CN114542442A - 一种水处理提升泵调度控制方法、装置、电子设备及介质 - Google Patents
一种水处理提升泵调度控制方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114542442A CN114542442A CN202210189144.0A CN202210189144A CN114542442A CN 114542442 A CN114542442 A CN 114542442A CN 202210189144 A CN202210189144 A CN 202210189144A CN 114542442 A CN114542442 A CN 114542442A
- Authority
- CN
- China
- Prior art keywords
- water inflow
- inflow
- predicted
- correction
- water
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/06—Control using electricity
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Abstract
本公开实施例涉及水处理技术领域,尤其涉及一种水处理提升泵调度控制方法,通过获取待预测调节池进水量,将待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量,根据至少一个修正量以及初始预测进水量,得到目标预测进水量,根据目标预测进水量,确定提升泵运行时长。这样,根据历史调节池进水量进行预测,得到目标预测进水量,根据目标预测进水量实现对水处理提升泵的调度控制,避免现有技术中由于设计进水量情景和实际进水量情景如早中晚进水量、季节性进水量、或节假日进水量差异大,导致提升泵的设计流量与实际流量波动无法匹配问题,以使设备自适应运行,降低水量波动对污水处理生化系统的冲击,提高水处理系统的稳定运行。
Description
技术领域
本公开实施例涉及水处理技术领域,尤其涉及一种水处理提升泵调度控制方法、装置、电子设备及介质。
背景技术
污水处理目前被广泛应用于各个领域,以避免因大量污水的肆意排放,从而对生态环境造成严重的影响的问题。
污水收集管网每天存在水量峰值波动的情况,导致调节池进水量的波动较大,现有技术,当水处理设备在运行过程中,通过设计调节池,实现水量调节,并根据设计进水量设置提升泵的运行方式,利用提升泵将污水提升至水处理系统中进行处理,从而实现对污水的净化处理。
然而,采用现有技术,由于用水量会随着季节性以及人口规模变化而变化,存在设计进水量情景和实际进水量情景如早中晚进水量、季节性进水量、或节假日进水量等差异很大的问题,导致提升泵的设计流量与实际流量波动无法匹配,使得水处理系统无法稳定运行。
发明内容
基于此,有必要针对上述技术问题,提供一种水处理提升泵调度控制方法、装置、电子设备及介质。
第一方面,本公开实施例提供了一种水处理提升泵调度控制方法,包括:
获取待预测调节池进水量;
将所述待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量;
根据至少一个修正量以及所述初始预测进水量,得到目标预测进水量,其中,所述修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量;
根据所述目标预测进水量,确定提升泵运行时长。
在一个实施例中,所述进水量预测模型是由以下方法构建的;
获取历史数据库,所述历史数据库包括至少一个调节池进水量,所述调节池进水量是按照时间顺序存储的;
将所述历史数据库输入至初始进水量预测模型中,对所述初始进水量预测模型进行训练,得到所述进水量预测模型。
在一个实施例中,所述根据至少一个修正量以及所述初始预测进水量,得到目标预测进水量,包括:
对所述工作日修正量、所述降雨量修正量、所述特别事件修正量以及所述初始预测进水量进行加权求和,以得到所述目标预测进水量,其中,所述初始预测进水量对应的权重值大于所述工作日修正量、所述降雨量修正量、所述特别事件修正量分别对应的权重值。
在一个实施例中,所述对所述工作日修正量、所述降雨量修正量、所述特别事件修正量以及所述初始预测进水量进行加权求和,以得到所述目标预测进水量,包括:
其中,表示在t时刻的所述初始预测进水量,表示在t时刻的所述工作
日修正量,表示在t时刻的所述降雨量修正量,表示在t时刻的所述特别事件修
正量,为所述初始预测进水量、所述工作日修正量、所述降雨量修正量、
所述特别事件修正量分别对应的权重值。
在一个实施例中,所述工作日修正量是由以下方法确定的;
对历史数据库中的所有调节池进水量进行均值计算,得到第一均值;
根据所述历史数据库中的每个所述调节池进水量对应的日类型标签,确定具有工作日标签的至少两个第一调节池进水量、以及具有非工作日标签的至少两个第二调节池进水量;
