二次供水错峰调度系统

本发明属于二次供水系统管理技术领域，具体涉及二次供水错峰调度系统。

背景技术：

随着城市中高层住宅小区的飞速发展，二次供水系统作为住宅附属配套设施的重要性日益凸显，如何在确保可靠供水的前提下，建立精确的居民用水负荷模型、提高供水品质并降低供水费用成为二次供水系统研究的热点和难点。

当前我国高层住宅小区精确用水量数据研究很少，导致设计参数依据国家相关规范提供的公式估算而设计参数和型号不一定科学；大部分时间二次供水的水箱利用率很低，仅上层水流动，而这类水箱容积较大，会形成死水区滋生微生物，降低游离氯而导致水质恶化；现有二次供水一般都采用持续进水的方式，能耗和费用偏高；居民用水很容易形成“蜂聚”效应，在极少数用水高峰期，二次供水水箱同时补水，供水管网水压快速降低，容易形成缺水。

目前针对二次供水系统监控、能耗优化和水质保障等已经有不少理论研究和一些实践，但这些研究和实践针对水箱错峰调度上的很少，尤其应用于实际供水系统中的几乎没有，主要原因在于缺乏可靠有效的居民用水数据存储分析系统，以及二次供水控制系统，无论从提高供水品质、或是降低供水费用角度，二次供水错峰调度系统都有及其重要的研究价值和社会效益。

技术实现要素：

为解决上述背景技术中提出的问题。本发明提供了二次供水错峰调度系统，具有尽量保证用水低谷期供水，有效解决用水高峰期水压不足引起供水困难、无法供水问题，同时可以解决存在的死水区导致水体二次污染问题的特点。

为实现上述目的，本发明提供如下技术方案：二次供水错峰调度系统，包括数据获取模块，所述数据获取模块的输出端口连接有数据预处理模块，所述数据预处理模块的输出端口分别连接有模型调度分析模块和居民用水负荷模型建立模块，所述居民用水负荷模型建立模块的输出端口与模型调度分析模块的输入端口连接，所述模型调度分析模块的输出端口连接有模型调度方法输出模块。

本发明中进一步的，所述数据获取模块采集的数据包括水箱水位h(t)、进水瞬时流量φ(t)。

本发明中进一步的，所述数据预处理模块的预处理方法为：若丢失量小于n，n≤3个周期，采用差值处理；若丢失量大于n个周期，采用丢弃处理；若丢失0量值或者过高值,采用丢弃处理。

本发明中进一步的，所述居民用水负荷模型建立模块包括数据学习模块，所述数据学习模块的输入端口与数据预处理模块连接，所述数据学习模块的输出端口连接有模型生成模块，所述模型生成模块的输入端口连接有模型调整模块，所述模型生成模块的输出端口与模型调度分析模块连接。

本发明中进一步的，所述数据学习模块的学习方法为：

s1：计算瞬时出水量ξ(t)

若数据获取模块采集的数据为成熟小区，则采用arima模型进行处理，获得预计瞬时出水量ξ(t)，若数据获取模块采集的数据为不成熟小区，则采用动态模型进行处理，获得预计瞬时出水量ξ(t)；

