（市政工程专业论文）原水泵房优化调度策略研究与应用.pdf

摘要 摘要 随着峰谷电价政策的普遍施行，不同调度时段的电价差异较大。水厂应根 据新的电价政策，充分利用清水池的调蓄容积，调整不同调度时段的用电策略， 以达到降低运行成本，提高水厂经济效益的目的。 原水泵房优化调度的影响因素较为复杂，需要同时考虑到用水量预测、泵站 工况及变化规律的定量描述，以及水泵的累计开停时间和开停转换次数等诸多 方面的因素。调度过程主要包含三个基本步骤：调度时段用水量预测、供水工 况模拟、调度决策。 在调度时段用水量预测方面，提出以水厂日常记录的日最高气温、日最低 气温、天气阴晴量和工作性质作为主影响因素；通过用水量模式识别过程，识 别出与预测日最相似的用水量模式，采用加权平均计算出预测日的基准用水量； 采用实时反馈的用水量，从累计误差趋势和当前误差趋势对预测日基准用水量 进行实时动态修正，实现了纵向数据和横向数据的有机结合，更能够反映用水 量变化趋势。 在供水工况模拟方面，由于原水泵房出口水位恒定，水泵的静扬程由水源 水位决定。根据实际运行数据拟合出各水泵组合的流量和千吨水电耗随水源水 位的变化规律，简化了供水工况模拟过程。 在调度决策方面，以原水泵房运行费用最低，清水池水位最高和开泵方案 切换次数最少为目标函数，建立了原水泵房优化调度的多目标模型。以原水泵 房运行费用函数作为主目标函数，将清水池水位分段，利用清水池水位分段数 和开泵方案的切换次数联合划分状态空间，运用动态规划方法，以郑州市柿园 水厂原水泵房为例，对该模型进行了求解，并依次对峰谷电价、清水池水位分 段数和清水池调蓄容积等三项参数进行灵敏度分析，计算结果表明采用多目标 动态规划方法求解原水泵房优化调度问题是可行的。 关键词：原水泵房，模式识别，水量预测，清水池，动态规划，优化调度 a b s t r a c t a b s t r a c t w i t ht h ei m p l e m e n t a t i o no ft h en e wt a r i f fp o l i c y , t h eu n i tc o s to fe n e r g yw a s d i f f e r e n ti nd i f f e r e n tp e r i o do ft h ed a y i no r d e rt oa c h i e v el o w e re l e c t r i c i t yc o s t sa n d i m p r o v ee c o n o m i ce f f i c i e n c y , t h ep l a n ts h o u l da d j u s tt h ep o w e rc o n s u m p t i o ns t r a t e g y u n d e rt h en e w t a r i f f p o l i c yb ym a k i n gf u l lu s eo ft h es t o r a g ev o l u m eo ft h er e s e r v i o r s t h e r ew e r em a n yc o m p l e xf a c t o r si no p t i m a ls c h e d u l i n go fr a ww a t e rp u m p i n g s t a t i o n rw a sn e c e s s a r yt ot a k ei n t oa c c o u n tt h ep r e d i c t i o no fw a t e rc o n s u m p t i o n ，a q u a n t i t a t i v ed e s c r i p t i o no fc h a r a c t e r i s t i cc u r v e so fp u m pc o m b i n a t i o n s ，a n dt h e c h a n g e si nw o r k i n gc o n d i t i o n s ，a sw e l la st h ea c c u m u l a t e do p e n i n gt i m eo ft h ep u m p c o m b i n a t i o n ，t h en u m b e ro fc o n v e r s i o n sd u r i n gt h ew h o l ec y c l ea n dm a n yo t h e r f a c t o r s t h ep r o c e s s m a i n l yi n c l u d e dt h r e eb a s i cs t e p s ：p r e d i c t i o no fw a t e r c o n s u m p t i o no fs c h e d u l i n gp e r i o d ，h y d r a u l i cs i m u l a t i o na n dt h eo p t