一种基于机器学习的取水泵控制模型训练方法及控制方法技术

本发明专利技术公开了一种基于机器学习的取水泵控制模型训练方法及控制方法，训练方法包括获取输入数据和输出数据，输入数据包括自来水厂取水源的水位信息、清水池的液位信息和出厂水流量数据，输出数据包括自来水厂的各个取水泵的运行状态信息；对输入、输出数据预处理并将预处理后的输入、输出数据划分为训练集和测试集；将训练集中的输入数据和输出数据作为训练数据，采用Python语言建立多个单台取水泵机器学习训练模型；将训练后的各个单台取水泵机器学习训练模型与测试集中的输入数据和输出数据集成化学习，得到自来水厂的取水泵控制模型并将其载入Tempo分析平台。本发明专利技术能够实现智能控制取水泵运行状态，降低自来水厂的生产运行成本。行成本。行成本。

【技术实现步骤摘要】
一种基于机器学习的取水泵控制模型训练方法及控制方法


[0001]本专利技术涉及自来水厂取水泵调度优化领域，尤其涉及一种基于机器学习的取水泵控制模型训练方法及控制方法。

技术介绍

[0002]随着城市化的快速发展，工业生产活动和城镇居民人口逐渐增加，对水量、水质安全的需求不断提高。但目前，多数自来水厂仍依靠人工经验管理水厂生产，使用粗犷式的设备控制运行方式，造成能耗浪费，增加生产成本。
[0003]近年来，增加自动化设备、利用PLC实现水厂自动化控制，已经成为水厂生产技术改革的一个主要措施，能够在一定程度上提高水厂自动化运营水平。但是PLC控制方法在使用过程中，相关设备容易受到电磁辐射干扰，故障率高，维护保障频繁，通讯和兼容问题多，且易受操作人员的主观因素影响，往往需要频繁改为手动操作，严重浪费自动化控制系统资源。同时PLC控制方法智能化不足，考虑因素单一，响应时间长，不能及时解决应急突发事件。
[0004]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0005]本专利技术的目的是提供一种基于机器学习的取水泵控制模型训练方法及控制方法，能够实现智能控制取水泵运行状态，降低自来水厂的生产运行成本。
[0006]为达到上述目的，本专利技术采用的技术方案如下：
[0007]一种基于机器学习的取水泵控制模型训练方法，用于获得自来水厂的取水泵控制模型，包括以下步骤：
[0008]获取输入数据和输出数据，所述输入数据包括自来水厂取水源的水位信息、清水池的液位信息和出厂水流量数据，所述输出数据包括自来水厂的各个取水泵的运行状态信息；
[0009]对所述输入数据和输出数据进行预处理，并将预处理后的输入数据和输出数据划分为训练集和测试集；
[0010]采用Python语言建立多个单台取水泵机器学习训练模型，并利用训练集中的输入数据和输出数据对各个所述单台取水泵机器学习训练模型进行训练和评价；
[0011]将训练后的各个单台取水泵机器学习训练模型与测试集中的输入数据和输出数据集成化学习，得到自来水厂的取水泵控制模型，并将所述取水泵控制模型载入Tempo大数据分析平台，用于预测并控制自来水厂的取水泵的运行状态。
[0012]进一步地，承前所述的任一技术方案或多个技术方案的组合，采用Python语言，并
且基于numpy、pandas、sklearn、os、joblib和sklearnpmml模块搭建所述单台取水泵机器学习训练模型；和/或，
[0013]对所述输入数据和输出数据进行预处理为处理所述输入数据和所述输出数据的变量缺失值。
[0014]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述单台取水泵机器学习训练模型为树状结构的随机森林模型，并且依据基尼准则分割数据节点。
[0015]进一步地，承前所述的任一技术方案或多个技术方案的组合，将训练集划分为若干子训练集，采用不同的子训练集作为所述随机森林模型的各决策树的训练数据，由各个决策树投票决策形成所述单台取水泵机器学习训练模型。
[0016]进一步地，承前所述的任一技术方案或多个技术方案的组合，对所述单台取水泵机器学习训练模型进行训练和评价，其评价指标包括计算精准度的加权平均值、宏平均值、和准确度，和/或召回率的加权平均值、宏平均值、准确度，和/或f1分数的加权平均值、宏平均值、准确度。
[0017]进一步地，承前所述的任一技术方案或多个技术方案的组合，对所述取水泵控制模型进行评价，其评价指标包括计算精准度的加权平均值、宏平均值、和准确度，和/或召回率的加权平均值、宏平均值、准确度，和/或f1分数的加权平均值、宏平均值、准确度；和/或，
[0018]采用混淆矩阵图来评价所述取水泵控制模型的预测有效性。
[0019]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述f1分数的准确度大于等于90％时视为有效预测。
[0020]进一步地，承前所述的任一技术方案或多个技术方案的组合，将训练集划分为若干子训练集的方法为：采用有放回的随机选取方从所述训练集中获得若干子训练集。
