管道液压调控方法、装置及系统与流程
本公开涉及电控技术领域，尤其涉及一种管道液压调控方法、装置及系统。
背景技术：
管网运行压力是影响管道漏损的主要因素之一，当管网压力富裕时，一般可通过人工调节变频泵泵后压力或在分区加装减压阀门控制下游到某一设定压力，从而降低漏损量及爆管率，同时减少泵站能耗。
为保障用水需求，现状一般依靠人工经验分时段设定泵后压力或维持分区减压阀到某个固定压力运行，但实际用水随用户特性及季节性波动可能很大，一是人工调节麻烦且不够精确，二是使得供水管网一直保持高于用户需求的压力下运行，从而不能适用水需求且造成漏耗及能耗偏高。
可见，现有的水压调节方案存在耗费人力和能耗、控制精度低的技术问题。
技术实现要素：
有鉴于此，本公开实施例提供一种管道液压调控方法、装置及系统，至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种管道液压调控方法，应用于供液管道，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀；所述方法包括：
采集所述第一位点、所述第二位点和所述第三位点的实时液压值；
接收用户输入的对应第三位点的目标液压值；
将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值；
根据所述第二位点的调控液压值修改所述调压阀的调压参数，以使得所述第三位点的实时液压值匹配所述目标液压值。
根据本公开实施例的一种具体实现方式，所述将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值的步骤，包括：
确定所述液体管道适配的目标调控类型，其中，所述目标调控类型为基于时间调控液压类型和基于流量调控液压类型中的任一种；
调用所述目标调控类型对应的目标液压调控模型；
将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入所述目标液压调控模型，得到所述第二位点的调控液压值。
根据本公开实施例的一种具体实现方式，所述将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入所述目标液压调控模型的步骤，包括：
若所述目标液压调控类型为基于时间调控液压类型，则将当前时间，以及所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入基于时间调控的液压调控模型；
若所述目标液压调控类型为基于流量调控液压类型，则将当前流量，以及所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入基于流量调控的液压调控模型。
根据本公开实施例的一种具体实现方式，所述采集所述第一位点、所述第二位点和所述第三位点的实时液压值的步骤之前，所述方法还包括：
在历史时段内，按照预设频率周期性地采集所述第一位点、所述第二位点和所述第三位点的液压值；
根据所述历史时段内每个采样时刻对应的目标日期类型，将全部液压值分别归类为工作日数据、休息日数据和异常用水日数据，其中，所述目标日期类型为工作日、休息日和异常用水日中的任一种；
构建基础分析模型；
将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到基于时间类型的液压调控模型。
根据本公开实施例的一种具体实现方式，所述构建基础分析模型，将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到液压调控模型的步骤，包括：
确定调压的时间间隔dt；
设置单日内调控阀的调压目标函数为
确定所述第三位点的目标液压值大于或者等于第三位点的实际液压值下的置信度，即p{p3t≥p3st}＝1-α；
求解所述第二位点和所述第三位点之间的实时液压差值dp的变化曲线；
设置液压分段数及初始液压，由初始设置的分段压力取值进行聚类分析，求解单日内所述第二位点和所述第三位点之间的实时液压差值dp的变化曲线的合理分段及合理取值，得到根据第三位点的目标液压值p3s求解第二位点的调控液压值的数学模型，作为基于时间调控类型的液压调控模型。
根据本公开实施例的一种具体实现方式，所述采集所述第一位点、所述第二位点和所述第三位点的实时液压值的步骤之前，所述方法还包括：
在历史时段内，按照预设频率周期性地采集所述第一位点的入口流量值以及所述第二位点和所述第三位点的液压值；
根据所述历史时段内每个采样时刻对应的目标日期类型，将全部入口流量值及对应的液压值分别归类为工作日数据、休息日数据和异常用水日数据，其中，所述目标日期类型为工作日、休息日和异常用水日中的任一种；
构建基础分析模型；
将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到基于流量类型的液压调控模型。
