基于阻抗辨識(shí)的BP神經(jīng)網(wǎng)絡(luò)供熱管網(wǎng)泄漏三級(jí)診斷研究.pdf

1、集中供熱系統(tǒng)是城市公用事業(yè)的重要組成部分，是保障城市功能正常發(fā)揮的重要基礎(chǔ)設(shè)施之一。其中，供熱管網(wǎng)是集中供熱熱源向各熱用戶輸配熱量的管線系統(tǒng)，是供熱系統(tǒng)的重要組成部分。但是眾多因素都可能致使供熱管網(wǎng)會(huì)發(fā)生一些故障，因此供熱管網(wǎng)也是供熱系統(tǒng)可靠性的薄弱環(huán)節(jié)。供熱管網(wǎng)最常見的故障是管道泄漏，為了確保供熱管網(wǎng)穩(wěn)定、安全運(yùn)行，建立供熱管網(wǎng)泄漏診斷系統(tǒng)，對(duì)供熱管網(wǎng)的運(yùn)行情況進(jìn)行實(shí)時(shí)監(jiān)控，判斷泄漏故障并進(jìn)行定位，在引發(fā)更嚴(yán)重的事故之前及時(shí)進(jìn)行核查搶

2、修，將故障的影響降到最低，是供熱企業(yè)和相關(guān)研究人員需要共同研究的課題。
　　在現(xiàn)有供熱管網(wǎng)泄漏診斷模型的研究中，供熱系統(tǒng)管網(wǎng)阻抗等參數(shù)常被處理為不變的參數(shù)或者帶入設(shè)計(jì)值；同時(shí)，管網(wǎng)監(jiān)測設(shè)備安裝位置與診斷模型需要的監(jiān)測點(diǎn)不完全匹配。因此若在工程實(shí)際中應(yīng)用這些模型的時(shí)候，由于阻抗等參數(shù)的設(shè)計(jì)值可能會(huì)隨著管網(wǎng)的運(yùn)行已偏離實(shí)際值，導(dǎo)致仿真或計(jì)算結(jié)果與實(shí)際情況有較大偏差，從而降低了模型的實(shí)用價(jià)值。
　　本文針對(duì)枝狀熱水供熱管網(wǎng)的泄漏診

3、斷模型進(jìn)行了相應(yīng)的研究。首先對(duì)基于圖論理論的供熱一次側(cè)枝狀空間管網(wǎng)模型進(jìn)行了改進(jìn)。然后提出了基于雙向遞推的枝狀供熱管網(wǎng)阻抗辨識(shí)方法，基于實(shí)際情況中可測得的熱源及熱力站進(jìn)出口壓力值和熱源與熱力站內(nèi)部的管段流量值，通過水力工況組合形式求解辨識(shí)方程組進(jìn)行阻抗辨識(shí)。并將阻抗辨識(shí)結(jié)果帶入泄漏故障診斷模型之中以使模型更貼近于實(shí)際供熱管網(wǎng)。
　　BP神經(jīng)網(wǎng)絡(luò)在故障智能診斷領(lǐng)域已得到廣泛應(yīng)用，針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的收斂速度較慢、易陷入局部極值的問

4、題，本文采用了全局搜索能力更強(qiáng)、收斂速度更快、可以較好地解決已知解域內(nèi)精細(xì)搜索和擴(kuò)展新解域之間的矛盾的優(yōu)化算法—人工蜂群（ABC)算法對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化。依據(jù)在實(shí)際情況中可測得的熱源、熱力站進(jìn)出口節(jié)點(diǎn)壓力值、熱源和熱力站內(nèi)部管段流量值，以泄漏工況相對(duì)于正常工況的壓力變化率和流量變化率的二維輸入作為神經(jīng)網(wǎng)絡(luò)的輸入量進(jìn)行泄漏故障診斷，建立基于蜂群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的枝狀熱水供熱管網(wǎng)泄漏三級(jí)診斷模型。三級(jí)泄漏診斷模型中，第一級(jí)診斷模

5、型可以進(jìn)行調(diào)節(jié)工況和泄漏工況的模式識(shí)別，盡可能防止調(diào)節(jié)工況的誤判斷；第二級(jí)診斷模型判斷泄漏管段并輸出其唯一編號(hào)值；第三級(jí)模型可以對(duì)泄漏發(fā)生的具體位置進(jìn)行定位及估計(jì)泄漏量的大小。結(jié)合算例發(fā)現(xiàn)，采用壓力、流量變化率的二維輸入相對(duì)于常規(guī)的單獨(dú)壓力變化率的一維輸入的泄漏預(yù)測效果更好；蜂群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)泄漏診斷模型的性能優(yōu)于基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的性能。
　　本文提出的方法均采用M atlab編制程序，結(jié)合具體算例進(jìn)行驗(yàn)證，結(jié)果表明