对至少两个所述第一调节池进水量进行均值计算,得到第二均值;
对至少两个所述第二调节池进水量进行均值计算,得到第三均值;
根据所述第一均值、所述第二均值以及所述第三均值,得到所述工作日修正量。
在一个实施例中,所述降雨量修正量是由以下方法确定的;
获取初始天气数据库,其中,所述初始天气数据库包括日最高温度、日最低温度以及每小时降水量;
根据所述日最高温度、所述日最低温度、所述每小时降水量以及对应的季节标签,得到目标天气数据库;
将所述目标天气数据库,输入至降雨量预测模型中,以得到所述降雨量修正量。
在一个实施例中,所述特别事件修正量是由以下方法确定的;
根据至少一个特别事件以及每个所述特别事件对应的量化值,确定所述特别事件修正量,其中,所述特别事件包括至少举办大型活动、管道一般性检修、管道大面积检修以及设备故障,不同所述特别事件对应的量化值不同。
第二方面,本公开实施例提供了一水处理提升泵调度控制装置,其特征在于,包括:
待预测调节池进水量获取模块,用于获取待预测调节池进水量;
初始预测进水量得到模块,用于将所述待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量;
目标预测进水量得到模块,用于根据至少一个修正量以及所述初始预测进水量,得到目标预测进水量,其中,所述修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量;
提升泵运行时长确定模块,用于根据所述目标预测进水量,确定提升泵运行时长。
第三方面,本公开提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面任一项所述方法的步骤。
第四方面,本公开提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一项所述方法的步骤。
本申请实施例提供一种水处理提升泵调度控制方法,通过获取待预测调节池进水量,将待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量,根据至少一个修正量以及初始预测进水量,得到目标预测进水量,其中,修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量,根据目标预测进水量,确定提升泵运行时长。这样,能够根据历史调节池进水量进行预测,以得到目标预测进水量,根据目标预测进水量进而实现对水处理提升泵的调度控制,避免现有技术中由于设计进水量情景和实际进水量情景差异很大,导致提升泵的设计流量与实际流量波动无法匹配的问题,以达到设备自适应运行,降低水量波动对污水处理生化系统的冲击,从而提高水处理系统的稳定运行。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开一实施中水处理提升泵调度控制方法的流程示意图;
图2为本公开另一实施中水处理提升泵调度控制方法的流程示意图;
图3为本公开再一实施中水处理提升泵调度控制方法的流程示意图;
图4为本公开一实施中水处理提升泵调度控制装置的示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
污水处理目前被广泛应用于各个领域,以避免因大量污水的肆意排放,从而对生态环境造成严重的影响的问题。
污水收集管网每天存在水量峰值波动的情况,导致调节池进水量的波动较大,现有技术,当水处理设备在运行过程中,通过设计调节池,实现水量调节,并根据设计进水量设置提升泵的运行方式,利用提升泵将污水提升至水处理系统中进行处理,从而实现对污水的净化处理。然而,采用现有技术,由于用水量会随着季节性以及人口规模变化而变化,存在设计进水量和实际进水量差异很大的问题,导致提升泵的设计流量与实际流量波动无法匹配,使得水处理系统无法稳定运行。
为了解决上述问题,本公开提供一种水处理提升泵调度控制方法,通过获取待预测调节池进水量,将待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量,根据至少一个修正量以及初始预测进水量,得到目标预测进水量,其中,修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量,根据目标预测进水量,确定提升泵运行时长。这样,能够根据历史调节池进水量进行预测,以得到目标预测进水量,根据目标预测进水量进而实现对水处理提升泵的调度控制,避免现有技术中由于设计进水量情景和实际进水量情景差异很大,以达到设备自适应运行,降低水量波动对污水处理生化系统的冲击,导致提升泵的设计流量与实际流量波动无法匹配的问题,从而提高水处理系统的稳定运行。
图1为本公开一实施中水处理提升泵调度控制方法的流程示意图,如图1所示,具体包括:
S10:获取待预测调节池进水量。
