CN113420965A - 一种基于虚拟测点进行辅助人工调度的方法 - Google Patents

一种基于虚拟测点进行辅助人工调度的方法 Download PDF

Info

Publication number
CN113420965A
CN113420965A CN202110636304.7A CN202110636304A CN113420965A CN 113420965 A CN113420965 A CN 113420965A CN 202110636304 A CN202110636304 A CN 202110636304A CN 113420965 A CN113420965 A CN 113420965A
Authority
CN
China
Prior art keywords
virtual measuring
measuring point
points
data
virtual
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
CN202110636304.7A
Other languages
English (en)
Other versions
CN113420965B (zh
Inventor
王景成
赵平伟
龙雨昊
冯偲慜
蓝杨
薛明
吴舜禹
张新
张书伟
仇坚
汪波
林崚
徐佳辉
车琳
李肖城
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 Chengtou Water Group Co ltd
Shanghai Jiaotong University
Original Assignee
Shanghai Chengtou Water Group Co ltd
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 Chengtou Water Group Co ltd, Shanghai Jiaotong University filed Critical Shanghai Chengtou Water Group Co ltd
Priority to CN202110636304.7A priority Critical patent/CN113420965B/zh
Publication of CN113420965A publication Critical patent/CN113420965A/zh
Application granted granted Critical
Publication of CN113420965B publication Critical patent/CN113420965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于虚拟测点进行辅助人工调度的方法，涉及供水调度领域，本发明首先建立城市水量中心数据库，然后基于历史流量数据、历史压力数据和管网测点及水库、泵站的GIS坐标进行相关性分析和聚类分析，依据聚类结果进行投票并加权求和得到最终虚拟测点的压力值；所述相关性分析采用斯皮尔曼相关系数，所述聚类分析，采用K‑means聚类方法，所述虚拟测点结合滚动优化迭代策略。通过本发明的方法，使得该虚拟测点的泛化能力更强、适应性更好。

