本发明涉及水务管网安全监控领域，尤其涉及一种管网异常管理系统。
背景技术：
市政水务管网是城市的生命线工程，城市的主干管爆管往往会带来极为严重的后果。随着管网信息化和智慧水务的推进，爆管事故的实时在线监测是水务企业安全保障的重要组成部分，也越来越受到重视。目前针对爆管主要是通过现场人员发现后，通过热线电话等方式远程反馈给运营企业进而采取对应措施，该方式效率极低且无法及时反映情况，至多算是一种大型爆管发生后的补救措施。
当前，布置压力计和流量仪等设备进行区域在线监控是解决爆管实时检测的一个课题方向，但由于目前现有的管网压力检测仪器检测频次低，设置数量少，无法发现毫秒级的变化，难以对压力数据变化进行检测；及时能够检测也不足以定位压力异常发生点。
技术实现要素：
针对现有技术中存在的上述问题，现提供一种管网异常管理系统，具体技术方案如下所示：
一种管网异常管理系统，应用于水务管网中，具体包括：
多个监测终端，监测终端均匀分布于水务管网中，每间隔一预设时间采集一次实时管网数据并进行输出；
一后台终端，分别连接每个监测终端，后台终端具体包括：
第一存储单元，存储实时管网数据；
第一处理单元，连接第一存储单元，持续提取每个监测终端对应的实时管网数据进行处理，以持续形成每个监测终端对应的实时趋势曲线，并根据实时趋势曲线持续输出对应的实时斜率值；
判断单元，连接第一处理单元，判断实时斜率值是否大于一第一预设阈值，输出一判断结果；
第二存储单元，存储一预先训练形成的爆漏判断模型，爆漏判断模型用于判断水务管网中的管段爆漏情况；
第二处理单元，连接判断单元、第一存储单元和第二存储单元，根据判断结果，当任意一个监测终端对应的实时斜率值大于第一预设阈值时，将第一存储单元中保存的对应的实时管网数据输入至爆漏判断模型中，通过爆漏判断模型输出一用于表示管段爆漏情况的爆漏判断结果；
第三处理单元，连接第二处理单元，根据爆漏判断结果输出相应的维护排查建议。
优选的，该种管网异常管理系统，其中预设时间的取值范围为[30ms，50ms]。
优选的，该种管网异常管理系统，其中水务管网中包括多个二次供水泵房；
每个监测终端分别设置于一对应的二次供水泵房中。
优选的，该种管网异常管理系统，其中实时管网数据包括水流量和压力值。
优选的，该种管网异常管理系统，其中第一存储单元包括多个子存储模块；
每个子存储模块与每个监测终端一一对应，用于存储对应的监测终端输出的实时管网数据。
优选的，该种管网异常管理系统，其中第一处理单元进一步包括：
拟合模块，对每个监测终端，根据实时管网数据进行线性拟合，输出每个监测终端对应的实时趋势曲线；
计算模块，连接拟合模块，用于根据实时趋势曲线，每间隔预设时间计算一次实时趋势曲线的斜率值并记为实时斜率值并输出。
优选的，该种管网异常管理系统，其中判断单元还连接第一存储单元；
实时管网数据包括压力值；
判断单元判断实时斜率值是否大于一第一预设阈值，以及判断压力值是否小于一第二预设阈值并大于一第三预设阈值，输出判断结果；
第二处理单元连接判断单元、第一存储单元和第二存储单元，根据判断结果，当任一实时斜率值大于第一预设阈值，同时压力值小于第三预设阈值或压力值大于第二阈值时，将第一存储单元中保存的对应的实时管网数据输入至爆漏判断模型中，通过爆漏判断模型输出一用于表示管段爆漏情况的爆漏判断结果。
本技术方案具有如下优点或有益效果：
通过本技术方案，使用高精度监控设备和高频采集器，能够实现对管网水务数据，特别是压力数据的精准高频测量，从而得以实时分析水务管网中管段的爆漏情况，进而实现管道爆裂的主动预测和技术预警，可以最大限度地防止小漏的生长，大大缩短了漏损检测的管理周期和人力耗费，具有极高的经济价值。
附图说明
图1为本发明一种管网异常管理系统的结构示意图；
图2为本发明一种管网异常管理系统中，第一处理单元的结构示意图；
图3为本发明一种管网异常管理系统中，具体实施例的实时压力趋势曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
针对现有技术中存在的上述问题，现提供一种管网异常管理系统，应用于水务管网安全监控领域，具体技术方案如下所示：
