CN110992209A - 一种流量预测方法 - Google Patents
一种流量预测方法 Download PDFInfo
- Publication number
- CN110992209A CN110992209A CN201911301326.7A CN201911301326A CN110992209A CN 110992209 A CN110992209 A CN 110992209A CN 201911301326 A CN201911301326 A CN 201911301326A CN 110992209 A CN110992209 A CN 110992209A
- Authority
- CN
- China
- Prior art keywords
- water supply
- data
- real
- time
- flow
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 183
- 238000012545 processing Methods 0.000 claims description 31
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000000611 regression analysis Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
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
- 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
-
- 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"
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)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种流量预测方法,能够根据二次供水设备的实时工况数据以及供水水泵的理论瞬时流量模型,基于大数据分析进行实时瞬时流量的预测,无需另行安装流量计。通过本技术方案,能够建立起水泵瞬时流量与水泵运行参数之间的关系模型,通过易获取的二次供水设备实时运行参数,预测出供水水泵的相关瞬时流量,进而把握二次供水设备的整体运行状态,为分析设备的能耗及效率奠定重要基础。
Description
技术领域
本发明涉及供水监控领域,尤其涉及一种流量预测方法。
背景技术
分析二次供水设备的能耗及效率关键在于准确获得水泵的出水流量,而水泵出水流量获得的关键在于对水泵瞬时流量的准确测量。
目前,供水行业内的对于二次供水设备通常是通过安装流量计来获得供水流量的,但由于流量计成本昂贵,二次供水设备数量巨多,多数二次供水设备未安装流量计;并且,对已建成未安装流量计的二次供水设备,若视图在旧管道上新装流量计,不仅成本高昂、施工困难,而且大多数泵房的现场实际情况不具备安装流量计的条件,基于上述现实困境,通常难以获得这些未安装流量计的二次供水设备的实时流量情况,难以对其进行能耗及效率分析。
发明内容
针对现有技术中存在的上述问题,现提供一种流量预测方法,具体技术方案如下所示:
一种流量预测方法,应用于二次供水设备,其特征在于,预先训练形成多个流量预测模型,每个流量预测模型对应一特定二次供水设备,特定二次供水设备包括至少一个供水水泵,特定二次供水设备对应至少一个工况采集设备和一个第一数据处理设备,第一数据处理设备分别连接每个工况采集设备;
同时预先获取特定二次供水设备中每个供水水泵对应的工频特性曲线,并根据工频特性曲线得到一对应的理论瞬时流量模型,每个理论瞬时流量模型均存储于第一数据处理设备中;
针对每个流量预测模型的训练过程具体包括:
步骤S1,工况采集设备持续采集特定二次供水设备的实时工况数据并持续输出;
步骤S2,第一数据处理设备对实时工况数据进行预处理,输出实时工况参数;
步骤S3,根据理论瞬时流量模型和实时工况参数,计算得到每个供水水泵对应的理论瞬时流量;