s2：根据预计瞬时出水量ξ(t)计算波峰tpeak、波峰期tpeak、波谷tvalley、波谷期tvalley和总用水量ξpred

假设其阈值为ξmax和ξmin，对瞬时流量求一阶导数ξ′(t)和ξ″(t)，

求得波峰tpeak为：

计算波峰期tpeak的公式如下：

求得波谷tvalley为：

计算波谷期tvalley的公式如下：

计算总用水量ξpred的公式如下：

ξ(t)＝∫ξ(t)dt。

本发明中进一步的，所述步骤s1中，arima模型获得预计瞬时出水量ξ(t)的计算算法为：

s11：按照半小时或一小时的时间范围汇总样本数据；

s12：对数据做一阶或二阶差分；

s13：对差分数据求acf和pacf，求得p和q；

s14：根据求得的p、d、q，得到预计用水量时序数据。

本发明中进一步的，所述步骤s1中，动态模型获得预计瞬时出水量ξ(t)的计算算法为：

s15：按分钟的时间范围汇总样本数据；

s16：估计正态分布的参数；

s17：按置信度求得预计瞬时流量。

本发明中进一步的，所述模型生成模块的生成方法为：

根据数据学习模块的计算，进水模型为：

其中，μ(t)为外部管道进水量；

同时需要满足以下条件：

与现有技术相比，本发明的有益效果是：

1、本发明采用可靠的二次供水系统的时序数据传输、存储和分析技术，有效采集居民用水数据并通过机器学习方式，建立居民用水负荷数据模型。

2、本发明基于二次供水水箱容量，提出错峰供水的调度思路，有效避免用水高峰期水压不足问题。

3、本发明有效解决传统供水方式大量用水留存于水箱，形成死水区并影响水质问题。

附图说明

图1为本发明调度系统的组成框架图；

图2为本发明居民用水负荷模型建立模块的组成框架图；

图3为本发明调度系统的调度流程图；

图中：1、数据获取模块；2、数据预处理模块；3、模型调度分析模块；4、模型调度方法输出模块；5、居民用水负荷模型建立模块；51、数据学习模块；52、模型生成模块；53、模型调整模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供以下技术方案：二次供水错峰调度系统，包括数据获取模块1，数据获取模块1的输出端口连接有数据预处理模块2，数据预处理模块2的输出端口分别连接有模型调度分析模块3和居民用水负荷模型建立模块5，居民用水负荷模型建立模块5的输出端口与模型调度分析模块3的输入端口连接，模型调度分析模块3的输出端口连接有模型调度方法输出模块4。

具体的，数据获取模块1采集的数据包括水箱水位h(t)、进水瞬时流量φ(t)。

具体的，数据预处理模块2的预处理方法为：若丢失量小于n，n≤3个周期，采用差值处理；若丢失量大于n个周期，采用丢弃处理；若丢失量0值或者过高值,采用丢弃处理。

具体的，居民用水负荷模型建立模块5包括数据学习模块51，数据学习模块51的输入端口与数据预处理模块2连接，数据学习模块51的输出端口连接有模型生成模块52，模型生成模块52的输入端口连接有模型调整模块53，模型生成模块52的输出端口与模型调度分析模块3连接。

具体的，数据学习模块51的学习方法为：

s1：计算瞬时出水量ξ(t)

若数据获取模块1采集的数据为成熟小区，则采用arima模型进行处理，获得预计瞬时出水量ξ(t)，若数据获取模块1采集的数据为不成熟小区，则采用动态模型进行处理，获得预计瞬时出水量ξ(t)；

s2：根据预计瞬时出水量ξ(t)计算波峰tpeak、波峰期tpeak、波谷tvalley、波谷期tvalley和总用水量ξpred

假设其阈值为ξmax和ξmin，对瞬时流量求一阶导数ξ′(t)和ξ″(t)，

求得波峰tpeak为：

计算波峰期tpeak的公式如下：

求得波谷tvalley为：

计算波谷期tvalley的公式如下：

计算总用水量ξpred的公式如下：

ξ(t)＝∫ξ(t)dt。

具体的，步骤s1中，arima模型获得预计瞬时出水量ξ(t)的计算算法为：

s11：按照半小时或一小时的时间范围汇总样本数据；

s12：对数据做一阶或二阶差分；

s13：对差分数据求acf和pacf，求得p和q；

s14：根据求得的p、d、q，得到预计用水量时序数据。

具体的，步骤s1中，动态模型获得预计瞬时出水量ξ(t)的计算算法为：

s15：按分钟的时间范围汇总样本数据；

s16：估计正态分布的参数；

s17：按置信度求得预计瞬时流量。

具体的，模型生成模块52的生成方法为：

根据数据学习模块51的计算，进水模型为：

其中，μ(t)为外部管道进水量；

同时需要满足以下条件：

本发明的工作原理：

s(1)：建立居民用水负荷模型

s(11)：数据获取模块1进行历史样本数据的获取；

s(12)：数据预处理模块2对历史样本数据进行预处理；

s(13)：数据学习模块51判断历史样本数据是否为成熟小区的数据，若为成熟小区，采用arima模型进行处理，获得预计瞬时出水量ξ(t)，若为不成熟小区，采用动态模型进行处理，获得预计瞬时出水量ξ(t)；

