[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112594553A - 一种基于压力目标曲线的管网压力调控方法 - Google Patents

一种基于压力目标曲线的管网压力调控方法 Download PDF

Info

Publication number
CN112594553A
CN112594553A CN202011437879.8A CN202011437879A CN112594553A CN 112594553 A CN112594553 A CN 112594553A CN 202011437879 A CN202011437879 A CN 202011437879A CN 112594553 A CN112594553 A CN 112594553A
Authority
CN
China
Prior art keywords
pressure
data
flow
curve
model
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
Application number
CN202011437879.8A
Other languages
English (en)
Inventor
涂倩
丁都
董鑫
刘乐
叶玲
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.)
Panda Wisdom Water Business Co ltd
Original Assignee
Panda Wisdom Water Business 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 Panda Wisdom Water Business Co ltd filed Critical Panda Wisdom Water Business Co ltd
Priority to CN202011437879.8A priority Critical patent/CN112594553A/zh
Publication of CN112594553A publication Critical patent/CN112594553A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D1/00—Pipe-line systems
    • F17D1/08—Pipe-line systems for liquids or viscous products
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D1/00—Pipe-line systems
    • F17D1/20—Arrangements or systems of devices for influencing or altering dynamic characteristics of the systems, e.g. for damping pulsations caused by opening or closing of valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D3/00—Arrangements for supervising or controlling working operations
    • F17D3/01—Arrangements for supervising or controlling working operations for controlling, signalling, or supervising the conveyance of a product
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17D—PIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00—Protection or supervision of installations
    • 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
    • G06F30/27—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于压力目标曲线的管网压力调控方法，包括以下步骤：获取管网的历史流量、出口压力和末端压力数据，构建流量与压降之间的曲线模型关系，并引入时间维度，得到不同时间不同流量下的压降值，形成压力目标曲线；根据流量曲线模型得到次日的流量曲线，并结合所述流量与压降之间的曲线模型关系，得到次日的压降趋势，根据管网末端最小服务压力的经验值，获得次日的压力目标曲线，形成次日压力调控策略；按照压力调控策略，通过PID调节方法实现目标压力的动态调节。本发明能够降低因压力过大或压力剧烈波动带来的爆管风险。

