-
公开(公告)号：CN119755541A
公开(公告)日：2025-04-04
申请号：CN202411952926.0
申请日：2024-12-27
Applicant: 宁波水表(集团)股份有限公司 , 同济大学 , 浙江宁水水务科技有限公司
Abstract: 本发明公开了一种基于高频压力数据驱动的供水管网爆管定位方法，包括以下步骤：当高频压力监测器发出异常警报时，对报警前后6分钟的实时压力信号进行数据清洗与小波降噪，生成有效高频压力数据集；采用基于滑动窗的双边累积和算法提取有效高频压力数据集中的时间特征值；结合前期波速统计值，采用负压波法对异常压力波起始点位进行定位；若定位为阀门或泵操作点，则列入正常管网操作，同时统计修正各管道波速，若定位为其他管道节点，则发出爆管定位警报。优点在于本发明利用实时高频压力数据，采用负压波法，将误差精确至毫秒级别，同时利用正常管网操作修正各管道波速，以期适应管道老化与温度变化等因素的影响，使爆管定位更加迅速、精准。
-
公开(公告)号：CN115345343A
公开(公告)日：2022-11-15
申请号：CN202210481646.0
申请日：2022-05-05
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
Abstract: 本申请提供了一种供水管网的浊度预测方法，浊度预测方法包括：采集供水管网的水质监测数据；对水质监测数据进行预处理，以得到水质监测数据集，其中，水质监测数据集包括：训练集和测试集；构建Elman神经网络模型，基于训练集训练Elman神经网络模型，以得到用于浊度预测的最优模型，并基于最优模型和测试集对供水管网的浊度进行预测，以得到供水管网的浊度预测值，上述预测方法可以提高模型的预测精度。
-
公开(公告)号：CN115186860A
公开(公告)日：2022-10-14
申请号：CN202210480280.5
申请日：2022-05-05
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
Abstract: 本发明提供基于压力数据聚类的供水管网复杂多漏损识别方法，包括步骤：确定分析时间段，通过供水管网预测模型预测供水管网运行参数，通过压力监测数据库读取真实监测数据，对预测的供水管网运行参数和读取的真实监测数据进行预处理；生成压力残差矩阵并进行管网压力趋势分解和漏损工况区分；对供水管网进行水量分析，结合管网漏损状态矩阵确定分析时间段内漏损信息及漏损总数量，并依次按照每个漏损的性质分别确定其发生时间；输出所有漏损的识别结果。本发明借助预测模型对供水管网行为进行预测，结合数据驱动方法对压力数据的时间、空间特征进行有效提取，可以更高效且准确地识别供水管网中处于叠加状态的各类漏损事件。
-
公开(公告)号：CN115423229A
公开(公告)日：2022-12-02
申请号：CN202210480283.9
申请日：2022-05-05
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
Abstract: 本发明提供基于信息熵的供水管网黄水风险评估方法，包括步骤：建立管道铁释放浓度与水质影响因素拟合曲线；通过建立的拟合曲线和实际管网水质参数变化范围，计算基于单一水质监测数据的信息熵值；通过联合信息熵公式和单一水质信息熵值，构建管网铁浓度综合信息熵值。本发明涉及一种电子设备、存储介质和程序产品。本发明建立了供水管网铁浓度单位时间内变化剧烈程度的判断指标即信息熵，通过信息熵值建立管网黄水风险评估方法；该风险评估方法的建立，对管网黄水的事前评估提供预警，降低黄水事故的发生概率，保障供水水质安全。
-
公开(公告)号：CN115438447A
公开(公告)日：2022-12-06
申请号：CN202210481637.1
申请日：2022-05-05
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
IPC: G06F30/18 , G06F30/20 , G06F119/14
Abstract: 本申请提供了一种供水管网漏损的定位方法，包括：读取并分析供水管网的漏损数据，基于管网水力模型和漏损数据构建模拟基准漏损数据库，进而构建无漏损模型；基于无漏损模型计算漏损基准特征，并计算漏损基准特征与模拟基准数据库中模拟漏损基准特征的相似性以确定漏损管段的范围；构建模拟实时漏损数据库，并计算模拟实时漏损数据库中模拟实时漏损特征与漏损管段范围内实际实时漏损特征的漏损相似性以确定漏损风险最高的管段，可以在保证计算准确性的前提下提升供水管网漏损的定位效率。
-
Patent Agency Ranking
公开(公告)号：CN117871323A
公开(公告)日：2024-04-12
申请号：CN202311870726.6
申请日：2023-12-29
