灰色关联度分析在华北某市给水管网漏损因素评价中的运用

作者:周川 杨力 张韵 张炯 高雷 段然 吴敏 赵晓辉
单位:北京市市政工程设计研究总院有限公司 北京市自来水集团管网管理分公司 呼和浩特春华水务开发集团有限责任公司 河北省大清河河务管理处
摘要:选取华北某市近5年管网破损记录中管材、管龄、管径、破损外因4个因素结合管网破损事件通过灰色关联评价方法进行分析, 结果表明各影响因素对管网漏损的影响大小依次为:管材、管径、破损外因、管龄。经分析本地区管龄在10年左右, 管径≤DN50的镀锌钢管和钢管更容易因管道腐蚀、配件质量、不均匀沉降问题而发生渗漏。
关键词:给水管网 漏损因素 灰色关联 关联度
作者简介:周川, 100082北京市海淀区西直门北大街32号市政总院大厦 E-mail:zhouchuan@bmedi.cn 电话: (010) 82216730;
基金:国家重点研发计划 (2016YFC0802407);

 

0 引言

减少管网漏损一直是国内供水工作中的难题, 漏失和爆管不但会造成供水管网水量的损失, 也严重影响到供水管网的安全运行。同时因管网抢修, 影响正常供水的同时, 也会影响道路、交通等, 引发次生灾害, 给市民正常的生活带来不应有的影响和损失[1]

根据《城市供水行业2010年技术进步发展规划及2020年远景目标》相关要求:城市供水管网漏损率, 到2010年应不大于12%, 到2020年大中城市的管网漏损率应控制在10%以下, 城市供水管网漏水抢修及时率达到96%以上。2016年9月住房和城乡建设部发布了《城镇供水管网漏损控制及评定标准》 (CJJ 92—2016) , 其中规定城镇供水管网基本漏损率分为两级, 一级为10%, 二级为12%, 城镇供水管网的漏损率不能超过12%。距统计全国自来水平均漏损率为15.7%, 距规定的12%仍有一定差距, 发达国家漏损率最高可控制在6%~8%, 可见加快自来水管网的改造步伐、完成对严重老化和漏损管网的改造还有很长的路要走[2]

综上可看出对供水管网漏损现状影响因素进行分析并提出行之有效的措施是刻不容缓的。本文针对华北某市管网漏损收集数据提出灰色关联度评价方法, 通过各因素关联度对给水管网漏损影响因素进行评价分析, 为后续给水管网的建设、设计、施工、管理提供科学的依据。

1 给水管道漏损原因分析

影响管道漏损的因素较多, 原因较复杂, 往往是一种或多种因素共同作用的结果。一般分为内部因素及外部因素。内部因素包括管材质量、管道配件质量、管道接口、腐蚀、管道老化等, 外部因素包括基础不均匀沉降、管道施工质量、压力、埋深与外荷载以及其他问题。

1.1 内部因素

1.1.1 管材问题

从管材方面来看, 管道的性能和质量取决于管道使用的材料和内部的结构。简而言之, 漏水的发生与材质有很大的关系。

钢管耐高压、韧性好、强度大、接口方便, 使用也较为普遍, 但钢管承受外荷载稳定性差、易腐蚀。镀锌钢管稳定性差, 保护层不够致密, 运输、安装过程中容易造成脱落, 极易被锈蚀, 自2000年起我国也明确禁用镀锌管;球墨铸铁管可柔性连接、法兰连接, 施工安装方便、水密性、抗震性能较好, 但如果施工质量不好, 易发生胶圈挤落、接口断裂而导致管网漏水;传统铸铁管主要采用刚性接口, 也有用膨胀水泥封口, 抗冲击和抗震能力较差, 易发生渗漏;由于混凝土管易就地取材、价格较低, 在城市供水建设初期也有一定应用, 但混凝土管对管道基础要求较高, 易因不均匀沉降而导致漏水;塑料管、钢塑复合管属于新兴材料, 经常由于安装经验不足导致很多违规行为, 使管道与阀门等附件处于非常规状态发生漏损。华北某市2016年统计配水管网主要构成如表1所示, 过去由于工业生产水平的限制, 我国供水管网早期采用的DN75以上的管材以灰口铸铁管为主, DN50以下的以小口径镀锌管为主。

