專利名稱：基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法
技術領域：
本發(fā)明涉及的是一種水利監(jiān)控技術領域的方法，具體是一種基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法
背景技術：
隨著工業(yè)生產(chǎn)能力的提高，城市供水系統(tǒng)的規(guī)模在不斷擴大，供水管網(wǎng)復雜性也隨之提高。但是隨之而來的是日益增多的各種各樣的爆管事故，很多用戶存在著水壓不足的現(xiàn)象。根據(jù)中心城區(qū)管網(wǎng)監(jiān)測數(shù)據(jù)，采用聚類方法，將這些測點依據(jù)其壓力值和壓力變化趨勢進行了劃分，確定平均水壓的分區(qū)，如水壓160kPa為危急低壓區(qū)；160kPa<水壓 < 180kPa為低壓預警區(qū)；180kPa<水壓< 300kPa為正常范圍；300kPa <水壓< 350kPa為高壓預警區(qū)；水壓> 350kPa為危急高壓區(qū)。這樣，在日常操作中就形成有側重的監(jiān)控，可以有效地提高供水效率和有效地減少爆管事故和水壓不足等情況的發(fā)生。水壓區(qū)域劃分主要是對測壓點、泵站、水廠在內(nèi)的測點數(shù)據(jù)特性進行分析，采用聚類方法，將這些測點依據(jù)其壓力值和壓力變化趨勢進行了劃分，傳統(tǒng)聚類方法可以分為兩種監(jiān)督式聚類和非監(jiān)督式聚類。其中監(jiān)督式聚類的為方法是K-Mean聚類，在這種方法中， 聚類的最終結果與用戶初始指定的初始聚類中心有關。用戶需要指定聚類數(shù)目、初始質(zhì)心和評判某個成員歸屬某個聚類集合的閾值大小。這種方法本質(zhì)上不是根據(jù)聚類元素的分布進行自適應聚類，且其聚類精度和效率依賴于初始質(zhì)心選取等預設參數(shù)。非監(jiān)督聚類中為性的聚類方法有支持向量聚類，是基于支持向量機的聚類方法。 在支持向量聚類中，聚類數(shù)據(jù)通過高斯核函數(shù)從低維空間被映射到高維特征空間，于是可以在這個高維特征空間找到一個最小的超球體將這些數(shù)據(jù)包圍起來(雖然在低維空間無法找到這樣的最小超球體將被聚類數(shù)據(jù)包圍起來)，這個超球體接著被映射回原始低維數(shù)據(jù)空間，被看作是包圍被聚類數(shù)據(jù)點的輪廓，這些輪廓就認為是聚類簇的邊界，在同一個輪廓中被包圍的數(shù)據(jù)點認為屬于同一個聚類集合，從而完成聚類。但是，支持向量聚類不是基于聚類數(shù)據(jù)物理分布的，難以反映數(shù)據(jù)全局分布。近來，一種叫做AP 聚類(Affinity Propagation Clustering)，該算法是 B. J. Frey, Dueck D 于 2007 年發(fā)表在 science 上白勺 Clustering by passing messages between data points (基于數(shù)據(jù)點消息傳遞的聚類分析，Science, 2007，315 (5814) 972-976)。其基本思想就是通過消息傳遞，實現(xiàn)數(shù)據(jù)點的自動聚類。它將數(shù)據(jù)對象之間的相似度作為輸入，而且此相似度可以是非對稱的，即數(shù)據(jù)對象A到數(shù)據(jù)對象B的相似度可以不等于數(shù)據(jù)對象B到數(shù)據(jù)對象A的相似度。實值信息在數(shù)據(jù)對象之間交換傳播直至一組高質(zhì)量的聚類中心和相應的聚類產(chǎn)生。盡管該文稱其聚類效果很好，計算速度也很快，但它也有幾個缺點。第一，它也需要事先定義一個相似性度量，從而計算出數(shù)據(jù)點集之間的相似性矩陣來，這在時間和空間上就需要0 (n2)。