小频率f
min
信号。
[0059]
以采样周期t＝1/f
s
为最小计时单位(1秒内采样次数n＝f
s
＝10次)，二级时间尺度定义为：ts1＝n
×
t＝1秒，ts2＝10
×
n
×
t＝10秒。
[0060]
步骤2计算管网监测点日常压力不同时间尺度下的极差值。
[0061]
对前述连续采集1周的监测点压力信号，进行不同尺度下连续的极差计算：按公式(4)计算得到ts1尺度下的r1极差值集合{r11,r12,
…
,r1
j
,
…
,r1
j
}。j为ts1时间尺度序号，j为ts1时间尺度的总序号。
[0062]
类似计算，可以得到ts2尺度下的r2极差值集合{r21,r22,
…
,r2
k
,
…
,r2
k
}。k为ts2时间尺度序号，k为ts2时间尺度序号的总序号。
[0063]
步骤3计算不同时间尺度下的极差阈值。
[0064]
按照公式(5)，分别计算r1和r2极差值集合的均值μ和标准差σ：
[0065][0066]
按照公式(6)和公式(7)确定ts1和ts2尺度下极差控制上限，即极差阈值：
[0067]
ts1尺度下，
[0068]
ts2尺度下，
[0069]
步骤4对实测压力信号进行瞬变流事件检测。
[0070]
前端智能节点，即监测点根据时间尺度分级、极差阈值等参数，在压力信号采集过程中进行瞬变流事件实时检测：
[0071]4‑
1、前端智能节点按照固定频率f
s
＝10hz采样，从采样开始(一般以整点秒时刻开始)，除了正常记录实测压力数据外，比较、记录本轮不同时间尺度下的压力最大值max1/max2和最小值min1/min2。
[0072]4‑
2、每完成1个ts1时间尺度的采样，按照公式(1)计算极差r1
j
；每完成1个ts2时间尺度的采样，按照公式(2)计算极差r2
k
。
[0073]4‑
3、每完成1个ts1时间尺度下的极差r1
j
，就跟控制上限ucl1阈值比较，如超限则触发瞬变流事件信号；每完成1个ts2时间尺度下的极差r2
k
，就跟控制上限ucl2阈值比较，如超限则触发瞬变流事件信号。
[0074]
测点9#瞬变流事件检测效果，如图3所示，利用本发明方法快速、准确地检测出瞬变流事件。