[0001] 本发明涉及漏液检测技术领域，尤其涉及一种用建筑工程的暖通冷凝水防漏检测系统。

[0002] 漏液检测技术领域涉及使用各种方法和设备来检测封闭系统，如管道、容器或任何液体输送系统中的泄漏。这些技术通常包括传感器和检测设备，能够识别和定位泄露点，以及评估泄漏的大小。漏液检测技术的应用非常广泛，从家庭暖通系统到大型工业管道都
有可能使用。漏液检测对于保持系统效率、防止物质浪费以及避免环境污染和设备损害具
有重要意义。

[0003] 其中，暖通冷凝水防漏检测系统是指用于检测暖通系统中冷凝水管道和部件的泄漏情况的一种系统。这种系统的主要用途是防止由于冷凝水的泄漏而导致的设备损害、效
率降低或建筑结构问题。通过及时检测和处理泄漏，这种系统有助于确保暖通系统的安全
运行和持续效能。

[0004] 现有技术依赖基本传感器反馈和简单数据分析，在处理复杂或隐蔽泄漏时显示出局限性。尤其在大型建筑或复杂管道系统中，现有方法难以迅速且准确定位泄漏点。时间响应通常不足以处理快速发展的泄漏，可能导致泄漏未被即时发现，引发严重的设备损害和
运营中断。现有技术通常只能反映问题的一部分，无法提供全面的实时数据分析，增加了物质浪费和环境风险。

[0013] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0014] 在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限
制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

[0015] 实施例：请参阅图1，一种用建筑工程的暖通冷凝水防漏检测系统包括：压力传感器采集模块从冷凝管道上的多个压力传感器接收数据，记录每个压力传
感器在连续时间点的压力值，比较相邻时间点的压力变化幅度，监控冷凝泵的压力波动，生成压力特征数据；
空间数据分析模块基于压力特征数据，分析冷凝管道多点的压力分布，识别压力
异常区域，检测排水阀附近的压力变化，计算空间压力差异，生成空间异常指标；
时间数据分析模块处理压力特征数据中的时间序列，追踪集水盘的压力变化趋
势，对比差异化时间点的压力模式，识别异常时间模式，生成泄漏时间序列模式；
泄漏源定位模块结合空间异常指标和泄漏时间序列模式，对比冷凝泵与排水阀之
间的压力变化，测算泄漏源的位置，生成泄漏源位置信息。

[0016] 压力特征数据包括传感器编号、记录间隔、波动范围，空间异常指标包括压力异常区域、空间压力差异、异常位置，泄漏时间序列模式具体指时间变化趋势、压力模式、异常时间点，泄漏源位置信息包括泄漏源坐标、压力差异数据、位置误差。

[0017] 请参阅图2，压力特征数据的获取步骤具体为：从冷凝管道上多个压力传感器接收数据，记录每个压力传感器在连续时间点的压
力值，生成实时压力数据；
从冷凝管道上多个压力传感器接收数据，收集数据是一个过程，涉及数据的实时
获取和初步处理，首先，每个传感器的数据必须经过初步的滤波和校正，确保数据的准确性和一致性，接着，数据在存储之前需要进行格式化，以便于后续的数据处理和分析，这些处理包括时间戳的同步和数据的编码，将这些处理过的数据存储在实时压力数据集中，以供
迭代分析和利用。

[0018] 根据实时压力数据，对比相邻时间点的压力值，计算每个时间点之间的压力差，得到压力差分数据；根据实时压力数据，对比相邻时间点的压力值是一种数据分析方法，首先涉及数
据点的选择，其中关键是确定哪些数据点可以代表连续的测量，然后，对选定的数据点进行差分运算，即计算每两个连续数据点之间的差值，此步通过数学运算进行的，计算结果将形成一个当前数据，即压力差分数据。

[0019] 使用压力差分数据，计算每个传感器的压力变化幅度，采用公式：；
生成平均压力变化幅度数据；
其中，代表第个时间点的压力值，用于捕捉测量时间点的压力读数， 表示紧
随 后的下一个时间点的压力值，用以计算与 的压力差， 代表连续两个测量点
之间的压力差的绝对值，用于测量压力变化的实际幅度而不参照增减方向，代表采集的总
数据点数，用于确定分母中的计算周期， 是实际发生压力变化计算的次数， 是针对
每个传感器的平均压力变化幅度，代表在整个监测期间内，传感器记录的平均压力变化的
绝对值，用于评估传感器监测位置的压力稳定性或异常波动；
公式：
；
公式的有益之处在于，通过取绝对值计算压力的平均变化幅度，能够准确反映出
压力波动的程度，而不仅仅是方向，这对于监测和预防压力异常是非常关键的。

