CN114970064A - 一种供水方案的获取方法、装置、电子设备及介质 - Google Patents
一种供水方案的获取方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114970064A CN114970064A CN202210622669.9A CN202210622669A CN114970064A CN 114970064 A CN114970064 A CN 114970064A CN 202210622669 A CN202210622669 A CN 202210622669A CN 114970064 A CN114970064 A CN 114970064A
- Authority
- CN
- China
- Prior art keywords
- water supply
- data
- pipe network
- network
- pump set
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 286
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012360 testing method Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 230000002411 adverse Effects 0.000 claims description 3
- 239000008235 industrial water Substances 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 239000008400 supply water Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于供水管网技术领域,提供了一种供水方案的获取方法、装置、电子设备及介质,其中,方法包括:获取供水管网的历史运行数据和供水管网的结构数据,供水管网包括关键用户、关键点和泵组,历史运行数据包括历史流量数据和历史压力数据;根据供水管网的历史运行数据和供水管网的结构数据建立管网水力模型;获取关键用户的供水需求数据和泵组特性曲线,根据供水需求数据、泵组特性曲线和管网水力模型,计算供水管网的运行数据;根据供水管网的运行数据和泵组特性曲线,得到多个泵组工况;根据泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案;解决了工业供水管网中供水方案的设置方式不合理的问题。
Description
技术领域
本发明涉及供水管网技术领域,尤其涉及一种供水方案的获取方法、装置、电子设备及介质。
背景技术
工业供水管网的用户数量多、水量大,取水量波动大,因此,工业供水管网的稳定与安全,对工业生产具有重要的意义。目前,厂区中央水厂供水系统大多采用使用比例-积分-微分算法(PID)算法,控制泵组出口处压力为固定值,通过调节供水泵电机频率实现变工况运行。在这种控制算法下供水系统可以基本满足用户取水需求,但管网长期处于高压运行状态,有增加管网漏损、影响供水设施寿命、浪费大量能源的缺陷。
发明内容
本发明提供一种供水方案的获取方法、装置、电子设备及介质,以解决工业供水管网中供水方案的设置方式不合理的问题。
本发明提供的供水方案的获取方法,包括:
获取供水管网的历史运行数据和所述供水管网的结构数据,所述供水管网包括关键用户、关键点和泵组,所述历史运行数据包括历史流量数据和历史压力数据;
根据所述供水管网的历史运行数据和所述供水管网的结构数据建立管网水力模型;
获取关键用户的供水需求数据和泵组特性曲线,根据所述关键用户的供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据;
根据所述供水管网的运行数据和所述泵组特性曲线,得到多个泵组工况;
根据所述泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案。
可选地,所述根据所述泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案,包括:
根据所述泵组工况获取所述泵组中各个泵的工作频率;
根据各个泵的工作频率和预设频率阈值对所述泵组工况所对应的供水方案进行筛选,得到中间供水方案;
根据所述泵组效率曲线确定最高效率所对应的中间供水方案,得到目标供水方案。
可选地,所述根据所述供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据包括:
根据所述关键用户的供水需求数据确定最不利关键用户的供水需求数据;
根据所述最不利关键用户的供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据。