Description

一种基于虚拟测点进行辅助人工调度的方法
技术领域
本发明属于供水调度领域，特别涉及一种基于虚拟测点进行辅助人工调度的方法。
背景技术
城市供水系统的运行效率是衡量整个城市发展情况的一项重要参考指标。供水系统的运行效率能够通过科学调度而提高。水厂通过调度方案优化能够保证整个供水系统高效运行，且有效维持系统平稳，减少能量消耗，降低峰值开销，从而减少运营成本。城市供水系统的水量调配关系着整个城市供水效率，对整个城市居民的用水体验也会产生极大影响。
整块区域用水的监测在调度环节十分重要，通过监测整个系统的运行，对系统水压不平衡、水压异常情况进行快速识别，可以提高整个管网的安全性。在目前阶段，大部分供水调度系统采用以人工调度为主的操作方式，而调度员常常通过自身调度经验，判断是否需要发出调度指令。调度员的经验主要以区域水压为主要判断依据，辅以温度、天气、晴雨天等自然因素以及水库水位、节假日等其他因素进行判断，同时会考虑季节特性。在目标区域供水管网中，存在着包括流量计和压力计的管网测压点，还有仅含有压力计的纯测压点。管网测压点分布在管网附近，分布较为密集，而纯测压点大都分布在管网末梢或者重要关注位置，便于调度员观测。目前以调度员人工经验为主的调度依据判断，难以满足实际需求。
本发明对此提出了合理的解决方法，结合相关性分析和聚类分析得到虚拟测点进行人工调度辅助，取得较为满意的效果，满足了实际的工程应用需求。
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涉及一种人工调度的辅助方法。
为实现上述目的，本发明提供了一种基于虚拟测点进行辅助人工调度的方法，首先建立城市水量中心数据库，然后基于历史流量数据、历史压力数据和管网测点及水库、泵站的GIS坐标进行相关性分析和聚类分析，依据聚类结果进行投票并加权求和得到最终虚拟测点压力值；所述相关性分析采用斯皮尔曼相关系数，所述聚类分析，采用K-means聚类方法，所述虚拟测点压力值获取结合滚动优化迭代策略。
进一步地，所述方法包括以下步骤：
步骤1、建立所述城市水量中心数据库输入数据包括：所述流量数据，所述压力数据以及所述GIS坐标数据；输出数据包括：所述虚拟测点压力值；
步骤2、基于所述流量数据、所述压力数据以及所述GIS坐标进行所述相关性分析；
步骤3、基于所述相关性分析结果，分别进行所述聚类分析并得到4种聚类结果；
步骤4、根据聚所述类结果，选取管网测点作为虚拟测点支撑点；
步骤5、将所有虚拟测点支撑点的实时压力值，依据相关性进行加权求和，得到所述虚拟测点压力值；
步骤6、将所述虚拟测点压力值推送给调度员进行调度判断。
步骤7、根据所述聚类结果，利用统计方法计算虚拟测点位置，推送至调度中心展示。
步骤8、基于历史数据逐渐丰富与所述虚拟测点的迭代优化，最终所述虚拟测点可直接应用于调度程序。
进一步地，所述步骤1包括以下步骤：
步骤1.1、获取所要辅助调度城市区域内历史一段时期内的需水量数据序列、压力数据序列以及所述GIS坐标数据；
步骤1.2、数据更新频率为每天一次，即累积40组数据，每组1440个数据，写入所述城市水量中心数据库。
进一步地，所述步骤2中的所述相关性分析是指，利用所述斯皮尔曼相关性系数，分别以源端压力、流量和所述GIS坐标为基准，求取压力相关性系数、流量相关性系数以及距离源端的距离。
进一步地，所述步骤3中的所述聚类分析是指利用所述K-means聚类算法进行所述聚类分析，并得到多种所述聚类结果。
进一步地，所述步骤4中所述虚拟测点支撑点选取包括以下几种：
(1)选取所述步骤3的多种所述聚类结果的每个所述源端的所述压力相关性系数、所述流量相关性系数以及距离所述源端的距离数据；
(2)以与所述源端相关性最高，所述GIS坐标距离所述源端最近为基准，进行所述虚拟测点支撑点筛选；
(3)当所述管网测点同时出现在两种及以上的所述聚类结果中并且满足与所述源端相关性最高，所述GIS坐标距离所述源端最近，则为所述虚拟测点支撑点，依此选取该所述源端所有的所述虚拟测点支撑点；
进一步地，所述步骤5包括以下步骤：
步骤5.1、选取所述步骤4的所有所述虚拟测点支撑点的当前时刻压力数据；
步骤5.2、根据每个所述虚拟测点支撑点与所述源端的相关性作为该所述虚拟测点支撑点的权重，与实时压力值相乘，并累加全部所述虚拟测点支撑点的结果，除以所述虚拟测点支撑点的数目，得到所述虚拟测点压力值。
进一步地，所述步骤6包括以下步骤：
步骤6.1、选取所有虚拟测点当前时刻压力数据；
