基于机器学习的供水管网水力模型在线自适应校核技术

本文所述供水水力管网模型是指基于管网恒定流假设的水力方程组系统。供水管网水力建模以传统的水力平差理论为基础，通过计算机软硬件技术模拟城镇给排水管网系统的运行状态。建成后的供水管网水力模型在辅助管网规划设计、运行调度优化、异常状态诊断、专家决策支持等方面发挥了重要作用。

管网水力模型校核是管网建模过程的关键环节，指通过调整模型系列参数，提高模型模拟结果与实际运行状态情况一致性的技术方法。校核后达到一定精度的管网模型才能进行支撑不同场景的工程应用。管网水力模型校核精度问题一直是影响管网水力模型开展多种供水管网业务场景深度应用的关键瓶颈。近年来，随着我国城镇化快速推进，城镇规模的快速增长导致了供水管网系统日趋庞大复杂，运行管理难度越来越大；另一方面，智慧城市建设背景下，供水行业的精细化智能化管理对管网水力模型的实时性与模拟精度提出了更高的要求。基于传统水力平差理论的供水管网校核技术存在的计算效率低、实时性差、人工依赖强、智能化低等瓶颈问题日益凸显，已不能满足供水行业在漏损控制、节能运行、优化更新改造等方面对模型提出的精细化、智能化等技术需求。基于大数据及人工智能等先进技术的供水管网水力模型及智慧化应用平台已成为供水行业发展的迫切需求之一。

管网水力模型校核是管网模型开展应用的基础，模型校核精度问题一直是阻碍管网水力模型开展多种供水管网业务场景深度应用的关键瓶颈。目前，全世界范围内的管网水力模型以传统的离线水力模型为主，即以某一特定时段（一般为1周）的管网状态为依据建立并进行校核。但供水管网的运行实际上是持续动态的，而离线模型无法适应管网运行状态的实际变化，只能通过定期或不定期重新建模和校核的方式予以弥补，灵活性很差；另一方面，离线模型的维护更新专业化要求高、难度大，而供水企业在水力模型领域的技术力量相对薄弱，模型的维护更新难度大成为供水企业普遍的痛点和瓶颈，也是目前供水管网模型进行深度应用面临的普遍性问题。

随着目前物联网传感监测、数据通信传输等前沿技术的飞速发展，供水管网系统的运行状态监测大数据积累日趋丰富，然而，由于缺乏与专业结合的监测数据分析与挖掘技术，难以发挥海量监测大数据在实际运行管理中的作用，亟待探索利用海量管网监测大数据的方法技术，推动供水系统管理向精细化智能化的发展。然而，随着城镇化的快速推进，尤其是城乡一体化发展，城镇供水管网系统规模不断增大，管网结构日趋复杂，建模难度加大；另一方面，智慧水务建设在供水行业的逐步普及将对管网水力模型模的实时性、精确度等提进更高的要求。综上所述，传统的供水管网校核技术存在实时性差、精度低等瓶颈问题，已不能满足供水行业在漏损控制、优化调度、实时状态诊断等方面对模型提出的精细化、智能化等技术需求。

在管网监测大数据不断累积的新趋势下，如何充分利用并持续吸收监测数据、适应多种工况且实时性良好的在线校核方法，实现对供水管网尤其是大型复杂管网的水力状态实时更新，构建大型管网模型的高精度校核与线上自适应调整方法，是推荐供水系统精细化智能化管理亟待解决的核心关键。

针对目前供水管网水力模型校核精度低、实时自适应差的关键瓶颈问题，本文介绍了一种基于传统的供水管网机理模型与管网监测大数据融合，人工智能算法为核心的供水管网水力模型在线校核技术体系，实现供水管网水力模型实时在线校核与运行异常状态诊断。以提高管网模型校核精度、实时性、异常运行状态自适应性等为主要目标，围绕着影响模型校核效果的欠压状态压力驱动模拟算法、管网校核参数分组、监测数据信息持续吸收与融合自适应校核、爆管异常运行状态侦测与定位等关键技术点展开系统研究。为了提高对爆管、消防等大流量出流运行工况时模拟的准确性，针对在业内广泛使用的开源管网模拟模型EPANET3存在的极端工况计算不收敛问题，提出压力驱动水力求解迭代过程控制的算法，解决了管网爆管等极端工况下模型欠压水力模拟收敛过程不稳定问题（Science of the Total Environment,2019, 659: 983-994）,提高了模型对管网中欠压异常工况模拟的准确性与计算速度（图1）。

