一种基于大数据的二次供水分布计算算法及系统

技术领域

本发明涉及大数据的技术领域，尤其涉及一种基于大数据的二次供水分布计算算法及系统。

背景技术

近些年来随着房地产行业的发展，新的住宅、公共建筑等不断被开发扩建，导致了相当一部分居民用水困难的问题。在用水高峰时期，有一部分居民水压会极其不稳定甚至没有供水，高层建筑这类问题尤为突出。

造成这种问题的主要原因是现在的二次供水系统技术还是相对落后，在用水高峰时期就会出现水压紊乱、水压过低，需水量远大于供水量；反观在用水低峰期的时候，人们用水的需求量就会低于供水设备的供给量，多余的水堆积在管道内无法释放，出水终端及管路内压力急剧上升，水泵机组电能浪费，甚至有可能导致部分供水管路破裂进而浪费更多的人力物力。

鉴于此，随着大数据时代的来临，如何基于大数据计算不同区域的二次供水需求，从而实现更为高效地二次供水，成为本领域技术人员亟待解决的问题。

发明内容

本发明提出一种基于大数据的二次供水分布计算算法，通过利用基于传感器节点灵敏度的传感器节点布置算法优化供水管网中的传感器节点分布，从而能够获取更为精准的不同区域实时需水量，同时利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，并根据用户类型的不同，采用不同的概率分布模型预测不同分布节点的实时需水量。

为实现上述目的，本发明提供的一种基于大数据的二次供水分布计算算法，包括：

获取用户的用水流量数据，计算供水管网中传感器节点的需水量，并将传感器节点的需水量作为供水管网模型的输入，得到传感器节点分布基准模型；

利用传感器节点分布基准模型计算传感器节点灵敏度，并利用基于传感器节点灵敏度的传感器布置算法优化供水管网中的传感器分布；

利用传感器获取历史供水数据，并利用移动平均滤波算法对历史供水数据进行降噪处理，得到降噪后的历史供水数据；

根据降噪后的历史供水数据，利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，并替换漏损管道；

利用基于用户类型的概率分布模型预测不同传感器节点的二次供水需水量，实现二次供水分布计算。

可选地，所述计算供水管网中传感器节点的需水量，并将传感器节点的需水量作为供水管网模型的输入，得到传感器节点分布基准模型，包括：

在本发明一个具体实施例中，供水管网传感器节点分布在城市的不同区域，每个区域有若干用户，本发明获取用户的用水流量数据，通过整合供水管网传感器节点所在区域的用户用水流量数据，从而将传感器节点所在区域的用水总流量数据最为传感器节点的需水量；

将传感器节点的需水量作为供水管网模型的输入，所述供水管网模型为：

其中：

q

Q

h

C表示摩阻系数；

L指以传感器节点i和传感器节点j为端点的管道的长度；

D指以传感器节点i和传感器节点j为端点的管道的管径；

通过将传感器节点的需水量带入供水管网模型中，利用压力传感器检测不同传感器节点的压力，并将传感器节点管道流量以及压力作为传感器节点分布基准模型H：

H＝{h

其中：

p

s

h

可选地，所述利用传感器节点分布基准模型计算传感器节点灵敏度,包括：

1)对传感器节点分布基准模型进行平差，得到所有传感器节点的基准压力s

2)在传感器节点i处添加一个需水量扰动，得到所有传感器节点的压力s′

3)计算压力灵敏矩阵第i行元素S

4)将传感器节点i的需水量重置为传感器节点分布基准模型的初始节点需水量，然后向下一个节点添加需水量扰动，重复2)-3)；最终得到的传感器节点i对供水管网所有传感器节点的灵敏度为：

其中：

S

可选地，所述利用基于传感器节点灵敏度的传感器布置算法优化供水管网中的传感器分布，包括：

从传感器节点分布基准模型中选出i个数据作为监测数据，将监测数据输入节点需水量校验模型中，得到节点校验需水量，所述节点需水量校验模型为：

其中：

q表示待校验的节点需水量；

w

Y

g是描述供水管网中流量和压力的水力稳态的非线性方程组；

通过最小化目标函数J来求解节点校验需水量q′，将节点校验需水量q′代入供水管网模型中，得到传感器节点分布校验模型H′：

H′＝{h′

其中：

p

s

h′

计算传感器节点分布校验模型H′和传感器节点分布基准模型H之间的偏差，并将平均偏差作为布置优化算法的目标函数：

ε

其中：

i表示传感器节点数目；

ε

若在节点i处安装一个压力传感器，那么节点i处校验偏差将降低ε

由于供水管网中节点压力之间往往具有广泛的灵敏关系，而流量则缺乏这种灵敏度关系。因此布置压力监测点可以提高其他未布置传感器节点的校验精度，这对管道流量校验精度提升也有相当大的贡献。因此，优先布置压力传感器有利于整体校验精度的提高；进一步地，本发明选择在流量偏差最大的管道布置流量传感器。

