CN113240314A - 二次供水错峰调度系统 - Google Patents
二次供水错峰调度系统 Download PDFInfo
- Publication number
- CN113240314A CN113240314A CN202110588646.6A CN202110588646A CN113240314A CN 113240314 A CN113240314 A CN 113240314A CN 202110588646 A CN202110588646 A CN 202110588646A CN 113240314 A CN113240314 A CN 113240314A
- Authority
- CN
- China
- Prior art keywords
- module
- water
- data
- model
- peak
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 192
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 14
- 238000002620 method output Methods 0.000 claims description 9
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000013499 data model Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000003911 water pollution 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
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了二次供水错峰调度系统,属于二次供水系统管理技术领域,包括数据获取模块,所述数据获取模块的输出端口连接有数据预处理模块,所述数据预处理模块的输出端口分别连接有模型调度分析模块和居民用水负荷模型建立模块,所述居民用水负荷模型建立模块的输出端口与模型调度分析模块的输入端口连接;本发明采用可靠的二次供水系统的时序数据传输、存储和分析技术,有效采集居民用水数据并通过机器学习方式,建立居民用水负荷数据模型;本发明基于二次供水水箱容量,提出错峰供水的调度思路,有效避免用水高峰期水压不足问题;本发明有效解决传统供水方式大量用水留存于水箱,形成死水区并影响水质问题。
Description
技术领域
本发明属于二次供水系统管理技术领域,具体涉及二次供水错峰调度系统。
背景技术
随着城市中高层住宅小区的飞速发展,二次供水系统作为住宅附属配套设施的重要性日益凸显,如何在确保可靠供水的前提下,建立精确的居民用水负荷模型、提高供水品质并降低供水费用成为二次供水系统研究的热点和难点。
当前我国高层住宅小区精确用水量数据研究很少,导致设计参数依据国家相关规范提供的公式估算而设计参数和型号不一定科学;大部分时间二次供水的水箱利用率很低,仅上层水流动,而这类水箱容积较大,会形成死水区滋生微生物,降低游离氯而导致水质恶化;现有二次供水一般都采用持续进水的方式,能耗和费用偏高;居民用水很容易形成“蜂聚”效应,在极少数用水高峰期,二次供水水箱同时补水,供水管网水压快速降低,容易形成缺水。
目前针对二次供水系统监控、能耗优化和水质保障等已经有不少理论研究和一些实践,但这些研究和实践针对水箱错峰调度上的很少,尤其应用于实际供水系统中的几乎没有,主要原因在于缺乏可靠有效的居民用水数据存储分析系统,以及二次供水控制系统,无论从提高供水品质、或是降低供水费用角度,二次供水错峰调度系统都有及其重要的研究价值和社会效益。
发明内容
为解决上述背景技术中提出的问题。本发明提供了二次供水错峰调度系统,具有尽量保证用水低谷期供水,有效解决用水高峰期水压不足引起供水困难、无法供水问题,同时可以解决存在的死水区导致水体二次污染问题的特点。
为实现上述目的,本发明提供如下技术方案:二次供水错峰调度系统,包括数据获取模块,所述数据获取模块的输出端口连接有数据预处理模块,所述数据预处理模块的输出端口分别连接有模型调度分析模块和居民用水负荷模型建立模块,所述居民用水负荷模型建立模块的输出端口与模型调度分析模块的输入端口连接,所述模型调度分析模块的输出端口连接有模型调度方法输出模块。
本发明中进一步的,所述数据获取模块采集的数据包括水箱水位h(t)、进水瞬时流量φ(t)。
本发明中进一步的,所述数据预处理模块的预处理方法为:若丢失量小于n,n≤3个周期,采用差值处理;若丢失量大于n个周期,采用丢弃处理;若丢失0量值或者过高值,采用丢弃处理。
本发明中进一步的,所述居民用水负荷模型建立模块包括数据学习模块,所述数据学习模块的输入端口与数据预处理模块连接,所述数据学习模块的输出端口连接有模型生成模块,所述模型生成模块的输入端口连接有模型调整模块,所述模型生成模块的输出端口与模型调度分析模块连接。
本发明中进一步的,所述数据学习模块的学习方法为:
S1:计算瞬时出水量ξ(t)