i m i z a t i o no ft h e p u m ps c h e d u l i n g i no r d e rt o p r e d i c tt h ew a t e rc o n s u m p t i o no fs c h e d u l i n gp e r i o d ，t h ed a i l y m a x i m u mt e m p e r a t u r e ，d a i l ym i n i m u mt e m p e r a t u r e ，t h ew e a t h e ra n dt h ew o r ks t a t e o ft h ed a y , w h i c ha r er e c o r d e di nt h ed a i l yr e c o r d o ft h ep l a n t ，w e r ec o n s i d e r e da st h e m a i ni n f l u e n c i n gf a c t o r s t h ed a t e sw h i c hh a dt h em o s ts i m i l a rm a i ni n f l u e n c i n g f a c t o r sw e r ei d e n t i f i e dt h r o u g ht h ew a t e rc o n s u m p t i o np a t t e r nr e c o g n i t i o np r o c e s s t h eb a s e l i n ew a t e rc o n s u m p t i o nw a sc a l c u l a t e db ys u mw a t e rc o n s u m p t i o no f t h e d a t e sc h o s e db yp a t t e r nr e c o g n i t i o np r o c e s sw i t hw e i g h t e dc o e f f i c i e n t t h eb a s e l i n e w a t e rc o n s u m p t i o nw a sa m e n d e dw i t hd y n a m i cc o r r e c t i o nb yu s i n go fr e a l t i m e f e e d b a c kd a t ao ft h ew a t e rc o n s u m p t i o n ，f r o mt h ec u m u l a t i v ea n dc u r r e n tt r e n d so f e r r o rt r e n d s i ta c h i e v e dt h eo r g a n i ci n t e g r a t i o no ft h ev e r t i c a la n dh o r i z o n t a ld a t a , a n d p r e c i s e l yr e f l e c t st h ec u r r e n tw a t e rc o n s u m p t i o nt r e n d s s i n c et h eo u t l e tw a t e rl e v e lo ft h er a ww a t e rp u m p i n gs t a t i o nw a sc o n s t a n t ，t h e c h a r a c t e r i s t i cp a r a m e t e r so ft h ep u m pc o m b i n a t i o n sw e r ed i f f e r e n ta c c o r d i n gt oi n l e t w a t e rl e v e l t os i m p l i f yt h eh y d r a u l i cs i m u l a t i o n ，t h ec h a r a c t e r i s t i cp a r a m e t e r s ，s u c h a st h ef l o wo fp u m pc o m b i n a t i o na n dt h eu i n te l e c t r i c i t yc o n s u m p t i o no f10 0 0 t o n s w a t e rt r a n s p o r t a t i o n ，w e r ef i t t e db yt h ei n l e tw a t e rl e v e lb a s e do nt h ea c t u a lo p e r a t i o n i i a b s t r a c t d a t a i no r d e rt o o p t i m i z et h ep u m ps c h e d u l i n g ，t h em u