根据本公开实施例的一种具体实现方式，所述将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到基于流量类型的液压调控模型的步骤，包括：
确定调压的时间间隔dt；
设置单日内调控阀的调压目标函数为
利用设定步长对(qt，dpt)系列进行离散化(qi，dpi)，对于离散点压力按所对应的流量从小到大进行排序，求得同一q下dpi的概率上限；
采用人工神经网络拟合dp～q上限曲线，得到根据流量q得到dp值，进而求解所述第二位点的调控液压值的数学模型，作为基于流量调控类型的液压调控模型。
根据本公开实施例的一种具体实现方式，所述将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型的步骤之前，所述方法还包括：
对所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值进行预处理，其中，所述预处理包括异常值剔除处理和缺失数据弥补处理中的至少一种。
第二方面，本公开实施例提供了一种管道液压调控装置，应用于供液管道，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀；所述装置包括：
采集模块，用于采集所述第一位点、所述第二位点和所述第三位点的实时液压值；
接收模块，用于接收用户输入的对应第三位点的目标液压值；
输入模块，用于将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值；
调控模块，用于根据所述第二位点的调控液压值修改所述调压阀的调压参数，以使得所述第三位点的实时液压值匹配所述目标液压值。
第三方面，本公开实施例提供了一种管道液压调控系统，包括供液管道和处理器，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀，所述处理器用于执行前述第一方面中任一项所述的管道液压调控方法。
本公开实施例中的管道液压调控方案，应用于供液管道，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀；所述方法包括：采集所述第一位点、所述第二位点和所述第三位点的实时液压值；接收用户输入的对应第三位点的目标液压值；将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值；根据所述第二位点的调控液压值修改所述调压阀的调压参数，以使得所述第三位点的实时液压值匹配所述目标液压值。本公开实施例提供的管道液压调控方案，能够实现压力自适应调控，应用于不同条件下的自来水管网，能够根据用水需求自动调压阀后压力，从而满足用户用水且能降低管网漏失。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种管道液压调控方法的流程示意图；
图2至为本公开实施例提供的管道液压调控方法所应用的管道的结构示意图；
图3至图20为本公开实施例提供的管道液压调控方法所涉及的过程示意图；
图21为本公开实施例提供的一种管道液压调控装置的结构示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种管道液压调控方法。本实施例提供的管道液压调控方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，为本公开实施例提供的一种管道液压调控方法的流程示意图。应用于供液管道，如图2所示，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀。如图1所示，所述方法主要包括以下步骤：
s101，采集所述第一位点、所述第二位点和所述第三位点的实时液压值；
本实施例提供的管道液压调控方法，应用于独立供水区域或者供液区域，例如泵站加压片区、分区减压片区等，安装有变频水泵设备或可调式减压阀等调压设备。本实施例主要以减压为例，解释所提供的管道液压调控方法的具体实施过程。
具体的，如图2所示，供液管道内存在沿流向的第一位点、第二位点和第三位点。设定第一位点的入口流量为q，第二位点的调压阀的阀前压力为p1，通过减压后阀后压为p2，分区供液管道的最不利点即第三位点，实际压力为p3，而最不利点的目标液压为p3s，则减压阀压力控制目标为：通过调节阀后压p2y，使得实际压力p3尽可能接近目标设定压力p3s，即p3→p3s。
在进行液压调控时，需要采集第一位点、第二位点和第三位点的实时液压值。
s102，接收用户输入的对应第三位点的目标液压值；
在采集到第一位点、第二位点和第三位点的实时液压值之后，还需要接收用户输入的对应第三位点的目标液压值，即p3s。
s103，将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值；
