基于分区分级感知的排水管网溢流协同控制方法及系统

摘要: 本发明涉及城镇排水管网运行控制,尤其涉及基于分区分级感知的排水管网溢流协同控制方法及系统。背景技术:1、随着我国城镇排水系统提质增效要求的不断提高,“厂网一体化...
基于分区分级感知的排水管网溢流协同控制方法及系统

本发明涉及城镇排水管网运行控制,尤其涉及基于分区分级感知的排水管网溢流协同控制方法及系统。

背景技术:

1、随着我国城镇排水系统提质增效要求的不断提高,“厂网一体化”已成为行业共识;然而,当前国内大部分城镇的排水系统仍长期延续“重厂轻网、厂网分割”的建设与管理模式,污水处理厂、市政管网、提升泵站分属不同主体独立运维,日常运维依赖人工现场巡查,缺乏统一的数字化感知采集渠道,管网水质、液位、运维工单数据分散孤立,缺乏统一顶层设计与协同联动机制,导致设施运行整体性失衡。

2、目前,部分排水管理单位已开始探索建设排水管网在线监测与预警系统,但这些系统普遍存在以下技术缺陷:

3、第一,现有监测系统的感知终端部署缺乏针对不同水力特征的差异化设计,通常在全管网采用统一类型的传感器(如仅部署液位计)和统一的布设密度,无法根据上游工业冲击、中游合流制溢流、下游输送瓶颈等不同区段的物理特征进行针对性监测,导致监测数据与调度需求不匹配。

4、第二,现有预警系统大多依赖人工经验判断或复杂的算法模型。如已公开的中国专利申请cn113902161a公开了排水管网溢流预警智能分析的方法,该方法通过对历史液位时序数据进行箱型图异常值检测、移动中值滤波插补、box-cox变换等预处理后,构建多层叠加lstm网络(搭配一维卷积层、批归一化层和丢弃层),依据前2小时的液位数据预测后1小时的液位变化趋势,实现溢流预警。

5、该技术方案在液位时序预测精度方面取得了一定效果,然而仍存在以下不足:

6、(1)该方法高度依赖大量历史数据进行模型训练,且lstm网络包含遗忘门、更新门、输出门等复杂门控结构及大量可训练参数,对部署环境的算力(gpu或高性能cpu)和存储资源要求较高,难以在乡镇排水设施等边缘计算资源有限的场景中推广应用;

7、(2)该方法仅对液位进行单点预测,不具备对水质异常(如工业偷排导致的cod/ph冲击)、雨污混接程度(如电导率突变)等多源异构物理量的综合感知与融合判定能力,难以区分溢流的具体成因,容易产生误报;

8、(3)该方法的输出结果仅为预警信号,不包含任何与泵站、污水厂等执行机构的联动控制逻辑,预警发出后仍需人工判断并下达调度指令,响应延迟较大,未能形成“感知、判定、执行、验证”的自动化闭环体系。

9、第三,现有技术中缺乏针对“上游工业偷排冲击”、“中游雨水混入溢流”、“下游倒虹吸淤堵”三类物理特性截然不同的异常场景进行差异化联动的调度策略;例如,中游溢流时需要降低泵站频率以减压,而下游倒虹吸堵塞时,若盲目提高泵站频率则会加剧堵塞;现有系统往往采用统一的“液位超高即报警”或“水质超标即记录”的单一逻辑进行处理,未意识到不同区段对协同调度指令存在相互冲突的需求,导致调度指令误判或无效。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的问题,而提出的基于分区分级感知的排水管网溢流协同控制方法及系统。

2、为了实现上述目的,本发明采用了如下技术方案:

3、基于分区分级感知的排水管网溢流协同控制方法,包括以下步骤:

4、s1:根据排水管网的物理拓扑与水力特性划分多个相互独立的分区,在各分区内部署对应类型的感知终端,采集对应物理量参数;

5、s2:数据处理单元接收各感知终端经对应分区的测控终端汇聚上传的物理量参数;

6、s3:数据处理单元将各物理量参数与预设固定阈值分别比较,通过逻辑组合运算判定并匹配出当前异常场景;

7、所述异常场景至少包括管段淤堵瓶颈场景;

8、s4:数据处理单元根据匹配的异常场景输出差异化控制指令;

9、其中,当异常场景为管段淤堵瓶颈场景时,仅向外勤终端推送清淤指令,同时禁止向泵站及污水处理设施发送调控指令;

10、s5:数据处理单元持续监测反馈参数,当参数回落至各安全阈值并持续预设时长时,生成复位信号,恢复常态运行。

11、优选地,分区包括上游工业排放区、中游合流制主干溢流区和下游过河输送瓶颈区,对应部署第一感知终端、第二感知终端和第三感知终端:

12、第一感知终端部署于上游工业排放区,用于采集水质化学参数;

13、第二感知终端部署于中游合流制主干溢流区,用于采集水力混合参数;

14、第三感知终端部署于下游过河输送瓶颈区,用于采集水位参数。

15、进一步地,步骤s3中,预设固定阈值包括分别与第一感知终端、第二感知终端和第三感知终端采集参数相匹配对应的触发阈值,其中对应第三感知终端的水位参数判定,还配置有持续时间阈值;

16、第一感知终端的水质参数触发阈值,包括cod冲击警戒阈值和ph异常偏离阈值区间;

17、第二感知终端的水力混合参数触发阈值,包括雨污混接电导率判别阈值和瞬时流量突增阈值;