Description

一种基于压力目标曲线的管网压力调控方法
技术领域
本发明涉及管网压力控制技术领域，特别是涉及一种基于压力目标曲线的管网压力调控方法。
背景技术
随着城市管网规模的不断扩大，居民用水需求的提升，早晚高峰用水差异日益增大，为满足末端用水充足，需通过增加管网压力以保障任何时段的最小服务压力满足最低压力需求，该举措导致在非高峰期或部分末端需求较小时，部分管网压力会较实际需求偏大，即有管网部分区域有较大的富余压力，该部分压力会为供水企业带来漏损增加、能耗增加、爆管风险增加等问题。
在现有管网压力调控系统中，主要存在的缺陷如下：(1)根据采集的管网压力监控数据依照人工经验进行远程调节，针对异常情况进行报警提醒，由人工介入进行远程控制。该调节方式过多依靠于人工经验，存在滞后性，稳定性较差。(2)根据管网末端压力变化，设备自动实时调节。该调节方式是根据实时采集到的管网末端压力进行调节，调节点距离末端压力一般有一定距离，末端用户流量和压力需求变化较快，因此以末端压力为主要参考数据的调节具有一定的滞后性，从而导致压力调节跟不上实际变化需求。
发明内容
本发明所要解决的技术问题是提供一种基于压力目标曲线的管网压力调控方法，能够降低因压力过大或压力剧烈波动带来的爆管风险。
本发明解决其技术问题所采用的技术方案是：提供一种基于压力目标曲线的管网压力调控方法，包括以下步骤：
(1)获取管网的历史流量、出口压力和末端压力数据，构建流量与压降之间的曲线模型关系，并引入时间维度，得到不同时间不同流量下的压降值，形成压力目标曲线；
(2)根据流量曲线模型得到次日的流量曲线，并结合所述流量与压降之间的曲线模型关系，得到次日的压降趋势，根据管网末端最小服务压力的经验值，获得次日的压力目标曲线，形成次日压力调控策略；
(3)按照压力调控策略，通过PID调节方法实现目标压力的动态调节。
所述步骤(1)具体包括以下步骤：
(11)通过监控设备获取管网的出口压力、流量、末端压力的历史监测数据，针对采集到的历史数据进行清洗，并删除异常数据；
(12)对清洗后的历史数据进行特征提取，所述特征包括出口压力、流量、末端压力和时间；
(13)将历史数据中的一部分作为训练集，另一部分作为测试集，通过BP神经网络模型对训练集进行训练，得到初步模型，利用测试集进行模型验证，得到平均方差，若平均方差大于阈值，则调整BP神经网络模型的参数，重新训练模型，反复迭代直到平均方差小于阈值；
(14)根据训练好的模型得到出口压力、流量、末端压力和时间的正相关关系，输入流量、末端压力、时间获得对应时间的出口压力预测值，得到压力目标曲线。
所述步骤(14)中训练好的模型为f(X)＝WX+B，其中，
Figure BDA0002821120330000021
为输入特征向量，x1为流量，x2为末端压力，t为时间，W为BP神经网络的权重参数矩阵，由训练模型时获得，B为偏置向量，由训练模型时获得。
所述步骤(2)中根据流量曲线模型得到次日的流量曲线具体包括以下子步骤：
(21)对采集到的历史用水数据进行筛选，并删除异常数据；
(22)将筛选后的历史用水数据分类为工作日数据和非工作日数据，将非工作日数据统一作为节假日数据入库管理，将工作日划分为周一至周五分别入库管理；
(23)将每日流量数据通过平均值算法计算得出用水模式对应的各时段流量数据，以十分钟为一个刻度计算流量数据得到流量模式曲线，生成日流量模式曲线；
(24)首次采集数据开始，取第一日的数据作为第二日用水模式的预估值，第一日与第二日数据的分时段平均值作为第三日用水模式的预估值，以此类推；达到一周时，以上一周的数据作为下一周用水模式的预估值，达到两周甚至更多时，通过多周数据，周一到周日的每日分时段数据作为下周工作日及周末用水模式的预估值，以此类推；最终生成周一至周五以及周末六条流量曲线。
所述步骤(3)后还包括将收集的每日实际监测的流量数据，通过深度学习对所述流量曲线模型进行优化的步骤。
所述步骤(3)后还包括将收集的每日实际监测的压力数据，通过深度学习对所述压力目标曲线进行优化的步骤。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：
本发明具有自动调节能力的调压阀，且支持远程控制，能够根据目标压力曲线，灵活控制出口压力，保障末端压力需求，降低管网压力富余。本发明基于用水量规律的压力调控方法，提前下发压力调控策略到设备，让设备可以根据用户需水量精准调节压力，从而在满足末端最小服务压力的前提下，实现管网局部压力的降低，保障管网压力的平稳。
本发明可以基于BP神经网络拟合出用户用水量和管网压降的曲线模型，根据预测流量曲线和末端最小服务压力需求，计算出目标压力曲线形成压力调控策略，将策略提前下发到设备，同时可根据策略执行情况，评价策略效果，反馈信息回到模型，加入计算影响因素，基于深度学习算法的训练模型，不断修正现有模型算法，达到最优策略。
附图说明
图1是本发明的流程图；
图2是本发明中生成压力目标曲线的流程图；
