本發(fā)明屬于城市供水，具體地說，涉及一種城市實時供水流量預(yù)測方法及系統(tǒng)、供水調(diào)度方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市化進(jìn)程的加快和人口的不斷增長，城市供水系統(tǒng)面臨著越來越大的壓力。傳統(tǒng)的供水調(diào)度方法往往依賴于經(jīng)驗判斷和簡單數(shù)學(xué)模型，難以準(zhǔn)確預(yù)測供水量的變化，也無法實時調(diào)整水泵的運(yùn)行狀態(tài)以應(yīng)對突發(fā)情況。傳統(tǒng)的供水調(diào)度方法不僅效率低下，還可能導(dǎo)致水資源浪費(fèi)和供水系統(tǒng)不穩(wěn)定。

2、供水量預(yù)測是供水調(diào)度的核心環(huán)節(jié)之一。供水量的變化受到多種因素的影響，包括季節(jié)變化、天氣條件、節(jié)假日、突發(fā)事件等，這些因素之間相互作用，使得供水量的預(yù)測變得尤為復(fù)雜。傳統(tǒng)供水量預(yù)測方法如線性回歸、時間序列分析等，在面臨復(fù)雜多變的供水系統(tǒng)時，往往預(yù)測的準(zhǔn)確性較差，不能滿足供水系統(tǒng)的需求。

3、水泵調(diào)度是供水調(diào)度的另一核心環(huán)節(jié)。水泵作為供水系統(tǒng)的關(guān)鍵設(shè)備，其運(yùn)行狀態(tài)直接影響供水系統(tǒng)的穩(wěn)定性和效率。傳統(tǒng)的水泵調(diào)度方法基于固定的運(yùn)行參數(shù)或簡單控制策略實現(xiàn)，無法根據(jù)實時供水需求和水泵性能進(jìn)行調(diào)整，不僅會導(dǎo)致水泵耗能增加、壽命縮短，還會影響供水系統(tǒng)的整體性能。

技術(shù)實現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術(shù)存在的供水流量預(yù)測準(zhǔn)確性較差等上述問題，提供了一種城市實時供水流量預(yù)測方法及系統(tǒng)、優(yōu)化調(diào)度方法及系統(tǒng)，能夠準(zhǔn)確預(yù)測供水流量，根據(jù)預(yù)測供水流量結(jié)合水泵特征曲線科學(xué)合理地調(diào)整水泵的運(yùn)行狀態(tài)，保證水泵高效穩(wěn)定運(yùn)行，實現(xiàn)供水優(yōu)化調(diào)度，提高供水調(diào)度效率，降低水泵的耗能和故障率，提高供水系統(tǒng)的可靠型和穩(wěn)定性。

2、為了達(dá)到上述目的，本發(fā)明第一方面，提供了一種城市實時供水流量預(yù)測方法，其步驟為：

3、數(shù)據(jù)獲取步驟：獲取預(yù)測時間點(diǎn)環(huán)境參數(shù)、歷史個時間點(diǎn)環(huán)境參數(shù)以及管網(wǎng)scada系統(tǒng)中監(jiān)測的歷史供水流量，環(huán)境參數(shù)包括節(jié)假日情況、溫度和濕度；

4、數(shù)據(jù)處理步驟：對歷史供水流量和歷史環(huán)境參數(shù)進(jìn)行預(yù)處理，將預(yù)處理后的歷史供水流量與歷史環(huán)境參數(shù)組成數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓(xùn)練集、驗證集和測試集；

5、模型構(gòu)建步驟：基于lstm神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以歷史供水流量、歷史環(huán)境參數(shù)為輸入，以預(yù)測時間點(diǎn)供水流量為輸出，構(gòu)建供水流量預(yù)測模型，其中，第n-1個時間點(diǎn)的lstm神經(jīng)網(wǎng)絡(luò)輸出作為該lstm神經(jīng)網(wǎng)絡(luò)隱藏層的輸出輸出至下一網(wǎng)絡(luò)層，并作為第n個時間點(diǎn)的供水流量預(yù)測模型的輸入，第n-2個時間點(diǎn)的lstm神經(jīng)網(wǎng)絡(luò)輸出作為該lstm神經(jīng)網(wǎng)絡(luò)隱藏層的輸出輸出至下一網(wǎng)絡(luò)層，并作為第n-1個時間點(diǎn)的供水流量預(yù)測模型的輸入，其他時間點(diǎn)依此循環(huán)；