l t i - o b j e c t i v eo p t i m i z a t i o n m o d e lw a ss e tu pb yt a k i n gt h el o w e s to p e r a t i n gc o s t so fw a t e rp u m p i n gs t a t i o n s ，t h e h i g h e s tw a t e rl e v e li nt h er e s e r v i o r sa tt h ee n do ft h es c h e d u l ec y c l ea n dt h el e a s t n u m b e ro fp u m pc o m b i n a t i o nc o n v e r s i o n sa so b j e c t i v ef u n c t i o n s t h el o w e s t o p e r a t i n gc o s t sw a sc o n s i d e r e da st h em a i no b j e c t i v ef u n c t i o n t h em o d e lw a ss o l v e d b yu s i n go fd y n a m i cp r o g r a m m i n g ，a n dt h es t a t es p a c ew a sd i v i d e dw i t ht h en u m b e r o fw a t e rl e v e ls u b s e c t i o n sa n dp u m pc o m b i n a t i o nc o n v e r s i o n s t h es e n s i t i v i t y a n a l y s i sw a sf o c u so nt h ed i f f e r e n te n e r g yp r i c eo ft h ed a y , t h en u m b e ro fw a t e rl e v e l s u b s e c t i o n sa n dt h es t o r a g ec a p a c i t yo ft h er e s e r v i o r s t h er e s u l t ss h o wt h a tt h eu s eo f m u l t i o b j e c t i v ed y n a m i cp r o g r a m m i n gm e t h o df o rs o l v i n go p t i m a lp u m ps c h e d u l i n g p r o b l e mo fr a ww a t e rp u m p i n gs t a t i o ni sf e a s i b l e k e yw o r d s ：r a ww a t e rp u m p i n gs t a t i o n ，p a t t e r nr e c o g n i t i o n ，w a t e rd e m a n d p r e d i c t i o n ，r e s e r v o i r , d y n a m i cp r o g r a m m i n g , s c h e d u l i n go p t i m i z a t i o n 学位论文版权使用授权书 本人完全了解同济大学关于收集、保存、使用学位论文的规定， 同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版 本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、 扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供 本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有 关部门或者机构送交论文的复印件和电子版；在不以营利为目的的前 提下，学校可以适当复制论文的部分或全部内容用于学术活动。 学位论文作者签名： 麂衿 1 年胃，细 同济大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行 研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文 的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的 作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集 体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任 由本人承担。 学位论文作者签名： 廖排 矽7 年月f c ( 日 第1 章绪论 第l 章绪论 l 。