CN113836785A - 市政区域智慧供水系统及该系统人工智能控制优化方法 - Google Patents

市政区域智慧供水系统及该系统人工智能控制优化方法 Download PDF

Info

Publication number
CN113836785A
CN113836785A CN202110857107.8A CN202110857107A CN113836785A CN 113836785 A CN113836785 A CN 113836785A CN 202110857107 A CN202110857107 A CN 202110857107A CN 113836785 A CN113836785 A CN 113836785A
Authority
CN
China
Prior art keywords
water
water supply
municipal
midway
artificial intelligence
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
CN202110857107.8A
Other languages
English (en)
Other versions
CN113836785B (zh
Inventor
郑文林
郑伟
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.)
NANJING ERSHUN TECHNOLOGY DEVELOPMENT CO LTD
Original Assignee
NANJING ERSHUN TECHNOLOGY DEVELOPMENT 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 NANJING ERSHUN TECHNOLOGY DEVELOPMENT CO LTD filed Critical NANJING ERSHUN TECHNOLOGY DEVELOPMENT CO LTD
Priority to CN202110857107.8A priority Critical patent/CN113836785B/zh
Publication of CN113836785A publication Critical patent/CN113836785A/zh
Application granted granted Critical
Publication of CN113836785B publication Critical patent/CN113836785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B11/00—Arrangements or adaptations of tanks for water supply
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B5/00—Use of pumping plants or installations; Layouts thereof
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B7/00—Water main or service pipe systems
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B7/00—Water main or service pipe systems
    • E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B7/00—Water main or service pipe systems
    • E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
    • E03B7/072—Arrangement of flowmeters
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B7/00—Water main or service pipe systems
    • E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
    • E03B7/075—Arrangement of devices for control of pressure or flow rate
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B7/00—Water main or service pipe systems
    • E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
    • E03B7/078—Combined units with different devices; Arrangement of different devices with respect to each other
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Hydrology & Water Resources (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Structural Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Fluid Mechanics (AREA)
  • Control Of Fluid Pressure (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开一种市政区域智慧供水系统及该系统人工智能控制优化方法，包括水厂水池和水厂泵房，所述的水厂泵房内安装有与水厂水池连通的若干水厂加压泵；而水厂加压泵又连接到中途水池，而该中途水池同样安装有若干中途加压泵，而所述中途加压泵又连接至区域供水管网。本发明是根据市政供水及管网的供水特征，以人工智能控制，充分发挥系统中水池，水箱的调蓄功能，合理管网供水压力，最终彻底解决市政供水压力波动，调节市政供水管网供水平衡。