6、模型訓(xùn)練及驗證步驟：設(shè)置供水流量預(yù)測模型參數(shù)，過訓(xùn)練集訓(xùn)練供水流量預(yù)測模型，通過驗證集驗證訓(xùn)練好的供水流量預(yù)測模型；

7、預(yù)測步驟：將測試集輸入至供水流量預(yù)測模型得到預(yù)測時間點(diǎn)的預(yù)測供水流量。

8、在一些實施例中，驗證供水流量預(yù)測模型的具體方法為：將驗證集輸入至供水流量預(yù)測模型得到預(yù)測值，計算不同模型參數(shù)下預(yù)測值與真實值的誤差，誤差最小時的模型參數(shù)為供水流量預(yù)測模型參數(shù)。

9、在一些實施例中，還包括模型優(yōu)化步驟：在預(yù)測時間點(diǎn)實時監(jiān)測管網(wǎng)scada系統(tǒng)中預(yù)測時間點(diǎn)的供水流量，將實時監(jiān)測的預(yù)測時間點(diǎn)供水流量、預(yù)測時間點(diǎn)節(jié)假日情況、預(yù)測時間點(diǎn)溫度、預(yù)測時間點(diǎn)濕度加入訓(xùn)練集中形成新訓(xùn)練集，通過新訓(xùn)練集對供水流量預(yù)測模型進(jìn)行訓(xùn)練，以優(yōu)化供水流量預(yù)測模型。

10、本發(fā)明第二方面，提供了一種城市實時供水流量預(yù)測系統(tǒng)，用于實現(xiàn)本發(fā)明第一方面所述城市實時供水流量預(yù)測方法，包括：

11、數(shù)據(jù)獲取模塊，獲取預(yù)測時間點(diǎn)環(huán)境參數(shù)、歷史個時間點(diǎn)環(huán)境參數(shù)以及管網(wǎng)scada系統(tǒng)中監(jiān)測的歷史供水流量；

12、數(shù)據(jù)處理模塊，對歷史供水流量和歷史環(huán)境參數(shù)進(jìn)行預(yù)處理，將預(yù)處理后的歷史供水流量與歷史環(huán)境參數(shù)組成數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓(xùn)練集、驗證集和測試集；

13、模型構(gòu)建模塊，基于lstm神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以歷史供水流量、歷史環(huán)境參數(shù)為輸入，以預(yù)測時間點(diǎn)供水流量為輸出，構(gòu)建供水流量預(yù)測模型；

14、模型訓(xùn)練及驗證模塊，設(shè)置供水流量預(yù)測模型參數(shù)，過訓(xùn)練集訓(xùn)練供水流量預(yù)測模型，通過驗證集驗證訓(xùn)練好的供水流量預(yù)測模型；

15、供水流量預(yù)測模塊，將測試集輸入至供水流量預(yù)測模型得到預(yù)測時間點(diǎn)的預(yù)測供水流量。

16、在一些實施例中，還包括模型優(yōu)化模塊，所述模型優(yōu)化模塊包括：

17、數(shù)據(jù)監(jiān)測模塊，用于在預(yù)測時間點(diǎn)實時監(jiān)測預(yù)測時間點(diǎn)的實際供水流量；

18、新訓(xùn)練集生成模塊，將實時監(jiān)測的預(yù)測時間點(diǎn)實際供水流量、預(yù)測時間點(diǎn)節(jié)假日情況、預(yù)測時間點(diǎn)溫度、預(yù)測時間點(diǎn)濕度加入訓(xùn)練集中形成新訓(xùn)練集，以通過新訓(xùn)練集對供水流量預(yù)測模型進(jìn)行訓(xùn)練，優(yōu)化供水流量預(yù)測模型。

19、本發(fā)明第三方面，提供了一種城市實時供水調(diào)度方法，其步驟為：

20、數(shù)據(jù)獲取步驟：獲取預(yù)測時間點(diǎn)環(huán)境參數(shù)、歷史個時間點(diǎn)環(huán)境參數(shù)以及管網(wǎng)scada系統(tǒng)中監(jiān)測的歷史供水流量，環(huán)境參數(shù)包括節(jié)假日情況、溫度和濕度；

21、數(shù)據(jù)處理步驟：對歷史供水流量和歷史環(huán)境參數(shù)進(jìn)行預(yù)處理，將預(yù)處理后的歷史供水流量與歷史環(huán)境參數(shù)組成數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓(xùn)練集、驗證集和測試集；