一种管网异常管理系统，应用于水务管网中，如图1所示，具体包括：
多个监测终端1，监测终端1均匀分布于水务管网中，每间隔一预设时间采集一次实时管网数据并进行输出；
一后台终端2，分别连接每个监测终端1，后台终端2具体包括：
第一存储单元21，存储实时管网数据；
第一处理单元22，连接第一存储单元21，持续提取每个监测终端对应的实时管网数据进行处理，以持续形成每个监测终端对应的实时趋势曲线，并根据实时趋势曲线持续输出对应的实时斜率值；
判断单元23，连接第一处理单元22，判断实时斜率值是否大于一第一预设阈值，输出一判断结果；
第二存储单元24，存储一预先训练形成的爆漏判断模型，爆漏判断模型用于判断水务管网中的管段爆漏情况；
第二处理单元25，连接判断单元23、第一存储单元21和第二存储单元24，根据判断结果，当任意一个监测终端1对应的实时斜率值大于第一预设阈值时，将第一存储单元21中保存的对应的实时管网数据输入至爆漏判断模型中，通过爆漏判断模型输出一用于表示管段爆漏情况的爆漏判断结果；
第三处理单元26，连接第二处理单元25，根据爆漏判断结果输出相应的维护排查建议。
在本发明的一较佳实施例中，如图1所示，该种管网异常管理系统具体包括多个监测终端1和一后台终端2，其中后台终端2具体包括第一存储单元21、第一处理单元22、判断单元23、第二存储单元24、第二处理单元25和第三处理单元26，其中：
监测终端1均匀分布于水务管网中，能够实现高频次的水务数据采集，监测终端1的监测重点为水务管网中的压力值变化；
后台终端2分别连接每个监测终端1，用于接收监测终端1的上传数据并进行分析处理，第一存储单元21用于存储被上传的水务数据，第一处理单元22对上述水务数据进行拟合以获得一持续更新的实时趋势曲线，通过计算实时更新曲线中各采样点的斜率值来反应实时趋势曲线的变化情况；
判断单元23接收到由第一处理单元22输出的实时斜率值并判断前述实时斜率值是否大于一预设阈值，若大于则说明实时趋势曲线的波动幅度较大，管网中存在一定的异常情况需要进行进一步的判别；
第二存储单元24中存储有一预先训练形成的爆漏判断模型，该爆漏判断模型根据大量历史数据训练得到，能够根据实时管网数据判断两监测终端1间的管段是否存在爆裂情况；
于上述较佳实施例中，需要注意的是，于现实应用层面中，后台终端2包括多个设置于水务管网中并与监测终端相连接的边缘终端和一云服务端，其中：每个边缘终端分别连接至少一个监测终端1，用于对监测终端1输出的实时管网数据进行边缘计算和预处理，前述第一存储单元21、第一处理单元22和判断单元23均相应设置于每个边缘终端中；云服务端分别远程连接每个边缘终端，经过边缘终端的预处理和筛选后进入云服务端的整体流量会相较原始数据大大减少，降低了云服务端的处理负荷，前述第二存储单元24、第二处理单元25和第三处理单元26均设置于云服务端中，能够根据云服务端依靠更强大的计算处理能力得出相应的爆漏情况预测。
特别地，前述爆漏判断模型具有自学习能力，能够根据该种管网异常管理系统运行期间获得的数据优化管段是否存在爆裂的判断标准；
第二处理单元25根据判断单元23输出的判断结构，当任意一个监测终端1对应的实时斜率值大于第一预设阈值，即管网中存在一定的异常情况时，将第一存储单元21中保存的对应的实时管网数据输入至爆漏判断模型中，通过爆漏判断模型输出一用于表示管段爆漏情况的爆漏判断结果，特别需要说明的是，于第一存储单元21中提取的所述对应的实时管网数据，不仅包括异常的实时斜率值对应的监测终端1的实时管网数据，还包括与异常的实时斜率值对应的监测终端1相邻的全部监测终端1的实时管网数据，此处的相邻指的是两监测终端1之间只包括管段而不包括其他监测终端1。
作为优选的实施方式，该种管网异常管理系统，其中预设时间的取值范围为[30ms，50ms]。
作为优选的实施方式，该种管网异常管理系统，其中水务管网中包括多个二次供水泵房；
每个监测终端1分别设置于一对应的二次供水泵房中。