可选地,所述获取关键用户的供水需求数据包括:
获取关键用户的历史运行数据,并形成第一样本数据集;
构建初始压力预测模型,采用所述第一样本数据集训练所述初始压力预测模型,获取用于压力预测的目标压力预测模型;
检测所述关键用户的实时流量数据,将所述实时流量数据输入所述目标压力预测模型,输出目标预测压力;
根据所述实时流量数据和所述目标压力预测数据确定所述关键用户的供水需求数据。
可选地,所述关键点包括管道分支后水流稳定的直管段处、管道变径后水流稳定的直管段处、环状管网的连通管处、管网的物理高点处、管网的物理高低处和管网距离供水节点的最远处中的至少一种。
可选地,所述关键用户包括用水频繁的用户取水末端和用水量大的用户取水末端中的至少一种。
可选地,所述根据所述供水管网的历史运行数据和所述供水管网的结构数据建立管网水力模型包括:
对所述供水管网的历史运行数据和所述供水管网的结构数据进行标注,得到标注结果;
根据所述供水管网的历史运行数据、所述供水管网的结构数据和所述标注结果,形成第二样本数据集;
将所述第二样本数据集划分为训练数据集和测试数据集;
采用所述训练数据集训练所述管网水力模型;
将所述测试数据集输入所述训练后的管网水力模型,输出测试结果;
将所述测试结果与所述标注结果进行比对,获取误差,采用所述误差反向传播更新所述管网水力模型。
本发明还提供了一种供水方案的获取装置,包括:
历史数据获取模块,用于获取供水管网的历史运行数据和所述供水管网的结构数据,所述供水管网包括关键用户、关键点和泵组,所述历史运行数据包括历史流量数据和历史压力数据;
模型建立模块,用于根据所述供水管网的历史运行数据和所述供水管网的结构数据建立管网水力模型;
运行数据获取模块,用于获取关键用户的供水需求数据和泵组特性曲线,根据所述关键用户的供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据;
泵组工况确定模块,用于根据所述供水管网的运行数据和所述泵组特性曲线,得到多个泵组工况;
供水方案生成模块,用于根据所述泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案,所述历史数据获取模块、所述模型建立模块、所述运行数据获取模块、所述泵组工况确定模块和所述供水方案生成模块相连接。
本发明还提供一种电子设备,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电子设备执行所述供水方案的获取方法。
本发明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实现如上述所述供水方案的获取方法。
本发明的有益效果:本发明中的供水方案的获取方法,首先通过获取供水管网的历史运行数据和供水管网的结构数据并建立管网水力模型;然后根据关键用户的供水需求数据、泵组特性曲线和管网水力模型,计算供水管网的运行数据;再根据供水管网的运行数据和泵组特性曲线,得到多个泵组工况;最后根据泵组工况和泵组效率曲线确定最高效率所对应的供水方案,得到目标供水方案;本方案根据关键用户的供水需求数据得到多个泵组工况,在满足关键用户供水需要的前提下,避免了管网长期处于高压运行状态,从而避免了由管网高压运行所导致的管网漏损、供水设施寿命低以及能源资源的浪费问题,进而解决了工业供水管网中供水方案的设置方式不合理的问题。通过确定最高效率所对应的供水方案为目标供水方案,确保了目标方案所对应的工作效率最高,提高了泵组的工作效率,从而避免了能源的浪费。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中供水方案的获取方法的流程示意图;
图2是本发明实施例中工作频率的筛选方法的流程示意图;
图3是本发明实施例中供水方案的获取装置的模块示意图;
图4是本发明实施例中电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1是本发明在一实施例中提供的供水方案的获取方法的流程示意图。
如图1所示,上述供水方案的获取方法,包括步骤S110-S150:
S110,获取供水管网的历史运行数据和供水管网的结构数据;
首先需要说明的是,供水管网可以是工厂供水管网,供水管网包括多个泵,通过多个泵工作来实现供水管网的工作,多个泵构成泵组,多个泵的工作频率可以相同也可以不同。关键点包括管道分支后水流稳定的直管段处、管道变径后水流稳定的直管段处、环状管网的连通管处、管网的物理高点处、管网的物理高低处和管网距离供水节点的最远处,关键用户包括但不限于用水频繁的用户取水末端、用水量大的用户取水末端、各个管网支路的最不利取水末端;管网支路最不利点的确定方法包括获取此管网支路中各个取水末端正常工作时的最低管网压力,确定此管网支路中各个取水末端正常工作时的最低管网压力的最大值,这个最大值所对应的取水末端为此管网支路的最不利点,所有管网支路的最不利点均可以通过此方式进行确定;在管网支路最不利取水末端正常工作的管网压力下,此管网支路的其他取水末端均能正常工作。关键点可以包括关键用户,关键点也可以不包括关键用户。
