水力分布网络中的泄漏局部化的因子图优化
系统与控制
2025-09-16 v1 人工智能
机器学习
系统与控制
摘要
检测和定位水力分布网络系统中的泄漏是具有直接环境、经济和社会影响的重要议题。本文首次探索了因子图优化技术用于水力分布网络泄漏定位的方法，使我们能够对压力传感器和需求传感器读数进行传感器融合，并估计网络在所有网络节点上的时空演化状态。该方法引入特定的水网络因子，并提出一种由两个因子图组成的新架构：一个泄漏自由状态估计因子图和一个泄漏定位因子图。当获得新的传感器读数时，与卡尔曼滤波及其他插值方法不同，后者仅估计当前网络状态，因子图会更新当前和过去的状态。Modena、L-TOWN 和合成网络上的结果表明，因子图比基于非线性卡尔曼方法（如 UKF）的其他替代方案快得多，同时也在定位方面提供了相对于现有估计-定位方法的改进。实现和基准可在 https://github.com/pirofti/FGLL 上获得。
引用
@article{arxiv.2509.10982,
title = {Factor Graph Optimization for Leak Localization in Water Distribution Networks},
author = {Paul Irofti and Luis Romero-Ben and Florin Stoican and Vicenç Puig},
journal= {arXiv preprint arXiv:2509.10982},
year = {2025}
}