表1 华北某市主要配水管网管径构成Tab.1 Pipe diameter of the main water distribution network of a city in North China   

表1 华北某市主要配水管网管径构成Tab.1 Pipe diameter of the main water distribution network of a city in North China

1.1.2 管道配件质量

当管配件系列不全, 管配件非标准型号时, 在管段压力和温度大幅度变化的情况下, 管段各部分技能表现不一致, 因此可能发生漏水情况。常发生漏水的配件为阀门、马鞍、消火栓等。

1.1.3 接口问题

供水管网中管道接口形式很多, 接口的漏损概率较大, 原因是接口处往往是应力的集中点, 当管段发生伸缩、不均匀沉降时, 应力传至接口处, 容易使接口松动, 甚至破裂。

1.1.4 管道腐蚀

腐蚀主要表现方式是生锈、坑蚀、结瘤、开裂或脆化等。结垢对所有管材都存在, 水垢是微生物的避风港, 在有机物营养物质条件下, 会繁殖生长, 进而产生微生物腐蚀, 同样会产生穿孔或爆管。

1.1.5 管网老化

一些管道埋设年代已久, 受土壤中酸碱成份和杂散电流的影响以及某管道中输送的水中杂质的作用, 其管材中材料的特性已发生变化, 水密性和强度都大大降低, 失去了安全输送水质的能力。

1.2 外部因素

外部因素主要表现为:管道基础不良, 覆土不实, 回填时不符合规范要求, 使管道局部受力显著增加, 增加漏损和爆裂的可能性;市政工程施工过程不规范, 接口质量差、刚性接口打捻不实, 接口养护时间短, 橡胶圈接口位置不正, 管道与配件不协调等均引发管网漏损[3];管道运行状态多变, 管道、阀门、管配件处压力波动较大产生各种跑冒滴漏;以及管道埋深未满足设计规范要求, 上面土层、路面、建筑物的静荷载、交通车辆的动荷载等影响使接口松动而导致漏水发生。

收集华北某市2011~2015年共计12 171条的供水管网漏损事故检修数据, 为管网漏损事件发生时的记录分析资料, 包括报修时间、管道敷设年代、管龄、漏损地点、管径、管材、破损类型、破损原因、维修材料、管道周边环境、漏损水量等信息。由于管网漏损影响因素较多, 事故破损收集的数据有限, 无法完全关联对应各漏损因素, 同时各因素间关联性较低, 建立管网漏损与其影响因素之间的量化关系较为困难。

2 灰色关联度评价方法

管网漏损影响因素的分析, 常规采用百分比计算处理, 客观性较差, 无法考量各影响因素相互关系。对于多因素统计分析方法, 经典的是采用多元统计分析方法, 其在评价影响因素时也存在一定不足: (1) 要求具有大量数据; (2) 计算过程复杂, 易发生计算错误; (3) 分析原理不直观, 给工作人员带来困难。

而灰色关联度分析法是根据序列可比性和相似性来分析各因素之间的关联程度, 对漏损样本大小和有无规律都没有特别要求, 不会出现量化结果与定性分析结果不符的情况;灰色关联度分析对于一个系统发展变化态势提供了量化的度量, 非常适合动态历程分析, 符合现阶段管网破损记录数据情况, 基于此提出灰色关联度评价方法, 通过各因素关联度对给水管网漏损影响进行评价分析。

2.1 基本原理

灰色关联度分析法是研究两个参数序列的关联度, 若关联度大, 则两参数序列表征的几何曲线越相似, 对于管网漏损若影响因素与漏损发生事件关联度大, 则可认为该因素对管网漏损影响性大;若关联度小, 则两参数序列表征的几何曲线不相似, 距离远, 则相应认为该因素对漏损影响性小。

2.2 灰色关联度分析方法计算步骤

2.2.1 基础数据初步整理

收集的华北某市2011~2015年60个月的供水管网漏损事故检修数据 (收集自城区内各管网管理公司) 较为丰富, 包括报修时间、管道敷设年代、管龄、漏损地点、管径、管材、破损类型、破损原因、维修材料、管道周边环境、漏损水量等信息。主要数据情况如表2所示。

