CN114240151A - 制水控制方法与装置、电子设备及存储介质 - Google Patents
制水控制方法与装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114240151A CN114240151A CN202111548204.5A CN202111548204A CN114240151A CN 114240151 A CN114240151 A CN 114240151A CN 202111548204 A CN202111548204 A CN 202111548204A CN 114240151 A CN114240151 A CN 114240151A
- Authority
- CN
- China
- Prior art keywords
- water
- time
- target
- making
- water production
- 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
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Abstract
本公开提供了一种制水控制方法、装置、电子设备及存储介质,涉及人工智能技术领域领域,尤其涉及工业调度技术、工业互联网技术领域。具体实现方案为:获取当前目标时间内的制水时间范围;确定在所述制水时间范围内的至少一个期望制水时间对应的制水系统的可用水信息;依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间;控制所述制水系统在所述目标制水时间内制水。根据本公开,可实现目标制水时间的精准确定以及对制水系统制水的精准控制。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及工业调度技术、工业互联网技术领域,具体涉及一种制水控制方法与装置、电子设备及存储介质。
背景技术
在自来水厂中,由制水系统吸取源头水并经过多层过滤、杂质沉淀、消毒等程序来制造出居民可用水。目前,对于制水系统何时制水是由人工依据经验来控制的。实际应用中,制水系统的制水控制精准性欠佳,会存在有时候制水过多,有时候制水过少的现象。
发明内容
本公开提供了一种制水控制方法、制水控制装置、电子设备和存储介质。
根据本公开的一方面,提供了一种制水控制方法,包括:
获取当前目标时间内的制水时间范围;
确定在所述制水时间范围内的至少一个期望制水时间对应的制水系统的可用水信息;
依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间;
控制所述制水系统在所述目标制水时间内制水。
根据本公开的另一方面,提供了一种制水控制装置,包括:
第一获取单元,用于获取当前目标时间内的制水时间范围;
第一确定单元,用于确定在所述制水时间范围内的至少一个期望制水时间对应的制水系统的可用水信息;
第二确定单元,用于依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间;
控制单元,用于控制所述制水系统在所述目标制水时间内制水。
根据本公开的再一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的又一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
根据本公开,依据当前目标时间内的用水量和至少一个期望制水时间对应的制水系统的可用水信息,从至少一个期望制水时间中确定出需要制水的时间,实现对当前目标时间的以更小时间片的制水时间的精确确定,实现了对需要制水的目标制水时间的自动且精准确定。这种精准确定目标制水时间的方案可方便实现对制水系统制水的精准控制,大大避免人工根据经验确定制水时间而导致的问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的制水系统的组成结构示意图;
图2是本公开的制水控制方法实施例的实现流程示意图;
图3是本公开监控到的制水参数的示意图;
图4是本公开的制水系统中产生的时延示意图;
图5是本公开的多个备选取水泵的工作能力对比示意图;
图6是本公开制水控制装置实施例的组成结构图一;
图7是本公开制水控制装置实施例的组成结构图二;
图8是用来实现本公开制水控制方法实施例的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在对本公开实施例的技术方案进行介绍之前,先对自来水厂的制水系统的制水过程进行大致描述。图1为本公开的自来水厂的制水系统的组成结构图。如图1所示,制水系统包括:
取水泵房又称水源泵房、一级泵房。取水泵房中的取水泵用于从河水或地下水系等水源取水,将从水源取的水送至净水构筑物,或直接将取出的源头水送至用户的地表水取水泵房。可以理解制水系统中的取水泵房从源头取水才能执行制水过程,即取水泵用于控制水源向制水系统提供制水所需用水。如果取水泵不取水则无法实现正常的制水。
配水井在市政给水中,作用是分配源水。向折板絮凝池添加诸如臭氧、次氯酸钠等物品用于对源头水进行净化。
平流沉淀池的作用是为了将经过折板絮凝池的水中的絮粒得以沉淀、去除,产生的废水被回收水池回收,其余水经v型滤池的过滤、提升泵房的抽取、炭滤池的过滤达到清水池。
制水系统的制水过程就是从取水泵取源头水开始、经过如上一系列工序的处理得到可注入至清水池的水的过程。在市政给水中,清水池中的可用水被吸入至吸水井,送水泵房从吸水井中进行吸水以为居民提供用水。
可以理解,通常清水池中会有存水,以供居民使用。在实际应用中,会为清水池设置水位的下限和上限,清水池中的水位于下限和上限之间,为了避免清水池中的水因存储不足而导致的无法为居民正常供水的问题。清水池中的水就是制水系统通过前述的制水过程而得到的。
