基于物联网的农村水资源管理与配水系统构建及应用

程 勇 ,郑 玮

(1.塔里木河流域管理局,新疆 库尔勒 841000;2.新疆水利水电勘测设计研究有限责任公司,乌鲁木齐 830000)

1 概 述

在水资源保护的整个过程中,水资源的供应、分配和处理是一个多层次的、动态的水资源市场。农村水资源管理是规划、改善和维持所有用水的水资源机制,包括机构、公用事业、激励措施和水质信息系统[1]。农村水资源管理可以使有效灌溉得到发展,以改善农业,提高农村家庭用水效率,减少水资源浪费[2]。

物联网理念提供了通过传感器技术在多个工作环境中互连物品的思路。它允许人们使用持续的通信技术,访问、控制和处理社区中各种信息系统下运行对象的活动和数据[3]。配水系统监测来自无线传感器节点网络的数据,持续监测水力、声学和水质参数。水保护物联网旨在通过开发可持续资源利用的新专业知识和新方法来提供集成和监测[4]。农村用水和雨水的物联网技术以及管理水污染物技术对人类和环境有着重要的影响。将物联网技术与用于废物和雨水控制、水质测量、处理和跨网络生态系统环境管理的传感器一起应用,可对水资源管理起到积极作用[5]。

本文基于物联网的水资源管理和分配监测系统提供一种新的方案,以适应供水、分配和物联网质量控制要求。该系统由水流传感器、pH传感器和水压阀等传感器组成。本研究以需求预测为基础,以历史用水数据为依据,由当地变电站负责供水。因此,关于供水建筑的预测客户用水需求的建议方法是基于用水的历史证据。通过仿真结果,提出分析农村季节水分分解和预测农村需水量的方法。

2 基于物联网的水资源管理与分配监测系统

水资源管理包括监测、建模、勘探、评估、设计干预措施和政策、绩效监测、维护等。传感器和物联网等监测技术可以实现水质监测,即智能水质监测。内部监控系统可以实时进行,以控制饮用水供应过程。饮用水系统需要实时监测,以确保水质标准,防止意外事件发生,如水处理过程的故障和原水的污染。水质系统在线监测的最终目的是实时收集、分发和分析评估数据。水质评价采用物理、化学和生物方法,常用的参数包括pH值、电导率、溶解氧、浊度、热、总有机含量、总悬浮固体以及氮、磷等营养物质的水毒性量。传感器通常感知环境触发因素,将其处理后转换为用于数据平台的信号。

分配监测系统(DMS)描述了从源头到共同使用点的供水服务。该系统由多种传感器组成,如水流传感器、pH传感器、水压阀和流量计、超声波传感器。首先预测客户的用水需求,为智能农村地区开发物联网供水架构。采用季节性自回归综合移动平均(SARIMA)时间序列模型和回归分析,每天进行3个月的需水量预测。它采用水力工程结构,以最小的损失进行适当的供水,有助于开发智能配水系统。在此基础上,建立水力分配系统,以满足用水需求。采用带有基于网络水流传感器值的水控制阀进行调节,以确保公平和足够的水输送至每个连接点。

SARIMA算法的最终目标是对基于全局时间模式的季节方法的数据进行数学分析,即时间序列分析。这是为了评估数据模式、季节性和移动平均,并分析算法输出的依赖性误差。然后对数据进行转换,使数据序列稳定化并稳定方差。模型选择的是连续阶段方法,利用自相关函数(PACF和ACF)形成最佳模型函数。在所有可行的模型中测试参数,选择最适合模型。

在时间序列分析中,数据通常根据误差、趋势周期和季节模式进行定义,公式如下:

Wn=E(Tn,Fn,Sn)

(1)

式中:Wn为数据分解;E为函数趋势周期;Tn为时间序列;Fn为误差函数;Sn为季节分量。

通过计算所有组分的总和,可以得出分解的加法形式,公式如下:

Wn=Tn+Fn+Sn

(2)

式(2)为已经计算了总分解模型的加法。当季节性函数保持稳定的趋势,即功能成分没有突然减少或增加时,这种分解是有效的。这里的取水量是一个季节性函数,取决于季节性消耗率不同的消耗量。因此,自然的分解如下:

Wn=Tn·Fn·Sn

(3)

由式(3)可得季节分解消耗量的乘积。这就成为一个加法模型,取序列的对数,通过式(4)中的乘积得到相加比:

logWn=logTn·logFn·logSn

(4)

式(4)考虑了整体数据分解的对数。通过减少自发波动来平滑数据,以达到模式循环。最简单的方法是平滑系列的移动平均数(MA),MA的表达式如下:

定义MA的第一阶,其中L、i、s为整数;s为时间序列;N为奇数;i为观测值,可以用来测量奇数的观测值。

测量6个月观测值的MA见式(6):

由式(6)可计算得到观测7天数据的分解。其中,W1-W7为7天观测数据的数据分解;S2.5为第二天的观察;S3.5为第三天的观察。平均7天的数据收集是用于评估接下来7天的模式及其在分解过程中的使用情况。

3个月的每日需水量预测见式(7):

(7)

残差或预测误差的预测模型见式(8):

Wn=Fn+D

(8)

式中:D为预测模型。

在实践中,迪基-富勒检验通常用于检验时间序列是否存在单位根。第一步是式(9)中的回归模型:

Wn=θWn-1+a1Wn-1+a2Wn-2+...+aqWn-q

(9)

式中:θ为4.59,表示Wn平稳。

因此,Wn被称为Wn-Wn-1微分序列。该模型使用SARIMA进行预测,公式如下:

SARIMA=(q,c,p)(Q,C,P)T

(10)

式中:T为0;Q为自回归阶数(AR);C为J个差分数据的调用度;P为移动平均模型(MA)。

ARIMA(1,1,1)(1,1,1)模型表示如下:

(1-θ1A)(1-θ1A12)(1-A)(1-A12)Wn=(1-φ1A)(1-φ1A12)Fn

(11)

由式(11)推导出SARIMA一般模型。A为延迟因子;θ1为自回归的;φ1为移动平均线。该项目旨在定期预测未来3个月的用水量。

线性回归是一种数学模型,用于推导两个变量的相互作用,并确定一个变量对另一个变量的影响。这里的用水量是受当年的日期/月份变化影响的一个变量。回归公式是变量X、Y之间的关联。关联的算法用直线表示如下:

X=B+AY

(12)

式(12)为需水量预测。B为截距;A为图形X的斜率。如果这条线是一条与变量X、Y相交的直线,并且得到的直线相当平滑,则路径很小,因此得到的直线小于直线的行程。斜率的计算公式为:

由式(13)可求出直线的斜率。假设Y轴是一个单独的向量,称为日期,假设需水量预测模型的使用率为X。在这个数据集中,没有假设X是Y的乘积。为了评估回归轴,使用以下方法:

式(15)为需求预测模型的误差函数。将正、负误差抵消,误差为∑Fj=0,以确定哪一点更符合需求预测曲线。在误差估计中,使用以下代数表达式来评估预测模型的有效性。公式如下:

Fn=Rn-En

(16)

式中:Rn为当前状态;Fn为市场预测;En为预测模型的有效性。

流量传感器通过互联网控制器将数据传输至云端。数据可以实时跟踪,并且可以开启或关闭压力下的水流控制阀。流速可通过水流传感器计算。水流压力由以下因素决定:

式中:P为水流压力;当Q为输出侧时,ρ为长度;水密度为1(常数);B为管道的支撑面积(常数)。

本文提出了DMS分析水质,以确保农村地区的水分配,实现更低的平均绝对百分比误差(MAPE)和均方根误差(RMSE),提高效率,增强预测能力,提高整体性能以及水的成本效益比。

3 结果和讨论

DMS是基于MAPE和RMSE、效率、预测、综合性能、成本效益比等参数对农村水质进行评价,以保证农村地区的水分配。

3.1 MAPE和RMSE

通过MAPE和RMSE的值,比较了DMS与现有模型(FFNN模型、RRV模型、LSTM模型和DPSIR模型)计算的估计精度,各模型的MAPE值见图1。可以看出,设备数量为10时,DMS的MAPE值达到最大,大于其他几个模型的MAPE值;随着设备数量的增加,DMS的MAPE值逐渐减小。在设备数量为50时,DMS的MAPE值小于其他几个模型的MAPE值。