由于收集的资料时间连续性较好, 灰色理论常用于处理时间序列的数据。因此对原始数据按时间划分, 利用原始数据在时间上的差异性, 求解各影响因素的相关系数, 进一步利用相关系数求解关联度[4,5]

2.2.2 确认参考序列和比较序列

灰色关联度分析过程中, 需确定参考序列。参考序列与各影响因素都存在着联系, 其选择是否合适、正确, 决定着最终关联分析结果的准确性。通过比较分析, 本文选择管段的漏损次数作为参考序列, 不同影响因素的故障次数作为比较序列, 如管材、管龄、管径、破损外因等, 进而研究各比较序列影响作用的大小。以实际检测的数据作为参考序列, 计为xi (k) 。

表2 管道漏损事故检修统计数据 (以2011年1月1日报修管道为例) Tab.2 Statistical data of pipeline leakage accident repair in January 1st 2011   

表2 管道漏损事故检修统计数据 (以2011年1月1日报修管道为例) Tab.2 Statistical data of pipeline leakage accident repair in January 1st 2011

表3 管材数列X的基本数Tab.3 Basic data of pipe material series X   

表3 管材数列X的基本数Tab.3 Basic data of pipe material series X

表4 各管材与管网漏损总数的关联系数Tab.4 Correlation coefficient between pipe material and leakage of pipe network   

表4 各管材与管网漏损总数的关联系数Tab.4 Correlation coefficient between pipe material and leakage of pipe network

以管材为例, 按时间序列, 统计热镀锌钢管、钢管、涂塑复合钢管、普通铸铁管、球墨铸铁管、预应力水泥管、其他管材发生故障次数如表3所示。

2.2.3 无量纲化处理

由于各项评价因子的量级和单位不完全相同, 在多指标综合评价的过程中, 不同的量纲和数量级无法直接进行比较评价, 因此在计算关联度之前需要对各不同评价因子所对应的数据进行无量纲化处理, 得到无量纲化结果, 见式 (1) 、式 (2) :

 

利用式 (1) 计算出无量纲化结果, 再利用式 (2) 计算出绝对差数列。

2.2.4 求关联系数

经过无量纲化及绝对差处理后, 参考序列变为Xi, 比较序列为X0, 关系系数为:

 

式中ξoi (k) ———第i个比较序列与参考序列k时刻的关联系数;

Δ0i (k) ———k时刻两个序列差的绝对值, Xi (k) 为无量纲化处理结果;

Δmin, Δmax———各个时刻差的绝对值中的最大值与最小值;

ρ———分辨系数, ρ越小, 分辨力越大, 一般取ρ=0.500。

再通过式 (3) 及计算出的绝对差数列计算出各种管材的关联系数 (见表4) 。

2.2.5 关联度的求解

关联度是灰色关联分析中一个重要的数值求解, 对于漏损影响的评价至关重要。但由于影响漏损的管材种类分为7类, 所以关联系数也会有7个, 而7个太过分散并且毫无联系的系数并不容易进行整体性比较, 因此有必要将7个评价因子的关联系数集中为一个值, 通过求其平均值方法, 将7个关联系数的平均数作为比较序列与参考序列间关联程度的数值表示, 关联度r0i (k) 公式见式 (4) :

 

利用表4管材的关联矩阵及式 (4) 最终计算出管材的灰关联矩阵 (见表5) 。

表5 管材的关联度Tab.5 Correlation of pipe material   

表5 管材的关联度Tab.5 Correlation of pipe material

按照该方法, 亦可求得其他因素与管道事故之间的关联度, 如图1所示。通过对各影响因素的分析, 可以得出如下结论:

(1) 根据各表中数据, 得到各影响因素的关联度分别为:管材r01=0.732, 管龄r02=0.680, 管径r03=0.722, 破损外因r04=0.714。可以得出华北某市各因素对管网漏损影响大小依次为:管材、管径、破损外因、管龄。

(2) 针对管材而言, 热镀锌钢管更容易渗漏[6], 在今后一个时期内, 热镀锌钢管仍是华北某市管网爆管漏损事故的防治重点。球墨铸铁管发生事故的总次数较少, 但关联度较大, 与实际情况存在一定差距, 可能是由于本地区球墨铸铁管较多, 同时由于施工质量问题或橡胶圈老化等因素间接导致。