相关方案中,对制水系统的何时控制是由人工来完成的,如人工依赖经验决定何时开启制水系统进行制水,以及时制水避免无法为居民提供正常供水事情的发生。依据人工经验无法体现制水系统被控制的智能性,且依据人工经验可能存在有出错的情况。本公开实施例的技术方案可认为是一种为制水系统智能且精准确定需要制水的时间(目标制水时间)的技术方案,还可认为是一种基于目标制水时间对制水系统进行自动控制的方案。其中,制水时间范围的获取相当于得到了一个让工作人员留守在水厂的合理时间范围,以避免在自动制水出现问题的过程中无工作人员在场维护的问题。
下面对本公开实施例的技术方案进行说明。
图2为本公开的制水控制方法实施例的实现流程示意图。如图2所示,该方法应用于制水控制装置中,该方法包括:
S201:获取基于历史数据得到的当前目标时间内的制水时间范围。
本步骤中,当前目标时间可为周期性制水周期的当前制水周期。例如,以制水周期为1天为例,则当前目标时间可以为当天。
制水时间范围可以是在当前目标时间内随机选择的一个时间段,还可以基于历史数据而得到一个时间段,如制水时间范围是根据满足用水需求的历史制水时间而确定,如将当前目标时间如当天内与历史制水时间如昨天相同的时间如9:00-14:00作为当前目标时间内的制水时间范围。制水时间范围还可以是根据制水系统的特定受控时间以及满足用水需求的历史制水时间确定的。例如,制水系统的特定受控时间包括:制水系统的工作人员的当班时间,或者制水系统的当班工作人员达到预设要求的时间。结合历史数据可以得到满足居民用水和/或商业用水等情况的历史制水时间。将特定受控时间和历史制水时间取交集,可得到制水时间范围。当然此处仅仅是对制水时间范围确定的举例,具体实现不局限于此。
示例地,制水时间范围是基于历史数据而得到的一个时间段,如当天的9:00-14:00或当天的10:00-19:00等。
在得到该制水时间范围的情况下,水厂的工作人员就可以在该时间范围内上班,而不必拘泥于固定的上班时间,也可有效避免制水系统在制水过程中无工作人员留守而导致的问题。在当前目标时间内的除制水时间范围之外的其余时间,可停止或不控制制水系统进行制水,可节省电量。制水时间范围是基于历史数据而得到的,可保证制水时间范围的获取准确性。
可以理解,以一个月为例,在这一个月内,每天的制水时间范围可以为相同也可以为不同。还可以,部分天的制水时间范围为相同,部分天的制水时间范围为不同。在实际应用中,可基于当前目标时间之前的历史数据得到当前目标时间内的制水时间范围信息并保存下来。在当前目标时间内到来时读取保存的信息即可。
S202:确定在制水时间范围内的至少一个期望制水时间对应的制水系统的可用水信息。
本步骤中,期望制水时间可以是制水时间范围内的任意一个或两个及以上的时间。期望制水时间可以是从制水时间范围内挑选出的随机时间,还可以是对制水时间范围进行时间的划分,得到的时间,如在制水时间范围内的每隔5分钟的时间或每隔1分钟的时间。在期望制水时间对应的可用水信息可以是在期望制水时间上制水系统中清水池的液位值。各个期望制水时间对应的可用水信息可通过读取对制水系统中清水池液位的监测值而得到。
S203:依据当前目标时间内的用水量和可用水信息,从至少一个期望制水时间中确定需要制水的目标制水时间。
可用水信息可为:反映制水系统已经完全制作,满足居民生活用水或者商业用水的水质要求的水量信息。示例性地,可用水信息包括但不限于:制水系统中满足居民生活用水要求的清液池的液位信息。知晓了清液池的液位信息以及结合清液池的容量,就可以知晓当前具有的且满足居民生活用水要求的用水量。如此,结合当前目标时间内的用水量和可用水信息,可以确定出待制水量,而后可以将待制水量分配到各个期望制水时间上,就可以从至少一个期望制水时间中确定需要制水的目标制水时间。
目标制水时间是需要制水的时间。从至少一个期望制水时间中确定如挑选出需要制水的时间。如此,在一个制水时间范围内可存在一个或多个目标制水时间。如果存在多个目标制水时间,在时域上可以连续分布或者离散分布。
S204:控制制水系统在目标制水时间内制水。
本步骤中,可在目标制水时间上向制水系统发送用于控制制水系统进行制水的命令,以控制制水系统在目标制水时间内进行制水。
前述S201~S204中,依据当前目标时间内的用水量和至少一个期望制水时间对应的制水系统的可用水信息,从至少一个期望制水时间中确定出需要制水的目标制水时间,可实现对当前目标时间内的以更小时间片的制水时间的精确确定。实现了对需要制水的目标制水时间的自动且精准确定。这种智能且精准确定目标制水时间的方案可大大避免人工根据经验确定制水时间而导致的问题。
这种目标制水时间的自动且精准确定方案,可实现对制水系统进行制水的自动且精准控制如控制制水系统在目标制水时间内进行制水。另外,获取到的制水时间范围,相当于本方案给出了一个基准时间从这个基准时间进行目标制水时间的精准确定,使得制水系统在更加精准的时间上进行自动制水,避免了在制水系统无需制水的情况下仍然在制水而导致的不必要耗费、或者需要制水系统去制水而制水系统未进行制水的问题。
示例性地,针对当天的制水时间范围为8:00-17:00的情况,假定在这个时间范围内挑选出两个期望时间如时间1和时间2。在时间1到来时,如果在时间1上清水池的液位值低于当天的用水量,说明在时间1上清水池中的水无法满足当天的用水量,则可确定时间1为需要制水的时间,在时间1上向制水系统发送用于控制其进行制水的命令。在时间2到来时,如果在时间2上清水池的液位值高于或等于当天的用水量即能够满足当天的用水量,确定时间2为不需要制水的时间,在时间2上向制水系统发送用于控制其停止制水的命令或不向其发送用于控制其制水的命令。
本公开实施例中涉及第一目标模型,将在当前目标时间内的用水量和至少一个期望制水时间中的任意一个期望制水时间如第n个期望制水时间的可用水信息输入至第一目标模型。第一目标模型可根据输入的数据输出指示信息,该指示信息用于指示第n个期望制水时间是目标制水时间或者不是目标制水时间。
