[发明专利]一种智能变频供水方法及系统

权利要求书

1.一种智能变频供水方法，其特征在于，所述方法包括：

A、利用多指标传感器获取用户的用水信息，并对所获取的用水信息进行预处理；

B、利用多变量的聚类算法进行用户用水信息的聚类处理，形成多个模式相似的用户群体；

所述利用多变量的聚类算法进行用户用水信息的聚类处理，包括：

B1、对多变量的用户用水信息时间序列数据进行建模：

其中：

x为用户用水信息时间序列数据；

M(x)为用户用水信息时间序列数据模型；

∑为用户用水信息时间序列数据x的协方差矩阵；

μ为用户用水信息时间序列数据均值；

n为用户用水信息时间序列数据的数据总数；

B2、使用宽为w步长为s的滑动窗口，沿着用户用水信息时间序列的时间轴滑动，得到若干子序列{x₁，...，x_k}；

B3、建立用户用水信息时间序列数据模型中随机场序列{τ₁，...，τ_k}的目标函数：

通过求解目标函数，得到用户用水信息时间序列数据的k个随机场序列；

B4、以不同的密度半径执行DBSCAN聚类算法，将不同密度的聚类结果作为多个模式相似的用户群体；

C、利用用户群体信息图像化方法对每个用户群体进行处理，得到用户群体信息图像；

所述利用用户群体信息图像化方法对每个用户群体进行处理，包括：

C1、对于每个用户群体时间序列数据，将时间序列数据作为角余弦，将时间步长作为半径，将每个用户群体时间序列数据转换为极坐标：

其中：

x为时间序列数据；

r为极坐标半径；

t为时间步长；

P为常数因子，将其设置为10；

θ为极坐标角度；

C2、利用角度透视算法对极坐标进行处理，得到用户群体信息的极坐标矩阵：

其中：

θ_n为第n个用户群体的极坐标角度；

C3、根据用户群体信息的极坐标矩阵，将极坐标矩阵重构为用户群体信息图像；

D、利用神经网络模型对用户群体信息图像进行特征提取，得到用户群体信息图像的图像特征；

E、根据所提取的图像特征，利用基于图像特征的变频供水策略实现动态周期性供水；

所述利用基于图像特征的变频供水策略实现动态周期性供水，包括：

确定变频供水目标函数：

其中：

W_i为用户i在供水周期内需水量；

S_ij为水源j向用户i的调度水量；

W_ij为用户i在供水周期内从水源j调度的水量；

C_ij为水源j向用户i供水的供水成本；

从融合后的图像特征中获取各用户群体的需水量，在供水周期内计算变频供水目标函数取值，得到不同用户群体的供水调度策略{α₁，α₂，...α_i}，其中α_i为用户群体i的供水调度策略。

2.如权利要求1所述的一种智能变频供水方法，其特征在于，所述对所获取的用水信息进行预处理，包括：

1)计算传感器采集数据的时间戳差值，当时间戳差值大于阈值时，时间戳较小的传感器读取下一帧数据，重复此过程直到所有数据的时间戳差值小于阈值；并将所有数据归一化为若干个时间长度为5s的时间序列数据；

2)将一个长度为N的时间序列数据X压缩为长度为n的序列{x₁，x₂，...，x_n}，则序列中的第i个数据为：

其中：

X_j为时间序列数据X中第j个数据。