图1 压力驱动PAD求解迭代过程控制算法改进

供水管网中水力监测点相对较少，这使得待校核的参数数量远大于方程个数，导致参数解难以确定一直是模型校核的难点。本技术提出了采用机器学习方法进行管道粗糙系数优化分组，通过合并减少未知数，提高分组的合理性（Water Resources Research,2022,58, e2021WR031206）；同时，采用创新提出的改进卡尔曼滤波方法持续充分吸收管网监测大数据，不断融合吸收模型与观测信息，实现管网模型摩阻系数与节点流量的自适应在线校核（Water Resources Research,2018,54, 5536-5550），本文所提出的自适应校核技术对管网异常运行工况具有良好的实时状态参数跟随性（图2）。

图2 改进卡尔曼滤波校核算法对异常大流量节点状态突变的自适应随性

为了对管网系统运行过程发生的异常工况进行智能诊断识别，在融合校准的模型和在线监测数据的基础上，进一步嵌入深度学习算法进行异常工况在线诊断，实现在模型实时校核并对爆管等异常运行工况的事件侦测预警与快速定位（Water Resources Research,2020,56,e2019WR025526），为供水企业进一步开发精细化智能化应用提供有力的技术支撑。

党的十九大报告进一步提出“推动互联网、大数据、人工智能和实体经济深度融合，支持传统产业优化升级，加快发展现代服务业，瞄准国际标准提高水平”的战略部署。国务院印发“十四五”数字经济发展规划（国发〔2021〕29号）进一步指明各行业的数字化发展方向。作为传统的民生保障行业，供水行业也面临着向数字化智慧化转型的任务。而供水管网水力模型是实现供水系统运行精细化智慧化转型的核心技术之一，智慧水务建设对高精度管网水力模型技术有迫切的需求。本技术方法充分吸收大数据分析、人工智能等先进前沿技术，并与本行业领域专业知识进行深度融合，构建适用大规模供水管网系统的在线水力模拟与运行状态行为预测技术，旨在为供水系统的数字化智能化转型升级提供核心计算引擎。随着物联网监测网络与数据通信技术的飞速发展，供水行业的数据采集与监视控制系统监测系统SCADA（Supervisory Control And Data Acquisition）所积累的数据将呈现几何级的增长，为该技术的实施奠定了良好的数据基础。本技术进一步发展完善了供水管网压力驱动模拟技术，提出了供水管网水力监测大数据的预处理与信息深度挖掘方法，并融合深度学习方法构建了大型管网水力模型在线自适应校核技术，实现了供水管网水力建模技术从“离线分析”向“实时在线”、从“计算器”向“决策器”的两个转变，为管网运行管理中的漏损控制、优化调度、更新改造、在线状态诊断等细分应用场景提供了重要的技术支撑，具有丰富的应用场景与显著的转化潜力。

本技术由同济大学环境科学与工程学院给水排水管网课题组与同济大学智慧水务联合创新研发中心共同研发。该技术体系的知识产权已获多项系列专利保护（US11236867B2，CN112097125B，CN112113146B，CN112097126B等）。

[1]  Xiao Zhou, Weirong Xu, Kunlun Xin, Hexiang Yan*, and Tao Tao. Self-adaptive Calibration of Real Time Demand and Roughness of Water Distribution Systems, Water resources research，2018,54: 5536-5550.

[2] Hexiang Yan, Qiongyu Wang, Jiaying Wang, Kunlun Xin, Tao Tao, and Shuping Li. A simple but robust convergence trajectory controlled method for pressure driven analysis in water distribution system, Science of The Total Environment, 2019, 659: 983-994.

[3] Weirong Xu, Xiao Zhou, Kunlun Xin, Joby Boxall, Hexiang Yan, and Tao Tao. Disturbance Extraction for Burst Detection in Water Distribution Networks Using Pressure Measurements，Water Resources Research, 2020, 56: 1-17, e2019WR025526.

[4] Xinran Chen , Xiao Zhou , Kunlun Xin , Ziyuan Liao , Hexiang Yan , Jiaying Wang, and Tao Tao. Sensitivity-Oriented Clustering Method for Parameter Grouping in Water Network Model Calibration, Water Resources Research, 2022, 58, 1-15, e2021WR031206.