一、概述

　　供水SCADA系统通过分布在供水管网中的压力监测点和流量监测点，采集了供水管网中关键节点的供水压力和流量。在管网发生较大规模的爆漏或者爆漏地点比较临近监测点时，监测点所检测到的压力、流量将会发生明显的变化。利用这一变化，通过计算机的计算判断，就可以较快地发现上述这些较为典型的爆漏。之所以要这样做，主要有两个原因：一是当监测点数量逐渐增多时，通过人工观察很难时刻准确发现压力、流量的变化，而计算机正是有着这方面的优势，可以辅助调度人员对监测点进行观察；二是典型爆漏如果发生在偏僻地区，或者在深夜凌晨等时刻发生，此时依靠市民上报来发现爆漏的及时性不足，而SCADA系统的监测是24小时运作的，可以较好地弥补这一空缺。由于SCADA系统目前轮询一般间隔为5分钟（还可以根据需要进一步调快一点），因此如果发生了典型的爆漏，最快可以在5分钟内检测到。在实际运行中，如果泵站的机组有了变化，同样可能会造成压力、流量的突然变化，所以在判断时，还要利用SCADA系统采集的泵站机组开关状态来将这种情况排除。目前已经在供水SCADA系统的基础上初步实现了这种检测方法，并实际进行了针对参数调整和检测效果的试验。

　　二、算法思想简述

　　限于篇幅这里仅简述算法思想，对算法的形式化描述另文详述。对发生爆漏时人工判断的过程进行观察可以总结如下的过程（流量的处理与压力相似，这里以压力为例）：

　　1. 当爆漏发生并对监测点的压力、流量产生了影响时，SCADA系统采集的数据出现了相应的变化；

　　2. 调度人员观察当前各压力监测点的压力值，凭记忆以及以往正常供水情况下的大致压力情况判断各压力监测点是否压力有异常的变化。如果发现有的时候，就以下一步的动作来进一步处理；

　　3. 调度人员首先观察该点的压力异常变化是否个别现象。如果不是个别现象。如果仅是个别现象，那么再查看附近的泵站是否开停机有变化过。如果附近有关的泵站已经停机或者开机过，说明这个现象很有可能是由此而来，则该现象是爆漏产生的可能性就很低了，反之则说明这个现象不是开停机造成的，那么它是爆漏的可能性就增高了。

　　4. 如果压力异常不是个别现象，而是其附近的监测点同样也有压力异常的情况，那么真的出现爆漏的可能性就非常高。此时再观察这些有异常变化的监测点其附近泵站是否有开停机，由此可以进一步修正判断存在爆漏有多大的可能。

　　由此我们可以认为：a. 这种发现爆漏的判断是一种可能性判断，而不是非此即彼的判断，如果用[0,1]区间的数值来表示这种可能性，可以比较灵活地进行处理。b. 对于监测点压力，一般是以一个或一组监测点来观察的。c. 判断的过程主要分两步：首先判断一组监测点是否有爆漏的嫌疑，然后观察其周边相关泵站是否有开停机造成这种影响。

　　因此算法过程可以构造如下：

　　1. 设置方法：

　　将SCADA系统中各压力监测点分成若干组，如下图左方所示即为分组名称列表，中间部分则是分组所包含的若干的压力监测点：

　　每个压力监测点以标识名为唯一标识，并且每个压力监测点在分组中都可以设置一个“突降值”。这个“突降值”的意思是压力的突然下降程度。右方设置的是与该组监测点相关联的水厂、加压站，最多可以设置8个。其中厂站1到厂站2的权是递减的，即应该将影响最大的泵站设在厂站1，其次是厂站2，…具体的计算见下面。

　　2. 计算步骤：

　　a. 记录泵机变化：当SCADA系统采集的泵站泵机开停状态在一旦有一个状态变化时（比如某台机从“关”变为“开”），在内存中将其变化的时刻记录起来。这样，内存中泵机始终标记着它变化的最后时刻。

　　b. 判断压力变化：当时刻1到来时，将SCADA系统轮询一次收集了所有压力监测点的压力数值保存在内存数组中；然后在时刻2（与时刻1相差5分钟）到来时，逐一扫描上面所述的所有分组，按分组所包含的压力监测点，将收集的压力与内存中保存的时刻1的数据进行对比，若某一个压力值的变化从时刻1到时刻2下降，并且下降的压力差大于等于“突降值”，则认为该监测点初步具有“异常嫌疑”。

　　c. 监测点投票：按一个分组中，有“异常嫌疑”的监测点所占比例计算其“初步的爆漏可能性值”，比如上图所示分组有5个监测点，若有4个监测点都有“异常嫌疑”，则可以认为这个分组有爆漏的可能性是4/5=0.8，即80%。

　　d. 泵站状态修正：再观察关联的泵站泵组，如果关联的泵组中有泵机的最后的变化时刻是在时刻2之前的10分钟以内，则说明发生压力突降很可能是这个原因造成的。此时按厂站1权为10%，厂站2为20%，厂站3为30%，…来将变化了的厂站的权与c.中的“初步的爆漏可能性值”相乘，得到“修正的爆漏可能性值”。这样比如厂站1和厂站3的泵机有变化，那么可能性就是0.8*10%*30%=0.024，即2.4%那么爆漏的可能性就很小了，反之如果泵站都没有变化，维持了原来的80%，那么爆漏的可能性就很高了。之所以要将泵站按分权来设置，是因为有些泵站对一个组的监测点的影响非常大，一个泵机的变化足以造成相当大的压力下降，而有些则不那么重要。另外要说明的是，之所以要判断时刻2之前10分钟以内的泵机变化，是因为泵机从关闭到打开或者从打开到关闭往往都需要一个过程，这个过程大概持续1-3分钟不等。并且SCADA系统的轮询间隔是5分钟，算上可能刚好错过的时间，泵机的变化要反应到SCADA所采集的压力值上大概需要10分钟左右。

　　e. 计算了所有分组的“修正的爆漏可能性值”，将其全部列在界面中如下图，一般来说，除非将突降值设得比较小，否则大多数分组正常运行时都应该是0%的值。

　　预先在系统中设置一个阀值（比如60%），如果发现某个分组的“修正的爆漏可能性值”超过了这个阀值则将其打红列出，并且产生报警提示调度人员。双击这条记录还可以看到它具体判断的依据，即该分组的压力是如何变化，泵机是如何变化的。

　　三、经验小结

　　这种快速检测方法，其理据主要是爆漏时产生的压力、流量的变化。但是如果压力监测点分布不足，或者周边有补水现象造成下降的幅度不大，这样的情况就无法检测出来了。正如第一节所述，这种方法主要是用于夜间无人时刻或者偏僻地区的典型爆漏。实际试验发现在市中心进行排水，尽管排水量较大（比如排500方），压力下降的现象仍不明显，而在偏远地区的大管，由于连通支管少，补水现象不明显，反而容易出效果。另外在实际试验中也发现，压力下降的现象不如流量变化的现象明显，即使是市中心，排水后虽然压力没怎么下降，流量却确实下降或增大了。不过流量计安装不便且价格昂贵，相对来说流量监测点不如压力监测点的数量多，因此两者是互相弥补的。