本發(fā)明屬于供熱管道泄漏識別檢測技術(shù)的，涉及一種基于二次分解和bilstm的供熱管道泄漏識別方法、系統(tǒng)、設(shè)備及介質(zhì)。
背景技術(shù)：
1、供熱管網(wǎng)是連接熱源與熱用戶的關(guān)鍵紐帶，對供熱系統(tǒng)的安全穩(wěn)定運行意義重大。隨著管網(wǎng)拓撲結(jié)構(gòu)和水力工況日益復(fù)雜、管道服役期逐年增加，故障發(fā)生率也隨之增大。常見的故障有泄漏和堵塞，其中泄漏是影響管路安全的最主要問題。管道泄漏不僅會造成水、熱量的浪費和嚴(yán)重的經(jīng)濟損失，還會影響衛(wèi)生、交通等方面，嚴(yán)重時甚至危及人的生命安全。因此，快速準(zhǔn)確地確定供熱管道系統(tǒng)故障類型、位置及程度，保證系統(tǒng)的安全運行以及提高運行效率，就具有重要的現(xiàn)實意義。
2、現(xiàn)有管道泄漏檢測方法主要有聲學(xué)檢測法、熱成像檢測法和負壓波檢測法等。因成本低、操作簡單、靈敏度高、定位精度準(zhǔn)等優(yōu)勢，負壓波檢測受到廣泛關(guān)注，其原理是管道受到噪聲干擾或有工況變化和管道泄漏時，在管道內(nèi)會產(chǎn)生一個負壓波，兩者的負壓波特征存在顯著差異，識別差異就能識別正常工況還是發(fā)生泄漏，而信號降噪是負壓波檢測的研究重點，目前常用的降噪方法有小波分析(wt)、經(jīng)驗?zāi)B(tài)分解(emd)、變分模態(tài)分解(vmd)等，其中，小波分析的降噪能力較強，但其降噪效果受母函數(shù)和閾值影響較大，對參數(shù)設(shè)置的經(jīng)驗要求高。經(jīng)驗?zāi)B(tài)分解無需預(yù)先設(shè)置基函數(shù)，但在信號分解的過程中容易出現(xiàn)模態(tài)混疊和端點效應(yīng)現(xiàn)象，變分模態(tài)分解分解得到的殘差項仍較為復(fù)雜。
3、負壓波檢測不足在于經(jīng)常受到調(diào)節(jié)工況的干擾而引起誤報，而隨著結(jié)合深度學(xué)習(xí)的數(shù)據(jù)挖掘算法在工業(yè)領(lǐng)域得到豐富應(yīng)用，其強大數(shù)據(jù)學(xué)習(xí)能力具備一定的自適應(yīng)性，能夠一定程度上解決負壓波檢測的不足之處。luo采用改進卷積神經(jīng)網(wǎng)絡(luò)(icnn)進行管道泄漏識別。han提出一種基于卷積長短期記憶網(wǎng)絡(luò)(cnn-lstm)的流量預(yù)測方法監(jiān)測管道泄漏。ma采用改進的alexnet卷積網(wǎng)絡(luò)識別多個熱力站的管道泄漏數(shù)據(jù)。上述研究雖采用深度學(xué)習(xí)算法進行管道泄漏檢測，但負壓波信號作為典型的一維時序變量，其蘊藏的數(shù)據(jù)特征、時間特征尚未被深度挖掘，泄漏檢測精度有較大提升空間。并且以上方法均是從前向后單向輸出。在進行管道泄漏檢測定位時，泄漏后的數(shù)據(jù)對于檢測定位意義重大。因此雙向挖掘數(shù)據(jù)信息將有助于實現(xiàn)精準(zhǔn)定位。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的在于提供一種基于二次分解和bilstm的供熱管道泄漏識別方法、系統(tǒng)、設(shè)備及介質(zhì)，解決了現(xiàn)有的供熱管道泄漏識別方法存在檢測精度低，且無法對管道泄漏點進行定位的缺陷。
2、為了達到上述目的，本發(fā)明采用的技術(shù)方案是：
3、本發(fā)明提供的一種基于二次分解和bilstm的供熱管道泄漏識別方法，包括以下步驟：
4、獲取供熱管道預(yù)設(shè)時間段內(nèi)的實測壓力值，并將得到的實測壓力值作為輸入數(shù)據(jù)；
5、對輸入數(shù)據(jù)進行vmd-emd二次分解，得到殘差分量；
6、將得到的殘差分量作為構(gòu)建得到的bilstm網(wǎng)絡(luò)模型的輸入，得到預(yù)測壓力值；
7、將得到的預(yù)測壓力值與預(yù)設(shè)的固定預(yù)警閾值進行比較，根據(jù)比較結(jié)果判斷供熱管道是否泄漏。
8、優(yōu)選地，對輸入數(shù)據(jù)進行vmd-emd二次分解，得到二次分解分量，具體方法是：
9、利用vmd對輸入數(shù)據(jù)進行分解，得到包含殘差項的模態(tài)分量imf；
10、利用emd對殘差項進行分解，得到殘差分量。
11、優(yōu)選地，構(gòu)建bilstm網(wǎng)絡(luò)模型，具體方法是：
12、獲取正常工況、泄漏工況、調(diào)閥工況下歷史壓力信號，將歷史壓力信號作為原始輸入數(shù)據(jù)；
13、對原始輸入數(shù)據(jù)進行vmd-emd二次分解，得到殘差分量；
14、利用得到殘差分量對構(gòu)建得到的bilstm網(wǎng)絡(luò)模型進行訓(xùn)練，得到訓(xùn)練后的bilstm網(wǎng)絡(luò)模型。