l 研究背景 建设节约型社会，实现可持续发展，是顺应我国国情的一项重大决策。节能减 排是建设姿源节约型、环境友好型社会的必然选择。城市供水行邋作为爱电大产， 必须提高节能意识，推进并完善节能措施。电费在自来水成本中所占比例较大。降 低电费成本是贯彻节能方针、提高供水企业经济效益的重要途径。在我国，由于技 术、管理等方面的原因，城市供水系统存在着巨大的能源浪费，造成了大量不必要 的经济损失。因此，在保障安全供水的前提下，降低能耗是供水系统中急需解决的 问题。 另一方筒，为了平衡电网电压，解决瘸电量时段不均，提高供电质量，许多城 市都实行峰谷电价政策，以引导工业用电户在用电低谷时段多用电，在用电高峰时 段减少震电。峰谷电价政策的实施，对于作为震电大户的供求行监来说，是一次重 要的变革，为水厂的设计和运行管理提出了许多新课题。 在供水系统中，承池的作用是麓够调节泵房供承量和管网用水量之间的流量差 值。随着峰谷电价政策的推广，在不同时刻，电价变化幅度较大。因此，在供水系 统酶适当位置建造具有调节作用的水池，在用电、雳求高峰时借助地势或水泵将承 送出，在用电、用水低谷时调闸进水，能明显减少供水系统的运行电费，降低供水 成本。另外，在发生事故时，水池的存在还有利于保障供水安全。 随着遥测远传设备价格的下降，s c a d a 系统和优化调度系统进入了实用化阶 段。计算机技术的发展也使g p s 、g i s 、m i s 及o a 等系统逐步走向成熟。信息 技术，传感器、自动控制等技术的进步，促进了大型系统的控制和管理水平提高。 优化技术、模拟技术与计算机技术的发展，为优纯调度等实时模拟系统技术提供了 条件。 1 2 研究内容 第l 章绪论 城市供水系统是城市中重要的基础设施，主要由城市水源、城市给水处理系统、 输配东系统等组成，其优纯包括系统设计优化和运行管理优毒艺。城市供承系统优化 的围的是在满足城市供水水量、水压和水质要求的前提下，提高经济效益。已建成 的城市供水系统的运行管理优化主要是根据电费的收费规则、水泵的特性曲线、蓄 水池调蓄能力的大小，结合现有信息系统进行调度时段用水量实时预测，并进行水 泵运行优化调度，既要全力保障用水需求，又要合理调度降低供水成本。 调度时段用水量预测是根据用户在不同生活工作习惯下、不同时段的耀水量， 预测出未来一段时间内的用水量，对供水系统在线调度具有重要指导作用。调度时 段耀水量预测为水厂制永量提供依据。结合调度时段用水量预测绪果可露水泵运行 进行优化调度，以充分利用管网系统的自身潜力来降低能耗，确保供水管网安全、 稳定、优质、经济运行。 泵房的优化调度闯题的实质是通过对泵房内的机组运行系统进行综合性的分 析比较，优化确定并联运行的水泵组合方案，并优化各水泵组合方案的运行时间， 在满足实时的用水量需求、实现水泵赢效运行等约束条件的前提下，充分利用清水 池的调蓄能力，充分考虑水泵机组切换、启动所造成的损耗及设备冲击等因素，实 现泵房运行费用函数值达裂最小的冀的。原承泵房优化调度是一类复杂的有约束菲 线性规划问题，由于连续变量与离散变量的综合作用，以及水泵模型的多变量耦合、 强非线性特征的影响，使得其建模及求解问题都比较困难。隧翦的研究丰要利用线性 规划法、非线性规划法、动态规划法和遗传算法等几种方法进行了积极的探索。 1 3 研究意义 城市供水系统一般都是用电大户，大约9 0 的电量用于维持水泵的运转。泵站 是城市供水系统的重要组成部分，其麓耗和运行费用的麓低对供水成本具有直接的 影响。一般而言，原水泵房和送水泵房所消耗的电费要占自来水制水成本的4 0 7 0 。基前我国供水行业水泵运行的效率普遍偏低，节熊潜力巨大，因此深入研究 泵房的优化调度问题以降低泵房的电赞成本是降低自来水制水成本的主要途径之 一，对于节约能源、保障安全供水，具有重要的现实意义和巨大的经济效益。 泵房效益低、能源消耗大的原因是多方面的，其中有规划设计和设备制造及选 2 第l 章绪论 型问题，也有安全检修和运行管理问题。要提高泵房效率，降低能源消耗，必须从 泵房的规划设计、设蔼制造、安全检修和运行管理等多方面着手。泵房投入实际运 行之后，从运行管理的角度出发，深入研究和普遍摊广经济运行的科学技术，研究 安全与经济运行的模式，其意义是十分重大的。 随着峰谷电价政策的旋行，不同调度时段的电价差异较大，导致在不同调度时 段，网样的耗电量所需要支付的电费差距较大。因此水厂根据薪的电价政策调整不 同调度时段的用电策略，可以达到降低电费成本，提高水厂的经济效益的目的。 3 第2 章取水泵房调度研究现状 第2 章取水泵房调度研究现状 原水泵房优化调度是一类复杂的有约束非线性规划问题，由于连续变量与离散 变量的综合作用，以及水泵模型的多变量耦合、强非线性特征的影响，使得其建模及 求解问题都比较困难。国内外目前尚未给出解决这一问题的简便、实用的方法。目 前原水泵房的优化调度理论的研究还没有提出切实可行的在线优化调度方法。原水 泵房的优化理论涵盖内容广，影响因素复杂，要考虑到调度时段用水量的实时预测、 泵房工况及其变化规律的定量描述，以及水泵的累计开停时间和开停转换次数等诸 多因素。