预先存储有根据分区历史液压数据训练得到的液压调控模型，该调控模型可以根据实时液压数据进行自动调节。即将上述步骤所采集的第一位点、第二位点和第三位点的实时液压值，以及用户输入的第三位点的目标液压值，为液压调控模型的对应参数赋值，即可计算得到第二位点的理论的调控液压值。
s104，根据所述第二位点的调控液压值修改所述调压阀的调压参数，以使得所述第三位点的实时液压值匹配所述目标液压值。
根据上述步骤中计算得到的第二位点的调控液压值修改调压阀的调压参数，即可使得第三位点的实时液压值匹配到用户输入的目标液压值。通常，第三位点的实时液压值匹配目标液压值为二者无限接近的意思。
本公开实施例中的管道液压调控方案，应用于供液管道，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀。通过第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值；根据所述第二位点的调控液压值修改所述调压阀的调压参数，以使得所述第三位点的实时液压值匹配所述目标液压值。本公开实施例提供的管道液压调控方案，能够实现压力自适应调控，应用于不同条件下的自来水管网，能够根据用水需求自动调压阀后压力，从而满足用户用水且能降低管网漏失。
在上述实施例的基础上，本公开实施例还提供了利用历史液压数据训练得到液压调控模型的方案，下面将对模型训练的过程进行具体解释。
根据本公开实施例的一种具体实现方式，所述将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值的步骤，包括：
确定所述液体管道适配的目标调控类型，其中，所述目标调控类型为基于时间调控液压类型和基于流量调控液压类型中的任一种；
调用所述目标调控类型对应的目标液压调控模型；
将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入所述目标液压调控模型，得到所述第二位点的调控液压值。
本实施例中，限定液压调控方案有两种，一种是基于时间调控液压类型，一种是基于流量调控液压类型，这两种液压调控类型适配不同的分区情况。例如，基于时间调控液压类型可以适配于液压受时间影响较大而受流量影响较小的分区管网，基于流量调控液压类型则更适配于液压受入口流量影响较大而受时间影响较小的分区管网。
将为不同类型的分区管网提供选择性，计算过程全自动化。下面将分别解释这两种调控类型的模型训练及调控效果。
第一方面，基于时间调控液压类型。根据本公开实施例的一种具体实现方式，所述将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入所述目标液压调控模型的步骤，包括：
若所述目标液压调控类型为基于时间调控液压类型，则将当前时间，以及所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入基于时间调控的液压调控模型；
若所述目标液压调控类型为基于流量调控液压类型，则将当前流量，以及所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入基于流量调控的液压调控模型。
根据本公开实施例的一种具体实现方式，所述采集所述第一位点、所述第二位点和所述第三位点的实时液压值的步骤之前，所述方法还包括：
在历史时段内，按照预设频率周期性地采集所述第一位点、所述第二位点和所述第三位点的液压值；
根据所述历史时段内每个采样时刻对应的目标日期类型，将全部液压值分别归类为工作日数据、休息日数据和异常用水日数据，其中，所述目标日期类型为工作日、休息日和异常用水日中的任一种；
构建基础分析模型；
将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到基于时间类型的液压调控模型。
进一步的，所述构建基础分析模型，将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到液压调控模型的步骤，包括：
确定调压的时间间隔dt；
设置单日内调控阀的调压目标函数为
确定所述第三位点的目标液压值大于或者等于第三位点的实际液压值下的置信度，即p{p3t≥p3st}＝1-α；
求解所述第二位点和所述第三位点之间的实时液压差值dp的变化曲线；
设置液压分段数及初始液压，由初始设置的分段压力取值进行聚类分析，求解单日内所述第二位点和所述第三位点之间的实时液压差值dp的变化曲线的合理分段及合理取值，得到根据第三位点的目标液压值p3s求解第二位点的调控液压值的数学模型，作为基于时间调控类型的液压调控模型。
