-
公开(公告)号：CN119755541A
公开(公告)日：2025-04-04
申请号：CN202411952926.0
申请日：2024-12-27
Applicant: 宁波水表(集团)股份有限公司 , 同济大学 , 浙江宁水水务科技有限公司
Abstract: 本发明公开了一种基于高频压力数据驱动的供水管网爆管定位方法，包括以下步骤：当高频压力监测器发出异常警报时，对报警前后6分钟的实时压力信号进行数据清洗与小波降噪，生成有效高频压力数据集；采用基于滑动窗的双边累积和算法提取有效高频压力数据集中的时间特征值；结合前期波速统计值，采用负压波法对异常压力波起始点位进行定位；若定位为阀门或泵操作点，则列入正常管网操作，同时统计修正各管道波速，若定位为其他管道节点，则发出爆管定位警报。优点在于本发明利用实时高频压力数据，采用负压波法，将误差精确至毫秒级别，同时利用正常管网操作修正各管道波速，以期适应管道老化与温度变化等因素的影响，使爆管定位更加迅速、精准。
-
公开(公告)号：CN116624790A
公开(公告)日：2023-08-22
申请号：CN202310655567.1
申请日：2023-06-05
Applicant: 浙江宁水水务科技有限公司 , 宁波水表(集团)股份有限公司
Abstract: 本发明公开了一种基于融合广义互相关的供水管网泄漏精确定位方法，包括以下步骤：在发生泄漏的管段两端各安装第一振动传感器和第二振动传感器，进行传感器数据采集；假设由第一振动传感器采集到的信号为x，第二振动传感器采集到的信号为y，进行包括互功率谱密度Pxy(ω)，x的自功率谱Pxx(ω)以及y的自功率谱Pyy(ω)的估计；根据互功率谱密度Pxy(ω)，x的自功率谱Pxx(ω)以及y的自功率谱Pyy(ω)进行相干性计算；根据相干性选择滤波范围进行带通滤波，选择采用包括HB、PHAT、SCOT的三个加权函数合成相关函数估计结果，并以此最大值对应的时延值作为到达时间差的估计，计算泄漏距离。本发明用于融合多个广义互相关函数进行泄露到达时延估计。
-
公开(公告)号：CN119353603A
公开(公告)日：2025-01-24
申请号：CN202411516629.1
申请日：2024-10-29
Applicant: 宁波水表(集团)股份有限公司 , 浙江宁水水务科技有限公司
Abstract: 本发明涉及供水管网监测技术领域，尤其涉及一种供水管网监测系统及其监测方法，监测系统包括：采集模块，用于采集供水管网的水压信号并转换为第一电信号，采集供水管网的水声信号并转换为第二电信号；监测终端，用于将第一电信号转换为第一数字信号，将第二电信号转换为第二数字信号；分析模块，包括爆管预警模块、压力预警模块以及泄露预警模块，爆管预警模块用于基于第一数字信号和第二数字信号，判断供水管网是否存在爆管；压力预警模块用于基于第一数字信号，判断供水管网是否为压力异常；泄露预警模块用于基于第二数字信号，判断供水管网是否存在泄露。该供水管网监测系统，可以对供水管网实时监测，有效降低管网漏损，保证管网运行安全。
-
公开(公告)号：CN115901962A
公开(公告)日：2023-04-04
申请号：CN202310024369.5
申请日：2023-01-09
Applicant: 浙江宁水水务科技有限公司 , 宁波水表(集团)股份有限公司
Abstract: 本发明提供了一种矢量水听器，涉及声学检测技术领域，本发明提供的矢量水听器，包括：传感器芯片、基板、支架、透声罩和压紧座；传感器芯片安装于基板，基板安装于支架；支架和透声罩分别安装于压紧座，透声罩贴合于支架，传感器芯片和基板皆封闭在透声罩内部。本发明提供的矢量水听器透声系数更高，减少了声波衰减，并且降低了封装难度，易于矢量水听器批量化生产。
-
公开(公告)号：CN115824383A
公开(公告)日：2023-03-21
申请号：CN202310020570.6
申请日：2023-01-06
Applicant: 浙江宁水水务科技有限公司 , 宁波水表(集团)股份有限公司
Abstract: 本发明提供了一种三维矢量水听器，涉及声学检测技术领域，本发明提供的三维矢量水听器，包括：支架、腔壳、热线式质点振速传感器和压电陶瓷传感器；热线式质点振速传感器和压电陶瓷传感器分别安装于支架上；腔壳与支架连接，并将热线式质点振速传感器和压电陶瓷传感器封装在腔壳内部。本发明提供的三维矢量水听器，制作工艺简单，易于实现小型化阵列，安装形式不受限制，可以实现水中声压和声波质点振速信号的测量，适用于进行水下甚低频声信号检测。
-
Patent Agency Ranking
公开(公告)号：CN115345343A
公开(公告)日：2022-11-15
申请号：CN202210481646.0
申请日：2022-05-05
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
