CN106203769A - 一种基于时差系数的节假日天级需水量在线预测方法 - Google Patents

一种基于时差系数的节假日天级需水量在线预测方法 Download PDF

Info

Publication number
CN106203769A
CN106203769A CN201610464729.3A CN201610464729A CN106203769A CN 106203769 A CN106203769 A CN 106203769A CN 201610464729 A CN201610464729 A CN 201610464729A CN 106203769 A CN106203769 A CN 106203769A
Authority
CN
China
Prior art keywords
data
time difference
difference coefficient
festivals
water requirement
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
Application number
CN201610464729.3A
Other languages
English (en)
Inventor
王景成
杨丽雯
李肖城
朱驾宇
罗华毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201610464729.3A priority Critical patent/CN106203769A/zh
Publication of CN106203769A publication Critical patent/CN106203769A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种基于时差系数的节假日天级需水量在线预测方法，包括以下步骤：使用数据清洗手段对从SCADA系统传输至数据库的实时流量数据进行预处理；对数据库中的流量数据进行在线的时差系数分析；结合第二部分中的分析结果和实时累积流量，对节假日需水量进行在线预报。本发明提供的节假日天级需水量在线预测方法，对实时流量数据进行预处理，除了能够实现对超出阈值范围的数据的清洗，还能够实现对毛刺和重复数据的处理，从而提高预测的精度；采用时差系数分析方法，结合历史流量信息和实时累积流量数据，大幅提高节假日天级需水量预测精度。