示例性地,如第一目标模型接收输入的当天居民需要用掉的用水量和第5个期望制水时间上的清水池液位值,按照设置的约束条件对输入进行人工智能(AI)算法的处理,输出需在第5个期望制水时间上控制制水系统制水或无需控制制水系统进行制水的指示信息。如果指示信息用于指示需在第5个期望制水时间上控制制水系统制水,则说明第5个期望制水时间为需要制水的目标制水时间,在第5个期望制水时间上向制水系统发送用于控制其进行制水的命令。如果指示信息用于指示无需在第5个期望制水时间上控制制水系统制水,则说明第5个期望制水时间为不需要制水的目标制水时间,在第5个期望制水时间无需发送控制其制水的命令或发送控制制水系统停止制水的命令。AI算法为任何合理的算法、如极端梯度提升(XGboost,eXtreme Gradient Boosting)算法。
基于当前目标时间内的用水量和第n个期望制水时间的可用水信息以及第一目标模型输出的指示信息,实现了对当前目标时间的以更小时间片的制水时间的自动且精确确定,可保证实现对制水系统的精准控制。
此外,由于第一目标模型为被训练后的AI模型,由于被训练后的AI模型具有良好的稳定性和鲁棒性,所以可使确定出的目标制水时间更加精准,也可实现对制水系统的准确控制。
本公开实施例中涉及第二目标模型,该模型用于对制水时间范围的确定。具体的,获取如读取在历史目标时间内的用水量数据;获取如选取在历史目标时间内的至少一个备选制水时间;将历史目标时间内的用水量数据、以及至少一个备选制水时间输入至第二目标模型,由第二目标模型输出制水系统在至少一个备选制水时间内得到的参考制水数据;依据参考制水数据和历史目标时间内的用水量数据,从至少一个备选制水时间中确定制水时间范围。
历史目标时间为历史上的周期制水时间,如过去每天均需制水,历史目标时间为过去的每天。历史目标时间内的用水量为过去每天内的居民实际用水量和/或实际商业用水量,与当前目标时间相比,历史目标时间内的用水量如历史目标时间内的实际用水量,如昨天或前天内的居民实际用水量。在历史目标时间内的备选制水时间可以是预先从历史目标时间内选择出的一个或多个期望去控制制水的时间,如过去365天中每天的9:00-14:00或10:00-15:00。
示例性地,读取过去的365天的居民实际用水量数据,将过去365天内的每天的9:00-14:00作为选取的一个备选制水时间,将365天中的第1天的居民实际用水量数据和第1天内的备选制水时间9:00-14:00输入至第二目标模型,由第二目标模型输出在该备选制水时间内制水系统为第1天制得的制水量,该制水量可作为为过去365天中的第1天得到的参考制水数据。将365天中的第2天的居民实际用水量数据和第2天内的备选制水时间9:00-14:00输入至第二目标模型,由第二目标模型输出在该备选制水时间内制水系统为第2天制得的制水量,该制水量可作为为过去365天中的第2天得到的参考制水数据。以此类推,针对过去的365天,如果制水系统为每天制得的参考制水数据达到了要求如制水系统为360天制得的参考制水数据满足对应天的居民用水量,则说明每天的9:00-14:00这个备选制水时间内制水系统所制的水能够满足整天的居民用水要求,则将9:00-14:00这个备选制水时间作为当前目标时间内的制水时间范围。如果制水系统为每天制得的参考制水数据未达到要求,则重新设置其他备选制水时间如10:00-17:00,看过去的365天中在新的备选制水时间内所制的水是否达到了要求,如果达到了要求就将该新的备选制水时间作为当前目标时间内的制水时间范围。第二目标模型可以采用合理的AI算法如XGboost算法来实现。
依据历史目标时间内的用水量数据、历史目标时间内的至少一个备选制水时间和第二目标模型实现了对制水时间范围的智能且精准确定,进而可保证在制水时间范围内得到更为精准的目标制水时间。
其中,由于被训练后的第二目标模型通常具有强稳定性和鲁邦性,利用第二目标模型可实现制水时间范围的准确获取,进而可实现对目标制水时间的准确确定和制水系统的准确控制。
在前述方案中,当前目标时间内的用水量可以通过第一预测模型而得到。即,通过第一预测模型依据第一目标数据得到当前目标时间内的用水量。具体的,该方案为:获取第一目标数据,第一目标数据包括当前目标时间、在当前目标时间内的天气信息、和与当前目标时间的用水量相关的信息中的至少其中之一。
将第一目标数据输入至第一预测模型,由第一预测模型依据第一目标数据对当前目标时间内的用水量进行预测;获得第一预测模型的预测结果即得到了当前目标时间内的用水量。
本公开实施例的第一预测模型为用水量预测模型。用水量预测模型采用XGboost算法实现。其输入为待预测的时间信息如当天,示例性地,如11月25日这一天。在待预测的时间信息内的天气信息主要包括湿度和温度、气温等中的至少一种。
和与待预测的时间信息相近的时间内的用水量信息包括在待预测的时间信息之前的时间内的用水量信息,如11月23、24日的实际用水量。
将这些数据输入至用水量预测模型中,用水量预测模型采用XGboost算法进行计算,得出待预测的时间信息内可能被居民用掉的水量(在待预测的时间信息内的用水量)。
依据第一目标数据和第一预测模型实现对当前目标时间内的用水量预测,实现了对用水量的自动预测。且由于被训练后的第一预测模型具有强鲁棒性和稳定性,利用第一预测模型对待预测时间内的用水量进行预测,可保证用水量的获取准确性,进而为确定目标制水时间提供了可靠的依据。
前述方案为用水量预测模型被应用的方案,在其被应用之前,还需要对模型进行训练。模型训练使用的数据均为历史数据,分为三部分:第一部分为历史时间信息,或者历史时间信息和该历史时间的节假日信息。第二部分为该历史时间的天气信息,例如在该历史时间上的温度、湿度、天气等等。第三部分为自回归特征信息。考虑到用水量与季节天气以及时间有联系,起床早高峰和睡前晚高峰导致用水量激增。自回归特征信息包括与历史时间相近的时间的用水量信息。以下内容为前述三部分内容的示例性参考:
历史时间信息包括:
date:历史时间所处的日期;
if_holiday:是否为节假日,
holiday_name:节假日名称的;
is_workday:是否为工作日;
weekday:星期几;