在本发明的另一较佳实施例中，监测终端1均设置在水务管网的二次供水泵房中。在目前的现有技术中，传统的管网数据采集点往往直接设置在管网的管段中，想要进行修缮、升级和替换往往需要挖出整个管段进行再设置，会耗费大量的人力物力财力，于上述较佳实施例中，将作为数据采集点的监测终端1均设置于已有的二次供水泵房和市政水务管网的连接处，能够更为有效地反映水务管网的整体变化情况：一来城市泵房数量较大，可以大幅增加采集点，耗费的人力物力财力较之于管网中直接设置采集点大幅节省；二来二次供水泵房通常在数据采集、传输、供电和控制方式等配置相对完善，可以支持高频数据采集，管网的压力变化通常发生在毫秒级的极短时间内，必须保证监测频次足够高才能有效监测到管网的细微压力波动，故而需要将采集频次限定在[30ms，50ms]之间，同时可以由运维人员根据实际需要进行适当调整。
作为优选的实施方式，该种管网异常管理系统，其中实时管网数据包括水流量和压力值。
在本发明的另一较佳实施例中，实时管网数据包括流经监测终端的设置位置的管网水流量和管网压力值，这两项数据是与管网的压力状态最为密切相关的，当然其他水务相关参数也可包含于实时管网数据中，可以由运维人员自行进行设定。
特别地，一些管网的常态数据也可由监测终端1进行检测并进行传输的，包括两检测终端1之间的管段长度、管段直径、水流流向等固定管网数据。
作为优选的实施方式，该种管网异常管理系统，其中第一存储单元21包括多个子存储模块；
每个子存储模块与每个监测终端1一一对应，用于存储对应的监测终端1输出的实时管网数据。
在本发明的另一较佳实施例中，第一存储单元21中包含多个子存储模块，每个子存储模块对应一监测终端，用于独立存储该监测终端1上传的实时管网信息，这样区分独立存储能够保障数据存储的安全性，也方便后续第一处理单元22和第二处理单元25从中分别提取对应的监测终端1上传的相关数据。
作为优选的实施方式，该种管网异常管理系统，如图2所示，其中第一处理单元21进一步包括：
拟合模块211，对每个监测终端，根据实时管网数据进行线性拟合，输出每个监测终端对应的实时趋势曲线；
计算模块212，连接拟合模块211，用于根据实时趋势曲线，每间隔预设时间计算一次实时趋势曲线的斜率值并记为实时斜率值并输出。
在本发明的另一较佳实施例中，如图2所示，第一处理单元21包括拟合模块211和计算模块212，其中拟合模块211将实时管网数据进行线性拟合以获得实时趋势曲线，由于本技术方案旨在解决管网爆裂的监测和预防，故而拟合模块211通常对于实时管网数据中的压力值数据于一压力-时刻坐标系中予以拟合，获得实时压力趋势曲线，该实时压力趋势曲线也可向外输出供运维人员进行查看。
于上述较佳实施例中，计算模块212用于计算并输出实时斜率值，由于作为采集端的监测终端1按照一预设频率进行采集，故而拟合模块211选取的时刻坐标轴的单位刻度也为前述频率，计算模块212所计算的也是实时趋势曲线中每一对应时刻的实时斜率值。
作为优选的实施方式，该种管网异常管理系统，其中判断单元23还连接第一存储单元21；
实时管网数据包括压力值；
判断单元23判断实时斜率值是否大于一第一预设阈值，以及判断压力值是否小于一第二预设阈值并大于一第三预设阈值，输出判断结果；
第二处理单元25连接判断单元23、第一存储单元21和第二存储单元24，根据判断结果，当任一实时斜率值大于第一预设阈值，同时压力值小于第三预设阈值或压力值大于第二阈值时，将第一存储单元21中保存的对应的实时管网数据输入至爆漏判断模型中，通过爆漏判断模型输出一用于表示管段爆漏情况的爆漏判断结果。
现提供一具体实施例对本技术方案进行进一步阐释和说明：
在本发明的一具体实施例中，针对压力突变情况的实际判断提出了新的实际应用问题，若仅通过压力值的实时斜率值(即压力的实时变化率)来进行压力突变判定会引发新的问题：若压力波动不足以影响管网的承受能力则会引起不必要的误报从而造成人力物力的耗费，因而需要对压力值进行进一步的限定。
在本发明的上述具体实施例中，在前述的管网异常管理系统中对于压力值本身作了进一步的限定，设定标准的压力值应位于一第三预设阈值和一第二预设阈值之间，其中第二预设阈值为管网所能承受的最大压力值的90％，第三预设阈值为管网所能承受的最大压力值的10％，则说明压力波动足以影响管网的承受能力，可与实时斜率值一道作为判断单元23的判断标准。