第二，迭代次數(shù)需要人工設定，而且聚類結果對此也較敏感。第三，獲得聚類結果后，不能獲得聚類分布的層次性，有時這是不夠的。K-Mean算法對于初始聚類中心的選擇很關鍵，因為初始聚類中心選擇的好壞直接影響到聚類結果，而且這個算法要求進行聚類時輸入聚類數(shù)目，這也可以說是對聚類算法的一種限制。不過，這種算法運行速度相對于AP算法要快一些，因此，對于那些小而且數(shù)據(jù)比較密集的數(shù)據(jù)集來說，這種聚類算法還是比較好的。然而，在傳統(tǒng)的K-Mean聚類技術中， 在某些情況下，不能獲得預期的聚類結果，即，接近人類直覺的聚類結果。例如，在本文中， 分類結果不能很好滿足相關地理信息。在基于以上各種聚類方法的特點分析，這里采用改進的K-Mean算法，S卩，在一次 K-Mean聚類下，考慮實際限制條件，進行二次聚類。首先，由于數(shù)據(jù)的充分性和對現(xiàn)實壓力等數(shù)據(jù)的充分了解，可以運用工作經(jīng)驗，對水壓區(qū)域劃分的初始聚類中心進行很好的選擇， 這樣就充分利用了 K-Mean算法的特點，測壓點、泵站、水廠等測點數(shù)據(jù)是小而且數(shù)據(jù)比較密集的數(shù)據(jù)集，因而可以發(fā)揮K-Mean算法的快速性特點。考慮到實際水壓區(qū)域 劃分建議既具有理論依據(jù)，又完全符合實際要求。本發(fā)明的劃分結果便于事故分析和監(jiān)測，一旦發(fā)生爆管等事故，影響區(qū)域基本可以確定，事故處理更有針對性。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術存在的上述不足，提供一種基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，通過充分利用測壓點獲取的數(shù)據(jù)信息，結合實際地理情況，對城市供水區(qū)域進行合理的分區(qū)，控制區(qū)塊規(guī)模使之符合要求，便于管理。可廣泛應用于大型城市供水調(diào)度系統(tǒng)的管理、監(jiān)測、控制。本發(fā)明是通過以下技術方案實現(xiàn)的，本發(fā)明利用SCADA系統(tǒng)從供水管網(wǎng)采集測壓點、水廠、泵站等節(jié)點的壓力數(shù)據(jù)，然后利用數(shù)據(jù)挖掘手段對數(shù)據(jù)進行預處理，之后對壓力數(shù)據(jù)樣本進行系統(tǒng)聚類分析并根據(jù)聚類結果及區(qū)塊規(guī)模進行區(qū)域規(guī)模指標聚類，最后利用地理連通圖進行區(qū)塊的合并和分割，形成最終劃分結果。本發(fā)明具體包括以下步驟第一步、通過SCADA(SupervisoryControl And Data Acquisition，數(shù)據(jù)采集與監(jiān)視控制)系統(tǒng)對供水管網(wǎng)壓力節(jié)點進行數(shù)據(jù)采集，得到采集供水區(qū)域內(nèi)各壓力節(jié)點的壓力數(shù)據(jù)。所述的數(shù)據(jù)采集是指含有壓力的變化特性的時間域?qū)挾?。時間域的選擇應當具有廣泛性，包含工作日與休息日，尤其以用水量較大的時段為宜，通?？缍确秶簧儆?個月，每個月采樣的天數(shù)不少于10天。第二步、將采集到的壓力數(shù)據(jù)進行無效數(shù)據(jù)剔除處理，然后計算每個壓力節(jié)點的數(shù)據(jù)變化值并作為該壓力節(jié)點的附加屬性；所述的無效數(shù)據(jù)剔除處理是指對所有壓力數(shù)據(jù)進行時間指標歸一化，然后依次選取所有壓力節(jié)點在任一時刻T的壓力數(shù)據(jù)，當在該時刻T沒有壓力數(shù)據(jù)時，則進行數(shù)據(jù)校正和/或壞點剔除。所述的數(shù)據(jù)校正是指判斷當任一時刻T的前后給定誤差時間范圍At內(nèi)是否存在壓力數(shù)據(jù)，當存在則選取T+At和T-At時刻的壓力數(shù)據(jù)并求平均后作為T時刻壓力節(jié)點的壓力數(shù)據(jù)；
