本發(fā)明涉及智能供水，且更為具體地，涉及智慧型供水控制方法和系統(tǒng)。

背景技術(shù)：

1、隨著城市化進(jìn)程的加快，城市供水系統(tǒng)面臨著日益嚴(yán)峻的挑戰(zhàn)。一方面，城市人口密度增加導(dǎo)致了對(duì)水資源需求的增長(zhǎng)；另一方面，氣候變化等外部因素也給城市供水系統(tǒng)的穩(wěn)定性帶來(lái)了不確定性。為了應(yīng)對(duì)這些挑戰(zhàn)，傳統(tǒng)的供水系統(tǒng)管理方式已經(jīng)不能滿足現(xiàn)代城市的需求，需要引入更加智能化的技術(shù)手段來(lái)提高供水效率和服務(wù)質(zhì)量。

2、傳統(tǒng)的城市供水系統(tǒng)主要依賴人工監(jiān)控和手動(dòng)調(diào)節(jié)，這種方式不僅耗費(fèi)大量人力物力資源，而且由于信息反饋滯后，往往不能及時(shí)響應(yīng)水網(wǎng)中的突發(fā)情況。此外，在面對(duì)季節(jié)性用水高峰或極端天氣事件時(shí)，傳統(tǒng)供水系統(tǒng)缺乏足夠的靈活性來(lái)進(jìn)行動(dòng)態(tài)調(diào)整。

3、因此，開(kāi)發(fā)一種新型智能供水控制方法顯得尤為重要，使得供水系統(tǒng)能夠根據(jù)環(huán)境參數(shù)實(shí)現(xiàn)自動(dòng)化供水，并提升供水穩(wěn)定性，減少供水事故率。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問(wèn)題，提出了本技術(shù)，以提供一種智慧型供水控制方法和系統(tǒng)，能夠根據(jù)環(huán)境參數(shù)實(shí)現(xiàn)自動(dòng)化供水，并提升供水穩(wěn)定性，減少供水事故率。

2、第一方面，本發(fā)明提供了一種智慧型供水控制方法，包括：收集城市供水系統(tǒng)在當(dāng)前時(shí)間的環(huán)境參數(shù)，包括所述城市供水系統(tǒng)的溫度、濕度、供水水壓；根據(jù)預(yù)設(shè)的模糊控制模型，對(duì)所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)進(jìn)行計(jì)算，得到在所述當(dāng)前時(shí)間的供水調(diào)節(jié)量；將所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)以及供水調(diào)節(jié)量輸入預(yù)設(shè)的lstm神經(jīng)網(wǎng)絡(luò)，所述lstm神經(jīng)網(wǎng)絡(luò)具有多層神經(jīng)元結(jié)構(gòu)，并基于所述城市供水系統(tǒng)在歷史時(shí)間的環(huán)境參數(shù)、供水調(diào)節(jié)量以及通過(guò)水泵的目標(biāo)供水策略進(jìn)行訓(xùn)練，其中，對(duì)于lstm神經(jīng)網(wǎng)絡(luò)中關(guān)聯(lián)相鄰兩層神經(jīng)元的任一權(quán)重w：且其中w(n)、w(n+1)、w(n-1)分別為權(quán)重w在第n次、第n+1次、第n-1次訓(xùn)練后的值，ρ為預(yù)設(shè)的學(xué)習(xí)率，e(n)為所述lstm神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的誤差函數(shù)在第n次訓(xùn)練后的值，為偏微分符號(hào)，α為預(yù)設(shè)的動(dòng)量項(xiàng)系數(shù)，l(n)為所述lstm神經(jīng)網(wǎng)絡(luò)第n次訓(xùn)練后的損失函數(shù)的值，β為預(yù)設(shè)的平滑系數(shù)；通過(guò)所述lstm神經(jīng)網(wǎng)絡(luò)輸出所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間t所述水泵的供水策略，包括所述水泵的流量和揚(yáng)程；根據(jù)所述水泵的供水策略，控制所述水泵的閥門(mén)開(kāi)度使所述水泵供水以在所述城市供水系統(tǒng)進(jìn)行供水。

3、可選地，前述的智慧型供水控制方法，在所述根據(jù)預(yù)設(shè)的模糊控制模型，對(duì)所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)進(jìn)行計(jì)算之前，還包括：在所述模糊控制模型中，設(shè)置所述城市供水系統(tǒng)的供水水壓的最小值pmin和最大值pmax，以確定所述城市供水系統(tǒng)的供水水壓的模糊論域；計(jì)算所述城市供水系統(tǒng)的供水水壓的最小值pmin和最大值pmax的均值pmid；為所述城市供水系統(tǒng)的供水水壓設(shè)置隸屬度函數(shù)