22、模型構(gòu)建步驟：基于lstm神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以歷史供水流量、歷史環(huán)境參數(shù)為輸入，以預(yù)測時間點(diǎn)供水流量為輸出，構(gòu)建供水流量預(yù)測模型，其中，第n-1個時間點(diǎn)的lstm神經(jīng)網(wǎng)絡(luò)輸出作為該lstm神經(jīng)網(wǎng)絡(luò)隱藏層的輸出輸出至下一網(wǎng)絡(luò)層，并作為第n個時間點(diǎn)的供水流量預(yù)測模型的輸入，第n-2個時間點(diǎn)的lstm神經(jīng)網(wǎng)絡(luò)輸出作為該lstm神經(jīng)網(wǎng)絡(luò)隱藏層的輸出輸出至下一網(wǎng)絡(luò)層，并作為第n-1個時間點(diǎn)的供水流量預(yù)測模型的輸入，其他時間點(diǎn)依此循環(huán)；

23、模型訓(xùn)練及驗證步驟：設(shè)置供水流量預(yù)測模型參數(shù)，過訓(xùn)練集訓(xùn)練供水流量預(yù)測模型，通過驗證集驗證訓(xùn)練好的供水流量預(yù)測模型；

24、預(yù)測步驟：將測試集輸入至供水流量預(yù)測模型得到預(yù)測時間點(diǎn)的預(yù)測供水流量；

25、判斷步驟：判斷預(yù)測供水流量與當(dāng)前供水流量的大小，判斷預(yù)測供水量與當(dāng)前供水量差值的絕對值是否超過設(shè)定閾值；

26、水泵狀態(tài)調(diào)整步驟：在預(yù)測供水流量大于當(dāng)前供水流量且兩者差值的絕對值超過設(shè)定閾值時，依次開啟每臺水泵、或根據(jù)流量-揚(yáng)程特征曲線和流量-效率特征曲線調(diào)高每臺水泵頻率以增加供水流量，直至所有水泵的供水流量之和達(dá)到預(yù)測供水流量；在預(yù)測供水流量小于當(dāng)前供水流量且兩者差值的絕對值超過設(shè)定閾值時，依次關(guān)閉每臺水泵、或根據(jù)流量-揚(yáng)程特征曲線和流量-效率特征曲線調(diào)低每臺水泵頻率以減小供水流量，直至所有水泵的供水流量之和達(dá)到預(yù)測供水流量。

27、在一些實施例中，在所述水泵狀態(tài)調(diào)整步驟中，確定減小供水流量時，若水泵為定速泵，且定速泵的當(dāng)前運(yùn)行狀態(tài)為開啟，則將其狀態(tài)改為關(guān)閉即可；若水泵為變頻泵，根據(jù)預(yù)測供水流量計算預(yù)測供水壓力，由水泵并聯(lián)安裝得到每臺水泵的揚(yáng)程與供水壓力相等，根據(jù)水泵的流量-揚(yáng)程特征曲線計算變頻泵的供水流量，根據(jù)流量-效率特征曲線確定變頻泵是否處于高效區(qū)，若變頻泵的運(yùn)行狀態(tài)高于高效區(qū)或者已經(jīng)在高效區(qū)內(nèi)，則將變頻泵的運(yùn)行頻率調(diào)低并最終達(dá)到高效區(qū)內(nèi)效率最高點(diǎn)左側(cè)的最低運(yùn)行頻率，若變頻泵的運(yùn)行狀態(tài)低于高效區(qū)，則不調(diào)整變頻泵的運(yùn)行頻率。

28、在一些實施例中，在所述水泵狀態(tài)調(diào)整步驟中，確定增加供水流量時，若水泵為定速泵，定速泵的當(dāng)前運(yùn)行狀態(tài)為關(guān)閉，則將其狀態(tài)改為開啟即可；若水泵為變頻泵，根據(jù)預(yù)測供水流量計算預(yù)測供水壓力，由水泵并聯(lián)安裝得到每臺水泵的揚(yáng)程與供水壓力相等，根據(jù)水泵的流量-揚(yáng)程特征曲線計算變頻泵的供水流量，根據(jù)流量-效率特征曲線確定變頻泵是否處于高效區(qū)，若變頻泵的運(yùn)行狀態(tài)低于高效區(qū)或者已經(jīng)在高效區(qū)內(nèi)，則將變頻泵的運(yùn)行頻率調(diào)高并最終達(dá)到高效區(qū)內(nèi)效率最高點(diǎn)右側(cè)的最高運(yùn)行頻率，若變頻泵的運(yùn)行狀態(tài)高于高效區(qū)，則不調(diào)整變頻泵的運(yùn)行頻率。