可选地，所述利用移动平均滤波算法对历史供水数据进行降噪处理，得到降噪后的历史供水数据，包括：

建立一个长度为n的移动窗口，计算窗口内n个历史数据的平均值作为当前数据，然后将窗口向前移动，移除最后一个数据，并且插入新的数据，再次计算均值，所述降噪滤波公式为：

其中：

x(t)为历史供水数据；

n为时间窗口长度；

可选地，所述利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，包括：

1)构建水量平衡模型：

其中：

A为漏水面积；

Q

Q(t)为t时刻供水管道的总供水流量；

C

m为压力-面积梯度；

h为泄漏点的压力；

2)采用最小二乘法对水量平衡模型参数进行拟合：

其中：

θ＝[A，Q

T为时间T内采集到的供水数据条数；

Q′

Q

3)将估计得到的模型未知参数作为特征向量，并利用支持向量机检测供水管网是否存在漏损情况；根据检测结果，对漏损管道进行替换处理。

可选地，所述利用基于用户类型的概率分布模型预测不同传感器节点的二次供水需水量，包括：

1)计算时刻t的节点需水量先验概率分布：

X

其中：

X

F为需水量预测函数，表示当前时刻的节点需水量X

ε

σ

2)将时刻t的节点需水量后验概率分布改写为如下形式：

其中：

3)通过最大化节点需水量后验概率

其中：

g(·)为供水管网模型；

C

最终得到的X

此外，为实现上述目的，本发明还提供一种基于大数据的二次供水分布计算系统，所述系统包括：

供水数据获取装置，用于获取用户的用水流量数据，计算供水管网中传感器节点的需水量，并将传感器节点的需水量作为供水管网模型的输入，得到传感器节点分布基准模型；同时利用传感器节点分布基准模型计算传感器节点灵敏度，并利用基于传感器节点灵敏度的传感器布置算法优化供水管网中的传感器分布；

供水数据处理器，用于利用传感器获取历史供水数据，并利用移动平均滤波算法对历史供水数据进行降噪处理，得到降噪后的历史供水数据；根据降噪后的历史供水数据，利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，并替换漏损管道；

二次供水分布计算装置，用于利用基于用户类型的概率分布模型预测不同传感器节点的二次供水需水量。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有二次供水分布计算程序指令，所述二次供水分布计算程序指令可被一个或者多个处理器执行，以实现如上所述的基于大数据的二次供水分布计算的实现方法的步骤。

相对于现有技术，本发明提出一种基于大数据的二次供水分布计算算法，该技术具有以下优势：

首先，本发明提出一种基于传感器节点灵敏度的传感器布置算法，来优化供水管网中的传感器分布，在优化算法中，首先使用用户的用水流量数据，计算供水管网中传感器节点的需水量，并将传感器节点的需水量作为供水管网模型的输入，得到传感器节点分布基准模型，从而利用传感器节点分布基准模型计算传感器节点灵敏度，其中S

ε

其中：i表示传感器节点数目；ε

同时，传统的二次供水需水量计算算法通常通过最小化模型模拟值与监测值的偏差来求解节点需水量，事实上，仅使用有限数量的监测数据无法唯一地确定所有的节点需水量，同时由于缺乏对节点需水量的调整范围的有效约束，计算得到的节点需水量往往偏离真实值，相比于传统的二次供水需水量计算算法，本发明所述二次供水需水量计算算法，在模型计算过程中引入了先验信息

其中：g(·)为供水管网模型；C

附图说明

图1为本发明一实施例提供的一种基于大数据的二次供水分布计算算法的流程示意图；

图2为本发明一实施例提供的一种基于大数据的二次供水分布计算系统的结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

通过利用基于传感器节点灵敏度的传感器节点布置算法优化供水管网中的传感器节点分布，从而能够获取更为精准的不同区域实时需水量，同时利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，并根据用户类型的不同，采用不同的概率分布模型预测不同分布节点的实时需水量。参照图1所示，为本发明一实施例提供的基于大数据的二次供水分布计算算法示意图。