其中,待预测调节池进水量可以是针对一天内不同时刻的调节池进水量,利用该调节池进水量进行预测,以得到相邻第二天的不同时刻的调节池进水量,示例性的,获取2000年10月20日内不同时刻的调节池进水量,可以是获取2000年10月21日第t时刻的调节池进水量。
需要说明的是,为了使得根据待预测调节池进水量获取预测进水量的准确性较高,在获取2000年10月20日第t时刻的调节池进水量时,同时获取第t时刻的相邻时刻的调节池进水量,该相邻时刻可以是相邻一分钟,示例性的如第t-1时刻、第t-2时刻、第t-3时刻、第t-4时刻...第t-10时刻分别对应的调节池进水量,进一步的获取2000年10月20日第t时刻对应的前一天如2000年10月21日第t时刻以及与第t时刻相邻时刻的调节池进水量,还可以获取不同月份以及不同年份在同一天的第t时刻以及与第t时刻相邻时刻的调节池进水量,根据该获取的与第t时刻相关的所有时刻分别对应的调节池进水量,构建待预测调节池进水量,这样通过增强待预测调节池进水量的数据量,在一定程度上能够提高对初始预测进水量预测的准确性,但不限于此,本公开不具体限定,本领域技术人员可根据实际情况具体设置。
上述获取待预测调节池进水量可以是通过在调节池内壁安装液位传感器,实时的采集调节池水位信息,进一步确定调节池进水量,但不限于此,本公开不具体限制。
S12:将待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量。
其中,进水量预测模型是用来根据实际采集的不同时刻对应的待预测调节池进水量进行预测,以得到相邻第二天的不同时刻分别对应的初始预测进水量。
在上述实施例的基础上,在本公开的一些实施例中,进水量预测模型是由以下方法构建的,如图2所示:
S20:获取历史数据库。
其中,历史数据库包括至少一个调节池进水量,调节池进水量是按照时间顺序存储的,历史数据的跨度为N年,示例性的,按时间顺序获取每分钟对应的调节池进水量,并进行保存,上述N年例如可以是2年,还可以是3年,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况具体设置。
需要说明的是,在获取历史数据库时,为了增强数据库,可以获取某日内第t时刻与第t时刻相邻时刻分别对应的调节池进水量,还可以获取与该日相邻的第t时刻以及与第t时刻相邻时刻分别对应的调节池进水量、以及不同月份、不同年份分别对应的同一日的第t时刻以及与第t时刻相邻时刻分别对应的调节池进水量,其中,可以获取N年的调节池进水量,根据获取到的所有调节池进水量构建历史数据库,这样,使得通过该历史数据库进行训练得到的进水量预测模型,能够更准确的预测初始调节池进水量。
S22:将历史数据库输入至初始进水量预测模型中,对初始进水量预测模型进行训练,得到进水量预测模型。
其中,初始进水量预测模型可以是反向传播神经网络(Back Propagation NeuralNetwork,BPNN),BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,是应用最广泛的神经网络模型之一,具有任意复杂的模式分类能力和优良的多维函数映射能力,能够解决简单感知器不能解决的异或和一些其他问题,BP网络具有输入层、隐藏层和输出层。
具体的,将历史数据库作为训练集,并输入至初始进水量预测模型中,并采用Adam梯度下降法,进行迭代训练,得到输出进水量,根据初始进水量预测模型每次输出的进水量,确定损失函数,判断损失函数是否收敛,如果当前损失函数未收敛,则根据损失函数调整当前初始进水量预测模型的权重参数,自此完成一次网络模型的训练,直至当前初始判题模型收敛,停止网络模型训练,确定当前的初始进水量预测模型为训练好的进水量预测模型。
S14:根据至少一个修正量以及初始预测进水量,得到目标预测进水量。
其中,修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量。
具体的,根据至少一个修正量如工作日修正量、降雨量修正量、特别事件修正量以及初始预测进水量进行计算,以得到最终的目标预测进水量。
在上述实施例的基础上,在本公开的一些实施例中,如图3所示,进一步的,S14的一种可以实现的方式如下:
S141:对工作日修正量、降雨量修正量、特别事件修正量以及初始预测进水量进行加权求和,以得到目标预测进水量。
其中,初始预测进水量对应的权重值大于工作日修正量、降雨量修正量、特别事件修正量分别对应的权重值。
其中,表示在t时刻的初始预测进水量,表示在t时刻的工作日修正
量,表示在t时刻的降雨量修正量,表示在t时刻的特别事件修正量,为初始预测进水量、工作日修正量、降雨量修正量、特别事件修正量分别
对应的权重值。
上述初始预测进水量、工作日修正量、降雨量修正量、特别事件修正量分别对应的权重值可由实际情况具体设置,本公开不具体限制。
在上述实施例的基础上,在本公开一些实施例中,上述工作日修正量是由以下方法确定的:
对历史数据库中的所有调节池进水量进行均值计算,得到第一均值。
具体的,对获取得到的历史数据库中的所有调节池进水量,进行均值计算,以得到第一均值。
