一种基于预测的城市供水管网运行评估方法技术

本发明专利技术提供了一种基于预测的城市供水管网运行评估方法，涉及城市供水量预测领域。首先提出了融合多纠偏机制的混合需水量预测模型，对供水区域未来一天的居民总需水量进行预测；然后提出了基于序列到序列的编解码网络结构，对管网各个节点的水压进行分钟级预测；之后基于预测信息，节假日信息等提出了管网测压点的压力动态阈值。通过本发明专利技术的这种方法，实现了对城市供水管网整体运行状态的准确评估，为城市供水系统的水量调配提供调度指导。为城市供水系统的水量调配提供调度指导。为城市供水系统的水量调配提供调度指导。

【技术实现步骤摘要】
一种基于预测的城市供水管网运行评估方法


[0001]本专利技术属于城市供水量预测领域，特别涉及一种基于预测的城市供水管网运行评估方法。

技术介绍

[0002]供水系统在城市建设中具有举足轻重的地位，是国家基础建设、城市公用事业的重要组成部分，通常由原水、输水管道、水厂及泵站、供水管网组成，从水源取得的原水经过输水管道至水厂进行加工处理转化为清水，经过水泵机组加压后由供水管网配送至用户。供水系统对水资源的合理调配以及高效管理至关重要，它决定着城市供水管网的健康和正常运行，供水系统的科学性决策过程中，需要考虑的因素众多，如未来一段时间(长期、中期和短期)城市居民的用水规律变化，天气气候条件的变化，管网水压安全、水质条件等等，通过建立高精度的城市用户需水量预测模型以及供水管网水压预测模型，从用户用水需求出发，利用计算机科学的先进技术从数据中挖掘价值信息，归纳抽取更加合理、高效、安全稳定的调度决策逻辑，最终构建城市用水需求预测到水量调度的数据驱动逻辑框架，有助于提高城市水务企业的业务能力、决策水平、信息治理技术和科学决策调度水平，推动城市供水的智能化建设与发展。
[0003]供水调度是城市调配水量的直接手段，通过控制水厂和泵站的水泵机组，将清水池中的清水加压后对外供应，然而现阶段的供水调度决策中，仍存在以下问题：
[0004]1.大部分水厂、泵站的调度员以人工判断等经验式的调度为主，对未来时刻的用户需水量和管网水压缺少较为充分地考虑，同时对历史数据信息的利用不够全面，通常关注当前的数据值，依赖笼统的居民用水的规律概念，没有具体的调度方法指导，经验模式相对固化。
[0005]调度员在调度过程中，主要关注供水区域中某些管网的压力情况，没有综合整体的供水管网状态评估方法，由于不同的调度员有不同的调度习惯，同一情况下，对未来何时发出调度指令，发出何种调度指令都存在较大差异，主观因素影响大，难以对调度进行统一管理和评估，缺乏合理性。需水量、水压预测与供水调度是关系到整个供水系统是否安全、合理与高效运行的关键技术。供水管网的水量和水压变化是用户用水需求的直接体现。将需水量和水压预测模型的预测结果与调度策略相互结合，充分考虑水厂和泵站的运行条件、管网安全条件等客观因素，总结供水区域的管网运行过程中测压点的压力变化规律，设计测压点压力动态阈值来实时地评估管网运行状态，形成综合全面统一的调度触发的判断机制，优化调度触发逻辑。因此，本文通过在城市的供水系统中引入用户需水量、管网水压的预测模型和测压点压力动态阈值，提出了综合全面的供水管网运行状态的评估方法。

