【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种取水泵站的取水调度方法、系统及存储介质。
技术介绍
1、取水泵站是城市供水系统的重要组成部分，传统取水泵站调度主要依靠工程经验调整泵组搭配、调节变频泵频率。这种调节是定性调节，人力成本高，取水并不准确，节能水平不稳定甚至增加能耗。因此开展取水泵站优化调度的研究具有重要意义。随着物联网技术和人工智能技术的发展，取水泵站的大量历史运行数据容易获得并可以被有效利用。可以通过数据驱动建立模型预测控制mpc，将大量已知的数据以及相应的约束条件输入mpc中，求解取水泵站优化调度方案，实现节能取水。
2、针对取水泵站的优化调度已有大量研究，现有研究提出了若干方法，如长短时记忆网络lstm、数据驱动mpc、深度q学习网络等，其中长短时记忆网络计算复杂度高，相比于其它网络有更多的参数和计算量，数据驱动训练的模型泛化能力不高，容易受到干扰，深度q学习网络的计算结果存在q值被过高估计的情况，但这些方法使得取水预测的结果存在误差，导致求解得到的结果精确度不高。
技术实现思路p>
1、本专利本文档来自技高网...
【技术保护点】
1.一种取水泵站的取水调度方法，其特征在于，包括：
2.根据权利要求1所述的取水泵站的取水调度方法，其特征在于，所述构建初始总取水量预测模型的具体表达式为：
3.根据权利要求1所述的取水泵站的取水调度方法，其特征在于，所述构建初始能效预测模型的具体表达式为：
4.根据权利要求1所述的取水泵站的取水调度方法，其特征在于，在根据所述初始取水量预测模型和初始能效预测模型构建取水泵站的调度预测模型之后，所述方法还包括：
5.根据权利要求4所述的取水泵站的取水调度方法，其特征在于，所述优化模型的表达式为：
6.根据权利...
【技术特征摘要】
1.一种取水泵站的取水调度方法，其特征在于，包括：
2.根据权利要求1所述的取水泵站的取水调度方法，其特征在于，所述构建初始总取水量预测模型的具体表达式为：
3.根据权利要求1所述的取水泵站的取水调度方法，其特征在于，所述构建初始能效预测模型的具体表达式为：
4.根据权利要求1所述的取水泵站的取水调度方法，其特征在于，在根据所述初始取水量预测模型和初始能效预测模型构建取水泵站的调度预测模型之后，所述方法还包括：
5.根据权利要求4所述的取水泵站的取水调度方法，其特征在于，所述优化模型的表达式为：
6.根据权利要求5所述的取水泵站的取水调度方法，其特征在于，所述取水本站的总用水量与每个取...
【专利技术属性】
技术研发人员：何文浩，林国恩，梁昌智，潘安庭，胡兆雄，曾勇洲，
申请(专利权)人：广州市自来水有限公司，
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。