一种自来水厂取水、供水泵站智能协同优化调度方法与流程

1.本发明涉及泵组控制领域，尤其涉及一种自来水厂取水、供水泵站智能协同优化调度方法。


背景技术：

2.在自来水厂的运营用电消耗分布中，取水泵站、供水泵站的用电量占据很大比重，其电力成本占整个自来水厂电力成本的80％以上，占整个制水成本的40％～70％，甚至可能会更多。在我国，泵站往往是按照最不利条件下的最大流量和扬程进行规划设计的，并且我国许多泵站主要依据主观经验进行调度，缺乏科学的理论指导，故导致许多水泵机组在实际运行时处在高效范围之外，造成了大量的电能损失，或是因为泵站运行调度不合理，造成弃水量过多等。因此，对取水、供水泵站进行优化调度，从而降低能耗、节约资源，提高泵站运行的经济效益和社会效益，已然成为一个亟待解决的关键问题。
3.取水、供水泵站智能协同优化调度以运行电费最小和水泵机组启停次数最小为优化目标，同时也要保证达到既定取水需求量、供水需求量，并且水泵压力差变化在安全范围内。水泵机组的启停次数与维护费用、运行寿命紧密相关。据估算，每年启动超过200次的机组，运行寿命会降低25％。此外，若水泵压力差过大，水泵启停时会引起水锤现象和爆管事故，对设备本身的使用安全和供水安全造成威胁，对社会稳定造成影响。
4.取水、供水泵站智能协同优化调度是将取水、供水泵站，以及二者之间的清水池作为一个整体考虑，充分发挥清水池的调蓄功能，并在此基础上尽量提高清水池液位，以降低供水泵站的水泵扬程，同时还要兼顾水泵机组启停带来的额外影响。在满足供水泵站供水需求量和确保水处理构筑物运行稳定等约束的前提下，制定出未来24小时取水、供水泵站的最佳调度方案，以实现运行电费和启停次数之间最小化的平衡。