步骤6.2、推送至调度中心调度员进行展示，便于调度员观察所述虚拟测点压力值，进行调度指令推送依据。
进一步地，所述步骤7包括以下步骤：
步骤7.1、选取所述步骤4的筛选出的所述虚拟测点支撑点；
步骤7.2、根据每个所述虚拟测点支撑点的所述GIS坐标，转换为相应的弧度值，对全部所述虚拟测点支撑点转换后的所述弧度值进行加权，然后进行反正切计算，得到其方位角；
步骤7.3、根据得到的所述方位角，转换为所需的所述GIS坐标。
进一步地，所述步骤8包括以下步骤：
步骤8.1、所述虚拟测点会根据实际需求进行周期性更新，并结合调度员反馈结果进行修正；
步骤8.2、通过一定时间的周期性更新和迭代优化的所述虚拟测点，能够直接作用于实际调度程序进行辅助调度使用。
与现有技术相比，本发明具有如下的有益效果是使该虚拟测点的泛化能力更强、适应性更好。
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为本发明实施例的框图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示，(1)对管网压力数据、流量数据进行斯皮尔曼相关性分析：
斯皮尔曼相关性计算如下：
Figure BDA0003105860600000031
其中di＝rank1-rank2，表示第一个变量的秩和第二个变量秩之间的差值。
(2)根据相关性分析结果，结合获取的GIS坐标进行K-means聚类分析：
K-means会根据先验知识判断所需K值，并进行离线实验选择K-means聚类方法的参数，应用于在线程序。
(3)根据聚类分析结果，结合管网的实时压力值得到虚拟测点的压力：
根据聚类结果，通过分析聚类算法分出的两类管网测点，按照测点的实际坐标以及压力和流量的相关性，将与泵站、水厂更近并且相关性更高的那一类测点作为“虚拟测点”的计算依据。在上线的程序中，会根据归类出的当前时刻能够表达该区域实际变化的聚类中心，即“虚拟测点”进行计算，“虚拟测点”通过聚类结果进行加权求和得到：
Figure BDA0003105860600000041
虚拟测点将与其余调度员观察的纯测压点进行对比，为了更直接展示“虚拟测点”的稳定性，本发明针对调度员常观测的RJ、RN、NC、YC等纯测压点与“虚拟测点”进行压力波动的对比。可以看出，如表1所示，“FX测点”的平均误差，最大误差以及误差中位数分别是5.47％、2.65以及11.37，与其余5点相比均为最低，同时本发明也比较了“GC虚拟测点”，如表2所示，其平均误差、最大误差以及误差中位数分别是7.62％、33.21以及16.14，同样可以表示该测点最为稳定。且“虚拟测点”的平均误差最小可以得出“虚拟测点”主要受到该区域源端影响，即能够更直观反应该区域的实际压力变化。
表1
Figure BDA0003105860600000042
(4)根据支撑点的GIS坐标，进行虚拟测点的位置计算：
Figure BDA0003105860600000043
Figure BDA0003105860600000044
Figure BDA0003105860600000045
其中α和β分别是GIS坐标转换成的弧度值，为进行计算的管网测点数目，然后通过反正切计算得到其方位角：
Figure BDA0003105860600000051
Figure BDA0003105860600000052
最后将计算出的方位角根据需要转换回原始坐标，得到“虚拟测点”的GIS坐标。
表2
Figure BDA0003105860600000053
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于虚拟测点进行辅助人工调度的方法，首先建立城市水量中心数据库，然后基于历史流量数据、历史压力数据和管网测点及水库、泵站的GIS坐标进行相关性分析和聚类分析，依据聚类结果进行投票并加权求和得到最终虚拟测点压力值；所述相关性分析采用斯皮尔曼相关系数，所述聚类分析，采用K-means聚类方法，所述虚拟测点压力值获取结合滚动优化迭代策略。
2.如权利要求1所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述方法包括以下步骤：
步骤1、建立所述城市水量中心数据库输入数据包括：所述流量数据，所述压力数据以及所述GIS坐标数据；输出数据包括：所述虚拟测点压力值；
步骤2、基于所述流量数据、所述压力数据以及所述GIS坐标进行所述相关性分析；
步骤3、基于所述相关性分析结果，分别进行所述聚类分析并得到4种聚类结果；