在本实施例中，基于大数据的二次供水分布计算算法包括：

S1、获取用户的用水流量数据，计算供水管网中传感器节点的需水量，并将传感器节点的需水量作为供水管网模型的输入，得到传感器节点分布基准模型。

首先，在本发明一个具体实施例中，供水管网传感器节点分布在城市的不同区域，每个区域有若干用户，本发明获取用户的用水流量数据，通过整合供水管网传感器节点所在区域的用户用水流量数据，从而将传感器节点所在区域的用水总流量数据最为传感器节点的需水量；

进一步地，本发明将传感器节点的需水量作为供水管网模型的输入，所述供水管网模型为：

其中：

q

Q

h

C表示摩阻系数；

L指以传感器节点i和传感器节点j为端点的管道的长度；

D指以传感器节点i和传感器节点j为端点的管道的管径；

通过将传感器节点的需水量带入供水管网模型中，利用压力传感器检测不同传感器节点的压力，并将传感器节点管道流量以及压力作为传感器节点分布基准模型H：

H＝{h

其中：

p

s

h

S2、利用传感器节点分布基准模型计算传感器节点灵敏度，并利用基于传感器节点灵敏度的传感器布置算法优化供水管网中的传感器分布。

本发明利用传感器节点分布基准模型计算传感器节点灵敏度，所述传感器节点灵敏度的计算过程为：

1)对传感器节点分布基准模型进行平差，得到所有传感器节点的基准压力s

2)在传感器节点i处添加一个需水量扰动，得到所有传感器节点的压力s′

3)计算压力灵敏矩阵第i行元素S

4)将传感器节点i的需水量重置为传感器节点分布基准模型的初始节点需水量，然后向下一个节点添加需水量扰动，重复2)-3)；最终得到的传感器节点i对供水管网所有传感器节点的灵敏度为：

进一步地，本发明利用基于传感器节点灵敏度的传感器布置算法优化供水管网中的传感器节点分布，所述基于传感器节点灵敏度的传感器布置算法流程为：

从传感器节点分布基准模型中选出i个数据作为监测数据，将监测数据输入节点需水量校验模型中，得到节点校验需水量，所述节点需水量校验模型为：

其中：

q表示待校验的节点需水量；

w

Y

g是描述供水管网中流量和压力的水力稳态的非线性方程组；

通过最小化目标函数J来求解节点校验需水量q′，将节点校验需水量q′代入供水管网模型中，得到传感器节点分布校验模型H′：

H′＝{h′

其中：

p

s

h′

计算传感器节点分布校验模型H′和传感器节点分布基准模型H之间的偏差，并将平均偏差作为布置优化算法的目标函数：

ε

其中：

i表示传感器节点数目；

ε

若在节点i处安装一个压力传感器，那么节点i处校验偏差将降低ε

由于供水管网中节点压力之间往往具有广泛的灵敏关系，而流量则缺乏这种灵敏度关系。因此布置压力监测点可以提高其他未布置传感器节点的校验精度，这对管道流量校验精度提升也有相当大的贡献。因此，优先布置压力传感器有利于整体校验精度的提高；进一步地，本发明选择在流量偏差最大的管道布置流量传感器。

S3、利用传感器获取历史供水数据，并利用移动平均滤波算法对历史供水数据进行降噪处理，得到降噪后的历史供水数据。

进一步地，本发明利用传感器获取历史供水数据，并利用移动平均滤波算法对所述历史供水数据进行降噪处理，所述移动平均滤波算法的降噪流程为：

建立一个长度为n的移动窗口，计算窗口内n个历史数据的平均值作为当前数据，然后将窗口向前移动，移除最后一个数据，并且插入新的数据，再次计算均值，所述降噪滤波公式为：

其中：

x(t)为历史供水数据；

n为时间窗口长度；

S4、根据降噪后的历史供水数据，利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，并替换漏损管道。

进一步地，根据降噪后的历史供水数据，本发明利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，所述基于水量平衡模型的供水管漏损检测算法流程为：