根据历史数据库中的每个调节池进水量对应的日类型标签,确定具有工作日标签的至少两个第一调节池进水量、以及具有非工作日标签的至少两个第二调节池进水量。
其中,日类型标签是用来指示历史数据库中的每个调节池进水量是在工作日还是非工作日采集得到,需要说明的是,对于工作日与非工作日分别对应的调节池进水量是不同的。
具体的,根据历史数据库中的每个调节池进水量对应的日类型标签,将具有工作日标签的多个调节池进水量确定为多个第一调节池进水量,将具有非工作日标签的多个调节池进水量确定为多个第二调节池进水量。
对至少两个第一调节池进水量进行均值计算,得到第二均值。
对至少两个第二调节池进水量进行均值计算,得到第三均值。
具体的,根据具有工作日标签的多个第一调节池进水量以及多个第二调节池进水量,分别进行均值计算,得到第二均值以及第三均值。
示例性的,对历史数据库中的所有调节池进水量进行均值计算,得到第一均值,设置日类型标签为W,当调节池进水量对应的日类型标签W=1时,确定当前调节池进
水量为在工作日采集的数据,即为具有工作日标签的多个第一调节池进水量,并对多个第
一调节池进水量进行均值计算,得到第二均值,当调节池进水量对应的日类型标签W=
0时,确定当前调节池进水量为在非工作日采集的数据,即为具有非工作日标签的第二调节
池进水量,并对多个第二调节池进水量进行均值计算,得到第三均值,但不限于此,本
公开不具体限定,本领域技术人员可根据实际情况具体设置。
根据第一均值、第二均值以及第三均值,得到工作日修正量。
具体的,通过对第一均值、第二均值以及第三均值进行计算,以得到工作日修正量。
示例性的,工作日修正量根据以下表达式限定:
在上述实施例的基础上,在本公开一些实施例中,上述降雨量修正量是由以下方法确定的:
获取初始天气数据库。
其中,初始天气数据库包括日最高温度、日最低温度以及每小时降水量。
根据日最高温度、日最低温度、每小时降水量以及对应的季节标签,得到目标天气数据库。
其中,季节标签用来指示当前获取的日最高温度、日最低温度、每小时降水量所处
的季节。示例性的,针对第i天的季节标签可以设置为,其中,当i=1时表示当前季节为春
季,当i=2时表示当前季节为夏季,当i=3时表示当前季节为秋季,当i=4时表示当前季节为
冬季,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况设置。
需要说明的是,由于不同季节的降水量不同,例如对于夏季,相较于其他三个季节的降水量较多,对于秋季与冬季,降水量会急剧下降,由于降水量的不同,会对调节池的进水量造成影响,因此,需进一步根据不同季节的每日不同时刻的实际降水量以及每日最高温度与日最低温度构建降雨量修正量,以此减少在预测进水量时的误差。
示例性的,针对第i天的季节为,获取第i天第t时刻的降水量,且为了增强初始
天气数据库,同时获取第i天的第t时刻的降水量以及与第t时刻相邻的前后n小时内每间隔
一小时对应的降水量,例如n可以取4小时,即获取第t时刻相邻的前后4小时内每间隔一小
时对应的降水量,示例性的获取第i天的第t时刻的降水量为,以及与第t时刻相邻的前后
4小时内每隔一个小时分别对应的降水量
,以及第i天的最高温度和最低温度,得到目标天气数据库,但不限
于此,本公开不具体限制,本领域技术人员可根据实际情况设置。
将目标天气数据库,输入至降雨量预测模型中,以得到降雨量修正量。
具体的,将构建的目标天气数据库,输入至训练好的降雨量预测模型中,以得到降雨量修正量。
上述降雨量预测模型可以是BP神经网络,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况设置。
在上述实施例的基础上,在本公开一些实施例中,上述特别事件修正量是由以下方法确定的;
根据至少一个特别事件以及每个特别事件对应的量化值,确定特别事件修正量。
其中,特别事件包括至少举办大型活动、管道一般性检修、管道大面积检修以及设备故障,不同特别事件对应的量化值不同,示例性的,对于举办大型活动、管道一般性检修、管道大面积检修以及设备故障分别对应的量化值可以是0.5、0.2、0.1和0,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况设置。
S16:根据目标预测进水量,确定提升泵运行时长。
具体的,管理平台根据确定的目标预测进水量,计算出对应时刻提升泵的运行时长,并下发至水处理系统,以此控制提升泵的运行时长。
示例性的,确定第i日内第t时刻,根据该时刻预测第i+1日内每隔30分钟对应的目
标预测进水量,即获取第i+1日内48个时刻分别对应的目标预测进水量,例如为,根据不同时刻对应的进水量,分别计算提升泵运行时长,
将得到的提升泵运行时长下发给水处理系统,以此控制提升泵的运行时长,但不限于此,本
公开不具体限制,本领域技术人员可根据实际情况设置。