[0020] 公式详解和公式计算推导过程：设置有一组压力数据 ，则计算每
一对相邻压力值的差的绝对值，包括
。

[0021] 计算所有绝对差值的总和：；
然后，将这个总和除以 （在这个例子中是4），得到 。

[0022] 结果表明，平均每次测量间的压力变化幅度为4.25单位，此信息对于评估设备的性能和预防压力关联问题至关关键。

[0023] 通过平均压力变化幅度数据监控冷凝泵的压力波动情况，分析压力稳定性，计算压力特征数据，为每个传感器建立特征描述，得到压力特征数据。

[0024] 通过平均压力变化幅度数据监控冷凝泵的压力波动情况，此过程涉及从平均压力变化幅度数据集中提取关键统计信息评估泵的运行稳定性，首先，分析数据集中的统计分
布，识别极端值或异常点，指示设备问题的关键指标，接着，通过计算数据的标准偏差和均值，得到更全面的波动情况概览，此外，对数据进行趋势分析，通过移动平均或指数平滑，辅助平滑短期波动并揭示长期趋势，这些分析辅助确定是否存在泵的潜在问题，及时进行调
整或维护，确保设备运行效率和安全。

[0025] 请参阅图3，空间异常指标的获取步骤具体为：基于压力特征数据，分析冷凝管道多点压力分布，通过对每个测量点的压力值进
行方差计算和均值分析，生成压力分布分析数据；
基于压力特征数据进行分析，通过方差计算和均值分析方法对每个测量点的压力
值进行处理，此步是为了生成一个压力分布数据，压力分布数据包括每个点的压力变化信
息和统计特性，数据是后续步骤分析压力异常区域的基础，通过这样的分析，能够更准确地识别存在的压力异常区域，这对于维护系统的稳定运作至关关键，压力特征数据通过实时
监测系统获得，确保了数据的实时性和准确性，生成的压力分布分析数据为后续步骤提供
了必要的输入。

[0026] 利用压力分布分析数据，识别压力异常区域，通过计算每个测量点的压力值与相邻点平均压力的偏差，生成压力偏差数据；
使用压力分布分析数据，此数据包括了每个测量点的压力数据，基于这数据，能够
计算出每个测量点的压力值与其相邻点的平均压力值之间的偏差，此计算过程涉及每个点
与其邻近点的压力值对比，通过数学模型处理数据，可以识别压力异常区域，生成压力偏差数据集，此数据是监测系统健康状况的关键，为系统预估的维护或调整提供了依据，通过这种方法，系统的维护团队可以及时挖掘并解决潜在的问题，保证系统的正常运行。

[0027] 根据压力偏差数据，面向排水阀附近的压力变化，采用公式：；
计算空间压力差异，生成排水阀附近的空间压力差异数据；
其中，代表排水阀附近多测量点的压力值，用于识别压力波动并突出异常区域
的压力变化，是测量点的平均压力，提供了一个参考点以计算每个点的偏离程度，代表
排水阀附近点的总数，用于确定参与平均计算的数据点数量， 表示计算得到的空间
压力差异，用于量化排水阀附近的压力不均匀性；
公式：
；
公式的有益之处在于，通过计算排水阀附近多点压力值与平均压力值的三次方差
的平均值的平方根，强调了压力变化的非线性特性，从而对异常变化更为敏感，提高了识别系统异常的能力。

[0028] 公式详解和公式计算推导过程：设置排水阀附近有5个测量点，压力值分别为， ， ， ， 帕斯卡，
平均压力 帕斯卡。则计算过程为：
；
；
结果表明，通过这种计算方法得到一个关于排水阀附近压力稳定性的量化指标，
这有助于评估区域的压力是否存在潜在的风险。

[0029] 基于排水阀附近的空间压力差异数据，分析并计算冷凝管道系统的空间异常指标，生成空间异常指标。

[0030] 根据排水阀附近的空间压力差异数据进行分析，通过数据可以迭代分析和计算冷凝管道系统的空间异常指标，生成空间异常指标，此指标辅助解析在排水阀附近区域的压
力行为，通过这种分析，能够确定哪些区域因压力异常而需要监控或干预，从而优化系统的整体运行效率，减少因压力问题导致的潜在风险，这种方法确保了能够在问题发生前采取
措施，维护系统稳定。

[0031] 请参阅图4，泄漏时间序列模式的获取步骤具体为：处理压力特征数据中的时间序列，运用时间序列分析技术提取长期趋势和周期性
变化，生成时间序列趋势和周期性分析结果；
时间序列分析用于揭示数据中隐藏的模式和周期性趋势，通过计算每个点与之前
值的相关性，确定数据的稳定性或周期性变化，这种分析可以应用于金融市场数据、气候变化观测数据或任何时间序列数据，从而预测未来趋势，生成时间序列分析结果的过程涉及
多个步骤，包括趋势分解、季节性调整和异常值检测，此步通过数学模型来执行，确保分析结果的准确性和可靠性。

[0032] 使用时间序列趋势和周期性分析结果，追踪集水盘的压力变化，应用线性回归模型确定趋势线，计算异常点，生成趋势确认和异常点检测结果；
趋势确认和异常点检测结果的获取涉及对时间序列中的数据点进行线性回归分
析，确定数据的主趋势，线性回归是一种统计方法，用于量化自变量和因变量之间的关系，通过这种分析，识别数据中的主趋势线和偏离趋势的异常点，此步是预测未来数据点和检
测潜在问题的关键，涉及的计算包括斜率、截距的确定以及残差的计算。