Description

市政区域智慧供水系统及该系统人工智能控制优化方法
技术领域
本发明涉及市政区域供水技术领域；具体说是一种市政区域供水用人工智能控制优化系统及方法。
背景技术
市政区域供水体系，包括水厂、中途加压泵站、二次供水设备及供水管网，目前系统控制逐步进入智慧供水，但由于市政供水体系时代变更引起的发展不均衡，使得市政供水控制不理想，导致供水系统流量不稳定，供水压力波动过大，同时大大增加水厂与中途加压泵站能耗等问题，给市民用水带来极大不便。
发明内容
发明目的：针对上述现有技术存在的不足，提供一种市政区域供水用人工智能控制优化系统及方法。
技术方案：为了实现上述发明目的，本发明采用的技术方案如下：一种市政区域智慧供水系统，包括水厂水池和水厂泵房，所述的水厂泵房内安装有与水厂水池连通的若干水厂加压泵；而水厂加压泵又连接到中途水池，而该中途水池同样安装有若干中途加压泵，而所述中途加压泵又连接至区域供水管网。
该区域供水管网设置有若干条出水管道，每一出水管道均相应设置有两条支路，其中一条支路直接与市政区域的市政直供管道相连，另一支路则相应连接到二次供水水箱处，所述的二次供水水箱处又相应安装有二次供水泵组，二次供水泵组通过设置的二次增压供水管道供水。
系统中各管道均相应配置有电动阀门、压力传感器以及流量计；而各水池和水箱中均配置有液位传感器。
还包括人工智能控制中心，该人工智能控制中心与各泵体相连，可相应控制各泵体的开启和关闭。
人工智能控制中心还与各管道上的电动阀门、压力传感器、流量计，以及水池和水箱中的液位传感器相连。
进一步地，所述的水厂泵房与中途水池之间相应安装有水厂电动阀、水厂压力表以及水厂流量计。
所述的中途加压泵与区域供水管网之间安装有中途电动阀、中途压力表以及中途流量计。
每一二次供水水箱的进水端还均安装有小区电动阀、小区压力表和小区流量计，且二次供水水箱的出水端同样设置有小区电动阀。
且各电动阀、各压力表以及各流量计均与人工智能控制中心相连。
进一步地，所述的中途水池以及二次供水水箱中均安装有液位计，所述的液位计均与人工智能控制中心相连。
进一步地，所述的市政直供管道与二次供水泵组的进水端之间还安装有旁通管道，该旁通管道上相应安装有旁通管阀，该旁通管阀与人工智能控制中心相连；二次供水水箱的出水端同样设置有小区电动阀，以及市政直供管道上还安装有市政直供用水最不利点压力传感器。
进一步地，所述的人工智能控制中心内部设置有基于数学模型的人工智能分析模块、预测模块以及控制模块。
一种市政区域智慧供水系统的人工智能控制优化方法，其特征在于：采集市政供水区域内的历史数据；数据包括市政供水区域内中途加压泵站的日供水量、各小区的用水人数、各小区日用水量、各小区最高楼层、各水池和水箱的容积与数量、市政直供管道、二次增压供水管道以及各小区内支管管径、以及各压力表、流量计参数。
人工智能控制中心对所采集的历史数据整理归纳，并通过数学模型进行分析、预测出区域供水总供水曲线与各分支小区的用水曲线、总管供水压力与各小区的压力曲线、以及小区市政直供水用户最不利点的压力变化曲线；对于供水压力的波动，人工智能控制中心对于管网中各管道上安装的电动阀进行开闭合控制，以此调节中途水池和二次供水水箱中的蓄水量，利用各水池和水箱的调蓄能力，达到市政供水水压稳定及整体供水平衡。
