免职声明：本网站为公益性网站，部分信息来自网络，如果涉及贵网站的知识产权，请及时反馈，我们承诺第一时间删除！
This website is a public welfare website, part of the information from the Internet, if it involves the intellectual property rights of your website, please timely feedback, we promise to delete the first time.
电话Tel: 19550540085: QQ号: 929496072 or 邮箱Email: Lng@vip.qq.com
摘要:摘 要：基于图论理论、变流理论及贝叶斯算法建立环状热网泄漏工况水力模型、预测误差模型。在模拟管网泄漏工况时，将泄漏归结在节点处，将泄漏流量视为该节点流量的一部分，泄漏程度用泄漏面积反映。将由热网泄漏工况水力模型得到的热网泄漏数据库数据作为测量数据..
|
摘 要：基于图论理论、变流理论及贝叶斯算法建立环状热网泄漏工况水力模型、预测误差模型。在模拟管网泄漏工况时，将泄漏归结在节点处，将泄漏流量视为该节点流量的一部分，泄漏程度用泄漏面积反映。将由热网泄漏工况水力模型得到的热网泄漏数据库数据作为测量数据，将水力模型的模拟结果作为预测数据，采用预测误差模型计算预测数据的最优估计概率，指导确定泄漏位置。 关键词：环状热网； 慢变流； 泄漏检测模型； 贝叶斯算法 Study on Leakage Detection Model for Ring-shaped Heat-supply Network Abstract：The hydraulic model and prediction error model for leakage condition of ring-shaped heatsupply network are built based on the graph theory，thevariable flow theory and Bayesian algorithm．When the leakage accident conditions of pipe network is simulated，assumed that the leakage occurs at or near node，the leakage discharge is regarded as a part of the node discharge，the extent of leakage is expressed as the leakage area．The data in the heat-supply network leakage database obtained from the hydraulic model for leakage condition of ring-shaped heat-supply network are used as the measured data，the simulation results the hydraulic model are used as the predicted data，and the optimal prediction probability of the simulation results is calculated by the prediction error model to help to determine the leakage position． Keywords：ring-shaped heat-supply network；slow transient flow；eakage detection model；Bayesian algorithm 1 概述 黑龙江省地处高寒地区，冬季平均室外温度为-20～-15℃，最低室外温度达-40℃，是全国15个北方供暖区域中最寒冷的省份之一。近年来，热网泄漏的检测和定位技术得到了人们的重视[1-3]。自20世纪70年代，许多国家开展了热网泄漏的检测和定位研究，并尝试了多种方法，取得了多项研究成果，并在工程中应用。 