需要理解的是,供水管网包括关键用户、关键点和泵组,历史运行数据包括历史流量数据和历史压力数据,历史运行数据包括历史流量数据和历史压力数据;在关键点处设置有压力传感器、流量传感器和远传设施,关键点处的压力传感器用于采集关键点处的压力数据,关键点处的流量传感器用于采集关键点处的流量数据,关键点处的远传设施用于将采集的关键点处的压力数据和关键点处的流量数据传输到终端。泵组出口处设置有压力传感器和流量传感器,用于采集泵组出口处的压力数据和泵组出口处的流量数据。在关键用户处设置有压力传感器、流量传感器和阀门状态检测设备,关键用户的历史运行数据包括关键用户的历史压力数据和关键用户的历史流量数据。关键用户的历史压力数据可以通过设置在关键用户处的压力传感器所采集的压力数据得到,关键用户的历史流量数据可以通过设置在关键用户处的流量传感器所采集的流量数据得到。
需要理解的是,结构数据包括但不限于供水管网的连接数据、供水管网中泵组出口处、关键点以及关键用户的位置数据和供水管网中各个管道的管径。
S120,根据供水管网的历史运行数据和供水管网的结构数据建立管网水力模型;
应当理解的是,根据供水管网的历史运行数据和供水管网的结构数据建立管网水力模型包括:对供水管网的历史运行数据和供水管网的结构数据进行标注,得到标注结果;根据供水管网的历史运行数据、供水管网的结构数据和标注结果,形成第二样本数据集;将第二样本数据集划分为训练数据集和测试数据集;采用训练数据集训练管网水力模型;将测试数据集输入训练后的管网水力模型,输出测试结果;将测试结果与标注结果进行比对,获取误差,采用误差反向传播更新管网水力模型。通过将测试结果与所述标注结果进行比对,获取误差,采用误差反向传播更新管网水力模型,从而提高了管网水力模型的准确性。为了进一步提高管网水力模型的准确性,若供水管网的结构数据发生变化后,应该采用变化后的结构数据和运行数据对管网水力模型进行更新。
S130,获取关键用户的供水需求数据和泵组特性曲线,根据供水需求数据、泵组特性曲线和管网水力模型,计算供水管网的运行数据;
需要说明的是,获取到关键用户的需求数据后需要确定有用水需求关键用户中的最不利关键用户,最不利关键用户的确定方法可以参照管网支路最不利点的确定方法,即满足有用水需求关键用户中的最不利关键用户后,其他有用水需求的关键用户的需求也能满足。确定最不利关键用户后,根据最不利关键用户的供水需求数据、泵组特性曲线和管网水力模型,计算所述供水管网的运行数据。
需要说明的是,关键用户的供水需求数据的获取方法包括获取关键用户的历史运行数据,并形成第一样本数据集;构建初始压力预测模型,采用所述第一样本数据集训练所述初始压力预测模型,获取用于压力预测的目标压力预测模型;检测所述关键用户的实时流量数据,将所述实时流量数据输入所述目标压力预测模型,输出目标预测压力;根据所述实时流量数据和目标压力预测数据确定关键用户的供水需求数据;其中,实时流量数据和目标压力预测数据分别为关键用户的供水流量需求数据和供水压力需求数据。
可以理解的是,关键用户的需求数据包括关键用户的供水压力需求数据和供水流量需求数据,压力数据可以通过上述目标压力预测模型进行预测,也可以对一个关键用户设定一个压力数据,只要此关键用户需要供水时,此处的压力均为定值,这个定值为此关键用户的供水压力需求数据。初始压力预测模型包括但不限于卷积神经网络模型、循环神经网络模型。供水流量需求数据可以根据设置在关键用户处的流量传感器检测得到,也可以对一个关键用户设定一个流量数据,只要此关键用户需要供水时,此处的流量均为定值。
另外,流量数据的获取方法还包括获取关键用户的历史时序流量数据,并根据关键用户的历史时序流量数据形成第三样本数据集;构建初始流量预测模型,采用第三样本数据集训练初始流量预测模型,获取用于流量预测的目标流量预测模型;获取目标时间,将目标时间输入目标流量预测模型,输出目标预测流量;通过关键用户的用水规律建立目标流量预测模型,从而实现对关键用户的供水流量需求数据进行预测。对关键用户的压力进行预测时,除了可以将实时流量数据输入目标压力预测模型,输出目标预测压力;还可以将目标预测流量输入目标压力预测模型,输出目标预测压力;然后根据目标预测流量和目标预测压力确定关键用户的供水需求数据。
可以理解的是,根据关键用户供水需求数据、泵组特性曲线和管网水力模型,计算供水管网的运行数据时,是根据最不利关键用户的压力供水需求数据、最不利关键用户的流量数据供水需求数据、泵组特性曲线和管网水力模型,计算供水管网的运行数据。
S140,根据供水管网的运行数据和泵组特性曲线,得到多个泵组工况;
应当理解的是,供水管网的运行数据包括压力数据和流量数据,在供水管网中,在同一个泵组出口处的压力和流量下,有多个泵组工作方案(即多个泵组工况),每种泵组工作方案对应一种供水方案。
S150,根据泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案。