进一步地，所述人工智能控制中心加载的数学模型采用BP神经网络算法，该数学模型将具有n个输入节点以及m个输出节点的网络看作一个从n维空间到m维空间的映射，此映射为高度非线性映射，其信息处理能力来自于简单非线性函数的多次复合，用3层且激励函数为Sigmoid型的BP网络能够以任意精度逼近任何连续函数，可根据历史数据精确分析预测趋势曲线。
进一步地，所述数学模型的算法如下：
ΔWkj(n+1)＝ηδjOk+aΔWkj(n)；
ΔθJ(n+1)＝-ηδJ+aΔθJ(n)；
δJ＝Oj(1-Oj)(Tj-Oj) (J为输出节点)；
δj＝Oj(1-Oj)∑δiWij(n+1) (j为输出节点)；
Figure BDA0003184482760000031
式中变量说明：
η为学习步长；
a为惯性量；
Oj为网络输出；
Tj为目标输出；
Wkj(n+1)为第n+1次迭代时节点k对j的权值；
θj为节点阈值；
δi为j点输出值；
为k点网络输出；
ΔWkj(n)为第n次迭代时节点k对j的权值变量；
Wij第n次迭代时节点i对j的权值；
Wijk、j为节点代号。
进一步地，所述的该数学模型将一直输入输出作为学习样本，训练学习参数，直至网络输出满足精度要求为止；且供水管网负荷及其影响因素可用如下非线性函数关联：
Figure BDA0003184482760000032
上式中的变量说明：
Y(n+1)为预报各时刻负荷列向量；
Y(n)为上一个预报周期各时刻负荷列向量；
TL(n+1)为预报日最低气温；
TH(n+1)为预报日最高气温；
H(n+1)为预报日节假日情况；
R和L表示为非线性函数。
有益效果：本发明与现有技术相比，具有以下优点：本发明中，各管网管路中均相应安装有流量计、压力表以及及电动阀等，上述各元件均是根据人工智能控制中心预测数据所需参数而配套设置的，其中的中途加压泵站、各小区进水支管、市政直供管道最不利点点压力传感器，中途水池、各小区二次供水水箱进水端和出水端设置的电动阀均为必须设置；电动阀的开闭节点与时长，是根据人工智能控制中心预测用水量曲线，控制水池或水箱蓄水量达到调蓄系统供水平衡，从而实现供水压力稳定，本发明是根据市政供水及管网的供水特征，以人工智能控制，充分发挥系统中水池，水箱的调蓄功能，合理管网供水压力，最终彻底解决市政供水压力波动，调节市政供水管网供水平衡。
附图说明
图1为本发明系统结构图；
图2为本发明中数学模型预测与实际运行曲线比对图；
图3为智慧供水系统预测确定供水运行的高低峰区域图；
图4为实际供水系统用水量曲线图；
图5为智慧供水系统用水量曲线图；
图6为现有的市政供水压力波动曲线图；
图7人工智能控制下进行有效调蓄稳定压力曲线图；
图8为二次供水水箱的现状蓄水量曲线图；
图9为本发明中水池、水箱人工智能控制蓄水量曲线图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，本实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1所示，一种市政区域供水用人工智能控制优化系统，包括水厂水池1和水厂泵房2，水厂泵房2内安装有与水厂水池1连通的若干水厂加压泵3；而水厂加压泵3又连接到中途水池4，而该中途水池4同样安装有若干中途加压泵5，而中途加压泵5又连接至区域供水管网6。