技术实现思路

[0006]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是如何对供水管网运行状态进行评估。
[0007]为实现上述目的，本专利技术提供了一种基于预测的城市供水管网运行评估方法，首先提出了融合多纠偏机制的混合需水量预测模型，对供水区域未来一天的居民总需水量进行预测；然后提出了基于序列到序列的编解码网络结构，设计管网水压预测模型，对管网各个节点的水压进行分钟级预测；之后基于预测信息，节假日信息等提出了管网测压点的压力动态阈值。
[0008]进一步地，所述需水量预测模型需水量预测模型的输入变量包括数值特征和类别特征，所述数值特征包括日最高温度(Tmax)，日最低温度(Tmin)，考虑到天气种类对需水量有不可忽略的影响，因此额外选取了天气类型特征包括晴天、阴天、雨天等转为(One
‑
Hot)编码形式，形成17维的0、1特征序列(V
0～16
)，见下式：
[0009]x
input
＝[T
max
,T
min
,V0,V1,
…
,V
16
][0010]将3维数值特征序列与17维序列特征拼接起来，最终形成20维的输入变量。
[0011]进一步地，所述需水量预测模型使用了Stacking模型堆叠技术，所述Stacking模型堆叠技术通过K折交叉验证的方式,将数据集进行划分得到k个数据量相同的所述数据集来训练得到k个基础模型，将k个所述基础模型在验证集上的输出进行拼接作为元模型的训练集完成对元模型的训练，所述元模型训练完成之后，则所述Stacking模型堆叠过程完成；模型预测时，将一个样本实例输入所述基础模型中，得到所述基础模型的预测输出，然后将所有所述基础模型的输出进行拼接输入至下一层模型中进行训练，依此类推，由最后一层元模型输出最终预测。
[0012]进一步地，所述需水量预测模型使用了节假日纠偏模型，首先，在节假日的时候，划分得到需水量下降区间，需水量上升区间以及波谷时间；对于所述需水量下降区间，需水量从假期当天开始逐渐下降，直到降至所述波谷时间，根据历史数据分析计算，所述需水量下降区间的第t天的需水量的减少量,，见下式：
[0013][0014]式中，表示减少量，N的大小表示使用了多少年的历史节假日数据，L
fall
是所述需水量下降区间的区间长度，是该节假日期间的历史需水量波谷，表示所述需水量下降区间的第一天需水量的真实值；
[0015]同理，对于所述需水量上升区间的第t天的需水量的增加量,见下式
[0016][0017]通过对历史数据进行统计得到节假日期间每一天需水量的减少量和增加量来对不同节假日的需水量进行纠偏，具体的纠偏见式：
[0018][0019]节假日的第t天，所述需水量预测模型的输出为表示所述需水量预测模型在第t天的前n天的预测精度，根据不同的节假日，n的取值随着节假日假期的时间长短而定，(W
t
‑1‑
δ
t
)表示基于历史信息计算的第t天的需水量的经验纠偏值，因此，当所述需水量
预测模型在节假日期间的预测能力较好时，节假日纠偏值的系数1
‑
ε
n
很小，所述纠偏模型起到合理辅助预测的作用，而当所述需水量预测模型在节假日期间的预测精度越差，所述节假日纠偏值的系数越高，此时所述纠偏模型起到主导预测的作用，表示经过所述节假日纠偏模型最终的需水量。
[0020]进一步地，所述需水量预测模型的整体结构采用两层所述Stacking模型堆叠技术，第一层中所有所述基础模型均经过五折交叉验证进行训练，同种模型需要独立地训练五次，最终每种所述基础模型得到五组不同的模型参数，并对测试集产生预测输出，将第一层所述基础模型的预测输出进行拼接形成[4
×
1]的输入序列输入所述元模型，输出预测结果；国家法定假日期间，节假日因素对城市用户的用水需求影响较大，所述节假日纠偏模型将对节假日期间的需水量预测进行纠偏，而非节假日的情况下，所述节假日纠偏模型对需水量的预测值不做干预，最终得到需水量预测结果。
