一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法技术

本发明专利技术公开了一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法包括以下步骤：步骤S1：构建管网水动力模型和数据驱动模型；步骤S2：多次评估模型精确度，调整模型参数以调整模型精度；步骤S3：进行管网运行态势模拟和预测分析；步骤S4：以管网水动力模型的模拟结果作为数据驱动模型输入，用来预测全部态势指标的结果，以此实现对管网态势运行态势的全面感知和预测；针对现有技术方案的不足，本发明专利技术提出的基于管网水动力模型和数据驱动模型的管网运行态势分析方法，将管网水动力模型能全面模拟分析管网运行态势的优点及数据驱动模型能实时预测的优点相结合，优势互补，实现了对管网运行态势的实时全面感知以及预测分析。预测分析。预测分析。

【技术实现步骤摘要】
一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法


[0001]本专利技术涉及城市排水管理领域，尤其是涉及一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法。

技术介绍

[0002]城市排水管网在实际运行中存在多种问题亟需解决，最直接有效的办法是需要摸清地下管网的运行态势，看清问题的本质。现有的技术方案要么是单一的管网水动力模型(包括离线和在线的)，只能模拟整个管网系统某一时刻的运行态势(包括液位、流量、流速、充满度)，最多只能得到当前的运行状态，而无法实现对未来运行态势的预测分析，且由于管网水动力模型属于机理模型，建模需要大量的参数，模型的精度很难得到提升；要么是单一的数据驱动模型，可实现对管网未来一段时间内态势的预测分析，但此方法仅能预测安装了监测设备处单一监测指标的发展趋势，无法实现对整个管网系统各个节点和管道的运行态势的预测分析，且无法对未监测的其他态势指标进行预测。
[0003]例如，一种在中国专利文献上公开的“道路排水管线数据管理方法”，其公开号为CN112905085A，通过平面二维坐标系对排水管线的位置坐标数据进行管理，包括仅能管理当前排水管线的单一监测指标的发展趋势，无法实现对整个管网系统各个节点和管道的运行态势的预测分析，无法对未监测的其他态势指标进行预测。