技术实现要素：

5.发明目的：
6.本发明根据研究对象水厂的工艺条件，解决我国许多自来水厂取水、供水泵站的人工调度过程中水泵运行效率较低、电耗较高等问题，提出一种能够对自来水厂取水、供水泵站运行电费和启停次数进行协同优化的智能调度方法，在保证供水安全的同时，有效降低取水、供水泵站运行电费成本。
7.技术方案：
8.本发明为解决如上技术问题采用如下技术方案：
9.一种自来水厂取水、供水泵站智能协同优化调度方法，采用滚动优化思想，每个整点规划未来24小时的取水、供水泵站优化调度方案，但仅执行未来1小时的优化调度方案，包括以下步骤：
10.第(i)步骤，供水泵站未来24小时的供水需求量q2(t)预测步骤具体如下：
11.步骤1，将过去24小时的水温、出厂压力、空气湿度、气温变化率和实际供水量作为
模型输入，以未来24小时供水需求量为模型输出，采用elman神经网络算法，根据历史数据训练得到供水需求量预测模型；同时，对历史偏移量(水厂工艺用水、特殊时间需水增量)进行数据分析，构建供调度员选取的偏移量专家库；
12.步骤2，将过去24小时的水温、出厂压力、空气湿度、气温变化率和实际供水量数据输入到供水需求量预测模型中，得到未来24小时的供水需求量预测模型输出，并与从偏移量专家库中选取的符合实际情况的偏移量相加，即可预测出较为准确的供水泵站未来24小时的供水需求量q2(t)。
13.第(ii)步骤，取水泵站未来24小时的取水需求量q1(t)规划步骤具体如下：
14.步骤1，对历史供水量进行数据分析，得到供水量呈季节变化和昼夜变化的规律，再根据实际工程经验和预测出的供水泵站未来24小时的供水需求量，将取水泵站未来24小时的取水需求量划分为四个时段进行考虑：五月至十月划分为高峰期(6：00至13：00、18：00至次日0：00)、平峰期(13：00至18：00)和低峰期(次日0：00至次日6：00)，十一月至次年四月划分为高峰期(7：00至12：00、19：00至23：00)、平峰期(12：00至19：00)和低峰期(23：00至次日7：00)；
15.步骤2，分别针对高峰期的二个时段、平峰期和低峰期，首先在确保清水池液位处于安全液位范围(最低安全液位为0.95米，最高安全液位为2.95米)的情况下，为了尽可能保证每个时段内的取水需求量稳定，对每个时段内的取水需求量平均化划分，得出取水泵站未来24小时的取水需求量q1(t)：
[0016][0017]
式中，为第i个时段内每个小时的供水泵站的供水需求量的总和，m
i
为第i个时段的小时数。σ(t)为调节参数，当t小时的清水池液位在安全液位范围之外时，可以通过σ(t)调节取水需水量以达到清水池液位的安全范围。
[0018]
第(iii)步骤，取水、供水泵站中的变频泵频率与总提升水量、总耗电量、总压力之间的线性关系模型拟合步骤具体如下：
[0019]
步骤1，针对取水、供水泵站中的含变频泵的泵组组合，分别从历史调度报表中筛选出变频泵频率、总提升水量、总耗电量和总压力数据，对筛选出的数据进行数据提取、数据清洗和数据分析，筛选出满足变频泵运行在高效区间的数据样本集；
[0020]
步骤2，根据数据样本集，针对取水、供水泵站中的含变频泵的泵组组合，分别拟合出变频泵频率与总提升水量、总耗电量、总压力之间的线性关系模型：
[0021]
q
s，i
＝a
s，i ln p
s，i
b
s，i
，i＝1，2，3，
…
，μ
s
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0022]
j
s，i
＝c
s，i ln p
s，i
d
s，i
，i＝1，2，3，
…
，μ
s
ꢀꢀꢀꢀꢀꢀ
(3)
[0023]
p
s，i
＝e
s，i ln p
s，i
f
s，i
，i＝1，2，3，
…
，μ
s
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0024]
式中，q
s，i
为第i种泵组组合的总提升水量，j
s，i
为第i种泵组组合的总耗电量，p
s，i
为第i种泵组组合的总压力，p
s，i
为第i种泵组组合的变频泵频率；s＝1时为取水泵站，有μ1种泵组组合；s＝2时为供水泵站，有μ2种泵组组合；a
s，i
、b
s，i
、c
s，i
、d
s，i
、e
s，i
、f
s，i
分别为第i种泵组组合的线性关系模型的拟合系数。
[0025]
第(iv)步骤，构建优化取水、供水泵站的运行电费和启停次数的目标函数，步骤具体如下：
[0026]
步骤1，根据取水、供水泵站中的变频泵频率与总提升水量、总耗电量和总压力的线性关系模型，在取水需求量、供水需求量和管网压力约束下，构建优化取水、供水泵站运行电费和启停次数的目标函数f：
[0027][0028]
式中，j
1，j
(t)为取水泵站满足每个时刻所需取水量的每种泵组搭配的耗电量，δ1(t)为取水泵组切换时的额外耗电量以及机泵电量损失，j
2，j
(t)为供水泵站满足每个时刻所需取水量的每种泵组搭配的耗电量，δ2(t)为供水泵切换时的额外耗电量以及机泵电量损失，ε为量化后的水泵机组进行启停操作的代价，c(t)为每个时刻的电价；
[0029]
步骤2，根据拟合得到的式(2)、(3)所示取水、供水泵站中的变频泵频率与总提升水量、变频泵频率与总耗电量的线性关系模型，可以得到取水、供水泵站中各泵组组合的总耗电量与总提升水量之间的关系：
[0030][0031]
步骤3，为了保证取水、供水泵站中的变频泵运行在高效区间，需对变频泵的变频范围进行约束：
[0032]
p
min
＜＜p
s，i
＜＜p
max
，i＝1，2，3，
…
，μ
s
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0033]
式中，p
min
和p
max
分别为变频泵运行在高效区间的频率最小值和最大值；
[0034]
步骤4，为了防止水泵压力差过大导致水锤现象和爆管事故，需要对相邻时刻水泵总压力的差值进行约束：
[0035]
|p
s，i 1
‑
