被動(dòng)漏損檢測(cè)技術(shù)是以傳感器為基礎(chǔ)的人工或簡易數(shù)據(jù)分析手段。以檢測(cè)位置作為劃分依據(jù),可將被動(dòng)檢測(cè)技術(shù)分為外管檢測(cè)與管道內(nèi)檢測(cè)兩類,這些非破壞性檢測(cè)技術(shù),主要依靠傳感器和信息數(shù)據(jù)的轉(zhuǎn)變,實(shí)現(xiàn)漏點(diǎn)的檢測(cè)與定位。

外管檢測(cè)可以在管道外部進(jìn)行,其中包括聽漏棒、電子聽漏儀等聲學(xué)技術(shù)、磁通量泄漏(magnetic flux leakage,MFL)技術(shù)、高分辨率閉路電視(closed circuit television,CCTV)檢查技術(shù)、紅外熱成像技術(shù)、聲發(fā)射(acoustic emission,AE)技術(shù)、超聲波技術(shù)、負(fù)壓波傳感技術(shù)、探地雷達(dá)等不同的檢測(cè)方法。這類方法受周圍環(huán)境影響較大,對(duì)于不同的場(chǎng)景往往需要不同類型的檢測(cè)方法,但由于每種場(chǎng)景皆使用特定的檢測(cè)方法,在小范圍內(nèi)外管檢測(cè)的漏損識(shí)別精度相對(duì)較高。

管道內(nèi)檢測(cè)器通過攜帶一個(gè)或多個(gè)傳感器進(jìn)行檢測(cè)和識(shí)別,檢測(cè)器被推入管道中,由外部人員操縱完成檢測(cè)任務(wù)。傳感器通常包括聲學(xué)、相機(jī)、超聲波、漏磁通量和渦流傳感器等。受限于傳感器的防水性研究,使用內(nèi)管檢測(cè)時(shí)需盡可能地排空管道內(nèi)的水。相對(duì)于外管檢測(cè)而言,內(nèi)管檢測(cè)由于攜帶更多種類的傳感器,能夠更接近泄漏點(diǎn),具有更高的檢測(cè)精度。此外,近年來人工智能的飛速發(fā)展,使得機(jī)器人技術(shù)已經(jīng)成為工程領(lǐng)域的一個(gè)重要領(lǐng)域,各類機(jī)器人不斷被應(yīng)用于漏點(diǎn)的視覺探查以及無損檢測(cè)。這些機(jī)器人包含輪式、軌道驅(qū)動(dòng)、管道檢查量規(guī)(pipeline inspection gauge,PIG)、行走式和英寸蟲型,雖然涉及范圍廣,但每種機(jī)器人都有著自己的優(yōu)缺點(diǎn),不同類型的機(jī)器人被應(yīng)用于不同場(chǎng)景的內(nèi)管檢測(cè)。

環(huán)境成本和效益是供水行業(yè)對(duì)于漏損技術(shù)控制選擇的一個(gè)重要指標(biāo),相較于被動(dòng)漏損檢測(cè),主動(dòng)漏損檢測(cè)基于傳感技術(shù)偏向于對(duì)模型的建立和數(shù)據(jù)的分析,更能夠?qū)崿F(xiàn)對(duì)成本和效益的有效管理。1980年,英國水務(wù)聯(lián)合大會(huì)提出獨(dú)立計(jì)量分區(qū)(district metered area,DMA)概念,模型法正式應(yīng)用于漏損檢測(cè)。不過DMA檢測(cè)方法只適用于有大量準(zhǔn)確數(shù)據(jù)作為依據(jù)的水力模型問題,面對(duì)缺乏基礎(chǔ)數(shù)據(jù)的情況,則需要人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)技術(shù)進(jìn)行處理。