技术实现思路

[0004]本专利技术是为了解决现有技术中，无法实现对整个管网系统各个节点和管道的运行态势的预测分析，无法对未监测的其他态势指标进行预测的问题，提供一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法，通过分别构建管网水动力模型和数据驱动模型，并对模型精度进行多次评估，调整模型参数使模型精度合格，再分别进行管网运行态势的模拟和预测分析。
[0005]为了实现上述技术目的，本专利技术采用以下技术方案：一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法，包括以下步骤：步骤S1：构建管网水动力模型和数据驱动模型；步骤S2：多次评估模型精确度，调整模型参数以调整模型精度；步骤S3：进行管网运行态势模拟和预测分析；步骤S4：以管网水动力模型的模拟结果作为数据驱动模型输入，用来预测全部态势指标的结果，以此实现对管网态势运行态势的全面感知和预测。
[0006]将管网水动力模型与数据驱动模型相结合，实现优势互补，既弥补了管网水动力模型无法实现态势预测的不足，又解决了数据驱动模型只能对有监测数据的管网指标进行预测的问题，最终实现对整个管网运行态势的模拟预测分析。
[0007]作为优选，所述步骤S1中构建管网水动力模型包括以下步骤：步骤S1
‑
1A：进行管网拓扑关系梳理和属性数据修正，对管网的上下游拓扑关系进行梳理，理清所有管网的输入源头和输出方向，并在此基础上完成管网基础设施的属性数据修正；步骤S1
‑
2A：划分汇水分区，以管网的服务范围为基础，对具体的排水管网进行汇水分区划分；步骤S1
‑
3A：输入边界条件；步骤S1
‑
4A：模型构建及参数设置，完成步骤S1
‑
1A，S1
‑
2A和S1
‑
3A，将所有数据输入至排水管网水动力模型，设定模型系统参数，完成试运行并调整模拟参数，确保模型正常工作；步骤S1
‑
5A：模型评估及参数优化，通过精确评估，将模型参数调整至最优值，一方面通过将离线模型模拟结果与管网历史监测数据对比，多次调整模型参数降低模型结果数据与历史监测数据的差距实现静态调整；另一方面通过在线监测数据和在线模型输出的残差校准实现动态调整；步骤S1
‑
6A：管网运行态势模拟，进行管网运行态势模拟分析，包括管网液位、流量、流速、充满度等态势指标。
[0008]在数据驱动建模的数据预处理过程中，采用移动中值滤波的方法对空白数据进行补齐，通过分别构建管网水动力模型和数据驱动模型，并对模型精度进行多次评估，调整模型参数使模型精度合格，再分别进行管网运行态势的模拟和预测分析，同时，管网水动力模型的模拟结果还需作为数据驱动模型的输入，用来预测全部态势指标的结果，以此来实现对管网运行态势的全面感知和预测。
[0009]在模型评估及参数优化过程中，一方面可通过将离线模型模拟结果与管网历史监测数据进行对比，并不断调整模型参数使两者的差距降到最低来实现，这种实现方式是静态的，如将监测液位、流量数据与对应节点的模拟液位、流量数据进行对比，计算误差率，不断对模型参数进行调整，逐步缩小模拟值与监测值的差距；另一方面可由在线监测数据和在线模型输出的残差校准来保证，这种实现方式是动态的、是实时进行的，是对模型已经在线运行之后的不断优化，以确保模型精度合格。
[0010]作为优选，所述步骤S1中数据驱动模型构建包括以下步骤：步骤S1
‑
1B：历史监测数据预处理，需要预处理的监测数据包括液位数据、管道流量数据以及区域雨量数据，通过缺失值和异常值检测方法、缺失值和异常值补齐方法进行数据预处理；步骤S1
‑
2B：提取相关性分析及特征因子，对于液位预测，特征因子为自身液位、上下游液位、管道坡度以及雨量，对于流量预测，其相关性分析及特征因子提取方法类似；步骤S1
‑
3B：数据驱动模型建立，通过深度学习方法，分析自身液位的历史变化趋势，结合雨量因素，预测未来一段时间内的液位走势，完成预测模型建立；步骤S1
‑
4B：模型评估及参数优化，采用多个预测时长进行模型训练，最终确定使用历史2小时的态势指数预测未来1小时的态势指标数值；步骤S1
‑
5B：管网运行态势预测，完成模型训练和完成参数优化后，进行液位、流量等管网运行态势的预测，并在预测前对相应的历史态势数据做同样的数据预处理。
[0011]本专利技术中用到的监测数据包括管道液位数据、管道流量数据及区域雨量数据，传
感器、网络、服务器等在长期运行过程中不可避免地会出现不稳定的情况，从而导致监测数据缺失和错误等问题。在本专利技术中，用到的数据预处理方法有缺失值和异常值检测方法、缺失值和异常值补齐方法。
[0012]在相关性分析过程中，通过合理地选取特征因子，将传感器采集到的数据转化为机器语言，通过归一化、标准化等技术手段将原始数据转化成特征因子，能够更好地表示预测模型处理的实际问题，提升预测的准确性，通过选取合理的特征因子，提高预测的准确性和精确性，实现预测模型的高完整性；弥补了管网水动力模型无法实现态势预测的不足，又解决了数据驱动模型只能对有监测数据的管网指标进行预测的问题，最终实现对整个管网运行态势的模拟预测分析。
[0013]作为优选，步骤S1
‑
2A中划分汇水分区，需要以管网的服务范围为基础来对具体的排水管网进行汇水分区的划分，其中污水管网系统和雨水管网系统的汇水分区划分依据不同，污水管网的划分依据为纳污范围，雨水管网的划分依据为降雨产汇流范围；这个过程需要使得每一条管网的收水范围与实际情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法，其特征是，包括以下步骤：步骤S1：构建管网水动力模型和数据驱动模型；步骤S2：多次评估模型精确度，调整模型参数以调整模型精度；步骤S3：进行管网运行态势模拟和预测分析；步骤S4：以管网水动力模型的模拟结果作为数据驱动模型输入，用来预测全部态势指标的结果，以此实现对管网运行态势的全面感知和预测。2.根据权利要求1所述的一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法，其特征是，所述步骤S1中构建管网水动力模型包括以下步骤：步骤S1
‑
1A：进行管网拓扑关系梳理和属性数据修正，对管网的上下游拓扑关系进行梳理规划，理清所有管网的输入源头和输出方向，并在此基础上完成管网基础设施的属性数据修正；步骤S1
‑
2A：划分汇水分区，以管网的服务范围为基础，对具体的排水管网进行汇水分区划分；步骤S1
‑
3A：输入边界条件；步骤S1
‑
4A：模型构建及参数设置，完成步骤S1
‑
1，S1
‑
2和S1
‑
3，将所有数据输入至排水管网水动力模型，设定模型系统参数，完成试运行并调整模拟参数，确保模型正常工作；步骤S1
‑
5A：模型评估及参数优化，通过精确评估，将模型参数调整至最优值，一方面通过将离线模型模拟结果与管网历史监测数据对比，多次调整模型参数降低参数模型数据与历史监测数据的差距实现静态调整；另一方面通过在线监测数据和在线模型输出的残差校准实现动态调整；步骤S1
‑
6A：管网运行态势模拟，进行管网运行态势模拟分析，包括管网液位、流量、流速、充满度等态势指标。3.根据权利要求1所述的一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法，其特征是，所述步骤S1中数据驱动模型构建包括以下步骤：步骤S1
‑
1B：历史监测数据预处理，需要预处理的监测数据包括液位数据、管道流量数据以及区域雨量数据，通过缺...

【专利技术属性】
技术研发人员：彭越，沈寅杰，何东，付友行，苟茂华，
申请(专利权)人：浙江中控信息产业股份有限公司，
类型：发明
国别省市：