步骤S4,对每个供水水泵对应的理论瞬时流量进行求和,得到一理论瞬时流量总值并进行存储;
步骤S5,判断存储的理论瞬时流量值的数量是否达到一预设阈值:
若是,则将全部理论瞬时流量总值记为样本数据集合,而后转向步骤S6;
若否,则返回步骤S1;
步骤S6,根据样本数据集合进行分析,得到一单元回归模型,并将单元回归模型记为特定二次供水设备对应的流量预测模型;
训练形成流量预测模型后,将流量预测模型应用于和对应的特定二次供水设备型号相同的二次供水设备中进行流量预测,二次供水设备对应至少一个工况采集设备和一个第二数据处理设备,第二数据处理设备分别连接二次供水设备对应的每个工况采集设备,流量预测模型存储于第二数据处理设备中;
流量预测的过程具体包括:
步骤A1,每个工况采集设备持续采集对应的二次供水设备的实时工况数据并持续输出;
步骤A2,根据流量预测模型,第二数据处理设备对实时工况数据进行处理,得到一流量预测参数集合;
步骤A3,将流量预测参数集合输入流量预测模型,得到一实时流量预测值并输出。
优选的,该种流量预测方法,其中工况采集设备包括供水水泵变频器和供水水泵压力表;
实时工况数据包括供水水泵变频器的实时频率,供水水泵的进水口压力数据和供水水泵的出水口压力数据。
优选的,该种流量预测方法,其中供水水泵对应的工频特性曲线为:
H=H0+s0*Q2
其中,
Q为供水水泵的瞬时流量;
H0为供水水泵于瞬时流量为零时所产生的虚总扬程;
S0为供水水泵的虚阻耗系数;
H为供水水泵的实际扬程。
优选的,该种流量预测方法,其中理论瞬时流量模型为:
其中,
Qs为理论瞬时流量值;
Hs为理论瞬时流量模型对应的供水水泵的实时扬程,实时扬程为供水水泵实时进水口水压与实时出水口水压的差值;
n0为供水水泵的工频转速;
n1为供水水泵的实时转速。
优选的,该种流量预测方法,其中步骤S2进一步包括:
步骤S21,根据数据类别对实时工况数据进行分类,将实时工况数据划分为压力类型数据与频率类型数据;
步骤S22,针对频率类型数据,剔除异常跳变频率数据,并将剔除异常跳变频率数据的频率类型数据作为实时频率参数进行输出;
步骤S23,针对压力类型数据,剔除异常波动压力数据,并将剔除异常波动压力数据的压力类型数据进行统一单位换算,得到一换算结果,并将换算结果作为实时压力参数进行输出;
步骤S22与步骤S23同时进行;
实时工况参数包括实时频率参数和实时压力参数。
优选的,该种流量预测方法,其中步骤S23进一步包括:
步骤S231,对压力类型数据进行分类,将压力类型数据划分为进口压力数据和出口压力数据;
步骤S232,针对进口压力数据,判断压力类型数据对应的供水水泵是否为无负压设备:
若是,则对进口压力数据进行统一单位换算,得到换算结果并将换算结果作为实时进口压力参数进行输出;
若否,则将进口压力数据置零并作为实时进口压力参数进行输出;
步骤S233,针对出口压力数据,剔除异常波动压力数据,并将剔除异常波动压力数据的出口压力数据进行统一单位换算,得到换算结果并将换算结果作为实时出口压力参数进行输出;
步骤S232与步骤S233同时进行;
实时压力参数包括实时进口压力参数和实时出口压力参数。
优选的,该种流量预测方法,其中步骤S6进一步包括:
步骤S61,根据理论瞬时流量总值对应的特定二次供水设备的运行工况,对测试数据集合进行划分,将测试数据集合划分为单泵运行数据集合和多泵运行数据集合;
步骤S62,根据单泵运行数据集合建立一第一单元回归分析模型;
步骤S63,根据多泵运行数据集合建立一第二单元回归分析模型;
步骤S64,输出流量预测模型,流量预测模型由第一单元回归分析模型和第二单元回归分析模型构成;
步骤S62与步骤S63同时进行
优选的,该种流量预测方法,其中二次供水设备对应的每个工况采集设备均间隔一预设时间向第二数据处理设备进行一次数据上传;
流量预测模型每间隔预设时间输出一实时流量预测值。
上述技术方案具有如下优点或有益效果:
通过本技术方案,能够建立起水泵瞬时流量与水泵运行参数之间的关系模型,通过易获取的二次供水设备实时运行参数,预测出供水水泵的相关瞬时流量,进而把握二次供水设备的整体运行状态,为分析设备的能耗及效率奠定重要基础。
附图说明
图1为本发明一种流量预测方法中,针对每个流量预测模型的训练流程示意图;