特别地，在上述具体实施例中关注到对于压力波动的采集需要明确数据的采集周期和计算周期，采集周期过长则可能检测不到数据，周期过短则可能采集到非常小的背景压力波动，需要结合压力突变的规律性总结对采集周期进行进一步限定：
管网压力的突变的产生原因往往是由以下三种水锤造成的：管网弥合水锤、中途加压泵站来水水锤和中途加压泵站，如图3所示，在水锤发生后，有两个阶段，第一阶段是水锤发生开始时期，这个时期压力往下，到达第一个低谷期，这个阶段压力波动平滑。第二阶段是水锤发生后期，数据仍然呈现一定的规律，但是开始有一些小而杂乱的波导致难以详细归类。因此我们采用水锤发生开始时期的第一部分数据进行压力变化率判断，通过对大量第一阶段的波动情况研究发现，水锤发生开始时期的持续时间基本在100ms以内，故而于本具体实施例中将采集周期设定为100ms。
综上所述，通过本技术方案，使用高精度监控设备和高频采集器，能够实现对管网水务数据，特别是压力数据的精准高频测量，从而得以实时分析水务管网中管段的爆漏情况，进而实现管道爆裂的主动预测和技术预警，可以最大限度地防止小漏的生长，大大缩短了漏损检测的管理周期和人力耗费，具有极高的经济价值。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
1.一种管网异常管理系统，应用于水务管网中，其特征在于，所述管网异常管理系统包括：
多个监测终端，所述监测终端均匀分布于所述水务管网中，每间隔一预设时间采集一次实时管网数据并进行输出；
一后台终端，分别连接每个所述监测终端，所述后台终端具体包括：
第一存储单元，存储所述实时管网数据；
第一处理单元，连接所述第一存储单元，持续提取每个所述监测终端对应的所述实时管网数据进行处理，以持续形成每个所述监测终端对应的实时趋势曲线，并根据所述实时趋势曲线持续输出对应的实时斜率值；
判断单元，连接所述第一处理单元，判断所述实时斜率值是否大于一第一预设阈值，输出一判断结果；
第二存储单元，存储一预先训练形成的爆漏判断模型，所述爆漏判断模型用于判断所述水务管网中的管段爆漏情况；
第二处理单元，连接所述判断单元、所述第一存储单元和所述第二存储单元，根据所述判断结果，当任意一个所述监测终端对应的所述实时斜率值大于所述第一预设阈值时，将所述第一存储单元中保存的对应的所述实时管网数据输入至所述爆漏判断模型中，通过所述爆漏判断模型输出一用于表示所述管段爆漏情况的爆漏判断结果；
第三处理单元，连接所述第二处理单元，根据所述爆漏判断结果输出相应的维护排查建议。
2.如权利要求1所述的管网异常管理系统，其特征在于，所述预设时间的取值范围为[30ms，50ms]。
3.如权利要求1所述的管网异常管理系统，其特征在于，所述水务管网中包括多个二次供水泵房；
每个所述监测终端分别设置于一对应的二次供水泵房中。
4.如权利要求1所述的管网异常管理系统，其特征在于，所述实时管网数据包括水流量和压力值。
5.如权利要求1所述的管网异常管理系统，其特征在于，所述第一存储单元包括多个子存储模块；
每个所述子存储模块与每个所述监测终端一一对应，用于存储对应的所述监测终端输出的所述实时管网数据。
6.如权利要求1所述的管网异常管理系统，其特征在于，所述第一处理单元进一步包括：
拟合模块，对每个所述监测终端，根据所述实时管网数据进行线性拟合，输出每个所述监测终端对应的所述实时趋势曲线；
计算模块，连接所述拟合模块，用于根据所述实时趋势曲线，每间隔所述预设时间计算一次所述实时趋势曲线的斜率值并记为所述实时斜率值并输出。
7.如权利要求1所述的管网异常管理系统，其特征在于，所述判断单元还连接所述第一存储单元；
所述实时管网数据包括压力值；
所述判断单元判断所述实时斜率值是否大于一第一预设阈值，以及判断所述压力值是否小于一第二预设阈值并大于一第三预设阈值，输出所述判断结果；
所述第二处理单元连接所述判断单元、所述第一存储单元和所述第二存储单元，根据所述判断结果，当任一所述实时斜率值大于所述第一预设阈值，同时所述压力值小于所述第三预设阈值或所述压力值大于所述第二阈值时，将所述第一存储单元中保存的对应的所述实时管网数据输入至所述爆漏判断模型中，通过所述爆漏判断模型输出一用于表示所述管段爆漏情况的爆漏判断结果。
技术总结