校园供水管道漏损智能监测系统研究

丁 青， 陶星光， 赵雨姗， 何昱樂， 陈清也

(湖南财政经济学院 数学与统计学院，湖南 长沙 410205)

0 引言

由于高校校园供水较一般城市供水更为特殊，供水网复杂多样，暗漏问题严重，传统的供水系统漏损监测弊端多见，造成大量人工勘测成本及淡水资源的浪费，校园供水管理智能监测系统[1]的需求迫在眉睫。本文建立一套与大数据、互联网应用结合的自动型现代化管道漏损智能监测系统，并对系统建立与运用方面进行介绍。

1 研究背景

1.1 传统型水管检漏方法[2]

第一种是音听检漏法。当供水管道破裂发生漏水时，对采集到的水流与破裂口的摩擦在管道壁产生一定频率的声信号进行信号处理用作漏水检测[3]。第二种是相关检漏法。使用相关仪器快速准确地测出地下管道漏水点的准确位置。第三种是漏水自动记录监测法。水泄漏噪声自动记录仪按预设时间记录水声信号，经数字化处理后通过专用软件在计算机上进行处理得到漏损区域位置。

基于声信号检测的传统型水管检漏方法实时性强但成本高，易耗费大量人力、物力、财力且其影响因素多，容易因管道材质、环境音变等影响检测效果。

1.2 市场对智能监测系统的需求

目前淡水资源日益匮乏，仅仅一个水龙头漏水一个月就会漏掉2.6 t水，必须重视水管漏损问题，保护淡水资源。

我国的地理信息系统(geographic information system，GIS)[4]在管网行业应用不多，技术设计不够成熟，大都局限于对日常管理的实现。传统的供水管理系统资料保存为纸质版，难储存、易破损，查阅困难，无法实时反映。

2 模型建立

2.1 水表层级模型

通过高校校园各水表之间的关系得到水表层级模型，并由该模型得出水表数据的误差。依据校园后勤部门提供的信息，确定校园水表各层级之间的关系，建立高校水表读数数据库。

建立水表层次关系后，水表读数数据采用平均相对误差MRE用公式(1)进行计算,得到相关一级表的误差,

(1)

2.2 漏损监测模型[5]

基于校园内每个区域单独的用水数据，利用SPSS软件建立不同的数据图表。

对此进行数据比较并详细分析每个用水区域用水量的变化，寻找水表数据中的异常数据，包括异常值和缺失值。对异常值使用均值进行替换，而对缺失值的处理方式是模型不选取缺失的数据。

在处理完用水量异常值及缺失值后，利用SPSS软件进行时间序列预测，得到所需要的预测值，再由公式(2)计算一级表的漏损率。

(2)

其中，P代表漏损率，X代表原始用量，Y代表预测用量。

通过BP神经网络预测估计用水区域的实际用水量，依据公式得出漏损量与漏损率，得到各个水表的实际漏损率后计算水表的平均漏损率并以该值为阈值,制定出水表正常工作的范围，阈值之外的部分则不作处理，超过这个阈值的都应该注意。系统能够通过水表实时数据，得到需要查找的地下水管暗漏或地面水管直接漏损的具体区域的水表号。

2.3 地图可视化

对数据进行地图可视化处理，在Google地图上应用地理信息系统作水管漏损区域示意图，同时用颜色区分水管正常使用情况及漏损情况，橙色表示漏损区域，灰色表示未漏损区域，并通过颜色深浅表示水管漏损严重程度。通过此方法可以准确、实时定位标示水管漏损区域的具体位置。

3 软件设计

本文提出的“校园供水智能漏损监测系统”设计(见图1)通过校园水表获得大量供水系统运行数据，建立数据库架构,后台将上传数据和水表阈值进行比较:如果水表属于正常范围则可以忽略;如果红点超出了设定阈值,立刻触发地图通信,在地图上进行标识橙色预警显示,后勤部门在发现区域内出现橙色区域提醒后，需要及时采取相应的措施，及时通知就近的巡检人员对其进行紧急处置。事件处理完毕后，橙色变灰。

图1 设计流程图Fig.1 Design flow chart

后续开发设想：实现水表层级模型+漏损监测模型+地图可视化为一体的校园供水管道漏损智能监测系统。

4 总结

本文提出的“校园供水管道智能监测系统” 与大数据、互联网应用结合,可实现长期保存供水管理系统资料的设想，提高了供水系统漏损监测实用性与便捷性，有效解决传统型人工查漏损风险大、成本高、耗时长等问题，减少资源浪费。