目前，国际上将检测和定位方法大体上分为基于硬件的方法、基于软件的方法。基于硬件的方法是指对泄漏对象直接进行检测，如直接观察法[4-5]、检漏电缆法、放射性示踪法[6-8]、红外线热成像检漏法[9]、光纤检漏法[10-11]等。基于软件的方法是指利用现代控制理论、信号处理和计算机技术等对泄漏造成的影响(如水头、流量、流速、比摩阻等参数的变化及泄漏引起的声波传输特性等)进行采集、处理和估计，从而对管道的非线性、不确定性、随机性等因素引起的误差进行补偿，进而提高泄漏检测的灵敏度和定位精度。 本文基于图论理论、慢变流理论，建立热网泄漏工况水力模型。在热网的参考节点(可选为定压点)处施加一个随时间改变的水头激励，并检测管段水头、流量变化响应。，将热网泄漏数据库数据(由热网水力模型计算得到)作为测量数据，将水力模型的模拟结果作为预测数据，采用贝叶斯算法，计算预测数据的最优估计概率，从而指导确定泄漏位置。由于施加的激励是慢变的过程，因此对管网的整体影响很小，但是对泄漏点的影响很明显，并且短时间内可采集大量数据，便于提高泄漏检测的效果，提高准确度[12]。 2 热网泄漏检测模型 2.1 热网泄漏工况水力模型 在热网正常运行时，单纯的负荷变动以及调节可以抽象成非恒定流中的慢变流，通过对实际热网进行多种慢变工况的模拟，可以捕捉到丰富的信息。非恒定流动管网的基本方程为常微分方程，方程的求解相比恒定流管网更为复杂。在慢变流管网水力计算中需要引入惯性水头，其物理意义为以水头表示的由于时变惯性力做功引起的单位重量流体的能量。慢变流是指供热介质的流量、水头等参数随时间缓慢变化的流动，该流动状态下得到的参数介于恒定流与快变流之间。由于快变流对热网运行状态的影响较大，因此采用慢变流理论建立热网泄漏工况水力模型。 为了便于计算分析，我们将问题简化，设定热网中的节点流量并非单纯的供热流量，还包括与该节点相连管段上的泄漏流量。这样，我们可以将管网中的泄漏位置归结在节点处，其中泄漏流量依据泄漏面积按照孔口出流公式计算，这相当于在节点处增加一个额外的流量，而且泄漏量、泄漏位置都是未知的[13]。节点处泄漏流量矩阵口。的计算式为： qL=mAL 式中qL——节点处的泄漏流量矩阵，m3／s m——孔Ll的流量系数，一般为0.60～0.62 AL——泄漏面积矩阵，m2 g——重力加速度，m／s2 hN——节点水头列向量，m 对某节点数为n+1，管段数为b的环状热网，任取一个节点作为参考节点，采用基本回路法(MKP)进行水力计算，基于慢变流的热网泄漏工况水力模型为[13]： Aq+qd+qL=0 A=(Ai,j)n×b q=(qj)b×1 BDh=0 B=(Bp,j)(b-n)×b Dh=(hj)b×1 Dh=hw+hG-Hp hw=(hw,j)b×1 hG=C(dq/dt) hp=(hp,j)b×1 hN=hCIN+h0 hO=(hO,i)n×1 hO=(AAT)-1ADh 式中A——基本关联矩阵 q——管段流量矩阵，m3／s qd——用户的流量矩阵，m3／s Ai,j——基本关联矩阵A的元素 qj——第j管段的流量，m3／s B——基本回路矩阵 Dh——管段两端水头差列向量，m Bp,j——基本回路矩阵B的元素 hj——第j管段两端水头差，m hw——管段两端水头损失列向量，m hG——管段惯性水头列向量，m hp——循环泵扬程列向量，m hw,j——第j管段水头损失，m C——管段惯性特征矩阵，为b×b阶对角阵 t——时间，s hp,j——第j管段循环泵扬程，m hN——节点水头列向量，m hC——参考节点水头，m IN——b×1阶单位列向量，向量中每一个元素均为1 hO——节点与参考节点的相对水头列向量，m hO,i——第节点与参考节点相对水头， 运用MATLAB程序建立热网泄漏工况水力模型，在参考节点处施加一个随时间变化的连续缓慢变化的激励(本文施加的是水头激励)，模拟计算各节点的水头与流量，建立热网节点泄漏数据库(数据作为测量数据)。