因此必须进行全面系统的研究，才能提出具有实用价值的原水泵房优化调 度理论和方法。 2 1 调度时段用水量预测研究现状 最初的服务于供水系统的短期用水量预测是调度人员从实用的角度考虑，利用 自身的调度经验，结合已有的用水量数据进行预测的。上世纪七十年代以来，国内 外许多专家学者在短期用水量预测方面作了大量的研究【m 0 1 ，提出了许多预测方法。 从预测机理上，可将其分为两类：一类是解释性预测方法，从影响用水量变化的各 种因素( 如气候，节假日等因素) 入手，假定用水量( 预测变量) 与各影响因素( 自 变量) 之间存在相关关系，从而建立起预测变量与自变量之间的数学模型；另一 类是历史数据挖掘方法，即认为预测变量只依赖于预测变量本身的历史观测数据， 通过历史数据序列的特征分析找出其变化规律并外推出预测值。 2 1 1 解释性预测方法 短期用水量模式及其变化规律是多种因素共同影响的结果，为了提高短期用水 量的预测精度，这些影响因素及其变化趋势是不能忽略的。 2 1 1 1 用水量影响因素 v i s w a n a t h a n 2 0 采用降雨量、最高气温及前一天的最高气温作为主影响因素。 n a h me s i l l 考虑了气温、节假日( 放假和工作日) 和气候条件( 好和不好) 对用水 4 第2 章取水泵房调度研究现状 量的影响。吕谋【“】采用了最高温度、平均温度及节目量进行用水量预测。袁星等 1 1 7 、阚立华等【1 5 1 认为用水量主要受最高湿度、最低温度及节假目或星期量的影响。 周建牮l l 功提蹬利用预测日与基准日的最高气温之差、最低气温之差、节假日影响因 子之差作为输入量以预测用水量。 2 1 1 2 解释性预测方法 西前的解释性预测方法主要分两犬类：l 、两阶段预测法，郎分别预测出目溺 水量和日用水模式，进而预测出各调度时段的用水量；2 、直接预测法 l 两阶段预测法 1 ) 日用水量预测 蠢堵量预测方法的预测建模方法的研究较服务于供水调度的短期用水量预测 要早。其预测方法也包含历史数据挖掘方法和解释性预测方法。这里主要介绍解释 性预测方法。 v i s w a n a t h a 2 0 1 认为日用水量与降雨量、最高气温以及前一日的最高气温之间的 关系是线性相关关系；罄谋【珏】认隽城市用永鐾是一个非线性系统，采震了二次方， 三次方和平方根等非线性项进行日用水量预测；袁一星等【1 7 1 、阎立华等【1 5 】错涅! 来 找到斟豚鉴于神经网络法对输入变量阀强菲线性关系的拟合憩力，丽采用该方 法对日用水量进行预测；周建华【1 9 】提出利用基准日用水量为基础预测出预测日用水 量，并对残差序列建立自回魉预测模型，修正预测结采。 2 ) 用水模式预测 霜水模式是指各调度时段用水量除以平均雳水量后得到的数据序列，简称餍承 量比例。p a u lw a n dx uc c 【5 】认为用水量比例较为稳定，一般可分为工作曰模式、 周六模式和周嚣模式三种情况。n a h me s ，【l 】根据雳水目所在的季节( 三个季节) 、 气候条件( 两种情况) 和用水日性质( 工作曰或节假日) 确定1 2 类日用水模式。 2 直接i 瑟测法 n a r a t el 1 4 利用前3 5 天的时用水量数据及周末和工作日、气温及湿度等影响 因素数据，对时矮水量进行了神经网络模型在线分析预测。预测模型直接寻求各调 度时段用水量数据和囡气温、湿度及节假日的关系。z h o us l 7 1 认为城市时用水量 有尼种固定的变讫模式，各蜀的时震水量曲线与当日最大时愿水量其有一定的对应 5 第2 章取水泵房谖发研究现状 关系，即一定范围内的最大时用水量对应着相似的时用水量曲线，而且最大时用水 量与预测匿水量和基本震水量之差存在明显的棚关关系，因此根据预测尽水量即可 对应出预测日最大时用水量，进而得出预测日时用水量曲线。t a c h i b a n a y 6 1 将时用 水量蓝线按照天气阴晴量( 晴、多云翻雨 和星期量分为2 l 类，露撮据预测旦的 天气阴晴量和星期量得出该目的预测用水量曲线。同时提出利用豳最高气温与日用 水量之间的关系，根据最高气温得出日用水量。此用水量与预测日用水曲线中各调 度游段用承量之和存在偏差，利用各调度时段的调整系数( 各调度时段的用水量数 据与日用水量之间的相关系数) 乘以上述日用水量偏差得出各调度时段的调整量， 进蔼计算盘各调度时段修正螽的雳承量。 采用解释性预测方法预测调度时段用水量时，丰要存在三个问题：一是主影响 因索的选择问题，由于调度时段用水量受多种因素共同影响，只麓抛开某些次要因 素而选择丰要的影响因素，这将会造成预测误差；二是时间尺度不匹配问题，由于 对影响因素的指标无法以调度时段为单位进行测量，而往往是以一天为单位进行记 录，这样的记录艰难精确反映出影响因素在各调度时段上的变讫趋势，其相关关系 大打折扣；三是影响因素对用水量变化的具体作用规律很难精确描述，各种影响因 素对调度时段用承量的影响是患假定的函数关系来描述的，不慧完全的反映它们之 间的真实关系。 2 薹2 历史数据挖掘方法 历史数据挖掘方法是指只依赖调度时段用水量历史观测数据序列的调度时段 雳水量预测方法。