为了避免目标供水方案中泵组工作频率不能正常工作,因此,在目标供水方案的生成过程中,还需要对泵组的工作频率进行筛选,工作频率的筛选方法请参阅图2,图2是在本发明在一实施例中工作频率的筛选方法的流程示意图。
如图2所示,目标压力预测模型的获取方法可以包括以下步骤S210-S230:
S210,根据泵组工况获取泵组中各个泵的工作频率;
S220,根据各个泵的工作频率和预设频率阈值对泵组工况所对应的供水方案进行筛选,得到中间供水方案;
S230,根据泵组效率曲线确定最高效率所对应的中间供水方案,得到目标供水方案。
具体地,根据各个泵的工作频率和预设频率阈值对泵组工况所对应的供水方案进行筛选,得到中间供水方案包括分别将各个泵的工作频率与预设频率阈值进行比对;确定每个泵均大于预设频率阈值的供水方案,得到中间供水方案。预设频率阈值为每个泵需要满足的最低工作频率,预设工作频率可以根据每个泵的型号进行设定。若这个供水方案中每个泵的工作频率均大于其对应的预设频率阈值,则确定这个供水方案为中间供水方案;若这个供水方案中一些泵的工作频率大于其对应的预设频率阈值,一些泵的工作频率小于预设频率阈值,则这个方案不是中间供水方案。根据泵组效率曲线确定最高效率所对应的中间供水方案,得到目标供水方案确保了目标方案所对应的工作效率最高,提高了泵组的工作效率,从而避免了能源的浪费。
本施例提供了一种供水方案的获取方法,首先通过获取供水管网的历史运行数据和供水管网的结构数据并建立管网水力模型;然后根据关键用户的供水需求数据、泵组特性曲线和管网水力模型,计算供水管网的运行数据;再根据供水管网的运行数据和泵组特性曲线,得到多个泵组工况;最后根据泵组工况和泵组效率曲线确定最高效率所对应的供水方案,得到目标供水方案;本方案根据关键用户的供水需求数据得到多个泵组工况,在满足关键用户供水需要的前提下,避免了管网长期处于高压运行状态,从而避免了由管网高压运行所导致的管网漏损、供水设施寿命低以及能源资源的浪费问题,进而解决了工业供水管网中供水方案的设置方式不合理的问题。通过确定最高效率所对应的供水方案为目标供水方案,确保了目标方案所对应的工作效率最高,提高了泵组的工作效率,从而避免了能源的浪费。
基于与上述供水方案的获取方法相同的发明构思,相应的,本实施例还提供了一种供水方案的获取装置。
图3为本发明提供的供水方案的获取装置的模块示意图。
如图3所示,上述供水方案的获取装置包括:31数据获取模块、32目标模型构建模块、33映射关系建立模块、34关键点数据模块以及35目标压力模块。
其中,历史数据获取模块,用于获取供水管网的历史运行数据和供水管网的结构数据,供水管网包括关键用户、关键点和泵组,历史运行数据包括历史流量数据和历史压力数据;
模型建立模块,用于根据供水管网的历史运行数据和供水管网的结构数据建立管网水力模型;
运行数据获取模块,用于获取关键用户的供水需求数据和泵组特性曲线,根据供水需求数据、泵组特性曲线和所述管网水力模型,计算供水管网的运行数据;
泵组工况确定模块,用于根据供水管网的运行数据和泵组特性曲线,得到多个泵组工况;
供水方案生成模块,用于根据泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案,历史数据获取模块、模型建立模块、运行数据获取模块、泵组工况确定模块和供水方案生成模块相连接。
在该示例性的供水方案的生成装置中,根据关键用户的供水需求数据得到多个泵组工况,在满足关键用户供水需要的前提下,避免了管网长期处于高压运行状态,从而避免了由管网高压运行所导致的管网漏损、供水设施寿命低以及能源资源的浪费问题,进而解决了工业供水管网中供水方案的设置方式不合理的问题。通过确定最高效率所对应的供水方案为目标供水方案,确保了目标方案所对应的工作效率最高,提高了泵组的工作效率,从而避免了能源的浪费。
在一些示例性实施例中,供水方案生成模块包括:
工作频率单元,用于根据所述泵组工况获取所述泵组中各个泵的工作频率;
中间方案单元,用于根据各个泵的工作频率和预设频率阈值对所述泵组工况所对应的供水方案进行筛选,得到中间供水方案;
供水方案生成单元,用于根据所述泵组效率曲线确定最高效率所对应的中间供水方案,得到目标供水方案。
在一些示例性实施例中,运行数据模块包括:
目标关键用户单元,用于根据所述关键用户的供水需求数据确定最不利关键用户的供水需求数据;
运行数据单元,用于根据所述最不利关键用户的供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据。
在一些示例性实施例中,运行数据模块还包括:
第一样本数据单元,用于获取关键用户的历史运行数据,并形成第一样本数据集;
预测模型建立单元,用于构建初始压力预测模型,采用所述第二样本数据集训练所述初始压力预测模型,获取用于压力预测的目标压力预测模型;
压力预测单元,用于检测所述关键用户的实时流量数据,将所述实时流量数据输入所述目标压力预测模型,输出目标预测压力;
