一种利用智能计量数据改进水损失控制的新方法外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

一种利用智能计量数据改进水损失控制的新方法

(D. Loureiro, H. Alegre, S. T. Coelho, A. Martins and A. Mamade)

摘要：控制水的损失是城市供水设施的可持续性和促进这种自然资源的有效利用方面的一个重大问题。遥测技术的最新进展在消费者一级提供了高分辨率的消费数据，使人们对不同的水平衡成分有了显著的了解。然而，很少有研究集中于通过处理和分析大量消费数据来改善系统运行和维护的系统方法。本文提出了一种利用遥测系统数据计算配电网实际损耗和表观损耗的新方法。该方法提出了一组易于实现的算法。这些算法在不同的区域计量区域(DMA)上进行了测试，以提高对失水成分的理解，并且已经被包含在商业软件中。结果表明，这些算法具有较强的鲁棒性，能够准确估计背景泄漏水平(以及未记录的泄漏和突发事件)，及早发现突发事件的发生，并对非法用水类型提供重要的见解。在DMA测试的大多数情况下，这些方法的使用使非收益水减少了10%以上。这些发现是有希望的，并表明遥测系统在减少水的损失和改善对用水的了解方面具有强大的潜力。

关键词:明显损失；实际损失；智能计量；用水量；用水量损失；

1 介绍

控制水的损失在城市公用事业的可持续性和促进这种自然资源的有效利用方面发挥重大作用。水的损失，连同未计费的授权消费，弥补了分配系统中非收入水的数量 (Farley amp; Trow 2003)。除了造成重大的经济、环境和社会成本外，水的损失还会由于水与能源的关系而增加公共事业的碳足迹(Cohen et al. 2004)。

实际损失包括水管、供水连接处、连接处及配件的漏水，以及储存罐的漏水及渗水。表面损失包括未经授权的消费和计量错误(Lambert amp; Hirner 2000;Alegre et al. 2006)。根据(Farley amp; Trow2003)的研究，实际损失的组成部分分为:背景泄漏、未记录的泄漏和突发以及已记录的泄漏和突发。背景泄漏是的集合

网络上所有配件的失水量太小而无法侦测;未记录泄漏和爆裂对应于中等流速和可变持续时间的事件;记录的泄漏和爆裂对应于与流量突然增加和 持续时间短有关的事件。记录的泄漏和爆裂的平均持续时间应考虑三个因素:意识、位置和修复时间(Lambert amp; Morrison 1996)。

可以显著减少与水平衡的不同组成部分有关的不确定性，避免使用估计值，更积极地检测异常消耗和未记录的泄漏和爆裂。自下而上的真实损失评估可以使用最小夜间流量(MNF)分析进行(Garcfa et al. 2006;Puust et al. 2010)。MNF分析可以看作审计过程的第二部分，使用高分辨率的网络流数据。这种分析通常在清晨进行，对背景泄漏的估计需要减去合法的夜间使用(即，特别用途、家庭用途及非家庭用途)。背景泄漏估计值之间的任何显著差异都可能是由于未记录的泄漏和爆炸造成的。由于没有高分辨率的数据供客户使用，因此建立了一般的简化规则来估计合法的夜间使用情况。然而，随着客户遥测系统的使用，合法夜间使用的估计值可以显著提高。

尽管如此，遥测系统产生大量数据，其处理仍然具有挑战性。

本文提出了一种计算实际损失分量的新方法。，背景泄漏、未记录的泄漏和突发以及记录的泄漏和突发)以及使用从遥测系统收集的数据的配电网中的明显损失。尽管该研究基于水平衡计算的概念(Lambert amp; Hirner 2000)，但相对于之前的研究(IBM 2011;Urkullu et al. 2012)，这是利用遥测数据控制水损失的一项进展。该方法提出了一套易于实现的算法来估计失水分量。这些算法在不同的DMA上进行了测试，以提高对失水组件的理解，并且已经包含在商业软件中。方法

为了将从智能计量中收集的大量消费数据转换为易于理解的信息，应该采用可靠的数据处理方法，如图1所示。经过数据采集、处理和存储，可采用分析方法提高不同失水组分的知识和运行管理水平。DMA级别的水损失分析需要从现有流量计收集流入/流出数据，以及从家用和非家用水表收集消耗数据。

2 方法论

总水表消耗量是结合从不同水表收集的遥测数据计算出来的。在组合之前，需要对每个水表提供的数据进行验证(如大于最大值或最小值的用水量数据、时间序列倒序等)，归一化为一个共同的、规则的时间步长，检测并去除异常值，重建缺失数据。

对于真实损失的评估，第一步是计算背景泄漏和未记录的泄漏和爆炸。这个计算是基于MNF时刻的非收益水的价值(Garcfa et al. 2006;Puust et al. 2010)。在本研究中，假设在MNF时刻，表观损失的分量不显著，且实际损失全天恒定。最后一个假设是可以接受的，因为分布式DMA中的大多数管道由于消防需要，对于常规的人类消耗来说都太大了，而且可以忽略昼夜之间的压力变化。夜间发生管道爆裂或未经授权的异常消费，有时会高估本底泄漏和未记录的泄漏和爆裂的价值。

虽然背景泄漏和未记录泄漏和突发的计算方法是基于MNF分析的概念，但是本文使用的方法是新的。为了准确计算背景泄漏和未记录泄漏和突发事件的日值，本文采用了离群区域的概念(Davies amp; Gather 1993)，并使用稳健的统计数据来避免异常观测的影响(Huber 2004)。因此,检测这些异常值的估计每日背景泄漏,每个值与一个预定义的阈值(r)。这个阈值定义基于健壮Menold et al .(1999)提出的统计数据(值和平均绝对偏差(疯狂))的背景泄漏和未记录的泄漏和破裂的最后10天90%百分位的正态分布,见方程(1)。

