(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211060851.6 (22)申请日 2022.09.01 (65)同一申请的已公布的文献号 申请公布号 CN 115127036 A (43)申请公布日 2022.09.30 (73)专利权人 北京云庐科技有限公司 地址 100070 北京市丰台区万丰路316号 万 开中心写字楼 A座501 (72)发明人 李楠　王长欣　田淑明　 (74)专利代理 机构 北京卓纬律师事务所 1 1872 专利代理师 孙志峰 (51)Int.Cl. G06F 30/20(2020.01) F17D 5/02(2006.01) F17D 5/00(2006.01)G06N 20/10(2019.01) G06F 30/28(2020.01) G06K 9/62(2022.01) G06F 111/10(2020.01) G06F 113/08(2020.01) G06F 119/14(2020.01) 审查员 张忠俊 (54)发明名称 一种市政燃气管网漏损定位方法及系统 (57)摘要 一种市政燃气管网漏损定位方法及系统， 属 于市政燃气管网漏损监测技术领域， 其包括步骤 建立市政燃气管网系统水力学、 热力学模型； 通 过数值分析方法， 利用所述模型获得市政燃气管 网各节点流量、 压力、 温度； 采用所述模 型模拟漏 损位置； 确定市政燃气管网漏损预警值， 并识别 管网新增漏损点； 训练人工智能市政燃气管网漏 损位置定位模 型， 并采用所述人工智能市政燃气 管网漏损位置定位模型定位市政燃气管网漏损 位置； 输出计算得到的所述市政燃气管网漏损位 置。 该方法及系统采用有限个传感器在线监测数 据， 通过求解管网水力学、 热力学方程组并结合 人工智能模 型， 可在较短时间内高效识别复杂管 网漏损状态， 训练更快速且需求样本量大大减 少。 权利要求书3页 说明书9页 附图5页 CN 115127036 B 2022.11.08 CN 115127036 B 1.一种市政燃气管网漏损定位方法， 其特 征在于， 包括以下步骤： 步骤S1、 建立市政燃气管网系 统水力学、 热力学模型； 通过数值分析方法， 获得计算市 政燃气管网各节点 流量、 压力、 温度； 具体包括 步骤： 步骤S101、 通过读取物理层信息， 建立市政燃气管网系统水力学、 热力学模型； 步骤S102、 在所述市政燃气管网系 统水力学、 热力学模型中求解管网水力学及热力学 联立方程组， 求得 各节点流量、 压力、 温度； 步骤S2、 采用步骤S1中所述市政燃气管网系统水力学、 热力学模型， 模拟漏损位置； 步骤S3、 确定市政燃气管网漏损预警值， 并识别管网新增漏损点； 步骤S4、 选择适合的管网漏损定位方式； 如果记录的真实漏损事件少于K件， 则采用步 骤S5的水力学、 热力学计算方式定位漏损位置； 如果记录的真实漏损事件大于等于K件， 则 采用步骤S6的人工智能计算方式定位漏损位置； 步骤S5、 采用步骤S1中所述市政燃气管网系统水力学、 热力学模型， 定位市政燃气管网 漏损位置； 步骤S6、 训练人工智能市政燃气管网漏损位置定位模型， 并采用所述人工智能市政燃 气管网漏损位置 定位模型定位市政燃气管网漏损位置； 所述人工智能市政燃气管网漏损位置 定位模型的训练包括如下步骤： 在时间段T内， 以一定的采样频率对市政燃气管网传感器监测的流量、 压力、 温度数据 进行采集， 得到漏损情况 下管网传感器监测的流 量、 压力、 温度实测数据， 并记录漏损位置； 随机选出实测的上述漏损位置及步骤S2中获得的所述模拟漏损位置中部分数据作为 原始训练集， 剩余部分数据作为测试集； 利用所述训练集与测试集， 采用深度学习算法， 获得人工智能市政燃气管网漏损位置 定位模型； 步骤S7、 输出计算得到的所述市政燃气管网漏损位置 。