4、其中，p為表示所述城市供水系統(tǒng)的供水水壓的變量。

5、可選地，前述的智慧型供水控制方法，在所述根據(jù)預(yù)設(shè)的模糊控制模型，對(duì)所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)進(jìn)行計(jì)算之前，還包括：檢測(cè)所述城市供水系統(tǒng)所處的地理位置以確定所述城市供水系統(tǒng)所處地域；查詢所述城市供水系統(tǒng)所處地域的歷史最高濕度hhmax和歷史最低濕度hhmin；取所述城市供水系統(tǒng)在當(dāng)前時(shí)間的濕度的最小值取所述城市供水系統(tǒng)在當(dāng)前時(shí)間的濕度的最大值以確定在所述當(dāng)前時(shí)間所述城市供水系統(tǒng)的濕度的模糊論域，其中，pbmin為預(yù)設(shè)的最小基礎(chǔ)濕度值，hbmax為預(yù)設(shè)的最大基礎(chǔ)濕度值，δh為預(yù)設(shè)的濕度調(diào)整幅度。

6、可選地，前述的智慧型供水控制方法，還包括：檢測(cè)所述城市供水系統(tǒng)所處地域在所述當(dāng)前時(shí)間的天氣情況；根據(jù)所述城市供水系統(tǒng)所處地域在所述當(dāng)前時(shí)間的天氣情況設(shè)置天氣影響因子γwea；根據(jù)所述天氣影響因子對(duì)所述城市供水系統(tǒng)在當(dāng)前時(shí)間的濕度的最小值和最大值進(jìn)行調(diào)整，所述城市供水系統(tǒng)在當(dāng)前時(shí)間的濕度的最小值所述城市供水系統(tǒng)在當(dāng)前時(shí)間的濕度的最大值

7、可選地，前述的智慧型供水控制方法，在所述根據(jù)預(yù)設(shè)的模糊控制模型，對(duì)所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)進(jìn)行計(jì)算之前，還包括：在預(yù)設(shè)的文件中記錄所述模糊控制模型中的多個(gè)模糊規(guī)則，所述文件用于在使用所述模糊控制模型進(jìn)行計(jì)算時(shí)查詢所需的模糊規(guī)則；根據(jù)預(yù)先記錄的所述多個(gè)模糊規(guī)則的使用次數(shù)，對(duì)所述多個(gè)模糊計(jì)算規(guī)則進(jìn)行排序；按照所述多個(gè)模糊計(jì)算規(guī)則的排序，調(diào)整所述文件中所述多個(gè)模糊規(guī)則的位置。

8、可選地，前述的智慧型供水控制方法，在所述將所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)以及供水調(diào)節(jié)量輸入預(yù)設(shè)的lstm神經(jīng)網(wǎng)絡(luò)之前，還包括：對(duì)所述lstm神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)，為所述lstm神經(jīng)網(wǎng)絡(luò)設(shè)置非平衡損失l1＝we(y1-y2)2，其中y1為所述lstm神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)輸出的供水策略，y2為所述lstm神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)應(yīng)輸出的目標(biāo)供水策略，we表示所述lstm神經(jīng)網(wǎng)絡(luò)輸出的供水策略與應(yīng)輸出的目標(biāo)供水策略間的差距對(duì)供水事故發(fā)生率的影響水平；為所述lstm神經(jīng)網(wǎng)絡(luò)設(shè)置正則化損失其中，τ為預(yù)設(shè)的正則化系數(shù)，z為所述lstm神經(jīng)網(wǎng)絡(luò)中的權(quán)重總數(shù)，wi為其中的第i個(gè)權(quán)重；為所述lstm神經(jīng)網(wǎng)絡(luò)設(shè)置損失函數(shù)l＝l1+l2；計(jì)算所述lstm神經(jīng)網(wǎng)絡(luò)第n次訓(xùn)練后的損失函數(shù)l(n)的值。

9、可選地，前述的智慧型供水控制方法，在所述將所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)以及供水調(diào)節(jié)量輸入預(yù)設(shè)的lstm神經(jīng)網(wǎng)絡(luò)之前，還包括：對(duì)所述lstm神經(jīng)網(wǎng)絡(luò)進(jìn)行第n次訓(xùn)練時(shí)，計(jì)算當(dāng)前統(tǒng)計(jì)周期并對(duì)其值取整，其中t為正整數(shù)；比較所述當(dāng)前統(tǒng)計(jì)周期r與已記錄的歷史統(tǒng)計(jì)周期rh的大?。辉谒霎?dāng)前統(tǒng)計(jì)周期r大于所述歷史統(tǒng)計(jì)周期rh時(shí)，比較所述lstm神經(jīng)網(wǎng)絡(luò)第n次訓(xùn)練后的損失函數(shù)l(n)的值與預(yù)記錄的歷史損失函數(shù)lh的值的大小；在所述lstm神經(jīng)網(wǎng)絡(luò)第n次訓(xùn)練后的損失函數(shù)l(n)的值小于所述歷史損失函數(shù)lh的值時(shí)，將所述學(xué)習(xí)率ρ調(diào)小；使用所述當(dāng)前統(tǒng)計(jì)周期r更新所述歷史統(tǒng)計(jì)周期rh，使用所述lstm神經(jīng)網(wǎng)絡(luò)第n次訓(xùn)練后的損失函數(shù)l(n)的值更新所述歷史損失函數(shù)lh。