该区域供水管网6设置有若干条出水管道，每一出水管道均相应设置有两条支路，其中一条支路直接与市政区域的市政直供管道7相连，另一支路则相应连接到二次供水水箱8处，二次供水水箱8处又相应安装有二次供水泵组9，二次供水泵组9通过设置的二次增压供水管道10供水。
还包括人工智能控制中心11，该人工智能控制中心11与各泵体相连，可相应控制各泵体的开启和关闭以及工作功率；水厂泵房2与中途水池4之间相应安装有水厂电动阀12、水厂压力表13以及水厂流量计14。
中途加压泵5与区域供水管网6之间安装有中途电动阀15、中途压力表16以及中途流量计17；每一二次供水水箱8的进水端还均安装有小区电动阀18、小区压力表19和小区流量计20，且二次供水水箱8的出水端同样设置有小区电动阀18。
且各电动阀、各压力表以及各流量计均与人工智能控制中心11相连；中途水池4以及二次供水水箱8中均安装有液位计21，液位计21均与人工智能控制中心11相连。
市政直供管道7与二次供水泵组9的进水端之间还安装有旁通管道22，该旁通管道22上相应安装有旁通管阀23，该旁通管阀23与人工智能控制中心11相连；二次供水水箱8的出水端同样设置有小区电动阀18，以及市政直供管道7上还安装有市政直供用水最不利点压力传感器24。
人工智能控制中心11内部设置有基于数学模型的人工智能分析模块、预测模块以及控制模块。
本发明还提供一种市政区域供水用人工智能控制优化方法，采集市政供水区域内的历史数据；数据包括市政供水区域内中途加压泵5站的日供水量、各小区的用水人数、各小区日用水量、各小区最高楼层、各水池和水箱的容积与数量、市政直供管道7、二次增压供水管道10以及各小区内支管管径、以及各压力表、流量计参数。
人工智能控制中心11对所采集的历史数据整理归纳，并通过数学模型进行分析、预测出区域供水总供水曲线与各分支小区的用水曲线、总管供水压力与各小区的压力曲线、以及小区市政直供水用户最不利点的压力变化曲线；对于供水压力的波动，人工智能控制中心11对于管网中各管道上安装的电动阀进行开闭合控制，以此调节中途水池4和二次供水水箱8中的蓄水量，利用各水池和水箱的调蓄能力，达到市政供水水压稳定及整体供水平衡。
人工智能控制中心11加载的数学模型采用BP神经网络算法，该数学模型将具有n个输入节点以及m个输出节点的网络看作一个从n维空间到m维空间的映射，此映射为高度非线性映射，其信息处理能力来自于简单非线性函数的多次复合，用3层且激励函数为Sigmoid型的BP网络能够以任意精度逼近任何连续函数，可根据历史数据精确分析预测趋势曲线。
该数学模型的算法如下：
ΔWkj(n+1)＝ηδjOk+aΔWkj(n)；
ΔθJ(n+1)＝-ηδJ+aΔθJ(n)；
δJ＝Oj(1-Oj)(Tj-Oj) (J为输出节点)；
δj＝Oj(1-Oj)∑δiWij(n+1) (j为输出节点)；
Figure BDA0003184482760000051
式中：η为学习步长，a为惯性量，Oj为网络输出，Tj为目标输出，Wkj(n+1)为第n+1次迭代时节点k对j的权值，θj为节点阈值；δi为j点输出值；Ok为k点网络输出；ΔWkj(n)为第n次迭代时节点k对j的权值变量；Wij第n次迭代时节点i对j的权值；k、j为节点代号。
该数学模型将一直输入输出作为学习样本，训练学习参数，直至网络输出满足精度要求为止；且供水管网负荷及其影响因素可用如下非线性函数关联：
