[发明专利]一种基于注意力机制和LSTM的管网漏损量预测方法及系统

说明书

本发明公开了一种基于注意力机制和LSTM的管网漏损量预测方法及系统，所述方法包括以下步骤：实时获取供水区域内各管段的压力和流量数据；根据压力和流量特征数据，基于管网漏损量预测模型，对每个管段进行漏损量预测，其中，所述管网漏损量预测模型是采用基于注意力机制的LSTM模型预先训练得到的。本发明采用基于注意力机制的LSTM模型进行漏损量预测，比夜间最小流量法获取的数据更加准确，有利于缓解水资源供需矛盾。

技术领域

本发明属于城市供水管网漏损预测技术领域，尤其涉及一种基于注意力机制和LSTM的管网漏损量预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

独立计量区域(District Metering Area,DMA)方法是目前国际上公认的解决分区问题最好的实践方法，即把一个开放的供水管网分割成一些独立且易于管理的区域或检漏区。该方法便于供水企业充分了解管网结构，分析漏损区域的压力和流量。建立DMA分区的准则包括区域的大小(或连接的数量)、关闭阀门的数量、流量计的数量、DMA边界的地面情况和拓扑结构的特性。供水企业使用最小夜间流量(MNF)和合法的夜间流量(LNF)计算净夜间流量(NNF)，确定某个DMA区域的管网漏损量，从而建立可持续供水的DMA。

目前国内外普遍采用最小夜间流量法检测供水管网的漏损。对某个独立计量区域(DMA)的夜间流量进行分析，进而估算出该区域的实际漏损情况。夜间最小流量一般选择在凌晨1点到凌晨5点，这个时间段除少量晚归者和夜间冲马桶等用水外无其他用水。此时间段内若真实用水量大于最小用水量则可以认为供水管网存在漏损现象。常用的最小夜间流量数据处理方法有两种，经验法和比较法。

经验法：居住在同一个小区的居民生活习惯相似，但彼此之间存在着或多或少的差异。这种差异存在着相似性，可以通过统计学的方法确定一个正常夜间最小流量的控制范围，一旦超出该合理区间，就应当及时报警，提示用户查找出现异常情况的原因。

比较法：将夜间测得的最小流量与日平均小时流量比较，如果夜间最小流量与日平均小时流量的比值(漏损率)超过某一百分点，即可认为该区域管网可能出现异常。

在实际应用的过程中，为了确保结果的准确性，通常对比以上两种方法的分析结果，若两者结论一致，则可初步判定监测区域是否存在管网漏损问题。

目前国际上普遍采用的DMA分区计量法和最小夜间流量法可以粗略的估计出是否发生漏损现象，但是DMA计量管理区域建立的成本较大，不仅需要流量计和数据记录仪，甚至为满足封闭性需要更换或改造阀门。而采用最小夜间流量法，由于存在一定的主观性，准确性有待提高。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于注意力机制和LSTM的管网漏损量预测方法及系统，根据管网压力变化可以推断出漏损量，即根据压力差推断出漏损量。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于注意力机制和LSTM的管网漏损量预测方法，包括以下步骤：

实时获取供水区域内各管段的压力和流量数据；

根据压力和流量特征数据，基于管网漏损量预测模型，对每个管段进行漏损量预测，其中，所述管网漏损量预测模型是采用基于注意力机制的LSTM模型预先训练得到的。

进一步地，获取供水区域内各管段的压力和流量数据后，还计算压力和流量数据的统计量，并对压力数据、流量数据及其统计量进行归一化处理。

进一步地，所述管网漏损量预测模型训练方法包括：

获取供水区域内一段时间的压力和流量数据作为训练数据；

基于滑动窗口对训练数据进行特征提取；