基于数字信号滤波的供水管网模型特征参数辨识与自适应校核

This research aims at overcoming the applicable bottleneck of low-adaption for network model, to develop its great potential on diagnose and operation management of water distribution network. Because there is a lack of methodologies for parameter identification and quick calibration of water distribution network model based on long-term observed hydraulic data, this research presented a DSP based method called single-factor filtering, which was carried on through a physical network model experiment and EPANET Simulation as well as an investigation on long- term data. The method is able to recognize and extract the response character of hydraulic status for different parameters, and the extracted response characters were then used to identify the following parameters: 1) the leakage and pipe status estimation for the water distribution network, which is performed by solving an inverse problem on the optimal leakage location and quantity as well as valve status and pipe friction coefficients ; 2) self-adaptive calibration of water distribution network model in a dynamic and fast way based on the data feedback from real-time measurements. Together with the instances, applicable research is carried out with emphasis on network leakage estimation and real-time hydraulic prediction, for the theoretical support and practical guidance for leakage management, operation dispatching, and accident control.

本研究旨在突破供水管网模型校核对人工经验依赖性强、适应性差的技术瓶颈，充分发挥其在管网状态诊断、优化管网运行方面的巨大应用潜能。针对管网建模理论缺乏水力状态响应特征识别及模型动态自适应校准技术的现状，通过物理模型实验和计算机仿真，结合对管网长时间系列在线实测数据的分析，借鉴数字信号处理的滤波理论与状态分析方法，识别并提取管网水力状态对不同参数变化响应的信号特征，建立管网水力状态响应的单因子滤波模型；在此基础上，研究基于长时间系列运行数据滤波分析的管网漏损定位、管道状况评估等关键状态参数辨识技术，以及基于管网实时监测数据反馈的模型快速自适应校核技术，建立适合供水管网信息化管理特征的水力模型校核理论方法。结合城市管网实例，通过分析长系列历史运行数据和实时监测反馈信息，进行管网漏损状态估计和实时水力状态预测的应用性研究，为供水管网的漏损管理、运行调度和事故控制提供新的理论技术支持。

随着管网监测手段的不断丰富、数据监测成本的不断下降，如何利用大量、长期、持续的管网状态监测数据（节点压力、管道流量）实现管网模型参数的动态自适应校核，成为本研究领域亟待攻克的难点问题。本项目针对管网模型的动态校核问题，1）通过管网关键参数控制与状态响应的正向模拟实验，借助物理模型与计算机仿真，分析了管网节点压力对于管网节点流量、管道摩阻系数变化的频域响应特性，结果显示，经FFT变换后，管网状态对于节点流量、摩阻系数等诱变参数在频域上的响应不具备理想的线性叠加特征，但可以呈现比较良好的趋势性倚变特性。2）通过管网状态响应的频域分析，建立了管网状态响应频域幅值变化的灵敏度分析方法，识别管网中对观测状态对象灵敏度高的节点及管段。3）建立了以管段摩阻系数变化量、节点流量变化量为输入、节点压力及管道流量变化量响应为输出的BP神经网络模型，并据此结合遗传算法实现了多工况条件下的高灵敏度管道的摩阻系数校核；4）针对利用持续动态的管网观（监）测数据的管网模型校核问题，本项目在对卡尔曼滤波器进行针对性改进的基础上，提出了基于推理观测值的管网摩阻系数、节点流量同步校核策略，并以改进的卡尔曼滤波器为核心算法，创新建立了根据长时间序列数据持续调节模型参数的管网模型动态自适应校核理论，并通过研究实例验证了理论方法的有效性，误差分析进一步表明，该方法可以有效减少观测误差对于管网模型校核产生的影响。本项目研究成果的意义在于，首次建立了供水管网模型节点流量和摩阻系数同步自适应校核的方法体系，从理论上进一步推动管网模型校核从传统的离散工况校核向持续动态工况校核转变，从应用上促进供水管网模型由离线应用向在线应用的转变，真正释放供水管网模型在状态诊断、优化调度和应急决策方面的巨大应用潜力，实现供水管网的优化安全可靠运行，保障供水系统安全。