基于傳統(tǒng)網(wǎng)格(流量/壓力信息)建模與地理信息系統(tǒng)的結(jié)合,通過截?cái)喙芫W(wǎng)或關(guān)閉閥門的方式將供水管網(wǎng)劃分成若干個(gè)獨(dú)立計(jì)量區(qū)域,能夠有效縮小漏點(diǎn)的范圍。同時(shí),DMA分區(qū)計(jì)量能夠持續(xù)穩(wěn)定控制供水量,降低企業(yè)產(chǎn)銷差,以精細(xì)化的數(shù)據(jù)分析達(dá)到降低漏損量的目的,實(shí)現(xiàn)節(jié)能減耗。而在此基礎(chǔ)上,通過進(jìn)一步優(yōu)化DMA分區(qū)中傳感器放置點(diǎn)的選取,加強(qiáng)網(wǎng)絡(luò)節(jié)點(diǎn)壓力測(cè)量和壓力敏感度分析等方式,能夠明顯提高DMA模型的最佳搜索效率。Marunga等也建議使用EPANET工具,在供水管網(wǎng)模型的建立中應(yīng)將壓力管理作為減少漏損與需水管理的主要方式。由此可見,模型的建立對(duì)于加強(qiáng)水務(wù)人員主動(dòng)檢漏的能力具有極大的作用。其中,壓力信息在模型運(yùn)行的過程中具有不可忽視的作用,通過壓力信息改善供水手段可以實(shí)時(shí)量化客戶的需水要求,降低所需能耗及流量損失,提高供水管網(wǎng)水能效。

ANN則是效仿人腦神經(jīng)的應(yīng)用,注重核心算法的不斷迭代升級(jí),加強(qiáng)軟件程序的高級(jí)處理。該方法由1982年波蘭學(xué)者提出的粗糙集理論演變而來,依靠系統(tǒng)的復(fù)雜程度,通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互作用的關(guān)系,達(dá)到處理數(shù)據(jù)的目的。在實(shí)際的管網(wǎng)水力模型之中,ANN技術(shù)通過對(duì)數(shù)據(jù)采集技術(shù)(supervisory control and data acquisition,SCADA)與模型建立技術(shù)的結(jié)合使用,依賴瞬態(tài)分析技術(shù),對(duì)所獲得的數(shù)據(jù)進(jìn)行分析,模仿人腦的不確定性概念判斷、推理思維方式,對(duì)于模型中所缺乏的基礎(chǔ)數(shù)據(jù),以及強(qiáng)非線性、大滯后的數(shù)據(jù),應(yīng)用模糊集合和模糊概念進(jìn)行推理,確定漏點(diǎn)的位置。相較于傳統(tǒng)方法,這類方法的經(jīng)濟(jì)性和效率有了極大的提升。Silva等首次將聚類和分類工具進(jìn)行組合用于小規(guī)模液化石油氣(LPG)管道的故障檢測(cè),并引入模糊系統(tǒng)根據(jù)運(yùn)行模式與過程中的瞬態(tài)變化調(diào)整流量閾值,以較低成本獲得了更有效的泄漏監(jiān)測(cè)。Joaquim等將網(wǎng)絡(luò)節(jié)點(diǎn)的揚(yáng)程與估計(jì)值進(jìn)行比較,計(jì)算殘差并建立線性參數(shù)變化模型與齊諾多面體。Ragot等則是基于模糊系統(tǒng)殘差分析,憑借不斷變化的流速信息診斷出整個(gè)管網(wǎng)中的故障傳感器的位置。Birek等創(chuàng)建的聚類算法具有高斯隸屬函數(shù)的模糊If-Then規(guī)則的基礎(chǔ),與標(biāo)準(zhǔn)模糊預(yù)測(cè)方法相比,生成的聚類數(shù)量更少,不但提高了預(yù)測(cè)模型的精確度,且模型的透明度也大幅增加。