[0021]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述取水泵运行状态包括启动状态和停止状态，通过取水流量判断取水泵为启动状态或停止状态，并且赋值启动状态为“1”、停止状态为“0”；和/或，
[0022]自来水厂的出厂水流量为多台供水泵的总流量，其计算公式为：
[0023]Q
out
＝Q1+Q2+Q3+
···
+Q
n
[0024]其中，Q
out
为出厂流量，Q1、Q2、
……
Q
n
为各台供水泵的出水流量；和/或，
[0025]所述取水泵控制模型为pmml后缀格式文件。
[0026]根据本专利技术的另一方面，本专利技术提供了一种基于机器学习的取水泵控制方法，包括以下步骤：
[0027]监测并实时获取输入数据，所述输入数据包括取水源的水位信息、清水池的液位信息和自来水厂的出厂水流量数据；
[0028]将所述输入数据输入预先完成训练的所述取水泵控制模型；
[0029]所述取水泵控制模型输出预测的各个取水泵的运行状态信息，并控制各个取水泵按照预测的运行状态进行运行，所述取水泵的运行状态包括启动状态和停止状态；
[0030]其中，所述取水泵控制模型通过以下步骤完成训练：
[0031]获取输入数据和输出数据，所述输入数据包括自来水厂取水源的水位信息、清水池的液位信息和出厂水流量数据，所述输出数据包括自来水厂的各个取水泵的运行状态信息；
[0032]对所述输入数据和输出数据进行预处理，并将预处理后的输入数据和输出数据划分为训练集和测试集；
[0033]采用Python语言建立多个单台取水泵机器学习训练模型，并利用训练集中的输入数据和输出数据对各个所述单台取水泵机器学习训练模型进行训练；
[0034]将训练后的各个单台取水泵机器学习训练模型与测试集中的输入数据和输出数据集成化学习，得到自来水厂的取水泵控制模型，并将所述取水泵控制模型载入Tempo分析平台，用于预测并控制自来水厂的取水泵的运行状态。
[0035]本专利技术提供的技术方案带来的有益效果如下：
[0036]a.本专利技术提供的取水泵控制模型训练方法经过相关性分析，去除冗余影响因素后，考察自来水厂清水池液位、取水水源液位、出厂水流量三种输入数据与取水泵运行状态输出数据用于取水泵控制模型的学习训练和评价，减少计算量的同时提高模型的预测准确性；
[0037]b.本专利技术提供的取水泵控制模型基于Python语言和随机森林预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的取水泵控制模型训练方法，用于获得自来水厂的取水泵控制模型，其特征在于，包括以下步骤：获取输入数据和输出数据，所述输入数据包括自来水厂取水源的水位信息、清水池的液位信息和出厂水流量数据，所述输出数据包括自来水厂的各个取水泵的运行状态信息；对所述输入数据和输出数据进行预处理，并将预处理后的输入数据和输出数据划分为训练集和测试集；采用Python语言建立多个单台取水泵机器学习训练模型，并利用训练集中的输入数据和输出数据对各个所述单台取水泵机器学习训练模型进行训练和评价；将训练后的各个单台取水泵机器学习训练模型与测试集中的输入数据和输出数据集成化学习，得到自来水厂的取水泵控制模型，并将所述取水泵控制模型载入Tempo大数据分析平台，用于预测并控制自来水厂的取水泵的运行状态。2.根据权利要求1所述的基于机器学习的取水泵控制模型训练方法，其特征在于，采用Python语言，并且基于numpy、pandas、sklearn、os、joblib和sklearnpmml模块搭建所述单台取水泵机器学习训练模型；和/或，对所述输入数据和输出数据进行预处理为处理所述输入数据和所述输出数据的变量缺失值。3.根据权利要求1所述的基于机器学习的取水泵控制模型训练方法，其特征在于，所述单台取水泵机器学习训练模型为树状结构的随机森林模型，并且依据基尼准则分割数据节点。4.根据权利要求3所述的基于机器学习的取水泵控制模型训练方法，其特征在于，将训练集划分为若干子训练集，采用不同的子训练集作为所述随机森林模型的各决策树的训练数据，由各个决策树投票决策形成所述单台取水泵机器学习训练模型。5.根据权利要求1所述的基于机器学习的取水泵控制模型训练方法，其特征在于，对所述单台取水泵机器学习训练模型进行训练和评价，其评价指标包括计算精准度的加权平均值、宏平均值、和准确度，和/或召回率的加权平均值、宏平均值、准确度，和/或f1分数的加权平均值、宏平均值、准确度。6.根据权利要求1所述的基于机器学习的取水泵控制模型训练方法，其特征在于，对所述取水泵控制模型进行评价，其评价指标包括计算精准度的加权平均值、宏平均值、和准确度，和/或召回率的加权平均值、宏平均值、准确度，和/或f1分数的加权平均值、宏平均值、准确度；和/或，采用混淆矩阵图来...

【专利技术属性】
技术研发人员：兰华春，杨存满，鞠佳伟，袁芳，彭高洁，徐伟，李晓尚，
申请(专利权)人：中环保水务投资有限公司湘潭中环水务有限公司中节能工程技术研究院有限公司，
类型：发明
国别省市：