需求数据确定单元,用于根据所述实时流量数据和所述目标压力预测数据确定所述关键用户的供水需求数据。
在一些示例性实施例中,模型建立模块包括:
标注单元,用于对所述供水管网的历史运行数据和所述供水管网的结构数据进行标注,得到标注结果;
第二样本数据单元,用于根据所述供水管网的历史运行数据、所述供水管网的结构数据和所述标注结果,形成样本数据集;
数据分类单元,用于将所述样本数据集划分为训练数据集和测试数据集;
模型训练单元,用于采用所述训练数据集训练所述管网水力模型;
测试单元,用于将所述测试数据集输入所述训练后的管网水力模型,输出测试结果;
模型更新单元,用于将所述测试结果与所述标注结果进行比对,获取误差,采用所述误差反向传播更新所述管网水力模型。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例中的任一项方法。
在一个实施例中,请参见图4,本实施例还提供了一种电子设备400,包括存储器401、处理器402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402执行所述计算机程序时实现如上任一项实施例所述方法的步骤。
本实施例中的计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子设备,包括处理器、存储器、收发器和通信接口,存储器和通信接口与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于进行通信,处理器和收发器用于运行计算机程序,使电子设备执行如上方法的各个步骤。
在本实施例中,存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中,说明书对“本实施例”、“一实施例”、“另一实施例”、“在一些示例性实施例”或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中,但不必是全部实施例。“本实施例”、“一实施例”、“另一实施例”的多次出现不一定全部都指代相同的实施例。
在上述实施例中,尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如,其他存储结构(例如,动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种供水方案的获取方法,其特征在于,包括:
获取供水管网的历史运行数据和所述供水管网的结构数据,所述供水管网包括关键用户、关键点和泵组,所述历史运行数据包括历史流量数据和历史压力数据;
根据所述供水管网的历史运行数据和所述供水管网的结构数据建立管网水力模型;
获取关键用户的供水需求数据和泵组特性曲线,根据所述关键用户的供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据;
根据所述供水管网的运行数据和所述泵组特性曲线,得到多个泵组工况;
根据所述泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案。
2.根据权利要求1所述的供水方案的获取方法,其特征在于,所述根据所述泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案,包括:
根据所述泵组工况获取所述泵组中各个泵的工作频率;
根据各个泵的工作频率和预设频率阈值对所述泵组工况所对应的供水方案进行筛选,得到中间供水方案;
根据所述泵组效率曲线确定最高效率所对应的中间供水方案,得到目标供水方案。
3.根据权利要求1所述的供水方案的获取方法,其特征在于,所述根据所述供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据包括:
根据所述关键用户的供水需求数据确定最不利关键用户的供水需求数据;
根据所述最不利关键用户的供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据。
4.根据权利要求3所述的供水方案的获取方法,其特征在于,所述获取关键用户的供水需求数据包括:
获取关键用户的历史运行数据,并形成第一样本数据集;
构建初始压力预测模型,采用所述第一样本数据集训练所述初始压力预测模型,获取用于压力预测的目标压力预测模型;
检测所述关键用户的实时流量数据,将所述实时流量数据输入所述目标压力预测模型,输出目标预测压力;
根据所述实时流量数据和所述目标压力预测数据确定所述关键用户的供水需求数据。
5.根据权利要求1所述的供水方案的获取方法,其特征在于,所述关键点包括管道分支后水流稳定的直管段处、管道变径后水流稳定的直管段处、环状管网的连通管处、管网的物理高点处、管网的物理高低处和管网距离供水节点的最远处中的至少一种。
6.根据权利要求1所述的供水方案的获取方法,其特征在于,所述关键用户包括用水频繁的用户取水末端和用水量大的用户取水末端中的至少一种。