隨著城市供水管網(wǎng)不斷延展,管網(wǎng)框架越拉越大,周邊環(huán)境與管道的信息交互以及各類高層建筑的出現(xiàn)使得城市供水管網(wǎng)更趨向于三維化,這為模型的建立帶來了極大的困擾。受管網(wǎng)結(jié)構(gòu)、土壤、外部壓力、管材、水力條件等環(huán)境因素影響,以模型和算法為基礎(chǔ)的主動(dòng)檢測(cè)技術(shù)在大規(guī)模建模問題上常缺乏適用性。學(xué)者們不斷引入新的算法用于提高ANN類漏損檢測(cè)技術(shù)的精確度與適用性,較為常見的有蟻群優(yōu)化算法、貝葉斯網(wǎng)絡(luò)與聚類算法等。

蟻群優(yōu)化算法最開始用于水資源問題中計(jì)算不飽和土壤的水力參數(shù),后逐漸應(yīng)用于供水管網(wǎng)的水力參數(shù)選擇,并不斷對(duì)整體供水管網(wǎng)進(jìn)行優(yōu)化,降低漏損率。該類算法采用正反饋機(jī)制,不斷收斂運(yùn)算機(jī)制,逐漸逼近最優(yōu)解。在整體模型計(jì)算中考慮到每個(gè)個(gè)體信息,采用分布式計(jì)算方法,同時(shí)進(jìn)行多個(gè)個(gè)體模型的計(jì)算,這不僅大大提高了枝狀管網(wǎng)的精度問題,且可避免于陷入局部最優(yōu)解的困擾。

而貝葉斯網(wǎng)絡(luò)則能夠有效處理不確定數(shù)據(jù),作為一個(gè)有向無環(huán)圖,以周邊環(huán)境信息、管材、水力條件等因素作為環(huán)結(jié)點(diǎn),推導(dǎo)管網(wǎng)發(fā)生漏損的概率,進(jìn)一步確定漏點(diǎn)。Tang等引導(dǎo)貝葉斯網(wǎng)絡(luò)捕獲并學(xué)習(xí)周圍土壤與管道物理因素的相互作用關(guān)系,分析配水管道中的漏損故障。而基于貝葉斯網(wǎng)絡(luò)開發(fā)綜合安全預(yù)測(cè)模型,通過整合子系統(tǒng)、整體系統(tǒng)與周邊環(huán)境系統(tǒng)之間的相互作用與依賴關(guān)系,定位潛在危險(xiǎn)源的方式來推理整體配水網(wǎng)絡(luò)安全狀況,可最終確定可能存在漏點(diǎn)的位置。Morosini等則考慮了發(fā)生泄漏前后校準(zhǔn)模型之間管道粗糙系數(shù)的變化,以貝葉斯法標(biāo)定漏點(diǎn)的位置。

除蟻群優(yōu)化算法與貝葉斯網(wǎng)絡(luò)之外,一些學(xué)者為增加ANN類檢測(cè)技術(shù)的適用性,對(duì)傳統(tǒng)聚類方法進(jìn)行改進(jìn)而衍生出來的光譜聚類方法能有效降低漏損檢測(cè)和管網(wǎng)維護(hù)成本。又有研究證實(shí),基于圖形分析,以水力模擬軟件(EPANET)創(chuàng)建的泄漏狀況作為配水網(wǎng)絡(luò)模型中的節(jié)點(diǎn),將每對(duì)節(jié)點(diǎn)發(fā)生泄漏時(shí)的壓力和流量變化加權(quán)計(jì)算作為邊緣條件,能夠允許光譜聚類方法進(jìn)一步適用于大規(guī)模建模問題。

使供水管網(wǎng)管理者理解管理中的多目標(biāo)需求是十分必要的,通過水需求管理概念可以有效量化系統(tǒng)中水資源的損失。有學(xué)者從多目標(biāo)角度進(jìn)行水力模型算法優(yōu)化,如Morais等通過一種基于PROMETHEE V方法的群體決策模型,有效地滿足水網(wǎng)管理中關(guān)于技術(shù)、社會(huì)經(jīng)濟(jì)和環(huán)境標(biāo)準(zhǔn)方面的要求。Arsene等基于三層通用模糊最小最大神經(jīng)網(wǎng)絡(luò)和圖論,提出一種高效決策支持系統(tǒng),用于監(jiān)測(cè)和控制管道的漏損問題。也有研究證明,神經(jīng)模糊決策系統(tǒng)可用于執(zhí)行與城市供水管網(wǎng)相關(guān)的多因素故障風(fēng)險(xiǎn)分析與資產(chǎn)管理。

