(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210865634.8 (22)申请日 2022.07.22 (71)申请人 沈阳数融科技有限公司 地址 110000 辽宁省沈阳市和平区天津南 街46号2503房间 (72)发明人 刘启洋　成少飞　宋军　 (74)专利代理 机构 长春市盈创中成知识产权代 理事务所(普通 合伙) 22215 专利代理师 乔晓光 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) F04D 13/12(2006.01)G06Q 50/06(2012.01) (54)发明名称 一种大数据驱动 的以需定供的智能管网调 度系统及方法 (57)摘要 本发明公开了一种大数据驱动的以需定供 的智能管网调度系统及方法， 该系统包括接入网 关模块， 数据标准化模块， 数据库， AI引擎模块， Portal模块； 其中AI引擎通过神经网络深度学习 算法具备数据预测与分析能力， 首先通过调用管 网历史数据进行模型训练， 然后通过调用管网当 下时间实时数据对未来一段时间内的管网运行 情况数据进行预测， 根据预测的结果且结合水泵 的运行情况， 为水厂、 加压站的水泵的调度， 提供 量化的、 接近最优解的调度方案， 在保持调节池 水位安全合理、 保障供水稳定的前提下， 合理调 度加压水泵， 延长泵的使用寿 命， 节能降耗。 权利要求书7页 说明书15页 附图3页 CN 115169939 A 2022.10.11 CN 115169939 A 1.一种大数据驱动的以需定供的智能管网调度系统， 其特征在于： 通过神经网络算法 预测需水量， 以需定供， 合理调度水泵， 该系统包括接入网关模块， 数据标准化模块， 数据 库， AI引擎模块， Por tal模块； 所述接入网关模块用于采集安装在物联网智能设备的实时数据， 物联网智能设备通过 网络链接 到接入网关模块， 通过传输协议与接入网关模块进行 上行消息、 下 行消息交 互； 所述数据标准 化模块包括实时标准 化和定时标准 化； 所述实时标准化用于对采集到的数据进行标准化处理， 标准化后的数据 供AI引擎模块 进行预测使用同时也存储到数据库中， 标准化处理是去掉异常数据， 根据设备类型和数据 特征， 对上报的数据进行 校验； 所述定时标准化是通过读取数据库存储的各个设备的标准化后数据， 将采集频率不同 的各个设备的历史数据统一 成频率D的特征数据， 存储到数据库中， 作为A I引擎的各个模型 训练模块的训练数据使用； 所述数据库用于存储接入 网关模块采集到的物联网智能设备数据和天气数据、 数据标 准化模块处理过的标准化数据、 A I引擎模块的预测数据、 供水区域数据、 调节池 液位范围数 据； 所述AI引擎模块， 通过神经网络算法， 调用管网历史数据进行模型训练， 调用管网实时 数据进行预测和分析， 提供调度方案； 包括水泵供水与智能调度模块、 需水量预测模块、 调 节池液位预测模块； 所述水泵供水与智能调度模块， 用于对各个供水区域下的水泵进行智能调度和预测供 水量； 所述需水量预测模块用于按照供水区域预测该区域的用水量， 使用时间序列神经网络 算法， 通过该区域历史数据进行模型训练， 使用训练好的模型和实时数据对未来一段时间 需水量进行 预测； 所述调节池液位预测模块用于读取标准化后的历史数据， 使用多层时间序列神经网络 算法， 进行模型训练， 训练好的模型和实时数据对未来 一段时间的调节池液位进行 预测； 所述Portal模块， 用于展示各个工艺过程上的物联网智能设备的实时数据、 历史数据、 分析数据。 2.