[发明专利]一种水指纹预测算法

说明书

本发明涉及供水管网管理技术领域，且公开了一种水指纹预测算法，包括以下步骤：1)获取需要进行计算的分区的历史数据；2)使用时间序列方法预测未来24小时的数据；3)使用移动平均方式计算未来24小时的数据；4)使用线性回归方式计算未来24小时的数据；5)使用卡尔曼滤波方法综合实际采集数据和以上两种计算数据；6)使用卡尔曼滤波算法计算出各算法不同的置信区间。该算法通过卡尔曼滤波计算多种算法的可信度，进行综合性的预测，可以应对各种不同的特殊情况，适应范围更广，其选择的集中基本算法具有各自不同的特点，适应不同的场景，避免了在远传设备采集的水表流量数据，可能由于各种原因，导致回传数据的异常变化，影响对数据的正常监控和分析。

技术领域

本发明涉及供水管网管理技术领域，具体为一种水指纹预测算法。

背景技术

水指纹预测算法属于供水管网管理，可以在分区计量和漏损控制领域中应用。

目前，对于分区计量中流量计或水表采集到的数据，由于设备故障或信号异常等原因，无法保证数据100％的准确性，存在数据缺失和毛刺等可能性，容易收到该类不良数据的干扰，影响对监控数据的正常分析，例如由于毛刺产生的误报警等，现有技术虽然可以对该类不良数据进行处理，但处理方法较为简单，适应性不够广泛，主要存在以下问题：1.对毛刺数据直接剔除，剔除后该时刻数据为空，虽然无毛刺，但影响数据的连续性；2.对缺失数据的补偿不够智能，例如简单的求取平均值等，与真实数据相别较大，补偿效果较差；3.由于数据缺失和异常等情况，影响后续的预测和报警等算法的进行，故而提出一种水指纹预测算法解决上述问题

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种水指纹预测算法，具备判断分区或表具水量合理的预测区间，辅助工作人员判断分区或表具的运行状态，实现及时预判和及时告警，并可作为漏损控制工作的依据等优点，解决了影响数据的连续性、与真实数据相别较大和影响后续预测和报警等算法进行的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：主要通过对历史数据和预测数据的综合分析，采用机器学习的方法，形成一种用来判断分区或表具水量合理的预测区间，辅助工作人员判断分区或表具的运行状态，实现及时预判和及时告警，并可作为漏损控制工作的依据，具体方法过程如下：

一种水指纹预测算法，包括以下步骤：

1)获取需要进行计算的分区的历史数据，通过远传设备采集到的数值，直接计算的水量数据；

2)使用时间序列方法预测未来24小时的数据，绝大多数的用水数据都具有一定的周期性，因此可以采用时间序列的方法对历史数据进行总结分析，预测未来一段时间的水量；

3)使用移动平均方式计算未来24小时的数据，大部分用户水量都具有日相关性，不同日的同一时刻水量具有明显的相关性，该方法通过对水表近7日每时刻数据进行平均，估算未来24小时的水量数据；

4)使用线性回归方式计算未来24小时的数据，水表数据除了自身外，也可以通过其它相关联的数据作为预测依据，该方法通过多个水厂出厂流量作为计算依据，对历史数据采用线性回归方法进行拟合，预测水表下一时刻的水量；

5)使用卡尔曼滤波方法综合实际采集数据和以上两种计算数据，综合计算得出最终水指纹数据，各种预测方法均会存在一定的误差，可以采用卡尔曼滤波的方法，计算各预测方法近一段时间内预测误差的正态分布的方差，作为该预测方法的可信度，综合以上3种不同计算方法的预测结果，可以得出更加可信的预测结果；

6)使用卡尔曼滤波算法计算出各算法不同的置信区间，综合各算法得出最终预测结果，该最终结果具有最高的适应性。

优选的，所述步骤1)中的水量数据计算公式为：间歇水量＝当前时刻累计值－上一时刻累计值。