设定管网中有U个水头测点、V个流量测点，并且随机选取肜个工况的水头与流量测量数据，得到U×W阶测量水头矩阵hm与V×W阶测量流量矩阵qm： hm=(hmu,w)U×W qm=(qmv,w)U×W 式中hm——测量水头矩阵，Pa hmu,w——第／t个水头测点、第W个工况下的测量水头，Pa qm——测量流量矩阵，m3／s qmv,w——第v个流量测点、第w个工况下的测量流量，m3／s 2.2 预测误差模型 当管网泄漏时(不考虑参考节点的泄漏)，可能发生泄漏的位置数量为L(L≤b)，这时泄漏位置和泄漏流量可以组成一列未知的参数集合Ƭ，参数集合Ƭ被分为两个子集，Ƭ={ƬL，Ƭq}，集成到热网泄漏工况水力模型中，成为与泄漏时间密切相关的水力模型参数，用以描述管网的泄漏情况。子集ƬL为L维整数矢量，显示有泄漏的节点，也就是显示泄漏的位置。子集Ƭq也是一个L维矢量，在求出泄漏流量的前提下，将泄漏流量量化在相应的三个泄漏位置。将参数集合Ƭ代入热网泄漏工况水力模型可计算得到预测水头矩阵hw(Ƭ)、预测流量矩阵qw(Ƭ)。根据测量结果，可计算得到预测结果的预测误差。 预测误差矩阵E(Ƭ)的计算式为：
式中E(Ƭ)——预测误差矩阵 hw(Ƭ)——预测水头矩阵，m h0——参考节点水头，m qw(Ƭ)——预测流量矩阵，m3／s q0——参考节点流量，m3／s hwu,w——第u个水头测点、第w个工况下的预测水头，m qwv,w——第影个流量测点、第W个工况下的预测流量，m3／s E(Ƭ)的出现是不可避免的，根据统计学的贝叶斯理论，将E(Ƭ)视为预测模型[14]的一个随机数，并记预测模型的参数集合为s。则参数集合Ƭ与参数集合s可表示为参数集合{Ƭ，s}。在这里，通过测量值来更新参数集{Ƭ，s}，使用概率密度函数来量化它们的不确定性，进而确定预测结果的最优估计概率(即相对真实性)[15]。 设定E(Ƭ)中的每一个元素都服从正态分布，则参数集合{Ƭ，s}的先验概率密度函数为：
式中f1——先验概率密度函数 h1m、h2m——第1、2个水头测点的测量水头，Pa hUm——第U个水头测点的测量水头，m q1m、q2m——第1、2个流量测点的测量流量，m3／s qVm——第V个流量测点的测量流量，m3／s hwu,w(Ƭ)——第u个水头测点、第w个工况下的预测水头，m qwv,w(Ƭ)——第v个流量测点、第w个工况下的预测流量，m3／s 由贝叶斯公式可得参数集合{Ƭ，s}．的后验概率密度函数为：
式中f2——后验概率密度函数 a1——规范化常数 将式(1)进行处理，最小化后验概率密度函数的表达式为：
式中g——最小化后验概率密度函数 经过计算，预测误差的最优值的表达式为：
式中D(Ƭ)——预测误差的最优值 参数集合Ƭ的后验概率密度函数为： h(Ƭǀ·)=òf2(Ƭ，sǀ·)ds (2) 式中h(Ƭǀ·)——参数集合Ƭ的后验概率密度函数 根据无信息先验分布，确定一个最初的分布函数y，然后将式(2)整理成为参数集合Ƭ最优估计概率函数的计算式为：
式中hbest(Ƭǀ·)——最优估计概率函数 a——规范化常数 采用MATLAB程序将热网泄漏工况水力模型、预测误差模型封装在一个程序中，从而编制成热网泄漏检测模型。 3 模型验证 某小型环状管网由1个热源，13段管段，10个节点和4个环组成。我们认为泄漏发生在节点处，若不考虑参考节点(算例中选取热源定压作为参考节点，定压水头为94.65m)，那么存在9个可能泄漏的位置(节点2～10)，时间步长取1s，泄漏面积取0.001m2。环状管网结构见图1。各管段长度、公称直径见表1，设计工况下各节点流量见表2。
泄漏节点在计算时间t内水头变化hd(t)的计算式为： hd(t)=hd0+(t/t￠)bDhd 式中hd(t)——泄漏节点在计算时间t内的水头变化，m hd0——管网正常运行时定压水头，m t￠——激励施加持续的时间，s b——慢变指数，表示施加水头激励随时间变化的规律，当取值为1、2时分别代表线性、二次变化 Dhd——在热源施加的水头激励 我们在热源处施加一个随时间变化的水头激励Dhd(t)： Dhd(t)=(t/t￠)bDhd 式中Dhd(t)——随时间变化的水头激励，m 由于不可能对实际管网的每个管段和节点都进行实时监测，因此在模糊聚类分析基础上[16]，通过计算优选出节点2、6、9、10作为水头监测点，管段B、E、H、K作为流量监测点。 在节点6施加0.001m2的泄漏面积，利用MATLAB语言编程对热网泄漏工况水力模型进行求解，规定激励施加持续的时间t￠为400s，慢变指数启为1。可以得到水头监测点、流量监测点的400组水头与流量的测量值，并作为真实值代入预测误差模型，进而计算各节点预计结果的最优估计概率。由于节点泄漏数据库数据的精度问题以及模型误差等问题，最优估计概率最大的节点不一定是真实的泄漏节点，因此我们设定一个阈值0.5，认为最优估计概率大于或等于0.5的节点可能是泄漏节点。各节点最优估计概率的计算结果见表3。