图3是本发明中根据流量曲线模型得到次日的流量曲线的流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。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。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于压力目标曲线的管网压力调控方法，该方法具有三种控制模式，如图1所示，具体如下：
1.手动控制模式
此类模式下，可通过人机界面修改管网测控站的压力设置方案，能够设置不同时段下的出口压力目标，使得管网测控站能够按照目标要求进行压力调节，从而控制出口压力，满足末端压力需求。
2.远程控制模式
此类模式下，可通过平台指令切断自动控制模式。进入远程控制模式，管网测控仪可通过平台远程设置压力调控方案，即设置不同时段的出口压力目标，从而使得管网测控站可以按照设置目标调节出口压力。
3.自动控制模式
此类模式下包括以下步骤：
(1)生成压力目标曲线：获取历史流量、出口压力和末端压力数据，基于BP神经网络，构建流量与压降之间的曲线模型关系，引入时间维度，从而得到不同时间不同流量下的压降值，形成压力目标曲线。具体如图2所示，建立bp神经网络模型，根据积累的历史数据，对数据进行清洗，特征提取等一列处理操作，最终生成可用于网络训练的的数据集。通过大量的数据对模型进行训练，保存生成好的模型和相应的权重文件，然后根据输入预测数据，生成预测值，包括以下步骤：
1.数据采集与清洗：通过监控设备获取出口压力、流量、末端压力的历史监测数据，针对采集到的历史数据进行清洗，将数据缺失较多、负值、大幅度突变等异常数据进行删除，形成完整性、连续性、规律性较好的数据以便于进行下一步处理。
2.特征工程：提取数据特征，包括出口压力、流量、末端压力、时间等特征信息。
3.数据模型训练与验证：取70％数据作为训练集，30％数据作为测试集，通过BP神经网络模型对训练集进行训练，得到初步模型，利用测试集进行模型验证，得到平均方差，若方差大于0.1，则调整BP审计网络模型参数，重新训练模型，反复迭代直到方差小于0.1。
4.压降数据预测：根据数据模型可以得到出口压力、流量、末端压力和时间的正相关关系，输入流量、末端压力、时间参数(流量和时间由流量曲线模型获得，末端压力即最小服务水头压力为经验值)，可获得对应时间的出口压力预测值，从而形成目标压力曲线。其中，训练好的数据模型为：f(X)＝WX+B，
Figure BDA0002821120330000041
为输入特征向量，x1为流量，x2为末端压力，t为时间，W为BP神经网络的权重参数矩阵，由训练模型时获得，B为偏置向量，由训练模型时获得。
(2)次日目标压力曲线：根据流量曲线模型得到次日的流量曲线，结合流量与压降之间的曲线模型关系，得到次日的压降趋势，根据管网末端最小服务压力的经验值，获得次日的压力目标曲线，形成次日压力调控策略。
如图3所示，根据流量曲线模型得到次日的流量曲线时，通过对设备监测流量数据的分析，拟合求出流量变化模式规律，并随着数据的累积不断优化流量曲线模型，具体包括以下子步骤：
1.数据筛选及分析：对采集到的数据进行筛选，将数据缺失较多、负值、大幅度突变等异常数据进行删除，形成完整性、连续性、规律性较好的数据以便于进行下一步处理。
2.数据分类：对筛选后的数据进行分类，以是否为工作日作为判断依据，将非工作日统一作为节假日数据入库管理，将工作日划分为周一至周五分别入库管理。在设备刚开始运行时，原始数据并不充足，在此情况下，不进行分类，优先采用统一的模式曲线，随着数据的累积，开始进行迭代分类；
3.模式曲线计算：将每日用水量数据通过平均值算法计算得出用水模式对应的各时段用水量数据，以10分钟为一个刻度，计算用水量数据得到用水量模式曲线，生成周一至周五以及周末六条流量模式曲线。
4.数据迭代优化：自设备首次采集数据开始，取第一日的数据作为第二日流量模式的预估值，第一日与第二日数据的分时段平均值作为第三日流量模式的预估值，以此类推。达到一周时，以上一周的数据作为下一周流量模式的预估值。达到两周甚至更多时，通过多周数据，周一到周日的每日分时段数据作为下周工作日及周末流量模式的预估值，以此类推。最终生成周一至周五以及周末六条流量模式曲线。当进入法定节假日时(如：元旦、春节、清明、劳动、端午、中秋、国庆)，采用周末流量模式的预估值。
将生成的流量模式曲线作为下一周期的流量预估值，基于神经BP网络算法和深度学习算法的训练模型，不断优化预测模型。当进入法定节假日时(如∶元旦、春节、清明、劳动、端午、中秋、国庆)，采用周末流量模式的预估值。
(3)下发策略到设备：次日凌晨前，将次日压力调控策略下发到设备。
(4)按照下发策略执行：设备按照压力调控策略，通过PID调节方法，实现目标压力的动态调节，从而保障设备出口压力按照提前下发设置的目标压力调节。将实际监测的流量和压力返回到平台，平台通过深度学习优化流量曲线模型和压降拟合曲线。
不难发现，本发明基于监测数据构建流量和压降之间的关系模型，从而可以通过用户需水量的变化，实时调节管网压力，在满足末端压力需求的情况下，将管网压力调控致最低，从而降低管网内富余压力，有效降低管网漏损和能耗，同时可均衡管网压力，降低因压力过大或压力剧烈波动带来的爆管风险。