hour:历史时间。
历史时间内的天气信息包括:
temp:历史时间的温度;
humi:历史时间的湿度。
历史时间内的自回归特征信息包括:
历史时间的上一时刻的出水量,上两个时刻的出水量…前12个点的出水量等;
历史时间的一天前,两天前,三天前的同一时间的出水量等。
可以理解,在用水量预测模型的训练阶段,使用的输入数据为历史数据,历史数据是实际上已经发生的数据,通过读取被记录下的数据即可获得历史数据。如历史上的某个时间、该时间上的天气、以及早于该时间的其他时间的自回归特征,这些数据可作为训练阶段的输入。将这些数据输入至用水量预测模型,用水量预测模型采用XGboost算法进行计算,得到一个输出值。利用该输出值与该时间上的实际用水量之间的差异,计算模型的损失函数的取值,在损失函数的取值小于或等于预设的损失阈值的情况下,模型被训练完成。后续可利用被训练完成的模型对某个时间内的用水量进行预测。
图3为对水厂中的制水过程中涉及到的制水参数进行监控而得到的示意图。如图3所示,该制水参数包括清水池液位、取水泵的有功功率、源水(取水泵所取的水)的品质参数等。其中,源水的品质参数包括源水化学需氧量(COD,Chemical Oxygen Demand)、源水酸碱度(PH),源水浊度等。
如图3所示,随着取水泵被打开,清水池的液位慢慢上升,直到取水泵被关闭结束取水。可以理解,由于取水泵取水与清水池开始被注入水之间存在其他处理工序,所以取水泵的被打开时刻与清水池的液位开始上升的时刻存在时延,如图4所示的长方形框示意出了取水泵被打开的时刻(取水本开始取水存在进水量)与清水池开液位开始上升的时刻二者之间的差异,这个差异就可以视为制水系统在制水过程中产生的时延。这个时延会影响到制水效率。此外,如图3所示,在不同的时刻源水的PH值、源水的浊度、源水的COD均不同,这些品质参数会影响到得水率。品质参数越差,得水率越低,时延越大。因为在制水过程中会产生废水,得水率可视为制出的可用水占取水泵所取源头水的比重。通常情况下,时延和得水率可作为评价制水系统的能力指标参数。在执行本公开实施例中的制水控制方案时,还需要获取制水系统的能力指标参数;依据目标时间内的用水量、在第n个期望制水时间对应的可用水信息和能力指标参数,确定第n个期望制水时间是目标制水时间或不是目标制水时间。考虑到了得水率和时延对制水系统制水的影响,可使得目标制水时间确定得更加精准。
示例性地,针对当天的制水时间范围为8:00-17:00的情况,假定在这个时间范围内挑选出两个期望时间如时间1和时间1的在后时间-时间2。在不考虑制水能力指标参数的情况下,考虑到制水系统中的取水泵取水和清水池开始被注水存在一定的时延,如果水质很差会加大这个时延,这个时延的存在可能会使得为需要制水的时间从时间1推迟到时间2。还可能由于当天的水质很差,制水系统制水的速度由于水质差的原因变慢,注入至清水池中的液位是缓慢上升的,可能会使得为目标制水时间从时间1推迟到时间2。
本公开实施例中涉及第二预测模型,第二预测模型用于对某个时刻的制水系统的能力指标参数的预测。进一步的,获取在第n个期望制水时间上的水质信息,如读取监控到的第5个期望时间上的源水COD、源水浊度和源水PH值中的至少一种。将第n=5个期望时间上的水质信息输入至第二预测模型,由第二预测模型依据第n=5个期望时间上的水质信息输出制水系统在第n个期望时间上的能力指标参数、如输出在第n=5个期望时间上的得水率和制水时延中的至少之一。第二预测模型可视为能力指标参数预测模型,采用XGboost算法来实现。依据水质信息和第二预测模型实现对制水系统的能力指标参数的自动预测。此外,由于采用经被训练的第二预测模型具有强鲁棒性和稳定性,利用第二预测模型进行制水系统在某个时刻的能力指标参数的预测,可保证能力指标参数的获取准确性,进而为确定目标制水时间提供了可靠的依据。
前述方案为能力指标参数预测模型被应用的方案,在其被应用之前,还需要对模型进行训练。模型训练使用的数据为历史数据,历史数据包括历史时间的水质信息如过去30天内每天8点的水质信息和在历史时间上的实际得水率和时延信息。将历史时间上的水质信息作为模型训练阶段的输入,输入至能力指标参数预测模型。能力指标参数预测模型采用XGboost算法进行计算,得到一个输出值。利用该输出值与该历史时间上的实际得水率和实际时延中的至少之一的差异,计算模型的损失函数的取值,在损失函数的取值小于或等于预设的损失阈值的情况下,模型被训练完成。后续可利用被训练完成的模型对某个时间内的得水率和时延信息进行预测。
可以理解,经第二预测模型输出的得水率通常小于100%,与得水率为100%的理想情况(制水过程中不存在废水)相比,需要制水系统、具体是取水泵吸取更多的源头水才能制造出满足当天居民的用水。制水系统是依靠取水泵去吸取源头水。通常情况下,制水系统包括至少一个取水泵。为方便描述,将这些取水泵视为备选取水泵。每个备选取水泵具有一定的工作能力参数,如工作频率、不同抽水高度抽水的吨数和/或抽水有功功率等。如图5所示为多个备选取水泵的工作能力参数的对比示意图。其中,横坐标Q表示取水泵中的流量;纵坐标为抽水高度H。图5中为不同的备选取水泵的工作能力曲线,不同的备选取水泵具有不同的工作频率。如曲线4所示的备选取水泵的工作频率为30Mhz(兆赫兹),曲线3所示的备选取水泵的工作频率为50Mhz。假定以抽水高度相同为例,曲线4所示的工作频率为30Mhz的水泵在抽水高度为20m的情况下最多抽55吨的水。曲线3所示的工作频率为50Mhz的水泵在抽水高度为20m的情况下最多抽80吨的水。基于备选取水泵的不同工作能力特性。在本公开实施例中,还可获取如读取各个备选取水泵的工作能力参数,依据当前目标时间内的用水量、目标制水时间的可用水信息和备选取水泵的工作能力参数,从各个备选取水泵中确定在目标制水时间内进入开启状态的目标取水泵。实现了对目标取水泵的精准确定,并实现了对目标取水泵的精准控制,进而可保证对制水系统制水的自动且准确控制。
在目标制水时间内通过控制目标取水泵处于开启状态获取制水所需用水,可避免其他取水泵的仍然开启而导致的耗电多的问题。