7.根据权利要求1所述的供水方案的获取方法,其特征在于,所述根据所述供水管网的历史运行数据和所述供水管网的结构数据建立管网水力模型包括:
对所述供水管网的历史运行数据和所述供水管网的结构数据进行标注,得到标注结果;
根据所述供水管网的历史运行数据、所述供水管网的结构数据和所述标注结果,形成第二样本数据集;
将所述第二样本数据集划分为训练数据集和测试数据集;
采用所述训练数据集训练所述管网水力模型;
将所述测试数据集输入所述训练后的管网水力模型,输出测试结果;
将所述测试结果与所述标注结果进行比对,获取误差,采用所述误差反向传播更新所述管网水力模型。
8.一种供水方案的获取装置,其特征在于,包括:
历史数据获取模块,用于获取供水管网的历史运行数据和所述供水管网的结构数据,所述供水管网包括关键用户、关键点和泵组,所述历史运行数据包括历史流量数据和历史压力数据;
模型建立模块,用于根据所述供水管网的历史运行数据和所述供水管网的结构数据建立管网水力模型;
运行数据获取模块,用于获取关键用户的供水需求数据和泵组特性曲线,根据所述关键用户的供水需求数据、所述泵组特性曲线和所述管网水力模型,计算所述供水管网的运行数据;
泵组工况确定模块,用于根据所述供水管网的运行数据和所述泵组特性曲线,得到多个泵组工况;
供水方案生成模块,用于根据所述泵组工况和泵组效率曲线,确定最高效率所对应的供水方案,得到目标供水方案,所述历史数据获取模块、所述模型建立模块、所述运行数据获取模块、所述泵组工况确定模块和所述供水方案生成模块相连接。
9.一种电子设备,其特征在于,包括处理器、存储器和通信总线;
所述通信总线用于将所述处理器和存储器连接;
所述处理器用于执行所述存储器中存储的计算机程序,以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序用于使所述计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210622669.9A CN114970064A (zh) | 2022-06-01 | 2022-06-01 | 一种供水方案的获取方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210622669.9A CN114970064A (zh) | 2022-06-01 | 2022-06-01 | 一种供水方案的获取方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114970064A true CN114970064A (zh) | 2022-08-30 |
Family
ID=82958810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210622669.9A Pending CN114970064A (zh) | 2022-06-01 | 2022-06-01 | 一种供水方案的获取方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114970064A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542495A (zh) * | 2023-07-05 | 2023-08-04 | 浙江和达科技股份有限公司 | 一种基于数据挖掘的智能供水调度方法、装置及电子设备 |
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 |
CN117391395A (zh) * | 2023-11-24 | 2024-01-12 | 广州奥姆特机电设备制造有限公司 | 一种供水系统的自动调节方法及系统 |
CN117540163A (zh) * | 2023-11-09 | 2024-02-09 | 南栖仙策(南京)高新技术有限公司 | 泵性能曲线生成方法、模型构建和训练方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109791637A (zh) * | 2016-08-02 | 2019-05-21 | 申舒斯美国有限公司 | 用于布水系统的基于模型的控制的方法和装置 |
CN113156817A (zh) * | 2021-03-18 | 2021-07-23 | 上海威派格智慧水务股份有限公司 | 一种泵站智能配泵方法 |
WO2022036820A1 (zh) * | 2020-08-18 | 2022-02-24 | 浙江大学 | 一种基于供水物联网数据同化的污水管网实时模拟方法 |
-
2022
- 2022-06-01 CN CN202210622669.9A patent/CN114970064A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109791637A (zh) * | 2016-08-02 | 2019-05-21 | 申舒斯美国有限公司 | 用于布水系统的基于模型的控制的方法和装置 |