由于调度时段用水量的周期性，根据选择历史数据的方式不同， 可分为纵向历史数据挖掘法和横向历史数据挖掘法。 2 i l 。2 。l 纵向历史数据挖掘法 纵向调度时段用水量数据变化剧烈，存在明显的上升、下降和波动阶段。实际 上，调度时段用水量变化趋势由三部分构成，印周期性部分、趋势性部分翻随机扰 动性部分。 h o m w o n g s 等【孔、吕谋等【1 2 】对调度时段用水量的时间变化规律进行了较为深入 的研究，提出对既有季节性( 周期性) 因素影响，又有趋势性因素影响的调度时段 6 第2 章取水泵房调度研究现状 用水量预测问题，采用季节性指数平滑方法。考虑到调度时段用水量的双周期性( 2 4 时、1 6 8 时) ，采用薅种周期的季节性指数平滑模型，引入了两种结果的优化权重组 合预测。 采用纵向历史数据挖掘法建立调度时段用水量预测模型时，模型存在滞后性，- 对预测精度有定的影响。同时，当影响因素在未来某一时刻发生较大变化时，预 测误差较大。 2 1 2 2 横向历史数据挖掘法 横向历史数据波动较小，平稳程度较高，因此，可采用横向历史数据进行调度 时段用水量预测。 信昆仑【h 埽l 用横向历史数据采溺自回勉模型对横向序列进行逐调度时段拟合 预测，分别得到次日备调度时段的预测值。鉴于节假豳对各调度时段用水量的影响， 建议采用横向数据预测和缴向序列预测相结合的方法予予解决。 采用横向历史数据挖掘法建立调度时段用水量预测模型时，由予预测曰各调度 时段的用水量可焉横尚历史数据分别预测，因此，可提前m 小时获得震水量预测 数据，解决了时间滞后性问题，但预测出的用水量数据在纵向上的连续性较差。 2 1 3 小结 从上述的调度时段焉东量预测方法磅究中，可概括出以下几个方面的共识： l 调度时段用水量有明显的规律可循，是可预测的； 2 调度时段用水量的大小及其变化规律受外部气候及节假日等多种因素共同 影响，但精确描述各影响因素及其对调度时段用水量的影响程度的难度较大； 3 周期性翱随机性共存是调度辩段用水量变化的主要特点，也是调度对段用水 量预测的难点。 2 2 泵房调度研究现状 从上世纪七十年代超，国内外研究者在含水池系统的水泵优化调度方面做了大 量的研究【2 1 黜】，但丰要研究的是送水泵房的优化调度，针对原水泵房的具体特点的 7 第2 章取承泵房谣度研究现获 优化调度的研究较少。原水泵房具有不同于送水泵房的工况特点。首先，原水泵房 豹囊水水位一定，霞瑟原水泵房的静扬程由水漂水位决定，焉水源水位峦多种外部 因素共同决定；其次，由于清水池的调节作用，原水泵房的出流量只需大致满足日 用水量和调度时段用水量需求，原水泵房的出流量可发生阶段性交纯，以充分剩用 峰符电价政策降低泵房的运行费用。因此，原水泵房的水力模拟过程相对于送水泵 房更为简单，且对清水池调蓄容积的充分利用能够有效降低运行成本。但从泵房调 度的角度考虑，两者有较多相似点，可相互借鉴成功经验。 2 2 1 送水泵房优化调度研究现状 p i e r r el a n n u z e l 等汪q 提出应用枚举法求解送水泵房的优化调度问题。首先根据 各种限制条件从所有的开泵方案组合选出有实际应用可能的开泵方案；然后根据水 泵的开停转换次数限制，生成短时期的开泵方案组合序捌，并对其进行评估比较， 将不符合实际情况淘汰掉；最后通过启发式的方法将短期开泵方案连接起来形成完 整的全天开泵方案组合序列，通过比较确定最优开泵方案。该方法适合于瓣水泵数 量较少的小型泵房进行离线分析。 l i n d d le o r m s b e e 等【3 8 】提出将水力模拟过程篱化为清水池水位与水泵出流量 曲线和耗能曲线，将送水泵房的优化调度问题分解为两个子问题：计算清水池水位 过程线和确定对应水位过程线下的水泵组合运行方案，并应用动态规划对上述问题 进行求解，取得了较好的效巢。 k e v i ne l a n s e y 等【3 4 】提出利用离线分析的方式得出每种水泵组合运行方案的 水力特性方程和耗能方程，简化在线水力模拟的过程，并利用清承池水位分段数、 开泵方案切换次数和开泵方案组合联合划分状态空间，然后利用动态规划方法在线 求解出最优的全天开泵方案组合序列，解决了开泵方案切换次数问题，取得了较好 的效果。 廖莉等【5 4 】结合实际工程水泵切换次数最少的要求，提出了一种工程实用的胞腔 排除双静群遗传算法求解水泵优化调度闫题。该算法借助胞腔排除得到的有效胞腔 作为水泵并联运行的有效组合方案，并在各有效胞腔内采取全局搜索和局部搜索相 结合的双种群搜索策略得到水泵受荷分配的优化解，同时给出了符合工程实际的计 算机最优调度方案选择方法。该方法虽然在一定程度上改善了遗传算法的计算效 第2 章取水泵房调度研究现状 率，但与在线调度的要求相比仍存在定差距。 2 。2 。2 取水泵房优化调度研究现状 李黎武等人【5 3 】以天为调度周期，提出了基于二层分解协调技术的原水泵 房优纯调度模型，第一层将泵房的总取水量在各调度时段间进行分配，寻求在全部 调度时段的最优流量分配，以充分利用清水池的调节容积和谷值电价；第二层主要 确定最优的开泵台数和调速水泵的转速，保证泵房在各调度时段均处于最佳运行状 态，并向第一层反馈。