如图3至图5所示，根据选定区域内压力频率，例如15min，将单日24小时划分为96个时段，后续将利用优化调控方法计算出减压阀、水泵阀后控制压力。记录最近三个月的p1、p2、p3，并根据数据来源日期将数据划分为工作日数据、休息日数据及异常用水日，分别形成相应数据库，每日数据库都有96组压力数据。例如，一周内5个工作日，即分为两大组，即工作日组周一至周五，合休息日组周六周日，另外允许用户定义特殊用水日如国庆、五一、用户自定义的水管检修日等异常用水时间，这3类原始数据会有较大差别。
由于用户在白天与夜间的每小时用水需求各不相同，因而阀后压可按时间进行多阶段控制。构建最佳控漏模型，以dt为时间间隔(假定1小时调整t次)，考虑一天24小时内减压阀调整目标为：
为保证最不利点实际压力不低于p3s，从统计学角度上来讲，即给予较大的置信度1-α，使得p3≥p3s，则其目标也可表示为：p{p3t≥p3st}＝1-α。求解时，如图4和图5所示，根据实际dp变化曲线，设置压力分段数及初始压力(聚类初始点)，由初始设置的分段压力取值进行聚类分析，求得一天内dp曲线的合理分段及合理取值，最后根据p3s设定值可求得p2策略值。监测目标z的变化，当运行一段时间后，若z>z允许，启动自动优化，重新调整阀后压力p2。由此得到的基于时间的液压调控模型可以适配于受时间影响较大的液压调控方案。
第二方面，基于流量调控液压类型。根据本公开实施例的一种具体实现方式，所述采集所述第一位点、所述第二位点和所述第三位点的实时液压值的步骤之前，所述方法还包括：
在历史时段内，按照预设频率周期性地采集所述第一位点的入口流量值以及所述第二位点和所述第三位点的液压值；
根据所述历史时段内每个采样时刻对应的目标日期类型，将全部入口流量值及对应的液压值分别归类为工作日数据、休息日数据和异常用水日数据，其中，所述目标日期类型为工作日、休息日和异常用水日中的任一种；
构建基础分析模型；
将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到基于流量类型的液压调控模型。
根据本公开实施例的一种具体实现方式，所述将全部所述工作日数据、所述休息日数据和所述异常用水日数据均集合输入所述基础分析模型，训练得到基于流量类型的液压调控模型的步骤，包括：
确定调压的时间间隔dt；
设置单日内调控阀的调压目标函数为
利用设定步长对(qt，dpt)系列进行离散化(qi，dpi)，对于离散点压力按所对应的流量从小到大进行排序，求得同一q下dpi的概率上限；
采用人工神经网络拟合dp～q上限曲线，得到根据流量q得到dp值，进而求解所述第二位点的调控液压值的数学模型，作为基于流量调控类型的液压调控模型。
如图6所示，当样本数据满足涵盖不同时间及季节下运行工况时，对于不同的入口流量q，历史数据离散点dpt的分布应呈统计学规律，因而可采用最小二乘拟合来求得dp与q的关系曲线。
若假定减压阀至最不利点的压力损失为∑h，在分区管路确定的情形下，该值可表示为两者之间任意一条供水路径上各管段流速的状态函数，即
∑h＝f′(v,v1,v2,…)
为简化问题，认为水头损失在数值上可表示为阀入口流量q的某种数学关系：
∑h＝f(q)
从管路压降上来，有p2-∑h＝p2-f(q)＝p3，从而
由于受实际用水情况影响较大，在减压阀调控未稳定时，其压力波动与入口流量不会呈现固定的函数关系，但存在统计学关系，按压力控制基本原理，此时应给予一较大置信概率取其上限。而随着数据量的积累，该概率上限会发生动态变化，而最终逐渐趋于稳定。
选择合适的步长，对(qt,dpt)系列进行离散化(qi,dpi)，对于离散点压力按所对应的流量大小(从小到大)进行排序，求得同一q下dpi的概率上限(如1-α＝97.5％)，然后采用人工神经网络拟合该dp～q上限曲线，如图7和图8所示。根据在线采集的流量q，就可得到不同q下的dp值，从而可求得p2。考虑到用水季节性变化，采用新的运行数据使得dp～q曲线能在线更新学习这种规律，则保证了这种压力控制技术的自适应性。由此得到的基于流量的液压调控模型可以适配于受流量影响较大的液压调控方案。
此外，在上述各实施方式的基础上，还增设了数据预处理的步骤。根据本公开实施例的一种具体实现方式，所述将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型的步骤之前，所述方法还包括：
对所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值进行预处理，其中，所述预处理包括异常值剔除处理和缺失数据弥补处理中的至少一种。
液压调控流程中所采集压力流量实测数据，由于这些数据的来源及格式以及及采集频率多样，而且实测数据中还存在大量异常和缺失数据，因而均需要利用模型进行压力流量数据预处理，例如进行异常数据剔除、缺失数据弥补、数据频率统一等处理，主要处理流程如图9所示。其中主要包括，测试仪logger获取压力实测数据，数据格式为.txt，进入数据预处理流程。管网压力、流量监控scada数据通过sql数据库导出为txt或者access数据后进入预处理流程。下面将从各类数据处理类型分别解释。