15、優(yōu)選地，預(yù)設(shè)的固定預(yù)警閾值，獲取方法是：
16、利用殘差分量對構(gòu)建得到的bilstm網(wǎng)絡(luò)模型進行訓(xùn)練，得到預(yù)測數(shù)據(jù)；
17、將得到的預(yù)測數(shù)據(jù)與真實數(shù)據(jù)進行比較，計算得到預(yù)測誤差值；
18、根據(jù)得到的預(yù)測誤差值設(shè)置得到固定預(yù)警閾值。
19、優(yōu)選地，將得到的預(yù)測壓力值與預(yù)設(shè)的固定預(yù)警閾值進行比較，根據(jù)比較結(jié)果判斷供熱管道是否泄漏，具體方法是：
20、將得到的預(yù)測壓力值與實測壓力值計算預(yù)測誤差；
21、將得到的預(yù)測誤差與預(yù)設(shè)的固定預(yù)警閾值進行比較，其中，當(dāng)預(yù)測誤差大于預(yù)設(shè)的固定預(yù)警閾值時，則供熱管道發(fā)生泄漏；否則供熱管道正常。
22、一種基于二次分解和bilstm的供熱管道泄漏識別系統(tǒng)，包括：
23、壓力信號獲取單元，用以獲取供熱管道預(yù)設(shè)時間段內(nèi)的實測壓力值，并將得到的實測壓力值作為輸入數(shù)據(jù)；
24、數(shù)據(jù)分解單元，用以對輸入數(shù)據(jù)進行vmd-emd二次分解，得到殘差分量；
25、模型預(yù)測單元，用以將得到的殘差分量作為構(gòu)建得到的bilstm網(wǎng)絡(luò)模型的輸入，得到預(yù)測壓力值；
26、判斷單元，用以將得到的預(yù)測壓力值與預(yù)設(shè)的固定預(yù)警閾值進行比較，根據(jù)比較結(jié)果判斷供熱管道是否泄漏。
27、一種電子設(shè)備，包括處理器和存儲器，所述存儲器上存儲有計算機指令，當(dāng)所述計算機指令被所述處理器執(zhí)行時，使得所述電子設(shè)備執(zhí)行所述的方法。
28、一種計算設(shè)備集群，包括至少一個計算設(shè)備，每個計算設(shè)備包括處理器和存儲器；
29、所述至少一個計算設(shè)備的處理器用于執(zhí)行所述至少一個計算設(shè)備的存儲器中存儲的指令，以使得所述計算設(shè)備集群執(zhí)行所述的方法。
30、一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品上包含計算機可執(zhí)行指令，所述計算機可執(zhí)行指令在被執(zhí)行時實現(xiàn)所述的方法。
31、一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，所述計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)所述的方法。
32、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
33、本發(fā)明提供的一種基于二次分解和bilstm的供熱管道泄漏識別方法，以負壓波檢測法為理論依據(jù)，采集不同工況和發(fā)生泄漏下供熱管道的負壓波信號；利用vmd-emd二次分解方法對負壓波信號進行降噪處理，在一定程度上減少了模態(tài)混疊現(xiàn)象，并將降低了原始負壓波信號的復(fù)雜性，有利于神經(jīng)網(wǎng)路進行訓(xùn)練學(xué)習(xí)；接著通過雙向長短期記憶神經(jīng)網(wǎng)絡(luò)系統(tǒng)(bilstm)訓(xùn)練二次分解分量，對不同工況和發(fā)生泄漏下的負壓波信號進行識別學(xué)習(xí)，并根據(jù)預(yù)測誤差設(shè)定合理預(yù)測閾值，準(zhǔn)確識別出泄露故障，提高了故障診斷的準(zhǔn)確性。在信號降噪過程中，提出了一種基于vmd-emd的二次分解方法，結(jié)合兩種分解方法的優(yōu)勢，可以降低復(fù)雜度高和非線性強的時間序列的非平穩(wěn)性，在一定程度解決了模態(tài)混疊的問題；在故障診斷過程中，通過bilstm雙向挖掘數(shù)據(jù)中的時序信息建模，能夠同時捕捉序列數(shù)據(jù)的前向和后向信息，更好地識別不同工況下和管道泄露時負壓波的特征差異，實現(xiàn)了供熱管道泄漏的精準(zhǔn)檢測與定位，為供熱管道泄露識別檢測技術(shù)提供了方向。
34、進一步的，以經(jīng)驗?zāi)B(tài)分解(emd)分解變分模態(tài)分解(vmd)分解所留殘差，可以降低時間序列的復(fù)雜度和非平穩(wěn)性，以及分解的模態(tài)混疊現(xiàn)象。
35、進一步的，雙向長短期記憶網(wǎng)絡(luò)(bilstm)由兩個獨立存在的單向、方向相反的長短期記憶網(wǎng)絡(luò)(lstm)組成，能夠同時捕捉序列數(shù)據(jù)的前向和后向信息，結(jié)合泄露前后的數(shù)據(jù)，更好地識別不同工況下和管道泄露時負壓波的特征差異，實現(xiàn)了供熱管道泄漏的精準(zhǔn)檢測與定位，提高檢測識別精度。