一种用电量测算水量的模型构建及算法优化的制作方法

本发明涉及一种测算模型构建及算法优化，具体地说涉及一种利用嵌入式监测技术获取水泵工作运行期间的耗电量，根据电、水转换关系间接计量排灌站点供水量，模型参数优化采用改进粒子群算法，算例分析采用集成流量计、电表、仪器、仪表采集算例数据，对耗电量和供水量的数据进行记录和分析的一种用电量测算水量的模型构建及算法优化。
背景技术：
：现在农村排灌站根据电、水转换关系间接计量排灌站点供水量的农业用水间接计量方法，会存在很大误差，特别是水泵在满负荷运转和轻负荷运转以及电压高和电压低的情况下，会误差更大，如果水泵存在空转，就会更不准确。技术实现要素：本发明的目的是克服现有技术的不足之处，提供一种利用嵌入式监测技术获取水泵工作运行期间的耗电量，根据电、水转换关系间接计量排灌站点供水量，模型参数优化采用改进粒子群算法，算例分析采用集成流量计、电表、仪器、仪表采集算例数据，对耗电量和供水量的数据进行记录和分析的一种用电量测算水量的模型构建及算法优化。本发明解决其技术问题所采用的技术方案是：一种用电量测算水量的模型构建及算法优化，包括电、水法模型构建和模型参数优化以及算例分析，电、水法模型构建是一种利用嵌入式监测技术获取水泵工作运行期间的耗电量，根据电、水转换关系间接计量排灌站点供水量的农业用水间接计量方法，电、水法的经验系数定义为总供水量和总耗电量的比值，模型参数优化中参数寻优方法的主要流程为，选取待优化参数，确定目标函数，生成参数样本空间，优化算法，多项式系数为本次参数寻优中的待优化参数，目标函数定义为误差平方和，模型参数优化采用最小二乘法和粒子群算法以及改进粒子群算法，算例分析采用集成流量计、电表、仪器、仪表采集算例数据，对耗电量和供水量的数据进行记录，分别采用lsm、pso和ipso三种算法对电、水法模型的参数进行寻优，并对结果进行分析。本发明的有益效果是，一种用电量测算水量的模型构建及算法优化，对电、水法模型进行了优化改进，针对粒子群算法的缺陷，采用自适应调整惯性权重和变邻域混沌搜索的改进粒子群算法，分别采用lsm、pso、ipso三种算法优化模型参数，结合仿真结果分析得出三种算法都可对电、水法模型参数进行优化，ipso收敛速度快，有高的寻优精度，结合优化参数所拟合的特征曲线所反映的耗电量和供水量的关系为真实准确。附图说明下面结合附图和实施例对本发明进一步说明。图1是本发明的实施例一的改进粒子群算法流程图。图2是本发明的实施例一的算法性能比较图。图3是本发明的实施例一的ipso拟合电水转换关系二次特征曲线图。图4是本发明的实施例一的ipso拟合电水转换关系三次特征曲线图。具体实施方式实施本发明的一种用电量测算水量的模型构建及算法优化，包括电、水法模型构建和模型参数优化以及算例分析，电、水法模型构建是一种利用嵌入式监测技术获取水泵工作运行期间的耗电量，根据电、水转换关系间接计量排灌站点供水量的农业用水间接计量方法，电、水法的经验系数定义为总供水量和总耗电量的比值，模型参数优化中参数寻优方法的主要流程为，选取待优化参数，确定目标函数，生成参数样本空间，优化算法，多项式系数为本次参数寻优中的待优化参数，目标函数定义为误差平方和，模型参数优化采用最小二乘法和粒子群算法以及改进粒子群算法，算例分析采用集成流量计、电表、仪器、仪表采集算例数据，对耗电量和供水量的数据进行记录，分别采用lsm、pso和ipso三种算法对电、水法模型的参数进行寻优，并对结果进行分析。实施本发明的一种用电量测算水量的模型构建及算法优化，粒子群算法采用粒子群优化算法，粒子群优化算法是一种多代理算法，原理上是一种信息共享机制，采用了速度加位移的搜索模型，通过个体间频繁的共享经验，最终促使整个群体的发展，初始时，各粒子的速度和位置随机分布在解空间之中，之后根据个体最优极值和全局最优极值对自身的位置和速度进行动态调整，经过多轮迭代后，最终的位置向量即为寻优后的模型参数。