该方法在电价波段少，流量变化少的原水泵房中应用取得了 较好的效果。当电价波段多、水量变纯大时，即模型中的分段数增多后，模型计算 难度较大。 计欣瑟键将一天分为2 4 个调度时段，将其看成2 4 个决策过程，采用清水池水德 分段的方法对每个决簸过程的最优方案进行逐步筛选，运用动态规划方法求解原水 泵房优化调度闻题，在水源水位变化幅度较大的情况下，取得了菲常好的效采，但 调度时段时间较长，使得计算结果离最优解还有一定距离，而且在模型中没有考虑 永泵方案的切换次数降低了模型的实用性。 2 2 3 小结 水泵调度的主要算法中，枚举法只适用于水泵次数较少的小型泵房，很难满足 实畦调度的要求；以遗传算法为代表的启发式算法，计算量大，收敛速度慢，很难 满足实时调度的速度要求；动态规划法的研究时间最长，方法较为成熟，但在实际 的应用过程中主要存在三个问题： 1 ) 水泵切换次数的控制问题； 2 ) 精度要求高时的“维数灾”瓣题； 3 ) 调度方案的动态调整问题。 9 第3 章调度时段蔫拳襞预瓣 第3 章调度时段用水量预测 耄1 概述 城市供水系统的优化调度一般包含三个基本步骤：是调度时段用水量预测； 二是供东工况模掇计算；三是调度决策。在三个环节幸诞度时段翔水量预测是螽两 个环节的基础和前提，它的准确与否直接关系到供水工况模拟计算的准确性、调度 模型帮调度决策的针瓣性郓可靠性。换镯话说，只有在调度时段穰水量有了准确预 测的前提下，才能去讨论针对该水量需求的供水正况模拟和泵房的优化调艘问题。 因此，调度时段用水量的准确预测有利予供水系统安全、稳定、优质、经济运行， 有利于提高供水系统管理水平鞠供求服务质量。 3 1 。兰主影响因素选择 供水系统是一个周期性和随机性都很强的系统。它受多种自然和社会因索共同 影响。通常认为，调度时段用水量的主要影响因素分为气候因素和社会因素嚣大类。 气候鑫素主要包括气温、降雨量、相对湿度等具体量纯指标和天气溺晴交讫等菲量 化指标。社会因素主要包括节假日、工作日及重大社会活动等非量化指标。精确的 调度对段魇水量预测登须考虑这些影响霪素及其随调度时段酶变化觏律。但在实际 工程应用中，主要存在如下问题； l 如何量他上述盼各个菲量优指标，器蘸的研究滏茏统一斡认识藉行之有效的 办法； 2 测量所有影响因素随调度时段的指标值的难度较大，甚前通用的做法是选择 主要影嫡因素， i l | | 量或预报每天靛取毽，帮其时阕足度菊一天，与调度时段用水量 预测的时间尺度不一致。因此难以精确刻画影响因素随调度时段的变化趋势，难以 燕测用水量随调度时段的变纯规律。 3 由于调度时段用水量受多种影响因素共同影响，难以精确描述各影响因素与 调度时段用水量的相关关系。 本文从工程应篇的角度文发，选撵易于益测和获得的翻最高气温、舀最低气温、 1 0 蒴3 章调度时段用水量预测 天气阴晴量( 分晴、阴和雨三种) 和工作性质( 分工作日和周末两种) 作为主影响 因素。尽最赢气温、鼷最低气温取真实值作为量化指标，天气阴晴量和工作性质两 项非量化指标按照以下方式量化：天气阴晴量分雨、阴和晴三种，依次计l 、2 、3 ； 工作性质分工作曰和周末两种，依次计l ，2 。采用用水量模式识别理论，利用影响 因素量化指标衡量预测日与监测日用水量之间的相似度，既解决了时间尺度不一致 的问题，也避免了直接描述影响因素与调度时段用水量之间的相关关系。 3 1 2 历史数据选择 供永系统中的调度方案一般是以一天为闵期，在调度时段级的时间长度上进行 的。因此，对用水量的预测也应该以一天为周期，在调度时段级的时间长度上进行。 充分考虑上述两方面的因素，将魇水量历史监测数据重新排列，如图3 。l 所示：书 横向时间序列 图3 1 调度时段用水量预测的历史时问序列数据 彗 量 置 雷 每 遵 从上图可知调度时段用水量预测时，可以从纵向或横向使用历史数据。与待测 调度时段在时闻上依次连续的历史数据，称为纵向时间序列历史数据。日期与预测 日依次连续的同一调度时段的历史数据称为横向时间序列历史数据。当利用纵向时 间序列历史数据进行预测时，能真实体现当前时段耀水量变化趋势，同时在一定程 第3 章调度时段用水量预测 度上排除连续性因素( 如气温、节假日等因素) 对用水量时间序列变化的影响，但 容易将当前调度时段用水量变化趋势的影响周期扩大，造成较大的累积误差；采用 横向时间序列历史数据进行预测时，由于供水管网在时间周期上存在固有的变化规 律，使得同一调度时段的历史数据之间存在较大的相关性，但由于不同日期之间气 候、节假日等因素的突变性大，可能造成很大的整体偏差。 本文改变单纯从时间序列的角度使用调度时段用水量历史数据的思路，采用模 式识别方法，结合考虑各影响因素从横向时间序列历史数据中挑选与预测日主影响 因素最相似的历史数据，从而避免了采用横向时间序列历史数据时由于气候、节假 日等因素突变性带来的整体偏差；同时，由于采用横向数据预测始终是单步预测， 避免了采用纵向时间序列在复杂调度模式下所产生的累积误差问题。 