(3) 管龄与管道事故的关联度较小, 说明管龄对管道事故作用不大, 其关联度趋势与管道寿命周期的“浴盆曲线”[7]基本相符, 即管道服役过程中的3个阶段 (初生期、稳定期、衰老期) 。

(4) 管径与管道事故关联度折线图大致成反比关系, 说明管径越小, 其与管道事故的关联度系数越大, 也即小管径发生故障的概率更大[8]

(5) 管道腐蚀是管道发生渗漏的外部主因, 同时可发现华北某市供水管网管道附件质量问题与管道基础的不均匀沉降问题也是引发管道渗漏的重要因素。

图1 关联度折线Fig.1 The correlation charts

图1 关联度折线Fig.1 The correlation charts

 

(6) 通过计算, 可发现影响因素通过关联度来展示, 其结果更直观, 针对普通员工也能够受用。同时分析结果符合实际, 也证明了灰色关联度分析方法在本市管网评价的可行性。

3 结论与建议

(1) 本文运用的灰色关联度分析法对华北某市破损影响因素分析的结果符合实际, 结果更直观, 表明该方法能用于华北某市管网漏损的有关实际分析, 可为管网漏损分析人员提供指导。

(2) 通过对管网破损数据的分析, 可得出华北某市管网漏损事件各影响因素影响大小依次为管材、管径、破损外因、管龄。经分析本地区管龄在10年左右, 管径≤DN50的镀锌钢管和钢管更容易因管道腐蚀、配件质量、不均匀沉降问题而发生渗漏。建议可根据确定的管网渗漏的影响因素次序采取针对措施, 做好管网渗漏的防治工作。

(3) 由于收集数据有限, 仅对华北某市管网漏损中管材、管径、破损外因、管龄4个因素进行了分析, 其评价结果符合实际。可为后续该区域管道健康等级的划分以及管道漏损影响因素专家评分法赋权提供一定参考。

 

参考文献[1]张宏伟, 牛志广, 陈超.供水管道漏损预测模型研究[J].中国给水排水, 2001, 17 (6) :7-9.

[2]张勤, 李广浩, 张智, 等.供水管网漏损影响因素关联度的灰色评价分析[J].给水排水, 2006, 32 (2) :27-30.

[3]董婉, 阳许军, 鲁辉.基于灰色关联度推理的水质评价系统分析[J].电子测试, 2017, (18) :40-43.

[4]孔海燕, 赵颖, 陈柯, 等.改进的灰色关联度分析在环境质量评价中的运用[J].环境与发展, 2018, (1) :109-110.

[5]柳春光, 何双华.震后给水管网服务性能的模糊评价方法[J].天津大学学报, 2010, 43 (8) :690-696.

[6]王丽娟.城市供水管网漏损控制研究[D].天津:天津大学, 2010.

[7]Pelletier G, Maihot A, Villeneuve J P.Modeling water pipe break-sthree case studies[J].Water Resources Planning and Management, 2003, (3-4) :115-123.

[8]张圆.城市给水管网健康诊断方法研究及应用[D].哈尔滨:哈尔滨工业大学, 2013.
Application of grey correlation analysis in evaluation of leakage factors in water supply network of a city in North China
Zhou Chuan Yang Li Zhang Yun Zhang Jiong Gao Lei Duan Ran Wu Min Zhao Xiaohui
(Beijing General Municipal Engineering Design and Research Institute Co., Ltd. Beijing Waterworks Group Management Network Management Branch Hohhot Chunhua Water Development Group Co., Ltd. Daqinghe River Affairs Management Office of Hebei)
Abstract: The impact of leakage factor on water supply network was anlysised by gray correlation evaluation method, which the four factors was pipe material, pipe age, pipe diameter and external damage in the damage records of the pipe network of a city in north china in the past five years, as well as the damage events.The results showed the damage degrees from most significant to least significant are pipe material, pipe diameter, external damage, and pipe age.The result indicats that the pipe age of the area is about 10 years, and the galvanized steel pipe and steel pipe with the diameter≤DN50 are easily to leaking due to corrosion, fittings quality, and uneven settlement.
Keywords: Water supply network; Leakage factor; Grey association; Correlation;
1423 1 1
文字:     A-     A+     默认 取消