基于深度学习的水利闸阀流量动态调节管控系统的制作方法

本发明涉及水利闸阀监管，具体是基于深度学习的水利闸阀流量动态调节管控系统。

背景技术：

1、水利闸阀作为水利输水、农业灌溉、防洪调度的核心控制装备，流量调节的精准性、响应时效性与运行安全性，直接关系水利工程调度效率、输水稳定性与管道设备使用寿命，随着智慧水利建设推进，传统的闸阀管控模式在实际运行过程中存在以下缺陷：

2、目前，普遍采用固定开度手动调节或简易pid闭环调节，未构建深度学习无干预自然流量预测模型，无法预判流量演变趋势，仅能被动响应实时偏差，调节前瞻性不足，且开度调节依赖经验固定速率与参数，也未结合流量偏差分级优化最优开度与适配速率，调节精准度与匹配度差；

3、同时，还缺乏水击风险实时核算、等级划分与自适应抑制机制，易引发水击冲击造成设备损坏，无法兼顾流量调节精准性与水利运行安全性。

4、因此，研发一种集深度学习流量预测、动态开度精准调节和水击风险自适应抑制于一体的水利闸阀流量动态调节管控系统，成为当前水利闸阀智能管控领域亟待解决的问题。

技术实现思路

1、本发明的目的在于提供基于深度学习的水利闸阀流量动态调节管控系统，以解决上述的技术缺陷情形。

2、为实现上述目的，本发明提供如下技术方案：基于深度学习的水利闸阀流量动态调节管控系统，包括闸阀流量多维感知采集模块、采集数据自适应预处理模块、深度学习流量预测建模模块、动态开度精准调节模块和全流程管控调度模块；

3、闸阀流量多维感知采集模块用于采集闸阀运行多维关键参数，具备自适应采集频率调整能力，通过lora-wifi双模传输模块实现数据实时传输、中断缓存与恢复补传；采集数据自适应预处理模块用于对原始数据进行自适应去噪、异常值修复、数据标准化及维度规整，输出适配深度学习模型的标准化数据集；

4、深度学习流量预测建模模块基于改进型深度学习模型，预测未来预设时段无干预状态下的自然流量；动态开度精准调节模块基于自然流量预测值与预设目标流量计算主调节偏差，确定闸阀最优调节开度与分级调节速率，采用前馈预判调节模式实现流量精准调节；全流程管控调度模块用于设定流量目标值、统筹各模块协同运行、实时监控系统状态、触发异常预警及全局调度，同时存储系统全量运行数据。

5、进一步的，闸阀流量多维感知采集模块集成投入式静压水位传感器、超声波多普勒流量传感器、高精度角度传感器、差压传感器及环境补偿传感器；水位传感器分设于闸阀上游5m、下游5m处，流量传感器设于闸阀下游10m处，角度传感器设于闸阀执行机构转轴处，差压传感器设于闸阀进出口端。

6、进一步的，采集数据自适应预处理模块采用改进型小波阈值去噪算法自适应去噪，通过3σ置信区间识别异常值并以二次插值法修复，将数据转换至[0,1]区间完成标准化，提取核心特征完成维度规整。

7、进一步的，深度学习流量预测建模模块将数据集按7:2:1划分为训练集、验证集与测试集，模型训练采用自适应学习率优化算法，预测输出预设未来时段无干预自然流量预测值。

8、进一步的，动态开度精准调节模块以预设目标流量与自然流量预测值的差值作为唯一主调节偏差，并按偏差数值划分为小、中等和大三个等级。

9、进一步的，动态开度精准调节模块结合闸阀实时开度、水流冲击修正系数和水流扰动系数，通过计算得到闸阀最优目标开度，并依据执行机构反馈开度，实时校正调节精度。

10、进一步的，动态开度精准调节模块引入水击抑制补偿系数修正分级调节速率，匹配阀门机械响应与管道水击防护要求。

11、进一步的，还包括水击风险自适应抑制模块，水击风险自适应抑制模块基于管道瞬变流理论构建水击压力运算模型，结合开度变化量与闸阀进出口压差，实时运算管道瞬时水击压强。

12、进一步的，水击风险自适应抑制模块按瞬时水击压强划分低、中、高三个风险等级，针对不同等级输出对应水击抑制补偿系数。

13、与现有技术相比，本发明的有益效果是：

14、1、本发明中，通过多维感知采集、自适应数据预处理与深度学习流量预测，采用前馈预判式开度调节，以解决传统的闸阀调节滞后和流量超调问题，大幅提升调节精度与响应速度，实现闸阀流量全流程智能动态管控。

15、2、本发明中，通过水击风险自适应抑制功能，实时核算水击压强、划分风险等级并修正调节速率，有效的抑制管道水击冲击，保护闸阀与管道设备安全，兼顾流量调节精准性与水利运行安全性。

1.基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，包括闸阀流量多维感知采集模块、采集数据自适应预处理模块、深度学习流量预测建模模块、动态开度精准调节模块和全流程管控调度模块；

2.根据权利要求1所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，闸阀流量多维感知采集模块集成投入式静压水位传感器、超声波多普勒流量传感器、高精度角度传感器、差压传感器及环境补偿传感器。

3.根据权利要求1所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，采集数据自适应预处理模块采用改进型小波阈值去噪算法自适应去噪，通过3σ置信区间识别异常值并以二次插值法修复，将数据转换至[0,1]区间完成标准化，提取核心特征完成维度规整。

4.根据权利要求1所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，深度学习流量预测建模模块将数据集划分为训练集、验证集与测试集，模型训练采用自适应学习率优化算法，预测输出预设未来时段无干预自然流量预测值。

5.根据权利要求1所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，动态开度精准调节模块以预设目标流量与自然流量预测值的差值作为唯一主调节偏差，并按偏差数值划分为小、中等和大三个等级。

6.根据权利要求5所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，动态开度精准调节模块结合闸阀实时开度、水流冲击修正系数和水流扰动系数，通过计算得到闸阀最优目标开度，并依据执行机构反馈开度，实时校正调节精度。

7.根据权利要求6所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，动态开度精准调节模块引入水击抑制补偿系数修正分级调节速率，匹配阀门机械响应与管道水击防护要求。

8.根据权利要求7所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，还包括水击风险自适应抑制模块，水击风险自适应抑制模块基于管道瞬变流理论构建水击压力运算模型，结合开度变化量与闸阀进出口压差，实时运算管道瞬时水击压强。

9.根据权利要求8所述的基于深度学习的水利闸阀流量动态调节管控系统，其特征在于，水击风险自适应抑制模块按瞬时水击压强划分低、中、高三个风险等级，针对不同等级输出对应水击抑制补偿系数。