完善地下管网系统的信息化建设和开展智能化管控是保障地下管网系统日常运维安全的基石。在这当中,新加坡是一个代表性的案例。新加坡作为一个城市国家,国土面积仅为719 km2,常住人口约为553 万人,由于地理面积有限,新加坡对地下空间的开发利用是有详细规划设计的,即在地表以下20 m 内,建设供水、供气管道;地下15 m 至地下40 m,建设地铁站、地下商场、地下停车场和实验室等设施;地下30 m 至地下130 m,建设涉及较少人员的设施,比如电缆隧道、油库和水库等。新加坡因为是世界上水资源最短缺的城市之一,复杂的供排水管网大多埋于地下,相对不易接近,对其结构进行监控也极具有挑战性。因此,保证管网的完整性对于为公众提供饮用水来说至关重要。为此,新加坡国家水务部门PUB 为支持管网运营所需的智能水网设定了愿景和要求。根据这些具体的实施要求和指南,在新加坡6个供水区部署了一套在线实时水力水质监测平台,作为智能供水系统的Ⅰ期项目。该项目工程于2013年12月开始,包括部署210个传感器,用于收集供水网络水质、压力、流量和水声的实时数据。还包括采用WaterWiSe 平台管理和分析从这些传感器收集到的数据以及来自自动化仪表的数据。其中,WaterWiSe 平台可提供许多数据分析工具,这些分析由应用程序驱动,包括对爆管/漏水或水质事件提供报警管理的综合报警系统、水力仿真、需水分析和预测、数据可视化的压力和水质热点总图,以及对滴漏事件进行记录和趋势分析的滴漏库等。具体来说,新加坡智能水网的开发、部署和应用主要包括:水网数据管理和分析;供水干管爆管监测和定位和供水干管压力评估。
1.水网数据管理和分析
水网数据通过WaterWiSe 系统进行管理和分析,由Datalntel 工具提供,是一套集GlS、SCADA 和流量、压力、水质数据管理、分析、可视化于一体的综合解决方案。Datalntel 工具,集成了现有的众多数据源,例如SCADA 系统、数据库、Microsoft Excel 文件、文本文件和GlS 数据,它通过集成在Google 地图上实现基于地图的可视化,如图12-7、图12-8 所示。Datalntel 还可用于建立和跟踪供水区液位度量。例如夜间最低流量和需求的变化,通过安全的Web 浏览器界面、电子邮件和短消息SMS,该工具会针对各种异常发送警告和通知。此外,该系统还可与ESRl 的GlS 系统ArcGlS 相连接并提供地图层。
图12-7 通过Datalntel 提供WaterWiSe 系统界面—传感器实时数据的可视化
图12-8 通过Datalntel 提供WaterWiSe 系统界面—GlS(地理信息系统)可视化
基于WaterWiSe 系统的Datalntel 工具,PUB 的工作人员可建立多种实时分析和异常检测报警,例如对供区进行需求计算和预测,为水泵起停操作等提供参考,进行最低夜间流量和容量跟踪,实现滴漏监测、需求变化检测以及确定与天气的相关性等。同时,供水区可根据其区域边界用不同的颜色代码绘制,用户可在操作界面上基于不同区域实现这些分析评估。此外,也可计算出区域需求或夜间流量并完成可视化。如图12-9 所示。另外,Datalntel 工具还提供了水质传感器的分析,例如提供校准计划表和漂移报警,结合单一标准下的各种水质检测,对较大地理区域范围内发生的水质事件进行空间相关性分析。监测的参数包括有pH 值、氧化还原电位ORP、电导率和浊度。通过Datalntel 工具,可查看传感器记录的全网范围内的水质数据。如图12-10 所示,Datalntel 工具可根据不同的数据对传感器进行对应颜色的标注。该界面提供了全网范围内的电导率或pH 值变化的一览图。
2.供水干管爆管监测和定位
管道爆裂一般是因管道的恶化条件随着时间的推移进一步加深,管道由于反复发生的压力瞬变、飙升事件以及腐蚀而不断遭受破坏造成的。管道压力的瞬变可造成埋管、管配件和管附件产生看不见的细小裂纹,甚至会造成严重的管道破裂。这种压力瞬变通常是由大客户的消耗活动、泵的启动和关闭、快速开关阀门、冲洗操作或开关消防水龙头等原因导致的流量速度突然变化造成的。因此,新加坡的WaterWiSe 系统提供了Leaklntel 工具进行供水干管的爆管监测和定位。该工具是专门用于监测造成爆管的压力瞬变的系统,可在管道故障后立即通知PUB 运营人员。与在夜深人静时采用最有效的声学听漏仪不同,Leaklntel 工具可提供7 天×24 小时爆管监测和报警定位。通过对压力瞬变进行分析,Leaklntel 工具可适用于大多数管径和各种管材,例如石棉水泥管、球墨铸铁管、铸铁和铸钢管等。随着传感器网络在新加坡的扩展,在两年的项目实施期内,该系统共检测到74 处总管爆裂,平均漏水速率为2~5 L/s。如图12-11-图12-13 所示,显示了通过对压力瞬变分析的典型爆管监测事件。当发生爆管事件时,检测到压力急剧下降。此外,为最大程度地降低系统发出的误报警,Leaklntel 工具还提供了校验程序。一旦警报进入校验程序,事件检测软件即可根据大量的爆管模型和匹配逻辑进行排序,将较高的排名数分配给高可能性的爆管事件,然后控制室在每7 天24 小时内对警报进行确认,并通知相应的水务工程师,该过程如图12-14 所示。
图12-9 用水量计算、预测和可视化
图12-10 通过标注点不同颜色的变化实现水质可视化
图12-11 2014年11月10日下午04: 25,检测到300 mm 总水管爆裂的压力瞬变图
