CN105868852A - 城市居民日用水量预测方法 - Google Patents
城市居民日用水量预测方法 Download PDFInfo
- Publication number
- CN105868852A CN105868852A CN201610181752.1A CN201610181752A CN105868852A CN 105868852 A CN105868852 A CN 105868852A CN 201610181752 A CN201610181752 A CN 201610181752A CN 105868852 A CN105868852 A CN 105868852A
- Authority
- CN
- China
- Prior art keywords
- water
- day
- water consumption
- dweller
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013461 design Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract 2
- 238000005265 energy consumption Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 3
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000008400 supply water Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市居民日用水量预测方法,基于居民生活用水细节数据,以日为时间尺度,根据居民生活用水时间段类型将数据进行合并,根据合并后的用水数据,在时、日两个时间尺度,对城市居民生活用水进行预测,取得较好的效果。本发明可对分析居民生活用水进行模拟,可为居民提供用水量预测、用水阶梯水价提示等服务;另一方面,通过对某区域内所有用户的日用水量预测,可为供水企业区域供水微观调度提供辅助决策依据,从而降低供水能耗,同时降低与供水压力成正比的管网漏损率。
Description
技术领域
本发明涉及城市供水技术领域,具体涉及一种城市居民日用水量预测方法。
背景技术
已有一些学者对基于真实数据对进行用水量预测与演变模拟研究,取得较好效果。这些研究以供水企业人工抄表的月度用水量和地方年鉴中年度用水总量为基础,空间尺度涵盖区域、省市、国家等范围,时间尺度多以月、年为主。此类研究为制定宏观经济规划、水资源规划、水资源合理配置、制定节水措施、制定供水企业调度方案等提供数据支持。但这些研究在用水性质、时间尺度、空间尺度、数据精度等方面存在差异。
在实验数据来源方面,国内大部分研究是以人工问卷调查数据为主,这些研究在分析家庭生活用水的规律以及生活用水节水潜力方面具有一定意义。但人工问卷调查数据在精度、准确性、代表性方面受到限制。也有部分学者研究采用真实用水数据,对哈尔滨、太原、包头等城市用水年用水量进行分析与预测,并分析用水量与用水价格、用户收入等因素的关系,取得较好效果。
在空间尺度方面,大部分研究是以全国、省、市或行政区为空间尺度,预测大范围宏观用水量,以上用水数据中包括多种类型的用水,如居民用水、商业用水、工业用水、特种用水等。大范围宏观用水量的预测,可为城市宏观经济发展规划、水资源规划、水资源配置、制定节水措施、城市供水宏观调度等提供决策依据。但以户或小区为空间尺度,对城市居民生活用水量进行预测和演变模拟的研究较少。
在时间尺度方面,国内外大部分研究是以年为时间尺度来预测城市年度用水量,仅有少量学者发表了以月为时间尺度的用水量预测相关成果,例如Shimakawa对日本多个城市的月度用水进行分析、预测与模拟,取得较好效果。
在数据精度方面,目前国内外大多数立方米或万立方米为单位,一方面是由于数据来源、采集技术的限制,另一方面,大时间与空间尺度的用水量模拟研究对数据精度的要求不高。
以年、月为时间尺度的用水预测,无法为每日各时间的供水调度提供依据;而以全国、省、市等为大空间尺度的用水预测,则无法满足微观调度的需求。
发明内容
针对现有技术的不足,本发明的目的在于提供一种城市居民日用水量预测方法,以日为时间尺度,以户为空间尺度,对城市居民生活用水进行预测。
为了实现上述目的,本发明采取的技术方案是:
一种城市居民日用水量预测方法,包括步骤:
通过智能水表获取城市居民的用水数据,并对用水数据进行预处理,预处理的过程包括:提取工作日的用水数据,将工作日的用水时间均分为8个时段,计算每个时段的用水量;
以时段或日为时间尺度预测城市居民的日用水量:
采用下式进行以时段为时间尺度的预测:
Vcal,d,t=C1·Vture,d-1,t+C2·Vture,d-5,t
Vcal,d,t代表d日中t时段的用水预测值,Vture,d-1,t代表d日前一天t时段的真实用水量,Vture,d-5,t代表上一周同一天t时段的真实用水量,C1和C2代表权重;
采用下式进行以日为时间尺度的预测:
Vcal,24h,t代表t时刻起24小时内的用水总量预测数据,Vture,t代表真实用水数据,为基于前24小时的用水总量,为基于前一周同一天的24小时用水总量,C1和C2代表权重。
与现有技术相比,本发明的有益效果在于:
本发明基于居民生活用水细节数据,以日为时间尺度,根据居民生活用水时间段类型将数据进行合并,根据合并后的用水数据,在时、日两个时间尺度,对城市居民生活用水进行预测,取得较好的效果。本发明可对分析居民生活用水进行模拟,可为居民提供用水量预测、用水阶梯水价提示等服务;另一方面,通过对某区域内所有用户的日用水量预测,可为供水企业区域供水微观调度提供辅助决策依据,从而降低供水能耗,同时降低与供水压力成正比的管网漏损率。
附图说明
图1为以15分钟为时间尺度的用水原始数据;
图2为以时段为时间尺度的用水原始数据;
图3为以时为时间尺度的日用水模拟数据与真实数据对比图;
图4为以日为时间尺度的日用水模拟数据与真实数据对比图。
具体实施方式