Figure BDA0003184482760000061
上式中的变量说明：
Y(n+1)为预报各时刻负荷列向量；
Y(n)为上一个预报周期各时刻负荷列向量；
TL(n+1)为预报日最低气温；
TH(n+1)为预报日最高气温；
H(n+1)为预报日节假日情况；
R和L表示为非线性函数。
如图2所示，为本发明中数学模型预测与实际运行曲线比对图；预测曲线与实际运行曲线不断训练达到的相对误差小于1％精确度的数学模型；如图3所示，在数学模型预测系统用水网线的基础上，确定用水高低峰时用水量需求，通过人工智能控制11，关闭和打开水池、水箱进水时间和时长，控制水池、水箱的蓄水量，充分利用水箱有效调蓄，达到供水稳定压力曲线图。
本发明中人工智能控制中心根据市政供水历史数据分析预测出供水流量曲线，并根据小区市政直供水终端最不利点压力的变化曲线，确定二次供水水箱进出水管上电动阀的开闭，以减少因用水高峰引起的最不利点水压波动。
图3智慧供水系统预测确定供水运行的高低峰区域图，智慧供水系统通过数学模型预测，可以明确系统供水高低峰区，及转换时间点。
通过采集二次供水水箱两端的压力值以及流量值，可得到如图4所示的实际供水系统用水量曲线图，用水量高低峰明显，高峰时段无调蓄，影响供水系统平衡。
图5为智慧供水系统用水量曲线图，本发明的智慧供水系统，通过数学模型精准预测，控制系统中水箱、水池进出阀门的开启和关闭时间，起到系统有效调蓄，明显削峰达到系统供水平衡；图中高峰部分用水量，即为水池、水箱供水时段。
图6为现行市政供水压力波动曲线图，现状供水系统，市政供水压力波动较大，影响正常用水，导致系统供水不平衡。
图7为人工智能控制下进行有效调蓄稳定压力曲线图；通过人工智能控制系统根据系统中流量计、压力传感器及蓄水液位计参数，智能控制电动阀门开启，达到供水压力平稳，减少管网漏损率，降低能耗。
图8为二次供水水箱的现状蓄水量曲线图；现状供水系统，水箱、水池蓄水连续进水，持续用蓄水供水，蓄水量变化为多波动起伏蓄水。图9为本发明中水池、水箱人工智能控制蓄水量曲线图；通过人工智能按需求控制水池、水箱蓄水量，以满足系统供水高低峰时有效调蓄功能。
本发明的人工智能控制中心，根据供水区域历史流量、压力、液位等参数预测供水需求曲线，通过对系统中各小区二次供水水箱进出电动阀的开闭控制，在用水高峰前，将水箱蓄满水，高峰时段关闭进出电动阀，用水箱蓄水进行二次供水，对高峰时段用水进行削峰，减少中途加压泵站供水压力，从而调节系统供水平衡。
本发明中，各管网管路中均相应安装有流量计、压力表以及及电动阀等，上述各元件均是根据人工智能控制中心预测数据所需参数而配套设置的，其中的中途加压泵站、各小区进水支管、市政直供管道最不利点点压力传感器，中途水池、各小区二次供水水箱进水端和出水端设置的电动阀均为必须设置；电动阀的开闭节点与时长，是根据人工智能控制中心预测用水量曲线，控制水池或水箱蓄水量达到调蓄系统供水平衡，从而实现供水压力稳定，本发明是根据市政供水及管网的供水特征，以人工智能控制，充分发挥系统中水池，水箱的调蓄功能，合理管网供水压力，最终彻底解决市政供水压力波动，调节市政供水管网供水平衡。
具体实施方式只是本发明的一个优选实施例，并不是用来限制本发明的实施与权利要求范围的，凡依据本发明申请专利保护范围内容做出的等效变化和修饰，均应包括于本发明专利申请范围内。