Description

一种基于时差系数的节假日天级需水量在线预测方法
技术领域
本发明涉及城市供水在线预测领域，尤其涉及一种基于时差系数的节假日天级需水量在线预测方法。
背景技术
城市的快速发展离不开对水资源的开发与利用。近年来，我国城市化进程更不断加快，城市人口不断增加，城市规模不断扩大，生产生活用水的需求量不断增大。在巨大的用水需求面前，我国不仅面临水资源匮乏的困境，由于近年来不断加剧的环境污染问题，符合城市用水要求的水资源严重缺乏。在此背景下，做好城市水资源开发和用水规划是亟待解决的重大问题。做好城市水资源优化调度工作，前提是对城市需水量的进行准确的预测。
现阶段，针对城市需水量预测的方法丰富多样，主要有时间序列、人工神经网络、回归分析、灰色模型、系统动力学等方法。由于城市用水量在节假日期间的特殊性，现有的方法在节假日期间的预测精度普遍较低，特别是春节、中秋节等农历节假日情况下，预测效果较差，难以满足实时在线调度的需求。
因此，本领域的技术人员致力于开发一种于时差系数的节假日天级需水量在线预测方法，能够有效提高节假日天级需水量的预测精度。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何在节假日在线预测天级需水量以及如何提高精度。
为实现上述目的，如图1所示，本发明提供了一种基于时差系数的节假日天级需水量在线预测方法，包括以下步骤：
(1)获取瞬时流量原始数据；
(2)对所述原始数据序列中的异常数据进行预处理；
(3)将预处理后的数据序列加入历史用水量数据序列中；
(4)计算当日截止当前小时的总需水量；
(5)分析历史用水量数据，得到预测日的近似累积时差系数向量；
(6)采用基于时差系数的天级需水量预测模型，对待预测的节假日的天级需水量进行预测。
进一步地，步骤(1)获取瞬时流量原始数据包括以下步骤：
(1-1)获取预测时刻前1小时，一个城市供水管网中的一家水厂的瞬时需水量数据；
(1-2)数据获取频率为10分钟，即积累6个数据，写入瞬时流量数据表。
进一步地，步骤(2)所述的异常数据是指：
超限值：超出该支线需水量阈值的瞬时流量数据；或
毛刺值：与相邻的瞬时流量数据的偏差均在20％以上的数据；或
个别异常值：连续3个或3个以下的数据异常；或
连续异常值：连续4个或4个以上的数据异常。
进一步地，步骤(2)所述的异常数据为连续异常值时，采用比例填充法对所述异常数据进行填补，步骤如下：
(2-1)分别求取实时值未缺失的时标下的流量值与上两周内每一天的相应时标下的历史流量比例；
(2-2)计算这14天的历史数据相对实时数据的日流量比例；
(2-3)选取第I天的历史数据作为数据填充的基准值；
(2-4)根据日流量比例对缺失时段的实时流量值进行填充；
(2-5)对于填充结果进行排查，对个别奇异值进行修正。
进一步地，步骤(2)所述的异常数据为个别异常值时，采用线性插值法对异常数据进行修正，具体方法如下：
假设t时刻的流量缺失，找到距离t时刻最近的流量值非奇异的前后tA和tB时刻(tA＜t＜tB)，设这两个时刻的流量分别为和则缺失数据Qt的计算公式为
Q t = Q t A + Q t B - Q t A t B - t A ( t - t A ) .
进一步地，步骤(5)所述的时差系数是指每小时的需水量占每日总需水量的比值。
进一步地，步骤(5)所述的累积的时差系数向量是指由每小时累积的时差系数所组成的向量；每小时累积的时差系数是指该日截止当时的累积需水量占该日总需水量的比值。
进一步地，步骤(5)所述预测日近似累积时差系数向量的计算方法是通过分析历史数据中，上一年相应节假日期间的累积时差系数向量中各元素的平均值，得到预测日的近似累积时差系数向量。
进一步地，步骤(6)所述的基于时差系数的天级需水量预测模型是指通过求取预测时刻的当日累积需水量与该时刻的近似时差系数向量中的相应元素的比值，得到该日的天级需水量预测值。
本发明针对节假天级需水量进行在线预测，能够有效提高节假日天级需水量的预测精度。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的流程框图；
图2是本发明的一个较佳实施例的数据预处理流程图。
具体实施方式
如图2所示，某水厂采用基于最小二乘支持向量机的需水量预测方法，得到2015年春节期间的天级需水量预测误差为：
采用本发明所述方法，以每天n＝5、6、7点预测该日天级需水量为例，误差改进情况为：
以预测2015年2月19日(大年初一)的天级需水量为例，令当前时刻为7:00。
(1)通过SCADA系统获取前一小时的流量数据，读入数据库瞬时流量表。
瞬时流量表中数据为：
(2)针对瞬时流量序列中的异常和缺失数据进行预处理，包括数据修正和数据填补。
此处数据正常，预处理后的前一小时流量数据不变。
(3)将修正后的数据写入数据库历史流量流量数据表中。
(4)计算当前截止当前小时的总需水量Qn
Q7＝138057.87m3
(5)结合历史流量数据信息计算得到预测日的近似累积时差系数向量
ω＝[ω1,ω2,…,ω24]。
根据上一年供水管网需水量节假日历史数据，求得该水厂春节累积时差系数向量各元素如下表：
ω1 ω2 ω3 ω4 ω5 ω6 ω7 ω8 ω9 ω10 ω11 ω12
0.04 0.08 0.12 0.16 0.20 0.24 0.29 0.33 0.37 0.41 0.46 0.50
ω13 ω14 ω15 ω16 ω17 ω18 ω19 ω20 ω21 ω22 ω23 ω24
0.54 0.58 0.63 0.67 0.71 0.75 0.79 0.84 0.88 0.92 0.96 1.00
(6)预测当日天级需水量
Qt＝Qn/ωn
则2月19日天级需水量预测值为Qt＝138057.87/0.29＝476061m3。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种基于时差系数的节假日天级需水量在线预测方法，其特征在于，包括以下步骤：
(1)获取瞬时流量原始数据；
(2)对所述原始数据序列中的异常数据进行预处理；
(3)将预处理后的数据序列加入历史用水量数据序列中；
(4)计算当日截止当前小时的总需水量；
(5)分析历史用水量数据，得到预测日的近似累积时差系数向量；
(6)采用基于时差系数的天级需水量预测模型，对待预测的节假日的天级需水量进行预测。
2.如权利要求1所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(1)获取瞬时流量原始数据包括以下步骤：
(1-1)获取预测时刻前1小时，一个城市供水管网中的一家水厂的瞬时需水量数据；
(1-2)数据获取频率为10分钟，即积累6个数据，写入瞬时流量数据表。
3.如权利要求1所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(2)所述的异常数据是指：
超限值：超出该支线需水量阈值的瞬时流量数据；或
毛刺值：与相邻的瞬时流量数据的偏差均在20％以上的数据；或
个别异常值：连续3个或3个以下的数据异常；或
连续异常值：连续4个或4个以上的数据异常。
4.如权利要求3所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(2)所述的异常数据为连续异常值时，采用比例填充法对所述异常数据进行填补，步骤如下：
(2-1)分别求取实时值未缺失的时标下的流量值与上两周内每一天的相应时标下的历史流量比例；
(2-2)计算这14天的历史数据相对实时数据的日流量比例；
(2-3)选取第I天的历史数据作为数据填充的基准值；
(2-4)根据日流量比例对缺失时段的实时流量值进行填充；
(2-5)对于填充结果进行排查，对个别奇异值进行修正。
5.如权利要求3所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(2)所述的异常数据为个别异常值时，采用线性插值法对异常数据进行修正，具体方法如下：
假设t时刻的流量缺失，找到距离t时刻最近的流量值非奇异的前后tA和tB时刻(tA＜t＜tB)，设这两个时刻的流量分别为和则缺失数据Qt的计算公式为：
Q t = Q t A + Q t B - Q t A t B - t A ( t - t A ) .
6.如权利要求1所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(5)所述的时差系数是指每小时的需水量占每日总需水量的比值。
7.如权利要求1所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(5)所述的累积的时差系数向量是指由每小时累积的时差系数所组成的向量；每小时累积的时差系数是指该日截止当时的累积需水量占该日总需水量的比值。
8.如权利要求1所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(5)所述预测日近似累积时差系数向量的计算方法是通过分析历史数据中，上一年相应节假日期间的累积时差系数向量中各元素的平均值，得到预测日的近似累积时差系数向量。
9.如权利要求1所述的基于时差系数的节假日天级需水量在线预测方法，其特征在于，步骤(6)所述的基于时差系数的天级需水量预测模型是指通过求取预测时刻的当日累积需水量与该时刻的近似时差系数向量中的相应元素的比值，得到该日的天级需水量预测值。
CN201610464729.3A 2016-06-23 2016-06-23 一种基于时差系数的节假日天级需水量在线预测方法 Pending CN106203769A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610464729.3A CN106203769A (zh) 2016-06-23 2016-06-23 一种基于时差系数的节假日天级需水量在线预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610464729.3A CN106203769A (zh) 2016-06-23 2016-06-23 一种基于时差系数的节假日天级需水量在线预测方法