步骤4、根据聚所述类结果，选取管网测点作为虚拟测点支撑点；
步骤5、将所有虚拟测点支撑点的实时压力值，依据相关性进行加权求和，得到所述虚拟测点压力值；
步骤6、将所述虚拟测点压力值推送给调度员进行调度判断；
步骤7、根据所述聚类结果，利用统计方法计算虚拟测点位置，推送至调度中心展示；
步骤8、基于历史数据逐渐丰富与所述虚拟测点的迭代优化，最终所述虚拟测点可直接应用于调度程序。
3.如权利要求2所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤1包括以下步骤：
步骤1.1、获取所要辅助调度城市区域内历史一段时期内的需水量数据序列、压力数据序列以及所述GIS坐标数据；
步骤1.2、数据更新频率为每天一次，即累积40组数据，每组1440个数据，写入所述城市水量中心数据库。
4.如权利要求3所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤2中的所述相关性分析是指，利用所述斯皮尔曼相关性系数，分别以源端压力、流量和所述GIS坐标为基准，求取压力相关性系数、流量相关性系数以及距离源端的距离。
5.如权利要求4所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤3中的所述聚类分析是指利用所述K-means聚类算法进行所述聚类分析，并得到多种所述聚类结果。
6.如权利要求5所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤4中所述虚拟测点支撑点选取包括以下几种：
(1)选取所述步骤3的多种所述聚类结果的每个所述源端的所述压力相关性系数、所述流量相关性系数以及距离所述源端的距离数据；
(2)以与所述源端相关性最高，所述GIS坐标距离所述源端最近为基准，进行所述虚拟测点支撑点筛选；
(3)当所述管网测点同时出现在两种及以上的所述聚类结果中并且满足与所述源端相关性最高，所述GIS坐标距离所述源端最近，则为所述虚拟测点支撑点，依此选取该所述源端所有的所述虚拟测点支撑点。
7.如权利要求6所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤5包括以下步骤：
步骤5.1、选取所述步骤4的所有所述虚拟测点支撑点的当前时刻压力数据；
步骤5.2、根据每个所述虚拟测点支撑点与所述源端的相关性作为该所述虚拟测点支撑点的权重，与实时压力值相乘，并累加全部所述虚拟测点支撑点的结果，除以所述虚拟测点支撑点的数目，得到所述虚拟测点压力值。
8.如权利要求7所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤6包括以下步骤：
步骤6.1、选取所有虚拟测点当前时刻压力数据；
步骤6.2、推送至调度中心调度员进行展示，便于调度员观察所述虚拟测点压力值，进行调度指令推送依据。
9.如权利要求8所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤7包括以下步骤：
步骤7.1、选取所述步骤4的筛选出的所述虚拟测点支撑点；
步骤7.2、根据每个所述虚拟测点支撑点的所述GIS坐标，转换为相应的弧度值，对全部所述虚拟测点支撑点转换后的所述弧度值进行加权，然后进行反正切计算，得到其方位角；
步骤7.3、根据得到的所述方位角，转换为所需的所述GIS坐标。
10.如权利要求9所述的一种基于虚拟测点进行辅助人工调度的方法，其特征在于，所述步骤8包括以下步骤：
步骤8.1、所述虚拟测点会根据实际需求进行周期性更新，并结合调度员反馈结果进行修正；
步骤8.2、通过一定时间的周期性更新和迭代优化的所述虚拟测点，能够直接作用于实际调度程序进行辅助调度使用。
CN202110636304.7A 2021-06-08 2021-06-08 一种基于虚拟测点进行辅助人工调度的方法 Active CN113420965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110636304.7A CN113420965B (zh) 2021-06-08 2021-06-08 一种基于虚拟测点进行辅助人工调度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110636304.7A CN113420965B (zh) 2021-06-08 2021-06-08 一种基于虚拟测点进行辅助人工调度的方法

