论文部分内容阅读
管网运输作为一种常见的输送方式,在石油、天然气、供热、供水等方面都具有独特的优势。目前,我国城市化建设迅速,城市管网交错并行,新旧不一,管件、设备较多,而原有供热管网多为直埋铺设,很难满足安全要求,无法做到定期排查,极易突发爆管泄漏,造成能源和资源的极大浪费。本文依托数据挖掘方法、信号处理技术、统计学等现代化工具对供热管网泄漏诊断问题进行研究。首先,根据供热管网特点自行设计和搭建实验台,4个泄漏管段设置泄漏点L2,L3,L4,L5,选取节点压力信号作为研究对象;针对压力信号数据清理问题,验证了线性插值法和粒子群诊断法可有效解决数据缺失和数据异常问题;针对压力信号数据含噪问题,分析了信号噪声来源,并采用离散小波变换(DWT),验证了固定阈值、适应递推SURE熵阈值、极大极小熵阈值三种阈值形式的去噪效果;重点分析了常用小波函数Haar小波、db8小波、Sym8小波、coif5小波和Bior6.8小波,得到了常用小波函数去噪效果规律。其次,针对压力信号混频问题,采用EMD方法分解原始压力信号,研究单一基本模态分量IMF,验证了EMD方法有效解决信号混频问题;针对EMD分解存在模态混叠问题,引入EEMD方法进行优化,并对EMD和EEMD解析压力信号进行仿真实验,证明了EEMD方法有效解决模态混叠问题;引入样本熵算法,针对样本熵参数m(模态维数),r(相似容限)和N(数据量)进行优化,得到了样本熵计算受参数影响变化规律,解决了参数选取问题;采用一种基于EEMD的样本熵特征提取方法,计算了各节点基本模态分量IMF的样本熵,分析了熵值变化内在影响因素,发现了泄漏点相邻采集节点处的IMF样本熵均值大于其它节点,为最大值和次最大值。最后,本文以各节点IMF样本熵均值作为信号特征,采用聚类分析典型方法—K-Means算法进行识别,诊断泄漏管段和泄漏点;为弥补管网泄漏诊断识别难、误差高的问题,本文提出一种基于数据挖掘的供热管网泄漏诊断流程(Step1~Step6),同时,针对4个泄漏点进行40组泄漏实验,验证结果表明:泄漏点诊断平均正确率达到75%,部分泄漏点诊断正确率达80%以上,诊断误差仅限于误判相邻管段。综上分析,本文运用数据挖掘的思想解决供热管网泄漏诊断问题是可行的。