本实施例通过获取待预测调节池进水量,将待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量,根据至少一个修正量以及初始预测进水量,得到目标预测进水量,其中,修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量,根据目标预测进水量,确定提升泵运行时长。这样,能够根据历史调节池进水量进行预测,以得到目标预测进水量,根据目标预测进水量进而实现对水处理提升泵的调度控制,避免现有技术中由于设计进水量情景和实际进水量情景差异很大,导致提升泵的设计流量与实际流量波动无法匹配的问题,以达到设备自适应运行,降低水量波动对污水处理生化系统的冲击,从而提高水处理系统的稳定运行。
应该理解的是,虽然图1-图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种水处理提升泵调度控制装置,包括:待预测调节池进水量获取模块10、初始预测进水量得到模块12、目标预测进水量得到模块14以及提升泵运行时长确定模块16。
其中,待预测调节池进水量获取模块10,用于获取待预测调节池进水量。
初始预测进水量得到模块12,用于将待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量。
目标预测进水量得到模块14,用于根据至少一个修正量以及初始预测进水量,得到目标预测进水量,其中,修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量。
提升泵运行时长确定模块16,用于根据目标预测进水量,确定提升泵运行时长。
在本发明实施例一实施方式中,所述装置还包括,进水量预测模型训练模块,用于获取历史数据库,历史数据库包括至少一个调节池进水量,调节池进水量是按照时间顺序存储的。将历史数据库输入至初始进水量预测模型中,对初始进水量预测模型进行训练,得到进水量预测模型。
在本发明实施例一实施方式中,目标预测进水量得到模块14,具体用于对工作日修正量、降雨量修正量、特别事件修正量以及初始预测进水量进行加权求和,以得到目标预测进水量,其中,初始预测进水量对应的权重值大于工作日修正量、降雨量修正量、特别事件修正量分别对应的权重值。
在本发明实施例一实施方式中,对工作日修正量、降雨量修正量、特别事件修正量以及初始预测进水量进行加权求和,以得到目标预测进水量,包括:
根据公式,得到目标预测进水
量;其中,表示在t时刻的初始预测进水量,表示在t时刻的工作日修正量,表示在t时刻的降雨量修正量,表示在t时刻的特别事件修正量,为初始预测进水量、工作日修正量、降雨量修正量、特别事件修正量分别
对应的权重值。
在本发明实施例一实施方式中,工作日修正量是由以下方法确定的;对历史数据库中的所有调节池进水量进行均值计算,得到第一均值;根据历史数据库中的每个调节池进水量对应的日类型标签,确定具有工作日标签的至少两个第一调节池进水量、以及具有非工作日标签的至少两个第二调节池进水量;对至少两个第一调节池进水量进行均值计算,得到第二均值;对至少两个第二调节池进水量进行均值计算,得到第三均值;根据第一均值、第二均值以及第三均值,得到所述工作日修正量。
在本发明实施例一实施方式中,降雨量修正量是由以下方法确定的;获取初始天气数据库,其中,初始天气数据库包括日最高温度、日最低温度以及每小时降水量;根据日最高温度、日最低温度、每小时降水量以及对应的季节标签,得到目标天气数据库;将目标天气数据库,输入至降雨量预测模型中,以得到降雨量修正量。
在本发明实施例一实施方式中,特别事件修正量是由以下方法确定的;根据至少一个特别事件以及每个特别事件对应的量化值,确定特别事件修正量,其中,特别事件包括至少举办大型活动、管道一般性检修、管道大面积检修以及设备故障,不同特别事件对应的量化值不同。
在上述实施例中,待预测调节池进水量获取模块10,用于获取待预测调节池进水量。初始预测进水量得到模块12,用于将待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量。目标预测进水量得到模块14,用于根据至少一个修正量以及初始预测进水量,得到目标预测进水量,其中,修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量。提升泵运行时长确定模块16,用于根据目标预测进水量,确定提升泵运行时长。这样,能够根据历史调节池进水量进行预测,以得到目标预测进水量,根据目标预测进水量进而实现对水处理提升泵的调度控制,避免现有技术中由于设计进水量情景和实际进水量情景差异很大,导致提升泵的设计流量与实际流量波动无法匹配的问题,以达到设备自适应运行,降低水量波动对污水处理生化系统的冲击,从而提高水处理系统的稳定运行。