1)构建水量平衡模型：

其中：

A为漏水面积；

Q

Q(t)为t时刻供水管道的总供水流量；

C

m为压力-面积梯度；

h为泄漏点的压力；

2)采用最小二乘法对水量平衡模型参数进行拟合：

其中：

θ＝[A，Q

T为时间T内采集到的供水数据条数；

Q′

Q

3)将估计得到的模型未知参数作为特征向量，并利用支持向量机检测供水管网是否存在漏损情况；根据检测结果，对漏损管道进行替换处理。

S5、利用基于用户类型的概率分布模型预测不同传感器节点的二次供水需水量，实现二次供水分布计算。

进一步地，本发明利用基于用户类型的概率分布模型预测不同传感器节点的二次供水需水量，所述基于用户类型的概率分布模型的预测过程为：

1)计算时刻t的节点需水量先验概率分布：

X

其中：

X

F为需水量预测函数，表示当前时刻的节点需水量X

ε

σ

2)将时刻t的节点需水量后验概率分布改写为如下形式：

其中：

3)通过最大化节点需水量后验概率

其中：

g(·)为供水管网模型；

C

最终得到的X

下面通过一个算法实验来说明本发明的具体实施方式，并对发明的处理方法进行测试。本发明算法的硬件测试环境为：实验的开发环境为Intel(R)Core(TM)i5-3470S CPU@2.90GHz 2.89GHz和8GB内存的PC机上，系统为windows10系统，实验软件为matlab2018a。对比方法为基于随机森林的二次供水分布计算方法、基于SVM的二次供水分布计算方法以及基于神经网络的二次供水分布计算方法。

在本发明所述算法实验中，本实验通过搜集5G的历史供水数据，分别使用本发明所述方法以及对比方法进行二次供水分布计算，将二次供水分布计算的准确率作为二次供水分布计算方法的评价指标。

根据实验结果，基于随机森林的二次供水分布计算方法的分布计算准确率为84.61％，基于SVM的二次供水分布计算方法的分布计算准确率为81.32％，基于神经网络的二次供水分布计算方法的分布计算准确率为85.18％，本发明所述方法的分布计算准确率为87.71％，相较于对比算法，本发明所提出的基于大数据的二次供水分布计算算法能更为准确地进行二次供水分布计算。

发明还提供一种基于大数据的二次供水分布计算系统。参照图2所示，为本发明一实施例提供的基于大数据的二次供水分布计算系统的内部结构示意图。

在本实施例中，所述基于大数据的二次供水分布计算系统1至少包括供水数据获取装置11、供水数据处理器12、二次供水分布计算装置13，通信总线14，以及网络接口15。

其中，供水数据获取装置11可以是PC(Personal Computer，个人电脑)，或者是智能手机、平板电脑、便携计算机等终端设备，也可以是一种服务器等。

供水数据处理器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。供水数据处理器12在一些实施例中可以是基于大数据的二次供水分布计算系统1的内部存储单元，例如该基于大数据的二次供水分布计算系统1的硬盘。供水数据处理器12在另一些实施例中也可以是基于大数据的二次供水分布计算系统1的外部存储设备，例如基于大数据的二次供水分布计算系统1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，供水数据处理器12还可以既包括基于大数据的二次供水分布计算系统1的内部存储单元也包括外部存储设备。供水数据处理器12不仅可以用于存储安装于基于大数据的二次供水分布计算系统1的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

二次供水分布计算装置13在一些实施例中可以是一中央处理器(CentralProcessing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行供水数据处理器12中存储的程序代码或处理数据，例如二次供水分布计算程序指令等。

通信总线14用于实现这些组件之间的连接通信。

网络接口15可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该系统1与其他电子设备之间建立通信连接。

可选地，该系统1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在基于大数据的二次供水分布计算系统1中处理的信息以及用于显示可视化的用户界面。

图2仅示出了具有组件11-15以及基于大数据的二次供水分布计算系统1，本领域技术人员可以理解的是，图1示出的结构并不构成对基于大数据的二次供水分布计算系统1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

在图2所示的装置1实施例中，供水数据处理器12中存储有二次供水分布计算程序指令；二次供水分布计算装置13执行供水数据处理器12中存储的二次供水分布计算程序指令的步骤，与基于大数据的二次供水分布计算算法的实现方法相同，在此不作类述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有二次供水分布计算程序指令，所述二次供水分布计算程序指令可被一个或多个处理器执行，以实现如下操作：

获取用户的用水流量数据，计算供水管网中传感器节点的需水量，并将传感器节点的需水量作为供水管网模型的输入，得到传感器节点分布基准模型；

利用传感器节点分布基准模型计算传感器节点灵敏度，并利用基于传感器节点灵敏度的传感器布置算法优化供水管网中的传感器分布；

利用传感器获取历史供水数据，并利用移动平均滤波算法对历史供水数据进行降噪处理，得到降噪后的历史供水数据；

根据降噪后的历史供水数据，利用基于水量平衡模型的供水管漏损检测算法检测供水管网是否存在漏损情况，并替换漏损管道；

利用基于用户类型的概率分布模型预测不同传感器节点的二次供水需水量，实现二次供水分布计算。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。