目前,各類檢測(cè)技術(shù)在供水行業(yè)內(nèi)皆有廣泛應(yīng)用,每種技術(shù)皆有各自優(yōu)勢(shì)。通過對(duì)各種漏損檢測(cè)技術(shù)在檢測(cè)儀器或系統(tǒng)、漏損識(shí)別精度、特點(diǎn)及適用場(chǎng)景等方面的橫向比較,可知被動(dòng)漏損檢測(cè)技術(shù)識(shí)別精度往往較高,但時(shí)效性差,主動(dòng)漏損檢測(cè)技術(shù)精度有所欠缺,但響應(yīng)快速,可實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)、漏損預(yù)測(cè)。各類漏損檢測(cè)技術(shù)方案的比較如表1所示。

模型建立對(duì)配水系統(tǒng)漏損管理而言至關(guān)重要,但模型的準(zhǔn)確性需完整且準(zhǔn)確的數(shù)據(jù)庫條件支撐。在實(shí)際供水管網(wǎng)模型建立過程中,信息的準(zhǔn)確采集往往是一大難題,基礎(chǔ)數(shù)據(jù)缺失或者錯(cuò)誤的情況時(shí)常出現(xiàn),單一的主動(dòng)漏損檢測(cè)并不能十分有效地解決此類問題,也導(dǎo)致模擬結(jié)果精確度不高。

隨著信息通信技術(shù)的進(jìn)步,許多城市提出智慧城市概念,以抓住信息通信技術(shù)帶來的發(fā)展機(jī)會(huì),智慧供水也已成為全球范圍內(nèi)供水行業(yè)新的發(fā)展趨勢(shì)。智能傳感器、通信技術(shù)、智慧供水云平臺(tái)和深度學(xué)習(xí)模型等設(shè)備和系統(tǒng)的有機(jī)協(xié)同構(gòu)成供水智慧化體系,解決了城市供水管理中的信息采集、數(shù)據(jù)孤島難題,實(shí)現(xiàn)了管網(wǎng)漏損監(jiān)測(cè)、水需求預(yù)測(cè)和水質(zhì)檢測(cè)等功能。在智慧供水系統(tǒng)中,主動(dòng)檢測(cè)技術(shù)常以信息集成處理系統(tǒng)的形式出現(xiàn),而被動(dòng)檢測(cè)技術(shù)則以智能傳感器的形式被用于其中。

智能傳感器是傳感器集成化與微處理機(jī)相結(jié)合的產(chǎn)物,具有采集、處理、交換信息的能力。相較于傳統(tǒng)被動(dòng)檢測(cè)技術(shù),智能傳感器除了能實(shí)時(shí)檢測(cè)管網(wǎng)水壓、流量、水質(zhì)數(shù)據(jù)外,更能通過智能滲漏探測(cè)技術(shù)獲取分布式溫度、壓力與滲漏點(diǎn)信息。在管網(wǎng)漏損控制方面,傳感器的智能化提升不僅體現(xiàn)在對(duì)漏點(diǎn)的精確定位上,也體現(xiàn)在對(duì)水量的智能化計(jì)量上。有研究證實(shí),智能計(jì)量可用于快速有效地識(shí)別水表后的泄漏與水損控制。高精度的用水量實(shí)時(shí)檢測(cè),不僅能提高用水效率,也可實(shí)現(xiàn)用水量的自動(dòng)控制,這使得水務(wù)公司能實(shí)時(shí)進(jìn)行水價(jià)階梯式調(diào)整。除此之外,SCADA與地理信息系統(tǒng)等一系列技術(shù)的發(fā)展,也為實(shí)時(shí)壓力探測(cè)和流量數(shù)據(jù)采集提供了便利,被廣泛應(yīng)用于供水管網(wǎng)中漏點(diǎn)的檢測(cè)與定位,成為系統(tǒng)中至關(guān)重要的一環(huán)。