关于水处理提升泵调度控制装置的具体限定可以参见上文中对于水处理提升泵调度控制方法的限定,在此不再赘述。上述水处理提升泵调度控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本公开实施例提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时可以实现本公开实施例提供的水处理提升泵调度控制方法,例如,处理器执行计算机程序时可以实现图1到图3任一所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可以实现本公开实施例提供的水处理提升泵调度控制方法,例如,计算机程序被处理器执行时实现图1到图3任一所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本公开所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,比如静态随机存取存储器(Static Random Access Memory,SRAM)和动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开构思的前提下,还可以做出若干变形和改进,这些都属于本公开的保护范围。因此,本公开专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种水处理提升泵调度控制方法,其特征在于,包括:
获取待预测调节池进水量;
将所述待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量;
根据至少一个修正量以及所述初始预测进水量,得到目标预测进水量,其中,所述修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量;
根据所述目标预测进水量,确定提升泵运行时长。
2.根据权利要求1所述的方法,其特征在于,所述进水量预测模型是由以下方法构建的;
获取历史数据库,所述历史数据库包括至少一个调节池进水量,所述调节池进水量是按照时间顺序存储的;
将所述历史数据库输入至初始进水量预测模型中,对所述初始进水量预测模型进行训练,得到所述进水量预测模型。
3.根据权利要求1所述的方法,其特征在于,所述根据至少一个修正量以及所述初始预测进水量,得到目标预测进水量,包括:
对所述工作日修正量、所述降雨量修正量、所述特别事件修正量以及所述初始预测进水量进行加权求和,以得到所述目标预测进水量,其中,所述初始预测进水量对应的权重值大于所述工作日修正量、所述降雨量修正量、所述特别事件修正量分别对应的权重值。
5.根据权利要求4所述的方法,其特征在于,所述工作日修正量是由以下方法确定的;
对历史数据库中的所有调节池进水量进行均值计算,得到第一均值;
根据所述历史数据库中的每个所述调节池进水量对应的日类型标签,确定具有工作日标签的至少两个第一调节池进水量、以及具有非工作日标签的至少两个第二调节池进水量;
对至少两个所述第一调节池进水量进行均值计算,得到第二均值;
对至少两个所述第二调节池进水量进行均值计算,得到第三均值;
根据所述第一均值、所述第二均值以及所述第三均值,得到所述工作日修正量。
6.根据权利要求4所述的方法,其特征在于,所述降雨量修正量是由以下方法确定的;
获取初始天气数据库,其中,所述初始天气数据库包括日最高温度、日最低温度以及每小时降水量;
根据所述日最高温度、所述日最低温度、所述每小时降水量以及对应的季节标签,得到目标天气数据库;
将所述目标天气数据库,输入至降雨量预测模型中,以得到所述降雨量修正量。
7.根据权利要求4所述的方法,其特征在于,所述特别事件修正量是由以下方法确定的;
根据至少一个特别事件以及每个所述特别事件对应的量化值,确定所述特别事件修正量,其中,所述特别事件包括至少举办大型活动、管道一般性检修、管道大面积检修以及设备故障,不同所述特别事件对应的量化值不同。
8.一种水处理提升泵调度控制装置,其特征在于,包括:
待预测调节池进水量获取模块,用于获取待预测调节池进水量;
初始预测进水量得到模块,用于将所述待预测调节池进水量,输入至进水量预测模型,以得到初始预测进水量;
目标预测进水量得到模块,用于根据至少一个修正量以及所述初始预测进水量,得到目标预测进水量,其中,所述修正量至少包括:工作日修正量、降雨量修正量、特别事件修正量;
提升泵运行时长确定模块,用于根据所述目标预测进水量,确定提升泵运行时长。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210189144.0A CN114542442A (zh) | 2022-03-01 | 2022-03-01 | 一种水处理提升泵调度控制方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210189144.0A CN114542442A (zh) | 2022-03-01 | 2022-03-01 | 一种水处理提升泵调度控制方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114542442A true CN114542442A (zh) | 2022-05-27 |