Claims (6)

1.一种基于压力目标曲线的管网压力调控方法，其特征在于，包括以下步骤：
(1)获取管网的历史流量、出口压力和末端压力数据，构建流量与压降之间的曲线模型关系，并引入时间维度，得到不同时间不同流量下的压降值，形成压力目标曲线；
(2)根据流量曲线模型得到次日的流量曲线，并结合所述流量与压降之间的曲线模型关系，得到次日的压降趋势，根据管网末端最小服务压力的经验值，获得次日的压力目标曲线，形成次日压力调控策略；
(3)按照压力调控策略，通过PID调节方法实现目标压力的动态调节。
2.根据权利要求1所述的基于压力目标曲线的管网压力调控方法，其特征在于，所述步骤(1)具体包括以下步骤：
(11)通过监控设备获取管网的出口压力、流量、末端压力的历史监测数据，针对采集到的历史数据进行清洗，并删除异常数据；
(12)对清洗后的历史数据进行特征提取，所述特征包括出口压力、流量、末端压力和时间；
(13)将历史数据中的一部分作为训练集，另一部分作为测试集，通过BP神经网络模型对训练集进行训练，得到初步模型，利用测试集进行模型验证，得到平均方差，若平均方差大于阈值，则调整BP神经网络模型的参数，重新训练模型，反复迭代直到平均方差小于阈值；
(14)根据训练好的模型得到出口压力、流量、末端压力和时间的正相关关系，输入流量、末端压力、时间获得对应时间的出口压力预测值，得到压力目标曲线。
3.根据权利要求2所述的基于压力目标曲线的管网压力调控方法，其特征在于，所述步骤(14)中训练好的模型为f(X)＝WX+B，其中，
Figure FDA0002821120320000011
为输入特征向量，x1为流量，x2为末端压力，t为时间，W为BP神经网络的权重参数矩阵，由训练模型时获得，B为偏置向量，由训练模型时获得。
4.根据权利要求1所述的基于压力目标曲线的管网压力调控方法，其特征在于，所述步骤(2)中根据流量曲线模型得到次日的流量曲线具体包括以下子步骤：
(21)对采集到的历史用水数据进行筛选，并删除异常数据；
(22)将筛选后的历史用水数据分类为工作日数据和非工作日数据，将非工作日数据统一作为节假日数据入库管理，将工作日划分为周一至周五分别入库管理；
(23)将每日流量数据通过平均值算法计算得出用水模式对应的各时段流量数据，以十分钟为一个刻度计算流量数据得到流量模式曲线，生成日流量模式曲线；
(24)首次采集数据开始，取第一日的数据作为第二日用水模式的预估值，第一日与第二日数据的分时段平均值作为第三日用水模式的预估值，以此类推；达到一周时，以上一周的数据作为下一周用水模式的预估值，达到两周甚至更多时，通过多周数据，周一到周日的每日分时段数据作为下周工作日及周末用水模式的预估值，以此类推；最终生成周一至周五以及周末六条流量曲线。
5.根据权利要求1所述的基于压力目标曲线的管网压力调控方法，其特征在于，所述步骤(3)后还包括将收集的每日实际监测的流量数据，通过深度学习对所述流量曲线模型进行优化的步骤。
6.根据权利要求1所述的基于压力目标曲线的管网压力调控方法，其特征在于，所述步骤(3)后还包括将收集的每日实际监测的压力数据，通过深度学习对所述压力目标曲线进行优化的步骤。
CN202011437879.8A 2020-12-07 2020-12-07 一种基于压力目标曲线的管网压力调控方法 Pending CN112594553A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011437879.8A CN112594553A (zh) 2020-12-07 2020-12-07 一种基于压力目标曲线的管网压力调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011437879.8A CN112594553A (zh) 2020-12-07 2020-12-07 一种基于压力目标曲线的管网压力调控方法