所述的壞點剔除是指當連續(xù)10個采樣時刻無數(shù)據(jù)時，則判定該時刻的壓力數(shù)據(jù)為壞點，相應刪除該壓力節(jié)點及其對應的壓力數(shù)據(jù)。所述的附加屬性通過以下方式得到對校正及壞點剔除后的數(shù)據(jù)，計算每個壓力節(jié)點T時刻的壓力值與T-I時刻的壓力值之差，將所有T時刻與T-I的壓力值差值作為該壓力節(jié)點的附加屬性。 第三步、以供水區(qū)域內(nèi)的所有壓力節(jié)點及其相互之間管線直接聯(lián)通與否作為元素值建立地理連通圖矩陣，具體為對供水區(qū)域內(nèi)的η個壓力節(jié)點Pi，i = 1，2，. . .，η，η為自然常數(shù)建立壓力節(jié)點管線的地理連通圖矩陣Anxn，其中地理連通圖矩陣中元素~在壓力節(jié)點Pi與P」之間存在管線直接聯(lián)通時取1，否則為0。第四步、每一個壓力節(jié)點稱為一個樣本，對所有樣本進行聚類計算，得到類間距離平均值及類內(nèi)距離平均值。所述的聚類計算的步驟如下4. 1)先將η個樣本分為η類，計算每一類的中心壓力值CPi (i = 1，2，…ncn) (ncn 為當前聚類數(shù)):CL 二」-^其中m為一個壓力節(jié)點類中的壓力節(jié)點數(shù)，Xi (i
=1,2,…m)為每個壓力節(jié)點的壓力特性(包括壓力值和壓力變化值)；4.2)找出距離最近的兩個類并將其合并成一個新類，重新計算新類的中心壓力值，并計算該次聚類過程的類間距離平均值和類內(nèi)距離平均值；4. 3)重復步驟4. 1和步驟4. 2，直到所有的壓力節(jié)點聚為一類。第五步、根據(jù)類間距離平均值和類內(nèi)距離平均值選擇較優(yōu)聚類數(shù)目。所述的較優(yōu)聚類數(shù)目，是指當聚類數(shù)從M減為M-I時，反映類內(nèi)聚合性優(yōu)劣的類內(nèi)距離平均值出現(xiàn)超過5%的減小，或反映類間分離性優(yōu)劣的類間距離平均值出現(xiàn)超過 5%的增加時的聚類數(shù)目。第六步、根據(jù)聚類的規(guī)模，進行區(qū)域規(guī)模指標聚類，包括步驟如下6. 1)指定類的最大規(guī)模，通常根據(jù)城市規(guī)模、人口密度等設定在5-10內(nèi)，選取出超過規(guī)模的類進行區(qū)域規(guī)模指標聚類；6.2)單獨取出超過規(guī)模的類中的壓力節(jié)點，依照K-Mean聚類法，將其分為兩類， 判斷新劃分的兩類是否規(guī)模都符合給定要求當符合要求，則用新劃分的兩類替換原先的一類，完成區(qū)域規(guī)模指標聚類；當不符合要求，依次增加分類數(shù)，重復上述過程，直到所有分類均符合給定規(guī)模。第七步、對第三步中得到的地理連通圖矩陣進行校正處理，并根據(jù)聚類結果，按類對所有壓力節(jié)點分成若干不同的分區(qū)。所述的校正處理是指針對某一個已經(jīng)確定的類，隨機選取其中一個壓力節(jié)點作為起始節(jié)點，以地理連通圖作為壓力節(jié)點之間的連通關系，依照圖的遍歷方法，判斷是否能夠遍歷該類中所有的節(jié)點；當有壓力節(jié)點無法遍歷，則將不能遍歷的壓力節(jié)點取出，組成新類，重復上述過程，直到每一個類中所有壓力節(jié)點都能夠遍歷。第八步、利用中心線法確定第七步中的分區(qū)界限作為最終分區(qū)結果并在城市供水監(jiān)控、管理系統(tǒng)中加載，實現(xiàn)基于實時水壓信息的供水區(qū)域動態(tài)劃分，并實時顯示區(qū)域劃分圖，當發(fā)生供水問題，比如某壓力節(jié)點爆管，該節(jié)點及所在分區(qū)產(chǎn)生警示信號，并通過后臺數(shù)據(jù)庫調(diào)取該區(qū)域面積及人口等信息，作為事故評級和應急調(diào)度的評價因素。