图2为本发明一种流量预测方法中,流量预测的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
针对现有技术中存在的上述问题,现提供一种流量预测方法,应用于供水监控领域,具体技术方案如下所示:
一种流量预测方法,应用于二次供水设备,其特征在于,预先训练形成多个流量预测模型,每个流量预测模型对应一特定二次供水设备,特定二次供水设备包括至少一个供水水泵,特定二次供水设备对应至少一个工况采集设备和一个第一数据处理设备,第一数据处理设备分别连接每个工况采集设备;
同时预先获取特定二次供水设备中每个供水水泵对应的工频特性曲线,并根据工频特性曲线得到一对应的理论瞬时流量模型,每个理论瞬时流量模型均存储于第一数据处理设备中;
如图1所示,针对每个流量预测模型的训练过程具体包括:
步骤S1,工况采集设备持续采集特定二次供水设备的实时工况数据并持续输出;
步骤S2,第一数据处理设备对实时工况数据进行预处理,输出实时工况参数;
步骤S3,根据理论瞬时流量模型和实时工况参数,计算得到每个供水水泵对应的理论瞬时流量;
步骤S4,对每个供水水泵对应的理论瞬时流量进行求和,得到一理论瞬时流量总值并进行存储;
步骤S5,判断存储的理论瞬时流量值的数量是否达到一预设阈值:
若是,则将全部理论瞬时流量总值记为样本数据集合,而后转向步骤S6;
若否,则返回步骤S1;
步骤S6,根据样本数据集合进行分析,得到一单元回归模型,并将单元回归模型记为特定二次供水设备对应的流量预测模型;
训练形成流量预测模型后,将流量预测模型应用于和对应的特定二次供水设备型号相同的二次供水设备中进行流量预测,二次供水设备对应至少一个工况采集设备和一个第二数据处理设备,第二数据处理设备分别连接二次供水设备对应的每个工况采集设备,流量预测模型存储于第二数据处理设备中;
如图2所示,流量预测的过程具体包括:
步骤A1,每个工况采集设备持续采集对应的二次供水设备的实时工况数据并持续输出;
步骤A2,根据流量预测模型,第二数据处理设备对实时工况数据进行处理,得到一流量预测参数集合;
步骤A3,将流量预测参数集合输入流量预测模型,得到一实时流量预测值并输出。
在本发明的一较佳实施例中,该种流量预测方法预先训练一流量预测模型,并通过该种流量预测模型对于同类型的二次供水设备进行相应的流量预测。在模型训练过程中,预先获取特定二次供水设备中每个供水水泵对应的工频特性曲线,并根据工频特性曲线推导得到一对应的理论瞬时流量模型,而后再根据大数据分析训练得到一流量预测模型;于大数据分析训练过程中,需要满足一定数量的采集数据才能够使得流量预测模型的拟合度和预测准确性达到要求,该要求数量可以由用户根据实际情况自行进行设定;同时在尽情流量预测模型的拟合之前,需要对采集数据进行必要的预处理以统一单位量并剔除数据跳变等引起的错误数据。
待流量预测模型建立完成后,该种流量预测模型即可应用于未安装流量计的同类型二次供水设备中进行自主的实时流量预测,此时只需由相同的工况采集设备持续采集该流量预测模型所需的实时参数项,而后输入该预测模型中即可得到持续输出的瞬时流量值。
作为优选的实施方式,该种流量预测方法,其中工况采集设备包括供水水泵变频器和供水水泵压力表;
实时工况数据包括供水水泵变频器的实时频率,供水水泵的进水口压力数据和供水水泵的出水口压力数据。
作为优选的实施方式,该种流量预测方法,其中供水水泵对应的工频特性曲线为:
H=H0+s0*Q2
其中,
Q为供水水泵的瞬时流量;
H0为供水水泵于瞬时流量为零时所产生的虚总扬程;
S0为供水水泵的虚阻耗系数;
H为供水水泵的实际扬程。
作为优选的实施方式,该种流量预测方法,其中理论瞬时流量模型为:
其中,
Qs为理论瞬时流量值;
Hs为理论瞬时流量模型对应的供水水泵的实时扬程,实时扬程为供水水泵实时进水口水压与实时出水口水压的差值;
n0为供水水泵的工频转速;
n1为供水水泵的实时转速。
在本发明的另一较佳实施例中,供水水泵的理论瞬时流量模型是根据水泵的特性曲线和水泵比例定律推导所得,其中供水水泵对应的工频特性曲线为:
H=H0+s0*Q2
