论文部分内容阅读
随着智能水表技术的发展,实时监控系统使供水部门可以拥有大量关于供水管网属性的数据。智能水表包括记录水量和通信系统两部分,可以实时传输和储存用水量数据。智能水表已经被广泛应用,大多数城市都具有这样的设备,然而智能水表传送的关于管网属性的数据,水司仅仅用于日常调度和经济效益考评,之后这些大量数据会被储存一段时间。智能水表连续传送数据,随着数量逐渐增大,水司会因为内存原因而把这些数据删除,同时删除的还有这些数据所含有的非常有价值的管网信息。随着数据挖掘技术的发展,我们有技术有能力处理分析这些数据,最大程度地挖掘数据所包含信息。分析这些数据有助于供水管网革新供水管网管理、计划和用户服务,更加充分利用水资源,保护水资源。本文根据DMA分区流量数据特点,提出一种聚类方法,即基于DMA分区用水量曲线距离和形状的聚类算法(KS),该聚类方法相对经典K-means、自主映射(SOM)和模糊C均值而言,更能体现DMA分区用水量规律。通过Y市DMA分区项目中获得43个DMA分区的流量数据,对这43个DMA分区流量数据进行数据预处理之后,进行聚类分析,比较KS、K-means、SOM和FCM四种聚类算法效果,最终表明KS的聚类效果最好,并且通过分析KS聚类结果,能够指导水司检测异常情况(漏损、偷水)。在对43个DMA分区流量数据处理过程中,通过观察43个DMA分区的用水量变化曲线,发现根据《给水工程》等教材计算出的时变化系数,小于大多数各小时用水量占全天总用水量比例。说明若继续采用《给水工程》等教材中的时变化系数公式,将不能保证如Y市这样城市的供水安全,建议进一步修正时变化系数公式。