图1 DMS与其他几种模型的MAPE值

DMS与其他几种模型的RMSE值见图2。可以看出,随着设备数量的增加,DMS的RMSE值逐渐减小。当设备数量为10时,DMS的RMSE值最大,但此时DMS的RMSE值仍小于其他现有模型。根据比对MAPE和RMSE的值可知,DMS的模型优于其他模型。

图2 DMS与其他几种模型的RMSE值

3.2 效率比和可靠性比

研究发现,无法提供足够的设施导致供水管理不善,是农村地区缺水的最重要原因之一。水供应链管理中的物联网,将有助于解决供水管理不善的问题。通过连接传感器,实时收集周围环境的信息并进行通信,开发了基于物联网的水质监测系统,使用不同的传感器测量水参数。图3和图4显示了效率比和可靠性比。可以看出,随着设备数量的增加,DMS的效率比和可靠性比均增加,并且DMS的效率比和可靠性比始终高于其他几种模型。仿真结果验证了该设计在较低的计算费用和较短的时间内,改善了设备性能。

图3 DMS与其他几种模型的效率比

图4 DMS与其他几种模型的可靠性比

3.3 综合性能比

泵速和频率记录通过GSM自动传递给项目操作员。当低泵送或在一段时间内没有泵送记录时,记录非功能性。数据通过网络接口分发给服务提供商、市政当局和监管机构。用水用户可以用手机从附近的水亭购买,收集数据。数据可以使用SIM卡通过无线或GSM传输,并在硬件和云计算之间传播。然后将数据整合到在线档案和研究仪表板中。图5显示了DMS和其他几种模型的综合性能比。可以看出,与其他模型相比,DMS在改善农村水资源分配方面具有更强的综合性能。

图5 DMS与其他几种模型的综合性能比

3.4 预测比率

本文提出一种用于控制小区用水的智能物联网设备。结合超声波传感器持续跟踪水箱的水位,并通过Wi-Fi将数据发送到服务器。每天和每周的家庭平均用水需求,可以使用物联网方法的数据来估计用水量。对每个客户的用水量进行估计,误差报告为实际使用量与预测使用量之间的差异,并随着天数的增加而减少。本文还提出一种跟踪水箱漏水的算法。网络界面使用户可以查看用水情况,监控用水情况,并识别任何水的损失和泄漏。DMS和其他几种模型的预测比率见图6。可以看出,DMS的预测比率明显优于其他几种模型。

图6 DMS与其他几种模型的预测比率

3.5 成本效益比

对于环境应用,传感器网络的新进展很重要。物联网需要在不同设备之间共享和收集连接,农村人口需要确保获得净化饮用水。水质维护是一种具有成本效益的系统,旨在使用物联网技术跟踪饮用水质量。该装置包含多个传感器,用于计算不同的参数,如pH值、水浊度、水箱水温、环境温度和湿度。DMS和其他几种模型的成本效益比见图7。可以看出,DMS的成本效益比明显优于其他几种模型。

图7 DMS与其他几种模型的成本效益比

4 结 语

本文对基于物联网的农村水资源管理与配水系统进行了分析和评价,采用SARIMA时间序列模型和回归分析进行了用水需求预测,并仿真模拟了该模型在实时环境中的适用性。结论如下:

1)系统由水流传感器、pH传感器、水压阀和流量计以及超声波传感器组成,供水系统解决了村里对生活用水的需求,并最大限度地减少水资源的浪费。

2)随着设备数量的增加,DMS的MAPE值和RMSE值逐渐减小。设备数量为100时,MAPE值和RMSE值仅为20.96%和14.68%,远小于其他现有模型,表明DMS拥有更高的精确度。

3)与其他现有模型相比,DMS能够提高效率(96.52%),增加可靠性(94.62%),增强预测(95.29%),提高综合性能(96.68%)和增加成本效益比(96.23%)。