[0033] 根据趋势确认和异常点检测结果，进行时间点的压力模式差异对比，采用K‑means聚类算法区分正常和异常压力模式，生成分类结果；使用K‑means聚类算法对时间点的压力模式进行分类，涉及将数据点分配到最近
的聚类中心，然后迭代优化聚类中心的位置，直到满足收敛条件，此过程不仅依赖于初始聚类中心的选择，还涉及每个点与中心之间距离的计算和比较，这是一种非常有效的分类技
术，常用于模式识别和图像分析的领域，通过这种方法，可以将正常压力模式和异常模式区分开，为迭代分析提供基础。

[0034] 依据分类结果，计算泄漏模式，采用公式：；
通过计算观测值与预期值差异的三次方的立方根，生成泄漏时间序列模式；
其中， 表示计算出的泄漏时间序列模式， 代表在时间 的观测压
力值， 代表在时间 的预期压力值，代表总的时间点数。

[0035] 公式：；
公式的有益之处在于，通过提高对小偏差的敏感度，即使在微小的泄漏情况下也
能进行有效的检测，能够及时挖掘潜在的泄漏问题，从而采取对应预防措施，
公式详解和公式计算推导过程：
设置在某一时间点 ，观测到的压力值 为102kPa，而预期压力 为
100kPa，则
；
结果表明，通过计算出的泄漏时间序列模式值为2，说明在 时间点存在压力泄
漏，且泄漏值与预期相差2kPa，此差异值通过公式计算后得出，用于安全监控和维护计划。

[0036] 请参阅图5，泄漏源位置信息的获取步骤具体为：整合空间异常指标和泄漏时间序列模式数据，分析冷凝泵与排水阀之间的压力变
化，应用差分分析确定关键压力变化点，生成压力差异分析结果；
综合空间异常指标和泄漏时间序列模式数据进行压力变化分析时，首先需通过数
据采集系统实时记录冷凝泵与排水阀之间的压力读数，每个监测点的数据频率和时间戳需
要保持一致性以保证数据的可比性，将数据点进行初步的清洗和格式化，删除异常值并进
行初步的趋势分析，以差分分析为基础的统计方法应用在预处理后的数据上，确定关键的
压力变化点，关键点代表了预估的泄漏或系统失效的初步指标，此阶段的数据处理和分析
为下一步的压力梯度计算和泄漏源位置预测奠定了基础。

[0037] 从压力差异分析结果中提取数据，使用压力梯度方法计算多测量点的压力梯度，确定压力变化的方向和强度，生成压力梯度数据；
利用压力差异分析结果，通过压力梯度方法计算出多测量点之间的压力差异，计
算过程需要对每对相邻测量点间的压力读数进行差值运算，然后以这些差值对应的距离进
行除法运算，得到每个单位距离的压力变化率，数据将被输入到地理信息系统中，进行空间分析，通过压力梯度数据，确定压力变化的方向和强度，这是确定泄漏源位置的关键参数，通过空间统计模型的辅助，可以将这些点上的压力梯度数据转化为泄漏可能性的空间分布
图，为确定泄漏源位置提供了定量依据。

[0038] 利用压力梯度数据，通过地理统计学、进行空间插值，估计泄漏源的位置，采用公式：；
生成泄漏位置的预测结果；
其中，表示泄漏位置，通过优化计算来最小化实际测量压力值与模型预测压力值
之间的比例差的平方和， 是在第 位置实际测量的压力值，代表实测数据点，
是根据泄漏位置 在第 位置预测的压力值，用于模拟泄漏情况下多位置应有的
理论压力值，是测量点的总数，用于表明计算包括的数据点数量；
公式：
；
公式的有益之处在于通过最小化实际与预测压力差的比例平方和，可以有效识别
最可能的泄漏位置，从而优化维修和检测工作的针对性和效率。

[0039] 公式详解和公式计算推导过程：设定监测点数量为 ，实际压力 测量值为
，预测压力 ，假定根据模型为每个点都预测为
70，则：
；
计算得到：
；
结果表明，通过此方法得到的泄漏位置 与实际数据具有较高的一致性，泄漏
检测的准确性得到了提升，可以更准确地定位泄漏点。

[0040] 使用泄漏位置预测结果，结合地理和压力数据，生成泄漏源位置信息。

[0041] 泄漏位置预测结果经过空间和压力数据分析后，生成的泄漏源位置信息将为维修团队提供确定的工作指示，通过GIS系统将预测数据与实地地理信息系统对比，可以标定泄漏点在地图上的位置，此信息不仅有助于定位泄漏源，还能辅助维修团队优化维修路线和
计划，保证维修工作的及时性和有效性，从而减少因泄漏造成的环境或经济损失。

[0042] 以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上
实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。