一种开泵参数的获取方法及相关装置与流程

1.本发明涉及数据处理技术领域，尤其涉及一种开泵参数的获取方法及相关装置。


背景技术：

2.利用注水系统把水注入油层，以补充和保持油层压力，是实现油田高产稳产，提高采收率的必要手段。一般情况下，注水系统包括并联运行的多台注水泵，多台注水泵产生的总能耗是衡量注水效率的重要因素，如何降低多台注水泵产生的总能耗，提高注水泵运行效率是本领域亟待解决的问题。


技术实现要素：

3.鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种开泵参数的获取方法及相关装置。
4.一种开泵参数的获取方法，包括：
5.获取候选开泵组合以及预设的需求参数，所述候选开泵组合包括至少一个候选注水泵，所述需求参数包括储水罐液位、外输压力、以及外输流量，所述候选注水泵为注水系统中的注水泵；
6.基于所述注水系统的历史数据预先训练得到每一所述候选注水泵的机器学习模型，所述历史数据包括历史需求参数、以及历史单泵频率；
7.执行多次仿真计算流程，每一次所述仿真计算流程包括：获取候选频率集合，所述候选频率集合包括每一所述候选注水泵的单泵频率；在每一所述候选注水泵的开关状态为开启时，依据所述需求参数、每一所述候选注水泵的单泵频率和机器学习模型，获取所述候选开泵组合的总能耗，作为所述仿真计算流程的计算结果；
8.若所述仿真计算流程满足预设的最佳能耗条件，将所述候选开泵组合和所述仿真计算流程对应的候选频率集合作为开泵参数，所述最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小。
9.可选地，目标注水泵的机器学习模型包括第一模型、第二模型、第三模型和第四模型，所述目标注水泵为任意候选注水泵，所述第一模型为线性模型；
10.所述目标注水泵的第一模型以所述目标注水泵的历史单泵频率为训练输入样本、以所述目标注水泵的在所述历史单泵频率下开启运行时的单泵流量为训练目标，预先训练得到；
11.所述目标注水泵的第二模型以历史储水罐液位和历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵前压力为训练目标，预先训练得到；
12.所述目标注水泵的第三模型以历史外输压力和所述历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵后压力为训练目标，预先训练得到；
13.所述目标注水泵的第四模型以所述历史单泵流量、历史泵前压力、历史泵后压力、和所述历史单泵频率为训练输入样本、以所述目标注水泵在所述历史单泵流量、所述历史泵前压力、所述历史泵后压力、和所述历史单泵频率下运行时的能耗为训练目标，预先训练得到。
14.可选地，获取候选频率集合，包括：
15.获取所述候选开泵组合中的第一类候选注水泵的单泵频率，所述第一类候选注水泵的数量为n-1个，所述n等于所述候选开泵组合中的候选注水泵的数量；
16.基于各个所述第一类候选注水泵的单泵频率和第一模型，获取各个所述第一类候选注水泵的单泵流量；
17.将所述外输流量减去所有所述第一类候选注水泵的单泵流量的差值作为第二类候选注水泵的单泵流量，所述第二类候选注水泵为所述候选开泵组合中除了所述第一类候选注水泵以外的候选注水泵；
18.基于所述第二类候选注水泵的单泵流量和第二模型，获取所述第二类候选注水泵的单泵频率；
19.获取所述候选频率集合，所述候选频率集合包括每一所述第一类候选注水泵的单泵频率以及所述第二类候选注水泵的单泵频率。
20.可选地，执行多次仿真计算流程，包括：迭代执行多次仿真计算流程；
21.所述最佳能耗条件还包括：连续预设次数的仿真计算流程的计算结果的差值小于预设差值阈值，和/或迭代次数大于预设的次数阈值。
22.可选地，方法还包括：
23.若所述仿真计算流程的不满足所述最佳能耗条件，以计算结果最小为寻优条件，利用预设的寻优算法更新每一所述第一类候选注水泵的单泵频率，得到每一所述第一类候选注水泵的更新频率；
24.所述获取所述候选开泵组合中的第一类候选注水泵的单泵频率，包括：
25.若仿真计算流程为第1次仿真计算流程，将每一所述第一类候选注水泵的预设初始频率作为单泵频率；
26.若仿真计算流程为第k次，将第k-1次仿真计算流程得到的每一所述第一类候选注水泵的更新频率作为单泵频率，所述k为大于1的整数。
27.可选地，依据所述需求参数、每一所述候选注水泵的机器学习模型，获取所述候选开泵组合的总能耗，包括：
28.将所述储水罐液位和各个所述候选注水泵的单泵流量对应输入至各个所述候选注水泵的第二模型，将各个所述候选注水泵的第二模型的输出，作为各个所述候选注水泵的泵前压力；
29.将所述外输压力和各个所述候选注水泵的单泵流量，对应输入至各个所述候选注水泵的第三模型，将各个所述候选注水泵的第三模型的输出，作为各个所述候选注水泵的泵后压力；
30.将各个所述候选注水泵的单泵流量、单泵频率、泵前压力和泵后压力输入至各个候选注水泵的第四模型，将各个候选注水泵的第四模型的输出作为各个候选注水泵的能耗；
31.将各个所述候选注水泵的能耗之和作为总能耗。
32.可选地，获取候选开泵组合包括：获取寻优集合，所述寻优集合包括多个开泵组合，每一开泵组合包括至少一个注水泵；
33.以遍历的方式从所述寻优集合中获取开泵组合，作为候选开泵组合；
34.所述方法还包括：
35.若目标候选开泵组合对应的满足所述最佳能耗条件的仿真计算流程的计算结果最小，将所述目标候选开泵组合对应的开泵参数作为最佳开泵参数。
36.一种开泵参数的获取装置，包括：
37.参数获取单元，用于获取候选开泵组合以及预设的需求参数，所述候选开泵组合包括至少一个候选注水泵，所述需求参数包括储水罐液位、外输压力、以及外输流量，所述候选注水泵为注水系统中的注水泵；
38.模型构建单元，用于基于所述注水系统的历史数据预先训练得到每一所述候选注水泵的机器学习模型，所述历史数据包括历史需求参数、以及历史单泵频率；