其中,该工频特性曲线是由供水水泵处于工频运行(供水水泵运行频率为50Hz)时的采集到的工况参数拟合而成的,Q为供水水泵的瞬时流量;H0为供水水泵于瞬时流量为零时所产生的虚总扬程;S0为供水水泵的虚阻耗系数;H为供水水泵的实际扬程,由于该供水水泵并非设置于市政一次供水设备上而是设置于二次供水设备上的,故而即使供水水泵的瞬时流量为零时,也会产生一虚总扬程,供水水泵的瞬时流量和供水水泵的实际扬程均是可以检测得到的,而供水水泵工频运行时的虚阻耗系数及虚总扬程均是通过大数据拟合得到的,每个供水水泵对应有一工频特性曲线。
供水水泵对应的理论瞬时流量模型是根据工频特性曲线及水泵的比例定律推导得出的,水泵比例定律为:
其中n0为供水水泵的额定转速;n1为供水水泵的实时转速,q1和q0分别为供水水泵的转速为n1和n0时对应的瞬时流量,通过水泵比例定律和水泵工频特性曲线公式的二次联立,能够推导出前述理论瞬时流量模型。可以发现,理论瞬时流量模型所需用到的计算数据均是工况采集设备可以轻易采集得到的。
作为优选的实施方式,该种流量预测方法,其中步骤S2进一步包括:
步骤S21,根据数据类别对实时工况数据进行分类,将实时工况数据划分为压力类型数据与频率类型数据;
步骤S22,针对频率类型数据,剔除异常跳变频率数据,并将剔除异常跳变频率数据的频率类型数据作为实时频率参数进行输出;
步骤S23,针对压力类型数据,剔除异常波动压力数据,并将剔除异常波动压力数据的压力类型数据进行统一单位换算,得到一换算结果,并将换算结果作为实时压力参数进行输出;
步骤S22与步骤S23同时进行;
实时工况参数包括实时频率参数和实时压力参数。
作为优选的实施方式,该种流量预测方法,其中步骤S23进一步包括:
步骤S231,对压力类型数据进行分类,将压力类型数据划分为进口压力数据和出口压力数据;
步骤S232,针对进口压力数据,判断压力类型数据对应的供水水泵是否为无负压设备:
若是,则对进口压力数据进行统一单位换算,得到换算结果并将换算结果作为实时进口压力参数进行输出;
若否,则将进口压力数据置零并作为实时进口压力参数进行输出;
步骤S233,针对出口压力数据,剔除异常波动压力数据,并将剔除异常波动压力数据的出口压力数据进行统一单位换算,得到换算结果并将换算结果作为实时出口压力参数进行输出;
步骤S232与步骤S233同时进行;
实时压力参数包括实时进口压力参数和实时出口压力参数。
在本发明的另一较佳实施例中,根据理论瞬时流量模型的参数需要将实时工况数据分为了压力数据和频率数据,对于频率数据而言,仅需清洗剔除跳变产生的异常数据即可,而对于压力数据而言,除了清除异常波动的数据并对压力数据进行统一单位运算外,还需对进口压力数据进行额外判断,判断其对应的供水水泵是否为无负压设备,若否则需将进口压力数据进行置零处理。
特别地,于上述较佳实施例中,于步骤A2中,当第二数据处理设备对实时工况数据进行处理得到一流量预测参数集合是也需进行上述数据清洗和剔除的处理步骤。
作为优选的实施方式,该种流量预测方法,其中步骤S6进一步包括:
步骤S61,根据理论瞬时流量总值对应的特定二次供水设备的运行工况,对测试数据集合进行划分,将测试数据集合划分为单泵运行数据集合和多泵运行数据集合;
步骤S62,根据单泵运行数据集合建立一第一单元回归分析模型;
步骤S63,根据多泵运行数据集合建立一第二单元回归分析模型;
步骤S64,输出流量预测模型,流量预测模型由第一单元回归分析模型和第二单元回归分析模型构成;
步骤S62与步骤S63同时进行。
在本发明的另一较佳实施例中,对于流量预测模型的构成进行了进一步的阐释和说明,对于二次供水设备而言,其可能包含多个供水水泵,且每个供水水泵均可根据相应的调控指令进行工况的开启和关闭,故而对于流量预测模型而言,需要将单泵运行情况与多泵运行情况进行区分,分别通过单元回归分析法计算出形如下式的单元回归分析模型:
Qcal=β0+β1*Ql
其中,Qcal为要计算的预测瞬时流量值;β0为误差项;Ql为使用理论瞬时流量模型所得出的理论流量至,β1为加权系数。
将根据单泵运行数据集合建立一第一单元回归分析模型与根据多泵运行数据集合建立一第二单元回归分析模型并入同一方程组中,即可得到所需的流量预测模型。