Publications (1)

Publication Number Publication Date
CN106203769A true CN106203769A (zh) 2016-12-07

Family

ID=57461605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610464729.3A Pending CN106203769A (zh) 2016-06-23 2016-06-23 一种基于时差系数的节假日天级需水量在线预测方法

Country Status (1)

Country Link
CN (1) CN106203769A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358294A (zh) * 2017-07-21 2017-11-17 河北工程大学 一种基于Elman神经网络的需水预测方法
CN110044423A (zh) * 2019-04-03 2019-07-23 殷健 一种水流量监测方法
CN110941606A (zh) * 2019-11-21 2020-03-31 河北恒源水务科技有限公司 一种针对水资源监测数据计算出合理水量的计算方法
CN111898813A (zh) * 2020-07-20 2020-11-06 中南大学 一种基于历史数据的大型热水系统节水节能方法
CN112923989A (zh) * 2021-02-24 2021-06-08 中国水利水电科学研究院 家庭终端用水量监测方法及智能水表
CN113250271A (zh) * 2021-06-17 2021-08-13 武汉科迪智能环境股份有限公司 一种设备控制方法、装置、供水系统和存储介质
CN114542442A (zh) * 2022-03-01 2022-05-27 陕西新泓水艺环境科技有限公司 一种水处理提升泵调度控制方法、装置、电子设备及介质
CN114741377A (zh) * 2022-04-01 2022-07-12 深圳市爱路恩济能源技术有限公司 识别天然气异常数据并对其处理的方法和装置
CN116415123A (zh) * 2023-03-07 2023-07-11 清华大学 小区用水总流量数据分析方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104168142A (zh) * 2014-08-18 2014-11-26 国家电网公司 一种超短期系统负荷预测实时在线考核分析方法
KR101484265B1 (ko) * 2014-05-14 2015-01-20 현대엔지니어링 주식회사 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템
CN105260948A (zh) * 2015-10-17 2016-01-20 杭州电子科技大学 一种城市供水系统日计划调度决策方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101484265B1 (ko) * 2014-05-14 2015-01-20 현대엔지니어링 주식회사 아리마모델과 지수평활법을 이용한 물 수요 예측과 이를 통한 급배수 펌프의 운영 최적화 시스템
CN104168142A (zh) * 2014-08-18 2014-11-26 国家电网公司 一种超短期系统负荷预测实时在线考核分析方法
CN105260948A (zh) * 2015-10-17 2016-01-20 杭州电子科技大学 一种城市供水系统日计划调度决策方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
戢钢: "城市小时级需水量的改进型引力搜索算法_最小二乘支持向量机模型预测", 《控制理论与应用》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358294A (zh) * 2017-07-21 2017-11-17 河北工程大学 一种基于Elman神经网络的需水预测方法
CN110044423A (zh) * 2019-04-03 2019-07-23 殷健 一种水流量监测方法
CN110941606B (zh) * 2019-11-21 2023-04-25 河北恒源水务科技有限公司 一种针对水资源监测数据计算出合理水量的计算方法
CN110941606A (zh) * 2019-11-21 2020-03-31 河北恒源水务科技有限公司 一种针对水资源监测数据计算出合理水量的计算方法
CN111898813A (zh) * 2020-07-20 2020-11-06 中南大学 一种基于历史数据的大型热水系统节水节能方法
CN112923989B (zh) * 2021-02-24 2022-05-10 中国水利水电科学研究院 家庭终端用水量监测方法及智能水表
CN112923989A (zh) * 2021-02-24 2021-06-08 中国水利水电科学研究院 家庭终端用水量监测方法及智能水表
CN113250271A (zh) * 2021-06-17 2021-08-13 武汉科迪智能环境股份有限公司 一种设备控制方法、装置、供水系统和存储介质
CN114542442A (zh) * 2022-03-01 2022-05-27 陕西新泓水艺环境科技有限公司 一种水处理提升泵调度控制方法、装置、电子设备及介质
CN114741377A (zh) * 2022-04-01 2022-07-12 深圳市爱路恩济能源技术有限公司 识别天然气异常数据并对其处理的方法和装置
CN114741377B (zh) * 2022-04-01 2023-07-21 深圳市爱路恩济能源技术有限公司 识别天然气异常数据并对其处理的方法和装置
CN116415123A (zh) * 2023-03-07 2023-07-11 清华大学 小区用水总流量数据分析方法及系统
CN116415123B (zh) * 2023-03-07 2023-09-19 清华大学 小区用水总流量数据分析方法及系统