Family
ID=81662456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210189144.0A Pending CN114542442A (zh) | 2022-03-01 | 2022-03-01 | 一种水处理提升泵调度控制方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114542442A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115124097A (zh) * | 2022-07-08 | 2022-09-30 | 陕西新泓水艺环境科技有限公司 | 平衡进水的控制方法、装置、进水器、系统及介质 |
CN117130280A (zh) * | 2023-09-25 | 2023-11-28 | 南栖仙策(南京)高新技术有限公司 | 泵房控制方法、装置、电子设备及存储介质 |
CN115124097B (zh) * | 2022-07-08 | 2024-05-03 | 陕西新泓水艺环境科技有限公司 | 平衡进水的控制方法、装置、进水器、系统及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100088261A1 (en) * | 2008-10-08 | 2010-04-08 | Rey Montalvo | Method and system for fully automated energy curtailment |
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 |
CN106597879A (zh) * | 2016-11-03 | 2017-04-26 | 中冶华天工程技术有限公司 | 一种污水处理提升泵优化调度方法 |
CN109814510A (zh) * | 2019-01-31 | 2019-05-28 | 中冶华天工程技术有限公司 | 基于来水预测的污水处理提升泵优化调度控制方法 |
CN113087044A (zh) * | 2021-04-26 | 2021-07-09 | 陕西新泓水艺环境科技有限公司 | 一种污水处理装置的控制方法、系统、设备和存储介质 |
CN113250271A (zh) * | 2021-06-17 | 2021-08-13 | 武汉科迪智能环境股份有限公司 | 一种设备控制方法、装置、供水系统和存储介质 |
CN113479999A (zh) * | 2021-07-29 | 2021-10-08 | 中建智能技术有限公司 | 污水数据的处理方法、装置及计算机设备 |
CN113515096A (zh) * | 2021-04-26 | 2021-10-19 | 成都环极科技有限公司 | 一种基于气象大数据的排水设施智能调度方法 |
CN113772832A (zh) * | 2021-09-07 | 2021-12-10 | 陕西新泓水艺环境科技有限公司 | 一种水处理设备的数据管理系统及方法 |
-
2022
- 2022-03-01 CN CN202210189144.0A patent/CN114542442A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100088261A1 (en) * | 2008-10-08 | 2010-04-08 | Rey Montalvo | Method and system for fully automated energy curtailment |
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 |
CN106597879A (zh) * | 2016-11-03 | 2017-04-26 | 中冶华天工程技术有限公司 | 一种污水处理提升泵优化调度方法 |
CN109814510A (zh) * | 2019-01-31 | 2019-05-28 | 中冶华天工程技术有限公司 | 基于来水预测的污水处理提升泵优化调度控制方法 |
CN113087044A (zh) * | 2021-04-26 | 2021-07-09 | 陕西新泓水艺环境科技有限公司 | 一种污水处理装置的控制方法、系统、设备和存储介质 |
CN113515096A (zh) * | 2021-04-26 | 2021-10-19 | 成都环极科技有限公司 | 一种基于气象大数据的排水设施智能调度方法 |
CN113250271A (zh) * | 2021-06-17 | 2021-08-13 | 武汉科迪智能环境股份有限公司 | 一种设备控制方法、装置、供水系统和存储介质 |
