[發明專利]一種基于壓力目標曲線的管網壓力調控方法

在審

• 申請號: 202011437879.8
• 申請日: 2020-12-07
• 公開（公告）號: CN112594553A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 涂倩;丁都;董鑫;劉樂;葉玲
• 申請（專利權）人: 熊貓智慧水務有限公司
• 主分類號: F17D1/08
• 分類號: F17D1/08;F17D1/20;F17D3/01;F17D5/00;G06F30/18;G06F30/27;G06N3/08
• 代理公司: 上海泰能知識產權代理事務所(普通合伙) 31233
• 代理人: 錢文斌;宋纓

1.一種基于壓力目標曲線的管網壓力調控方法，其特征在于，包括以下步驟：

(1)獲取管網的歷史流量、出口壓力和末端壓力數據，構建流量與壓降之間的曲線模型關系，并引入時間維度，得到不同時間不同流量下的壓降值，形成壓力目標曲線；

(2)根據流量曲線模型得到次日的流量曲線，并結合所述流量與壓降之間的曲線模型關系，得到次日的壓降趨勢，根據管網末端最小服務壓力的經驗值，獲得次日的壓力目標曲線，形成次日壓力調控策略；

(3)按照壓力調控策略，通過PID調節方法實現目標壓力的動態調節。

2.根據權利要求1所述的基于壓力目標曲線的管網壓力調控方法，其特征在于，所述步驟(1)具體包括以下步驟：

(11)通過監控設備獲取管網的出口壓力、流量、末端壓力的歷史監測數據，針對采集到的歷史數據進行清洗，并刪除異常數據；

(12)對清洗后的歷史數據進行特征提取，所述特征包括出口壓力、流量、末端壓力和時間；

(13)將歷史數據中的一部分作為訓練集，另一部分作為測試集，通過BP神經網絡模型對訓練集進行訓練，得到初步模型，利用測試集進行模型驗證，得到平均方差，若平均方差大于閾值，則調整BP神經網絡模型的參數，重新訓練模型，反復迭代直到平均方差小于閾值；

(14)根據訓練好的模型得到出口壓力、流量、末端壓力和時間的正相關關系，輸入流量、末端壓力、時間獲得對應時間的出口壓力預測值，得到壓力目標曲線。

3.根據權利要求2所述的基于壓力目標曲線的管網壓力調控方法，其特征在于，所述步驟(14)中訓練好的模型為f(X)＝WX+B，其中，為輸入特征向量，x1為流量，x2為末端壓力，t為時間，W為BP神經網絡的權重參數矩陣，由訓練模型時獲得，B為偏置向量，由訓練模型時獲得。

4.根據權利要求1所述的基于壓力目標曲線的管網壓力調控方法，其特征在于，所述步驟(2)中根據流量曲線模型得到次日的流量曲線具體包括以下子步驟：

(21)對采集到的歷史用水數據進行篩選，并刪除異常數據；

(22)將篩選后的歷史用水數據分類為工作日數據和非工作日數據，將非工作日數據統一作為節假日數據入庫管理，將工作日劃分為周一至周五分別入庫管理；

(23)將每日流量數據通過平均值算法計算得出用水模式對應的各時段流量數據，以十分鐘為一個刻度計算流量數據得到流量模式曲線，生成日流量模式曲線；

(24)首次采集數據開始，取第一日的數據作為第二日用水模式的預估值，第一日與第二日數據的分時段平均值作為第三日用水模式的預估值，以此類推；達到一周時，以上一周的數據作為下一周用水模式的預估值，達到兩周甚至更多時，通過多周數據，周一到周日的每日分時段數據作為下周工作日及周末用水模式的預估值，以此類推；最終生成周一至周五以及周末六條流量曲線。

5.根據權利要求1所述的基于壓力目標曲線的管網壓力調控方法，其特征在于，所述步驟(3)后還包括將收集的每日實際監測的流量數據，通過深度學習對所述流量曲線模型進行優化的步驟。

6.根據權利要求1所述的基于壓力目標曲線的管網壓力調控方法，其特征在于，所述步驟(3)后還包括將收集的每日實際監測的壓力數據，通過深度學習對所述壓力目標曲線進行優化的步驟。