p
s，i
|≤p
max
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0036]
式中，p
max
为水泵切换时管网压力差处于安全范围的最大值。
[0037]
第(v)步骤，根据分治算法求解取水、供水泵站未来24小时的优化调度方案，步骤具体如下：
[0038]
步骤1，将未来24小时的取水、供水泵站协同优化目标函数f按照时间序列分解为k个规模较小、相互独立、与原问题形式相同的子函数f
k
：
[0039][0040]
步骤2，根据实际工程经验以及历史数据分析，将不满足取水需求量、供水需求量和管网压力约束的泵组组合剔除，将变频泵未运行在高效区间的泵组组合权重降低；
[0041]
步骤3，根据递归的思想求解各个子函数f
k
，将各个子函数f
k
的解合并，即可得到以每个时刻为起点的最优解的集合；
[0042]
步骤4，以运行电费最小为第一优先级，启停次数最小为第二优先级，对所有解进行排序，即可得到未来24小时取水、供水泵站优化调度方案的变频泵、工频泵搭配组合及变
频泵频率。
[0043]
有益效果：
[0044]
本发明能够充分发挥清水池的调蓄功能，通过采用滚动优化思想，每个整点规划未来24小时的取水、供水泵站运行电费最小、启停次数最小的优化调度方案，但仅执行未来1小时的优化调度方案，由此在保证供水安全的同时，有效降低取水、供水泵站运行电费成本。本发明方法不需要增加任何额外硬件成本，具备较好的通用性和实用性。
附图说明
[0045]
图1是研究对象水厂取水、供水泵站工艺流程图；
[0046]
图2是研究对象水厂水处理工艺流程图；
[0047]
图3是供水需求量模型预测示意图；
[0048]
图4是供水需求量模型结构图；
[0049]
图5是优化调度方案求解过程流程图。
具体实施方式
[0050]
下面结合在研究对象水厂的实际在线试验对本发明的技术方案进行详细说明：
[0051]
(一)预测供水泵站未来24小时的供水需求量q2(t)，具体步骤如下：
[0052]
步骤1，通过数据预处理，筛选出历史水温、出厂压力、空气湿度、气温变化率和实际供水量校核准确的过去3年历史数据样本集；
[0053]
步骤2，对自来水厂历史偏移量(水厂工艺用水、特殊时间需水增量)数据进行数据分析，构建供调度员选取的偏移量专家库；
[0054]
步骤3，对筛选出的数据样本集进行数据滤波处理：
[0055][0056]
式中，为t时刻的数据滤波值，d(t)为t时刻的数据采集值，k
i
为滤波系数，l为滤波时间长度；
[0057]
步骤4，将过去24小时的水温、出厂压力、空气湿度、气温变化率和实际供水量作为模型输入，以未来24小时供水需求量为模型输出，采用elman神经网络算法，根据步骤1中得到的过去3年历史数据样本集，训练得到供水需求量预测模型；
[0058]
步骤5，将过去24小时的水温、出厂压力、空气湿度、气温变化率和实际供水量数据输入到供水需求量预测模型中，得到未来24小时的供水需求量预测模型输出，并与从偏移量专家库中选取符合实际情况的偏移量相加，即可预测出较为准确的供水泵站未来24小时的供水需求量q2(t)。
[0059]
(二)规划取水泵站未来24小时的取水需求量q1(t)，具体步骤如下：
[0060]
步骤1，对历史供水量进行数据分析，得到供水量呈季节变化和昼夜变化的规律，再根据实际工程经验和预测出的供水泵站未来24小时的供水需求量，将取水泵站未来24小时的取水需求量划分为四个时段进行考虑：五月至十月划分为高峰期(6：00至13：00、18：00至次日0：00)、平峰期(13：00至18：00)和低峰期(次日0：00至次日6：00)，十一月至次年四月
划分为高峰期(7：00至12：00、19：00至23：00)、平峰期(12：00至19：00)和低峰期(23：00至次日7：00)；
[0061]
步骤2，分别针对高峰期的二个时段、平峰期和低峰期，在确保清水池液位处于安全液位范围(最低安全液位为0.95米，最高安全液位为2.95米)的情况下，尽可能保证每个时段内的取水需求量稳定，规划出取水泵站未来24小时的取水需求量q1(t)。
[0062]
(三)取水、供水泵站中的变频泵频率与总提升水量、总耗电量、总压力之间的线性关系模型拟合，具体步骤如下：
[0063]
步骤1，针对取水、供水泵站中的含变频泵的泵组组合，分别从历史调度报表中筛选出变频泵频率、总提升水量、总耗电量和总压力数据，对筛选出的数据进行数据提取、数据清洗和数据分析，筛选出满足变频泵运行在高效区间的数据样本集；
[0064]
步骤2，根据数据样本集，针对取水、供水泵站中的含变频泵的泵组组合，分别拟合出变频泵频率与总提升水量、总耗电量、总压力之间的线性关系模型。
[0065]
(四)构建优化取水、供水泵站的运行电费和启停次数的目标函数，并利用分治算法求解取水、供水泵站未来24小时的优化调度方案，具体步骤如下：
[0066]
步骤1，根据取水、供水泵站中的变频泵频率与总提升水量、总耗电量和总压力的线性关系模型，在取水需求量、供水需求量和管网压力约束下，构建优化取水、供水泵站运行电费和启停次数的目标函数f；
[0067]
步骤2，将未来24小时的取水、供水泵站协同优化目标函数f按照时间序列分解为k个规模较小、相互独立、与原问题形式相同的子函数f
k
；
[0068]
步骤3，根据实际工程经验以及历史数据分析，将不满足取水需求量、供水需求量和管网压力约束的泵组组合剔除，将变频泵未运行在高效区间的泵组组合权重降低；
[0069]
步骤4，根据递归的思想求解各个子函数f
k
，将各个子函数f
k
的解合并，即可得到以每个时刻为起点的最优解的集合；
[0070]
步骤5，以运行电费最小为第一优先级，启停次数最小为第二优先级，对所有解进行排序，即可得到未来24小时取水、供水泵站优化调度方案的变频泵、工频泵搭配组合及变频泵频率；
[0071]
步骤6，采用滚动优化思想，每个整点都会规划未来24小时的取水、供水泵站优化调度方案，但仅执行未来1小时的优化调度方案。