[0021]进一步地，所述管网水压预测模型预测某个测压点未来时间段的压力，设计输入变量包括邻近水厂、泵站的出站压力，水泵的开停信号，以及该测压点的流量、压力；所述管网水压预测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预测的城市供水管网运行评估方法，其特征在于，包括以下步骤，首先提出了融合多纠偏机制的混合需水量预测模型，对供水区域未来一天的居民总需水量进行预测；然后提出了基于序列到序列的编解码网络结构，设计管网水压预测模型，对管网各个节点的水压进行分钟级预测；之后基于预测信息，节假日信息等提出了管网测压点的压力动态阈值。2.如权利要求1所述的一种基于预测的城市供水管网运行评估方法，其特征在于，所述需水量预测模型输入变量包括数值特征和类别特征，所述数值特征包括日最高温度(Tmax)、日最低温度(Tmin)，考虑到天气种类对需水量有不可忽略的影响，因此额外选取了天气类型特征包括晴天、阴天、雨天为(One
‑
Hot)编码形式，形成17维的0、1特征序列(V
0～16
)，见下式：x
input
＝[T
max
,T
min
,V0,V1,
…
,V
16
]将2维数值所述日最高温度(Tmax)、所述日最低温度(Tmin)与17维序列特征拼接起来，最终形成19维的输入变量。3.如权利要求2所述的一种基于预测的城市供水管网运行评估方法，其特征在于，所述需水量预测模型使用了Stacking模型堆叠技术，所述Stacking模型堆叠技术通过K折交叉验证的方式，数据集进行划分得到k个数据量相同的所述数据集来训练得到k个基础模型，将k个所述基础模型在验证集上的输出进行拼接作为元模型的训练集完成对所述元模型的训练，所述元模型训练完成之后，则所述Stacking模型堆叠过程完成；所述需水量预测模型预测时，将一个样本实例输入所述基础模型中，得到所述基础模型的预测输出，然后将所有所述基础模型的输出进行拼接输入至下一层模型中进行训练，依此类推，由最后一层所述元模型输出最终预测。4.如权利要求3所述的一种基于预测的城市供水管网运行评估方法，其特征在于，所述需水量预测模型使用了节假日纠偏模型，首先，在节假日的时候，划分得到需水量下降区间、需水量上升区间以及波谷时间；对于所述需水量下降区间，需水量从假期当天开始逐渐下降，直到降至所述波谷时间，根据历史数据分析计算，所述需水量下降区间的第t天的需水量的减少量,，见下式：式中，表示减少量，N的大小表示使用了多少年的历史节假日数据，L
fall
是所述需水量下降区间的区间长度，是该节假日期间的历史需水量波谷，表示所述需水量下降区间的第一天需水量的真实值；同理，对于所述需水量上升区间的第t天的需水量的增加量，下式通过对历史数据进行统计得到节假日期间每一天需水量的减少量和增加量来对不同节假日的需水量进行纠偏，L
rise
是所述需水量上升区间的区间长度，具体的纠偏见式：
节假日的第t天，所述需水量预测模型的输出为节假日的第t天，所述需水量预测模型的输出为表示所述需水量预测模型在第t天的前n天的预测精度，根据不同的节假日的取值随着节假日假期的时间长短而定，(W
t
‑1‑
δ
t
)表示基于历史信息计算的第t天的需水量的经验纠偏值，因此，当所述需水量预测模型在节假日期间的预测能力较好时，节假日纠偏值的系数很小，所述纠偏模型起到合理辅助预测的作用，而当所述需水量预测模型在节假日期间的预测精度越差，所述节假日纠偏值的系数越高，此时所述纠偏模型起到主导预测的作用，表示经过所述节假日纠偏模型最终的需水量预测结果。5.如权利要求4所述的一种基于预测的城市供水管网运行评估方法，其特征在于，所述需水量预测模型的整体结构采用两层所述Stacking模型堆叠技术，第一层中所有所述基础模型均经过五折交叉验证进行训练，同种模型需要独立地训练五次，最终每种所述基础模型得到五组不同的模型参数，并对测试集产生预测输出，将第一层所述基础模型的预测输出进行拼接形成[4
×
1]的输入序列输入所述元模型，输出预测结果；国家法定假日期间，节假日因素对城市用户的用水需求影响较大，所述节假日纠偏模型将对节假日期间的需水量预测进行纠偏，而非节假日的情况下，所述节假日纠偏模型对需水量的预测值不做干预，得到最终需水量预测结果。6.如权利要求5所述的一种基于预测的城市供水管网运行评估方法，其特征在于，所述管网水压预测模型预测某个测压点未来时间段的压力，设计输入变量包括邻近水厂、泵站的出站压力、水泵的开停信号，以及该测压点的流量、压力；所述管网水压预...

【专利技术属性】
技术研发人员：王景成，赵平伟，蓝杨，冯偲慜，龙雨昊，薛明，吴舜禹，张新，张书伟，仇坚，汪波，林崚，徐佳辉，车琳，李肖城，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：