传统的以年、月为时间尺度的用水预测,无法为每日各时间的供水调度提供依据;而以全国、省、市等为大空间尺度的用水预测,则无法满足微观调度的需求。本发明以城市居民生活用水为分析对象,基于智能水表采集的用水细节数据,以日为时间尺度,以户为空间尺度,对居民生活用水进行预测。传统的每月一次的用水量数据,则无法支撑我们完成以日为时间尺度的用水预测,而智能水表采集的用水细节数据,采集精度和频率都高于现有的远传水表。根据某小区用户的用水细节数据,可以每十五分钟或每日的时间段为时间尺度,将每日用水分为若干代表性时段,并将小区用户前一天的用水数据以及前一周的用水数据,分配相应的权重,从而建立小区居民生活日用水预测模型。
下面介绍本预测方法的具体过程。
一、数据处理
将用水时间类型分为工作日、周末两类,提取出工作日的用水数据作为实验对象。由于一位用户每日用水量数据为96条,为在保证数据代表性的同时,减少数据量,本方法将相邻时间段的用水量合并,将用水时间分为23:00-2:00、2:00-5:00、5:00-8:00、8:00-11:00、11:00-14:00、14:00-17:00、17:00-20:00、20:00-23:00共8个时间段进行分析。表1为各时间段代表的时间类型。
时间段 | 类型 |
23:00-2:00 | 深夜 |
2:00-5:00 | 凌晨 |
5:00-8:00 | 早晨 |
8:00-11:00 | 工作 |
1:00-14:00 | 午餐 |
14:00-17 00 | 工作 |
17:00-20:00 | 晚餐 |
20:00-2:00 | 夜间 |
表1 时间段类型
二、以时段为时间尺度的城市居民日用水量预测方法
(1)以时段为时间尺度的城市居民工作日用水量预测方法
Vcal,d,t=C1·Vture,d-1,t+C2·Vture,d-5,t (1)
Vcal,d,t代表d日中t时段的用水预测值,Vture,d-1,t代表d日前一天t时段的真实用水量,Vture,d-5,t代表上一周同一天t时段的真实用水量,优选地,权重值C1取值0.8,C2取值0.2。
三、以日为时间尺度的城市居民日用水量预测方法
(1)以日为时间尺度的城市居民工作日用水量预测方法
Vcal,24h,t代表t时刻起24小时内的用水总量预测数据,Vture,t代表真实用水数据,基于前24小时的用水总量,与前一周同一天的24小时用水总量,赋予相应权重,优选地,C1取值0.8,C2取值0.2,计算未来24小时的日用水数据。
下面结合一个具体的实施例进一步解释本预测方法。
(1)数据介绍
本实施例的实施地点选择在某居民小区,该小区所有用户都已安装智能水表。本发明采用该小区某用户2014年3月共30天的数据作为实验数据,如图1所示,数据量2880条,数据采集时间间隔为15分钟,数据精度是0.001m3。原始数据如图1所示。
(2)数据处理
本实施例首先对数据进行预处理,在保证数据代表性的同时尽量减少数据量。提取30天中的20个工作日数据,为在保证数据代表性的同时,减少数据量。本研究将相邻时间段的用水量合并,将用水时间分为23:00-2:00、2:00-5:00、5:00-8:00、8:00-11:00、11:00-14:00、14:00-17:00、17:00-20:00、20:00-23:00共8个时间段进行分析,图2为数据合并后的工作日原始数据。
(3)以时段、日为时间尺度的城市居民工作日用水量预测
以20个工作日中的前5天为起算数据,模拟后15天的用水时用水数据,并与该15天的真实用水数据进行比较、验证与分析。按照公式(1),计算15天中各时段的用水模拟值,以时段为时间尺度的城市居民工作日用水量预测模拟结果与真实用水结果对比如图3所示。按照公式(2),计算未来15天中24小时的用水总量模拟数据,以日为时间尺度的城市居民工作日用水量预测模拟结果如图4所示。
(4)分析验证
本发明采用了两种验证方法对以上数据进行验证,分别是平均绝对百分差MAPE(Mean Absolute Percentage Error,见公式(3))和相对均方根误差RRMSE(Relative Root Mean Square Error,见公式(4))。
对于以时为时间尺度的城市居民生活日用水模拟数据与真实数据进行比较和误差分析,验证结果如表2所示,MAPE和RRMSE分别在0.96%-2.01%以及0.29%-4.53%之间;在以日为时间尺度的城市居民日用水模拟数据与真实数据进行比较和误差分析,验证结果如表3所示,MAPE和RRMSE分别为1.66%和4.97%,模拟效果较好。
表2 以时段为尺度的居民日用水模拟精度分析
表3 以日为尺度的居民日用水模拟精度分析
综上,本发明通过对城市居民生活用水进行模拟,为居民提供用水量预测、用水阶梯水价提示等服务;另一方面,通过对某区域内所有用户的日用水量预测,可为供水企业区域供水微观调度提供辅助决策依据,从而降低供水能耗,同时降低与供水压力成正比的管网漏损率。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
Claims (3)
1.一种城市居民日用水量预测方法,其特征在于,包括步骤:
通过智能水表获取城市居民的用水数据,并对用水数据进行预处理,预处理的过程包括:提取工作日的用水数据,将工作日的用水时间均分为8个时段,计算每个时段的用水量;
以时段或日为时间尺度预测城市居民的日用水量:
采用下式进行以时段为时间尺度的预测:
Vcal,d,t=C1·Vture,d-1,t+C2·Vture,d-5,t
Vcal,d,t代表d日中t时段的用水预测值,Vture,d-1,t代表d日前一天t时段的真实用水量,Vture,d-5,t代表上一周同一天t时段的真实用水量,C1和C2代表权重;
采用下式进行以日为时间尺度的预测:
Vcal,24h,t代表t时刻起24小时内的用水总量预测数据,Vture,t代表真实用水数据,为基于前24小时的用水总量,为基于前一周同一天的24小时用水总量,C1和C2代表权重。
2.根据权利要求1所述的城市居民日用水量预测方法,其特征在于,