所述的中心線法是指選擇相鄰的兩個區(qū)域，計算每個區(qū)域的分類中心，確定它們連線的中點，依次遍歷所有兩兩相鄰的區(qū)域，確定中點，對所有鄰近中點進行連線，得到最終的區(qū)域劃分結果。 本發(fā)明得到的聚類結果，類的規(guī)?？梢愿鶕?jù)實際情況予以調(diào)控針對人口密集地區(qū)，可以將類的規(guī)?？刂频妮^小，管理更為細致；針對人口較分散地區(qū)，可以將類的規(guī)模設置的較大，節(jié)約管理所需的人力、物力和財力。每個類中的壓力節(jié)點在壓力值和變化趨勢方面都表現(xiàn)出較強的相關性，便于事故分析和監(jiān)測。一旦發(fā)生爆管等事故，影響區(qū)域基本可以確定，事故處理更有針對性。


圖1為本發(fā)明的實施步驟流程圖，圖2為本發(fā)明實施例中的最終加載結果示意圖。
具體實施例方式下面對本發(fā)明的實施例作詳細說明，本實施例在以本發(fā)明技術方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。實施例如圖1所示，本實施例實施步驟如下1.通過SCADA系統(tǒng)對供水管網(wǎng)壓力節(jié)點進行數(shù)據(jù)采集。某城市東部地區(qū)，共有4 大水廠，10條出水管道，因而對應10個壓力節(jié)點，共有5個泵站，43個測壓點。共計58個壓力節(jié)點。對這58個壓力節(jié)點進行編號，然后采集各個壓力節(jié)點從2009年6月1日0時0 分至2009年9月30日23時40分，每20分鐘一個壓力數(shù)據(jù)。這樣，每一個壓力節(jié)點就得到了共計8784個壓力值數(shù)據(jù)。在每年的6月到9月，是屬于較為炎熱的夏季，因此該時間段是用水量較大，壓力信息變化較明顯的時間段。另一方面，這期間包括了工作日，周末休息日以及暑假，涵蓋范圍廣泛。2.將采集到的壓力數(shù)據(jù)讀入計算機并進行預處理，首先搜索第一個壓力節(jié)點的所有壓力值數(shù)據(jù)，找出其中不滿足采集條件，既在某采樣時刻附近允許時間誤差內(nèi)未獲取壓力值的時刻，去除該時刻所有壓力節(jié)點的壓力值數(shù)據(jù)。然后依次搜索其他節(jié)點，直到完成所有節(jié)點的數(shù)據(jù)剔除工作。此時，每個節(jié)點符合采集條件的壓力數(shù)據(jù)共計7328個。然后計算每個壓力節(jié)點壓力值的變化數(shù)值，共計7327個，將其作為壓力節(jié)點的附加屬性。這樣就構成了包含58個壓力節(jié)點，每個壓力節(jié)點有14655個壓力屬性的矩陣。其中每一行的編號為壓力節(jié)點的編號，每一列為壓力節(jié)點在某個相同時刻的壓力屬性。3.依據(jù)地理信息，找出每兩個壓力節(jié)點的連通情況，構建地理連通圖。4.首先將58個壓力節(jié)點每個單獨作為一類，計算每一類的中心壓力序列，以及兩兩之間的距離。選擇距離最近的兩個壓力節(jié)點合并為一個新類并計算該新類的中心壓力序列。同時計算該次聚類過程中的類間距離平均值(ado)和類內(nèi)距離平均值(adi)。之后重復上述過程，直到所有的壓力節(jié)點聚為一類。聚類信息見表1。表 權利要求
1.一種基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征在于，利用 SCADA系統(tǒng)從供水管網(wǎng)采集測節(jié)點的壓力數(shù)據(jù)，然后利用數(shù)據(jù)挖掘手段對數(shù)據(jù)進行預處理， 之后對壓力數(shù)據(jù)樣本進行系統(tǒng)聚類分析并根據(jù)聚類結果及區(qū)塊規(guī)模進行區(qū)域規(guī)模指標聚類，最后利用地理連通圖進行區(qū)塊的合并和分割，形成最終劃分結果。