s(14)：数据学习模块51计算波峰tpeak、波峰期tpeak、波谷tvalley、波谷期tvalley和总用水量ξpred

假设其阈值为ξmax和ξmin，对瞬时流量求一阶导数ξ′(t)和ξ″(t)，

求得波峰tpeak为：

计算波峰期tpeak的公式如下：

求得波谷tvalley为：

计算波谷期tvalley的公式如下：

计算总用水量ξpred的公式如下：

ξ(t)＝∫ξ(t)dt；

s(15)：模型生成模块52生成模型

根据上述计算，生成进水模型为：

其中，μ(t)为外部管道进水量；

同时需要满足以下条件：

s(16)：模型输出

模型生成模块52将生成的模型导至模型调度分析模块3内；

s(17)：模型调整

数据获取模块1获取历史样本数据，数据预处理模块2对样本数据进行预处理，预处理后的样本历史数据进入模型调度分析模块3，模型调度分析模块3对历史样本数据进行分析并生成调度方法，调度方法通过模型调度方法输出模块4输出，调度人员判断调度方法是否可行，若不可行，通过模型调整模块53对模型生成模块52内生成的模型进行调整，直至模型调度方法可行。

s(2)：二次供水错峰调度

s(21)：先输入最低水位hmin、最高水位hmax、瞬时出水量最低阈值ξmin、瞬时出水量最高阈值ξmax和常数ci等参数，并设置ηh＝0，δh＝0.1hmax；

s(22)：数据获取模块1获取n份历史样本；

s(23)：数据预处理模块2对获取的数据进行预处理；

s(24)：模型调度分析模块3判断获取的数据是否为成熟小区，若为成熟小区，则采用arima模型进行处理，获得预计瞬时出水量ξ(t)，若为不成熟小区，则采用动态模型进行处理，获得预计瞬时出水量ξ(t)；

s(25)：模型调度分析模块3根据预计瞬时出水量ξ(t)、瞬时出水量最低阈值ξmin、瞬时出水量最高阈值ξmax，计算波谷期tvalley和总用水量ξpred；

s(26)：模型调度分析模块3判断波谷期tvalley的进水量是否等于或大于总用水量ξpred，若波谷期tvalley的进水量等于或大于总用水量ξpred，持续监测水箱水位h(t)，若波谷期tvalley的进水量小于总用水量ξpred，则发出容量告警，由模型调度方法输出模块4输出；

s(27)：模型调度分析模块3持续监测水箱水位h(t)的过程中，若监测到水箱水位h(t)小于或等于最低水位hmin，则发出水位告警，需要立即进行补水，若监测到水箱水位h(t)大于最低水位hmin，持续判断时间是否属于波谷期tvalley内，由模型调度方法输出模块4输出；

s(28)：模型调度分析模块3持续判断时间是否属于波谷期tvalley内的过程中，若时间属于波谷期tvalley内，持续判断最高水位hmax-ηh*δh是否大于水箱水位h(t)，若时间不属于波谷期tvalley内，则ηh＝0，停止补水状态，由模型调度方法输出模块4输出；

s(29)：模型调度分析模块3持续判断最高水位hmax-ηh*δh是否大于水箱水位h(t)的过程中，若最高水位hmax-ηh*δh大于水箱水位h(t)，需要立即进行补水，若最高水位hmax-ηh*δh小于或等于水箱水位h(t)，则ηh＝1，停止补水状态，由模型调度方法输出模块4输出。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。