Publications (1)

Publication Number Publication Date
CN112594553A true CN112594553A (zh) 2021-04-02

Family

ID=75191846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011437879.8A Pending CN112594553A (zh) 2020-12-07 2020-12-07 一种基于压力目标曲线的管网压力调控方法

Country Status (1)

Country Link
CN (1) CN112594553A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113654899A (zh) * 2021-07-30 2021-11-16 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 输送管道的压力分析方法、装置、设备及存储介质
CN116611674A (zh) * 2023-07-20 2023-08-18 中建五局第三建设有限公司 一种建筑供给水智能调度运行方法
WO2023231606A1 (zh) * 2022-05-30 2023-12-07 佛山市美的清湖净水设备有限公司 软水设备的性能检测方法
CN117891206A (zh) * 2024-03-15 2024-04-16 福州智水匠数字科技有限公司 一种融合管网模型智能算法的节能型泵组运行控制系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001280597A (ja) * 2000-03-28 2001-10-10 Ffc:Kk 配水管網の末端圧力制御装置
JP2004131957A (ja) * 2002-10-08 2004-04-30 Toshiba Corp 圧力推定モデル構築システム
CN104715292A (zh) * 2015-03-27 2015-06-17 上海交通大学 基于最小二乘支持向量机模型的城市短期用水量预测方法
US20160357195A1 (en) * 2015-06-02 2016-12-08 Lsis Co., Ltd. Water supplying method
CN107909195A (zh) * 2017-11-08 2018-04-13 吴江华衍水务有限公司 一种日用水量预测方法
CN108596260A (zh) * 2018-04-27 2018-09-28 安徽建筑大学 一种水管网漏损定位方法及装置
CN108764540A (zh) * 2018-05-16 2018-11-06 杭州电子科技大学 基于并行lstm串联dnn的供水管网压力预测方法
CN108898512A (zh) * 2018-07-27 2018-11-27 苏州市自来水有限公司 基于bp神经网络的城市供水管网模型校核方法
CN110443418A (zh) * 2019-07-31 2019-11-12 西安科技大学 基于ga-bp神经网络的城市用水量预测方法
CN111062576A (zh) * 2019-11-21 2020-04-24 熊猫智慧水务有限公司 一种基于dma分区最不利点的压力管理系统
CN111859783A (zh) * 2020-06-22 2020-10-30 重庆大学 水压预测方法、系统、存储介质、设备、城市供水系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001280597A (ja) * 2000-03-28 2001-10-10 Ffc:Kk 配水管網の末端圧力制御装置
JP2004131957A (ja) * 2002-10-08 2004-04-30 Toshiba Corp 圧力推定モデル構築システム
CN104715292A (zh) * 2015-03-27 2015-06-17 上海交通大学 基于最小二乘支持向量机模型的城市短期用水量预测方法
US20160357195A1 (en) * 2015-06-02 2016-12-08 Lsis Co., Ltd. Water supplying method
CN107909195A (zh) * 2017-11-08 2018-04-13 吴江华衍水务有限公司 一种日用水量预测方法
CN108596260A (zh) * 2018-04-27 2018-09-28 安徽建筑大学 一种水管网漏损定位方法及装置
CN108764540A (zh) * 2018-05-16 2018-11-06 杭州电子科技大学 基于并行lstm串联dnn的供水管网压力预测方法
CN108898512A (zh) * 2018-07-27 2018-11-27 苏州市自来水有限公司 基于bp神经网络的城市供水管网模型校核方法
CN110443418A (zh) * 2019-07-31 2019-11-12 西安科技大学 基于ga-bp神经网络的城市用水量预测方法
CN111062576A (zh) * 2019-11-21 2020-04-24 熊猫智慧水务有限公司 一种基于dma分区最不利点的压力管理系统
CN111859783A (zh) * 2020-06-22 2020-10-30 重庆大学 水压预测方法、系统、存储介质、设备、城市供水系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113654899A (zh) * 2021-07-30 2021-11-16 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 输送管道的压力分析方法、装置、设备及存储介质
CN113654899B (zh) * 2021-07-30 2023-12-22 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 输送管道的压力分析方法、装置、设备及存储介质
WO2023231606A1 (zh) * 2022-05-30 2023-12-07 佛山市美的清湖净水设备有限公司 软水设备的性能检测方法
CN116611674A (zh) * 2023-07-20 2023-08-18 中建五局第三建设有限公司 一种建筑供给水智能调度运行方法
CN116611674B (zh) * 2023-07-20 2023-09-22 中建五局第三建设有限公司 一种建筑供给水智能调度运行方法
CN117891206A (zh) * 2024-03-15 2024-04-16 福州智水匠数字科技有限公司 一种融合管网模型智能算法的节能型泵组运行控制系统
CN117891206B (zh) * 2024-03-15 2024-05-28 福州智水匠数字科技有限公司 一种融合管网模型智能算法的节能型泵组运行控制系统