所述8个时段分别为23:00-2:00、2:00-5:00、5:00-8:00、8:00-11:00、11:00-14:00、14:00-17:00、17:00-20:00、20:00-23:00。
3.根据权利要求1或2所述的城市居民日用水量预测方法,其特征在于,
权重C1取值0.8,C2取值0.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610181752.1A CN105868852A (zh) | 2016-03-28 | 2016-03-28 | 城市居民日用水量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610181752.1A CN105868852A (zh) | 2016-03-28 | 2016-03-28 | 城市居民日用水量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105868852A true CN105868852A (zh) | 2016-08-17 |
Family
ID=56626076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610181752.1A Pending CN105868852A (zh) | 2016-03-28 | 2016-03-28 | 城市居民日用水量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105868852A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106839468A (zh) * | 2017-04-14 | 2017-06-13 | 广州机智云物联网科技有限公司 | 一种太阳能热水器水量调节方法及系统 |
CN107977735A (zh) * | 2017-11-15 | 2018-05-01 | 河海大学 | 一种基于深度学习的城市日用水量预测方法 |
CN108764540A (zh) * | 2018-05-16 | 2018-11-06 | 杭州电子科技大学 | 基于并行lstm串联dnn的供水管网压力预测方法 |
CN110674985A (zh) * | 2019-09-20 | 2020-01-10 | 北京建筑大学 | 一种城市居民生活用水量预测方法及其应用 |
CN111222802A (zh) * | 2020-01-13 | 2020-06-02 | 上海威派格智慧水务股份有限公司 | 一种水箱用水规律的分析方法 |
CN112663721A (zh) * | 2020-12-15 | 2021-04-16 | 重庆昕晟环保科技有限公司 | 一种二次供水水箱的智能供水方法 |
CN112666990A (zh) * | 2020-12-15 | 2021-04-16 | 重庆昕晟环保科技有限公司 | 一种用于新建楼盘二次供水水箱的供水方法 |
CN112667953A (zh) * | 2020-12-15 | 2021-04-16 | 重庆昕晟环保科技有限公司 | 一种二次供水高位水箱和低位水箱的组合供水方法 |
CN113177656A (zh) * | 2021-04-16 | 2021-07-27 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 一种基于智能水务的多级别节水分析方法及系统 |
-
2016
- 2016-03-28 CN CN201610181752.1A patent/CN105868852A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106839468A (zh) * | 2017-04-14 | 2017-06-13 | 广州机智云物联网科技有限公司 | 一种太阳能热水器水量调节方法及系统 |
CN107977735A (zh) * | 2017-11-15 | 2018-05-01 | 河海大学 | 一种基于深度学习的城市日用水量预测方法 |
CN108764540A (zh) * | 2018-05-16 | 2018-11-06 | 杭州电子科技大学 | 基于并行lstm串联dnn的供水管网压力预测方法 |
CN110674985A (zh) * | 2019-09-20 | 2020-01-10 | 北京建筑大学 | 一种城市居民生活用水量预测方法及其应用 |
CN111222802A (zh) * | 2020-01-13 | 2020-06-02 | 上海威派格智慧水务股份有限公司 | 一种水箱用水规律的分析方法 |
CN112663721A (zh) * | 2020-12-15 | 2021-04-16 | 重庆昕晟环保科技有限公司 | 一种二次供水水箱的智能供水方法 |
CN112666990A (zh) * | 2020-12-15 | 2021-04-16 | 重庆昕晟环保科技有限公司 | 一种用于新建楼盘二次供水水箱的供水方法 |
CN112667953A (zh) * | 2020-12-15 | 2021-04-16 | 重庆昕晟环保科技有限公司 | 一种二次供水高位水箱和低位水箱的组合供水方法 |
CN112667953B (zh) * | 2020-12-15 | 2023-07-07 | 重庆昕晟环保科技有限公司 | 一种二次供水高位水箱和低位水箱的组合供水方法 |
CN113177656A (zh) * | 2021-04-16 | 2021-07-27 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 一种基于智能水务的多级别节水分析方法及系统 |