高效可靠的信息通信技術(shù)是主動(dòng)檢測(cè)技術(shù)發(fā)展的一個(gè)關(guān)鍵因素,用于確保不同地區(qū)信息與參與者之間的相互連接。物聯(lián)網(wǎng)技術(shù)是其中較有代表性的一種,將低成本傳感器與創(chuàng)新無線技術(shù)進(jìn)行有效結(jié)合,能輕松實(shí)現(xiàn)設(shè)備的大規(guī)模監(jiān)測(cè)和控制,使水務(wù)人員能夠進(jìn)行遠(yuǎn)距離操作。但由于物聯(lián)網(wǎng)技術(shù)的不完全成熟,具有較寬帶寬的物聯(lián)網(wǎng)技術(shù)仍難以滿足接入口的要求,窄帶物聯(lián)網(wǎng)技術(shù)(narrow band internet of things,NB-IoT)被用來進(jìn)行帶寬在180 kHz以下的廣域物聯(lián)網(wǎng)傳輸。憑其成本低、覆蓋率廣、速率低、通信能力強(qiáng)等特點(diǎn),能支持低功耗、低延時(shí)敏感度設(shè)備在廣域網(wǎng)絡(luò)蜂窩數(shù)據(jù)的高效連接,在數(shù)據(jù)傳輸過程中能保持十年左右的待機(jī)時(shí)長,且能夠大范圍地支持蜂窩網(wǎng)絡(luò)覆蓋。無線傳感器網(wǎng)絡(luò)(wireless sensor network,WSN)則是從軍事應(yīng)用一直沿用至管網(wǎng)漏損檢測(cè),大量靜止或移動(dòng)的傳感器以多跳或者自組織的形式形成WSN,基于磁感應(yīng)的連續(xù)壓力監(jiān)測(cè),在管道泄漏檢測(cè)方面體現(xiàn)出極高的準(zhǔn)確性與效率。

智慧供水云平臺(tái)是整個(gè)智慧供水系統(tǒng)中的大數(shù)據(jù)平臺(tái),主要負(fù)責(zé)采集數(shù)據(jù)的集中、存儲(chǔ)、轉(zhuǎn)運(yùn)以及指令下達(dá),以平臺(tái)架構(gòu)的方式全面連接所有物聯(lián)網(wǎng)模塊,執(zhí)行管網(wǎng)監(jiān)測(cè)方案(包括漏損監(jiān)測(cè))并在異常發(fā)生時(shí)通知水務(wù)管理員,將數(shù)據(jù)發(fā)送給模型算法系統(tǒng)進(jìn)行處理,接收系統(tǒng)處理過后的數(shù)據(jù),給出決策意見,體現(xiàn)了智慧供水系統(tǒng)的可視化、數(shù)字化與移動(dòng)化。通過對(duì)于流量、水壓、管材等大數(shù)據(jù)的分類整理,預(yù)測(cè)供水管網(wǎng)漏點(diǎn)產(chǎn)生的時(shí)間與存在的位置,結(jié)合如今正興起的網(wǎng)格化管理的思想,使得快速發(fā)展的信息技術(shù)與水務(wù)技術(shù)進(jìn)行深度融合,進(jìn)一步提升管網(wǎng)漏損控制能力。