Abstract: 本申请提供了一种供水管网的浊度预测方法，浊度预测方法包括：采集供水管网的水质监测数据；对水质监测数据进行预处理，以得到水质监测数据集，其中，水质监测数据集包括：训练集和测试集；构建Elman神经网络模型，基于训练集训练Elman神经网络模型，以得到用于浊度预测的最优模型，并基于最优模型和测试集对供水管网的浊度进行预测，以得到供水管网的浊度预测值，上述预测方法可以提高模型的预测精度。
-
公开(公告)号：CN115186860A
公开(公告)日：2022-10-14
申请号：CN202210480280.5
申请日：2022-05-05
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
Abstract: 本发明提供基于压力数据聚类的供水管网复杂多漏损识别方法，包括步骤：确定分析时间段，通过供水管网预测模型预测供水管网运行参数，通过压力监测数据库读取真实监测数据，对预测的供水管网运行参数和读取的真实监测数据进行预处理；生成压力残差矩阵并进行管网压力趋势分解和漏损工况区分；对供水管网进行水量分析，结合管网漏损状态矩阵确定分析时间段内漏损信息及漏损总数量，并依次按照每个漏损的性质分别确定其发生时间；输出所有漏损的识别结果。本发明借助预测模型对供水管网行为进行预测，结合数据驱动方法对压力数据的时间、空间特征进行有效提取，可以更高效且准确地识别供水管网中处于叠加状态的各类漏损事件。
-
公开(公告)号：CN116008497A
公开(公告)日：2023-04-25
申请号：CN202310032524.8
申请日：2023-01-10
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
Abstract: 本发明提供了一种给水管网水质的分析方法、装置及电子设备，可以获取给水管网进流点处的水样组分浓度；水样组分浓度为按照预设的时间间隔对管网进流点处进行采样得到的浓度数据；基于时间间隔和组分浓度生成对应的时间浓度曲线；基于时间浓度曲线，按照预先设置的拟合函数曲线计算水样反应系数，以对管网进流点处的水质进行分析，通过直接针对实际管网水质数据进行拟合，能够反映出物质在具体管网中真实变化情况，并且应用范围涵盖了未建立水力模型的管网，同时考虑了多水源给水管网中反应速率系数计算，更加符合实际给水管网情况。
-
公开(公告)号：CN115438447A
公开(公告)日：2022-12-06
申请号：CN202210481637.1
申请日：2022-05-05
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
IPC: G06F30/18 , G06F30/20 , G06F119/14
Abstract: 本申请提供了一种供水管网漏损的定位方法，包括：读取并分析供水管网的漏损数据，基于管网水力模型和漏损数据构建模拟基准漏损数据库，进而构建无漏损模型；基于无漏损模型计算漏损基准特征，并计算漏损基准特征与模拟基准数据库中模拟漏损基准特征的相似性以确定漏损管段的范围；构建模拟实时漏损数据库，并计算模拟实时漏损数据库中模拟实时漏损特征与漏损管段范围内实际实时漏损特征的漏损相似性以确定漏损风险最高的管段，可以在保证计算准确性的前提下提升供水管网漏损的定位效率。
-
公开(公告)号：CN116432378A
公开(公告)日：2023-07-14
申请号：CN202310035043.2
申请日：2023-01-10
Applicant: 宁波水表(集团)股份有限公司 , 同济大学
IPC: G06F30/20 , G06Q10/04 , G06Q10/0631 , G06Q50/26 , G06N3/006 , G06N3/126 , G06F111/04 , G06F111/10 , G06F113/14 , G06F113/08 , G06F119/14 , G06F111/02
Abstract: 本发明提供了一种供水管网的运行方法、装置及电子设备，其中，该方法应用于供水管网，供水管网包括叠压泵站、高位水箱、市政管网和二级泵站；该方法包括：获取并基于叠压泵站、高位水箱、市政管网的信息构建一级水力模型；获取并基于二级泵站信息构建二级水力模型；构造一级优化调度数学模型，并求解得到二级泵站的最优出口压力方案和叠压泵组的最优运行方案；构造二级优化调度数学模型，并求解得出二级泵站泵组最优运行方案；结合叠压泵组的最优运行方案和二级泵站泵组最优运行方案作为供水管网的运行方案。本发明提供了供水管网的多级协同优化调度方法，统筹二级泵站水泵和叠压泵站水泵的调速与水泵运行组合方式，以求得城市多级协同供水系统的最优运行策略。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.116 seconds)
