基于数字孪生的智慧水厂综合管理系统的制作方法

本发明涉及数据处理，尤其涉及一种基于数字孪生的智慧水厂综合管理系统。

背景技术：

1、随着居民用水需求的提高和用水健康观念的普及，水厂在管理方面也面临越来越大的挑战，尤其是在智慧化管理概念的推行时，越来越多的水厂开始寻求采用更加直观和高效的方式进行管理。但现有的水厂管理技术，一般还是采用传感器和人工审核控制的方式进行管理，没有考虑到采用更加直观的三维技术来进行管理，也没有考虑利用神经网络算法的优势来减少管理出错，因此存在缺陷，亟待改进。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种基于数字孪生的智慧水厂综合管理系统，能够借助三维技术和神经网络算法技术来为水厂管理用户提供更加智能和更加直观的水厂管理，提高水厂管理的效率和效果。

2、为了解决上述技术问题，本发明第一方面公开了一种基于数字孪生的智慧水厂综合管理系统，所述系统包括：

3、建立模块，用于建立目标水厂的数字孪生三维模型；

4、更新模块，用于获取所述目标水厂的实时设备信息和实时传感信息，并根据所述实时设备信息和实时传感信息，实时更新所述三维模型的模型参数；

5、生成模块，用于接收目标用户的漫游指令和自动化控制指令，根据所述漫游指令，生成所述三维模型的显示参数，以及根据所述自动化控制指令，生成所述目标水厂的控制参数；

6、预测模块，用于根据神经网络算法，以及所述控制参数，预测所述目标水厂的控制结果，以提示所述目标用户是否执行所述自动化控制指令。

7、在一个可选的实施方式中，所述实时设备信息包括设备压力数据、设备流量数据、设备水质数据、设备电压数据、设备电流数据、设备控制器参数数据中的至少一种；和/或，所述实时传感信息包括区域图像信息、区域温度信息、区域湿度信息、区域门禁信息和区域门窗监控信息中的至少一种；和/或，所述显示参数包括显示角度、显示景深、显示位置、显示图像参数、显示更新频率中的至少一种。

8、在一个可选的实施方式中，所述更新模块具体用于执行以下步骤：

9、获取所述目标水厂的多个水厂设备对应的实时设备信息和实时传感信息；

10、根据每一所述水产设备对应的设备位置和设备类型，基于多种分组规则，对所述多个水产设备进行多次分组，得到多个设备组合集；每一所述设备组合集包括对所述多个水产设备进行一次分组得到多个设备组合；

11、对于每一所述设备组合集，根据该设备组合集中每一所述设备组合中的所有水厂设备对应的所述设备类型、所述实时设备信息和所述实时传感信息，计算该设备组合集对应的分组合理性参数；

12、将所述分组合理性参数高于预设的参数阈值的多个所述设备组合集，确定为多个优选设备组合集；

13、根据所述多个优选设备组合集对应的所述实时设备信息和所述实时传感信息，基于预设的校正算法，实时更新所述三维模型的模型参数。

14、在一个可选的实施方式中，所述多种分组规则包括：

15、根据预设的多个设备协作规则，将属于协作关系的设备类型对应的多个水厂设备分为同一设备组合；

16、根据预设的多个设备位置阈值，基于动态规划算法，将相互之间距离小于所述设备位置阈值的多个水厂设备分为同一设备组合；

17、根据预设的多个设备工作流规则，将属于同一工作流关系的设备类型对应的多个水厂设备分为同一设备组合。

18、在一个可选的实施方式中，所述更新模块根据该设备组合集中每一所述设备组合中的所有水厂设备对应的所述设备类型、所述实时设备信息和所述实时传感信息，计算该设备组合集对应的分组合理性参数的具体方式，包括：

19、确定该设备组合集对应的分组规则所对应的训练后的第一神经网络模型；所述第一神经网络模型通过包括有多个通过所述对应的分组规则进行分组的训练设备组合对应的设备类型、设备信息和传感信息和分组合理性标注的训练数据集训练得到；

20、将该设备组合集中每一所述设备组合中的所有水厂设备对应的所述设备类型、所述实时设备信息和所述实时传感信息，输入至训练好的第一神经网络模型中，以得到每一所述设备组合对应的合理性参数；

21、计算每一所述设备组合中的设备数量与预设的组内设备数量参考值之间第一数量差值；所述组内设备数量参考值通过对通过所述对应的分组规则进行分组的历史设备数据中的设备组合中的设备数量进行统计得到；