实施本发明的一种用电量测算水量的模型构建及算法优化，改进粒子群算法包括自适应调整惯性权重和变邻域混沌搜索，自适应调整惯性权重采用pso算法的收敛能力与惯性权重的关联，自适应调整惯性权重即能随着当前粒子与全局最优粒子间的距离变动而动态调整，改进粒子群算法前期粒子需要有较强的搜索能力，取值应该要最大化，后期为了便于全局最优解的收敛，取值应最小化，放缓搜索速度，自适应调整惯性权重的方法为，惯性权重由当前粒子与全局最优粒子间的欧式距离以及算法的迭代次数共同决定，变邻域混沌搜索是针对算法易于陷入局部最优解的问题，将变邻域混沌搜索的方法引入pso算法之中，对pso算法的性能进行了优化，提高了求解精度，在一定时间范围内，当全局最优解不再更新时，则开始改变寻求最优解的邻域范围，即变邻域混沌搜索，若变邻域混沌搜索后的全局最优解不再改变，则上次的结果为真全局最优解，否则进行全局最优解的替换，变邻域混沌搜索是一种全局最优解的变异过程，目的是为了提高获得最优解的概率。实施本发明的一种用电量测算水量的模型构建及算法优化，电、水法模型应进行优化改进，针对粒子群算法的缺陷，采用自适应调整惯性权重和变邻域混沌搜索的改进粒子群算法，分别采用lsm、pso、ipso三种算法优化模型参数，结合仿真结果分析得出三种算法都可对电、水法模型参数进行优化，ipso收敛速度快，有高的寻优精度，结合优化参数所拟合的特征曲线所反映的耗电量和供水量的关系为真实准确。本发明实施例一：一种用电量测算水量的模型构建及算法优化，电、水法是一种利用嵌入式监测技术获取水泵工作运行期间的耗电量，根据电、水转换关系间接计量排灌站点供水量的农业用水间接计量方法，工程中将电、水法的经验系数定义为总供水量和总耗电量的比值，如式(4-1)所示：c＝tw/te(4-1)其中c为电、水转换系数，水泵的总供水量和总耗电量分别由tw、te表示。式(1)理想地将耗电量与供水量之间认定为是线性关系。同时，水泵在运行期间的其它的影响因素没有纳入考虑范围之内，以此作为经验系数会对计量结果产生较大的影响。用pe表示水泵在运行过程中的有效功率，实际消耗功率用pr表示，则两者之间的比值η定义为装置效率。依据水泵的有效功率定义和能量守恒定律可得：pe＝9.8fh＝ηpr(4-2)式(4-2)中f表示水泵在单位时间内的供水量，单位为m3/s，h是水泵的净扬程，单位为m。对上式进行整理，可得出单位时间供水量的表达式，如下：针对水泵在运行期间存在其它因素对电、水法测量精度造成影响的问题，前期对应用试点下的几十座排灌站点进行了大量、长期的现场测试，得到以下结论：(1)水泵规格的变化不会对水泵的流量功率比造成影响；(2)扬程小范围内的变化对流量功率比的影响可以不作考虑；(3)流量功率比随着装置效率的提升而提升。由结论(2)、(3)可得：水泵的净扬程h在式(4-3)中可以视作为常量；在一个适当的功率区间内装置效率η也可认为是不变的。因此，可以采用分段线性函数对电、水法模型进行准确描述，如式(4-4)所示。实际上，每一个pr区间的划分和相应区间内的η值的确定是非常困难的。同时，分段线性函数表示起来较为繁琐，在嵌入式设备中实现会增加其运算的复杂性，降低工作效率。因此，在此对电、水法模型所表征的特征曲线做进一步的分析，根据高等数学中导数的定义，可以得到在特征曲线上任意一点pr的瞬时变化率为：上式反映了特征曲线的变化趋势，不难发现曲线对应的特征函数是递增函数；而管道效率、机泵效率、传动效率、进出水池效率共同决定了水泵的工作效率。