[发明专利]一种基于GRU神经网络的市政管网水流量预测方法

说明书

本发明涉及一种基于GRU神经网络的市政管网水流量预测方法。该方法包括：以水厂中控系统为数据(泵坑液位、进厂流量计)来源；通过数据预处理模块，对数据进行清洗，同时以清洗后的数据将进厂流量数据和泵坑液位数据进行对齐为后续处理准备整齐无误的数据源；在将数据处理完成后推送给市政管网数据计算模块，该模块将数据通过相应的变换估算市政管网流量；之后将估算的数据推给自回归相关系数模块计算自回归阶数得到GRU神经网络的输入维度，生成GRU神经网络；最后通过GRU神经网络对市政管网流量进行预测分析。其具有设计合理、操作简便、可视化强、性能可靠稳定、能够被广泛推广使用的特点。

技术领域

本发明涉及城市污水管网流量预测技术，尤其涉及一种基于GRU神经网络的市政管网水流量预测方法。

背景技术

自水十条公布后，社会及政府的可持续发展对城镇污水处理厂提出了更高要求：出水水质不断提升，满足水污染控制和水资源可持续循环利用的需要；节能降耗、控制碳排放，实现低碳运行；进行资源和能源的回收和开发利用。而污水处理行业整体自动化和信息化不足，其工艺核心的生物处理过程为多因素、大滞后的复杂体系；同时面临进水水质、水量波动大，各指标波动不同步等问题，因此利用传统方法难以实现精细化管理。

现阶段，信息化、物联网与大数据是全球最热门的研究领域和战略新兴产业之一。在环境保护、工程技术、国土安全等领域有望实现技术突破和创新。在水务领域应用数据科学技术可以视作建立“数据化、精准化、智能化”的水环境综合治理模式的崭新开始。

提升泵的作用是将泵坑内来自市政管网的污水注入污水处理厂，提升泵的开度不仅决定了污水厂日产水量而且决定了泵坑内污水的液位。提升泵的最优控制不仅要最大化污水厂日产水量，而且要保证泵坑液位处在较高的液位运行(不造成溢流)。市政管网来水自进水口进入泵坑，当液位超过最低液位时，进水泵开启，自泵房抽水进入污水厂，当液位低于最低液位时，进水泵停机。显然泵坑内液位决定了进水泵到水厂总管的扬程，而进水泵耗电量正比于扬程，即升扬高度越高耗电越大。相反，安全液位越高越容易造成溢流。为实现最优控制，实现智能提升，预测市政管网污水流量是关键。

发明内容

针对目前泵坑液位控制不稳定的特点，本发明的目的在于：提高提升泵控制的稳定运行，通过将泵坑液位维持在一定水平既能达提升泵节能又能够达到降低溢流风险的作用，为达到上述目的，本发明采用如下技术方案：

以水厂中控系统为泵坑液位、进厂流量计两种数据的来源，通过数据预处理模块，对数据进行清洗，去掉记录错误、断点等异常数据，提升数据质量，使其达到可使用的状态，而后以清洗后的数据将进厂流量数据和泵坑液位数据进行对齐为后续处理准备整齐无误的数据源，在将数据处理后推送给市政管网数据计算模块，该模块将数据通过相应的变换估算市政管网流量，之后将估算的数据推给自回归相关系数模块计算自回归阶数得到GRU神经网络的输入维度，生成GRU神经网络；最后通过GRU神经网络对市政管网流量进行预测分析。具体操作步骤如下：

1.通过水厂中控系统收集水厂总管流量、泵坑液位以及泵坑坑底面积；

2.对收集的数据进行预处理，对于缺失数据或异常数据采取前10个数据均值代替的方法，若缺失值为前10条内的数据，则将数据起始点依次逐步向后推，直至连续10条数据无异常时止；

3.对总管流量和液位数据以时间窗口长度为n对数据进行滑动平均；

4.根据特定时间窗口对数据进行对齐处理；

5.利用处理好的水厂总管流量和泵坑液位数据，推算市政管网流量：

其中f_o为水厂总管(进厂)流量，f_s为市政管网流量，l为泵坑液位，s为泵坑底面积，同时该式假定一分钟内水厂总管流量和市政管网流量呈线性变化，流量单位为m³/h。