如权利要求1所述的一种大 数据驱动的以需定供的智能管网调度系统， 其特 征在于： 所述上行消息是指从物联网智能设备采集的数据指标， 以及从互联网获得的天气数 据； 所述下行消息是指智能调度模块生成的消息， 通过接入网关模块发送给水泵， 用来远 程控制水泵的启停和频率设置； 所述实时标准化使用的方法为： 使用H天内历史数据进行标准差计算， 判断相邻数据差 绝对值超过M倍标准差的为异常增高或降低， 采集到的数据小于0时为异常数据， 删除异常 数据， 将正常数据存 入数据库中间表中； 所述定时标准 化中统一频率D的算法如下： 流量为每D时间内累计流 量； 压力为每D时间内平均压力； 水泵频率 为每D时间内平均频率；权　利　要　求　书 1/7 页 2 CN 115169939 A 2液位为每D时间内平均液位； 调节池蓄水量=D时间内液位差X  调节池底面积; 天气为每D时间内平均温度; 液位差 = 每D时间内平均液位 ‑（D‑1） 时间内平均液位； 需水量 = 流量–调节池蓄水量 所述天气数据是从互联网获取的实时气温数据。 3.如权利要求2所述的一种大 数据驱动的以需定供的智能管网调度系统， 其特 征在于： 所述实时标准 化方法中H天为3 0天， M倍为3倍， D为1小时； 所述实时标准 化的数据包括： 流 量数据、 压力数据、 频率数据、 液位数据。 4.如权利要求2所述的一种大 数据驱动的以需定供的智能管网调度系统， 其特 征在于： 所述水泵供水与智能调度模块包括水泵供水模型训练模块、 水泵供水数据预测模块、 水泵智能调度模块； 所述水泵供水模型训练模块， 用于将经过标准化后的数据作为模型训练数据， 使用前 馈神经网络进行模型训练， 训练好的模型保存在指定的模型文件目录下， 供水泵供水数据 预测模块调用， 设定更新时间， 对所使用的数据进 行更新， 同时执行一次模型训练生成新的 模型； 所述水泵供水数据预测模块， 读取数据库中需水量预测模块预测的未来N小时需水量 数据和当前 水泵频率实时数据， 并对未来 N小时出水量进行 预测； 所述水泵智能调度模块， 用于按供水区域对水泵进行智能调度， 根据调节池液位预测 数据， 需水量预测数据进行智能计算， 程序中设定水泵智能调度模块每W小时执 行一次； 所述需水量预测模块包括需水量预测模型训练模块、 需水量数据预测模块； 所述需水量预测模型训练模块， 读取数据库中标准化模块处理后的需水量、 出水压力、 调节池液位差、 天气、 星期等数据指标的历史数据， 将数据按时间排序 组成时间序列， 使用 多层时间序列神经网络算法， 进 行模型训练， 训练好的模型保存在指 定的模型文件目录下， 供数据预测模块调用， 设定更新时间， 对所使用的数据进行更新， 同时执行一次模型训练生 成新的模型； 所述需水量数据预测模块， 使用数据标准化模块处理后的需水量、 调节池液位差、 天 气、 星期等数据指标实时数据， 调用需水量预测模 型训练模块训练好的模型， 进 行预测未来 一段时间的需水量预测， 预测结果存 储到数据库中； 所述调节池液位预测模块包括调节池液位预测模型训练模块、 调节池液位数据 预测模 块； 所述调节池液位预测模型训练模块， 读取数据库中标准化模块处理后的水厂出水流 量、 水厂出水压力、 调节池 液位、 天气、 星期等数据指标的历史数据， 将数据按时间排序组成 时间序列， 使用多层时间序列神经网络算法， 进 行模型训练， 训练好的模型保存在指 定的模 型文件目录下， 供数据预测模块调用， 设定更新时间， 对所使用的数据进行更新， 同时执行 一次模型训练生成新的模型； 所述调节池液位数据预测模块， 使用数据标准化模块处理后的水厂出水流量、 水厂出 水压力、 调节池液位、 天气、 星期等数据指标实时数据， 调用 调节池液位预测模型训练模块 训练好的模型， 进行 预测未来 一段时间的调节池液位,预测结果存 储到数据库中。权　利　要　求　书 2/7 页 3 CN 115169939 A 3