2.根據(jù)權利要求 1所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述劃分控制方法具體包括以下步驟第一步、通過數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)對供水管網(wǎng)壓力節(jié)點進行數(shù)據(jù)采集，得到采集供水區(qū)域內(nèi)各壓力節(jié)點的壓力數(shù)據(jù)；第二步、將采集到的壓力數(shù)據(jù)進行無效數(shù)據(jù)剔除處理，然后計算每個壓力節(jié)點的數(shù)據(jù)變化值并作為該壓力節(jié)點的附加屬性；第三步、以供水區(qū)域內(nèi)的所有壓力節(jié)點及其相互之間管線直接聯(lián)通與否作為元素值建立地理連通圖矩陣；第四步、每一個壓力節(jié)點稱為一個樣本，對所有樣本進行聚類計算，得到類間距離平均值及類內(nèi)距離平均值；第五步、根據(jù)類間距離平均值和類內(nèi)距離平均值選擇較優(yōu)聚類數(shù)目；第六步、根據(jù)聚類的規(guī)模，進行區(qū)域規(guī)模指標聚類；第七步、依據(jù)第三步中得到的地理連通圖矩陣對聚類結果進行校正處理，并根據(jù)聚類結果，按類對所有壓力節(jié)點分成若干不同的分區(qū)；第八步、利用中心線法確定第七步中的分區(qū)界限作為最終分區(qū)結果并在城市供水監(jiān)控、管理系統(tǒng)中加載，實現(xiàn)基于實時水壓信息的供水區(qū)域動態(tài)劃分，并實時顯示區(qū)域劃分圖。
3.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的無效數(shù)據(jù)剔除處理是指對所有壓力數(shù)據(jù)進行時間指標歸一化，然后依次選取所有壓力節(jié)點在任一時刻T的壓力數(shù)據(jù)，當在該時刻T沒有壓力數(shù)據(jù)時，則進行數(shù)據(jù)校正和 /或壞點剔除。
4.根據(jù)權利要求3所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的數(shù)據(jù)校正是指判斷當任一時刻T的前后給定誤差時間范圍At內(nèi)是否存在壓力數(shù)據(jù)，當存在則選取Τ+Δ t和Τ-Δ t時刻的壓力數(shù)據(jù)并求平均后作為T時刻壓力節(jié)點的壓力數(shù)據(jù)；所述的壞點剔除是指當連續(xù)10個采樣時刻無數(shù)據(jù)時，則判定該時刻的壓力數(shù)據(jù)為壞點，相應刪除該壓力節(jié)點及其對應的壓力數(shù)據(jù)。
5.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的附加屬性通過以下方式得到對校正及壞點剔除后的數(shù)據(jù)，計算每個壓力節(jié)點 T時刻的壓力值與T-I時刻的壓力值之差，將所有T時刻與T-I的壓力值差值作為該壓力節(jié)點的附加屬性。
6.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的第三步具體為對供水區(qū)域內(nèi)的η個壓力節(jié)點Pi，i = 1，2，...，η，η為自然常數(shù)建立壓力節(jié)點管線的地理連通圖矩陣Anxn，其中地理連通圖矩陣中元素％在壓力節(jié)點 Pi與P」之間存在管線直接聯(lián)通時取1，否則為0。