若数据获取模块采集的数据为成熟小区,则采用ARIMA模型进行处理,获得预计瞬时出水量ξ(t),若数据获取模块采集的数据为不成熟小区,则采用动态模型进行处理,获得预计瞬时出水量ξ(t);
S2:根据预计瞬时出水量ξ(t)计算波峰tpeak、波峰期Tpeak、波谷tvalley、波谷期Tvalley和总用水量Ξpred
假设其阈值为ξmax和ξmin,对瞬时流量求一阶导数ξ′(t)和ξ″(t),
求得波峰tpeak为:
计算波峰期Tpeak的公式如下:
求得波谷tvalley为:
计算波谷期Tvalley的公式如下:
计算总用水量Ξpred的公式如下:
Ξ(t)=∫ξ(t)dt。
本发明中进一步的,所述步骤S1中,ARIMA模型获得预计瞬时出水量ξ(t)的计算算法为:
S11:按照半小时或一小时的时间范围汇总样本数据;
S12:对数据做一阶或二阶差分;
S13:对差分数据求acf和pacf,求得p和q;
S14:根据求得的p、d、q,得到预计用水量时序数据。
本发明中进一步的,所述步骤S1中,动态模型获得预计瞬时出水量ξ(t)的计算算法为:
S15:按分钟的时间范围汇总样本数据;
S16:估计正态分布的参数;
S17:按置信度求得预计瞬时流量。
本发明中进一步的,所述模型生成模块的生成方法为:
根据数据学习模块的计算,进水模型为:
其中,μ(t)为外部管道进水量;
同时需要满足以下条件:
与现有技术相比,本发明的有益效果是:
1、本发明采用可靠的二次供水系统的时序数据传输、存储和分析技术,有效采集居民用水数据并通过机器学习方式,建立居民用水负荷数据模型。
2、本发明基于二次供水水箱容量,提出错峰供水的调度思路,有效避免用水高峰期水压不足问题。
3、本发明有效解决传统供水方式大量用水留存于水箱,形成死水区并影响水质问题。
附图说明
图1为本发明调度系统的组成框架图;
图2为本发明居民用水负荷模型建立模块的组成框架图;
图3为本发明调度系统的调度流程图;
图中:1、数据获取模块;2、数据预处理模块;3、模型调度分析模块;4、模型调度方法输出模块;5、居民用水负荷模型建立模块;51、数据学习模块;52、模型生成模块;53、模型调整模块。
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做出创造性劳动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。
请参阅图1-3,本发明提供以下技术方案:二次供水错峰调度系统,包括数据获取模块1,数据获取模块1的输出端口连接有数据预处理模块2,数据预处理模块2的输出端口分别连接有模型调度分析模块3和居民用水负荷模型建立模块5,居民用水负荷模型建立模块5的输出端口与模型调度分析模块3的输入端口连接,模型调度分析模块3的输出端口连接有模型调度方法输出模块4。
具体的,数据获取模块1采集的数据包括水箱水位h(t)、进水瞬时流量φ(t)。
具体的,数据预处理模块2的预处理方法为:若丢失量小于n,n≤3个周期,采用差值处理;若丢失量大于n个周期,采用丢弃处理;若丢失量0值或者过高值,采用丢弃处理。
具体的,居民用水负荷模型建立模块5包括数据学习模块51,数据学习模块51的输入端口与数据预处理模块2连接,数据学习模块51的输出端口连接有模型生成模块52,模型生成模块52的输入端口连接有模型调整模块53,模型生成模块52的输出端口与模型调度分析模块3连接。
具体的,数据学习模块51的学习方法为:
S1:计算瞬时出水量ξ(t)
若数据获取模块1采集的数据为成熟小区,则采用ARIMA模型进行处理,获得预计瞬时出水量ξ(t),若数据获取模块1采集的数据为不成熟小区,则采用动态模型进行处理,获得预计瞬时出水量ξ(t);
S2:根据预计瞬时出水量ξ(t)计算波峰tpeak、波峰期Tpeak、波谷tvalley、波谷期Tvalley和总用水量Ξpred
假设其阈值为ξmax和ξmin,对瞬时流量求一阶导数ξ′(t)和ξ″(t),
求得波峰tpeak为:
计算波峰期Tpeak的公式如下:
求得波谷tvalley为:
计算波谷期Tvalley的公式如下:
计算总用水量Ξpred的公式如下:
Ξ(t)=∫ξ(t)dt。
具体的,步骤S1中,ARIMA模型获得预计瞬时出水量ξ(t)的计算算法为:
S11:按照半小时或一小时的时间范围汇总样本数据;
S12:对数据做一阶或二阶差分;
S13:对差分数据求acf和pacf,求得p和q;
S14:根据求得的p、d、q,得到预计用水量时序数据。
具体的,步骤S1中,动态模型获得预计瞬时出水量ξ(t)的计算算法为:
S15:按分钟的时间范围汇总样本数据;
S16:估计正态分布的参数;
S17:按置信度求得预计瞬时流量。
具体的,模型生成模块52的生成方法为:
根据数据学习模块51的计算,进水模型为:
其中,μ(t)为外部管道进水量;
同时需要满足以下条件:
本发明的工作原理:
S(1):建立居民用水负荷模型
S(11):数据获取模块1进行历史样本数据的获取;
S(12):数据预处理模块2对历史样本数据进行预处理;
S(13):数据学习模块51判断历史样本数据是否为成熟小区的数据,若为成熟小区,采用ARIMA模型进行处理,获得预计瞬时出水量ξ(t),若为不成熟小区,采用动态模型进行处理,获得预计瞬时出水量ξ(t);