在电机空载的情况下，其运行效率和功率因数都很低，随着负载的增加这两者有着显著的提高，并在额定负载时达到最大值。由此可知，机泵效率波动范围较大。因此，特征曲线的变化趋势受机泵效率的影响程度最大。因变化率为正数，所以整个特征曲线呈现出递增的变化趋势，且变化速率先慢后快。初等函数中的二次函数和三次函数均可满足此变化趋势，因此，式(4-4)可得到进一步的简化。故电、水法模型的函数表达式可由(4-6)、(4-7)表示，下面针对两个多项式进行参数优化，并进行性能对比，选择最优的一个作为电、水法模型。模型参数优化如下：参数寻优方法的主要流程为：(1)选取待优化参数；(2)确定目标函数；(3)生成参数样本空间；(4)优化算法。多项式系数为本次参数寻优中的待优化参数，目标函数普遍定义为误差平方和，如式(4-8)所示：式(4-8)中：f*(xi)为特征曲线在x＝xi对应的函数值，yi为样本空间中在x＝xi所对应的纵坐标大小。最小二乘法如下：在经典的数学优化方法中，最小二乘法(lsm)有着广泛的应用[92，93]。给定一组散点(xi，yi)(i＝0，1，2，…m)且a＝x0＜x1＜…＜xm＝b，φ为c[a，b]上线性无关的函数集合φ0，φ1，…，φn(n≤m)所张成的线性空间。在满足f(x)∈φ条件下，尽可能最小化误差平方和即最小二乘法。上述多项式系数优化问题，可进一步转变为求解u＝u(a0，a1，a2，a3)的极值问题。由高等数学中多元函数求解极值的必要条件可知：对式(4-10)进行化简，并整理成矩阵形式：式(4-11)中矩阵方程的系数矩阵为4阶实对称矩阵，同时也是正定矩阵，由线性代数相关理论可推出该矩阵方程存在唯一解。利用线性代数相关知识可求解上述矩阵方程，即可得多项式系数。粒子群算法如下：粒子群优化算法pso本质上是一种多代理算法，pso仿生了鸟类觅食的过程，原理上是一种信息共享机制，采用了速度加位移的搜索模型，通过个体间频繁的共享经验，最终促使整个群体的发展。初始，各粒子的速度和位置随机分布在解空间之中，之后根据个体最优极值和全局最优极值对自身的位置和速度进行动态调整，经过多轮迭代后，最终的位置向量即为寻优后的模型参数，迭代公式如式(4-12，4-13)所示：在式(4-12，4-13)中，i＝1，2，…，m表示粒子群体数量；t＝1，2，…，n代表迭代次数；vti、xti分别为第i个粒子在t时刻的速度和位置；t时刻的个体最优值和全局最优值用ptbest和gtbest表示；粒子群的权重用ω表示；调节粒子向最优解方向飞行的步长采用学习因子c1、c2表征，取值介于0-2之间；随机数r1、r2的取值区间为(0，1)。pso算法具有实现简单，参数几乎不需要进行调整，搜索速度快的优点，但其容易陷入局部最优解。改进粒子群算法如下：自适应调整惯性权重，pso算法的收敛能力与惯性权重ω有较大的关系，惯性权重的自适应即能随着当前粒子与全局最优粒子间的距离变动而动态调整。算法前期粒子需要有较强的搜索能力，ω取值应该要最大化；后期为了便于全局最优解的收敛，ω取值应最小化，放缓搜索速度。因此，本文提出了一种自适应调整惯性权重的方法。惯性权重ω由当前粒子与全局最优粒子间的欧式距离以及算法的迭代次数共同决定。当前粒子与全局粒子间的距离dit以及惯性权重ωit的计算如式(4-14，4-15)所示：式中，粒子的维数是n；gbestt，d、xit，d分别表示全局最优解和第i个粒子在t时刻的d维分量；ωit表示第i个粒子在t时刻的惯性权重；惯性权重的最大最小值由ωmax、ωmin表示；tmax表示迭代次数上限。初期粒子与全局最优点相距甚远且迭代次数小，搜索的步长较大；后期变化规律呈现相反的趋势，实现了惯性权重的自适应调整。