一种供水管网分区方法与流程

1.本发明涉及供水管网分区领域，尤其是涉及一种供水管网分区方法。


背景技术：

2.将供水管网划分为不同的分区，可以有效地优化、管理和控制供水系统，提高系统的效率和可靠性，稳定供应水源，从而更好地服务于社会和人民的生活需求。dma（district metering area，独立分区计量）是指将供水系统分成许多小区域，并在每个小区域安装独立的流量计来监测水的流动情况。dma可以帮助检测泄漏、浪费和非法用水等问题，还可以通过控制水的流动来优化供应商的生产和供应，提高供水系统的稳定性和可靠性。
3.针对特定拓扑机构和用水分布的管网，往往需要考量dma中区域的合理划定，现有的网管分区方法为一种为：根据当地的用水情况、水源和管网结构等因素，结合经验和专家意见，将区域按照相对稳定的用水量和供水特征进行静态划分，第二种为通过数据分析，根据实际用水数据和管网水力参数，对供水管网进行动态分析，根据水压、流量等参数，在实时监测的条件下，动态地划分计量区域。
4.但是管网的状态信息包括了动态信息和静态信息，动态信息中的拓扑结构及高程、管径、流量的空间分布信息较为复杂。现有分区现有的根据分区的合理性较低，会导致分区不均衡和计量不准确的问题问题，无法实现供水平衡，降低供水效率，给供水企业带来损失或者无法满足用户需求。


技术实现要素：

5.为了提高管网分区的合理性，本技术提供一种供水管网分区方法。
6.第一方面，本技术提供的一种供水管网分区方法采用如下的技术方案：一种供水管网分区方法，包括以下步骤：对管网进行几何编码、拓扑关系建立，建立管网模型；基于预设在管网上的传感设备，获得管网中的动态参数信息；根据深度学习算法，对所述动态参数信息进行处理和学习，建立预测模型； 根据静态参数信息，确定分区范围，并在所述管网模型上可视化显示；基于所述预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，并在所述管网模型上可视化显示；建立矫正模型，基于所述预测分区范围，调整所述分区范围。
7.通过采用上述技术方案，基于管网模型、预测模型的模型建立及分析，结合静态参数分区和动态参数分区的分析，能够获得较为合理的管网分区范围，使分区均衡，提高计量的准确性，根据管网的结构和预测运行情况，发现问题并及时解决问题，从而提高管网设置的合理性，实现供水平衡，提高供水效率，减少对供水企业带来的损失，满足用户的需求。
8.优选的，所述对管网进行几何编码、拓扑关系建立，建立管网模型，包括以下步骤：建立管道的数据模型，获得管道节点和管道边缘的信息，形成管道段信息；将管道段信息、管道节点信息作为物理元素编码，建立拓扑关系；获得设置的管道属性信息；建立空间数据库，储存管道属性信息及拓扑关系。
9.通过采用上述技术方案，将管道段信息、管道节点信息作为物理元素编码，构建管道系统的物理结构，结合连接关系形成拓扑关系，拓扑关系可以显示管网的几何结构、流动路径以及物质传递方向等管网特征。通过管道属性信息，以供用户了解管道的技术性能和使用情况。将拓扑关系和管网属性存储在空间数据库中，以便于模型调用和用户查看。
10.优选的，所述根据深度学习算法，对所述动态参数信息进行处理和学习，建立预测模型，包括以下步骤：提取数据特征，并提取的数据特征进行学习，建立深度学习模型；使用训练数据对深度学习模型进行训练，得到预测模型；利用测试数据对预测模型进行测试和评估，验证模型的预测效果并进行模型优化。
11.通过采用上述技术方案，建立预测模型，并对预测模型进行测试和评估，以使预测模型达到用户的需求。
12.优选的，基于所述预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，包括以下步骤：基于所述传感设备采集到的动态参数信息，根据所述预测模型，预测需要划分出独立计量区域的管道作为预测分区范围；将所述预测分区范围应用于所述管网模型中，在所述管网模型中可视化显示所述预测分区范围。
13.通过采用上述技术方案,将传感设备采集到的管网的动态参数信息，输入预测模型中，预测需要划分出独立计量区域的管道作为预测分区范围。在预测模型的应用时，对未知计量区域的管道进行预测，选取预测为正例的管道作为预测分区范围，并在管网模型上进行可视化显示优选的，所述根据静态参数信息，确定分区范围中，包括以下步骤：解析管网设计图纸，获得所述静态参数信息，所述静态参数信息包括：管道的类型、位置、管线起始点和终止点、管径、管材。
14.通过采用上述技术方案，通过解析管网设计图纸的方式，获取静态参数信息，能够提高数据获取的效率，根据静态参数信息，可以确定管网的分区范围，例如根据流量和压力的变化，将管网分为不同的区域。
15.优选的，所述拓扑关系建立中，通过管道段之间的关联关系、管道节点与管道段之间的关联关系以及管道节点之间的关联关系，形成管网的拓扑关系。