22、计算每一所述设备组合对应的所述合理性参数和第一数量权重的乘积；所述第二数量权重和所述第一数量差值的绝对值大小成反比；

23、计算该设备组合集中的所述设备组合的数量与预设的分组数量参考值之间的第二数量差值；所述分组数量参考值通过对通过所述对应的分组规则进行分组的历史设备数据中的设备组合集中的设备组合数量进行统计得到；

24、计算该设备组合集中的所有所述设备组合的所述乘积的平均值，和第二数量权重，的乘积，得到该设备组合集对应的分组合理性参数；所述第二数量权重和所述第二数量差值的绝对值大小成反比。

25、在一个可选的实施方式中，所述更新模块根据所述多个优选设备组合集对应的所述实时设备信息和所述实时传感信息，基于预设的校正算法，实时更新所述三维模型的模型参数的具体方式，包括：

26、对于每一所述优选设备组合集中的每一所述设备组合中的任意两个水厂设备，根据预设的设备信息校正规则和传感信息校正规则，对该两个水厂设备对应的所述实时设备信息和所述实时传感信息进行校正，以得到该两个水厂设备对应的校正设备信息和校正传感信息；

27、对于任一所述水厂设备，计算该水厂设备在所有所述优选设备组合集中的设备组合中对应的所述校正设备信息的加权求和平均值，得到该水厂设备对应的统计设备信息；

28、计算该水厂设备在所有所述优选设备组合集中的设备组合中对应的所述校正传感信息的加权求和平均值，得到该水厂设备对应的统计传感信息；

29、对所述三维模型的模型参数中与该水厂设备对应的参数，根据所述统计设备信息和所述统计传感信息进行更新。

30、在一个可选的实施方式中，所述设备信息校正规则用于限定特定位置和特定设备类型的两个水厂设备之间的特定类型的实时设备信息之间的数学关系；和/或，所述传感信息校正规则用于限定特定位置和特定设备类型的两个水厂设备之间的特定类型的实时传感信息之间的数学关系。

31、在一个可选的实施方式中，所述自动化控制指令包括加药指令、管道冲洗指令、管道停水指令和管道供水指令中的至少一种；所述生成模块具体用于执行以下步骤：

32、基于预设的指令-设备对应关系，确定所述自动化控制指令对应的多个待控制水厂设备；

33、根据所述自动化控制指令的指令内容，确定每一所述待控制水厂设备对应的目标参数；

34、根据所述目标参数，和每一所述待控制水厂设备的所述实时设备信息和所述实时传感信息，确定每一所述待控制水厂设备对应的设备控制参数；所述设备控制参数用于控制对应的所述待控制水厂设备以使得其所述实时设备信息和所述实时传感信息满足所述目标参数。

35、在一个可选的实施方式中，所述预测模块具体用于执行以下步骤：

36、将所有所述待控制水厂设备对应的设备控制参数，输入至所述自动化控制指令的指令类型对应的训练好的第二神经网络模型，以得到输出的所有所述待控制水厂设备的预测设备控制后参数；所述第二神经网络模型通过包括有受所述指令类型的指令控制的多个训练设备控制参数和对应的控制后参数标注的训练数据集训练得到；所述预测设备控制后参数包括预测控制后设备信息和预测控制后传感信息；

37、将所有所述待控制水厂设备的预测设备控制后参数，输入至所述更新模块中进行预演算，以得到所述三维模型对应的演算后模型参数；

38、将所述演算后模型参数，以区别于所述三维模型的当前参数的显示状态，向所述目标用户进行展示。

39、在一个可选的实施方式中，所述预测模块将所述演算后模型参数，以区别于所述三维模型的当前参数的显示状态，向所述目标用户进行展示的具体方式，包括：

40、对于每一所述演算后模型参数，计算该演算后模型参数与所述三维模型中对应类型的当前参数之间的第一参数差值；

41、计算该演算后模型参数与对应的所述待控制水厂设备对应的目标参数之间的第二参数差值；

42、计算所述第一参数差值和所述第二参数差值之间的加权求和平均值，得到该演算后模型参数对应的差异参数；其中，所述第二参数差值的权重大于所述第一参数差值；

43、根据所述差异参数，以及对应的差异-显示对应规则，确定该演算后模型参数对应的显示显眼比例；所述显示显眼比例与所述差异参数的大小成正比；

44、根据所述对应类型的当前参数的显示参数，以及所述显示差异比例，计算该演算后模型参数对应的差异显示参数，并根据所述差异显示参数向所述目标用户显示该演算后模型参数。

45、与现有技术相比，本发明具有以下有益效果：

46、本发明能够建立水厂的三维模型以供用户漫游和控制，并通过神经网络对用户的控制进行预测，从而能够借助三维技术和神经网络算法技术来为水厂管理用户提供更加智能和更加直观的水厂管理，提高水厂管理的效率和效果。