18、第三感知终端的水位参数触发阈值,包括临界淤堵液位阈值和持续时间阈值。

19、进一步地,通过逻辑组合运算判定匹配出三类异常场景:

20、若第一感知终端采集的cod值达到cod冲击警戒阈值,或者ph值超出ph异常偏离阈值区间,匹配为工业偷排冲击场景;

21、若第二感知终端采集的电导率值低于雨污混接电导率判别阈值,且瞬时流量值高于瞬时流量突增阈值,匹配为雨水混入溢流场景;

22、若第三感知终端采集的液位值高于临界淤堵液位阈值,且该液位值高于临界淤堵液位阈值的状态持续时长超过持续时间阈值,匹配为管段淤堵瓶颈场景。

23、进一步地,匹配为工业偷排冲击场景时,向污水处理设施预处理段发送工艺抗冲击电信号,并向外勤终端推送溯源排查定位指令。

24、进一步地,匹配为雨水混入溢流场景时,向泵站发送降频减量驱动信号,向污水处理设施调节池发送腾空库容开启信号,并向外勤终端推送溢流口应急疏通指令。

25、进一步地,匹配为管段淤堵瓶颈场景时,仅向负责对应分区的外勤终端推送定向清淤坐标指令,同时通过硬件级锁止逻辑切断泵站及污水处理设施的控制信号输出。

26、进一步地,步骤s5中,生成复位信号的判定条件按异常场景分别设置为:

27、工业偷排冲击场景下,当水质化学参数回落至对应的安全阈值范围内时,满足复位判定条件;

28、雨水混入溢流场景下,当电导率回升至对应的安全阈值以上、且流量回落至对应安全阈值以下时,满足复位判定条件;

29、管段淤堵瓶颈场景下,当液位稳定回落至正常液位以下,并且持续的时长大于预设时长,或接收到外勤终端反馈的清淤完成信号且液位呈下降趋势时,满足复位判定条件。

30、优选地,预设固定阈值以固定数值形式存储于数据处理单元的非易失性存储器中;

31、单次场景匹配与指令输出的响应时间不超过500ms;

32、各分区部署的感知终端在接入对应分区的测控终端时,数据汇聚后通过无线通信独立上传至数据处理单元;

33、各分区之间的感知采集链路与数据传输链路物理隔离,各自形成独立子网。

34、基于分区分级感知的排水管网溢流协同控制系统,包括:

35、分区物联感知层,包含分别部署于各独立分区的第一感知终端、第二感知终端和第三感知终端,用于采集对应分区的物理量参数;

36、信号处理层,用于将感知终端输出的信号转换为可处理的数字电信号;

37、硬逻辑场景匹配层,内置于数据处理单元中,包含预设固定阈值的多路比较器模块和逻辑门运算模块,用于根据参数与阈值的比较结果输出场景标识电信号;

38、差异化指令生成层,包含多路选通开关,用于根据场景标识电信号选通对应控制回路;多路选通开关被配置为:在匹配管段淤堵瓶颈场景时,锁止泵站与污水处理设施对应的控制回路输出。

39、与现有技术相比,本发明提供了基于分区分级感知的排水管网溢流协同控制方法,具备以下有益效果:

40、1、该基于分区分级感知的排水管网溢流协同控制方法,无需复杂深度学习算法,基于纯硬件硬逻辑实现实时响应,降低部署门槛;摒弃了对神经网络、深度学习等复杂算法的依赖,全部判定逻辑基于比较器、与门、或门、计时单元等基础数字逻辑电路实现,可在数据处理单元或嵌入式单片机中直接固化运行,单次场景匹配的响应时间不超过500毫秒,且不依赖历史数据训练,尤其适用于乡镇排水设施等算力资源和运维人员专业水平有限的场景,降低了技术推广门槛。

41、2、该基于分区分级感知的排水管网溢流协同控制方法,分区分级差异化调度,避免指令冲突;根据上游、中游、下游三个区段的物理拓扑差异,分别针对“工业偷排冲击”、“雨水混入溢流”、“管段淤堵瓶颈”三种互斥场景设计了差异化的控制策略;特别是当判定为管段淤堵瓶颈场景场景时,系统主动禁止向泵站发送调频信号,避免了传统统一逻辑下的错误干预,实现了精准处置。

42、3、该基于分区分级感知的排水管网溢流协同控制方法,通过工业源cod或ph值超前预警、中游溢流口双因子联动以及下游倒虹吸液位持续监测,将传统雨后溢流抢险模式转变为雨前或雨中主动截流、缓存、疏通的系统化防控模式,从系统工程层面削减了合流制管网汛期溢流污染风险。

43、4、该基于分区分级感知的排水管网溢流协同控制方法,采用的光谱法cod传感器、雷达液位计、超声波多普勒流量计、数字ph电极及电导率电极等感知设备,均为市面上标准工业级传感器,配合防水型多参数测控终端,可实现模块化快速部署;三个典型点位的空间拓扑逻辑在绝大多数乡镇排水系统中均存在共性,具备良好的跨区域复制推广价值。

44、5、该基于分区分级感知的排水管网溢流协同控制方法,通过控制指令执行后的持续监测与自动复位机制,实现了从预警、处置、验证、恢复的全链条闭环管理,避免了在无限期维持特殊控制状态下工作导致的次生问题;由于本发明采用数据处理单元硬逻辑判定,场景匹配响应时间仅受限于数据处理单元扫描周期,相较于依赖人工巡检或复杂模型推理的传统模式,响应速度实现数量级提升。