16.通过采用上述技术方案，管道段之间的关联关系、管道节点与管道段之间的关联关系、管道节点之间的关联关系等物理连接关系，较为精准的建立管网的拓扑关系。
17.优选的，建立矫正模型，基于所述预测分区范围，调整所述分区范围，包括以下步骤：建立矫正模型；将所述预测分区范围应用在所述矫正模型中，获得所述矫正数据；基于所述矫正数据，在管网模型中对预测的分区范围进行调整。
18.通过采用上述技术方案，通过静态参数分区，获得一些管道结构不合理或者矛盾的问题，例如，在一个区域内出现了直径变化很大的管线，这可能会导致流量不均衡，通过调整管道模型中的管道的直径，或者重新划分分区，调整这些问题。通过动态参数分区，获得管道网络的运行情况，分析发现流量分布不平衡、压力波动等问题，这些问题可能是由于静态参数分区不合理所致，根据动态参数的分析结果，重新划分分区或者调整管道的直径，来矫正静态参数分区，使分区范围更加合理。
19.第二方面，本技术公开一种供水管网分区系统，采用了上述供水管网分区方法，包括：管网模型模块，对管网进行几何编码、拓扑关系建立，建立管网模型；动态参数获取模
块，基于预设在管网上的传感设备，获得管网中的动态参数信息；预测模型模块，根据深度学习算法，对所述动态参数信息进行处理和学习，建立预测模型；第一分区模块，根据静态参数信息，确定分区范围，并在所述管网模型上可视化显示；第二分区模块，基于所述预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，并在所述管网模型上可视化显示；分区矫正模块，建立矫正模型，基于所述预测分区范围，调整所述分区范围。
20.通过采用上述技术方案，通过管网模型模块建立管网模型并分析，通过预测模型模块建立预测模型并分析，通过第一分区模块获得分区范围，通过第二分区模块获得预测分区范围，结合静态参数分区和动态参数分区的分析，通过分区矫正模块及预测分区范围，调整分区范围，能够获得较为合理的管网分区范围，使分区均衡，提高计量的准确性，根据管网的结构和预测运行情况，发现问题并及时解决问题，从而提高管网设置的合理性，实现供水平衡，提高供水效率，减少对供水企业带来的损失，满足用户的需求。
21.第三方面，本技术公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了上述的供水管网分区方法。
22.通过采用上述技术方案，通过上述的供水管网分区方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作终端设备，方便用户使用。
23.第四方面，本技术公开一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，采用了上述的供水管网分区方法。
24.通过采用上述技术方案，通过上述的供水管网分区方法生成计算机程序，并存储于计算机可读存储介质中，以被处理器加载并执行，通过计算机可读存储介质，方便计算机程序的可读及存储。
附图说明
25.图1是本技术一种供水管网分区方法的步骤s1-s6的方法流程框图。
26.图2是本技术一种供水管网分区方法的步骤s10-s13的方法流程框图。
27.图3是本技术一种供水管网分区方法的步骤s30-s32的方法流程框图。
28.图4是本技术一种供水管网分区方法的步骤s50-s51的方法流程框图。
29.图5是本技术一种供水管网分区方法的步骤s60-s62的方法流程框图。
具体实施方式
30.以下结合附图1-5对本技术作进一步详细说明。
31.本技术实施例公开一种供水管网分区方法，参照图1，供水管网分区方法包括：s1:对管网进行几何编码、拓扑关系建立，建立管网模型。参照图2，步骤s1包括步骤s10-s13，具体如下：s10:建立管道的数据模型，获得管道节点和管道边缘的信息，形成管道段信息。
32.具体的，管道节点表示管道的起始点和终止点，管道边缘表示管道的连接关系。本
申请中，每个管道节点都设置有唯一的标识符和坐标信息。管道边缘则是连接两个管道节点的管道段，每条管道边缘具有唯一的标识符。通过对管道节点和管道边缘进行组合，形成管道段信息，每个管道段包含两个节点和一个边缘，其中起始节点和边缘组成管道的入口段，终止节点和边缘组成管道的出口段。
33.s11:将管道段信息、管道节点信息作为物理元素编码，建立拓扑关系。
34.将管道段信息、管道节点信息作为物理元素编码，构建管道系统的物理结构，定义管道段的连接方式以及管道的流向，建立管道段之间的关联关系、管道节点与管道段之间关联关系、管道节点之间的连接关系，通过管道段之间的关联关系、管道节点与管道段之间的关联关系以及管道节点之间的关联关系，形成管网的拓扑关系，拓扑关系包含了管网的几何结构、流动路径以及物质传递方向等管网特征。