39.仿真计算单元，用于执行多次仿真计算流程，每一次所述仿真计算流程包括：获取候选频率集合，所述候选频率集合包括每一所述候选注水泵的单泵频率；在每一所述候选注水泵的开关状态为开启时，依据所述需求参数、每一所述候选注水泵的单泵频率、和机器学习模型，获取所述候选开泵组合的总能耗，作为所述仿真计算流程的计算结果；
40.结果获取单元，用于若所述仿真计算流程满足预设的最佳能耗条件，将所述候选开泵组合和所述仿真计算流程对应的候选频率集合作为开泵参数，所述最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小。
41.一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述开泵参数的获取方法。
42.一种电子设备，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述开泵参数的获取方法。
43.借由上述技术方案，本发明提供的一种开泵参数的获取方法及相关装置，获取候选开泵组合以及预设的需求参数，候选开泵组合包括至少一个候选注水泵，需求参数包括储水罐液位、外输压力、以及外输流量，候选注水泵为注水系统中的注水泵，注水系统中的注水泵并联连接。基于注水系统的历史数据预先训练得到每一候选注水泵的机器学习模型，历史数据包括历史需求参数、以及历史单泵频率。执行多次仿真计算流程，若仿真计算流程满足预设的最佳能耗条件，将候选开泵组合和仿真计算流程对应的候选频率集合作为开泵参数。由于执行的每一次仿真计算流程在每一候选注水泵的开关状态为开启时，依据需求参数、每一候选注水泵的单泵频率和机器学习模型，获取候选开泵组合的总能耗，作为仿真计算流程的计算结果，因此，在仿真注水系统中并联的注水泵的工况的情况下，候选开泵组合中的候选注水泵在需求参数和每一候选注水泵的单泵频率的条件下开启运行时的总功耗的准确性高，符合实际工况，又由于，最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小，因此，开泵参数中的候选开泵组合和候选频率集合对应的仿真计算流程满足在多次仿真计算流程中，计算结果最小，也即候选开泵组合在候选频率集合和需求参数下开启运行时，产生的总能耗最小，综上，本方案得到能够降低总能耗的开泵参数，
有利于提高注水系统的运行效率，降低注水系统的总能耗。
44.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
45.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
46.图1示出了一种注水系统的工况参数的关系示意图；
47.图2示出了本技术实施例提供的一种开泵参数的获取方法的流程示意图；
48.图3示出了本技术实施例提供的又一种开泵参数的获取方法的流程示意图；
49.图4示出了本技术实施例提供的又一种开泵参数的获取方法的流程示意图；
50.图5示出了本技术实施例提供的一种开泵参数的获取装置的结构示意图；
51.图6示出了本技术实施例提供的一种开泵参数的获取设备的结构示意图。
具体实施方式
52.本案发明人在研究时发现，油田注水系统(简称为注水系统)的工况参数复杂，如图1所示，每一注水泵的工况参数包括但不限于开关状态(如图1所示的泵的开关)，泵前压力、泵后压力、泵后干线压力、干管压力、干管流量、漏液、泵流量、以及液位，如图1的所示，箭头示出了参数之间存在的复杂的耦合关系，因此，整体建模的难度非常大。
53.通过理论分析和客观数据验证，抓取主要矛盾，忽略次要信息，对工况参数进行解耦，将主要关系分为流量回路(质量守恒)和压力回路(能量守恒)。以此本案发明人确定了注水系统的运行逻辑，并针对每一台注水泵，各个参数间的函数关系包括：
54.关系1、单泵流量＝f(泵的开关，单泵频率)。
55.关系2、泵前压力＝f(储水罐液位，单泵流量)。
56.关系3、泵后压力＝f(外输压力，单泵流量)。
57.关系4、单泵能耗＝f(单泵流量，泵前压力，泵后压力，单泵频率)。
58.其中，f()表示函数关系，为描述清楚，将每一台注水泵的流量称为单泵流量，频率称为单泵频率，泵的开关指示注水泵的开关状态值，当注水泵为开启状态，泵的开关取值为1，当注水泵为关闭状态，泵的开关取值为0。
59.可以理解的是，当泵的开关取值为0时，单泵流量为0，当泵的开关取值为1时，注水泵的流量和频率之间存在函数关系，也即关系1。具体的，在一些可选的工况下，例如，注水泵为往复式柱塞泵，其流量与频率近似成正比。又因为，泵前压力、储水罐液位和单泵流量存在函数关系(也即关系2)，泵后压力、外输压力和单泵流量存在函数关系(也即关系3)，单泵能耗、单泵流量、泵前压力、泵后压力、单泵频率存在函数关系(也即关系4)。
60.因此，可以通过每台注水泵的单泵频率来控制每台注水泵的单泵流量。进而控制注水泵的单泵能耗。
61.基于上述研究发现，在给定注水系统的需求参数(包括外输流量、外输压力、以及
储水罐液位)后，能够通过控制并联的多台注水泵的开关状态以及单泵频率，控制并联的多台注水泵的总能耗。
62.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
63.本技术实施例提供的一种开泵参数的获取方法应用于但不限于：包括并联的多台注水泵的注水系统，可选地，本技术的一种具体应用场景为：在获取注水系统的需求参数后，获取使得注水系统的往复式柱塞泵总能耗最小的开泵参数，其中，开泵参数包括开泵组合以及开泵组合中每一注水泵的单泵频率，开泵组合包括注水系统运行时被配置为开关状态为开启的各个注水泵，需要说明的是，本实施例中，开泵参数作为配置参数输出，用于指示注水系统运行时的配置。
64.以注水系统包括并联的n台注水泵为例，图2为本技术实施例提供的一种开泵参数的获取方法的具体实现流程，如图2所示，本方法包括：
65.s201、依据历史数据构建每一注水泵的机器学习模型。
66.本实施例中，预设的函数关系包括：
