一种城市泵站群优化调控方法

本发明涉及城市排水与水资源调度，尤其是涉及一种城市泵站群优化调控方法。

背景技术：

1、城市河网区域通常为人口高度集中、建设密集、经济活动频繁地区，其排水体系结构复杂、河网分布密集，整体水动力条件较弱。在快速城市化和极端暴雨事件频发的背景下，城市排水系统面临的压力不断加大，局部内涝、水位突涨、管渠溢流等问题逐渐突出。泵站作为城市排水和区域防涝体系中的核心工程，其运行状态直接关系到城市河网水位调控能力与整体排涝安全水平。

2、工况组合复杂、多目标之间关系难以协调以及优化调度模型具有高维非线性特征是现有城市泵站群调控技术的共同本源，传统的经验调度模式无法适应复杂的城市排水需求和多变的运行环境，因此构建一种集成多目标优化与智能学习机制的城市泵站群调控方法是解决城市防洪排涝问题的有效思路。当前城市泵站群调度目标比较单一、排涝能力不足、智能化水平不高，传统的泵站群调控方案往往依赖于人工经验的方法得到，较少考虑水泵的水力特性，容易导致泵站能耗增高、水泵水力特性不佳等问题，并且泵站的调度过程也缺少历史典型场景的数据记录，无法做到防汛排涝期间调度工作的追溯参考以及问题分析。

技术实现思路

1、本发明通过一种城市泵站群优化调控方法，解决现有城市泵站调度目标单一、人工经验依赖强、系统响应滞后以及泵站群整体运行效率不高的问题。

2、本发明采用如下技术方案：

3、本发明所述的一种城市泵站群优化调控方法，步骤如下：

4、s1、收集城市河网水系与城市泵站群机组的数据资料；

5、s2、基于s1步骤中的数据资料，结合城市排水、供水、排涝及能耗的需求指标；

6、以城市泵站群的多重调控目标建立量化多目标水动力调控的目标函数体系；

7、s3、分析城市泵站群调控的约束条件，结合s2步骤中的多目标水动力调控的目标函数体系，构建城市泵站群多目标优化调控模型；

8、s4、基于城市泵站群多目标优化调控模型，将历史的水位、流量、降雨数据和典型暴雨事件水文资料作为输入条件，求解s3步骤中泵站群多目标优化调控模型，建立泵站群机组智能调度预案库；

9、s5、根据河网雨水情的实时情况、泵站运行实测数据，选择s4步骤中泵站群机组智能调度预案库中的预案，获得城市泵站群在不同代表性水情场景下的多目标优化调控方案。

10、本发明所述的城市泵站群优化调控方法，所述s1步骤中城市河网水系与城市泵站群机组的数据资料包括，城市河网与水系相关资料、城市降雨与水情资料、泵站群常规调控方案、泵站基本运行参数、泵站实时运行监测数据；

11、河网与水系相关资料包括历史水位数据、河道流量数据、典型暴雨事件的水文资料；

12、城市降雨与水情资料包括城市历史降雨数据（降雨历时、强度分布、不同重现期暴雨的降雨量和时段雨量分布）、地表径流系数、降雨入流量及城市低洼区、易涝点的地理位置；

13、泵站群常规调控方案包括各个泵站的启闭状态、不同调度情景下的历史调度数据和实际响应；

14、泵站运行参数包括额定流量、扬程、功率及泵站机组的水力特性曲线以及变频调速范围；

15、泵站实时运行监测数据包括机组启停时间、运行时长、机组实际抽排流量、电能消耗以及设备故障信息。

16、本发明所述的城市泵站群优化调控方法，所述s2步骤中多目标水动力调控的目标函数体系包含排涝效率最高目标、综合水力特性最好目标、综合能耗最低目标：

17、所述排涝效率最高目标表述式如下：

18、

19、其中，n是区域个数，i是时间，是雨期产生的总径流，是在同一时段通过排水系统排出的水的体积；

20、所述综合水力特性最好目标表述式如下：

21、

22、其中，是泵站的台数，是第j台泵的最佳效率点流量，是第i时段第k座泵站第j台泵的实际运行流量，表示流量偏离bep的相对程度；

23、所述综合能耗最低目标表述式如下：

24、

25、

26、其中，为排水期综合能耗费用，元；为泵站数量，座；为泵站编号，；j为水泵机组数量，台；为机组编号，；为水密度，；为第i时段第k座泵站第j台机组的流量，；为第i时段第k座泵站第j台机组的扬程，m；t是按照峰谷电价划分的时段，是第i时段的运行时间，h；是第i时段的电价，元，是第i时段第k座泵站第j台机组的水泵装置效率；是第k座泵站第j台机组的水泵电机效率，当机组负荷大于60%时可认为恒定不变，一般大型电机的为94%；是第k座泵站第j台机组的水泵传动效率，采用直联机组时为100%；是第i时段投入运行的水泵数量。