Claims (9)

1.一种市政区域智慧供水系统，其特征在于：包括水厂水池(1)和水厂泵房(2)，所述的水厂泵房(2)内安装有与水厂水池(1)连通的若干水厂加压泵(3)；而水厂加压泵(3)又连接到中途水池(4)，而该中途水池(4)同样安装有若干中途加压泵(5)，而所述中途加压泵(5)又连接至区域供水管网(6)；
该区域供水管网(6)设置有若干条出水管道，每一出水管道均相应设置有两条支路，其中一条支路直接与市政区域的市政直供管道(7)相连，另一支路则相应连接到二次供水水箱(8)处，所述的二次供水水箱(8)处又相应安装有二次供水泵组(9)，二次供水泵组(9)通过设置的二次增压供水管道(10)供水；
系统中各管道均相应配置有电动阀门、压力传感器以及流量计；而各水池和水箱中均配置有液位传感器；
还包括人工智能控制中心(11)，该人工智能控制中心(11)与各泵体相连，可相应控制各泵体的开启和关闭。
人工智能控制中心(11)还与各管道上的电动阀门、压力传感器、流量计，以及水池和水箱中的液位传感器相连。
2.根据权利要求1所述的一种市政区域智慧供水系统，其特征在于：
所述的水厂泵房(2)与中途水池(4)之间相应安装有水厂电动阀(12)、水厂压力表(13)以及水厂流量计(14)；
所述的中途加压泵(5)与区域供水管网(6)之间安装有中途电动阀(15)、中途压力表(16)以及中途流量计(17)；
每一二次供水水箱(8)的进水端还均安装有小区电动阀(18)、小区压力表(19)和小区流量计(20)，且二次供水水箱(8)的出水端同样设置有小区电动阀(18)；
且各电动阀、各压力表以及各流量计均与人工智能控制中心(11)相连。
3.根据权利要求2所述的一种市政区域智慧供水系统，其特征在于：所述的中途水池(4)以及二次供水水箱(8)中均安装有液位计(21)，所述的液位计(21)均与人工智能控制中心(11)相连。
4.根据权利要求2所述的一种市政区域智慧供水系统，其特征在于：所述的市政直供管道(7)与二次供水泵组(9)的进水端之间还安装有旁通管道(22)，该旁通管道(22)上相应安装有旁通管阀(23)，该旁通管阀(23)与人工智能控制中心(11)相连；二次供水水箱(8)的出水端同样设置有小区电动阀(18)，以及市政直供管道(7)上还安装有市政直供用水最不利点压力传感器(24)。
5.根据权利要求2所述的一种市政区域智慧供水系统，其特征在于：所述的人工智能控制中心(11)内部设置有基于数学模型的人工智能分析模块、预测模块以及控制模块。
6.一种基于权利要求1-5任意一项的市政区域智慧供水系统的人工智能控制优化方法，其特征在于：采集市政供水区域内的历史数据；数据包括市政供水区域内中途加压泵(5)站的日供水量、各小区的用水人数、各小区日用水量、各小区最高楼层、各水池和水箱的容积与数量、市政直供管道(7)、二次增压供水管道(10)以及各小区内支管管径、以及各压力表、流量计参数；
人工智能控制中心(11)对所采集的历史数据整理归纳，并通过数学模型进行分析、预测出区域供水总供水曲线与各分支小区的用水曲线、总管供水压力与各小区的压力曲线、以及小区市政直供水用户最不利点的压力变化曲线；对于供水压力的波动，人工智能控制中心(11)对于管网中各管道上安装的电动阀进行开闭合控制，以此调节中途水池(4)和二次供水水箱(8)中的蓄水量，利用各水池和水箱的调蓄能力，达到市政供水水压稳定及整体供水平衡。
7.根据权利要求6所述的一种市政区域智慧供水系统的人工智能控制优化方法，其特征在于：所述人工智能控制中心(11)加载的数学模型采用BP神经网络算法，该数学模型将具有n个输入节点以及m个输出节点的网络看作一个从n维空间到m维空间的映射，此映射为高度非线性映射，其信息处理能力来自于简单非线性函数的多次复合，用3层且激励函数为Sigmoid型的BP网络能够以任意精度逼近任何连续函数，可根据历史数据精确分析预测趋势曲线。
8.根据权利要求7所述的一种市政区域智慧供水系统的人工智能控制优化方法，其特征在于：所述数学模型的算法如下：
ΔWkj(n+1)＝ηδjOk+aΔWkj(n)；
ΔθJ(n+1)＝-ηδJ+aΔθJ(n)；
δJ＝Oj(1-Oj)(Tj-Oj)(J为输出节点)；
δj＝Oj(1-Oj)∑δiWij(n+1)(j为输出节点)；
Figure FDA0003184482750000021
式中：η为学习步长，a为惯性量，Oj为网络输出，Tj为目标输出，Wkj(n+1)为第n+1次迭代时节点k对j的权值，θj为节点阈值；δi为j点输出值；Ok为k点网络输出；ΔWkj(n)为第n次迭代时节点k对j的权值变量；Wij第n次迭代时节点i对j的权值；k、j为节点代号。
9.根据权利要求8所述的一种市政区域智慧供水系统的人工智能控制优化方法，其特征在于：所述的该数学模型将一直输入输出作为学习样本，训练学习参数，直至网络输出满足精度要求为止；且供水管网负荷及其影响因素可用如下非线性函数关联：
Figure FDA0003184482750000031
上式中的变量说明：
Y(n+1)为预报各时刻负荷列向量；
Y(n)为上一个预报周期各时刻负荷列向量；
TL(n+1)为预报日最低气温；
TH(n+1)为预报日最高气温；
H(n+1)为预报日节假日情况；
R和L表示为非线性函数。
CN202110857107.8A 2021-07-28 2021-07-28 市政区域智慧供水系统及该系统人工智能控制优化方法 Active CN113836785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110857107.8A CN113836785B (zh) 2021-07-28 2021-07-28 市政区域智慧供水系统及该系统人工智能控制优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110857107.8A CN113836785B (zh) 2021-07-28 2021-07-28 市政区域智慧供水系统及该系统人工智能控制优化方法