67.关系1、单泵流量＝f(泵的开关，单泵频率)。
68.关系2、泵前压力＝f(储水罐液位，单泵流量)。
69.关系3、泵后压力＝f(外输压力，单泵流量)。
70.关系4、单泵能耗＝f(单泵流量，泵前压力，泵后压力，单泵频率)。
71.对应地，每一注水泵的机器学习模型包括第一模型、第二模型、第三模型、和第四模型。
72.其中，注水泵的第一模型基于第一样本数据和关系1训练得到，第一样本数据包括第一训练输入样本和第一训练目标，第一训练输入样本包括样本开关状态值和样本单泵频率，第一训练目标为注水泵在样本开关状态值和样本单泵频率下运行时的单泵流量，称为样本单泵流量。
73.注水泵的第二模型基于第二样本数据和关系2训练得到，第二样本数据包括第二训练输入样本和第二训练目标，第二训练输入样本包括样本储水罐液位和样本单泵流量，第二训练目标为注水泵在样本储水罐液位和样本单泵流量下运行时的泵前压力，称为样本泵前压力。
74.注水泵的第三模型基于第三样本数据和关系3训练得到，第三样本数据包括第三训练输入样本和第三训练目标，第三训练输入样本包括样本外输压力和样本单泵流量，第三训练目标为注水泵在样本外输压力和样本单泵流量下运行时的泵后压力，称为样本泵后压力。
75.注水泵的第四模型基于第四样本数据和关系4训练得到，第四样本数据包括第四训练输入样本和第四训练目标，第四训练输入样本包括样本单泵流量、样本泵前压力、样本泵后压力、和样本单泵频率，第四训练目标为注水泵在样本单泵流量、样本泵前压力、样本泵后压力、和样本单泵频率下运行时的单泵能耗，称为样本单泵能耗。
76.需要说明的是，历史数据包括历史需求参数、历史单泵频率、历史单泵流量、历史
泵前压力、和历史泵后压力的对应关系，第一样本数据、第二样本数据、第三样本数据、以及第四样本数据均采集自历史数据，历史数据通过监控注水系统的实际运行参数得到的客观数据。
77.进一步，需要说明的是，机器学习模型包括但不限于线性模型和神经网络模型，本技术不限定每一模型的具体结构，且具体的训练方法可以参见现有技术。
78.由于本实施例的具体应用场景中，注水泵为往复式柱塞泵，因此本实施例以第一模型为线性模型，第二模型～第四模型均为神经网络模型为例。
79.s202、遍历寻优集合，获取候选开泵组合。
80.本实施例中，寻优集合包括至少一组开泵组合，每一开泵组合包括至少一个注水泵。
81.具体的，并联的注水泵的数量为n，寻优集合包括个不同的开泵组合，也即本步骤获取并联的n个注水泵所有开泵组合。
82.本实施例中，遍历寻优集合中的开泵组合，针对每一开泵组合，利用寻优流程获取在开泵组合包括的注水泵的开关状态为开启的情况下，使得总能耗最小的每一注水泵的单泵频率和最小总能耗。
83.以候选开泵组合包括注水泵1～注水泵n为例，预设注水泵1～注水泵n的开关状态为开启，其他注水泵(除了注水泵1～注水泵n之外的注水泵)的开关状态为关闭。针对候选开泵组合的寻优流程包括多次迭代的仿真计算流程，需要说明的是，能耗优化的核心是在保证储水罐液位、外输流量和外输压力均为需求值的前提下，使得能耗最低，由此确定寻优的边界条件为预设的储水罐液位、预设的外输压力、和预设的外输流量，寻优参数为开泵组合与开泵组合中每一注水泵的单泵频率，寻优目标为开泵组合中的n-1个注水泵的开关状态为开启时，产生的总能耗最小。
84.基于此，任意一次仿真计算流程参见s203～s213，如下：
85.s203、获取候选开泵组合中的n-1个注水泵的单泵频率。
86.本实施例中，获取候选开泵组合中的n-1个注水泵的单泵频率的方法包括：
87.在第一次迭代中，获取候选开泵组合中的n-1个注水泵的单泵频率的方法为：随机生成一组初始泵频率{f1、...fi、...、f
n-1
}(1≤i≤n-1)，并将初始泵频率fi作为注水泵i的单泵频率。
88.在第k(k＞1)次迭代中，通过遗传算法更新第k-1次迭代中候选开泵组合中的n-1个注水泵的单泵频率，得到k次迭代中n-1个注水泵的单泵频率。
89.需要说明的是，n-1个注水泵从候选开泵组合中随机从选取，可选地，将n-1个注水泵记为第一类注水泵，分别为b1～b n-1。
90.s204、依据每一第一类注水泵的第一模型和单泵频率，获取每一第一类注水泵的单泵流量。
91.本实施例中，以第一类注水泵b1的第一模型m1为例，将b1的开关状态值等于1和b1的单泵频率输入m1，获取m1的输出作为b1的单泵流量。
92.s205、依据预设的外输流量以及各个第一类注水泵的单泵流量，获取第二类注水泵的单泵流量。
93.本实施例中，第二类注水泵为候选开泵组合中的、除了第一类注水泵以外的注水泵。实际生产中，注水系统从下游设备获取来自下游设备设定的注水流量和注水压力，从而得到外输流量和外输压力，以外输流量和外输压力为需求参数，为下游设备注水，由于，注水站通过一根管道送水为下游设备供水，所以外输流量即为各个注水泵的总流量，也即注水站为下游设备的注水总流量。
94.此外，基于流量守恒，第二类注水泵的单泵流量等于外输流量减去所有第一类注水泵的单泵流量的差值。记第二类注水泵的单泵流量为qn，获取qn的具体方法参见下述公式(1)：
[0095][0096]
其中，qi表示bi的单泵流量，q表示外输流量。
[0097]
s206、依据第二类注水泵的单泵流量，获取第二类注水泵的单泵频率。
[0098]
本实施例中，依据第二类注水泵的第一模型，获取第二类注水泵的单泵流量和单泵频率之间的线性关系，依据第二类注水泵的单泵流量和线性关系获取第二类注水泵的单泵频率。
[0099]
s207、依据预设的储水罐液位、每一候选注水泵的单泵流量和第二模型，获取每一候选注水泵的泵前压力。
[0100]
本实施例中，候选注水泵为候选开泵组合中的注水泵，包括第一类注水泵和第二类注水泵，以候选注水泵b1的第二模型m2为例，将b1的单泵流量和储水罐液位输入至m2，获取m2的输出，作为b1的泵前压力。
[0101]
s208、依据预设的外输压力、每一候选注水泵的单泵流量和第三模型，获取每一候选注水泵的泵后压力。
[0102]
本实施例中，以候选注水泵b1的第三模型m3为例，将外输压力和b1的单泵流量输入至m3，获取m3的输出，作为b1的泵后压力。
[0103]
s209、依据每一候选注水泵的单泵流量、单泵频率、泵前压力、和泵后压力，获取每一候选注水泵的能耗。
[0104]
本实施例中，以候选注水泵b1的第四模型m4为例，将b1的单泵流量、单泵频率、泵前压力、和泵后压力输入至m4，获取m4的输出，作为b1的能耗。
[0105]
s210、将各个候选注水泵的能耗的总和，作为候选开泵组合的总能耗。
[0106]
例如，记候选注水泵为bj的能耗为wj，则总能耗w的计算方法为：
[0107][0108]
s211、判断是否达到预设的停止条件。
[0109]
本实施例中，停止条件包括迭代次数达到预设的次数阈值，或者与上一次迭代得到的总能耗的差值小于预设差值阈值中的至少一项。
[0110]
s212、若否，更新候选开泵组合中的n-1个注水泵的单泵频率，并返回s203。
[0111]
本实施例中，以候选开泵组合的总能耗最小为寻优目标，通过寻优算法更新候选开泵组合中的n-1个注水泵的单泵频率，并以n-1个注水泵的开关状态为开启和更新后的n-1个注水泵的单泵频率为寻优参数，执行下一次迭代，其中，寻优算法包括遗传算法具体可以参见现有技术。
[0112]
s213、若是，结束迭代，输出总能耗和每一候选注水泵的单泵频率作为候选开泵组合的寻优结果。
[0113]
由上，本实施例通过遍历寻优集合，对每一开泵组合均执行上述s203～s213的迭代流程，得到每一开泵组合的寻优结果。
[0114]
s214、依据每一开泵组合的寻优结果，获取注水系统的开泵参数。
[0115]
具体地，比较各个开泵组合的寻优结果中的总能耗，得到最小总能耗。将包括最小总能耗的寻优结果作为最优寻优结果，将最优寻优结果包括的每一注水泵的单泵频率和总能耗作为注水系统的开泵参数。
[0116]
由上述技术方案可以看出，本技术实施例提供的一种开泵参数的获取方法可以至少实现下述有益效果：
[0117]
第一、遍历可能的开泵组合，以迭代的寻优算法获取每一开泵组合的寻优结果，并依据在各个开泵组合的寻优结果，获取注水系统的开泵参数，有开泵参数用于设置注水系统中注水泵的开关状态以及开启的注水泵的频率控制，因此，获取可能的开泵组合中获取使得总能耗最小的开泵参数，将该开泵参数作为配置参数输出时，以此为依据控制注水系统的运行状态，能够降低注水系统的能耗，提高注水效率。
[0118]
第二、依据历史数据的构建每一注水泵的机器学习模型中的每一模型，通过机器学习算法对历史数据的学习来寻找在当前注水系统的结构下，注水泵的参数之间的函数关系，得到用于计算各个目标参数的回归模型(也即机器学习模型)，替代现有技术中的经验公式，提升每一注水泵的目标参数(包括单泵流量、能耗、泵后压力、泵前压力)计算准确性，从而提高寻优的准确性。
[0119]
第三、在迭代过程中，将n-1台注水泵(第一类注水泵)单泵频率作为寻优空间，第二类注水泵的单泵频率由流量守恒反推计算，避免将n台注水泵的单泵频率全部加入寻优空间导致的大量不符合约束条件的无效样本，提高了寻优效率。例如，在遗传算法中，若将n台注水泵的单泵频率全部加入寻优空间，则需要更多的初始种群以及更多代的迭代才能产生足够的有效种群，寻优效率很低，本方法无需太多初始种群以及太多迭代就能出现大量符合约束条件的样本，极大的提高寻优效率。
[0120]
图3为本技术实施例提供的另一种开泵参数的获取方法的实现流程，如图3所示，整个方案可以分为三个步骤，分别为step1模型训练、step2仿真系统搭建和step3能耗优化，结合图4对上述三个步骤进行说明如下：
[0121]
step1：利用历史数据，通过机器学习构建回归模型。
[0122]
本实施例中，本步骤的具体方法可以参见上述实施例，本实施例对此不做赘述。
[0123]
step2：仿真系统搭建
[0124]
具体的，根据注水系统的设备连接关系、物理机理、以及回归模型，共同搭建对注水系统的仿真系统。
[0125]
其中，连接关系包括并联的注水泵的数量以及注水泵到外输总管间的连接关系等，物理机理主要是质量守恒(流量守恒)
[0126]
仿真系统用于通过回归模型基于单泵频率推算单泵流量，基于储水罐液位和单泵流量推算泵前压力，基于外输压力和单泵流量推算各泵的泵后压力，基于单泵流量、泵前压力、泵后压力、单泵频率推算单台注水泵能耗。以此在给定的工况设定(外输压力、储水罐液
位、外输流量)下，计算得到注水系统的流量、压力、能耗等指标。
[0127]
仿真系统的具体功能实现可以参见上述实施例。
[0128]
step3：使用遗传算法在仿真系统和工况设定下，以总能耗最小为寻优目标进行寻优，依据寻优结果得到推荐运行设置。
[0129]
本步骤的具体实现方法参见上述实施例，本技术再次不做赘述。
[0130]
可见，本发明使用机器学习算法来支持构建高精度的仿真系统，再使用模拟仿真系统来支持基于遗传算法寻优过程，更有效的描述各种组合下能耗，从而找到给定注水流量(外输流量)和注水压力(外输压力)条件下能耗最小的开泵组合和开泵频率。
[0131]
需要说明的是，图2或图3仅为本技术实施例提供的一种开泵参数的获取方法的一种可选的具体实现流程，本技术还包括其他的具体实现方法。
[0132]
在可选的一些实施例中，寻优算法不限于遗传算法，还可以为梯度下降算法以及粒子群算法等。
[0133]
在可选的一些实施例中，各个模型的结构可以包括多种，不限于上述实施例中提及的第一模型为线性模型，其他模型为神经网络模型。例如，所有模型均为神经网络模型，则在上述实施例中，增加执行获取第五模型的步骤，获取第五模型的方法为：基于第五样本数据和关系5(关系5、单泵频率＝f(泵的开关，单泵流量))训练得到，第五样本数据包括第五训练输入样本和第五训练目标，第五训练输入样本包括样本开关状态值和样本单泵流量，第一训练目标为注水泵在样本开关状态值和样本单泵流量下运行时的单泵流量，称为样本单泵频率。基于此，步骤s206依据第二类注水泵的单泵流量，获取第二类注水泵的单泵频率的实现方法包括：将第二类注水泵的单泵流量和开关状态值(为1)输入第五模型，获取第五模型的输出作为第二类注水泵的单泵频率。
[0134]
在可选的一些实施例中，模型的训练方法包括其他可选的实现方式，例如，各个训练输入样本还包括其他样本参数，具体可以根据工况调整。
[0135]
综上，将本技术实施例提供的一种开泵参数的获取方法总结概括为图4所示的流程，如图4所示，本方法包括：
[0136]
s401、获取候选开泵组合以及预设的需求参数。
[0137]
本实施例中，候选开泵组合包括至少一个候选注水泵，需求参数包括储水罐液位、外输压力、以及外输流量，候选注水泵为注水系统中的注水泵，注水系统中的注水泵并联连接。
[0138]
需要说明的是，候选开泵组合的获取方法包括每次从预设的多个开泵组合中随机选取一组，或遍历地从预设的多个开泵组合中选取候选开泵组合，或预设的需求参数的方法可以参见现有技术。
[0139]
s402、基于注水系统的历史数据预先训练得到每一候选注水泵的机器学习模型。
[0140]
本实施例中，历史数据包括历史需求参数和历史单泵频率。
[0141]
具体地，候选注水泵的机器学习模型包括多个模型，每一候选注水泵的任意模型的训练目标为候选注水泵在训练输入样本下运行时的历史运行参数。具体的模型构建方法参见上述实施例。
[0142]
s403、执行多次仿真计算流程。
[0143]
本实施例中，执行多次仿真计算流程的方法包括多种，可选的一种执行方法包括，
迭代地执行多次仿真计算流程。每一次仿真计算流程包括：
[0144]
1、获取候选频率集合。
[0145]
其中，候选频率集合包括每一候选注水泵的单泵频率。获取每一候选注水泵的单泵频率的方法包括多种，可选地，获取每一候选注水泵的预设的初始频率作为第一次仿真计算流程时的单泵频率，依据第k-1次仿真计算流程的计算结果获取更新后的单泵频率获取第k次仿真计算流程时的单泵频率。具体可以参见上述实施例。
[0146]
2、在每一候选注水泵的开关状态为开启时，依据需求参数、每一候选注水泵的单泵频率和机器学习模型，获取候选开泵组合的总能耗，作为仿真计算流程的计算结果。
[0147]
s404、若仿真计算流程满足预设的最佳能耗条件，将候选开泵组合和仿真计算流程对应的候选频率集合作为开泵参数。
[0148]
本实施例中，最佳能耗条件包括计算结果在所有仿真计算流程中最小。
[0149]
由上述技术方案可以看出，本技术实施例提供的一种开泵参数的获取方法，由于执行的每一次仿真计算流程在每一候选注水泵的开关状态为开启时，依据需求参数、每一候选注水泵的单泵频率和机器学习模型，获取候选开泵组合的总能耗，作为仿真计算流程的计算结果，其中，每一候选注水泵的机器学习模型基于注水系统的历史数据预先训练得到，因此，在仿真注水系统中并联的注水泵的工况(包括但不限于连接方式、以及型号等)的情况下，候选开泵组合中的候选注水泵在需求参数和每一候选注水泵的单泵频率的条件下开启运行时的总功耗的准确性高，符合实际工况，又由于，开泵参数中的候选开泵组合和候选频率集合对应的仿真计算流程满足在多次仿真计算流程中，计算结果最小，也即候选开泵组合在候选频率集合和需求参数下开启运行时，产生的总能耗最小，因此本方案得到能够降低总能耗的开泵参数，有利于提高注水系统的运行效率，降低注水系统的总能耗。
[0150]
图5位本技术实施例提供的一种开泵参数的获取装置的结构示意图，如图5所示，本装置包括：
[0151]
参数获取单元501，用于获取候选开泵组合以及预设的需求参数，所述候选开泵组合包括至少一个候选注水泵，所述需求参数包括储水罐液位、外输压力、以及外输流量，所述候选注水泵为注水系统中的注水泵；
[0152]
模型构建单元502，用于基于所述注水系统的历史数据预先训练得到每一所述候选注水泵的机器学习模型，所述历史数据包括历史需求参数、以及历史单泵频率；
[0153]
仿真计算单元503，用于执行多次仿真计算流程，每一次所述仿真计算流程包括：获取候选频率集合，所述候选频率集合包括每一所述候选注水泵的单泵频率；在每一所述候选注水泵的开关状态为开启时，依据所述需求参数、每一所述候选注水泵的单泵频率、和机器学习模型，获取所述候选开泵组合的总能耗，作为所述仿真计算流程的计算结果；
[0154]
结果获取单元504，用于若所述仿真计算流程满足预设的最佳能耗条件，将所述候选开泵组合和所述仿真计算流程对应的候选频率集合作为开泵参数，所述最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小。
[0155]
可选地，目标注水泵的机器学习模型包括第一模型、第二模型、第三模型和第四模型，所述目标注水泵为任意候选注水泵，所述第一模型为线性模型；
[0156]
所述目标注水泵的第一模型以所述目标注水泵的历史单泵频率为训练输入样本、以所述目标注水泵的在所述历史单泵频率下开启运行时的单泵流量为训练目标，预先训练
得到；
[0157]
所述目标注水泵的第二模型以历史储水罐液位和历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵前压力为训练目标，预先训练得到；
[0158]
所述目标注水泵的第三模型以历史外输压力和所述历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵后压力为训练目标，预先训练得到；
[0159]
所述目标注水泵的第四模型以所述历史单泵流量、历史泵前压力、历史泵后压力、和所述历史单泵频率为训练输入样本、以所述目标注水泵在所述历史单泵流量、所述历史泵前压力、所述历史泵后压力、和所述历史单泵频率下运行时的能耗为训练目标，预先训练得到。
[0160]
可选地，仿真计算单元用于获取候选频率集合，包括：仿真计算单元具体用于：
[0161]
获取所述候选开泵组合中的第一类候选注水泵的单泵频率，所述第一类候选注水泵的数量为n-1个，所述n等于所述候选开泵组合中的候选注水泵的数量；
[0162]
基于各个所述第一类候选注水泵的单泵频率和第一模型，获取各个所述第一类候选注水泵的单泵流量；
[0163]
将所述外输流量减去所有所述第一类候选注水泵的单泵流量的差值作为第二类候选注水泵的单泵流量，所述第二类候选注水泵为候选开泵组合中除了所述第一类候选注水泵以外的候选注水泵；
[0164]
基于所述第二类候选注水泵的单泵流量和第二模型，获取所述第二类候选注水泵的单泵频率；
[0165]
获取所述候选频率集合，所述候选频率集合包括每一所述第一类候选注水泵的单泵频率以及所述第二类候选注水泵的单泵频率。
[0166]
可选地，仿真计算单元，用于执行多次仿真计算流程，包括：仿真计算单元，具体用于迭代执行多次仿真计算流程；
[0167]
所述最佳能耗条件还包括：连续预设次数的仿真计算流程的计算结果的差值小于预设差值阈值，和/或迭代次数大于预设的次数阈值。
[0168]
可选地，本装置还包括：
[0169]
寻优单元，用于若所述仿真计算流程的不满足所述最佳能耗条件，以计算结果最小为寻优条件，利用预设的寻优算法更新每一所述第一类候选注水泵的单泵频率，得到每一所述第一类候选注水泵的更新频率；
[0170]
仿真计算单元，用于获取所述候选开泵组合中的第一类候选注水泵的单泵频率，包括：仿真计算单元具体用于：
[0171]
若仿真计算流程为第1次仿真计算流程，将每一所述第一类候选注水泵的预设初始频率作为单泵频率；
[0172]
若仿真计算流程为第k次，将第k-1次仿真计算流程得到的每一所述第一类候选注水泵的更新频率作为单泵频率，所述k为大于1的整数。
[0173]
仿真计算单元，用于依据所述需求参数、每一所述候选注水泵的机器学习模型，获取所述候选开泵组合的总能耗，包括：仿真计算单元具体用于：
[0174]
将所述储水罐液位和各个所述候选注水泵的单泵流量对应输入至各个所述候选注水泵的第二模型，将各个所述候选注水泵的第二模型的输出，作为各个所述候选注水泵的泵前压力；
[0175]
将所述外输压力和各个所述候选注水泵的单泵流量，对应输入至各个所述候选注水泵的第三模型，将各个所述候选注水泵的第三模型的输出，作为各个所述候选注水泵的泵后压力；
[0176]
将各个所述候选注水泵的单泵流量、单泵频率、泵前压力和泵后压力输入至各个候选注水泵的第四模型，将各个候选注水泵的第四模型的输出作为各个候选注水泵的能耗；
[0177]
将各个所述候选注水泵的能耗之和作为总能耗。
[0178]
可选地，参数获取单元用于获取候选开泵组合包括：参数获取单元具体用于获取寻优集合，所述寻优集合包括多个开泵组合，每一开泵组合包括至少一个注水泵；以遍历的方式从所述寻优集合中获取开泵组合，作为候选开泵组合；
[0179]
本装置还包括：最佳结果确定单元，用于若目标候选开泵组合对应的满足所述最佳能耗条件的仿真计算流程的计算结果最小，将所述目标候选开泵组合对应的开泵参数作为最佳开泵参数。
[0180]
所述开泵参数的获取装置包括处理器和存储器，上述参数获取单元、模型构建单元、仿真计算单元、和结果获取单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
[0181]
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高开泵参数的准确性，降低总能耗。
[0182]
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述开泵参数的获取方法。
[0183]
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述开泵参数的获取方法。
[0184]
本发明实施例提供了一种电子设备，如图6所示，电子设备60包括至少一个处理器601、以及与处理器连接的至少一个存储器602、总线603；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述的开泵参数的获取方法。本文中的电子设备可以是服务器、pc、pad、手机等。
[0185]
本技术还提供了一种计算机程序产品，当在电子设备上执行时，适于执行初始化有如下方法步骤的程序：
[0186]
一种开泵参数的获取方法，包括：
[0187]
获取候选开泵组合以及预设的需求参数，所述候选开泵组合包括至少一个候选注水泵，所述需求参数包括储水罐液位、外输压力、以及外输流量，所述候选注水泵为注水系统中的注水泵；
[0188]
基于所述注水系统的历史数据预先训练得到每一所述候选注水泵的机器学习模型，所述历史数据包括历史需求参数、以及历史单泵频率；
[0189]
执行多次仿真计算流程，每一次所述仿真计算流程包括：获取候选频率集合，所述候选频率集合包括每一所述候选注水泵的单泵频率；在每一所述候选注水泵的开关状态为
开启时，依据所述需求参数、每一所述候选注水泵的单泵频率和机器学习模型，获取所述候选开泵组合的总能耗，作为所述仿真计算流程的计算结果；
[0190]
若所述仿真计算流程满足预设的最佳能耗条件，将所述候选开泵组合和所述仿真计算流程对应的候选频率集合作为开泵参数，所述最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小。
[0191]
可选地，目标注水泵的机器学习模型包括第一模型、第二模型、第三模型和第四模型，所述目标注水泵为任意候选注水泵，所述第一模型为线性模型；
[0192]
所述目标注水泵的第一模型以所述目标注水泵的历史单泵频率为训练输入样本、以所述目标注水泵的在所述历史单泵频率下开启运行时的单泵流量为训练目标，预先训练得到；
[0193]
所述目标注水泵的第二模型以历史储水罐液位和历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵前压力为训练目标，预先训练得到；
[0194]
所述目标注水泵的第三模型以历史外输压力和所述历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵后压力为训练目标，预先训练得到；
[0195]
所述目标注水泵的第四模型以所述历史单泵流量、历史泵前压力、历史泵后压力、和所述历史单泵频率为训练输入样本、以所述目标注水泵在所述历史单泵流量、所述历史泵前压力、所述历史泵后压力、和所述历史单泵频率下运行时的能耗为训练目标，预先训练得到。
[0196]
可选地，获取候选频率集合，包括：
[0197]
获取所述候选开泵组合中的第一类候选注水泵的单泵频率，所述第一类候选注水泵的数量为n-1个，所述n等于所述候选开泵组合中的候选注水泵的数量；
[0198]
基于各个所述第一类候选注水泵的单泵频率和第一模型，获取各个所述第一类候选注水泵的单泵流量；
[0199]
将所述外输流量减去所有所述第一类候选注水泵的单泵流量的差值作为第二类候选注水泵的单泵流量，所述第二类候选注水泵为候选开泵组合中除了所述第一类候选注水泵以外的候选注水泵；
[0200]
基于所述第二类候选注水泵的单泵流量和第二模型，获取所述第二类候选注水泵的单泵频率；
[0201]
获取所述候选频率集合，所述候选频率集合包括每一所述第一类候选注水泵的单泵频率以及所述第二类候选注水泵的单泵频率。
[0202]
可选地，执行多次仿真计算流程，包括：迭代执行多次仿真计算流程；
[0203]
所述最佳能耗条件还包括：连续预设次数的仿真计算流程的计算结果的差值小于预设差值阈值，和/或迭代次数大于预设的次数阈值。
[0204]
可选地，方法还包括：
[0205]
若所述仿真计算流程的不满足所述最佳能耗条件，以计算结果最小为寻优条件，利用预设的寻优算法更新每一所述第一类候选注水泵的单泵频率，得到每一所述第一类候选注水泵的更新频率；
[0206]
所述获取所述候选开泵组合中的第一类候选注水泵的单泵频率，包括：
[0207]
若仿真计算流程为第1次仿真计算流程，将每一所述第一类候选注水泵的预设初始频率作为单泵频率；
[0208]
若仿真计算流程为第k次，将第k-1次仿真计算流程得到的每一所述第一类候选注水泵的更新频率作为单泵频率，所述k为大于1的整数。
[0209]
可选地，依据所述需求参数、每一所述候选注水泵的机器学习模型，获取所述候选开泵组合的总能耗，包括：
[0210]
将所述储水罐液位和各个所述候选注水泵的单泵流量对应输入至各个所述候选注水泵的第二模型，将各个所述候选注水泵的第二模型的输出，作为各个所述候选注水泵的泵前压力；
[0211]
将所述外输压力和各个所述候选注水泵的单泵流量，对应输入至各个所述候选注水泵的第三模型，将各个所述候选注水泵的第三模型的输出，作为各个所述候选注水泵的泵后压力；
[0212]
将各个所述候选注水泵的单泵流量、单泵频率、泵前压力和泵后压力输入至各个候选注水泵的第四模型，将各个候选注水泵的第四模型的输出作为各个候选注水泵的能耗；
[0213]
将各个所述候选注水泵的能耗之和作为总能耗。
[0214]
可选地，获取候选开泵组合包括：获取寻优集合，所述寻优集合包括多个开泵组合，每一开泵组合包括至少一个注水泵；
[0215]
以遍历的方式从所述寻优集合中获取开泵组合，作为候选开泵组合；
[0216]
所述方法还包括：
[0217]
若目标候选开泵组合对应的满足所述最佳能耗条件的仿真计算流程的计算结果最小，将所述目标候选开泵组合对应的开泵参数作为最佳开泵参数。
[0218]
本技术是参照根据本技术实施例的方法、装置、电子设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器，使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0219]
在一个典型的配置中，电子设备包括一个或多个处理器(cpu)、存储器和总线。电子设备还可以包括输入/输出接口、网络接口等。
[0220]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
[0221]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、
数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0222]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0223]
本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0224]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种开泵参数的获取方法，其特征在于，包括：获取候选开泵组合以及预设的需求参数，所述候选开泵组合包括至少一个候选注水泵，所述需求参数包括储水罐液位、外输压力、以及外输流量，所述候选注水泵为注水系统中的注水泵；基于所述注水系统的历史数据预先训练得到每一所述候选注水泵的机器学习模型，所述历史数据包括历史需求参数、以及历史单泵频率；执行多次仿真计算流程，每一次所述仿真计算流程包括：获取候选频率集合，所述候选频率集合包括每一所述候选注水泵的单泵频率；在每一所述候选注水泵的开关状态为开启时，依据所述需求参数、每一所述候选注水泵的单泵频率和机器学习模型，获取所述候选开泵组合的总能耗，作为所述仿真计算流程的计算结果；若所述仿真计算流程满足预设的最佳能耗条件，将所述候选开泵组合和所述仿真计算流程对应的候选频率集合作为开泵参数，所述最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小。2.根据权利要求1所述的方法，其特征在于，目标注水泵的机器学习模型包括第一模型、第二模型、第三模型和第四模型，所述目标注水泵为任意候选注水泵，所述第一模型为线性模型；所述目标注水泵的第一模型以所述目标注水泵的历史单泵频率为训练输入样本、以所述目标注水泵的在所述历史单泵频率下开启运行时的单泵流量为训练目标，预先训练得到；所述目标注水泵的第二模型以历史储水罐液位和历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵前压力为训练目标，预先训练得到；所述目标注水泵的第三模型以历史外输压力和所述历史单泵流量为训练输入样本、以所述目标注水泵在所述历史储水罐液位和所述历史单泵流量下运行时的泵后压力为训练目标，预先训练得到；所述目标注水泵的第四模型以所述历史单泵流量、历史泵前压力、历史泵后压力、和所述历史单泵频率为训练输入样本、以所述目标注水泵在所述历史单泵流量、所述历史泵前压力、所述历史泵后压力、和所述历史单泵频率下运行时的能耗为训练目标，预先训练得到。3.根据权利要求2所述的方法，其特征在于，所述获取候选频率集合，包括：获取所述候选开泵组合中的第一类候选注水泵的单泵频率，所述第一类候选注水泵的数量为n-1个，所述n等于所述候选开泵组合中的候选注水泵的数量；基于各个所述第一类候选注水泵的单泵频率和第一模型，获取各个所述第一类候选注水泵的单泵流量；将所述外输流量减去所有所述第一类候选注水泵的单泵流量的差值作为第二类候选注水泵的单泵流量，所述第二类候选注水泵为候选开泵组合中除了所述第一类候选注水泵以外的候选注水泵；基于所述第二类候选注水泵的单泵流量和第二模型，获取所述第二类候选注水泵的单泵频率；
获取所述候选频率集合，所述候选频率集合包括每一所述第一类候选注水泵的单泵频率以及所述第二类候选注水泵的单泵频率。4.根据权利要求3所述的方法，其特征在于，所述执行多次仿真计算流程，包括：迭代执行多次仿真计算流程；所述最佳能耗条件还包括：连续预设次数的仿真计算流程的计算结果的差值小于预设差值阈值，和/或迭代次数大于预设的次数阈值。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：若所述仿真计算流程的不满足所述最佳能耗条件，以计算结果最小为寻优条件，利用预设的寻优算法更新每一所述第一类候选注水泵的单泵频率，得到每一所述第一类候选注水泵的更新频率；所述获取所述候选开泵组合中的第一类候选注水泵的单泵频率，包括：若仿真计算流程为第1次仿真计算流程，将每一所述第一类候选注水泵的预设初始频率作为单泵频率；若仿真计算流程为第k次，将第k-1次仿真计算流程得到的每一所述第一类候选注水泵的更新频率作为单泵频率，所述k为大于1的整数。6.根据权利要求3或5所述的方法，其特征在于，所述依据所述需求参数、每一所述候选注水泵的机器学习模型，获取所述候选开泵组合的总能耗，包括：将所述储水罐液位和各个所述候选注水泵的单泵流量对应输入至各个所述候选注水泵的第二模型，将各个所述候选注水泵的第二模型的输出，作为各个所述候选注水泵的泵前压力；将所述外输压力和各个所述候选注水泵的单泵流量，对应输入至各个所述候选注水泵的第三模型，将各个所述候选注水泵的第三模型的输出，作为各个所述候选注水泵的泵后压力；将各个所述候选注水泵的单泵流量、单泵频率、泵前压力和泵后压力输入至各个候选注水泵的第四模型，将各个候选注水泵的第四模型的输出作为各个候选注水泵的能耗；将各个所述候选注水泵的能耗之和作为总能耗。7.根据权利要求1所述的方法，其特征在于，所述获取候选开泵组合包括：获取寻优集合，所述寻优集合包括多个开泵组合，每一开泵组合包括至少一个注水泵；以遍历的方式从所述寻优集合中获取开泵组合，作为候选开泵组合；所述方法还包括：若目标候选开泵组合对应的满足所述最佳能耗条件的仿真计算流程的计算结果最小，将所述目标候选开泵组合对应的开泵参数作为最佳开泵参数。8.一种开泵参数的获取装置，其特征在于，包括：参数获取单元，用于获取候选开泵组合以及预设的需求参数，所述候选开泵组合包括至少一个候选注水泵，所述需求参数包括储水罐液位、外输压力、以及外输流量，所述候选注水泵为注水系统中的注水泵；模型构建单元，用于基于所述注水系统的历史数据预先训练得到每一所述候选注水泵的机器学习模型，所述历史数据包括历史需求参数、以及历史单泵频率；仿真计算单元，用于执行多次仿真计算流程，每一次所述仿真计算流程包括：获取候选
频率集合，所述候选频率集合包括每一所述候选注水泵的单泵频率；在每一所述候选注水泵的开关状态为开启时，依据所述需求参数、每一所述候选注水泵的单泵频率、和机器学习模型，获取所述候选开泵组合的总能耗，作为所述仿真计算流程的计算结果；结果获取单元，用于若所述仿真计算流程满足预设的最佳能耗条件，将所述候选开泵组合和所述仿真计算流程对应的候选频率集合作为开泵参数，所述最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小。9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1-7中任一项所述的开泵参数的获取方法。10.一种电子设备，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1-7中任一项所述的开泵参数的获取方法。

技术总结
本发明公开了一种开泵参数的获取方法及相关装置，基于注水系统的历史数据预先训练得到每一候选注水泵的机器学习模型。执行多次仿真计算流程，若仿真计算流程满足预设的最佳能耗条件，将候选开泵组合和仿真计算流程对应的候选频率集合作为开泵参数。由于仿真计算流程在每一候选注水泵的开关状态为开启时，依据需求参数、每一候选注水泵的单泵频率和机器学习模型，获取候选开泵组合的总能耗，作为仿真计算流程的计算结果，又由于，最佳能耗条件包括计算结果在所有仿真计算流程的计算结果中最小，综上，本方案得到能够降低总能耗的开泵参数，有利于提高注水系统的运行效率，降低注水系统的总能耗。系统的总能耗。系统的总能耗。


技术研发人员：朱兴坤
受保护的技术使用者：北京国双科技有限公司
技术研发日：2022.03.23
技术公布日：2023/10/8