S(14):数据学习模块51计算波峰tpeak、波峰期Tpeak、波谷tvalley、波谷期Tvalley和总用水量Ξpred
假设其阈值为ξmax和ξmin,对瞬时流量求一阶导数ξ′(t)和ξ″(t),
求得波峰tpeak为:
求得波谷tvalley为:
计算波谷期Tvalley的公式如下:
计算总用水量Ξpred的公式如下:
Ξ(t)=∫ξ(t)dt;
S(15):模型生成模块52生成模型
根据上述计算,生成进水模型为:
其中,μ(t)为外部管道进水量;
同时需要满足以下条件:
S(16):模型输出
模型生成模块52将生成的模型导至模型调度分析模块3内;
S(17):模型调整
数据获取模块1获取历史样本数据,数据预处理模块2对样本数据进行预处理,预处理后的样本历史数据进入模型调度分析模块3,模型调度分析模块3对历史样本数据进行分析并生成调度方法,调度方法通过模型调度方法输出模块4输出,调度人员判断调度方法是否可行,若不可行,通过模型调整模块53对模型生成模块52内生成的模型进行调整,直至模型调度方法可行。
S(2):二次供水错峰调度
S(21):先输入最低水位hmin、最高水位hmax、瞬时出水量最低阈值ξmin、瞬时出水量最高阈值ξmax和常数Ci等参数,并设置ηh=0,δh=0.1hmax;
S(22):数据获取模块1获取n份历史样本;
S(23):数据预处理模块2对获取的数据进行预处理;
S(24):模型调度分析模块3判断获取的数据是否为成熟小区,若为成熟小区,则采用ARIMA模型进行处理,获得预计瞬时出水量ξ(t),若为不成熟小区,则采用动态模型进行处理,获得预计瞬时出水量ξ(t);
S(25):模型调度分析模块3根据预计瞬时出水量ξ(t)、瞬时出水量最低阈值ξmin、瞬时出水量最高阈值ξmax,计算波谷期Tvalley和总用水量Ξpred;
S(26):模型调度分析模块3判断波谷期Tvalley的进水量是否等于或大于总用水量Ξpred,若波谷期Tvalley的进水量等于或大于总用水量Ξpred,持续监测水箱水位h(t),若波谷期Tvalley的进水量小于总用水量Ξpred,则发出容量告警,由模型调度方法输出模块4输出;
S(27):模型调度分析模块3持续监测水箱水位h(t)的过程中,若监测到水箱水位h(t)小于或等于最低水位hmin,则发出水位告警,需要立即进行补水,若监测到水箱水位h(t)大于最低水位hmin,持续判断时间是否属于波谷期Tvalley内,由模型调度方法输出模块4输出;
S(28):模型调度分析模块3持续判断时间是否属于波谷期Tvalley内的过程中,若时间属于波谷期Tvalley内,持续判断最高水位hmax-ηh*δh是否大于水箱水位h(t),若时间不属于波谷期Tvalley内,则ηh=0,停止补水状态,由模型调度方法输出模块4输出;
S(29):模型调度分析模块3持续判断最高水位hmax-ηh*δh是否大于水箱水位h(t)的过程中,若最高水位hmax-ηh*δh大于水箱水位h(t),需要立即进行补水,若最高水位hmax-ηh*δh小于或等于水箱水位h(t),则ηh=1,停止补水状态,由模型调度方法输出模块4输出。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.二次供水错峰调度系统,包括数据获取模块(1),其特征在于:所述数据获取模块(1)的输出端口连接有数据预处理模块(2),所述数据预处理模块(2)的输出端口分别连接有模型调度分析模块(3)和居民用水负荷模型建立模块(5),所述居民用水负荷模型建立模块(5)的输出端口与模型调度分析模块(3)的输入端口连接,所述模型调度分析模块(3)的输出端口连接有模型调度方法输出模块(4)。
2.根据权利要求1所述的二次供水错峰调度系统,其特征在于:所述数据获取模块(1)采集的数据包括水箱水位h(t)、进水瞬时流量φ(t)或累计进水流量Φ(t)。
3.根据权利要求1所述的二次供水错峰调度系统,其特征在于:所述数据预处理模块(2)的预处理方法为:若丢失量小于n,n≤3个周期,采用差值处理;若丢失量大于n个周期,采用丢弃处理;若丢失量0值或者过高值,采用丢弃处理。
4.根据权利要求1所述的二次供水错峰调度系统,其特征在于:所述居民用水负荷模型建立模块(5)包括数据学习模块(51),所述数据学习模块(51)的输入端口与数据预处理模块(2)连接,所述数据学习模块(51)的输出端口连接有模型生成模块(52),所述模型生成模块(52)的输入端口连接有模型调整模块(53),所述模型生成模块(52)的输出端口与模型调度分析模块(3)连接。
5.根据权利要求4所述的二次供水错峰调度系统,其特征在于:所述数据学习模块(51)的学习方法为:
S1:计算瞬时出水量ξ(t)
若数据获取模块(1)采集的数据为成熟小区,则采用ARIMA模型进行处理,获得预计瞬时出水量ξ(t),若数据获取模块(1)采集的数据为不成熟小区,则采用动态模型进行处理,获得预计瞬时出水量ξ(t);
S2:根据预计瞬时出水量ξ(t)计算波峰tpeak、波峰期Tpeak、波谷tvalley、波谷期Tvalley和总用水量Ξpred
假设其阈值为ξmax和ξmin,对瞬时流量求一阶导数ξ(t)和ξ(t),
求得波峰tpeak为:
计算波峰期Tpeak的公式如下:
求得波谷tvalley为:
计算波谷期Tvalley的公式如下:
计算总用水量Ξpred的公式如下:
Ξ(t)=∫ξ(t)dt。
6.根据权利要求5所述的二次供水错峰调度系统,其特征在于:所述步骤S1中,ARIMA模型获得预计瞬时出水量ξ(t)的计算算法为:
S11:按照半小时或一小时的时间范围汇总样本数据;
S12:对数据做一阶或二阶差分;
S13:对差分数据求acf和pacf,求得p和q;
S14:根据求得的p、d、q,得到预计用水量时序数据。
7.根据权利要求5所述的二次供水错峰调度系统,其特征在于:所述步骤S1中,动态模型获得预计瞬时出水量ξ(t)的计算算法为:
S15:按分钟的时间范围汇总样本数据;
S16:估计正态分布的参数;
S17:按置信度求得预计瞬时流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588646.6A CN113240314B (zh) | 2021-05-28 | 2021-05-28 | 二次供水错峰调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588646.6A CN113240314B (zh) | 2021-05-28 | 2021-05-28 | 二次供水错峰调度系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240314A true CN113240314A (zh) | 2021-08-10 |
CN113240314B CN113240314B (zh) | 2022-11-08 |
Family
ID=77139298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110588646.6A Active CN113240314B (zh) | 2021-05-28 | 2021-05-28 | 二次供水错峰调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240314B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432863A (zh) * | 2023-05-18 | 2023-07-14 | 安徽舜禹水务股份有限公司 | 一种基于数学规划的二次供水整体错峰调度方法 |
CN116611674A (zh) * | 2023-07-20 | 2023-08-18 | 中建五局第三建设有限公司 | 一种建筑供给水智能调度运行方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100114799A1 (en) * | 2008-10-31 | 2010-05-06 | General Electric Company | Optimal dispatch of demand side electricity resources |
CN110992209A (zh) * | 2019-12-17 | 2020-04-10 | 上海威派格智慧水务股份有限公司 | 一种流量预测方法 |
CN111105065A (zh) * | 2019-09-26 | 2020-05-05 | 深圳市东深电子股份有限公司 | 一种基于机器学习的农村供水系统及供水方法 |
CN111206650A (zh) * | 2020-01-13 | 2020-05-29 | 上海威派格智慧水务股份有限公司 | 一种水箱错峰调蓄管理系统 |
CN112286063A (zh) * | 2020-09-30 | 2021-01-29 | 国网天津市电力公司 | 一种基于非侵入量测的区域能耗监测系统及方法 |
CN112465188A (zh) * | 2020-11-03 | 2021-03-09 | 上海威派格智慧水务股份有限公司 | 一种用水高峰期分析系统与方法 |
-
2021
- 2021-05-28 CN CN202110588646.6A patent/CN113240314B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100114799A1 (en) * | 2008-10-31 | 2010-05-06 | General Electric Company | Optimal dispatch of demand side electricity resources |
CN111105065A (zh) * | 2019-09-26 | 2020-05-05 | 深圳市东深电子股份有限公司 | 一种基于机器学习的农村供水系统及供水方法 |
CN110992209A (zh) * | 2019-12-17 | 2020-04-10 | 上海威派格智慧水务股份有限公司 | 一种流量预测方法 |
CN111206650A (zh) * | 2020-01-13 | 2020-05-29 | 上海威派格智慧水务股份有限公司 | 一种水箱错峰调蓄管理系统 |
CN112286063A (zh) * | 2020-09-30 | 2021-01-29 | 国网天津市电力公司 | 一种基于非侵入量测的区域能耗监测系统及方法 |
CN112465188A (zh) * | 2020-11-03 | 2021-03-09 | 上海威派格智慧水务股份有限公司 | 一种用水高峰期分析系统与方法 |
Non-Patent Citations (1)
Title |
---|
郭国太: "居民区用电负荷特性研究与模型预测", 《电气技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432863A (zh) * | 2023-05-18 | 2023-07-14 | 安徽舜禹水务股份有限公司 | 一种基于数学规划的二次供水整体错峰调度方法 |
CN116611674A (zh) * | 2023-07-20 | 2023-08-18 | 中建五局第三建设有限公司 | 一种建筑供给水智能调度运行方法 |
CN116611674B (zh) * | 2023-07-20 | 2023-09-22 | 中建五局第三建设有限公司 | 一种建筑供给水智能调度运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113240314B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240314B (zh) | 二次供水错峰调度系统 | |
WO2021196552A1 (zh) | 一种基于互馈关系解析的梯级水库风险评估方法及系统 | |
CN107292766B (zh) | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 | |
CN109557862A (zh) | 一种基于边缘计算的光伏电站功率监控装置及方法 | |
CN110739726B (zh) | 一种考虑海上风电接入的多类型电源容量长期规划方法 | |
CN103106314B (zh) | 太阳能光伏电源输出功率的时序概率建模方法 | |
CN112785087B (zh) | 一种考虑水力响应特性的跨流域调水工程旬水量优化调度计划编制方法 | |
CN109274131B (zh) | 基于概率统计理论的新能源消纳能力非时序量化评估方法 | |
CN110912200B (zh) | 一种梯级水电站优化调度系统、方法及安全电网系统 | |
CN115640982A (zh) | 基于抽水蓄能优先调节的多能互补系统日前优化调度方法 | |
CN111325306A (zh) | 一种基于abc-pso混合算法的供水泵组调度方法 | |
CN109811832A (zh) | 一种基于模糊神经网络pid控制的分层注水流量控制方法 | |
CN107122599B (zh) | 一种蓄热电锅炉实时消纳弃风弃光电量能力的评估方法 | |
CN113723791A (zh) | 一种基于避咸蓄淡的城市供水分析方法及装置 | |
CN114134955B (zh) | 自组网及自供电供水管网压力管理系统及其水压管理方法 | |
CN108427459B (zh) | 多水源环状供水管网的活塞式调流阀自动控制方法 | |
CN112966221A (zh) | 一种南方丰水地区考核年份用水总量折算方法 | |
CN109299853A (zh) | 一种基于联合概率分布的水库调度函数提取方法 | |
CN111915173A (zh) | 一种梯级小水电站优化调度关键因素的筛选方法 | |
CN111914000A (zh) | 一种基于功耗预测模型的服务器功率封顶方法、系统 | |
CN116562422A (zh) | 一种电能量与爬坡备用的联合出清方法及终端 | |
CN111520874A (zh) | 一种水系统空调机房能效检测优化系统 | |
CN110969283A (zh) | 基于实时弃水风险评估的梯级水电站优化调度方法及系统 | |
CN112436510B (zh) | 一种风-光-火特高压直流外送调度方法及系统 | |
CN209543079U (zh) | 一种基于边缘计算的光伏电站功率监控装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230526 Address after: Room 1101-2, Building 3, Haizhi Center, Cangqian Street, Yuhang District, Hangzhou City, Zhejiang Province, 311100 Patentee after: Zhejiang Qianwen Technology Co.,Ltd. Address before: 310000 Binjiang District binwen Road, Hangzhou, Hangzhou, Zhejiang Patentee before: ZHEJIANG INSTITUTE OF MECHANICAL & ELECTRICAL ENGINEERING |
|
TR01 | Transfer of patent right |