Similar Documents

Publication Publication Date Title
CN106203769A (zh) 一种基于时差系数的节假日天级需水量在线预测方法
Pinson et al. Dynamic sizing of energy storage for hedging wind power forecast uncertainty
Babrowski et al. Electricity storage systems in the future German energy sector: An optimization of the German electricity generation system until 2040 considering grid restrictions
CN103296679B (zh) 电力系统中长期优化运行的中长期风电出力模型建模方法
CN102306346B (zh) 基于可靠性规划的中压配电网目标网架结构优化决策方法
King et al. Operating reserve reductions from a proposed energy imbalance market with wind and solar generation in the western interconnection
Mc Garrigle et al. Quantifying the value of improved wind energy forecasts in a pool-based electricity market
CN102402726A (zh) 一种基于区域负荷分析的大规模配电网电力电量预测方法
CN108574303A (zh) 一种考虑调峰调频需求的多能源协调优化调度方法
CN103441535A (zh) 基于sced的日前发电计划光伏发电接纳能力分析方法
CN104050515A (zh) 一种基于年周期序贯决策的水资源配置方法
CN111105096A (zh) 一种新能源并网布局规划方法与系统
CN105262148B (zh) 计及风电出力特性的规划年电力平衡方法
CN103793757A (zh) 一种层级式模块化电网规划方案优化方法
Duan et al. Long and medium term power load forecasting with multi-level recursive regression analysis
CN112491080A (zh) 一种新能源装机布局规划方法和系统
Soares et al. Optimal generation and transmission expansion planning addressing short-term constraints with co-optimization of energy and reserves
CN103729803A (zh) 利用cfs集合预报产品的水电站中期滚动调度方法
Hjelmeland et al. Combined SDDP and simulator model for hydropower scheduling with sales of capacity
Cheng et al. Ultrashort-term scheduling of interbasin cascaded hydropower plants to rapidly balance the load demand
Onyeisi et al. Power Generation Capacity and Economic Growth in Nigeria: A Causality Approach.
CN104657787A (zh) 一种风功率时间序列组合预测方法
Svendsen et al. D4. 2. Scenario setup and simulation results
CN104715289A (zh) 电厂理想的发电进度指标确定方法及装置
CN101794418A (zh) 分段计费水价管理技术

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Wang Jingcheng

Inventor after: Yang Liwen

Inventor after: Tong Jun

Inventor after: Wang Ruiqing

Inventor after: Li Xiaocheng

Inventor after: Zhu Jiayu

Inventor after: Luo Huayi

Inventor before: Wang Jingcheng

Inventor before: Yang Liwen

Inventor before: Li Xiaocheng

Inventor before: Zhu Jiayu

Inventor before: Luo Huayi

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161207