CN113177656B (zh) * | 2021-04-16 | 2021-12-14 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 一种基于智能水务的多级别节水分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105868852A (zh) | 城市居民日用水量预测方法 | |
Gao et al. | Multi-scenario simulation and ecological risk analysis of land use based on the PLUS model: A case study of Nanjing | |
Nouvel et al. | Combining GIS-based statistical and engineering urban heat consumption models: Towards a new framework for multi-scale policy support | |
Grouillet et al. | Historical reconstruction and 2050 projections of water demand under anthropogenic and climate changes in two contrasted Mediterranean catchments | |
Iamarino et al. | High‐resolution (space, time) anthropogenic heat emissions: London 1970–2025 | |
de la Cruz et al. | Determinants of domestic water consumption in Hermosillo, Sonora, Mexico | |
CN105260803A (zh) | 一种系统用电量预测方法 | |
Shi et al. | A novel causal structure-based framework for comparing a basin-wide water-energy-food-ecology nexus applied to the data-limited Amu Darya and Syr Darya river basins | |
Kuzyk | The ecological footprint housing component: A geographic information system analysis | |
CN105184388A (zh) | 一种城市电力负荷短期预测的非线性回归方法 | |
CN108846501A (zh) | 一种雨水低影响开发设施建设规模确定方法 | |
CN110837977A (zh) | 一种光伏发电基地理论、技术、经济三维开发潜力评估方法 | |
Zhao et al. | Assessment of a high-resolution NOX emission inventory using satellite observations: A case study of southern Jiangsu, China | |
Pedro-Monzonís et al. | Key issues for determining the exploitable water resources in a Mediterranean river basin | |
Horan et al. | Development and evaluation of a method to estimate the potential of decarbonisation technologies deployment at higher education campuses | |
Karl et al. | Environmental performance assessment of the use stage of buildings using dynamic high-resolution energy consumption and data on grid composition | |
Agarwalla | Estimating the contribution of infrastructure in regional productivity growth in India | |
CN112287301B (zh) | 一种基于全球水文模型的全球尺度水力发电能力的评估方法 | |
CN105184479A (zh) | 基于智能水表的城市居民用水行为分类方法 | |
Lausselet et al. | Geo-referenced building stock analysis as a basis for local-level energy and climate mitigation strategies | |
Rager et al. | MEU: An urban energy management tool for communities and multi-energy utilities | |
CN105260944A (zh) | 一种基于lssvm算法与关联规则挖掘的统计线损计算方法 | |
Bogdanov et al. | Hierarchical approach to energy system modelling: Complexity reduction with minor changes in results | |
Siebrits | Swimming pools and intra-city climates: influences on residential water consumption in Cape Town | |
CN110210112A (zh) | 耦合土地利用规划的城市热岛效应情景模拟方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |