本發明涉及供水管網調節，具體為供水管網節點流量動態調節系統。
背景技術：
1、一般城市供水管網多達近萬公里，服務面積幾百平方公里。水流的壓力和流量調節是城市供水系統重要的流量與能量調節部件，也是市政供水管網生產調度、計劃停水及爆管搶修的重要附屬設施，在城市供水管網水力平衡和漏損控制中扮演重要角色，對于城市供水管網的態勢感知，對智慧水務功能實現及節能運行有著重要意義。
2、國際水協總結出最先進的管網壓力控制，需要采用分區策略對管網高壓區域邊界的關鍵閥門進行調控，使區域均壓點的壓力剛剛得到滿足而不出現冗余；國內這方面的應用才剛剛起步，還沒有成熟的裝備和系統在國內供水企業中應用。主要瓶頸在于兩方面：①調節裝置全行程開度下動態阻力特性建模困難，導致目前國內現有減壓閥門還不具備“根據水量變化動態調節邊界閥門”的功能；②目前國內供水企業尚未通過依靠智能型調節裝置的態勢感知來解決供水管網的健康監測及漏損控制問題。
技術實現思路
1、針對現有技術的不足，本發明提供了供水管網節點流量動態調節系統，該系統能在供水管網中感知管網狀態參數，能夠自我評估當前流體狀態，并能夠自我調節壓力和流量。
2、為實現以上目的，本發明通過以下技術方案予以實現：供水管網節點流量動態調節系統，由狀態調節單元、能源再生單元、多源傳感單元、分析計算單元、狀態評估單元組成；
3、進一步，本發明所述的狀態調節單元由筒體、活塞、曲柄、連桿、導流罩等組成。
4、本發明所述的能源再生單元由葉輪、傳動軸、發電機等組成。
5、本發明所述的多源傳感單元由溫壓傳感器、壓差傳感器、角度傳感器等組成。
6、本發明所述的分析計算單元進行a/d轉換，并根據預設的計算公式和數據庫存儲的流通特性數據，分析計算出當前流體特性參數。
7、本發明所述的狀態評估單元根據分析計算單元提供的數據，對流體數據進行時域特征和頻域特征的提取，并進行特征級和數據級融合，搭建粒子群算法優化最小二乘支持向量機參數的特征模型，進行自我狀態評估并自我調節。
8、狀態評估單元使用時序大模型chronos對所提供的流量數據進行時序預測；chronos模型主要使用了t5模型的encoder-decoder結構，而t5模型采用的是transformer的encoder-decoder結構。
9、本發明提供了供水管網節點流量動態調節系統。與現有技術相比具備以下有益效果：
10、本發明通過所設置的多源傳感單元，對供水管網內部的壓差、溫差以及所關聯的相關數據進行采集，并基于所采集的具體參數數據，對供水管道的流量系數進行確認，其數值確認的更為全面以及精準，保障其對應數值的關聯準確度，通過基于關聯的時序數據特征對比，來評定下游爆管、裝置磨損老化、下游用水異常等狀態，保障其系統應用的廣泛性；
11、采用了chronos模型對供水管網的流量進行關聯預測，其chronos模型在不同數據集上的表現更加穩定，能夠較好地適應多樣化的時間序列特征，在實際應用中的存在高效性與可靠性，具備在大規模時間序列預測任務中的廣泛應用潛力。
1.供水管網節點流量動態調節系統，其特征在于，包括狀態調節單元、能源再生單元、多源傳感單元、分析計算單元、狀態評估單元；
2.根據權利要求1所述的供水管網節點流量動態調節系統，其特征在于，所述狀態調節單元主要由筒體、驅動軸、曲柄、連桿、活塞、導流罩組成，其中曲柄的一端與驅動軸相連，另一端與連桿的一端相連，連桿的另一端與活塞相連，活塞端部與導流罩相連；活塞與導流罩的回轉中心軸與筒體的回轉中心軸重合，連桿與活塞連接點可在上述回轉中心軸上左右移動，與曲柄和驅動軸構成的回轉中心有一個偏心距離。
3.根據權利要求1所述的供水管網節點流量動態調節系統，其特征在于，所述能源再生單元主要由支撐軸、葉輪、傳動軸和發電機組成；支撐軸一端與筒體相連，另一端與葉輪相連，葉輪安裝在筒體內，下端由支撐軸支撐，上端與傳動軸相連，傳動軸另一端穿過密封蓋與發電機相連，發電機產生的電能供驅動軸的轉動。
4.根據權利要求1所述的供水管網節點流量動態調節系統，其特征在于，該系統確定當前流量的具體方式包括：
5.根據權利要求4所述的供水管網節點流量動態調節系統，其特征在于，所述分析計算單元對當前流體的雷諾數、介質平均流速、裝置流阻系數進行計算，并將所計算的分析結果傳輸至狀態評估單元內，其計算方式如下：
6.根據權利要求5所述的供水管網節點流量動態調節系統，其特征在于，所述狀態評估單元基于當前所確認的分析結果進行狀態評估分析，采用時序大模型chronos對所提供的流量數據進行時序預測，且chronos主要使用了t5模型的encoder-decoder結構，而t5模型采用的是transformer的encoder-decoder結構。
7.根據權利要求6所述的供水管網節點流量動態調節系統，其特征在于，所述transformer模型基于自注意力機制捕捉序列中每個元素與其他元素的依賴關系，transformer模型由encoder和decoder組成，每個部分都包含多個層，主要由多頭自注意力機制和前饋神經網絡組成；encoder負責對輸入序列進行編碼，生成隱藏表示，而decoder則利用這些表示結合目標序列逐步生成輸出。
8.根據權利要求7所述的供水管網節點流量動態調節系統，其特征在于，所述decoder的自注意力機制限制輸出序列是按順序生成。
9.根據權利要求7所述的供水管網節點流量動態調節系統，其特征在于，所述t5模型去除了layernorm中的bias項，且t5模型采用了簡化的相對位置編碼機制，其中每個位置編碼為一個標量，直接加到注意力計算中的logits上；所有層共享位置編碼，t5模型預設了固定數量的位置embedding，分別對應不同的key-query位置差。