7.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的聚類計算的步驟如下~4.1)先將η個樣本分為η類，計算每一類的中心壓力值CPi (i = 1,2, "mcn),其中ncn為當前聚類數(shù):CL =」-^ m為一個壓力節(jié)點類中的壓力節(jié)點數(shù)，Xi (i = 1，~2，…m)為每個壓力節(jié)點的壓力值和壓力變化值；~4. 2)找出距離最近的兩個類并將其合并成一個新類，重新計算新類的中心壓力值，并計算該次聚類過程的類間距離平均值和類內(nèi)距離平均值；~4. 3)重復步驟4. 1和步驟4. 2，直到所有的壓力節(jié)點聚為一類。
8.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的較優(yōu)聚類數(shù)目，是指當聚類數(shù)從M減為M-I時，反映類內(nèi)聚合性優(yōu)劣的類內(nèi)距離平均值出現(xiàn)超過5%的減小，或反映類間分離性優(yōu)劣的類間距離平均值出現(xiàn)超過5%的增加時的聚類數(shù)目。
9.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的第六步具體包括步驟如下~6. 1)指定類的最大規(guī)模，通常根據(jù)城市規(guī)模、人口密度等設定在5-10內(nèi)，選取出超過規(guī)模的類進行區(qū)域規(guī)模指標聚類；~6. 2)單獨取出超過規(guī)模的類中的壓力節(jié)點，依照K-Mean聚類法，將其分為兩類，判斷新劃分的兩類是否規(guī)模都符合給定要求當符合要求，則用新劃分的兩類替換原先的一類， 完成區(qū)域規(guī)模指標聚類；當不符合要求，依次增加分類數(shù)，重復上述過程，直到所有分類均符合給定規(guī)模。
10.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的校正處理是指針對某一個已經(jīng)確定的類，隨機選取其中一個壓力節(jié)點作為起始節(jié)點，以地理連通圖作為壓力節(jié)點之間的連通關系，依照圖的遍歷方法，判斷是否能夠遍歷該類中所有的節(jié)點；當有壓力節(jié)點無法遍歷，則將不能遍歷的壓力節(jié)點取出，組成新類，重復上述過程，直到每一個類中所有壓力節(jié)點都能夠遍歷。
11.根據(jù)權利要求2所述的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，其特征是，所述的中心線法是指選擇相鄰的兩個區(qū)域，計算每個區(qū)域的分類中心，確定它們連線的中點，依次遍歷所有兩兩相鄰的區(qū)域，確定中點，對所有鄰近中點進行連線，得到最終的區(qū)域劃分結果。
全文摘要
一種水利監(jiān)控技術領域的基于實時水壓信息的城市供水區(qū)域動態(tài)劃分控制方法，利用SCADA系統(tǒng)從供水管網(wǎng)采集測壓點、水廠、泵站等節(jié)點的壓力數(shù)據(jù)，然后利用數(shù)據(jù)挖掘手段對數(shù)據(jù)進行預處理，之后對壓力數(shù)據(jù)樣本進行系統(tǒng)聚類分析并根據(jù)聚類結果及區(qū)塊規(guī)模進行區(qū)域規(guī)模指標聚類，最后利用地理連通圖進行區(qū)塊的合并和分割，形成最終劃分結果。本發(fā)明通過充分利用測壓點獲取的數(shù)據(jù)信息，結合實際地理情況，對城市供水區(qū)域進行合理的分區(qū)，控制區(qū)塊規(guī)模使之符合要求，便于管理。可廣泛應用于大型城市供水調(diào)度系統(tǒng)的管理、監(jiān)測、控制。
文檔編號G05B13/00GK102385313SQ20111016511
公開日2012年3月21日 申請日期2011年6月17日 優(yōu)先權日2011年6月17日
發(fā)明者仇軍, 汪瑞清, 王景成, 葛陽, 趙平偉, 趙金濤 申請人:上海交通大學, 上海市供水調(diào)度監(jiān)測中心