在具体实现上,图5所示的内容可视为一种用于模拟各个取水泵的工作能力的取水泵仿真模型。示例性地,如果预测在某天内的居民用水量为200吨,清水池中存在的可用水为100吨,则还需制100吨的水才能满足居民用水量。在不考虑得水率的情况下,则可控制具有曲线3的工作能力特性的取水泵和具有曲线4的工作能力特性的取水泵为开启状态,向这两个目标取水泵发送用于控制其开启的命令,以控制这两个目标取水泵去取水,即可制造出满足居民用水量的水。对于具有曲线1和曲线2的工作能力特性的取水泵,可控制其为关闭状态。在考虑得水率如为80%的情况下,制水100吨就需要抽取125吨的水,则可控制具有曲线3的工作能力特性的取水泵、具有曲线4的工作能力特性的取水泵、以及具有曲线2的工作能力特性的取水泵为开启状态,以控制这几个取水泵去取水以便制造出满足居民用水量的水。实现了对目标取水泵的精准确定和自动控制,保证了对制水系统的自动与准确控制。
下面对本公开实施例的制水控制方案做进一步详细说明。
利用前述的用水量预测模型预测当天居民的用水量作为当前目标时间内的用水量,经历史数据确定出当前时间内的制水时间范围为10:00-14:00。假定在当前目标时间内的制水时间范围内每隔1小时选取一个期望制水时间,12:00被选取为其中一个期望制水时间。在12:00到来时,调用第一目标模型,由第一目标模型给出在12:00上是否需要控制制水系统进行制水的指示信息。可以理解,第一目标模型作为AI模型,其模型的运算可以看成函数Y=f(X)。其中,X代表着模型的输入;Y表示模型的输出;f()表示从输入到输出的映射关系,表示着X与Y之间的一种映射。在实际应用中,模型的输入包括当前目标时间内的某个期望制水时间如当天的12点、制水系统在该期望制水时间上的清水池液位、制水系统在该期望制水时间内的得水率与时延。其中,制水系统在该期望制水时间上的清水池液位可通过读取水厂的监控信息而得。制水系统在该期望制水时间内的得水率与时延是将该期望制水时间内的水质信息输入至第二预测模型而得。其中模型的输入还可以包括当前目标时间内的清水池水位的上限和下限值。
本公开实施例中的f()可利用约束条件进行约束。该约束条件是:(1)清水池水位在所输入的期望制水时间上需在清水池水位的上限和下限之间;(2)开最少的水泵满足当前目标时间内的用水需求;(3)当前输入的期望制水时间需要在制水时间范围内;(4)每次开始制水后,在清水池满之前,制水系统都不停止工作;(5)清水池满后,取水泵停止取水;(6)在当天的制水结束后,下一次开始制水前的所有用水的使用都不会使得清水池水位超过下限;(6)考虑在所输入的期望制水时间上的得水率和时延;(7)取水泵需以定频模式开启。
第一目标模型根据约束条件对接收到的输入进行AI算法的处理得到指示信息并输出。该指示信息用于指示在制水系统的多个备选取水泵中哪些取水泵需要开启、哪些取水泵需要关闭。对于指示信息中存在有取水泵开启的信息,则说明所选择的期望制水时间如12:00为需要制水的时间,在该时间上向需要开启的取水泵发送控制开启的命令,以控制取水泵开启去源头取水。取水泵去源头取水制水系统中的其他组成部分才可以执行过滤、净化等工序以实现制水,得到可供居民使用的水。如果指示信息中仅存在取水泵关闭的信息,则说明所选择的期望制水时间如12:00不为需要制水的时间,不向取水泵发送控制其开启的命令、或向取水泵发送控制其关闭的命令。在前述方案中,第一目标模型可视为取水泵优化控制模型,实现在某个期望时间上的哪些、或哪个取水泵的开启和关闭。前述方案中,利用当天居民的用水量、在制水系统在各个期望制水时间对应的可用水信息和第一目标模型实现对当前目标时间的以更小时间片的制水时间的自动且精准确定。这种智能且精准确定目标制水时间的方案可大大避免人工根据经验确定制水时间而导致的问题。此外,基于确定出的目标制水时间实现了对制水系统制水的自动控制,避免了人工控制制水而导致的问题。
其中,取水泵的定频模式是相对于取水泵的变频模式而言的,在取水泵的定频模式下,取水泵会具有如图5所示的曲线,利用图5所示的曲线方便从多个取水泵中筛选出在目标制水时间内的目标取水泵。
前述方案中,基于第一目标模型输出的指示信息实现了对目标制水时间的自动确定,无需人工确定需要制水的时间,且在目标制水时间上实现了对制水的自动控制,体现了制水的智能性,省时省力,可避免人工控制导致的出错问题。
可以理解,如果将历史目标时间内的用水量数据如过去365天中的任意一天的实际用水量、在历史目标时间内的其中一个备选制水时间如预先选择的一个时间段、以及在该备选制水时间内选择的一个或多个期望制水时间如在该时间段内选择的一个或多个时间点等信息输入至第一目标模型,或者与以上信息一起,连同在选择的一个或多个时间点上的制水系统的得水率和时延等信息输入至第一目标模型,第一目标模型将会给出在该一个或多个时间点上控制哪些取水泵开启、哪些取水泵关闭的指示信息,根据指示信息确定该一个或多个时间点是否为备选制水时间内的需要制水的时间,向取水泵发送对应的控制命令以实现制水或不制水。基于前述方案,可利用第一目标模型将过去365天中对每天的某个备选制水时间内各个期望制水时间上的取水泵的控制情况进行模拟,在该模拟过程中制水系统会产生一个制水量数据,将该数据作为在过去的365天内每天在该备选制水时间内得到的参考制水数据。确定满足实际用水量的参考制水数据的天数是否满足要求,如满足实际用水量的参考制水数据的天数达到了预设天数则认为满足要求。示例性地,确定过去每天的参考制水数据是否满足对应天的实际用水量,如果365天内有360天的参考制水数据可满足对应天的实际用水量,则认为满足要求,说明该备选制水时间可作为当前目标时间内的制水时间范围。如果365天内有180天的参考制水数据无法满足对应天的实际用水量,则选择下一个备选制水时间,与前述内容类似,得到过去365天内每天在该下一个备选制水时间内产生的参考制水数据,确定过去每天的参考制水数据是否满足对应天的实际用水量,如果365天内有360天的参考制水数据可满足对应天的实际用水量,则说明该下一个备选制水时间可作为当前目标时间内的制水时间范围。以此类推,可基于参考制水数据从一个或两个及以上的备选制水时间内筛选出可用的制水时间范围。在前述的模拟方案中,第一目标模型的约束条件应为:(1)清水池水位在所输入的期望制水时间上需在清水池水位的上限和下限之间;(2)需开最少的水泵满足过去365天内每天的用水需求;(3)当前输入的期望制水时间需要在备选制水时间内;(4)每次开始制水后,在清水池满之前,制水系统都不停止工作;(5)清水池满后,取水泵停止取水;(6)在当天的制水结束后,下一次开始制水前的所有用水的使用都不会使得清水池水位超过下限;(6)考虑在所输入的期望制水时间上的得水率和时延;(7)取水泵需以定频模式开启。