35.其中，管道段之间的关联关系指的是两个相邻的管道段之间的直接连接关系，通过一个共同的管道节点连接。
36.管道节点与管道段之间的关联关系是指每个管道节点与其相邻的管道段之间的连接关系。管道节点可以是一字型、l型、t型或者十字型的结构，每个节点连接着至少两个管道段。
37.管道节点之间的关联关系指管道网络中不同节点之间的连接关系，包括直接连接和间接连接，直接连接指两个节点之间直接相连，间接连接指两个节点之间通过其他节点进行连接。
38.s12:获得设置的管道属性信息；具体的，管道的属性信息指如管道的长度、直径、材料、厚度、壁压、承压等级、使用年限、生产厂家等。通过管道属性信息，以供用户了解管道的技术性能和使用情况。
39.s13:建立空间数据库，储存管道属性信息及拓扑关系。
40.具体的，通过数据库管理软件，建立空间数据库，将管道属性信息及拓扑关系使用数据导入工具，如esri的data loader，导入到空间数据库中，并建立索引通过查询工具能够查询空间数据库，获得管道属性信息和拓扑关系。
41.s2:基于预设在管网上的传感设备，获得管网中的动态参数信息。
42.具体的，在管网上安装传感设备，传感设备包括流量计、压力计、温度计，通过传感设备采集管道流量、压力、温度等参数的实时数据作为动态参数信息，并将其发送到预设的数据采集系统中，对数据进行清洗和矫正，后存储在上述空间数据库内。
43.其中，传感设备的安装位置在管道的入口、出口、弯头、分支等位置。
44.s3:根据深度学习算法，对动态参数信息进行处理和学习，建立预测模型。参照图3，步骤s3包括步骤s30-s32，具体如下：s30:提取数据特征，并提取的数据特征进行学习，建立深度学习模型。
45.收集管网的动态参数信息，进行清洗、预处理操作，根据属于的特点及所需的预测目标，提取相关的特征作为数据特征，本技术的数据特征可以是管道直径、管道流量和管道压力。
46.使用深度学习算法，如cnn（convolutional neural network，卷积神经网络）、rnn（recurrent neural network，循环神经网络），对提取的数据特征进行学习，建立预测模型。
47.s31:使用训练数据对深度学习模型进行训练，得到预测模型。
48.使用设定的训练数据对深度学习模型进行训练得到预测模型，并进行模型测试预测，并对测试预测结果进行分析，在模型测试预测结果分析效果不佳时，在模型调整模型参数来进行模型优化。
49.s32:利用测试数据对预测模型进行测试和评估，验证模型的预测效果并进行模型优化。
50.将模型应用到测试数据中进行评估后，评估指标可以根据问题和数据集的特点来选择，如果模型的预测效果不理想，进行参数调整或优化算法等方法进行优化。经过多次迭代优化后，再次使用测试数据集对模型进行评估，以验证模型的预测效果是否达到用户需求。
51.s4:根据静态参数信息，确定分区范围，并在管网模型上可视化显示。
52.解析管网设计图纸，获得静态参数信息，静态参数信息包括：管道的类型、位置、管线起始点和终止点、管径、管材。
53.具体的，使用计算机辅助设计软件，如autocad或microstation等。通过软件打开管网的设计图纸文件，确定管道走向、直径、材料等静态参数信息。通过预设的解析模型，将管网设计图纸中的静态参数信息提取并整理在excel表格中。
54.根据静态参数信息，可以确定管网的分区范围，例如根据流量和压力的变化，将管网分为不同的区域。使用特定的管网模拟软件，如watercad或epanet等，在管网模型上可视化显示这些分区。
55.s5:基于预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，并在管网模型上可视化显示。参照图4，步骤s5包括s50-s51，具体如下：s50:基于传感设备采集到的动态参数信息，根据预测模型，预测需要划分出独立计量区域的管道作为预测分区范围。
56.将传感设备采集到的管网的动态参数信息，输入预测模型中，预测需要划分出独立计量区域的管道作为预测分区范围。
57.s51:将预测分区范围应用于管网模型中，在管网模型中可视化显示预测分区范围。
58.具体的，可以将已知计量区域中的管道标记为正例，其余的管道标记为负例，然后在此基础上建立预测模型。在模型应用时，对未知计量区域的管道进行预测，选取预测为正例的管道作为预测分区范围，并在管网模型上进行可视化显示。
59.s6:建立矫正模型，基于预测分区范围，调整分区范围。参照图5，步骤s6包括步骤s60-s62，具体如下：s60:建立矫正模型；获取预设的管网预测分区的相关数据以及管道的运行数据，管网预测分区的相关数据包括地形、水体等。管道的运行数据包括管道的材质、年限、维护情况等信息。对数据进行数据清洗后，提取管网矫正的矫正特征，根据矫正特征并建立矫正模型，再对模型进行多次评估和参数优化后，得到最终的矫正模型。
