【技术实现步骤摘要】
本申请涉及抽水蓄能电站建设期污废水处理，特别涉及一种基于软测量的水量调控方法、装置、电子设备及存储介质。
技术介绍
1、由于抽水蓄能电站多处于高山崇岭，区域生态环保要求标准高，且部分在建电站位于水源地上游，电站施工区域大、施工时间长，因此，工程建设期废水“零排放”是抽水蓄能工程建设的一大难点。抽水蓄能电站施工期污废水处理后资源化利用，既是实现“零排放”的有效途径，也是解决水资源匮乏问题的有效手段。污废水调控需要水量、水质参数用于确定回用水质、水量是否满足回用要求，而现有水质监测仪表价格昂贵，主要依靠人工检测，存在一定的滞后性，导致回用水水质无法保障。加之抽水蓄能电站污废水波动性大、分散性强，缺乏适用的调度方法，无法做到供需匹配，导致建设期废水“零排放”管理难度大。
2、目前，现有技术可采用神经网络模型用来预测用水量，但其仅采用单一的预算模型，对于一些复杂系统或是间歇运行系统，基于单一的预测模型只能描述出一部分信息，难以兼顾其他特征；此外，一些现有技术还可利用一种基于水量预测的泵组优化调度的方法，能够降低供水能耗以及解决泵组切换频繁问题，但其水量预测仅采用单一的预测模型，且未考虑供水水质是否满足需水要求，在调度过程中也仅涉及一个供水端，其目标函数重点在于泵组的优化，无法进行基于软测量的水量调控。
3、综上，现有技术进行水量调控的成本较高，精度较差，并未利用软测量策略控制输水泵实现水量调度，亟待解决。
技术实现思路
1、本申请提供一种基于软测量的水量调控方法、装
2、本申请第一方面实施例提供一种基于软测量的水量调控方法，包括以下步骤：采集目标工程点的历史工程量数据和用水流速数据，且根据所述历史工程量数据和所述用水流速数据，利用预先训练的生产函数模型和rbf神经网络模型分别进行需水量预测，得到生产函数预测结果和rbf预测结果，并融合所述生产函数预测结果和所述rbf预测结果，生成需水量融合预测结果；采集至少一个供水点的水质数据和流速监测数据，并判断所述至少一个供水点中每个供水点的水质数据是否满足预设水质要求，且记录满足所述预设水质要求的每个合格水质数据和所述每个合格水质数据对应的目标供水点，同时通过污水处理设施对不满足所述预设水质要求的供水点进行水质净化处理；根据所述需水量融合预测结果、所述目标供水点的流速监测数据和预设的最低成本目标函数构建目标机会约束规划模型，并基于所述目标机会约束规划模型，得到最优水量调度方案，以根据所述最优水量调度方案控制输水泵进行水量调控。
3、可选地，在本申请的一个实施例中，在利用预先训练的生产函数模型和rbf神经网络模型分别进行需水量预测之前，还包括：对所述用水流速数据进行预处理，得到第一需水量训练数据；初始化预设的rbf神经网络模型的网络参数，并通过所述第一需水量训练数据训练所述rbf神经网络模型，生成所述rbf神经网络模型；预处理所述历史工程量数据和所述用水流速数据，得到第二需水量训练数据，并对所述第二需水量训练数据进行归一化处理，获取标准需水量训练数据，以根据所述标准需水量训练数据训练所述生产函数模型。
4、可选地，在本申请的一个实施例中，所述根据所述需水量融合预测结果、所述目标供水点的流速监测数据和预设的最低成本目标函数构建目标机会约束规划模型，并基于所述目标机会约束规划模型，得到最优水量调度方案，包括：基于所述需水量融合预测结果和所述目标供水点的流速监测数据，建立需水能力约束函数和供水能力约束函数；基于所述最低成本目标函数，结合所述需水能力约束函数和所述供水能力约束函数，构建所述目标机会约束规划模型；将所述最低成本目标函数、所述需水能力约束函数和所述供水能力约束函数转化为确定性最低成本目标函数、确定性需水能力约束函数和确定性供水能力约束函数，以构建确定性目标机会约束规划模型；基于所述确定性目标机会约束规划模型，求解所述目标机会约束规划模型，得到所述最优水量调度方案。
5、可选地，在本申请的一个实施例中，所述目标机会约束规划模型的数学表达式为：
6、
7、其中，i为供水点，j为工程点，且i和j均为正整数；xij为供水点i给工程点j的供水量；cij为单位供水费用系数，为独立的不确定变量；ai为所述供水点i的供水次序系数；bj为所述工程点j的用水公平系数；rij为所述供水点i与所述工程点j之间的供需关系函数；wjmin和wjmax分别为所述工程点j的最小需水量和最大需水量，为所述独立的不确定变量；γj为预设置信水平；qi为所述供水点i的可供水量，为所述独立的不确定变量；β1为预设的置信水平；f1为最低成本目标函数。