10、可選地，前述的智慧型供水控制方法，所述將所述學(xué)習(xí)率ρ調(diào)小，包括：計(jì)算目標(biāo)學(xué)習(xí)率ρtar＝ρ0d1+r，其中d取值在0至1之間；判斷目標(biāo)學(xué)習(xí)率ρtar的值是否低于預(yù)設(shè)的最小學(xué)習(xí)率的值；在判斷結(jié)果為否時(shí)，按照所述目標(biāo)學(xué)習(xí)率ρtar的值更新所述學(xué)習(xí)率ρ的值；在判斷結(jié)果為是時(shí)，按照所述最小學(xué)習(xí)率更新所述學(xué)習(xí)率ρ的值。

11、第二方面，本發(fā)明提供了一種智慧型供水控制系統(tǒng)，包括：環(huán)境參數(shù)收集模塊，收集城市供水系統(tǒng)在當(dāng)前時(shí)間的環(huán)境參數(shù)，包括所述城市供水系統(tǒng)的溫度、濕度、供水水壓；供水量計(jì)算模塊，根據(jù)預(yù)設(shè)的模糊控制模型，對(duì)所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)進(jìn)行計(jì)算，得到在所述當(dāng)前時(shí)間的供水調(diào)節(jié)量；供水策略計(jì)算模塊，將所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間的環(huán)境參數(shù)以及供水調(diào)節(jié)量輸入預(yù)設(shè)的lstm神經(jīng)網(wǎng)絡(luò)，所述lstm神經(jīng)網(wǎng)絡(luò)具有多層神經(jīng)元結(jié)構(gòu)，并基于所述城市供水系統(tǒng)在歷史時(shí)間的環(huán)境參數(shù)、供水調(diào)節(jié)量以及通過(guò)水泵的目標(biāo)供水策略進(jìn)行訓(xùn)練，其中，對(duì)于lstm神經(jīng)網(wǎng)絡(luò)中關(guān)聯(lián)相鄰兩層神經(jīng)元的任一權(quán)重w：且其中w(n)、w(n+1)、w(n-1)分別為權(quán)重w在第n次、第n+1次、第n-1次訓(xùn)練后的值，ρ為預(yù)設(shè)的學(xué)習(xí)率，e(n)為所述lstm神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的誤差函數(shù)在第n次訓(xùn)練后的值，為偏微分符號(hào)，α為預(yù)設(shè)的動(dòng)量項(xiàng)系數(shù)，l(n)為所述lstm神經(jīng)網(wǎng)絡(luò)第n次訓(xùn)練后的損失函數(shù)的值，β為預(yù)設(shè)的平滑系數(shù)；通過(guò)所述lstm神經(jīng)網(wǎng)絡(luò)輸出所述城市供水系統(tǒng)在所述當(dāng)前時(shí)間t所述水泵的供水策略，包括所述水泵的流量和揚(yáng)程；供水模塊，根據(jù)所述水泵的供水策略，控制所述水泵的閥門(mén)開(kāi)度使所述水泵供水以在所述城市供水系統(tǒng)進(jìn)行供水。

12、本發(fā)明上述一個(gè)或多個(gè)技術(shù)方案，至少具有如下一種或多種有益效果：

13、根據(jù)本發(fā)明的技術(shù)方案，通過(guò)采用預(yù)設(shè)的模糊控制模型和lstm神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了自動(dòng)化供水控制，減少了人工干預(yù)的需求，降低了操作人員的工作負(fù)擔(dān)。通過(guò)對(duì)城市供水系統(tǒng)環(huán)境參數(shù)的實(shí)時(shí)監(jiān)測(cè)和分析，能夠及時(shí)調(diào)整供水策略，確保供水過(guò)程中供水穩(wěn)定性處于理想狀態(tài)。整體過(guò)程中，通過(guò)模糊控制方式提升計(jì)算效率，通過(guò)lstm神經(jīng)網(wǎng)絡(luò)提升計(jì)算精準(zhǔn)性，所以本發(fā)明的技術(shù)方案實(shí)現(xiàn)供水控制時(shí)可以兼顧效率和準(zhǔn)確性。