60.s61:将预测分区范围应用在矫正模型中，获得矫正数据。
61.将预测分区范围输入到矫正模型中，获得包括需要矫正的区域范围的矫正数据，
并在管网模型上进行可视化的显示。
62.s62:基于矫正数据，在管网模型中对预测的分区范围进行调整。
63.静态参数分区用于获取管网网络的结构，包括不同区域的管线数量、长度、直径等特征。分析动态参数分区获得网络的运行情况，包括不同区域的流量、压力等特征。
64.通过静态参数分区，获得一些管道结构不合理或者矛盾的问题，例如，在一个区域内出现了直径变化很大的管线，这可能会导致流量不均衡，通过调整管道模型中的管道的直径，或者重新划分分区，调整这些问题通过动态参数分区，获得管道网络的运行情况，分析发现流量分布不平衡、压力波动等问题，这些问题可能是由于静态参数分区不合理所致，根据动态参数的分析结果，重新划分分区或者调整管道的直径，来矫正静态参数分区，使分区范围更加合理。
65.本技术实施例一种供水管网分区方法的实施原理为：基于管网模型、预测模型的模型建立及分析，结合静态参数分区和动态参数分区的分析，能够获得较为合理的管网分区范围，使分区均衡，提高计量的准确性，根据管网的结构和预测运行情况，发现问题并及时解决问题，从而提高管网设置的合理性，实现供水平衡，提高供水效率，减少对供水企业带来的损失，满足用户的需求。
66.本技术实施例还公开一种供水管网分区方法，包括：管网模型模块，对管网进行几何编码、拓扑关系建立，建立管网模型；动态参数获取模块，基于预设在管网上的传感设备，获得管网中的动态参数信息；预测模型模块，根据深度学习算法，对动态参数信息进行处理和学习，建立预测模型； 第一分区模块，根据静态参数信息，确定分区范围，并在管网模型上可视化显示；第二分区模块，基于预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，并在管网模型上可视化显示；分区矫正模块，建立矫正模型，基于预测分区范围，调整分区范围。
67.本技术实施例一种供水管网分区系统的实施原理为：通过管网模型模块建立管网模型并分析，通过预测模型模块建立预测模型并分析，通过第一分区模块获得分区范围，通过第二分区模块获得预测分区范围，结合静态参数分区和动态参数分区的分析，通过分区矫正模块及预测分区范围，调整分区范围，能够获得较为合理的管网分区范围，使分区均衡，提高计量的准确性，根据管网的结构和预测运行情况，发现问题并及时解决问题，从而提高管网设置的合理性，实现供水平衡，提高供水效率，减少对供水企业带来的损失，满足用户的需求。
68.本技术实施例还公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，其中，处理器执行计算机程序时采用了上述实施例的供水管网分区方法。
69.其中，终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线等。
70.其中，处理器可以采用中央处理单元（cpu），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（dsp）、专用集成电路（asic）、现成可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本技术对此不做限制。
71.其中，存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘、智能存储卡（smc）、安全数字卡（sd）或者闪存卡（fc）等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机程序以及终端设备所需的其他程序和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本技术对此不做限制。
72.其中，通过本终端设备，将上述实施例的供水管网分区方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，以方便用户使用。
73.本技术实施例还公开一种计算机可读存储介质，并且，计算机可读存储介质存储有计算机程序，其中，计算机程序被处理器执行时，采用了上述实施例的供水管网分区方法。
74.其中，计算机程序可以存储于计算机可读介质中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，计算机可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom）、随机存取存储器（ram）、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。
