论文部分内容阅读
城市供水管网是保障人民生活和城市发展的重要基础设施,但随着我国城市化进程的推进,管网漏损率居高不下,由于地下供水管道的隐蔽性,有的管道发生破坏后,往往很久才会被人发现,不仅使得经过处理的水资源白白流失,影响供水企业的经济效益,杂质通过裂口进入管道内还可能污染水质,带来安全隐患。由于管道发生漏损时会引起管网工况发生改变,而压力监测点监测的压力数据中隐含了管网运行状态信息。因此,本文研究分析了管网中不同位置的管道发生不同程度破坏时对监测点压力的影响,运用BP神经网络技术建立了漏点位置与测压点压力变化率之间的非线性关系,展开了城市供水管网漏点实时定位的研究,实现了仅输入几个测压点压力变化数据就能反向推导漏点位置的可能,达到实时监控漏损的目的,为将来广泛应用在实际管网中提供了理论基础和技术支持。首先,运用EPANET软件建立实际供水管网的水力模型。通过对售水记录资料分析和现场调研,按照用水性质将研究区域内的用水户分为了城市居民用水、农村居民用水、商业服务用水、办公类用水、工业用水和集体单位用水6大类,对这6类用户进行了为时一周的用水量实测,然后通过曲线拟合得到了每类用户工作日和周末的用水量24小时变化规律曲线。通过现场实勘,选取了9根不同管径、不同埋设年代、不同地点的普通铸铁管,采用三点测压法,对管道阻力系数进行了测定,拟合出了以管道埋设年代和管径为系数的供水管道阻力系数模型:C=65.345e0.01537（γ-1950）+0.03827D+15.39,为水力模型的构建提供了重要参数。进而对管网拓扑结构进行了简化,采用多种分配方式相结合的方式分别对研究区域中的大用户用水量、小用户用水量、未计量水量和管网漏失水量进行了节点流量的分配,最终建立了一个有122个节点,132条管段的供水管网仿真水力模型。最后开展了实例研究,利用EPANET软件建立的目标区域的仿真水力模型,以添加节点出流的方式在管网的上游、中游和下游分别选取管道进行不同破坏程度（漏损面积比Ka分别为0.01、0.03、0.05、0.1和0.2）的漏损模拟,通过观察压力监测点的水压变化,初步判断漏点的大致位置,并为接下来建立基于神经网络的漏点定位模型提供数据支持。选取目标管网中70条埋地敷设的管段,进行不同损坏程度的漏损模拟,获得压力监测点的压力变化数据,将这些数据作为训练样本训练神经网络,使其建立起漏损点位置与测压点压力之间的非线性关系,构建了基于BP神经网络的实时漏点定位模型,选用未经过训练的管道进行漏点定位,结果表明模型的漏点定位诊断切实可行。