如果模拟过程中制水系统产生的参考制水数据由监控模块进行监控而得到、确定满足实际用水量的参考制水数据的天数是否满足要求的方案由确定模块来实现,那么本公开实施例中的第二目标模型包括第一目标模型、监控模块和确定模块,即第二目标模型的实现功能由第一目标模型、监控模块和确定模块等来实现。
可以理解,第一目标模型和第二目标模型可以是被训练完成的模型,具体的训练过程本方案不做过多阐述。
本公开实施例中基于历史数据而得到的当前目标时间内的制水时间范围,相当于给出了在当前目标时间内的一个允许制水的基准时间,这个基准时间的给出为精准确定目标制水时间提供了一定的依据。此外,基于第一目标模型实现了对制水系统的自动控制,解放了人力。
本公开还提供一种制水控制装置实施例,如图6所示,所述设备包括:
第一获取单元601,用于获取当前目标时间内的制水时间范围;
第一确定单元602,用于确定在所述制水时间范围内的至少一个期望制水时间对应的制水系统的可用水信息;
第二确定单元603,用于依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间;
控制单元604,用于控制所述制水系统在所述目标制水时间内制水。
其中,所述第二确定单元603,用于:
将所述用水量和第n个所述期望制水时间的所述可用水信息输入至第一目标模型,由所述第一目标模型依据所述用水量和所述可用水信息输出指示信息,其中,所述指示信息用于指示第n个所述期望制水时间是所述目标制水时间或者不是所述目标制水时间;n为正整数。
其中,所述第一获取单元601,用于:获取基于历史数据得到的当前目标时间内的制水时间范围。
进一步的,所述第一获取单元601,用于
获取在历史目标时间内的用水量数据;
将所述历史目标时间内的用水量数据、以及在所述历史目标时间内的至少一个备选制水时间输入至第二目标模型,由所述第二目标模型输出所述制水系统在所述至少一个备选制水时间内得到的参考制水数据;
依据所述参考制水数据和所述历史目标时间内的用水量数据,从所述至少一个备选制水时间中确定所述制水时间范围。
其中,所述第一获取单元601,还用于通过第一预测模型依据第一目标数据得到所述当前目标时间内的用水量;所述第一目标数据包括:所述当前目标时间、在所述当前目标时间内的天气信息、和与所述当前目标时间的用水量相关的信息中的至少其中之一。
图7为制水控制装置的另一实施例,所述装置还包括第二获取单元703,用于获取所述制水系统在第n个所述期望制水时间上的能力指标参数;
所述第二确定单元704,用于依据所述目标时间内的用水量、在第n个所述期望制水时间对应的所述可用水信息和所述能力指标参数,确定第n个所述期望制水时间是所述目标制水时间或不是所述目标制水时间。
其中,所述第二获取单元703,用于
获取在所述第n个所述期望制水时间上的水质信息;
将所述水质信息输入至第二预测模型,由所述第二预测模型依据所述水质信息输出所述能力指标参数。
其中,所述制水系统包括至少一个备选取水泵;所述备选取水泵,用于控制水源向所述制水系统提供制水所需用水;所述装置还包括第三获取单元和第三确定单元;
所述第三获取单元,用于获取所述备选取水泵的工作能力参数;
所述第三确定单元,用于依据所述当前目标时间内的用水量、所述目标制水时间的所述可用水信息和所述备选取水泵的工作能力参数,从所述备选取水泵中确定在所述目标制水时间内进入开启状态的目标取水泵。
其中,所述控制单元604,用于在所述目标制水时间内通过控制所述目标取水泵处于开启状态获取制水所需用水。
需要说明的是,图7中的第一获取单元701、第一确定单元702、第二确定单元704和控制单元705的实现功能具体请参见图6中的第一获取单元601、第一确定单元602、第二确定单元603和控制单元604,重复之处不赘述。
前述的第三获取单元和第三确定单元在图6和图7中均未示意出。
需要说明的是,本公开的制水控制装置,由于其解决问题的原理与前述的制水控制方法相似,因此,制水控制装置的实施过程及实施原理均可以参见前述方法的实施过程及实施原理描述,重复之处不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
其中,所述可读存储介质存储有计算机命令,所述计算机命令用于使所述计算机执行本公开实施例的制水控制方法。所述可读存储介质包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)。所述计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现的本公开实施例的制水控制方法。
其中,所述电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的命令,所述命令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述的手势方法。所述处理器包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如制水控制方法。例如,在一些实施例中,制水控制方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的制水控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行制水控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和命令,并且将数据和命令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供命令执行系统、装置或设备使用或与命令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种制水控制方法,包括:
