-
公开(公告)号:CN116205375A
公开(公告)日:2023-06-02
申请号:CN202310412702.X
申请日:2023-04-18
Applicant: 北京市南水北调团城湖管理处
IPC: G06Q10/04 , G06Q10/20 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明提出一种泵站机组运行状态预测方法和系统。方法包括:采集机组运行状态预测的自变量数据和运行状态实测数据,删除自变量数据中的无效数据并进行数据预处理,得到数据预处理后的自变量数据;基于双向LSTM神经网络,建立机组运行状态预测模型;应用数据预处理后的自变量数据和运行状态实测数据对机组运行状态预测模型进行训练和测试;应用训练好的机组运行状态预测模型对泵站机组实时运行状态的变化趋势进行预测。本发明提出的方案,充分考虑了异常值引入的性能影响,设计了缺失标注和多点位融合的数据处理方法,有效地减少了网络的训练计算参数;其次,实现了多步时长的多元数据预处理,使得其在不同场景下的使用方面降低了难度。
-
公开(公告)号:CN117610826A
公开(公告)日:2024-02-27
申请号:CN202311542672.0
申请日:2023-11-17
Applicant: 北京工业大学 , 北京市南水北调团城湖管理处
IPC: G06Q10/0631 , G06Q50/06 , G06F18/27 , G06F18/214 , G06N3/0442
Abstract: 本发明提出一种需水量预测方法和系统。其中,方法包括:首先根据传感器得到的需水量历史监测序列进行数据的预处理,得到需水量时间序列,并经过Prophet模型进行序列分解分析,再添加节假日因素后得到需水量天、周、月、以及趋势的预测图;然后,将预测值与原始序列形成的残差序列通过GRU模型,进行非线性成分的提取;最后将两个模型的预测值进行相加即可得到最终的需水量预测值。本发明提出的方案,通过GRU模型来对单一的Prophet模型进行结合改进,以实现对需水量的精准预测。
-
公开(公告)号:CN116205375B
公开(公告)日:2023-09-01
申请号:CN202310412702.X
申请日:2023-04-18
Applicant: 北京市南水北调团城湖管理处
IPC: G06Q10/04 , G06Q10/20 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明提出一种泵站机组运行状态预测方法和系统。方法包括:采集机组运行状态预测的自变量数据和运行状态实测数据,删除自变量数据中的无效数据并进行数据预处理,得到数据预处理后的自变量数据;基于双向LSTM神经网络,建立机组运行状态预测模型;应用数据预处理后的自变量数据和运行状态实测数据对机组运行状态预测模型进行训练和测试;应用训练好的机组运行状态预测模型对泵站机组实时运行状态的变化趋势进行预测。本发明提出的方案,充分考虑了异常值引入的性能影响,设计了缺失标注和多点位融合的数据处理方法,有效地减少了网络的训练计算参数;其次,实现了多步时长的多元数据预处理,使得其在不同场景下的使用方面降低了难度。
-
公开(公告)号:CN116880586A
公开(公告)日:2023-10-13
申请号:CN202310849144.3
申请日:2023-07-11
Applicant: 北京工业大学 , 北京市南水北调团城湖管理处
Abstract: 本发明提出一种梯级泵站前池水位调节速率的控制方法和系统。其中,方法包括:根据各级泵站的前池的控制水位,设定各级泵站的前池水位的调节速率;采集水厂需求的供水量;由第n级泵站开始,采集各级泵站的分水口的分水量;根据所述各级泵站的前池水位的调节速率、各级泵站的分水口的分水量和水厂需求的供水量,计算各级泵站出水量控制器的控制量;以所述各级泵站出水量控制器的控制量作为各级泵站出水量的设定值。本发明提出的方案能够使用者对梯级泵站中特定的一级或多级的前池水位,按所需要的变化率需要进行调节,而不对其他级泵站的运行造成影响,确保梯级泵站各级的平稳运行。
-
公开(公告)号:CN117076887A
公开(公告)日:2023-11-17
申请号:CN202311081250.8
申请日:2023-08-25
Applicant: 北京工业大学 , 北京市南水北调团城湖管理处
IPC: G06F18/20 , G06N3/0442 , G01M13/00
Abstract: 本申请涉及一种泵站机组运行状态预测和健康评估方法及系统,对泵站机组运行数据进行处理得到自变量数据;基于双向LSTM神经网络,建立预测模型;应用自变量数据对预测模型进行训练和测试;应用预测模型对未来泵站运行状态变化趋势进行预测;对泵站机组运行数据进行灰色关联分析,得到机组健康评估客观权重矩阵;基于模型预测得到未来多时刻泵站运行状态的结果进行劣化度计算得到劣化度矩阵;基于劣化度进行高斯隶属度分析得到隶属度权重矩阵;基于机组健康评估客观权重矩阵和隶属度权重矩阵得到机组健康状态评判向量,根据机组健康状态评判向量进行评估得到机组健康状态。实现了对泵站机组未来多时刻机组状态预测,且对健康状态进行评估。
-
-
-
-