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤S5中， 包括 步骤： 步骤S501、 将新增漏损量依次假定在所述市政燃气管网系统水力学、 热力学模型中全 部管段剖分的计算单元两端节点上， 遍历所述水力学、 热力学模型中的所有计算单元， 求得 市政燃气管网各节点 流量、 压力、 温度； 步骤S502、 将每次节点压力、 温度计算值与市政燃气管网内传感器测得的压力、 温度实 测值进行对比， 吻合度最高的当次计算所假定的节点 位置作为自动定位的漏损位置 。 3.根据权利要求1所述的方法， 其特征在于， 所述步骤S1中， 还包括步骤： 利用市政燃气 管网系统内的传感器监测流量、 压力、 温度数据， 对所述市政燃气管网系统水力学、 热力学 模型进行修 正。 4.根据权利要求1所述的方法， 其特征在于， 所述步骤S3中， 对市政燃气管网新增漏损 进行识别具体为： 步骤S301、 根据市政燃气管网设计情况及实际运行情况， 合理确定漏损预警值； 步骤S302、 以一定周期， 采集市政燃气管网系统内出入口及用户节点处设置的传感器 的流量监测数据， 计算本次采集值与上次采集值的差异， 若该差异大于漏损  预警值， 即判 断出现新增漏损点。 5.根据权利要求1所述的方法， 其特征在于， 所述深度学习算法选择随机森林算法， 具权　利　要　求　书 1/3 页 2 CN 115127036 B 2体步骤为： 步骤1、 对于n个训练集， 分别训练n个决策树模型， 层数为p； 步骤2、 对于单个决策树模型， 假设训练样本特征的个数为m， 那么每次分裂时根据信息 增益比选择最 好的特征进行分裂； 步骤3、 每棵树依据以上步骤进行分裂， 直到该节点的所有训练样例都属于同一类； 步骤4、 将生成的多棵决策树组成随机森林， 由多棵树预测的均值决定预测漏损位置； 步骤5、 采用所述测试集中的数据对所述模型进行测试， 将预测漏损位置与已知漏损位 置做对比： （1） 偏差度≤L ’（米） ， 即认为测试合格； （2） 若偏差度＞L ’（米） ， 则增 加层数p， 重复步骤2 ‑步骤4； 若测试合格， 即认为测试合格； 若测试不合格， 则 将决策树模型层数p与决策树模型层数py进行比较， 若p≤py则增加层 数p， 重复步骤2 ‑步骤4， 直至测试合格； 若p＞py则延长采集时间段T， 重复步骤1 ‑4， 直至测 试合格。 6.根据权利要求1所述的方法， 其特征在于， 将新发现漏损点的位置反馈至训练集或测 试集， 使得 人工智能模型随着 样本数据量的增长自动提升精度和适应新数据。 7.一种市政燃气管网漏损定位系统， 包括： 感知系统， 数据传输系统， 以及漏损定位系 统； 所述感知系统为市政燃气管网系统内设置的压力传感器、 流量传感器、 温度传感器， 用 于对市政燃气管网出入口、 用户节点及重点非用户节点处的压力、 流量、 温度进行实时监 测； 所述数据传输系统用于将所述感知系统测得的压力、 流量、 温度数据传输到所述漏损 定位系统； 所述漏损定位系统包括： 数据存储模块， 用于存 储所述感知系统中测得的压力、 流 量、 温度数据， 漏损位置数据； 数值仿真模块， 用于构建市政燃气管网系统水力学、 热力学模型， 并通过数值分析方法 求得市政燃气管网各节点 流量、 压力、 温度值； 漏损识别模块， 用于利用所述感知系统中获得的市政燃气管网流量、 压力、 温度数据， 确定市政燃气管网的漏损预警值， 并依据所述漏损预警值及市政燃气管网系统内出入口及 用户节点处实时流 量监测数据， 实现新增漏损点识别； 漏损位置人工智能定位模块， 利用所述感知系统测得的压力、 流量、 温度数据、 市政燃 气管网历史漏损位置数据， 以及由所述数值仿真模块获得 的模拟漏损位置数据， 其中随机 选取部分数据作为训练集， 其余部 分的数据作为测试集， 训练人工智能模型， 获得人工智能 市政燃气管网漏损位置定位模型， 并采用所述人工智能市政燃气管网漏损位置定位模型确 定市政燃气管网漏损位置； 漏损位置 输出模块， 输出市政燃气管网漏损位置 。 8.根据权利要求7所述的系统， 其特征在于， 还包括模型校正模块， 用于利用所述感知 系统中获得的市政燃气管网流量及压力、 温度数据， 对所述市政燃气管网系统水力学、 热力 学模型进行实时校正。权　利　要　求　书 2/3 页 3 CN 115127036 B 3