作为优选的实施方式,该种流量预测方法,其中二次供水设备对应的每个工况采集设备均间隔一预设时间向第二数据处理设备进行一次数据上传;
流量预测模型每间隔预设时间输出一实时流量预测值。
在本发明的另一较佳实施例中,对于工况采集设备的上传频次进行了进一步的限定,对于不同的工况采集设备而言,其持续采集频率可能会存在差异,容易导致某一时刻流量预测模型接收不到足够的参数数据以完成流量预测,故而对于每个工况采集设备的上传频率进行统一限定,可以是1秒/次也可以是2秒/次,由用户根据实际需要自行设定,从而满足流量预测模型的流量预测实际需求。
综上所述,通过本技术方案,能够建立起水泵瞬时流量与水泵运行参数之间的关系模型,通过易获取的二次供水设备实时运行参数,预测出供水水泵的相关瞬时流量,进而把握二次供水设备的整体运行状态,为分析设备的能耗及效率奠定重要基础。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (8)
1.一种流量预测方法,应用于二次供水设备,其特征在于,预先训练形成多个流量预测模型,每个所述流量预测模型对应一特定二次供水设备,所述特定二次供水设备包括至少一个供水水泵,所述特定二次供水设备对应至少一个工况采集设备和一个第一数据处理设备,所述第一数据处理设备分别连接每个所述工况采集设备;
同时预先获取所述特定二次供水设备中每个所述供水水泵对应的工频特性曲线,并根据所述工频特性曲线得到一对应的理论瞬时流量模型,每个所述理论瞬时流量模型均存储于所述第一数据处理设备中;
针对每个所述流量预测模型的训练过程具体包括:
步骤S1,所述工况采集设备持续采集所述特定二次供水设备的实时工况数据并持续输出;
步骤S2,所述第一数据处理设备对所述实时工况数据进行预处理,输出实时工况参数;
步骤S3,根据所述理论瞬时流量模型和所述实时工况参数,计算得到每个所述供水水泵对应的理论瞬时流量;
步骤S4,对每个供水水泵对应的所述理论瞬时流量进行求和,得到一理论瞬时流量总值并进行存储;
步骤S5,判断存储的所述理论瞬时流量值的数量是否达到一预设阈值:
若是,则将全部所述理论瞬时流量总值记为样本数据集合,而后转向步骤S6;
若否,则返回步骤S1;
步骤S6,根据所述样本数据集合进行分析,得到一单元回归模型,并将所述单元回归模型记为所述特定二次供水设备对应的所述流量预测模型;
训练形成所述流量预测模型后,将所述流量预测模型应用于和对应的所述特定二次供水设备型号相同的二次供水设备中进行流量预测,所述二次供水设备对应至少一个所述工况采集设备和一个第二数据处理设备,所述第二数据处理设备分别连接所述二次供水设备对应的每个所述工况采集设备,所述流量预测模型存储于所述第二数据处理设备中;
所述流量预测的过程具体包括:
步骤A1,每个所述工况采集设备持续采集对应的所述二次供水设备的实时工况数据并持续输出;
步骤A2,根据所述流量预测模型,所述第二数据处理设备对所述实时工况数据进行处理,得到一流量预测参数集合;
步骤A3,将所述流量预测参数集合输入所述流量预测模型,得到一实时流量预测值并输出。
2.如权利要求1所述的流量预测方法,其特征在于,所述工况采集设备包括供水水泵变频器和供水水泵压力表;
所述实时工况数据包括所述供水水泵变频器的实时频率,所述供水水泵的进水口压力数据和所述供水水泵的出水口压力数据。
3.如权利要求1所述的流量预测方法,其特征在于,所述供水水泵对应的所述工频特性曲线为:
H=H0+s0*Q2
其中,
Q为所述供水水泵的瞬时流量;
H0为所述供水水泵于所述瞬时流量为零时所产生的虚总扬程;
S0为所述供水水泵的虚阻耗系数;
H为所述供水水泵的实际扬程。
5.如权利要求1所述的流量预测方法,其特征在于,所述步骤S2进一步包括:
步骤S21,根据数据类别对所述实时工况数据进行分类,将所述实时工况数据划分为压力类型数据与频率类型数据;
步骤S22,针对所述频率类型数据,剔除异常跳变频率数据,并将剔除所述异常跳变频率数据的所述频率类型数据作为实时频率参数进行输出;
步骤S23,针对所述压力类型数据,剔除异常波动压力数据,并将剔除所述异常波动压力数据的所述压力类型数据进行统一单位换算,得到一换算结果,并将所述换算结果作为实时压力参数进行输出;
所述步骤S22与所述步骤S23同时进行;