27、本发明所述的城市泵站群优化调控方法，所述s3步骤中城市泵站群多目标优化调控模型包括优化目标函数和约束条件，优化目标函数即步骤s2中的多目标水动力调控的目标函数；

28、约束条件分为泵站群总抽水量约束、泵站功率平衡约束、水泵供水流量约束、水泵扬程约束、水泵轴功率约束、水泵变频调速比约束、目标排水总量约束、河网水位约束、机组运行最短时长约束；

29、泵站群总抽水量平衡约束方程表示如下：

30、

31、其中，第i时段第k座泵站第j台机组的实际抽水流量，；是泵站群的最大总抽水能力，；

32、泵站功率平衡约束方程表示如下：

33、

34、其中，是第i时段第k座泵站第j台机组的实际消耗功率，是第k座泵站第j台机组的运行时间，是泵站群的最大功率限制；

35、水泵供水流量约束方程表示如下：

36、

37、其中，、分别为第k座泵站第j台机组的最小和最大供水流量；

38、水泵扬程约束方程表示如下：

39、

40、其中，、分别是第k座泵站第j台机组的最小和最大扬程；

41、水泵轴功率约束方程表示如下：

42、

43、其中，是第i时段第k座泵站第j台机组的轴功率，是第k座泵站第j台机组的额定功率；

44、水泵变频调速比约束方程表示如下：

45、

46、水泵调速比上限不能大于1，当转速小于一定值时，电机效率会显著下降，为了确保良好的电机效率，水泵的变频调速比需在其允许范围内。其中，、分别是第j台水泵的允许最小和最大变频调速比；

47、水泵开机台数约束方程表示如下：

48、

49、目标排水总量约束表示如下：

50、

51、其中，为第i时段第k座泵站第j台机组的流量，；为泵站群目标排水总量，m³；

52、河网水位约束方程表示如下：

53、

54、其中，为第i时段排水区河网水位，m；和分别为排水区河道最低和最高控制水位，m；

55、机组运行最短时长约束表示如下：

56、

57、其中，为第i时段第k座泵站第j台机组的实际开机时间，h；为规定的机组最短开机时长，h。

58、本发明所述的城市泵站群优化调控方法，所述s4步骤中建立泵站群机组智能调度预案库的步骤如下：

59、1）、对历史暴雨进行场景分类，提取特征指标并进行标准化处理，采用k-means聚类算法对暴雨事件进行分类，获得若干类代表性暴雨场景，选取各类中最具代表性的暴雨过程作为典型水情输入；

60、2）、构建代表性水情场景参数，确定每个典型水情的上下游水位过程线、对应时段扬程、日排水任务量等；

61、3）、对于每个典型水情运行多目标优化模型，采用带精英策略的快速非支配排序遗传算法，求解泵站群优化调控模型，得到不同典型情景下的优化调控方案，建立“场景a-调度方案1、场景b-调度方案2、……”场景-调度方案对应的调度预案库。

62、k-means聚类算法对暴雨事件进行分类的具体方式如下：

63、k-means聚类算法把数据集划分成k个簇，这些簇构成集合，并且要找出每个簇的中心，其中k的取值范围是1到k，最终实现让簇内样本的平方误差，即sse达到最小化，，其中表示样本与簇中心之间的欧氏距离的平方。

64、step1：随机选择k个样本作为初始簇中心；

65、step2：对于每个样本，计算其与所有簇中心的距离。将样本分配到距离最近的簇中心对应的簇中；

66、step3:对于每个簇，重新计算其簇中心为该簇内所有样本的均值：

67、

68、其中，表示簇中的样本数量。

69、step4:重复step2和step3，直到满足以下任一停止条件：①簇中心不再发生变化，即收敛；②达到最大迭代次数；③sse的变化小于预设的阈值。

70、step5:输出最终的簇划分和簇中心。

71、本发明所述的城市泵站群优化调控方法，所述s5步骤中选择s4步骤中泵站群机组智能调度预案库中的预案的方法如下：

72、根据河网雨水情的实时情况（降雨历时、强度分布、河道水位、河道流量）、泵站运行实测数据（机组启停时间、运行时长、机组实际抽排流量），按照相对偏差百分比匹配泵站群机组智能调度预案库中的典型场景。

73、若匹配程度高，直接调用预案库中对应场景的最优方案；若匹配度不足，则重新求解多目标优化调控模型，获得实时最优调度策略，实现泵站群的经济高效运行。

74、有益效果

75、本发明提出了一种城市泵站群优化调控方法，通过整合河网水情、降雨过程、泵站运行参数及实时监测信息等多源数据，建立典型场景预案库，并根据实时工况进行匹配决策，实现泵站群运行调度方案的优化，解决了现有泵站调度过度依赖人工经验、调控目标单一、系统响应滞后以及泵站群整体运行效率不高的问题，在满足排涝安全要求的同时，统筹兼顾排涝效率、机组高效运行和能耗控制，提高泵站群调度的科学性、实时性和工程可实施性，实现城市排水防涝过程中的高效、经济与智能化运行。