在大數(shù)據(jù)和算法大力加持下,深度學(xué)習(xí)已成為ANN的重要延伸,與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型相比,深度學(xué)習(xí)具有更多的神經(jīng)元、更復(fù)雜的連接方式、更強(qiáng)大的計(jì)算能力以及自我特征提取能力,這使得它可從智慧供水云平臺(tái)的采集數(shù)據(jù)中學(xué)習(xí)非常復(fù)雜的函數(shù),自動(dòng)提取關(guān)鍵特征,并通過與過往數(shù)據(jù)的對(duì)比,發(fā)現(xiàn)系統(tǒng)運(yùn)行異常。楊嘉昕等利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建漏損數(shù)據(jù)與漏損點(diǎn)、漏損量的映射關(guān)系,并通過大量訓(xùn)練來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),結(jié)果顯示優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)能有效地預(yù)測(cè)漏損點(diǎn)位置與漏損量的大小。深度學(xué)習(xí)通過群體智能算法總結(jié)宏觀智能行為特征,其機(jī)制適用于絕大多數(shù)組合優(yōu)化問題,對(duì)于供水云平臺(tái)的漏損處理行為的即時(shí)性與準(zhǔn)確性有著極其重要的作用。Zhou等基于試驗(yàn)管網(wǎng)的試驗(yàn)數(shù)據(jù)集、模型數(shù)據(jù)集及其交叉數(shù)據(jù)集,構(gòu)建并訓(xùn)練了BP神經(jīng)網(wǎng)絡(luò)管網(wǎng)漏損診斷模型,對(duì)于漏損位置和漏損程度的預(yù)測(cè)都有較高的準(zhǔn)確率,皆可達(dá)到90%以上。

傳統(tǒng)被動(dòng)漏損檢測(cè)技術(shù)原始但較經(jīng)濟(jì),適用于小范圍的精確定位,其技術(shù)組成相對(duì)單一,只實(shí)現(xiàn)了水務(wù)工作人員與傳感器的聯(lián)動(dòng),未與各類設(shè)備或系統(tǒng)形成完整的聯(lián)動(dòng)體系,對(duì)可能存在的漏點(diǎn)無法有效篩選,在漏損范圍的確定上缺乏主動(dòng)性。與傳統(tǒng)被動(dòng)檢漏法相比,主動(dòng)漏損檢測(cè)方法加強(qiáng)了傳感器與模型的聯(lián)動(dòng)作用,以數(shù)據(jù)為支撐,以DMA、ANN等模型為主要技術(shù)構(gòu)成,在泄漏發(fā)生后的一定時(shí)間內(nèi)可主動(dòng)縮小漏點(diǎn)的范圍,不足之處在于極依賴于數(shù)據(jù)采集的全面性與準(zhǔn)確性,精度受數(shù)據(jù)的滯后性與強(qiáng)非線性影響較大。

信息通信技術(shù)的快速發(fā)展使數(shù)據(jù)傳輸速率和穩(wěn)定性大大增強(qiáng),大幅提高了傳感器、用戶、管理平臺(tái)、數(shù)據(jù)處理后臺(tái)四者間的信息交互時(shí)效性,有效解決了漏損檢測(cè)技術(shù)中的信息滯后問題。深度學(xué)習(xí)作為ANN模型的重要延伸,大數(shù)據(jù)和算法大力提升了復(fù)雜問題的分析效率,強(qiáng)化了漏損現(xiàn)象的預(yù)測(cè)、判斷和跟蹤能力?？梢哉f,通信技術(shù)和模型算法的發(fā)展促進(jìn)了被動(dòng)漏損檢測(cè)技術(shù)和主動(dòng)漏損檢測(cè)技術(shù)在智慧供水系統(tǒng)中的深度應(yīng)用,避免了兩類漏損檢測(cè)技術(shù)缺點(diǎn),繼承了高精度、快響應(yīng)的優(yōu)點(diǎn),結(jié)合當(dāng)今時(shí)代的智慧城市與網(wǎng)格化管理技術(shù)等新興理念的提出,兩類漏損檢測(cè)技術(shù)在智慧供水這一背景下持續(xù)向數(shù)字化、智慧化方向轉(zhuǎn)型,將有效減少管網(wǎng)可用水量損失,帶來可觀的社會(huì)經(jīng)濟(jì)效益。