所述实时工况参数包括所述实时频率参数和所述实时压力参数。
6.如权利要求5所述的流量预测方法,其特征在于,所述步骤S23进一步包括:
步骤S231,对所述压力类型数据进行分类,将所述压力类型数据划分为进口压力数据和出口压力数据;
步骤S232,针对所述进口压力数据,判断所述压力类型数据对应的所述供水水泵是否为无负压设备:
若是,则对所述进口压力数据进行统一单位换算,得到所述换算结果并将所述换算结果作为所述实时进口压力参数进行输出;
若否,则将所述进口压力数据置零并作为所述实时进口压力参数进行输出;
步骤S233,针对所述出口压力数据,剔除异常波动压力数据,并将剔除所述异常波动压力数据的所述出口压力数据进行统一单位换算,得到所述换算结果并将所述换算结果作为所述实时出口压力参数进行输出;
所述步骤S232与所述步骤S233同时进行;
所述实时压力参数包括所述实时进口压力参数和所述实时出口压力参数。
7.如权利要求1所述的流量预测方法,其特征在于,所述步骤S6进一步包括:
步骤S61,根据所述理论瞬时流量总值对应的所述特定二次供水设备的运行工况,对所述测试数据集合进行划分,将所述测试数据集合划分为单泵运行数据集合和多泵运行数据集合;
步骤S62,根据所述单泵运行数据集合建立一第一单元回归分析模型;
步骤S63,根据所述多泵运行数据集合建立一第二单元回归分析模型;
步骤S64,输出所述流量预测模型,所述流量预测模型由所述第一单元回归分析模型和所述第二单元回归分析模型构成;
所述步骤S62与所述步骤S63同时进行。
8.如权利要求1所述的流量预测方法,其特征在于,所述二次供水设备对应的每个所述工况采集设备均间隔一预设时间向所述第二数据处理设备进行一次数据上传;
所述流量预测模型每间隔所述预设时间输出一所述实时流量预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911301326.7A CN110992209A (zh) | 2019-12-17 | 2019-12-17 | 一种流量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911301326.7A CN110992209A (zh) | 2019-12-17 | 2019-12-17 | 一种流量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110992209A true CN110992209A (zh) | 2020-04-10 |
Family
ID=70094639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911301326.7A Pending CN110992209A (zh) | 2019-12-17 | 2019-12-17 | 一种流量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992209A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111766815A (zh) * | 2020-07-14 | 2020-10-13 | 上海威派格智慧水务股份有限公司 | 一种水务设备的运行监控系统 |
CN112482488A (zh) * | 2020-11-11 | 2021-03-12 | 上海威派格智慧水务股份有限公司 | 一种城市错峰供水方法及系统 |
CN112651138A (zh) * | 2020-12-30 | 2021-04-13 | 华润电力湖北有限公司 | 流量获得方法、装置、终端设备以及计算机可读存储介质 |
CN113156817A (zh) * | 2021-03-18 | 2021-07-23 | 上海威派格智慧水务股份有限公司 | 一种泵站智能配泵方法 |
CN113240314A (zh) * | 2021-05-28 | 2021-08-10 | 浙江机电职业技术学院 | 二次供水错峰调度系统 |
CN114251835A (zh) * | 2021-10-08 | 2022-03-29 | 佛山市顺德区美的饮水机制造有限公司 | 即热装置及其控制方法和控制装置、水处理装置和介质 |