CN113479999A (zh) * | 2021-07-29 | 2021-10-08 | 中建智能技术有限公司 | 污水数据的处理方法、装置及计算机设备 |
CN113772832A (zh) * | 2021-09-07 | 2021-12-10 | 陕西新泓水艺环境科技有限公司 | 一种水处理设备的数据管理系统及方法 |
Non-Patent Citations (2)
Title |
---|
郭思元;王浩昌;赵冬泉;孙艳;: "基于稳流节能的污水处理厂进水泵站智能控制方法", 中国给水排水, no. 20 * |
龙腾锐,冯裕钊,郭劲松: "考虑不确定因素的污水厂日进水量预测法", 中国给水排水, no. 05, pages 2 - 4 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115124097A (zh) * | 2022-07-08 | 2022-09-30 | 陕西新泓水艺环境科技有限公司 | 平衡进水的控制方法、装置、进水器、系统及介质 |
CN115124097B (zh) * | 2022-07-08 | 2024-05-03 | 陕西新泓水艺环境科技有限公司 | 平衡进水的控制方法、装置、进水器、系统及介质 |
CN117130280A (zh) * | 2023-09-25 | 2023-11-28 | 南栖仙策(南京)高新技术有限公司 | 泵房控制方法、装置、电子设备及存储介质 |
CN117130280B (zh) * | 2023-09-25 | 2024-03-15 | 南栖仙策(南京)高新技术有限公司 | 泵房控制方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102270309B (zh) | 一种基于集成学习的短期电力负荷预测方法 | |
US5448476A (en) | Distributed water flow predicting device | |
CN108109076B (zh) | 一种考虑径流预报的梯级水电站群发电调度弃水风险分析方法 | |
CN111079989B (zh) | 一种基于dwt-pca-lstm的供水公司供水量预测装置 | |
CN104598986A (zh) | 基于大数据的电力负荷预测方法 | |
CN104036328A (zh) | 自适应风电功率预测系统及预测方法 | |
KR101119983B1 (ko) | 지엠디에이치 알고리즘을 이용한 물수요 예측방법 | |
CN114542442A (zh) | 一种水处理提升泵调度控制方法、装置、电子设备及介质 | |
CN115062904A (zh) | 一种数字化供水管网调度方法及系统 | |
Gwaivangmin et al. | Water demand prediction using artificial neural network for supervisory control | |
CN115471006A (zh) | 一种考虑风电出力不确定性的电源规划方法及系统 | |
CN112101612A (zh) | 一种城镇燃气用量的预测方法、存储介质及终端设备 | |
CN116341753A (zh) | 一种使用机器学习对区域二氧化碳排放预测的方法 | |
JP3650304B2 (ja) | 需要予測装置 | |
EP4057084B1 (en) | Control apparatus, control method, and control program | |
KR100430219B1 (ko) | 상수도 시스템의 용수 수요 예측 방법 | |
JP3321308B2 (ja) | プラント予測制御装置 | |
CN114091782A (zh) | 中长期电力负荷预测方法 | |
CN109190830B (zh) | 基于经验分解和组合预测的能源需求预测方法 | |
CN113128754A (zh) | 一种基于gru神经网络的居民用水预测系统及预测方法 | |
CN112488352A (zh) | 一种基于梯度提升回归的房价区间预测方法及系统 | |
Franco et al. | Very short-term bus reactive load forecasting models based on KDD approach | |
Hadi et al. | Urmia Lake level forecasting using brain emotional learning (BEL) | |
CN116882696B (zh) | 一种耦合模糊识别及概率推理的水库群防洪安全双层判别方法 | |
CN111325413B (zh) | 基于神经网络和比例系数法的短期负荷区间预测方法 |
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 |