获取当前目标时间内的制水时间范围;
确定在所述制水时间范围内的至少一个期望制水时间对应的制水系统的可用水信息;
依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间;
控制所述制水系统在所述目标制水时间内制水。
2.根据权利要求1所述的方法,其中,所述依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间,包括:
将所述用水量和第n个所述期望制水时间的所述可用水信息输入至第一目标模型,由所述第一目标模型依据所述用水量和所述可用水信息输出指示信息,其中,所述指示信息用于指示第n个所述期望制水时间是所述目标制水时间或者不是所述目标制水时间;n为正整数。
3.根据权利要求1所述的方法,其中,所述获取当前目标时间内的制水时间范围,包括:
获取基于历史数据而得到的当前目标时间内的制水时间范围。
4.根据权利要求3所述的方法,其中,所述获取基于历史数据而得到的当前目标时间内的制水时间范围,包括:
获取在历史目标时间内的用水量数据以及在所述历史目标时间内的至少一个备选制水时间;
将所述历史目标时间内的用水量数据、以及所述至少一个备选制水时间输入至第二目标模型,由所述第二目标模型输出所述制水系统在所述至少一个备选制水时间内得到的参考制水数据;
依据所述参考制水数据和所述历史目标时间内的用水量数据,从所述至少一个备选制水时间中确定所述制水时间范围。
5.根据权利要求1至4中任一项所述的方法,其中,
通过第一预测模型依据第一目标数据得到所述当前目标时间内的用水量;
其中,所述第一目标数据包括:所述当前目标时间、在所述当前目标时间内的天气信息、和与所述当前目标时间的用水量相关的信息中的至少其中之一。
6.根据权利要求1所述的方法,所述方法还包括:
获取所述制水系统在第n个所述期望制水时间上的能力指标参数;
所述依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间,包括:
依据所述目标时间内的用水量、在第n个所述期望制水时间对应的所述可用水信息和所述能力指标参数,确定第n个所述期望制水时间是所述目标制水时间或不是所述目标制水时间。
7.根据权利要求6所述的方法,所述获取所述制水系统在第n个所述期望制水时间上的能力指标参数,包括:
获取在所述第n个所述期望制水时间上的水质信息;
将所述水质信息输入至第二预测模型,由所述第二预测模型依据所述水质信息输出所述能力指标参数。
8.根据权利要求1所述的方法,所述制水系统包括至少一个备选取水泵;所述备选取水泵,用于控制水源向所述制水系统提供制水所需用水;所述方法还包括:
获取所述备选取水泵的工作能力参数;
依据所述当前目标时间内的用水量、所述目标制水时间的所述可用水信息和所述备选取水泵的工作能力参数,从所述备选取水泵中确定在所述目标制水时间内进入开启状态的目标取水泵。
9.根据权利要求8所述的方法,其中,所述控制所述制水系统在所述目标制水时间内制水,包括:
在所述目标制水时间内通过控制所述目标取水泵处于开启状态获取制水所需用水。
10.一种制水控制装置,包括:
第一获取单元,用于获取当前目标时间内的制水时间范围;
第一确定单元,用于确定在所述制水时间范围内的至少一个期望制水时间对应的制水系统的可用水信息;
第二确定单元,用于依据所述当前目标时间内的用水量和所述可用水信息,从所述至少一个期望制水时间中确定需要制水的目标制水时间;
控制单元,用于控制所述制水系统在所述目标制水时间内制水。
11.根据权利要求10所述的装置,其中,所述第二确定单元,用于:
将所述用水量和第n个所述期望制水时间的所述可用水信息输入至第一目标模型,由所述第一目标模型依据所述用水量和所述可用水信息输出指示信息,其中,所述指示信息用于指示第n个所述期望制水时间是所述目标制水时间或者不是所述目标制水时间;n为正整数。
12.根据权利要求10所述的装置,其中,所述第一获取单元,用于:
获取基于历史数据得到的当前目标时间内的制水时间范围。
13.根据权利要求12所述的装置,其中,所述第一获取单元,用于:获取在历史目标时间内的用水量数据以及在所述历史目标时间内的至少一个备选制水时间;
将所述历史目标时间内的用水量数据、以及所述至少一个备选制水时间输入至第二目标模型,由所述第二目标模型输出所述制水系统在所述至少一个备选制水时间内得到的参考制水数据;
依据所述参考制水数据和所述历史目标时间内的用水量数据,从所述至少一个备选制水时间中确定所述制水时间范围。
14.根据权利要求10至13任一项所述的装置,其中,所述第一获取单元,还用于:
通过第一预测模型依据第一目标数据得到所述当前目标时间内的用水量;
其中,所述第一目标数据包括:所述当前目标时间、在所述当前目标时间内的天气信息、和与所述当前目标时间的用水量相关的信息中的至少其中之一。
15.根据权利要求10所述的装置,其中,所述装置还包括第二获取单元,用于获取所述制水系统在第n个所述期望制水时间上的能力指标参数;
所述第二确定单元,用于依据所述目标时间内的用水量、在第n个所述期望制水时间对应的所述可用水信息和所述能力指标参数,确定第n个所述期望制水时间是所述目标制水时间或不是所述目标制水时间。
16.根据权利要求15所述的装置,其中,所述第二获取单元,用于:
获取在所述第n个所述期望制水时间上的水质信息;
