本技术提供一种基于结构化深度聚类的供水管网压力测点优化方法,涉及管网压力监测技术领域,所述方法通过SDCN模型对原始数据获取高维特征表示,去除原始数据中的冗余信息,然后将数据中的高维特征和结构性特征融合,SDCN模型在学习数据高维特征的同时学习数据的结构性特征,使得SDCN模型在压力监测点布置问题上能够获得一个良好的聚类效果,基于良好的聚类效果,优化传统GA算法和PSO算法的初始种群,以获得更优的压力监测点布置方案,所述SDCN模型能够有效地应用到供水管网压力监测点的布置方案中,优化监测点空间位置和数量,从而提高管网泄漏监控能力,实现监测系统经济性和有效性的平衡。
背景技术
供水管道网络泄漏会对人们的正常生活、生产产生严重影响,增加供水成本。管道布置压力计是泄漏管监控的一种重要手段。在供水系统设计中,压力监测点通常根据经验进行布置,一般选取在节点流量最大处、供水最不利点、供水分界线处、管道末端等位置,但根据经验设置管网压力监测点,一方面所需设置的点位过多或者监测范围有限,另一方面当管网出现渗漏、爆管等问题时无法及时发现和检修。为了提高管网泄漏监控能力,减少管道压力测试点,增加经济效益,优化监测点位置和数量尤为重要。
早期压力监测点优化选取的区别主要表现在目标和约束上的不同。或者是以目标的不同如更快发现爆管、更大的监测范围作为选取首要条件,或者是以节点不同的水力特性如管网节点压力、节点流量、节点之间相互关系等为约束,目标和约束进行组合并以此为依据选取压力监测点。这些方法压力监测点布置中存在以下一些缺点:(1)局部性,压力监测点的布置往往集中在特定区域,导致对整体压力变化的监测不足,难以实现全面覆盖。(2)大量监测点生成的数据需要进行集中处理和分析,数据量庞大,且数据处理方法可能复杂,易引入误差。(3)智能化程度不足,许多监测系统缺乏智能化特性,不能进行自我诊断、故障预警等,难以实现实时高效监测。
实现思路