[发明专利]一种特定区域内企业工业用水异常监测预警方法

说明书

一种特定区域内企业工业用水异常监测预警方法包括：分别采用针对全局时序数据预测的LSTM模型和局部非线性时序分析的混沌序列建模分别抽取单个企业用户用水量特征，并利用特征聚合模块对两种特征向量进行聚合嵌入，组成单个企业用户的用水特征向量。通过联结单个企业用户的用水特征向量，建立特定区域内的企业用户总用水量预测模型。结合特定区域内总用水量预测和单个企业用户用水量预测模型分析该区域内是否有用水异常现象。本发明针对特定区域内企业用水异常监测流程复杂，利用基于单个企业和特定区域内的多个企业用水异常监测模型，集合局部特征和全局特征实现对特定区域内的企业用水异常检测。

技术领域

本发明公开一种特定区域内企业工业用水异常监测预警方法，属于用水异常智能监测的技术领域。

背景技术

节约用水与企业的未来可持续发展息息相关。对于特定区域内的企业的用水监控，传统的在指定用水容量范围内对各个企业用水执行指标分配，并无法对企业用水情况进行实时监测，从而导致水资源的浪费。因此，亟需一种可以对特定区域内企业生产用水情况的技术方案，以使企业及时发现生产用水异常并及时处理,可减少水资源的浪费,节约成本。

中国专利文献CN111259334A公开一种工业企业大用户用水异常监测预警方法。本发明首先建立工业企业用水监测数据库。其次计算历史稳定期动态24小时用水量，并采用KS检验对24小时用水量序列进行正态分布验证，当其为偏态分布时，计算箱线图上下限参数；当其为正态分布时，计算SPC控制图参数。最后获取SCADA实测数据，针对每个采样时刻，滚动计算24小时用水量，与上下界阈值比较，进行超限判断及预警。

中国专利文献CN113537469A公开一种基于LSTM网络和Attention机制的城市需水预测方法，该方法使用Attention机制改良了一般的LSTM模型，然后使用数据集对改良后的模型进行训练，比较LSTM的输出与实际值，得出预测误差，再使用预测误差更新网络参数，如此不断迭代，使得Attention改良后的LSTM模型能够自动学习到城市需水预测数据里隐藏的城市需水规律，从而实现城市需水预测。

但是，现有技术依然不能针对特定区域内的用水异常进行预警。例如：只针对单一的企业用水量进行监测预警，而没有针对特定工业片区内用水总量一定的范围内的每个企业用水异常监测预警，忽略了工业片区内的企业用水量之间的关联关系。类似的，现有技术中还使用Attention机制改良了一般的LSTM模型，但依然忽略了整体用水量的混沌分布，因此无法结合全局用水量和局部用水量特征融合对企业工业用水量进行精准的预测。

发明内容

针对现有技术的不足，本发明公开一种特定区域内企业工业用水异常监测预警方法。

本发明详细的技术方案如下：

一种特定区域内企业工业用水异常监测预警方法，其特征在于，包括：

1)特定区域内各家企业过去固定一段时间内用水量数据记录：

设特定区域内的企业单位数量为N，则过去固定一段时间内第i个企业的用水量记为：

公式(1)中p为所述固定一段时间内的采集节点总数，例如：对特定区域内各家企业过去一年半内用水量数据记录，采集频率为每天一次，即：其中p即为540，根据N和t的确定即可获知到某个企业在某一天的实际用水量；

2)根据所述区域内每个企业用水量构建一个对应的全局模型，该模型用LSTM模型来抽取所对应的特征表达，实现特征降维和信息压缩，采用LSTM模型抽取企业用水量全局特征的过程为：

2-1)针对该区域内每个企业用水量构建一个数据矩阵，该矩阵的行表示单个企业每个采集节点的用水量，列表示为区域内的所有企业；

2-2)对所述数据矩阵进行归一化处理，得到归一化值使其映射到(0，1)区间，具体实现过程为：