因此，将背景泄漏和未记录的泄漏和突发的每个值与此上限阈值进行比较。如果较高，则标记为离群值，并替换为过去10天的中值。该方法还允许检测与记录的泄漏和突发事件相关的事件。摘要在去除非收益水的背景泄漏(以及未记录的泄漏和突发)后，提出了一种基于初始和最终时刻引起显著流量变化的消耗周期识别的新算法并进行了测试。因此，将中值滤波(Schettlinger et al. 2010)应用于之前观测的小窗口，平滑失水时间序列(不存在背景泄漏和未记录的泄漏和突发)。这个平滑的时间序列消除了非收入水时间senes的微小变化，并提供了一种快速检测高流量和短持续时间事件的方法。根据式(2)进行了具有显著流动变化的失稳识别

其中i是瞬间的变化，Mi和Mi_l是i和i - l瞬间的中值，Xm50是每个月的中值。阈值i gt; 2.5标志着一个新事件的开始(E)，事件E以瞬时i-l (Mi-l)的中值为特征，直到重新建立初始状态时才结束，即Mi E E，其中E = 0.1。在确定这些事件之后，根据持续时间和数量对它们进行了分类。当持续时间超过6小时时，事件被归类为泄漏和爆裂。这个经验法则是

表1各DMA中流量计和水表的|特性

假设所记录的爆炸持续时间总是包括感知、定位和修复的时间，这些时间可能从几个小时到几天不等(Lambert amp; Morrison 1996)。此外，采用这个最小持续时间来适当地将这些类型的事件与持续时间较短的重要消费事件区分开来。

除去这些事件后，非收入水的其余部分基本上可以与明显的损失联系起来。有了关于该组件的高频数据(1小时时间步长)，就有可能按日模式对表观损耗和总计量消耗量进行比较分析。确定这些模式之间的相同点或不同点，可以更准确地发现某些类型的非法用水。每日需求模式旨在描述全天的典型消费变化(Coelho 1988;Loureiro 2010)。每个时间步可以用一组健壮的统计数据来描述，这些统计数据使用具有代表性的历史数据样本(例如，3个月)。

3 案例研究

在5个DMA上测试了将背景泄漏和未记录的泄漏和突发与记录的泄漏和突发分离并识别未授权使用的方法。之所以选择这些小扇区进行研究，是因为这些扇区对应于现有流量计和所有水表已经具备遥测功能的网络(表1)。利用这些DMA数据对算法进行测试，然后在商业软件中实现。收集2012年1月至2013年2月间1小时间隔的消费数据，每天使用无线电/GSM通信传输到中央服务器。水表为容积式(Aquadis 型号，C级和R 160)，公称直径主要为15mm (Q3 = 2.5 m)³ /h和Q = 1.5 m³和20mm (Q3 = 4 m)³网络流量计为单流式涡轮(Flostar M型，C类，R 250 - R 315)或Woltmann卧式流量计(Woltex型，B类)(表一)。

表1各DMA中流量计和水表的|特性

3 结果

3.1非收入水

在将水损失划分为不同组成部分之前，计算了总流入水量、总计量用水量和非收入用水量的日变化(图2)。非收入用水量与总计量用水量表现出不同的行为，其特征是平稳变化(平均值为19 m)³，偶尔有高消耗值(最大值76米)³/天)。相比之下，计量消耗量在4月至5月间有显著的增加趋势。这一增长可能是由于该地区的花园浇水和暑假开始。显然，这些发现表明，每日频率的遥测数据提供了有关计量消耗量的宝贵资料

日期

-总流入量 bull; 总计量用水量为 o 非收益水

图2 | DMA 1总进水、总计量用水量和非收益水的日变化。

3.2背景泄露和未记录中的泄露和爆裂

背景泄漏和未记录的泄漏和突发情况的估计是基于最小夜间流量瞬间的非收益水的值，假设该值全天恒定(图3(a))(平均值0.49 m)³ / h)。为了检测可能的异常值，将每个值与计算出的上阈值进行比较

根据公式(1)，如果数值较高，则标记为离群值，并替换为最近10天的中值(图3(b))。检测到的异常值可能是由于可能的管道爆裂或未经授权的账单消费。去除异常值后，背景泄漏和未记录的泄漏和突发几乎在时间上是恒定的，且其值较低(平均值0.17 m)³ / h)。这些结果强调了在有高频(1小时时间步长)数据的情况下准确评估实际损失的这一组成部分的方法的重要性，并如前所述确认实际损失组成部分的平稳变化(英国水工业1994)。

3.3记录中的泄露和爆裂

图4显示了可能的管道爆裂事件的识别。在去除背景泄漏和未记录的非收益水的泄漏和爆裂后，使用平滑时间序列识别导致显著变化的初始和最终瞬间。平滑时间序列的优点是消除了非收益水时间序列的微小变化(图4)，从而更容易识别可能的管道爆裂。这次被称为管道爆裂的事件持续时间为1.96天，平均流量为1.14米³ /小时,成交量53.6 m³ 。结果表明，如Lambert amp; Morrison(1996)所指出的，这些事件在持续时间、平均流量和体积上存在显著差异，但通常的特征是初始流量显著增加，随后出现一

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[608698]，资料为PDF文档或Word文档，PDF文档可免费转换为Word