供水管道泄漏的自动检测与诊断

吴凤泉 李宏达

【摘 要】本文介绍了一种供水管道泄露自动检测与诊断技术的设计和实现。通过分析国内外关于供水管道泄露检测技术的现状，指出早期的泄露检测方法以及最近一些新技术方案的优缺点。同时提出了采用基于BP算法的神经网络来检测与诊断泄露的方法。

【关键词】供水管道；泄露检测；神经网络

【中图分类号】TP393【文献标识码】A【文章编号】1672-5158（2013）07-0063-02

Automatic Detection and Diagnosis of Water-Supply Pipe Leakage

WU Feng-quan￡？LI Hong-da

￡¨Information center， Chengde Petroleum College， Chengde， Hebei 067000￡？

【Abstract】This paper presents the design and implementation of Automatic Detection and Diagnosis about Water-Supply Pipe Leakage. After analyzing the current methods about Water-Supply Pipe Leakage， the merits and shortcomings of some older and newer technologies aren pointed out.At the same time， a mothod of leakage detection based on BPNN is put forward.

【Key words】 Water-Supply Pipe； Leakage Detection； Neural Network

1 引言

世界各国尤其是发达国家都非常重视供水节水的管理工作。很早就开展了漏损控制技术及设备的研究、开发工作，其漏失率远低于亚洲国家。

我国由于城市基础设施欠账太多、供水设备的更新、技术水平提高缓慢，加上管理体制落后于不断发展的形势，使管网漏损率均未达到《城市供水2000年技术进步发展规划》所规定的目标，大多数城市供水漏失率多在25%～30%。与发达国家比较还有很大的差距。

为指导节水技术开发和推广应用，推动节水技术进步，提高用水效率和效益，促进水资源的可持续利用，国家发展改革委、科技部会同水利部、建设部和农业部组织制订了2005年第17号《中国节水技术政策大纲》，其中就提及到要积极采用城市供水管网的检漏和防渗技术。

2 国内外研究现状分析

目前，已有的管道泄漏检测方法中，流量平衡法与压力差法是基于物质守恒与能量守恒来判断泄漏的发生，无法定位；应力波法是利用流体泄漏时引发的沿管壁传播的应力波来判断泄漏和定位，对外带包层或埋地的管道，应力波衰减很快，长距离难以检测，限制了这种方法的应用；SCADA模型法响应速度较快，可快速检出管道较大的泄漏，但投资很大，沿管道需要安装复杂的控制传感系统。我国大中城市中使用的检漏手段基本上还是人工听漏法，这种原始的人工听漏方法可靠性低，抗干扰性差，需要耗费大量人力。近年来，国内外发展起来一些新的基于现代控制理论、信号处理的泄漏检测与定位技术，这些方法仍然需要大量的数学建模。

针对以上各种方案的不足，提出应用神经网络的自组织、自学习能力进行供水管道泄露的诊断方法，这种方法只需将给水管网的各种工况下对测压点造成影响的数据输入神经网络，让其充分学习直到收敛，然后在将来的检测中只需将测压点数据输入训练好的神经网络就可以判断管网是否发生渗漏，并确定渗漏位置。而测压点的数据是可以通过SCADA实时传回来，这样也就实现了管道泄露的实时诊断。

3 基于BP算法的神经网络设计

三层BP神经网络技术应用中最关键的构造参数包括输入层、隐含层和输出层的节点数，以及在神经网络各层之间连接权值和节点阈值的初始化。

3.1 输入层节点数

由于实际管网的节点数较多，如果全部做为神经网络的原始训练数据，将会导致运算量过大，且难以收敛，可以采用管道泄露前后6个监测点（含泄漏点）水压变化数据进行训练。采用水压监测诊断故障的方法可以充分利用现有的SCADA系统，从而可以很容易实现。

除了管道泄露前后6个监测点（含泄漏点）外，还包括该泄漏点处的正常工况下的水压，因此输入层共有7个节点，即输入模式向量的维数为7。表1为各工况下测压点水头。

3.2 输出层节点数

输出层的节点数即各模式理想的输出向量的维数，因为理想输出向量必须能区分各种不同的模式，因此输出层的节点数跟模式的个数相关。因为模式个数为7个，因此输出层节点数可以取1个或7个等。用1个输出层节点的神经网络，其模式分类和辨别能力是不够的。当取7个输出节点时，输出向量分别为（0，0，0，0，0，1）；（0，0，0，0，1，0）；（0，0，0，1，0，0）；（0，0，1，0， 0，0）；（0，1，0，0，0，0）；（1，0，0，0，0，0）；（0，0，0，0，1，1）。

3.3 隐含层节点数

采用适当的隐含层节点数往往是网络成败的关键。中间层节点数选用太少，网络难以处理较复杂的问题；但若中间层节点数过多，将使网络训练时间急剧增加，而且过多的节点数容易使网络训练过度。

可以用几何平均规则来选择隐含层中的节点数。那么，具有n个输入节点及m个输出节点对三层网络，其中间层节点数 hm n？。隐含层节点数可取7，尝试取隐含层节点数的范围为3～50，以对其在更大的范围内进行优化。

3.4 程序流程图

图1为三层BP神经网络的程序流程图。

图5 隐含层节点数为35时的误差曲线

3.6 网络仿真结果

BP神经网络仿真结果如表2所示。

从仿真结果可以看出，该神经网络已经能够很好的识别不同节点发生渗漏时的特征，给出的仿真结果与期望的输出T矩阵非常相似，最大误差小于1e-6。

3.7 验证神经网络

将节点10411渗漏后各节点水头数据：

L=[37.47，35.06，35.29，37.46，33.01，29.74]

输入已经训练好的神经网络，通过调用SIGMOID函数，输出结果如表3所示。

由结果可以看出，目标输出与实际输出非常接近，误差满足10E-5精度，所以可以证明此神经网络完全具有诊断管网泄露的能力。

4 结束语

本文所提出的基于BP神经网络来检测与诊断泄露的方法。该方法应用神经网络的自组织、自学习能力进行供水管道泄露的诊断方法，只需将给水管网的各种工况下对测压点造成影响的数据输入神经网络，让其充分学习直到收敛，然后在将来的检测中只需将测压点数据输入训练好的神经网络就可以判断管网是否发生渗漏，并确定渗漏位置。而测压点的数据是可以通过SCADA实时传回来，实现了管道泄露的实时诊断。适合于城市供水管道泄露的检测和诊断，有较好的发展前景。

参考文献

[1] 顺舟科技Z-BEE无线产品技术手册

[2] AN965 Microchip ZigBeeTM协议栈

[3] 王岩，张国山.基于ZigBee协议的无线传感器网络设计.微计算机信息，2008，4-1：21-23

[4] 杨祥，赵荣阳，张远翼.基于ZigBee的智能家庭系统控制终端设计.微计算机信息，2009，1-2：126-128

[5] 马壮，杨旭东.基于PC机的DS18B20温度采集系统.微计算机信息，2009，1-2：108-109