本次进行异常数据剔除与缺失数据弥补的操作主要来解决如下实际问题：
①剔除实测设备从启动至安装间无意义的数据，如未安装前压力接近0；
②剔除所有压力流量测量数据中的异常数据，如超过阙值的数据；
③对系统中缺失的大量数据进行弥补，例如某时刻未监测到的数据。
其一，异常值剔除。实测数据一般采用统计判别法来判断，即给定一个置信概率，并确定一个置信限，凡超过此限的误差，就认为它不属于随机误差范围，将其视为异常数据剔除。本文采用拉依达准则(3σ准则)进行异常值得判断，即若实测压力或流量数据的总体x是服从正态分布的，则有p(|x-u|＞3σ)≤0.003。
因而，如图10-12所示，对于大于μ+3σ或小于μ-3σ的实测数据作为异常数据，予以剔除。剔除后，对余下的各数据重新计算偏差和标准偏差，并继续审查，直到各个偏差均小于3σ为止。
对于偏差±3σ时，p＝99.7％；偏差±2σ时，p＝95.4％。因而，当置信度要求不高时，取2σ亦可。
其二，缺失数据弥补。缺失数据弥补的方法较多，有均值替换、插值法、回归替换、多重替代等方法，考虑到压力流量数据的时间序列特性及处理的简便性，本次缺失数据的处理方法为：
若缺失数据为单个缺失，则构造三次样条插值多项进行插值弥补：即先利用非缺失构造三次插值函数，然后将缺失数据的节点作为插值节点，计算出压力流量值；
若缺失数据为连续缺失，则分析时间序列数据的周期性特点，取每天同一时刻对应的非缺失数据的均值。
如图13至图15所示，为主要几个测压测流点数据预处理前后对比示意图。
其三，数据频次的统一。由于不同位置数据采集频率各不相同，如设备1为分区监测数据，压力数据和水表流量数据采集频率为15min，设备2位管网在线监测点，压力流量数据为1min，设备3为水厂监控系统出口压力流量数据为10s，因而需进行数据频次统一处理，如表1所示，本次统一处理成频次15min或1h。
表1
由于水表计量的为累计流量，而流量计为瞬时流量，因而在数据频次的转化中，确定压力取值按以下原则进行：
a)若流量为瞬时值，则压力也取对应时刻的瞬时值(如流量为流量计计量)；
b)若流量为累计流量计算值，则转化时压力取该时段的平均值(如流量为水表计量)。
以下以流量计为例，如图16和17为流量计的流量数据，间隔1min，由于采集的是瞬时流量，因而转换成15min间隔时直接采用15min整点瞬时流量，当所在时间点恰好没有对应流量数据时采用上述缺失数据弥补方法中的插值方式处理。分析频次统一前如下图16所示，转化前维数20314，时间间隔1min；转化后如图17所示，维数1429，时间间隔15min。
本实施例提供的液压调控方案，主要具备如下优点：
开发管网压力控制策略，广泛适应于各种管网。如图18所示，集成多种分区压力调控策略，实现自适应动态压力优化调控。
漏失控制效果好，精度较高。如图19和图20所示，夜间流量下降10％以上，自适应动态调节可达到5％以下。最小夜间流量：从平均27.2l/s降至17.2l/s，降低比36.8％，单压力控制漏失率下降3％～5％。
3、控制精度明显提升，误差百分比降低。如表2所示，针对基于流量控制平均误差的情况，p3平均绝对误差百分比为8.4％，p2平均绝对误差百分比为4.40％。如表3所示，针对基于时间的多段自适应控制平均误差情况，p2平均绝对误差百分比达2.50％，p3平均绝对误差百分比达3.93％。
表2
表3
综上，本发明提供的液压调控方法，基于时间及基于流量变化的两种压力自适应调控方法，应用于不同条件下的自来水管网，能够根据用水需求自动调节阀后压力，从而满足用户用水且能降低管网漏失。能根据用水需求自适应调整，其应用能起到节水节能的作用，提高供水企业的经济效益和管理水平。
与上面的方法实施例相对应，参见图21，本公开实施例还提供了一种管道液压调控装置，应用于供液管道，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀；所述装置210包括：
采集模块2101，用于采集所述第一位点、所述第二位点和所述第三位点的实时液压值；
接收模块2102，用于接收用户输入的对应第三位点的目标液压值；
输入模块2103，用于将所述第一位点、所述第二位点和所述第三位点的实时液压值以及所述第三位点的目标液压值输入预设的液压调控模型，得到所述第二位点的调控液压值；
调控模块2104，用于根据所述第二位点的调控液压值修改所述调压阀的调压参数，以使得所述第三位点的实时液压值匹配所述目标液压值。
此外，本公开实施例提供了一种管道液压调控系统，包括供液管道和处理器，所述供液管道内沿液体流向依次存在第一位点、第二位点和第三位点，所述第二位点安装调压阀，所述处理器用于执行前述第一方面中任一项所述的管道液压调控方法。
图21所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！