CN116877405A (zh) * | 2023-09-08 | 2023-10-13 | 中国建筑设计研究院有限公司 | 基于阻力损失的多恒压变频供水控制方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956690A (zh) * | 2016-04-25 | 2016-09-21 | 广州东芝白云自动化系统有限公司 | 一种供水预测方法及系统 |
CN106127359A (zh) * | 2016-08-30 | 2016-11-16 | 北京协同创新智能电网技术有限公司 | 一种基于局部加权线性回归模型的变频水泵出口流量预警方法 |
CN108846144A (zh) * | 2018-03-30 | 2018-11-20 | 同济大学 | 一种不依赖于流量计的管路流量在线检测方法 |
CN109783903A (zh) * | 2018-12-28 | 2019-05-21 | 佛山科学技术学院 | 一种基于时间序列的工业用水管道故障诊断方法及系统 |
CN109919423A (zh) * | 2019-01-23 | 2019-06-21 | 特斯联(北京)科技有限公司 | 一种基于深度学习的智慧水务管理方法及系统 |
CN110044423A (zh) * | 2019-04-03 | 2019-07-23 | 殷健 | 一种水流量监测方法 |
CN112696344A (zh) * | 2020-12-23 | 2021-04-23 | 上海熊猫机械(集团)有限公司 | 一种供水加压泵站的智能控制方法 |
-
2019
- 2019-12-17 CN CN201911301326.7A patent/CN110992209A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956690A (zh) * | 2016-04-25 | 2016-09-21 | 广州东芝白云自动化系统有限公司 | 一种供水预测方法及系统 |
CN106127359A (zh) * | 2016-08-30 | 2016-11-16 | 北京协同创新智能电网技术有限公司 | 一种基于局部加权线性回归模型的变频水泵出口流量预警方法 |
CN108846144A (zh) * | 2018-03-30 | 2018-11-20 | 同济大学 | 一种不依赖于流量计的管路流量在线检测方法 |
CN109783903A (zh) * | 2018-12-28 | 2019-05-21 | 佛山科学技术学院 | 一种基于时间序列的工业用水管道故障诊断方法及系统 |
CN109919423A (zh) * | 2019-01-23 | 2019-06-21 | 特斯联(北京)科技有限公司 | 一种基于深度学习的智慧水务管理方法及系统 |
CN110044423A (zh) * | 2019-04-03 | 2019-07-23 | 殷健 | 一种水流量监测方法 |
CN112696344A (zh) * | 2020-12-23 | 2021-04-23 | 上海熊猫机械(集团)有限公司 | 一种供水加压泵站的智能控制方法 |
Non-Patent Citations (1)
Title |
---|
邓爱华 编著, 中国轻工业出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111766815A (zh) * | 2020-07-14 | 2020-10-13 | 上海威派格智慧水务股份有限公司 | 一种水务设备的运行监控系统 |
CN112482488A (zh) * | 2020-11-11 | 2021-03-12 | 上海威派格智慧水务股份有限公司 | 一种城市错峰供水方法及系统 |
CN112482488B (zh) * | 2020-11-11 | 2022-11-22 | 上海威派格智慧水务股份有限公司 | 一种城市错峰供水方法及系统 |