Publications (2)

Publication Number Publication Date
CN113420965A true CN113420965A (zh) 2021-09-21
CN113420965B CN113420965B (zh) 2023-07-07

Family

ID=77787982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110636304.7A Active CN113420965B (zh) 2021-06-08 2021-06-08 一种基于虚拟测点进行辅助人工调度的方法

Country Status (1)

Country Link
CN (1) CN113420965B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157173A (zh) * 2016-07-15 2016-11-23 杭州电子科技大学 基于scada数据和实时模型的城市供水管网爆管在线定位方法
CN107368648A (zh) * 2017-07-19 2017-11-21 安徽建筑大学 一种面向市政给水管网压力监测点优化布置方法
CN110939870A (zh) * 2019-12-27 2020-03-31 天津大学 一种面向爆管监测的供水管网压力监测点布置方法
CN111291472A (zh) * 2020-01-17 2020-06-16 安徽建筑大学 一种基于cfsfdp聚类算法的给水管网压力监测点布置方法
CN112016175A (zh) * 2020-08-14 2020-12-01 华侨大学 一种基于树状层次聚类的供水管网测压点优化布置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157173A (zh) * 2016-07-15 2016-11-23 杭州电子科技大学 基于scada数据和实时模型的城市供水管网爆管在线定位方法
CN107368648A (zh) * 2017-07-19 2017-11-21 安徽建筑大学 一种面向市政给水管网压力监测点优化布置方法
CN110939870A (zh) * 2019-12-27 2020-03-31 天津大学 一种面向爆管监测的供水管网压力监测点布置方法
CN111291472A (zh) * 2020-01-17 2020-06-16 安徽建筑大学 一种基于cfsfdp聚类算法的给水管网压力监测点布置方法
CN112016175A (zh) * 2020-08-14 2020-12-01 华侨大学 一种基于树状层次聚类的供水管网测压点优化布置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HUAYI LUO 等: "Layout optimization of large-scale urban water supply network pressure measuring point distribution using genetic algorithm", 《PROCEEDINGS OF THE 36TH CHINESE CONTROL CONFERENCE》 *
汪瑞清: "基于联动特性的区域管网供水压力的突变", 《净水技术》 *
陈峰等: "利用水力模型优化布置供水管网压力监测点", 《净水技术》 *

Also Published As

Publication number Publication date
CN113420965B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
Dong et al. Wind power day-ahead prediction with cluster analysis of NWP
CN102426674B (zh) 一种基于马尔科夫链的电力系统负荷预测方法
CN110097220B (zh) 一种风力发电月度电量预测方法
CN102509173B (zh) 一种基于马尔科夫链的电力系统负荷准确预测方法
CN106682763B (zh) 一种用于大量样本数据的电力负荷优化预测方法
CN101556464A (zh) 基于关联规则的城市电力负荷预测模型自动推荐方法
CN102592037A (zh) 预测氢气需求量的方法和设备及氢气平衡调度方法和设备
CN103617564A (zh) 基于区域负荷预测值综合评价的全网负荷预测方法
CN110516883B (zh) 一种基于空间计量模型的供水管网区域漏失预测方法
CN105868887A (zh) 一种基于分项计量的楼宇综合能效分析方法
CN117036104A (zh) 一种基于电力物联网的智慧用电方法和系统
CN110110890A (zh) 基于elman神经网络的日污水量预测方法
CN116227637A (zh) 一种面向有源配电网的精细化负荷预测方法和系统
CN108075471B (zh) 基于随机性电源出力预测的多目标约束优化电网调度策略
CN115545333A (zh) 一种多负荷日类型配电网负荷曲线预测方法
CN113033110A (zh) 一种基于交通流模型的重点区域人员应急疏散系统及方法
Bittel et al. Locating multi energy systems for a neighborhood in geneva using k-means clustering
CN113505909B (zh) 一种面向短期风电功率趋势预测的误差补偿方法
CN106447091A (zh) 基于区域气象条件相似度的大电网负荷预测方法
CN113991640A (zh) 基于火电的多能互补能源基地能源配置规划方法
CN113420965A (zh) 一种基于虚拟测点进行辅助人工调度的方法
CN107909096A (zh) 一种基于二分k‑均值聚类的逆变器故障预警判据实现方法
CN116128154A (zh) 一种农业园区综合能源系统的能源优化配置方法及装置
CN112990533B (zh) 一种稀疏约束和动态权重分配的风电集群功率预测方法
Hou et al. A novel algorithm for multi-node load forecasting based on big data of distribution network

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