75.其中，通过本计算机可读存储介质，将上述实施例的供水管网分区方法存储于计算机可读存储介质中，并且，被加载并执行于处理器上，以方便供水管网分区方法的存储及应用。
76.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

技术特征：
1.一种供水管网分区方法，其特征在于，包括以下步骤：对管网进行几何编码、拓扑关系建立，建立管网模型；基于预设在管网上的传感设备，获得管网中的动态参数信息；根据深度学习算法，对所述动态参数信息进行处理和学习，建立预测模型；根据静态参数信息，确定分区范围，并在所述管网模型上可视化显示；基于所述预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，并在所述管网模型上可视化显示；建立矫正模型，基于所述预测分区范围，调整所述分区范围。2.根据权利要求1所述的供水管网分区方法，其特征在于，所述对管网进行几何编码、拓扑关系建立，建立管网模型，包括以下步骤：建立管道的数据模型，获得管道节点和管道边缘的信息，形成管道段信息；将管道段信息、管道节点信息作为物理元素编码，建立拓扑关系；获得设置的管道属性信息；建立空间数据库，储存管道属性信息及拓扑关系。3.根据权利要求1所述的供水管网分区方法，其特征在于，所述根据深度学习算法，对所述动态参数信息进行处理和学习，建立预测模型，包括以下步骤：提取数据特征，并提取的数据特征进行学习，建立深度学习模型；使用训练数据对深度学习模型进行训练，得到预测模型；利用测试数据对预测模型进行测试和评估，验证模型的预测效果并进行模型优化。4.根据权利要求1所述的供水管网分区方法，其特征在于，基于所述预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，包括以下步骤：基于所述传感设备采集到的动态参数信息，根据所述预测模型，预测需要划分出独立计量区域的管道作为预测分区范围；将所述预测分区范围应用于所述管网模型中，在所述管网模型中可视化显示所述预测分区范围。5.根据权利要求1所述的供水管网分区方法，其特征在于，所述根据静态参数信息，确定分区范围中，包括以下步骤：解析管网设计图纸，获得所述静态参数信息，所述静态参数信息包括：管道的类型、位置、管线起始点和终止点、管径、管材。6.根据权利要求1所述的供水管网分区方法，其特征在于，所述拓扑关系建立中，通过管道段之间的关联关系、管道节点与管道段之间的关联关系以及管道节点之间的关联关系，形成管网的拓扑关系。7.根据权利要求1-6任一项所述的供水管网分区方法，其特征在于，建立矫正模型，基于所述预测分区范围，调整所述分区范围，包括以下步骤：建立矫正模型；将所述预测分区范围应用在所述矫正模型中，获得所述矫正数据；基于所述矫正数据，在所述管网模型中所述预测分区范围进行调整。8.一种供水管网分区系统，其特征在于，使用了权利要求1-7任一项所述的供水管网分区方法，包括：
管网模型模块，对管网进行几何编码、拓扑关系建立，建立管网模型；动态参数获取模块，基于预设在管网上的传感设备，获得管网中的动态参数信息；预测模型模块，根据深度学习算法，对所述动态参数信息进行处理和学习，建立预测模型；第一分区模块，根据静态参数信息，确定分区范围，并在所述管网模型上可视化显示；第二分区模块，基于所述预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，并在所述管网模型上可视化显示；分区矫正模块，建立矫正模型，基于所述预测分区范围，调整所述分区范围。9.一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述处理器加载并执行计算机程序时，采用了权利要求1-7任一项所述的供水管网分区方法。10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器加载并执行时，采用了权利要求1-7任一项所述的供水管网分区方法。

技术总结
本申请涉及供水管网分区领域，尤其是涉及一种供水管网分区方法，包括以下步骤：对管网进行几何编码、拓扑关系建立，建立管网模型；基于预设在管网上的传感设备，获得管网中的动态参数信息；根据深度学习算法，对动态参数信息进行处理和学习，建立预测模型；根据静态参数信息，确定分区范围，并在管网模型上可视化显示；基于预测模型，通过动态参数信息，预测需要划分出独立计量区域的管道作为预测分区范围，并在管网模型上可视化显示；建立矫正模型，基于预测分区范围，调整分区范围。本申请具有提高管网分区合理性的效果。高管网分区合理性的效果。高管网分区合理性的效果。


技术研发人员：潘丽丽 吴庭亮 林邦金 陈东龙
受保护的技术使用者：联建建设工程有限公司
技术研发日：2023.06.03
技术公布日：2023/9/7