Publications (2)

Publication Number Publication Date
CN113836785A true CN113836785A (zh) 2021-12-24
CN113836785B CN113836785B (zh) 2024-02-13

Family

ID=78962919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110857107.8A Active CN113836785B (zh) 2021-07-28 2021-07-28 市政区域智慧供水系统及该系统人工智能控制优化方法

Country Status (1)

Country Link
CN (1) CN113836785B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115448431A (zh) * 2022-10-10 2022-12-09 马占宇 一种净化水尾水收集回收利用系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10320444A (ja) * 1997-05-22 1998-12-04 Mamoru Tanaka 回路シミュレータによる水道管網の解析方法及びその解析装置
CN102629106A (zh) * 2012-04-11 2012-08-08 广州东芝白云自动化系统有限公司 供水控制方法及系统
CN106295900A (zh) * 2016-08-19 2017-01-04 中节能（常州）城市节能研究院有限公司 一种城市智慧能源管理系统
CN107453921A (zh) * 2017-09-08 2017-12-08 四川省电科互联网加产业技术研究院有限公司 基于非线性神经网络的智慧城市系统人工智能评价方法
CN108842857A (zh) * 2018-08-17 2018-11-20 魏远良 一种自学习智能调峰二次供水系统及其控制方法
CN111340316A (zh) * 2020-05-18 2020-06-26 浙江和达科技股份有限公司 一种智慧供水管理方法及系统
CN112160376A (zh) * 2020-09-18 2021-01-01 南京尔顺科技发展有限公司 一种高效节能环保组合分区增压供水系统
AU2020103080A4 (en) * 2020-10-28 2021-01-07 Taiyuan University Of Science And Technology A monitoring operation system and method for secondary water supply system
CN112560291A (zh) * 2020-12-30 2021-03-26 郑州力通水务有限公司 智慧水务供水管网爆管分析系统
CN213358806U (zh) * 2020-07-16 2021-06-04 南京尔顺科技发展有限公司 一种二次供水变压变频控制系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10320444A (ja) * 1997-05-22 1998-12-04 Mamoru Tanaka 回路シミュレータによる水道管網の解析方法及びその解析装置
CN102629106A (zh) * 2012-04-11 2012-08-08 广州东芝白云自动化系统有限公司 供水控制方法及系统
CN106295900A (zh) * 2016-08-19 2017-01-04 中节能（常州）城市节能研究院有限公司 一种城市智慧能源管理系统
CN107453921A (zh) * 2017-09-08 2017-12-08 四川省电科互联网加产业技术研究院有限公司 基于非线性神经网络的智慧城市系统人工智能评价方法
CN108842857A (zh) * 2018-08-17 2018-11-20 魏远良 一种自学习智能调峰二次供水系统及其控制方法
CN111340316A (zh) * 2020-05-18 2020-06-26 浙江和达科技股份有限公司 一种智慧供水管理方法及系统
CN213358806U (zh) * 2020-07-16 2021-06-04 南京尔顺科技发展有限公司 一种二次供水变压变频控制系统
CN112160376A (zh) * 2020-09-18 2021-01-01 南京尔顺科技发展有限公司 一种高效节能环保组合分区增压供水系统
AU2020103080A4 (en) * 2020-10-28 2021-01-07 Taiyuan University Of Science And Technology A monitoring operation system and method for secondary water supply system
CN112560291A (zh) * 2020-12-30 2021-03-26 郑州力通水务有限公司 智慧水务供水管网爆管分析系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115448431A (zh) * 2022-10-10 2022-12-09 马占宇 一种净化水尾水收集回收利用系统
CN115448431B (zh) * 2022-10-10 2024-01-30 马占宇 一种净化水尾水收集回收利用系统

Also Published As

Publication number Publication date
CN113836785B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
CN113011662B (zh) 一种区域企厂网河一体化联合优化调度的系统及方法
CN113140756A (zh) 基于燃料电池的控制方法与装置以及井场增产方法
Yabanova et al. Development of ANN model for geothermal district heating system and a novel PID-based control strategy
CN108846507A (zh) 基于混合整数二阶锥规划的电-气耦合系统日前经济调度方法
CN110939178B (zh) 一种用于二次供水设备的水龄控制系统
CN104268653B (zh) 基于集束径流预报的梯级水库优化调度方法
CN111206647B (zh) 城市供水的区域性加压泵站的无人值守控制器及控制方法
CN109917656B (zh) 基于工艺介质多温度目标的循环冷却水最小压差节能控制系统及方法
CN114386760A (zh) 一种考虑光伏接入条件下的梯级水电站蓄能调度方法
CN113836785B (zh) 市政区域智慧供水系统及该系统人工智能控制优化方法
CN108954484B (zh) 一种供热管网系统及自适应调控方法
CN116255664A (zh) 一种基于多能互补系统的模块化热力站供热调控方法
CN114606523B (zh) 一种变功率制氢系统及其自动控制系统和方法
CN109403425B (zh) 供水管网的优化调度系统
CN116014808A (zh) 一种中小型抽水蓄能电站物联网调度方法及装置
CN117348400A (zh) 一种水网多通道并联联动控制系统
CN111626603B (zh) 一种具有遗传算法的油田有序用电系统及其有序用电分配方法
CN115705608A (zh) 一种虚拟电厂负荷感知方法及装置
JP3974294B2 (ja) 上下水道監視制御システム
CN117557019A (zh) 基于模型预测控制的含热泵集群的供热系统调度方法
CN111062576A (zh) 一种基于dma分区最不利点的压力管理系统
CN115875718A (zh) 一种耦合储热罐的生物质锅炉供热系统、方法及其应用
CN110965610B (zh) 一种基于mpc控制的双路调峰设备
CN111155600B (zh) 一种用于二次供水设备的水龄控制系统
CN111639796B (zh) 一种具有拓扑结构的油田有序用电系统及其有序用电分配方法

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
GR01 Patent grant
GR01 Patent grant