图12-12 2015年4月2日上午04: 46,检测到800 mm 总水管爆裂的压力瞬变图
图12-13 2015年4月2日下午05: 09,检测到150 mm 总水管爆裂的压力瞬变图
图12-14 新加坡实施的爆管监测、分类和报警过程(www.xing528.com)
需要指出的是,在供水干管的爆管监测和定位过程中,Leaklntel 工具的定位精度在很大程度上取决于可用GlS 信息的准确度以及传感器设备搭载的GPS 位置同步精度。一般情况下,在爆管发生时,系统可识别出管路的范围,这时水务公司需要进行现场勘察(勘察距离约100 m)并确认管裂的具体位置。作为实时爆裂警报系统的一部分,控制室会将爆裂位置范围发送给水务工程师。因此,当由于GlS 数据不全造成爆裂位置精度较低时,一般仍需要采用传统的勘察方法,即在Visenti 建议的界定明确的小范围管段长度上,采用听音设备或声波探测仪查明准确的爆裂位置。为充分说明新加坡所实施方法的有效性,图12-15 给出了Leaklntel 系统实时监测和定位的一次管裂事件(漏水速度3~5 L/s)。由图可见,在事件发生过程中,系统突出地显示了压力的瞬变警报。经过分析后,PUB 立即派现场人员前往泄漏地点,迅速高效地处理了此次事件,在收到警报后2 小时内就解决了爆管问题。
图12-15 系统检测到的管裂事件
Leaklntel 工具可以实现供水干管爆裂的实时监测和迅速定位,但存在的问题是难以发现客户小尺寸连接管的滴漏(主要是直径35 mm的铜管),这种滴漏通常产生非常小的压力波动,很难监测。另外,系统检测不出来的其他事件是长时间慢慢形成的已存在的主水管滴漏,这种也不会产生压力的瞬变。因此,新加坡WaterWiSe 平台还包括了声呐传感器,用于帮助检测又慢又小,但正在形成的漏点,这种漏点通常不会产生急剧压力瞬变,因此用压力传感器检测不到。系统采用的这些声呐传感器每小时对压力管范围内的噪声进行采样一次(每天采样24次),以检测随时间推移逐渐形成的泄漏。对较小的滴漏进行检测,同时有助于水司提早对管路的修复制订计划,并相应排出优先次序。然而,声呐传感器虽然可以将事件定位于一定的区域范围,但不能进行漏点的准确定位,仍需要对怀疑位置进行目标声学勘察,以实现准确的漏点定位。如图12-16、图12-17 所示,采用声呐检测出的缓慢形成的滴漏,其在滴漏浮出水面2 天前检测到滴漏的早期迹象。
图12-16 检测到的泄漏声音信号
图12-17 缓慢形成的滴漏声学能量图
3.供水干管压力评估
及时检测、定位和最大程度地减少水锤事件,对于降低由于管材疲劳造成的管道故障是至关重要的。管材疲劳是指材料遭受反复压力等周期性加载和卸载应力时,造成的渐进性结构损伤。
最近几年,水务部门和学术机构针对这一课题,开展了大量工作。例如,国际水协会(lnternational Water Association,lWA)水系统高效运行和管理的专家组在巴西圣保罗举行的2010年水损失会议上报告称,压力瞬变/水锤事件是导致管材疲劳的主要原因之一,在管道遭受连续的加载和卸载应力时发生。如果加载/卸载循环超出一定的阈值,微观裂纹就会开始形成,并逐渐蔓延直至管道破裂。因此,新加坡WaterWiSe 平台研发了PascalView 工具,可以捕获和分析来自于部署在网络中的传感器的高频压力数据(每秒最多采样256 次)。该数据每分钟向服务器传输一次,服务器采用机器学习技术检测管网中具有破坏性的压力瞬变。PascalView 工具不仅可以检测出异常的压力瞬变,还可以自动将其关联到各种管网活动,例如客户消耗、阀门动作等,并确定可能的瞬变原因,如图12-18 所示。此外,PascalView 还可以利用多个压力传感器检测到的瞬变,并关联这些信号,在水网中找出这些瞬变的来源,将最可能的来源位置(泵、阀、客户消耗、施工等)报告给PUB 的水网操作员,便于他们确定最恰当的补救措施。这些措施对于确保通过阀门的平缓操作、安装水锤抑制设备或其他相关方式缓解这种具有破坏力的瞬变是极其重要的,并因此避免管道故障,实现供水管网的预防性维护。图12-19 为明显的压力瞬变活动造成区域内管道破裂的几个示例。
经过更长的时期,PascalView 工具可学习管网的不同区域所承受的不同压力分布图。当网络中的某一特定管段开始更频繁地经历更大、可能更具有破坏力的瞬变时,通过在线压力分析,有助于对这种情况引发的管道故障进行预测。这种压力分布图可以表明管道的应力加大,因而更容易导致管道失效。另外,该系统可以自动触发向供水工程师发送警报通知,向其提供未来几周可能出现管道故障的区域信息。这种早期预警对于水务公司降低与管网特定区域内伴随管道故障出现的相关风险至关重要。通过对压力瞬变的连续监测,PUB 一般至少可以洞察出三个重要方面的情况:
图12-18 PascalView 实时分类信号举例
图12-19 检测到多个地点高层办公楼反复发生的高振幅瞬变(压力飙升和水锤事件)
图12-20 检测到由于建筑工地非常规性的用水引起的高振幅瞬变
(1)客户的消耗活动是否引起了破坏性的压力瞬变;
(2)这些瞬变是否造成了管网任意部分的应力增加,尤其是老旧的铸铁管段(对管道破裂提供早期预警);
(3)如果管道破裂,确定这是否与该地区的泵操作或其他瞬变相关活动有关。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。