由表3可知，大于阈值0.5的节点分别为节点3、5、6、9，节点6的最优估计概率最大，而节点3、5、9的概率很大，这是由于这3个节点均与节点6相连。由此可知，热网泄漏检测模型存在着误差，但是该模型可以将泄漏范围确定在真实泄漏节点附近。
参考文献： [1]金富根．热网泄漏检测及控制方法[J]．煤气与热力，2008，28(2)：A11-A13． [2]张法琪，KUMPFERT H．热力管道漏点检测系统的技术方案[J]．煤气与热力，2010，30(3)：A15-A19． [3]董壮进，廖荣平，王淮，等．供热管网系统泄漏与堵塞的诊断[J]．煤气与热力，2000，20(3)：192-194． [4]HASAN F，IQBAL J．Consequential rupture of gas pipeline[J]．Engineering Failure Analysis，2006(1)，127-135． [5]陈华波，涂亚庆．输油管道泄漏检测方法综述[J]．管道技术与设备，2000(1)：38-41． [6]陈天熙．氢气示踪法在检验埋地燃气管道中应用[J]．中小企业管理与科技，2009(9)：299． [7]GOODMAN K J，BRENNA J T．High sensitivity tracer detection using high-precision gas-chromatography-combustion isotope ratio mass spectrometry and highly enriched[U-13C]-labeled precursors[J]．Analytical Biochemistry，1992(10)：1088-1095． [8]江卫．SF6示踪技术与能位测定联合检测复杂采空区漏风[J]．煤炭科学技术，2003(8)：9-11． [9]陈书旺，王明时，陆守权，等．红外传感技术在地下管道寻迹中的应用[J]．传感技术学报，2006(1)：211-214． [10]TU Y Q，CHEN H B．Design of oil pipeline leak detection and comnmnication system based on optical fiber technology[J]．Design and Engineering of Optical Systems Ⅱ，1999(8)：584-592． [11]KURMER J P，KINGSLEY S A，LAUDO J S．Applicability of a novel distributed fiber optic acoustic sensor for leak detection[J]．Distributed and Multiplexed Fiber Optic SensorsⅡ，1992(5)：63-71． [12]曹慧哲，贺志宏，何钟怡．基于图论的环状管网慢变流的计算研究[J]．哈尔滨工业大学学报，2007(10)：1559-1563． [13]曹慧哲，杨宗森，谈和平，等．基于慢变流理论的管网泄漏检测模型的建立[J]．给水排水，2011(S1)：466-469． [14]周源泉，郭建英．双参数指数分布单样预测的Bayes方法[J]．导弹与航天运载技术，2001(3)：38-41． [15]李霞．城市供水管网漏损定位及控制研究(博士学位论文)[D]．天津：天津大学，2006：62-64． [16]杨宗森．基于慢变流理论的给水管网漏失模拟研究(硕士学位论文)[D]．哈尔滨：哈尔滨工业大学，2011：42-47．
本文作者：高扬 李彪 曹慧哲 韩冲 周志刚 作者单位：哈尔滨工业大学市政与环境工程学院 |
