(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 202210681102.9 (22)申请日 2022.06.16 (71)申请人 南通派菲克 水务技术有限公司 地址 226000 江苏省南 通市苏锡通科技产 业园区江成路1088号江成研发园1号 楼1529-364室 （ZS） (72)发明人 张凯　成露　杨小华　谢林林　 (74)专利代理 机构 上海申新 律师事务所 31272 专利代理师 吴轶淳 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 30/20(2020.01) G06K 9/62(2022.01) (54)发明名称 一种净水厂智能生产调度方法及系统 (57)摘要 本发明提供一种净水厂智能生产调度方法 及系统， 涉及净水厂管理技术领域， 包括： 获取净 水厂的多个第一历史出厂水量及对应的出厂水 量影响因素； 将各第一历史出厂水量及对应的出 厂水量影响因素输入预先训练得到的时间序列 预测模型得到净水厂在未来时段中的多个未来 时刻的预测出厂水量； 根据各预测出厂水量分别 处理得到对应的未来进厂水量的水力停留时间， 并根据各未来进厂水量、 各预测出厂水量对应的 未来时刻和水力停留时间处理得到净水厂在未 来时段的进厂水量排程， 以进行净水厂的智能生 产调度。 有益效果是实现自动化、 智 能化精细控 制； 实现对进厂水量的动态、 精确调节； 使得运行 人员提前掌握进厂水量的调节计划， 具备科学指 导意义。 权利要求书3页 说明书10页 附图4页 CN 115271337 A 2022.11.01 CN 115271337 A 1.一种净 水厂智能生产调度方法， 其特 征在于， 包括： 步骤S1， 获取一净水厂的多个第 一历史出厂水量及各所述第一历史出厂水量对应的出 厂水量影响因素； 步骤S2， 将各所述第一历史出厂水量及对应的所述出厂水量影响因素输入预先训练得 到的一时间序列预测模型得到所述净水厂在一未来时段中的多个未来时刻的预测出厂水 量； 步骤S3， 根据各所述预测出厂水量分别处理得到对应的未来进厂水量的水力停留时 间， 并根据各所述未来进厂水量、 各所述预测出厂水量对应的所述未来时刻和所述水力停 留时间处理得到所述净水厂在所述未来时段的进厂水量排程， 以根据所述进厂水量排程进 行所述净水厂的智能生产调度。 2.根据权利要求1所述的净水厂智能生产调度方法， 其特征在于， 所述出厂水量影响因 素包括用水时段， 则执 行所述步骤S1之前， 还 包括一用水时段划分过程， 包括： 步骤A1， 获取所述净水厂的多个第二历史出厂水量、 各所述第二历史出厂水量对应的 采集时间以及气温并加入一历史数据集； 步骤A2， 根据所述气温将所述历史数据集划分为四个季节数据集， 进而根据所述采集 时间将每 个所述季节数据集按照是否 工作日划分为两个子数据集； 步骤A3， 分别根据 各所述子数据集中的各所述第 二历史出厂水量处理得到各所述子数 据集对应的平均日用水变化曲线； 步骤A4， 分别根据 各所述平均日用水变化曲线分析得到各所述子数据集对应的用水时 段， 所述用水时段包括用水早高峰时段、 用水晚高峰时段和用水非高峰时段； 则所述步骤S1中， 获取各所述第一历史出厂水量的历史采集时间， 并根据所述历史采 集时间确定对应的所述第一历史出厂 水量对应的所述用水时段， 以作为所述出厂 水量影响 因素。 3.