Similar Documents

Publication Publication Date Title
CN112594553A (zh) 一种基于压力目标曲线的管网压力调控方法
CN116646933B (zh) 一种基于大数据的电力负荷调度方法及系统
JP2023129546A (ja) エネルギ貯蔵システムを最適に制御するためのシステム及び方法
CN112508374A (zh) 一种基于用水曲线的调峰控制方法及装置
CN109002937A (zh) 电网负荷预测方法、装置、计算机设备和存储介质
CN108053082B (zh) 基于温度区间分解的电网中长期负荷预测方法
CN109886567B (zh) 一种考虑体感温度和辐射强度的短期负荷预测方法
CN117595231A (zh) 一种智能电网配网管理系统及其方法
CN111206650A (zh) 一种水箱错峰调蓄管理系统
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN108846488A (zh) 风电场的检修调度方法和装置
CN111782394A (zh) 一种基于响应时间感知的集群服务资源动态调整方法
CN112482488B (zh) 一种城市错峰供水方法及系统
CN108898851B (zh) 城市道路断面交通量组合预测方法
CN111062576B (zh) 一种基于dma分区最不利点的压力管理系统
Desai et al. Electrical Load Forecasting using Machine Learning
CN112066264A (zh) 管道液压调控方法、装置及系统
EP1270827B1 (en) Water distribution amount predicting system
CN117332952A (zh) 一种碳排放自主调控方法及系统
CN114110716B (zh) 一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质
CN109886455A (zh) 雷电气候下超短期负荷预测方法
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
CN118134293B (zh) 一种用户端能源管理系统及方法
CN117371668B (zh) 基于可视图和网络流的城市管路流量调配优化方法
CN118212097B (zh) 一种基于水资源管理平台的取水量预警方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210402

RJ01 Rejection of invention patent application after publication