29、在一些實施例中，在所述水泵狀態(tài)調(diào)整步驟中，若水泵為變頻泵，當(dāng)預(yù)測供水流量大于當(dāng)前水廠的最大出水流量、所有變頻泵均處于開啟狀態(tài)、所有變頻泵運(yùn)行頻率為高效區(qū)內(nèi)最高運(yùn)行頻率且未達(dá)到變頻泵的額定流量時，根據(jù)優(yōu)先級依次調(diào)節(jié)每臺變頻泵，將運(yùn)行頻率調(diào)整到額定頻率直至達(dá)到預(yù)測供水量。

30、本發(fā)明第四方面，提供了一種城市實時供水調(diào)度系統(tǒng)，用于實現(xiàn)本發(fā)明第三方面所述城市實時供水調(diào)度方法，包括：

31、數(shù)據(jù)獲取模塊，獲取預(yù)測時間點(diǎn)環(huán)境參數(shù)、歷史個時間點(diǎn)環(huán)境參數(shù)以及管網(wǎng)scada系統(tǒng)中監(jiān)測的歷史供水流量；

32、數(shù)據(jù)處理模塊，對歷史供水流量和歷史環(huán)境參數(shù)進(jìn)行預(yù)處理，將預(yù)處理后的歷史供水流量與歷史環(huán)境參數(shù)組成數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓(xùn)練集、驗證集和測試集；

33、模型構(gòu)建模塊，基于lstm神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以歷史供水流量、歷史環(huán)境參數(shù)為輸入，以預(yù)測時間點(diǎn)供水流量為輸出，構(gòu)建供水流量預(yù)測模型；

34、模型訓(xùn)練及驗證模塊，設(shè)置供水流量預(yù)測模型參數(shù)，過訓(xùn)練集訓(xùn)練供水流量預(yù)測模型，通過驗證集驗證訓(xùn)練好的供水流量預(yù)測模型；

35、供水流量預(yù)測模塊，將測試集輸入至供水流量預(yù)測模型得到預(yù)測時間點(diǎn)的預(yù)測供水流量；

36、判斷模塊，判斷預(yù)測供水流量與當(dāng)前供水流量的大小，判斷預(yù)測供水量與當(dāng)前供水量差值的絕對值是否超過設(shè)定閾值；

37、水泵狀態(tài)調(diào)整模塊，在預(yù)測供水流量大于當(dāng)前供水流量且兩者差值的絕對值超過設(shè)定閾值時，依次開啟每臺水泵或調(diào)高每臺水泵頻率以增加供水流量，直至所有水泵的供水流量之和達(dá)到預(yù)測供水流量；在預(yù)測供水流量小于當(dāng)前供水流量且兩者差值的絕對值超過設(shè)定閾值時，依次關(guān)閉每臺水泵或調(diào)低每臺水泵頻率以減小供水流量，直至所有水泵的供水流量之和達(dá)到預(yù)測供水流量。

38、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

39、（1）本發(fā)明提供的城市實時供水流量預(yù)測方法及系統(tǒng)，基于lstm神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建供水流量預(yù)測模型，并進(jìn)行訓(xùn)練并驗證，使用lstm神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)學(xué)些城市歷史供水流量變化規(guī)律，捕捉供水流量與時間、溫度、濕度、節(jié)假日的長期依賴關(guān)系，使用訓(xùn)練驗證后的供水流量模型能夠準(zhǔn)確預(yù)測未來各泵站供水流量，進(jìn)而得到個泵站未來供水壓力。相比于傳統(tǒng)的預(yù)測方法，本發(fā)明預(yù)測方法及系統(tǒng)能夠跟準(zhǔn)確地反映供水流量變化趨勢，為供水調(diào)度決策提供更為可靠的依據(jù)。

40、（2）本發(fā)明提供的城市實時供水調(diào)度方法及系統(tǒng)，將基于lstm神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建的供水流量預(yù)測模型預(yù)測的供水流量與當(dāng)前供水流量的大小判斷與水泵特征曲線的運(yùn)行狀態(tài)判斷相結(jié)合進(jìn)行供水調(diào)度，與現(xiàn)有供水調(diào)度方法相比，供水調(diào)度策略更為科學(xué)合理，能夠?qū)崿F(xiàn)供水系統(tǒng)的供需平衡和資源的優(yōu)化配置，提高供水系統(tǒng)的整體運(yùn)行效率和經(jīng)濟(jì)效益，為城市供水系統(tǒng)的穩(wěn)定、高效運(yùn)行提供有利的保障。