根据权利要求2所述的净 水厂智能生产调度方法， 其特 征在于， 所述 步骤A4包括： 步骤A41a， 于所述平均日用水变化曲线中选取0点至12点时段的各所述第二历史出厂 水量， 并分别根据相 邻采集时间的各所述第二历史出厂水量处理得到对应的多个平均日用 水变化率； 步骤A42a， 将各 所述平均日用水变化 率按照倒序排列形成一变化数据集； 步骤A43a， 按照排列顺序依次于所述变化数据集中选取相邻两个所述平均日用水变化 率， 并判断两所述平均日用水变化 率之间的差值是否大于一预设值： 若是， 则转向步骤A45a； 若否， 则转向步骤A4 4a； 步骤A44a， 判断两所述平均日用水变化率中排列顺序靠前的所述平均日用水变化率对 应的所述采集时间是否较靠前： 若是， 则转向步骤A45a； 若否， 将两所述平均日用水变化率中排列顺序靠后的所述平均日用水变化率对应的所 述采集时间作为所述用水早高峰时段的开始时刻， 随后转向步骤A46a； 步骤A45a， 将两所述平均日用水变化率中排列顺序靠前的所述平均日用水变化率对应 的所述采集时间作为所述用水早高峰时段的开始时刻；权　利　要　求　书 1/3 页 2 CN 115271337 A 2步骤A46a， 提取所述变化数据集中在连续一预设时间段内均为负值的各所述平均日用 水变化率， 并将排序最靠前的所述平均日用水变化率对应的所述采集时间作为所述用水早 高峰时段的结束时刻。 4.根据权利要求2所述的净 水厂智能生产调度方法， 其特 征在于， 所述 步骤A4包括： 步骤A41b， 于所述平均日供水变化曲线中选取12点至0点时段的各所述第二历史出厂 水量中的最大值和最小值； 步骤A42b， 根据所述最大值和所述最小值处理得到一阈值， 并提取出大于所述阈值的 各所述第二历史出厂水量加入一出 水数据集； 步骤A43b， 将所述出水数据集中各所述第二历史出厂水量对应的最靠前的所述采集时 间作为所述用水晚高峰时段的开始时刻， 将各所述第二历史出厂 水量对应的最靠后的所述 采集时间作为所述用水晚高峰时段的结束时刻。 5.根据权利要求1所述的净水厂智能生产调度方法， 其特征在于， 所述预测模型采用集 成学习框架进 行多模型训练， 并采用投票回归算法根据权重将各模型的预测效果进行融合 得到。 6.根据权利要求1所述的净 水厂智能生产调度方法， 其特 征在于， 所述 步骤S3包括： 步骤S31， 分别根据各所述预测出厂水量和预先配置的一损失系数和一清水池液位变 化系数处 理得到对应的未来进 厂水量； 步骤S32， 分别根据各所述未来进厂水量处理得到对应的制水工艺过程中的所述水力 停留时间； 步骤S33， 将各所述预测出厂水量对应的所述未来时刻减去所述水力停留时间得到对 应的未来排程时刻， 并根据各所述未来排程时刻及其对应的所述未来进厂 水量生成所述进 厂水量排程。 7.根据权利要求1所述的净水厂智能生产调度方法， 其特征在于， 执行所述步骤S3之 后， 还包括一排程修正过程， 包括： 步骤B1， 在根据所述进厂水量排程进行所述净水厂的智能生产调度的过程中， 持续监 测当前时刻的所述净 水厂的实时出厂水量以及所述净 水厂的一清水池的实时液位； 步骤B2， 判断所述实时液位是否处于一理想波动范围内： 若是， 则返回所述 步骤B1； 若否， 则根据 所述实时出厂水量和所述实时液位更新所述当前时刻 之后的下一个所述 未来时刻的所述进 厂水量排程， 随后返回所述 步骤B1。 8.一种净水厂智能生产调度系统， 其特征在于， 应用于如权利要求1 ‑8中任意一项所述 的净水厂智能生产调度方法， 所述净 水厂智能生产调度系统包括： 数据获取模块， 用于获取一净水厂的多个第 一历史出厂水量及各所述第 一历史出厂水 量对应的出厂水量影响因素； 出水预测模块， 连接所述数据获取模块， 用于将各所述第一历史出厂水量及对应的所 述出厂水量影响因素输入预先训练得到的一时间序列预测模型得到所述净水厂在一未来 时段中的多个未来时刻的预测出厂水量； 进水排程模块， 连接所述进水预测模块， 用于根据各所述预测出厂水量分别处理得到 对应的未来进厂水量的水力停留时间， 并根据各所述未来进厂水量、 各所述预测出厂水量权　利　要　求　书 2/3 页 3 CN 115271337 A 3