将所述水质信息输入至第二预测模型,由所述第二预测模型依据所述水质信息输出所述能力指标参数。
17.根据权利要求10所述的装置,所述制水系统包括至少一个备选取水泵;所述备选取水泵,用于控制水源向所述制水系统提供制水所需用水;
所述装置还包括第三获取单元和第三确定单元;
所述第三获取单元,用于获取所述备选取水泵的工作能力参数;
所述第三确定单元,用于依据所述当前目标时间内的用水量、所述目标制水时间的所述可用水信息和所述备选取水泵的工作能力参数,从所述备选取水泵中确定在所述目标制水时间内进入开启状态的目标取水泵。
18.根据权利要求17所述的装置,其中,所述控制单元,用于
在所述目标制水时间内通过控制所述目标取水泵处于开启状态获取制水所需用水。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至9中任一项所述的方法。
21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111548204.5A CN114240151A (zh) | 2021-12-17 | 2021-12-17 | 制水控制方法与装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111548204.5A CN114240151A (zh) | 2021-12-17 | 2021-12-17 | 制水控制方法与装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240151A true CN114240151A (zh) | 2022-03-25 |
Family
ID=80757604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111548204.5A Pending CN114240151A (zh) | 2021-12-17 | 2021-12-17 | 制水控制方法与装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240151A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117800425A (zh) * | 2024-03-01 | 2024-04-02 | 宜宾科全矿泉水有限公司 | 基于人工智能的净水器控制方法及系统 |
-
2021
- 2021-12-17 CN CN202111548204.5A patent/CN114240151A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117800425A (zh) * | 2024-03-01 | 2024-04-02 | 宜宾科全矿泉水有限公司 | 基于人工智能的净水器控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038040B (zh) | 计算机集群性能指标检测方法、电子设备及存储介质 | |
CN114240151A (zh) | 制水控制方法与装置、电子设备及存储介质 | |
CN103413187A (zh) | 一种基于弹性系数的年度电量预测方法 | |
CN104699890A (zh) | 一种城网配变重过载短期预警模型的建模方法 | |
CN114109792B (zh) | 一种空压机流量动态调整的方法、装置、设备及存储介质 | |
JP6619206B2 (ja) | 水道施設の維持管理支援装置及びそれを有する監視制御システム | |
Zhang et al. | An optimal regulation method for parallel water-intake pump group of drinking water treatment process | |
CN115239091A (zh) | 多水源城市供水调度方法、装置、系统及存储介质 | |
CN115062904A (zh) | 一种数字化供水管网调度方法及系统 | |
CN113250271B (zh) | 一种设备控制方法、装置、供水系统和存储介质 | |
CN114781716A (zh) | 用水模型的训练方法、二次供水控制方法、系统及设备 | |
WO2020118586A1 (zh) | 一种能源消耗预测方法及装置 | |
CN112862189A (zh) | 热源负荷预测方法、装置、设备、存储介质以及程序产品 | |
CN111738507A (zh) | 银行清算头寸资金备付量预测方法和装置、设备及介质 | |
CN115859808A (zh) | 一种泵组工作预测方法、装置、电子设备及存储介质 | |
CN113309173B (zh) | 一种给水系统优化方法及小区给水系统用调整方法 | |
CN210768903U (zh) | 一种矿井排水系统基于峰谷电价的分段控制装置 | |
CN108009307A (zh) | 污水处理厂管理经验传承方法 | |
CN113486606B (zh) | 水处理系统模型训练方法、运行方法、系统、设备和介质 | |
CN109243649A (zh) | 核电厂用水量控制方法及装置 | |
CN107965447A (zh) | 一种基于历史数据的污水井流量控制方法 | |
CN114159874B (zh) | 净水器滤芯寿命的检测方法、装置和存储介质 | |
CN115242626B (zh) | 云资源配置预估方法、装置、设备、存储介质及程序产品 | |
CN115127197B (zh) | 冷机运行策略确定方法、装置、电子设备及存储介质 | |
CN116227829A (zh) | 一种均衡降低供水管网系统运行维护成本的调度方法、系统及设备 |
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 |