Applicant: 同济大学
Abstract: 本发明是一种管道内气水两相流界面和压力变化模拟的实验系统，由上游水箱、连接软管、控制球阀、压缩空气机和连接支管、透明主管、压力传感器装置、透明竖管、压力调节阀、下游收集水箱、连接导管和循环泵组成。通过水泵和阀门设置和设定不同的上游水位和封闭边界、进行不同体积的动态和静态气团引入模拟、并设置不同的透明竖管通气情况，可进行单一或多种初始和边界条件改变下的量化模拟。该装置系统结构简单、操作方便、经济实用，适用于在室内进行多种实验条件和影响因素的参数改变下进行气‑水间歇喷涌过程的量化模拟研究。
-
公开(公告)号：CN117287644A
公开(公告)日：2023-12-26
申请号：CN202311092087.5
申请日：2023-08-28
Applicant: 同济大学
Abstract: 本公开的实施例提供了一种数据采集设备以及排水管道缺陷状态诊断方法。该数据采集设备包括：遥控启动模块、微机电六轴惯性传感器、数据存储模块、电源模块、回收模块；遥控启动模块用于在数据采集设备被用户于目标排水管道的起点检查井投入目标排水管道，随着水流运动时，启动微机电六轴惯性传感器；该传感器在启动之后用于采集数据采集设备的三轴角速度数据序列、三轴加速度数据序列，并将其存储至数据存储模块；回收模块用于在数据采集设备到达目标排水管道的终点检查井或者停止运动时，回收数据采集设备；在回收到数据采集设备之后，数据存储模块中的数据序列被提取用于目标排水管道的缺陷状态诊断，从而提高排水管道缺陷状态诊断效果。
-
公开(公告)号：CN117057276A
公开(公告)日：2023-11-14
申请号：CN202311071955.1
申请日：2023-08-24
Applicant: 同济大学
IPC: G06F30/28 , G06F113/14 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种供水管网漏损部位的动态定位方法，包括如下步骤，在真实漏损事件发生后读取漏损识别数据及预先构建的供水管网水力学仿真模型；估算真实漏损事件的漏损量，划定初始的候选漏损区域，计算真实漏损特征；对候选漏损区域进行分组并选择特征中心管段，在各特征中心管段处模拟并计算模拟漏损特征，依据模拟漏损特征的相似性指数缩减候选漏损区域，直至缩减比例达到设定的缩减率；模拟并计算缩减后区域内各个管段的模拟漏损特征，计算各模拟漏损特征的相似性指数并排序，得到体现漏损可能性的管段位置排序结果。与现有技术相比，本发明的结果有更高的精确度，能够提供候选漏损区域的范围，对排查过程有更全面的指导作用等优点。
-
公开(公告)号：CN117035401A
公开(公告)日：2023-11-10
申请号：CN202310891328.6
申请日：2023-07-20
Applicant: 同济大学
IPC: G06Q10/0635 , G06Q50/06 , F17D5/02
Abstract: 本公开的实施例提供了一种供水管网漏损风险评价方法、装置、设备以及存储介质。该方法包括：根据目标区域的供水管网基础信息、预先确定的各漏损风险评价因素及其下属的漏损风险评价指标、预先确定的漏损风险等级，构建适配目标区域的供水管网漏损风险评价体系；根据该评价体系，获取目标区域的管段的漏损风险评价指标取值，并以此计算管段的各漏损风险评价因素对应的单指标未确知测度评价矩阵；计算管段的各漏损风险评价指标对应的组合权重，以及各漏损风险评价因素对应的组合权重；根据上述计算数据，确定管段所属的漏损风险等级。以此方式，可以准确确定目标区域的具体管段所属的漏损风险等级，从而提高供水管网的漏损风险评价效果。
-
公开(公告)号：CN116702074A
公开(公告)日：2023-09-05
申请号：CN202310592723.4
申请日：2023-05-24
Applicant: 同济大学
IPC: G06F18/2433 , F17D5/02 , G06F18/2131 , G06F18/15
Abstract: 本发明提供了一种基于小波分解提取压力高频分量的供水管网爆管侦测方法，包括以下步骤：步骤S1，生成原始压力监测值矩阵；步骤S2，采用离散小波变换对原始压力监测值矩阵进行高低频分离，生成当前时刻的高频扰动值侦测列向量；步骤S3，采用COF算法检测高频扰动值侦测列向量中的离群值；步骤S4，筛选检测出的离群值，将符合特征的离群值标记为异常点，并在当日检测结束后对异常点对应压力值进行校正；步骤S5，重复上述步骤，当符合爆管特征的异常点的连续异常时刻数超过时间阈值的情况时，发出爆管警报。本发明有利于更准确地反映供水管网中压力的瞬时变化情况，保证了侦测的实时性，适用于各种类型的供水管网。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.095 seconds)