变邻域混沌搜索如下：针对算法易于陷入局部最优解的问题，将变邻域混沌搜索的方法引入pso之中，对算法的性能进行了优化，提高了求解精度。在一定时间范围内，当全局最优解不再更新时，则开始改变寻求最优解的邻域范围，即变邻域混沌搜索。若变邻域混沌搜索后的全局最优解不再改变，则上次的结果为真全局最优解，否则进行全局最优解的替换。变邻域混沌搜索本质上是一种全局最优解的变异过程，目的是为了提高获得最优解的概率，算法的具体步骤如下：(1)利用logistic函数产生一个混沌变量[99]：ui+1，j＝4ui，j(1-ui，j)(4-16)其中ui，j是混沌变量的初始值，取值范围在0-1之间，且不等于0.25、0.5、0.75，下一代混沌变量用ui+1，j表示。(2)对混沌变量进行映射，转化为变量的变化值：δxi＝-β+2βui+1，j(4-17)其中β表示邻域搜索的半径；个体最优解或全局最优解的位置偏移用δxi表示；xmax、xmin分别为粒子位置的上下限；最大迭代次数由tmax表示。(3)最优个体gbest*以混沌变量的映射值δxi进行更新：gbest*＝gbest+δxi(4-19)(4)结合变邻域混沌搜索的结果对全局最优值进行更新。算例分析如下：算例数据源于应用试点中的一个排灌站点。该站点现代化程度高，集成流量计、电表等仪器仪表，在灌溉季进行了相关测试，对耗电量和供水量的数据进行了记录。分别采用lsm、pso和ipso三种算法对电、水法模型的参数进行了寻优，并对结果进行分析。仿真参数设置如下：粒子种群个数n＝40；学习因子c1＝c2＝1.4955；惯性权重ω＝0.7298；搜索空间维数为待优化参数的数量；最大迭代次数iteration＝500。表4-1、4-2为三种算法对不同阶数特征参数的优化结果。表4-1三种算法下电、水法二阶特征参数优化结果算法a0a1a2适应度最小二乘法0.8750.0402.47e-0650.7564粒子群算法0.8760.0382.51e-0650.7231改进粒子群0.8760.0412.52e-0650.5908表4-2三种算法下电、水法三阶特征参数优化结果算法a0a1a2a3适应度最小二乘法0.1320.053-2.91e-052.61e-0848.6023粒子群算法0.1340.050-2.87e-052.61e-0848.4357改进粒子群0.1330.051-2.92e-052.62e-0848.0204观察表4-1、表4-2中三种算法寻优得到的模型参数，参数偏差细微，但ipso的适应度值(即最优化准则函数)的数值明显优于pso与lsm，表明ipso具有更好的寻优精度，ipso的适应度曲线下降更快，与pso相比寻优速度更快，有更好的收敛速度，这是缘于ipso能够进行惯性权重的自适应调整和变邻域的混沌搜索。根据改进粒子群算法所优化的模型参数，进行电、水法模型的特征曲线的绘制，样本数据都能紧密的分布在曲线两侧，两种曲线同样都能较好的反映出耗电量-供水量的变化趋势。综合表4-1、表4-2的数据可知，采用三次函数作为电、水法模型进行参数寻优的适应度值明显优于采用二次函数作为模型的寻优结果，因此，式(4-7)更适合作为电、水法模型。实施本发明的一种用电量测算水量的模型构建及算法优化，首先研究了电、水法模型，并进行了优化改进；其次针对粒子群算法的缺陷，提出了基于自适应调整惯性权重和变邻域混沌搜索的改进粒子群算法；最后分别采用lsm、pso、ipso三种算法优化模型参数。结合仿真结果分析得出三种算法都可对电、水法模型参数进行优化，但ipso收敛速度更快、有更高的寻优精度，结合优化参数所拟合的特征曲线所反映的耗电量和供水量的关系更加真实准确，为农业用水计量终端的研制提供理论支撑。实施本发明，效果很好。当前第1页12