供热管网故障检测及分析模型研究与设计

作     者：韩东洋 

作者单位：东北石油大学 

学位级别：硕士

导师姓名：张方舟

授予年度：2015年

学科分类：08[工学] 081404[工学-供热、供燃气、通风及空调工程] 0814[工学-土木工程] 

主      题：概率神经网络(PNN) 聚类分析 贝叶斯理论 管网检测 

摘      要：本课题是以降低热网漏损、提高社会经济效益为目的,以相关的热力管网检测为核心,研究管网中漏损故障的检测与定位方法。当前国内大部分城市中,供热管网普遍存在着规模较大、分布广泛、直观性低等问题,所以当管网发生漏损故障时无法第一时间被发现,这对城市建设、居民生活以及社会经济建设造成了很严重的影响。现在国内许多企业都在开展相关技术研究,但大多都存在投资大、精度低的问题,所以尚处于理论研究阶段,实际应用困难。国内学者提出的基于BP神经网络对管网故障检测分析模型一改从前依靠人工检测或者经过逻辑推理计算得到问题结论的传统方法,为城市供热管网检测的研究找到了新的方向。但是鉴于BP神经网络对管网分析建立模型时存在着收敛慢,训练难,局部最优等问题,本文提出了基于概率神经网络的检测模型。概率神经网络当前普遍应用在机械故障诊断领域中,例如在桥梁诊断,机械故障识别等方面,并取得了相当满意的成果,故将其引入到供热管网故障诊断中。将管网的常态与非常态都作为一种运行的模式类型,用概率神经网络对管网状态进行诊断。同时,利用贝叶斯理论模型的参数进行调整优化。接着,为了解决管网规模过大导致的管网误差影响加重,模型计算负担太大的问题,引入了聚类分析理论对城市供热管网进行分区。分区后的局部区域内管网管段数量将大大减少,因此在局部区域内对管网诊断将提高神经网络模型的计算准确性和工作效率。同时,为了取得管网管线在漏损状态下的运行数据,保证管网聚类分区正确。论文以选定的实验区域中实际管网为例,进行了漏损事故的模拟,介绍了消防栓模拟事故的实验过程、试验方法。为建立准确、可靠的模型提供了可靠的数据支持。最后,基于以上研究,采用VC++和MATLAB联合开发了管网漏损检测定位的原型系统。该系统能有效、准确的诊断出管网故障并定位,减少了人工负担。