[发明专利]一种大数据驱动的以需定供的智能管网调度系统及方法

说明书

本发明公开了一种大数据驱动的以需定供的智能管网调度系统及方法，该系统包括接入网关模块，数据标准化模块，数据库，AI引擎模块，Portal模块；其中AI引擎通过神经网络深度学习算法具备数据预测与分析能力，首先通过调用管网历史数据进行模型训练，然后通过调用管网当下时间实时数据对未来一段时间内的管网运行情况数据进行预测，根据预测的结果且结合水泵的运行情况，为水厂、加压站的水泵的调度，提供量化的、接近最优解的调度方案，在保持调节池水位安全合理、保障供水稳定的前提下，合理调度加压水泵，延长泵的使用寿命，节能降耗。

技术领域

本发明涉及管网调度领域，具体是涉及一种大数据驱动的以需定供的智能管网调度系统及方法。

背景技术

自来水厂供水，是通过铺设在城市中的各级管道组成的管网，连接到用户进行供水，自来水公司需要使用多级加压水泵，将水压提高打入管网中，还需保证管网各处压力平衡，管网压力不能太高以免造成爆管，管网压力不能太低，以免压力最低点用户供水压力不足；还需要根据用户用水量的多少调整管网供水量，通过保持调节池液位的方式，进行应急处理，所以平衡供水压力、供水量和水泵能耗是供水管网的难点。目前各水厂采用的供水方式有以下几种：

第一种：人工方式调度居多，需要供水调度人员有一定的经验，根据管网上的压力监测点和自己对用户用水习惯的理解进行管网调度，这种方式的问题是调度手段粗放，造成管网压力偏高，管网存在爆管风险，调节池液位保持高低不定，供水泵房出水泵调度不是最优，产生高能耗。

第二种：管网水力模型方式调度：很多水厂认识到人工调度的问题，希望使用水力模型方式进行优化，水力模型方式以机理模型为主，通过管网普查在计算机上通过模型反应管网状态，用来进行管网模拟运算。其优点是建模符合实际情况，运算准确，精度高，对管网各种情况均可实时模拟。缺点是实现困难，建设周期长，普查成本高，维护难度大，普查过程中难免存在误差；如遇管道建设或变更，维护不及，模型精准度下降；软件维护对人员技能要求高，需要专业人才进行维护等工作。

发明内容

为了解决上述技术问题，本发明提供了如下的技术方案：

一种大数据驱动的以需定供的智能管网调度系统，通过神经网络算法预测需水量，以需定供，合理调度水泵，该系统包括接入网关模块，数据标准化模块，数据库，AI引擎模块，Portal模块；接入网关模块用于采集安装在物联网智能设备的实时数据，物联网智能设备通过网络链接到接入网关模块，通过传输协议与接入网关模块进行上行消息、下行消息交互；数据标准化模块包括实时标准化和定时标准化；实时标准化用于对采集到的数据进行标准化处理，标准化后的数据供AI引擎模块进行预测使用同时也存储到数据库中，标准化处理是去掉异常数据，根据设备类型和数据特征，对上报的数据进行校验；定时标准化是通过读取数据库存储的各个设备的标准化后数据，将采集频率不同的各个设备的历史数据统一成频率D的特征数据，存储到数据库中，作为AI引擎的各个模型训练模块的训练数据使用；数据库用于存储接入网关模块采集到的物联网智能设备数据和天气数据、数据标准化模块处理过的标准化数据、AI引擎模块的预测数据、供水区域数据、调节池液位范围数据； AI引擎模块，通过神经网络算法，调用管网历史数据进行模型训练，调用管网实时数据进行预测和分析，提供调度方案；包括水泵供水与智能调度模块、需水量预测模块、调节池液位预测模块；水泵供水与智能调度模块，用于对各个供水区域下的水泵进行智能调度和预测供水量；需水量预测模块用于按照供水区域预测该区域的用水量，使用时间序列神经网络算法，通过该区域历史数据进行模型训练，使用训练好的模型和实时数据对未来一段时间需水量进行预测；所述调节池液位预测模块用于读取标准化后的历史数据，使用多层时间序列神经网络算法，进行模型训练，训练好的模型和实时数据对未来一段时间的调节池液位进行预测；所述Portal模块，用于展示各个工艺过程上的物联网智能设备的实时数据、历史数据、分析数据。

作为本发明的一种优选技术方案，上行消息是指从物联网智能设备采集的数据指标，以及从互联网获得的天气数据；下行消息是指智能调度模块生成的消息，通过接入网关模块发送给水泵，用来远程控制水泵的启停和频率设置；