CN112651138A (zh) * | 2020-12-30 | 2021-04-13 | 华润电力湖北有限公司 | 流量获得方法、装置、终端设备以及计算机可读存储介质 |
CN112651138B (zh) * | 2020-12-30 | 2023-12-08 | 华润电力湖北有限公司 | 流量获得方法、装置、终端设备以及计算机可读存储介质 |
CN113156817A (zh) * | 2021-03-18 | 2021-07-23 | 上海威派格智慧水务股份有限公司 | 一种泵站智能配泵方法 |
CN113240314A (zh) * | 2021-05-28 | 2021-08-10 | 浙江机电职业技术学院 | 二次供水错峰调度系统 |
CN114251835A (zh) * | 2021-10-08 | 2022-03-29 | 佛山市顺德区美的饮水机制造有限公司 | 即热装置及其控制方法和控制装置、水处理装置和介质 |
CN116877405A (zh) * | 2023-09-08 | 2023-10-13 | 中国建筑设计研究院有限公司 | 基于阻力损失的多恒压变频供水控制方法、装置、设备及介质 |
CN116877405B (zh) * | 2023-09-08 | 2023-12-19 | 中国建筑设计研究院有限公司 | 基于阻力损失的多恒压变频供水控制方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992209A (zh) | 一种流量预测方法 | |
CN104573850B (zh) | 一种火电厂设备状态评估方法 | |
CN103903408B (zh) | 设备故障侦查预警方法和系统 | |
RU2018120187A (ru) | Оценка сетей потоков | |
CN111080072A (zh) | 配电变压器健康指数评估方法、装置及系统 | |
CN103206364A (zh) | 一种进行单型号水泵节能运行调度的系统及其方法 | |
CN114648136A (zh) | 动设备健康度评估方法、装置、设备及存储介质 | |
WO2021007845A1 (zh) | 一种氧化铝生产指标的云-边协同预报系统及方法 | |
CN205581659U (zh) | 供水实时调度系统 | |
CN107103425B (zh) | 发电设备运行状态计算机智能量化评价系统 | |
TWI740112B (zh) | 脫硫裝置之運轉支援系統及運轉支援方法 | |
CN112283593A (zh) | 一种关阀检测管网漏损的物联网系统及其漏损检测方法 | |
US7155367B1 (en) | Method for evaluating relative efficiency of equipment | |
CN110956339A (zh) | 一种流量预测方法 | |
CN106204324A (zh) | 一种确定电厂复杂设备关键监测参数及各参数权重分配的方法 | |
CN115828744A (zh) | 一种白光发光二极管故障在线诊断与寿命预测方法 | |
CN112462708B (zh) | 一种泵站远程诊断及优化调度方法及系统 | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
CN104713410A (zh) | 一种调控冷却塔出水温度的方法 | |
CN112044270B (zh) | 一种基于数据驱动多模型的脱硫氧化风系统控制方法 | |
CN115133659A (zh) | 低压配电网络低压线损的在线监测方法与系统 | |
CN112761936B (zh) | 水泵系统能效分析方法和水泵控制系统 | |
CN110555543B (zh) | 一种风电场预测的不确定度分析方法及系统 | |
CN110161382B (zh) | 一种判断变压器是否需要停电试验的方法和装置 | |
CN117273204A (zh) | 一种基于时间序列预测分析的泵站流量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |