CN113250271A - 一种设备控制方法、装置、供水系统和存储介质 - Google Patents

一种设备控制方法、装置、供水系统和存储介质 Download PDF

Info

Publication number
CN113250271A
CN113250271A CN202110672316.5A CN202110672316A CN113250271A CN 113250271 A CN113250271 A CN 113250271A CN 202110672316 A CN202110672316 A CN 202110672316A CN 113250271 A CN113250271 A CN 113250271A
Authority
CN
China
Prior art keywords
water supply
historical
instantaneous
predicted
supply 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.)
Granted
Application number
CN202110672316.5A
Other languages
English (en)
Other versions
CN113250271B (zh
Inventor
于亮
黄靓
周雨婷
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.)
Wuhan Kedi Intelligent Environment Co ltd
Original Assignee
Wuhan Kedi Intelligent Environment Co ltd
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 Wuhan Kedi Intelligent Environment Co ltd filed Critical Wuhan Kedi Intelligent Environment Co ltd
Priority to CN202110672316.5A priority Critical patent/CN113250271B/zh
Publication of CN113250271A publication Critical patent/CN113250271A/zh
Application granted granted Critical
Publication of CN113250271B publication Critical patent/CN113250271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • EFIXED CONSTRUCTIONS
    • E03WATER SUPPLY; SEWERAGE
    • E03BINSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B1/00Methods or layout of installations for water supply
    • E03B1/02Methods or layout of installations for water supply for public or like main supply for industrial use
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B01PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01DSEPARATION
    • B01D36/00Filter circuits or combinations of filters with other separating devices
    • B01D36/04Combinations of filters with settling tanks
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

本申请提供一种设备控制方法、装置、供水系统和存储介质,该方法先根据距今时间较长且时长也较大的第一历史时间段的供水数据建立原始瞬时供水流量预测模型,然后根据距今时间较短且时长也较短的第二历史时间段的供水数据对未来某段时间的供水量进行预测,并用预测的结果对原始瞬时供水流量预测模型进行修正,然后根据修正后的瞬时供水流量预测模型进行瞬时供水流量的预测,由于修正后的瞬时供水流量预测模型同时参考了较长时间段内供水量的整体变化趋势和近期供水量的实际变化情况,将两者结合使得瞬时供水流量的最终预测结果较为准确,使用该预测结果对供水设备进行控制,准确性较高。

Description

一种设备控制方法、装置、供水系统和存储介质
技术领域
本申请涉及设备控制技术领域,尤其涉及一种设备控制方法、装置、供水系统和存储介质。
背景技术
在供水系统中,通常需要对供水量进行预测,根据预测的数据控制供水设备的运行,然而当前的供水量预测方法不够准确,难以为供水设备提供较为准确的控制参考,使得对供水设备的控制也不够准确。
因此,当前的设备控制方法存在准确性不高的技术问题,需要改进。
发明内容
本申请提供一种设备控制方法、装置、供水系统和存储介质,用以缓解现有供水系统中设备控制准确性不高的技术问题。
为解决上述技术问题,本申请提供以下技术方案:
本申请提供一种设备控制方法,包括:
获取第一历史供水数据,所述第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,所述供水点包括多个供水设备;
根据所述第一历史供水数据生成原始瞬时供水流量预测模型,所述原始瞬时供水流量预测模型包括预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;
获取第二历史供水数据,所述第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,所述第二历史时间段的时长小于所述第一历史时间段,且所述第一历史时间段的至少部分时段位于所述第二历史时间段之前;
根据所述第二历史供水数据,得到所述供水点在所述预测供水周期的预测供水量;
根据所述预测供水量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型;
根据所述瞬时供水流量预测模型,得到所述供水点在所述预测供水周期内各时刻的预测瞬时供水流量;
根据所述预测瞬时供水流量,控制所述供水设备运行。
本申请还提供一种设备控制装置,包括:
第一获取模块,用于获取第一历史供水数据,所述第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,所述供水点包括多个供水设备;
生成模块,用于根据所述第一历史供水数据生成原始瞬时供水流量预测模型,所述原始瞬时供水流量预测模型包括预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;
第二获取模块,用于获取第二历史供水数据,所述第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,所述第二历史时间段的时长小于所述第一历史时间段,且所述第一历史时间段的至少部分时段位于所述第二历史时间段之前;
第一得到模块,用于根据所述第二历史供水数据,得到所述供水点在所述预测供水周期的预测供水量;
修正模块,用于根据所述预测供水量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型;
第二得到模块,用于根据所述瞬时供水流量预测模型,得到所述供水点在所述预测供水周期内各时刻的预测瞬时供水流量;
控制模块,用于根据所述预测瞬时供水流量,控制所述供水设备运行。
本申请还提供一种供水系统,包括多个供水设备和上述的设备控制装置,所述多个供水设备设置在供水点。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现上述任一项所述的设备控制方法。
有益效果:本申请提供一种设备控制方法、装置、供水系统和存储介质,该方法先根据距今时间较长且时长也较大的第一历史时间段的供水数据建立原始瞬时供水流量预测模型,然后根据距今时间较短且时长也较短的第二历史时间段的供水数据对未来某段时间的供水量进行预测,并用预测的结果对原始瞬时供水流量预测模型进行修正,然后根据修正后的瞬时供水流量预测模型进行瞬时供水流量的预测,由于修正后的瞬时供水流量预测模型同时参考了较长时间段内供水量的整体变化趋势和近期供水量的实际变化情况,将两者结合使得瞬时供水流量的最终预测结果较为准确,使用该预测结果对供水设备进行控制,准确性较高。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1为本申请提供的设备控制方法适用的场景示意图。
图2为本申请提供的设备控制方法的流程示意图。
图3为本申请中水处理系统的示意图。
图4为本申请中前两个月中的第一个月的历史瞬时供水流量曲线。
图5为本申请中前两个月中的第一个月的历史瞬时供水流量的变化趋势示意图。
图6为本申请中前两个月中的第二个月的历史瞬时供水流量曲线。
图7为本申请中前两个月中的第二个月的历史瞬时供水流量的变化趋势示意图。
图8为本申请中原始瞬时供水流量预测模型示意图。
图9为本申请提供的设备控制装置的结构示意图。
具体实施方式
下面将结合本申请中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块,本申请中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行,另外,所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,模块之间的间接耦合或通信连接可以是电性或其他类似的形式,本申请中均不作限定。并且,作为分离部件说明的模块或子模块可以是也可以不是物理上的分离,可以是也可以不是物理模块,或者可以分布到多个电路模块中,可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。
本申请提供一种设备控制方法、装置和供水系统,用以缓解现有供水系统中设备控制准确性不高的技术问题。
请参阅图1,图1为本申请所提供的设备控制方法适用的场景示意图,该场景可以包括终端以及服务器,终端之间、服务器之间以及终端与服务器之间通过各种网关组成的互联网等方式连接通信,其中,该应用场景中包括供水设备11和服务器12;其中:
供水设备11为水处理系统中用于给企业或家庭用户供水的泵,水处理系统包括取水点和供水点,取水设备从取水点取得原水后,经过多次处理得到清水,再经由供水点的供水设备11提供给用户,多个供水设备11设置在供水点,形成供水泵组;
服务器12包括本地服务器和/或远程服务器等。
供水设备11和服务器12位于无线网络或有线网络中,以实现两者之间的数据交互,其中:
供水设备11在历史时间内运行以对用户进行供水,供水过程的每一时刻均会产生瞬时供水流量。服务器12先获取第一历史供水数据,第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,然后根据第一历史供水数据生成原始瞬时供水流量预测模型,再获取第二历史供水数据,第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,第二历史时间段的时长小于第一历史时间段,且第一历史时间段的至少部分时段位于第二历史时间段之前,接着根据第二历史供水数据得到供水点在预测供水周期的预测供水量,再根据预测供水量对原始瞬时供水流量预测模型进行修正,并根据修正后的瞬时供水流量预测模型,得到供水点在预测供水周期内各时刻的预测瞬时供水流量,最后根据预测瞬时供水流量控制供水设备11运行。
需要说明的是,图1所示的系统场景示意图仅仅是一个示例,本申请描述的服务器以及场景是为了更加清楚地说明本申请的技术方案,并不构成对于本申请提供的技术方案的限定,本领域普通技术人员可知,随着系统的演变和新业务场景的出现,本申请提供的技术方案对于类似的技术问题,同样适用。以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
请参阅图2,图2是本申请提供的设备控制方法的流程示意图,该方法包括:
S201:获取第一历史供水数据,第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,供水点包括多个供水设备。
如图3所示,本申请的设备控制方法适用于水处理系统,水处理系统包括取水泵房101、沉淀池102、滤池103、清水池104和供水泵房105,取水泵房101也即取水点设置有多个取水设备,取水设备具体为取水泵,多个取水泵形成取水泵组,供水泵房105也即供水点中设置有多个供水设备,供水设备具体为供水泵,多个供水泵形成供水泵组。取水设备启动后从预设取水区域取原水,原水经过沉淀池102进行沉淀和滤池103进行过滤后,进入清水池104,当用户需要用水时,经过供水泵房105中启动的供水设备进行供水,其中用户可以是企业用户或家庭用户。
在本申请实施例中,第一历史时间段可以是自当日起往前推的一个月或者若干个月,也可以是自当日起往前推的几十天,第一历史时间段的时长可根据需要选择。历史瞬时供水流量指在第一历史时间段内某一时刻经由供水泵房105供给所有用户的水流量,单位通常为立方米/小时。水处理系统通常处于不间断的工作状态,因此在第一历史时间段内的每个时刻均会产生历史瞬时供水流量。本申请以当日为5月20日,第一历史时间段为前两个月为例进行说明,前两个月分别为3月19日至4月19日和4月19日至5月19日,如图4所示,为3月19日至4月19日的历史瞬时供水流量曲线,如图6所示,为4月19日至5月19日的历史瞬时供水流量曲线,曲线上每个点均表示对应时刻的历史瞬时供水流量。
S202:根据第一历史供水数据生成原始瞬时供水流量预测模型,原始瞬时供水流量预测模型包括预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数。
用户在每天的不同时段对用水的需求也有所不同,但大量用户对用水需求通常会呈现出较为规律的周期性变化,则可以对第一历史供水数据中的大量瞬时供水流量进行分析,从中获取这些用水需求的变化情况,并以此为基础构建原始瞬时供水流量预测模型。
在一种实施例中,S202具体包括:根据所述历史瞬时供水流量,确定所述第一历史时间段内每个第一历史供水周期的历史瞬时供水流量的变化趋势;对所述变化趋势进行拟合,得到预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;根据所述时长、所述第一关键瞬时供水流量和所述变化函数,生成所述原始瞬时供水流量预测模型。
第一历史时间段包括多个第一历史供水周期,第一历史供水周期通常取24小时。在每个第一历史供水周期内,历史瞬时供水流量会根据用户的工作行为和生活行为发生变化,在某些时间段,对供水的需求会逐渐上升,在某些时间段,对供水的需求会逐渐下降,而在某些时间段,对供水的需求较为平稳。在不同的第一历史供水周期之间,历史瞬时供水流量的变化趋势大致相同,如前一天在某个时间段历史瞬时供水流量在逐渐上升,则后一天在相同的时间段,历史瞬时供水流量也同样会逐渐上升。即,在对预设区域内的目标用户进行供水时,虽然每个第一历史供水周期的实际供水情况会随时间存在一定波动,但整体变化趋势大致相同,且变化趋势以第一历史供水周期为基础呈现周期性变化,因此可以对每个第一历史供水周期内历史瞬时供水流量的变化情况进行记录,以获取第一历史时间段的每个第一历史供水周期内历史瞬时供水流量的变化趋势。
取第一历史时间段为当日起往前推的两个月,对前两个月的历史瞬时供水流量进行记录,发现历史瞬时供水流量在每天均呈现相同的变化:平稳-上升-下降-上升-下降,具体地:
当日1点30分至6点:历史瞬时供水流量基本保持不变,处于最低供水状态;
6点至9点30分:历史瞬时供水流量整体呈现上升趋势,在9点30分达到早高峰;
9点30分至15点:历史瞬时供水流量整体呈下降趋势,在12点左右存在小范围波动;
15点至21点30分:历史瞬时供水流量整体呈现持续上升趋势,在21点30分达到晚高峰;
21点30分至次日1点30分:历史瞬时供水流量呈下降趋势。
根据上述数据,可以将每天的1点30分到次日的1点30分作为第一历史供水周期,每个第一历史供水周期内,历史瞬时供水流量均呈现平稳-上升-下降-上升-下降的变化趋势。根据每个第一历史供水周期内的历史瞬时供水流量的变化趋势和对应的历史瞬时供水流量的具体值,可以得到每个第一历史供水周期对应的历史瞬时供水流量变化趋势曲线,每条历史瞬时供水流量变化趋势曲线均近似由5个分段线组成,各分段线的转折时刻分别近似对应当日1点30分、6点、9点30分、15点、21点30分和次日1点30分。如图5和图7所示,分别示出了前两个月中第一个月和第二个月的历史瞬时供水流量的变化趋势。
以瞬时供水流量变化趋势曲线为基础,构建瞬时供水流量预测曲线,瞬时供水流量预测曲线同样以上述数据中得到的当日1点30分、6点、9点30分、15点、21点30分和次日1点30分作为关键时刻,相邻两个关键时刻之间的时间段为关键时间段,则各关键时间段的时长分别为3.5小时、5.5小时、6.5小时、4小时和4.5小时,则瞬时供水流量预测曲线均也由5个分段线组成,5个分段线的总时间段形成一个预测供水周期。对前两个月得到的所有历史瞬时供水流量变化情况进行综合分析,可以得到瞬时供水流量预测曲线中各关键时刻的第一关键瞬时供水流量、以及各分段线对应的变化函数。
在一种实施例中,可以先将所有的历史瞬时供水流量变化趋势曲线进行叠加,然后对叠加的曲线进行拟合,得到各分段线对应的变化函数,则每个分段线的两个端点对应的供水流量即为各关键时刻的第一关键瞬时供水流量。拟合得到的各分段线可以是直线或曲线,具体形状与各历史瞬时供水流量的数值或预设拟合参数相关。
在一种实施例中,可以先计算得到各关键时刻的第一关键瞬时供水流量,再得到各分段线对应的变化函数。在获取各关键时刻的第一关键瞬时供水流量时,可以获取各第一历史供水周期内同一关键时刻的历史瞬时供水流量,例如获取过去两个月每天1点30分的历史瞬时供水流量,然后对这些历史瞬时供水流量滤波后求平均值作为1点30分对应的第一关键瞬时供水流量,或者将这些历史瞬时供水流量中的最大值作为1点30分对应的第一关键瞬时供水流量,或者也可以将出现次数最多的历史瞬时供水流量作为1点30分对应的第一关键瞬时供水流量,可根据实际情况选择对应的计算方法。同理,获取其他关键时刻的第一关键瞬时供水流量。在获取各关键时刻的第一关键瞬时供水流量后,对不同的分段线分别按照线性关系进行标定,得到不同分段线对应的变化函数。对于变化趋势为上升或下降的关键时间段,对应的变化函数为Q=kT,其中Q为瞬时供水流量,T为时刻,k为斜率,且各关键时间段的k值不完全相等。对于变化趋势为平稳的关键时间段,对应的变化函数为Q=A,A为常量,也即该关键时间段的瞬时供水流量为定值。
具体地,通过计算得到以下数据:
当日1点30分至6点:稳定趋势,维持在5500m3/h;
6点至9点30分:上升趋势,谷值为5500m3/h,峰值为12000m3/h;
9点30分至15点:下降趋势,峰值为12000m3/h,谷值为8000m3/h;
15点至21点30分:上升趋势,谷值为8000m3/h,峰值为12000m3/h;
21点30分至次日1点30分:下降趋势,峰值为12000m3/h,谷值为5500m3/h。
在上述数据中,设当日1点30分对应的时刻为T1,对应的第一关键瞬时供水流量为FT1,数值为5500m3/h;6点对应的时刻为T2,对应的第一关键瞬时供水流量为FT2,数值为5500m3/h;9点30分对应的时刻为T3,对应的第一关键瞬时供水流量为FT3,数值为12000m3/h;15点对应的时刻为T4,对应的第一关键瞬时供水流量为FT4,数值为8000m3/h;21点30分对应的时刻为T5,对应的第一关键瞬时供水流量为FT5,数值为12000m3/h;次日1点30分对应的时刻为T6,对应的第一关键瞬时供水流量也为FT1,数值为5500m3/h。则,对各分段线按照线性关系进行标定,得到的原始瞬时供水流量预测模型如图8所示,其中横坐标表示时刻,纵坐标表示瞬时供水流量。
根据上述实施例得到各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数,根据这些参数对应的瞬时供水流量预测曲线生成原始瞬时供水流量预测模型,原始瞬时供水流量预测模型中每5条分段线的总时间段形成一个预测供水周期,即预测供水周期与第一历史供水周期的总时长相等,跨越的时刻也对应相同。
需要说明的是,第一历史供水周期和预测供水周期通常取24小时,本实施例中取每天的1点30分到次日的1点30分作为第一历史供水周期和预测供水周期,但仅为第一历史供水周期和预测供水周期的其中一种示例,瞬时供水流量预测曲线对应的任意一个关键时刻均可作为第一历史供水周期和预测供水周期的起始时刻,相应地第一历史供水周期和预测供水周期的终止时刻也会随之改变,例如取每天的6点作为起始时刻,到次日的6点作为终止时刻,从6点到次日6点,同样可作为一个完整的第一历史供水周期和预测供水周期。取各关键时刻作为起始时刻是为了使获取的各时间段的变化趋势都较为完整,而不会出现第一历史供水周期和预测供水周期的起始时刻或结束时刻出现在某个变化趋势的中间状态,后续计算较为复杂。本申请可以取上述任意一个关键时刻作为起始时刻,后一日的相同关键时刻作为终止时刻,只要满足两个时刻之间的时长为24小时即可。
S203:获取第二历史供水数据,第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,第二历史时间段的时长小于第一历史时间段,且第一历史时间段的至少部分时段位于第二历史时间段之前。
第二历史时间段可以是自当日起往前推的一周或若干周,也可以是自当日起往前推的几天或十几天,第二历史时间段的时长可以根据需要选择,但第二历史时间段的时长要小于第一历史时间段,且第一历史时间段的至少部分时段位于第二历史时间段之前,如第一历史时间段为前两个月,第二历史时间段为前一周,即第二历史时间段的时间要比两个月短,且距当日的时间更近。第二历史时间段包括多个第二历史供水周期,第二历史供水周期为每天,当第二历史时间段为前一周时,包括七个第二历史供水周期。供水量指过去一周每天供水的总量,单位为立方米。
S204:根据第二历史供水数据,得到供水点在预测供水周期的预测供水量。
在本申请实施例中,取第二历史时间段为自当日起往前推的一周,用Q1至Q7分别表示前一天至前七天的供水量,则根据Q1至Q7的具体值,对供水点在预测供水周期的预测供水量进行预测。
在一种实施例中,S204具体包括:获取所述供水点在第二历史时间段的每个第二历史供水周期内的供水量的权重;根据各供水量和各供水量对应的权重,得到供水量的加权平均供水量;根据所述加权平均供水量、所述第二历史时间段中最新第二历史供水周期的最新供水量和供水量修正系数,得到所述供水点在所述预测供水周期的预测供水量。对Q1至Q7分别赋予对应的权重,然后求加权平均供水量,该加权平均供水量可以反映第二历史时间段内对供水量的平均需求。第二历史时间段中离当日最近的一个第二历史供水周期为最新第二历史供水周期,如今天是周三,则本周二为最新第二历史供水周期,本周二的供水量为最新供水量。在得到加权平均供水量和最新供水量后,再结合预设的供水量修正系数,得到所述供水点在所述预测供水周期的预测供水量。由于该预测供水量首先参考了第二历史时间段的平均供水需求,然后再用最新供水量对平均供水量进行修正,使得最终得到的预测供水量更加准确,预测精度较高。
具体地,在计算加权平均供水值时,分别对Q1至Q7赋予对应的权重λ1至λ7,则最终得到的加权平均供水量Qave为:
Figure 985684DEST_PATH_IMAGE001
(公式1)
在计算时,较为简单的方法为设Q1至Q7中的最大值Qmax和最小值Qmin的权重均为0,剩余5个供水量的权重相等,则最终得到的加权平均供水量Qave为:
Figure 73463DEST_PATH_IMAGE002
(公式2)
当然,上述计算方法仅为计算加权平均供水量Qave的其中一种方法,本领域的技术人员可根据需求,为每天的供水量设置不同的权重值。
在一种实施例中,根据加权平均供水量、第二历史时间段中最新第二历史供水周期的最新供水量和修正系数,得到供水点在预测供水周期的预测供水量的步骤,包括:获取所述最新供水量和所述加权平均供水量的供水量差值;根据所述供水量差值和供水量修正系数,得到供水量修正值;根据所述供水量修正值对所述加权平均供水量进行修正,得到所述供水点在所述预测供水周期的预测供水量。在获取加权平均供水量Qave后,取最新供水量Q1,供水量修正系数为K,则计算得到的预测供水量Qp为:
Figure 118779DEST_PATH_IMAGE003
(公式3)
K的初始取值为0.3,该值为经验值,在后续对若干个预测供水周期内的预测供水量和实际供水量进行对比分析后,可对K值进行适当的调整,以使预测供水量Qp更加准确。
S205:根据预测供水量,对原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型。
在瞬时供水流量预测模型中,预测供水周期包括5个关键时间段,在通过上述步骤获得了图8中所示的原始瞬时供水流量预测模型后,由于每个分段线均为线性关系,设各关键时间段的预测供水量分别为Qc1至Qc5,根据该原始瞬时供水流量预测模型得到供水点在预测供水周期的原始预测供水量为Qc,则Qc与Qc1至Qc5之间满足下列条件:
Figure 186093DEST_PATH_IMAGE004
(公式4)
Figure 266044DEST_PATH_IMAGE005
(公式5)
Figure 557348DEST_PATH_IMAGE006
(公式6)
Figure 293223DEST_PATH_IMAGE007
(公式7)
Figure 695385DEST_PATH_IMAGE008
(公式8)
Figure 833106DEST_PATH_IMAGE009
(公式9)
通过上述公式,得到供水点在预测供水周期的原始预测供水量Qc,原始预测供水量Qc表示根据瞬时供水流量预测模型得到的供水点在预测供水周期的24小时内的供水总量。
在通过步骤S204得到预测供水量Qp后,以该预测供水量Qp对原始瞬时供水流量预测模型进行修正得到瞬时供水流量预测模型,修正后的模型同时参考了较长时间段内供水量的整体变化趋势和近期供水量的实际变化情况,因此更加准确。
在一种实施例中,S205具体包括:根据所述预测供水量和所述原始瞬时供水流量预测模型,得到各关键时刻的第一关键瞬时供水流量的偏差值;根据所述偏差值,得到各关键时刻的第二关键瞬时供水流量;根据各关键时刻的第二关键瞬时供水流量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型。在不同季节用户对供水量的需求存在差异,比如夏季供水量就会高于冬季,但是季节性变化属于渐变,对于每日用水高峰与低谷时间段不变,也即季节性变化只会影响到每日瞬时供水流量的峰谷值以及每日供水量。此外,由于季节性变化对于夜间用水影响不大,所以FT1和FT2值通常会保持不变,而FT3、FT4和FT5均有偏差值△FT,将上述公式9中的原始预测供水量Qc替换为预测供水量Qp,公式5至8中的FT3、FT4和FT5分别替换为FT3+△FT、FT4+△FT和FT5+△FT,则替换后可计算得到偏差值△FT为:
Figure 295311DEST_PATH_IMAGE010
(公式10)
在计算得到偏差值△FT后,对原始瞬时供水流量预测模型中的FT3、FT4和FT5分别进行对应的修正,得到9点30分对应的第二关键瞬时供水流量FT3+△FT、15点对应的第二关键瞬时供水流量FT4+△FT、以及21点30分对应的第二关键瞬时供水流量FT5+△FT。然后,根据这些第二关键瞬时供水流量,更新各关键时间段对应的变化函数,在前述步骤中各变化函数均为线性关系的函数,则更新后的变化函数仍然为线性关系,即修正后的瞬时供水流量预测模型的变化趋势未发生改变,改变的只是各关键时刻的瞬时供水流量和各分段线的斜率k值。
S206:根据瞬时供水流量预测模型,得到供水点在预测供水周期内各时刻的预测瞬时供水流量。
修正后得到的瞬时供水流量预测模型对应的瞬时供水流量预测曲线同样包括5个分段线,且各分段线均为线性关系,瞬时供水流量预测曲线中各点的横坐标表示时刻,纵坐标表示预测瞬时供水流量,则根据瞬时供水流量预测曲线上的各点,可以获取预测供水周期内任意时刻的预测瞬时供水流量。
S207:根据预测瞬时供水流量,控制供水设备运行。
在获取任意时刻的预测瞬时供水流量后,根据该预测值来控制多个供水设备的运行,以实现在任意时刻供水设备都能向用户提供相应数量的水,以满足用户的用水需求,同时也保证了供水设备的供水能力与供水需求相匹配,不造成供水设备的资源浪费。
在一种实施例中,S207具体包括:获取供水点在目标时刻的目标预测瞬时供水流量;根据所述目标预测瞬时供水流量、供水设备在所述目标时刻的前一时刻的运行参数以及供水设备特性曲线,确定供水设备在所述目标时刻的第一目标运行参数;在所述目标时刻,根据所述第一目标运行参数控制所述供水设备运行。在本申请中,供水设备为设置在供水泵房中的供水泵,供水泵房中设置有多个供水泵,形成供水泵组。供水设备的运行参数包括当前启动对象、当前启动对象的工作参数和工况、各对象的累计运行时长等,供水设备特性曲线为表示泵的扬程H、轴功率N、效率η和瞬时供水流量Q之间关系的曲线,在一定的转速下,泵的扬程H、轴功率N以及效率η均与瞬时供水流量Q相关,即特性曲线用于在已知所需的瞬时供水流量Q时,对泵的相关工作参数进行调整,使其运行后的瞬时供水流量可以满足该需求,当所需的瞬时供水流量Q改变时,泵的上述各参数也会进行相应调整。
目标时刻为预测供水周期中的任意一个时刻,获取供水点在目标时刻的目标预测瞬时供水流量后,先获取供水设备在目标时刻的前一时刻的运行参数,如目标时刻的前一时刻启动了哪几号泵,当前各泵的工况如何,当前已经开启的各泵已经累计工作了多久等信息,如果某个泵的累计工作时长过长,或者工况异常,则在目标时刻需要将其停止,更换其他泵进行工作,同时,结合各泵的特性曲线,最终确定出应该在目标时刻启动哪几台泵,以及这些泵的相关工作参数应该如何设定,以得到最佳的泵开启方案。
在一种实施例中,在所述目标时刻,根据所述第一目标运行参数控制所述供水设备运行的步骤之后,还包括:获取所述目标时刻在瞬时供水流量预测模型中所处的关键时间段;获取所述关键时间段的在后关键时刻对应的第二关键瞬时供水流量;计算得到所述在后关键时刻与所述目标时刻的时间差值、以及所述第二关键瞬时供水流量与所述目标预测瞬时供水流量的流量差值;根据所述时间差值、所述流量差值、所述第一目标运行参数以及供水设备特性曲线,确定供水设备在所述目标时刻的下一时刻的第二目标运行参数。在所述目标时刻的下一时刻,根据所述第二目标运行参数控制所述供水设备运行。
在修正后的瞬时供水流量预测模型中,瞬时供水流量存在多个峰谷值,也即第二关键瞬时供水流量,当瞬时供水流量不断上升或下降,到达某个峰谷值后,下一时刻的瞬时供水流量不会继续上升或继续下降,而会发生转折。假设从变化趋势为上升趋势的分段线中取某个时刻t1,该时刻对应的预测瞬时供水量为q1,根据q1确定出t1时刻的泵启动方案,该方案需要开启两台泵。在t1时刻后,取瞬时供水流量的峰值q2对应的时刻为t2,根据q2确定出t2时刻的泵启动方案,该方案需要开启三台泵。如果严格按照这些方案执行,则在t1时刻和t2时刻分别需要开启两台泵和三台泵,然而,t2时刻之后的瞬时供水流量会很快下降,即只有t2时刻或t2所处的一个很短的时间段内需要开启三台泵,随后由于瞬时供水流量的下降,又会恢复到只需要开启两台泵的状态,因此严格按照t2时刻的需求来开启三台泵,可能会造成泵资源的浪费。
在本申请中,设供水点在目标时刻T11的目标预测瞬时供水流量为Q11,先获取目标时刻T11在修正后的瞬时供水流量预测模型中所处的关键时间段,即获取T11时刻处于哪个分段线内,各分段线均包括两个端点,时刻在前的端点对应的时刻为在前关键时刻,时刻在后的端点对应的时刻为在后关键时刻,获取该关键时间段的在后关键时刻T12对应的第二关键瞬时供水流量Q12,然后计算得到在后关键时刻T12与目标时刻T11的时间差值△T、以及第二关键瞬时供水流量Q12与目标预测瞬时供水流量为Q11的流量差值△Q。
当△T数值较大时,表示目标时刻T11离在后关键时刻T12的时间间隔较长,还不需要考虑第二关键瞬时供水流量Q12对应的泵开启方案,当△T小于某个设定阈值,则表示目标时刻T11离在后关键时刻T12的时间间隔已经较短,需要考虑是否要在第二关键瞬时供水流量Q12对应的在后关键时刻T12实施相应的泵开启方案。此时,根据△Q的具体数值,如果△Q小于某个设定阈值,表示在后关键时刻T12所需的瞬时供水流量与目标时刻T11所需的瞬时供水流量差别不大,在此前提下,可以选择一直维持目标时刻T11的泵启动方案,虽然不能使在后关键时刻T12能达到理想的瞬时供水流量,但过了峰谷值后,所需的瞬时供水流量又会很快回升或回落,因此不会造成较大的影响,则可以在△T时间内不更换新的泵启动方案,以减小对泵的频繁操作带来的消耗,提高泵的使用寿命。
根据目标时刻的第一目标运行参数以及供水设备特性曲线,可以确定目标时刻的供水设备的启动方案,再根据上述步骤确定是否需要更换泵的启动方案后,从而确定供水设备在目标时刻的下一时刻的第二目标运行参数,并在目标时刻的下一时刻,根据第二目标运行参数控制供水设备运行。
需要说明的是,本申请在计算得到瞬时供水流量预测模型时,不是连续的计算输出,而是先设定一计算周期,在每个计算周期内进行一次模型的计算,该计算周期的时长可根据需要随时进行调节,本领域的技术人员可根据需要,自行设定所需的计算周期的时长。
此外,在上述实施例中,以第一历史供水数据为基础生成原始瞬时供水流量预测模型,以第二历史供水数据来作为修正因素对原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型后,对供水泵房的供水设备进行自动调度。如果遇见突发状况,如爆管、水质超标、厂区维护等情况,将主动退出自动调度模式,切换为人工控制模式,即本申请的设备控制方法可以满足各类复杂场景下的供水设备控制需求。
通过上述实施例可知,本申请的设备控制方法,先根据距今时间较长且时长也较大的第一历史时间段的供水数据建立原始瞬时供水流量预测模型,由于原始瞬时供水流量预测模型是基于时长较长的第一历史时间段内的所有瞬时供水流量的趋势得到,可以准确反映用水需求的整体趋势,则该原始瞬时供水流量预测模型也较符合当前预测供水周期内总的供水量需求。然后,根据距今时间较短且时长也较短的第二历史时间段的供水数据对未来某段时间的供水量进行预测,并用预测的结果对原始瞬时供水流量预测模型进行修正,然后根据修正后的瞬时供水流量预测模型进行瞬时供水流量的预测,由于修正后的瞬时供水流量预测模型同时参考了较长时间段内供水量的整体变化趋势和近期供水量的实际变化情况,将两者结合使得瞬时供水流量的最终预测结果较为准确,使用该预测结果对供水设备进行控制,准确性较高。
相应的,图9为本申请提供的设备控制装置的结构示意图,请参阅图9,该设备控制装置包括:
第一获取模块110,用于获取第一历史供水数据,所述第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,所述供水点包括多个供水设备;
生成模块120,用于根据所述第一历史供水数据生成原始瞬时供水流量预测模型,所述原始瞬时供水流量预测模型包括预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;
第二获取模块130,用于获取第二历史供水数据,所述第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,所述第二历史时间段的时长小于所述第一历史时间段,且所述第一历史时间段的至少部分时段位于所述第二历史时间段之前;
第一得到模块140,用于根据所述第二历史供水数据,得到所述供水点在所述预测供水周期的预测供水量;
修正模块150,用于根据所述预测供水量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型;
第二得到模块160,用于根据所述瞬时供水流量预测模型,得到所述供水点在所述预测供水周期内各时刻的预测瞬时供水流量;
控制模块170,用于根据所述预测瞬时供水流量,控制所述供水设备运行。
在一种实施例中,生成模块120包括:
第一确定子模块,用于根据所述历史瞬时供水流量,确定所述第一历史时间段内每个第一历史供水周期的历史瞬时供水流量的变化趋势;
第一得到子模块,用于对所述变化趋势进行拟合,得到预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;
生成子模块,用于根据所述时长、所述第一关键瞬时供水流量和所述变化函数,生成所述原始瞬时供水流量预测模型。
在一种实施例中,第一得到模块140包括:
第一获取子模块,用于获取所述供水点在第二历史时间段的每个第二历史供水周期内的供水量的权重;
第二得到子模块,用于根据各供水量和各供水量对应的权重,得到供水量的加权平均供水量;
第三得到子模块,用于根据所述加权平均供水量、所述第二历史时间段中最新第二历史供水周期的最新供水量和供水量修正系数,得到所述供水点在所述预测供水周期的预测供水量。
在一种实施例中,第三得到子模块用于:获取所述最新供水量和所述加权平均供水量的供水量差值;根据所述供水量差值和供水量修正系数,得到供水量修正值;根据所述供水量修正值对所述加权平均供水量进行修正,得到所述供水点在所述预测供水周期的预测供水量。
在一种实施例中,修正模块150包括:
第四得到子模块,用于根据所述预测供水量和所述原始瞬时供水流量预测模型,得到各关键时刻的第一关键瞬时供水流量的偏差值;
第五得到子模块,用于根据所述偏差值,得到各关键时刻的第二关键瞬时供水流量;
修正子模块,用于根据各关键时刻的第二关键瞬时供水流量,对所述瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型。
在一种实施例中,控制模块170包括:
第二获取子模块,用于获取供水点在目标时刻的目标预测瞬时供水流量;
第二确定子模块,用于根据所述目标预测瞬时供水流量、供水设备在所述目标时刻的前一时刻的运行参数以及供水设备特性曲线,确定供水设备在所述目标时刻的第一目标运行参数;
第一控制子模块,用于在所述目标时刻,根据所述第一目标运行参数控制所述供水设备运行。
在一种实施例中,控制模块170还包括在第一控制子模块之后工作的多个子模块,具体包括:
第三获取子模块,用于获取所述目标时刻在所述瞬时供水流量预测模型中所处的第一关键时间段;
第四获取子模块,用于获取所述第一关键时间段的在后关键时刻对应的第二关键瞬时供水流量;
计算子模块,用于计算得到所述在后关键时刻与所述目标时刻的时间差值、所述第二关键瞬时供水流量与所述目标预测瞬时供水流量的流量差值;
第三确定子模块,用于根据所述时间差值、所述流量差值、所述第一目标运行参数以及供水设备特性曲线,确定供水设备在所述目标时刻的下一时刻的第二目标运行参数。
第二控制子模块,用于在所述目标时刻的下一时刻,根据所述第二目标运行参数控制所述供水设备运行。
区别于现有技术,本申请提供的设备控制装置,先根据距今时间较长且时长也较大的第一历史时间段的供水数据建立原始瞬时供水流量预测模型,由于原始瞬时供水流量预测模型是基于时长较长的第一历史时间段内的所有瞬时供水流量的趋势得到,可以准确反映用水需求的整体趋势,则该瞬时供水流量预测模型也较符合当前预测供水周期内总的供水量需求。然后,根据距今时间较短且时长也较短的第二历史时间段的供水数据对未来某段时间的供水量进行预测,并用预测的结果对原始瞬时供水流量预测模型进行修正,然后根据修正后的瞬时供水流量预测模型进行瞬时供水流量的预测,由于修正后的瞬时供水流量预测模型同时参考了较长时间段内供水量的整体变化趋势和近期供水量的实际变化情况,将两者结合使得瞬时供水流量的最终预测结果较为准确,使用该预测结果对供水设备进行控制,准确性较高。
相应地,本申请还提供一种供水系统,包括多个供水设备和上述任一实施例中的设备控制装置,多个供水设备设置在供水点。
相应地,本申请还提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以实现以下功能:
获取第一历史供水数据,所述第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,所述供水点包括多个供水设备;根据所述第一历史供水数据生成原始瞬时供水流量预测模型,所述原始瞬时供水流量预测模型包括预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;获取第二历史供水数据,所述第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,所述第二历史时间段的时长小于所述第一历史时间段,且所述第一历史时间段的至少部分时段位于所述第二历史时间段之前;根据所述第二历史供水数据,得到所述供水点在所述预测供水周期的预测供水量;根据所述预测供水量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型;根据所述瞬时供水流量预测模型,得到所述供水点在所述预测供水周期内各时刻的预测瞬时供水流量;根据所述预测瞬时供水流量,控制所述供水设备运行。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令,可以执行本申请所提供的任一种方法中的步骤,因此,可以实现本申请所提供的任一种方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请所提供的一种设备控制方法、装置、供水系统和存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想;本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。

Claims (10)

1.一种设备控制方法,其特征在于,包括:
获取第一历史供水数据,所述第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,所述供水点包括多个供水设备;
根据所述第一历史供水数据生成原始瞬时供水流量预测模型,所述原始瞬时供水流量预测模型包括预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;
获取第二历史供水数据,所述第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,所述第二历史时间段的时长小于所述第一历史时间段,且所述第一历史时间段的至少部分时段位于所述第二历史时间段之前;
根据所述第二历史供水数据,得到所述供水点在所述预测供水周期的预测供水量;
根据所述预测供水量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型;
根据所述瞬时供水流量预测模型,得到所述供水点在所述预测供水周期内各时刻的预测瞬时供水流量;
根据所述预测瞬时供水流量,控制所述供水设备运行。
2.如权利要求1所述的设备控制方法,其特征在于,根据所述第一历史供水数据生成原始瞬时供水流量预测模型的步骤,包括:
根据所述历史瞬时供水流量,确定所述第一历史时间段内每个第一历史供水周期的历史瞬时供水流量的变化趋势;
对所述变化趋势进行拟合,得到预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;
根据所述时长、所述第一关键瞬时供水流量和所述变化函数,生成所述原始瞬时供水流量预测模型。
3.如权利要求1所述的设备控制方法,其特征在于,根据所述第二历史供水数据,得到所述供水点在所述预测供水周期的预测供水量的步骤,包括:
获取所述供水点在第二历史时间段的每个第二历史供水周期内的供水量的权重;
根据各供水量和各供水量对应的权重,得到供水量的加权平均供水量;
根据所述加权平均供水量、所述第二历史时间段中最新第二历史供水周期的最新供水量和供水量修正系数,得到所述供水点在所述预测供水周期的预测供水量。
4.如权利要求3所述的设备控制方法,其特征在于,根据所述加权平均供水量、所述第二历史时间段中最新第二历史供水周期的最新供水量和供水量修正系数,得到所述供水点在所述预测供水周期的预测供水量的步骤,包括:
获取所述最新供水量和所述加权平均供水量的供水量差值;
根据所述供水量差值和供水量修正系数,得到供水量修正值;
根据所述供水量修正值对所述加权平均供水量进行修正,得到所述供水点在所述预测供水周期的预测供水量。
5.如权利要求1所述的设备控制方法,其特征在于,根据所述预测供水量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型的步骤,包括:
根据所述预测供水量和所述原始瞬时供水流量预测模型,得到各关键时刻的第一关键瞬时供水流量的偏差值;
根据所述偏差值,得到各关键时刻的第二关键瞬时供水流量;
根据各关键时刻的第二关键瞬时供水流量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型。
6.如权利要求1所述的设备控制方法,其特征在于,根据所述预测瞬时供水流量,控制所述供水设备运行的步骤,包括:
获取供水点在目标时刻的目标预测瞬时供水流量;
根据所述目标预测瞬时供水流量、供水设备在所述目标时刻的前一时刻的运行参数以及供水设备特性曲线,确定供水设备在所述目标时刻的第一目标运行参数;
在所述目标时刻,根据所述第一目标运行参数控制所述供水设备运行。
7.如权利要求6所述的设备控制方法,其特征在于,在所述目标时刻,根据所述第一目标运行参数控制所述供水设备运行的步骤之后,还包括:
获取所述目标时刻在所述瞬时供水流量预测模型中所处的第一关键时间段;
获取所述第一关键时间段的在后关键时刻对应的第二关键瞬时供水流量;
计算得到所述在后关键时刻与所述目标时刻的时间差值、所述第二关键瞬时供水流量与所述目标预测瞬时供水流量的流量差值;
根据所述时间差值、所述流量差值、所述第一目标运行参数以及供水设备特性曲线,确定供水设备在所述目标时刻的下一时刻的第二目标运行参数;
在所述目标时刻的下一时刻,根据所述第二目标运行参数控制所述供水设备运行。
8.一种设备控制装置,其特征在于,包括:
第一获取模块,用于获取第一历史供水数据,所述第一历史供水数据包括供水点在第一历史时间段内的历史瞬时供水流量,所述供水点包括多个供水设备;
生成模块,用于根据所述第一历史供水数据生成原始瞬时供水流量预测模型,所述原始瞬时供水流量预测模型包括预测供水周期中各关键时间段的时长、各关键时刻的第一关键瞬时供水流量、以及各关键时间段内瞬时供水流量的变化函数;
第二获取模块,用于获取第二历史供水数据,所述第二历史供水数据包括供水点在第二历史时间段的每个第二历史供水周期内的供水量,所述第二历史时间段的时长小于所述第一历史时间段,且所述第一历史时间段的至少部分时段位于所述第二历史时间段之前;
第一得到模块,用于根据所述第二历史供水数据,得到所述供水点在所述预测供水周期的预测供水量;
修正模块,用于根据所述预测供水量,对所述原始瞬时供水流量预测模型进行修正,得到瞬时供水流量预测模型;
第二得到模块,用于根据所述瞬时供水流量预测模型,得到所述供水点在所述预测供水周期内各时刻的预测瞬时供水流量;
控制模块,用于根据所述预测瞬时供水流量,控制所述供水设备运行。
9.一种供水系统,其特征在于,包括多个供水设备和如权利要求8所述的设备控制装置,所述多个供水设备设置在供水点。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至7任一项所述的设备控制方法。
CN202110672316.5A 2021-06-17 2021-06-17 一种设备控制方法、装置、供水系统和存储介质 Active CN113250271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110672316.5A CN113250271B (zh) 2021-06-17 2021-06-17 一种设备控制方法、装置、供水系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110672316.5A CN113250271B (zh) 2021-06-17 2021-06-17 一种设备控制方法、装置、供水系统和存储介质

Publications (2)

Publication Number Publication Date
CN113250271A true CN113250271A (zh) 2021-08-13
CN113250271B CN113250271B (zh) 2021-09-28

Family

ID=77188385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110672316.5A Active CN113250271B (zh) 2021-06-17 2021-06-17 一种设备控制方法、装置、供水系统和存储介质

Country Status (1)

Country Link
CN (1) CN113250271B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012099049A (ja) * 2010-11-05 2012-05-24 Hitachi Ltd 配水量計画予測システム、その予測方法およびそのプログラム
JP2012211483A (ja) * 2011-03-31 2012-11-01 Sinfonia Technology Co Ltd 水需要予測システム
CN106203769A (zh) * 2016-06-23 2016-12-07 上海交通大学 一种基于时差系数的节假日天级需水量在线预测方法
CN108166569A (zh) * 2018-01-08 2018-06-15 上海上源泵业制造有限公司 水箱进水控制装置及水箱进水控制方法
CN207988014U (zh) * 2018-02-08 2018-10-19 北方工业大学 自适应远程自动控制二次供水系统
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012099049A (ja) * 2010-11-05 2012-05-24 Hitachi Ltd 配水量計画予測システム、その予測方法およびそのプログラム
JP2012211483A (ja) * 2011-03-31 2012-11-01 Sinfonia Technology Co Ltd 水需要予測システム
CN106203769A (zh) * 2016-06-23 2016-12-07 上海交通大学 一种基于时差系数的节假日天级需水量在线预测方法
CN108166569A (zh) * 2018-01-08 2018-06-15 上海上源泵业制造有限公司 水箱进水控制装置及水箱进水控制方法
CN207988014U (zh) * 2018-02-08 2018-10-19 北方工业大学 自适应远程自动控制二次供水系统
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
高赫余等: "基于Adaboost集成模型的城市短期供水量预测方法", 《净水技术》 *
高赫余等: "基于机器学习XGBoost集成模型的边界流量计日流量预测方法", 《净水技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Also Published As

Publication number Publication date
CN113250271B (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN113250271B (zh) 一种设备控制方法、装置、供水系统和存储介质
US20230367348A1 (en) Method and apparatus for delivering power using external data
CN106875027B (zh) 资源请求值的预测方法及装置、交易量的预测方法
JP2015041379A (ja) ビルエネルギ管理最適化
Van den Bergh et al. A mixed-integer linear formulation of the unit commitment problem
US20200389029A1 (en) Power management system for customer connected to power network and having load apparatus and power storage apparatus
CN113536684A (zh) 一种自来水厂取水、供水泵站智能协同优化调度方法
CN108054766A (zh) 一种自动发电控制频率偏差系数的设定方法、系统及装置
CN109857157A (zh) 一种区域性加压泵站进水流量调度方法
CN112418909A (zh) 共享空调的数据处理方法及数据处理装置
CN113644750A (zh) 一种制氢单元的运行状态控制方法及相关装置
CN106203702B (zh) 一种基于电力需量预测的冷机负荷自动控制方法
JP5851259B2 (ja) 配水運用制御装置
CN113538066A (zh) 虚拟电厂参与电力市场的控制方法、系统、设备及介质
CN115496378B (zh) 一种计入风能减排效益的电力系统经济调度方法
CN115183318B (zh) 基于负荷预测和热量进度一致的供热调节方法和相关设备
JP5701919B2 (ja) 配水池水位設定装置、配水池水位設定方法及び配水池水位設定システム
CN114396385A (zh) 一种基于泵站运行的调度控制方法
CN112803401B (zh) 虚拟分布式能源集群的调控方法、装置及终端设备
CN112653196B (zh) 电力系统发电侧备用资源调度方法、系统、装置及介质
CN112260305B (zh) 适用于跨区直流输电线路的中长期送电功率确定方法
CN111553570B (zh) 基于预测时段划分的月内滚动调度计划优化调整方法
CN114240151A (zh) 制水控制方法与装置、电子设备及存储介质
CN113629781A (zh) 一种基于empc的多vpp日前日内协调优化方法及装置
CN111291463A (zh) 一种新能源消纳空间电量求解方法和系统

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