8、本申请第二方面实施例提供一种基于软测量的水量调控装置，包括：预测模块，用于采集目标工程点的历史工程量数据和用水流速数据，且根据所述历史工程量数据和所述用水流速数据，利用预先训练的生产函数模型和rbf神经网络模型分别进行需水量预测，得到生产函数预测结果和rbf预测结果，并融合所述生产函数预测结果和所述rbf预测结果，生成需水量融合预测结果；判断模块，用于采集至少一个供水点的水质数据和流速监测数据，并判断所述至少一个供水点中每个供水点的水质数据是否满足预设水质要求，且记录满足所述预设水质要求的每个合格水质数据和所述每个合格水质数据对应的目标供水点，同时通过污水处理设施对不满足所述预设水质要求的供水点进行水质净化处理；调控模块，用于根据所述需水量融合预测结果、所述目标供水点的流速监测数据和预设的最低成本目标函数构建目标机会约束规划模型，并基于所述目标机会约束规划模型，得到最优水量调度方案，以根据所述最优水量调度方案控制输水泵进行水量调控。
9、可选地，在本申请的一个实施例中，还包括：预处理模块，用于在利用预先训练的生产函数模型和rbf神经网络模型分别进行需水量预测之前对所述用水流速数据进行预处理，得到第一需水量训练数据；第一训练模块，用于初始化预设的rbf神经网络模型的网络参数，并通过所述第一需水量训练数据训练所述rbf神经网络模型，生成所述rbf神经网络模型；第二训练模块，用于预处理所述历史工程量数据和所述用水流速数据，得到第二需水量训练数据，并对所述第二需水量训练数据进行归一化处理，获取标准需水量训练数据，以根据所述标准需水量训练数据训练所述生产函数模型。
10、可选地，在本申请的一个实施例中，所述调控模块包括：建立单元，用于基于所述需水量融合预测结果和所述目标供水点的流速监测数据，建立需水能力约束函数和供水能力约束函数；建模单元，用于基于所述最低成本目标函数，结合所述需水能力约束函数和所述供水能力约束函数，构建所述目标机会约束规划模型；转化单元，用于将所述最低成本目标函数、所述需水能力约束函数和所述供水能力约束函数转化为确定性最低成本目标函数、确定性需水能力约束函数和确定性供水能力约束函数，以构建确定性目标机会约束规划模本文档来自技高网...
【技术保护点】
1.一种基于软测量的水量调控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在利用预先训练的生产函数模型和RBF神经网络模型分别进行需水量预测之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述需水量融合预测结果、所述目标供水点的流速监测数据和预设的最低成本目标函数构建目标机会约束规划模型，并基于所述目标机会约束规划模型，得到最优水量调度方案，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标机会约束规划模型的数学表达式为：
5.一种基于软测量的水量调控装置，其特征在于，包括：
6.根据权利要求5所述的装置，其特征在于，还包括：
7.根据权利要求5所述的装置，其特征在于，所述调控模块包括：
8.根据权利要求7所述的装置，其特征在于，所述目标机会约束规划模型的数学表达式为：
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-4任一项所述
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-4任一项所述的基于软测量的水量调控方法。
...【技术特征摘要】
1.一种基于软测量的水量调控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在利用预先训练的生产函数模型和rbf神经网络模型分别进行需水量预测之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述需水量融合预测结果、所述目标供水点的流速监测数据和预设的最低成本目标函数构建目标机会约束规划模型，并基于所述目标机会约束规划模型，得到最优水量调度方案，包括：
4.根据权利要求3所述的方法，其特征在于，所述目标机会约束规划模型的数学表达式为：
5.一种基于软测量的水量调控装置，其特征在于，包括：
...【专利技术属性】
技术研发人员：王亮春，马萧萧，葛军强，秦鸿哲，杨志义，陈志立，柯有国，李森，洪方，刘超，晏凯，赵佳溪，张永平，王凯，石培培，刘雪洁，邱勇，
申请(专利权)人：国网新源集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。