WO2022036820A1 (zh) * | 2020-08-18 | 2022-02-24 | 浙江大学 | 一种基于供水物联网数据同化的污水管网实时模拟方法 |
CN113156817A (zh) * | 2021-03-18 | 2021-07-23 | 上海威派格智慧水务股份有限公司 | 一种泵站智能配泵方法 |
Non-Patent Citations (1)
Title |
---|
张坤林;柏静远;郭剑桥;: "供水管网在线水力模型系统开发应用研究", 山西水土保持科技, no. 03, 25 September 2020 (2020-09-25), pages 17 - 19 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542495A (zh) * | 2023-07-05 | 2023-08-04 | 浙江和达科技股份有限公司 | 一种基于数据挖掘的智能供水调度方法、装置及电子设备 |
CN116542495B (zh) * | 2023-07-05 | 2024-02-23 | 浙江和达科技股份有限公司 | 一种基于数据挖掘的智能供水调度方法、装置及电子设备 |
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 |
CN117540163A (zh) * | 2023-11-09 | 2024-02-09 | 南栖仙策(南京)高新技术有限公司 | 泵性能曲线生成方法、模型构建和训练方法及装置 |
CN117391395A (zh) * | 2023-11-24 | 2024-01-12 | 广州奥姆特机电设备制造有限公司 | 一种供水系统的自动调节方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114970064A (zh) | 一种供水方案的获取方法、装置、电子设备及介质 | |
CN111406267B (zh) | 使用性能预测神经网络的神经架构搜索 | |
CN110868241B (zh) | 基于多模型的地下电缆故障预警方法和装置 | |
CN110875851B (zh) | 地下电缆故障预警方法和装置 | |
US11640323B2 (en) | Method and machine learning agent for executing machine learning in an edge cloud | |
US9922133B2 (en) | Live topological query | |
CN114500339B (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
CN110866634A (zh) | 基于模型选择的地下电缆故障预警方法和装置 | |
CN114236068A (zh) | 一种基于循环水系统的氯离子浓度分析方法及系统 | |
CN115017808A (zh) | 一种基于改进蝴蝶算法优化hkelm的管道冲蚀预测方法 | |
CN113095552B (zh) | 一种海洋平台泄漏可燃气云团体积预测方法及系统 | |
CN115859749B (zh) | 三维模型的约束建立方法、装置、电子设备及存储介质 | |
CN107609234A (zh) | 基于不确定性的稳健性分析方法及系统 | |
CN116861256A (zh) | 一种固废焚烧过程的炉温预测方法、系统、设备及介质 | |
CN105306503B (zh) | 区域分析图实现方法及其系统 | |
CN110941489A (zh) | 流处理引擎的伸缩方法和装置 | |
CN115523043A (zh) | 一种发动机加权工况点的确定方法、装置、设备及介质 | |
CN115146392A (zh) | 一种船舶管路系统建模仿真方法、计算机存储介质及设备 | |
CN112799928A (zh) | 基于知识图谱的工业app关联性分析方法、装置及介质 | |
CN113762510B (zh) | 针对目标模型的数据处理方法、装置、电子设备和介质 | |
CN114398558B (zh) | 信息推荐方法、装置、电子设备和存储介质 | |
CN115759233B (zh) | 模型的训练方法、图数据处理方法、装置及电子设备 | |
CN113963433B (zh) | 运动搜索方法、装置、电子设备及存储介质 | |
CN112861024A (zh) | 确定路网矩阵的方法、装置、电子设备及存储介质 | |
CN117591701A (zh) | 一种图模型训练方法、装置、电子设备以及存储介质 |
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 |