3 1 3 预测周期 调度时段用水量序列具有一天和一周两种周期变化的统计分析特征，如图3 2 所示。如何利用双周期性是调度时段用水量预测的主要难点之一。由图3 3 可知， 周末和工作日的用水量变化规律明显不同。如果采用一周为预测周期，则预测周期 过长，对影响因素的变化的时滞性较大，导致预测误差过大。如果采用一天为一个 预测周期，则必须将周末和工作日区别对待。常规的做法是，以一天为周期，在预 测日的第一个调度时段之前预测出全天各调度时段的用水量。 3 1 4 预测精度 如何同时保证预测结果的精度和预测方法的稳健性是调度时段用水量预测能 够应用于生产实践的最关键的一个问题。不仅要衡量调度时段用水量预测的单步预 测精度，还要衡量在整个调度周期内的平均预测精度。为了保证调度研究的有效性， 调度时段用水量预测精度应该尽量满足如下要求： 1 平均相对误差在2 以下； 2 最大相对误差在5 左右。 1 2 第0 牵调菠时段溺水量预测 3 8 0 0 1 2 0 8 0 0 b 7 0 0 0 3 0 1 2 0 o e 0 0 0 0 斓 藿 8 0 0 0 0 02 0 04 0 0 时段序号 图3 。2 周一“阕e l ( 7 x 9 6 ) 调度时段爆水量熊线 6 0 0 o2 a霹o8 08 01 0 0 对段序号 圈3 3 周蠢、周六的调度时段用水量曲线 瓣 e o 0 0 蒲 一t一、疆*旺 第3 章谲度时段震水量颈溅 3 2 用水量模式识别 3 2 1 用水量曲线相似性分析 根据上文分析，用水量以一天为周期，但任意两天的用水量变化曲线并不完全 相同。通常认为这种差异是多种因素共同作用的结果，僭可通过选择主影响因素作 为产生这种差异的近似原因。因此，首先需要衡量两条用水量曲线的相似程度。本 文采焉各调度时段用承量之差酌平方和作为用水量益线横似的指标。郄 型璺 r o ，l = ( 一q l ，f ) 2 i = l ( 3 1 ) 其中：蚴，；第，天第f 调度时段的用水量，m 3 s ； 1 0 , 1 各调度时段用水量之差的平方和。 由上式可知，】，越大表示两天之越麴蔫水量睦线相似度越低。 i ：f f - f l - 矮之楚 图3 4 各主要影响因素与用水量模式差异系数的关系 1 4 第3 章调度时段用水量预测 本文选取日最高气温、日最低气温、天气阴晴量和工作性质作为主影响因素。 日最高气温、日最低气温取真实值作为量化指标，天气阴晴量和工作性质两项非量 化指标按照以下方式量化：天气阴晴量分雨、阴和晴三种，依次计1 、2 、3 ；工作 性质分工作日和周末两种，依次计1 ，2 。 将各主要影响因素作为横坐标，】，为纵坐标，可绘制相应的散点图，如图3 4 所示。由图可知，首先，采用单一的影响因素来刻画用水量曲线的相似程度误差较 大；其次，当影响因素取值相同时，用水量曲线越趋近于相似。 3 22 用水量模式识别 用水量模式识别的目的是根据影响因素的指标之差确定用水曲线之间的相似 程度，进而得出与预测日用水量模式最相似的用水量曲线，为下一步用水量预测提 供数据来源。 l 输入变量 根据上文所述，选择日最高气温、日最低气温、天气阴晴量和工作性质为主要 影响因素，即将日最高气温之差、日最低气温之差、天气阴晴量之差和工作性质之 差作为用水量模式识别的输入变量。 a = k ( 1 ) ，瓦圳) ，a 磁i ) ，丛( i ) ，1 互m ( 2 ) ，a t 叫2 ) ，磁2 ) ，丛( 2 ) ，1 ； a 乙( 。) ，。) ，。) ，丛( 。) ，1 ( 3 2 ) 其中，刖m a x ( 一) 预测日与之前第咒天的最高气度之差； 刖咧一) 预测日与之前第刀天的最低气度之差； 凸v v ( 一) 预测日与之前第玎天的工作性质之差； ( 一) 预测日与之前第九天的天气阴晴量之差。 2 输出变量 用水量模式识别的输出变量即用水量曲线之间的相似程度指标，该指标越大， 说明用水量曲线之间的相似程度越低。在拟合计算参数的过程中，对具体的用水量 曲线直接采用各调度时段用水量之差的平方和。 第3 牵调度掌段彝l 拳篷预测+ 。 y 燃 ( 鳓一姨+ ；) 2 i = t ( 姨j 一姨，；) 2 i = 1 ( 鲸，一婊，) 2 其中：酝，z 预测弱之前第嚣天第f 调度时段的用水量，瓒3 s ； 假设输擞变量与输入变量之阀满足线性摆关关系，令 爱= k 2 懿 k 4 + 3 0 。锦 英孛：雾穗关系数； 则 y 掣a k + 譬 。s 其中：嚣随规误差： 利用墩小二乘法，按照误差平方和最小准则，计算橼s k “= 一5 羹? y ( 3 ，懿 = ( 名1 q 羹2 y，鼍始 3 。3 调度时段蔫承量蠢测模型 利用上述方法可以估计出横向历史数据与预测日的用水量曲线的相似糕度，选 耩褶戳程度蕊麓搂南历变数据，佟隽预测预溅鑫蒸准焉永量蘸原始羲摇。京予谲度 时段用水量以天为周期，采用选择出的横向历皮数据通过加权平均计算出预测日 基准震隶量。 3 。3 ，l 基准用水量计算 铡蠲上文熬方法计算潦糖关系数鬈，选择一宠长度瓣调度辩羧藤拳壁外部影响 1 6 第3 章调度时段用水量预测 因素横向历史数据，计算出历史数据中的每一天与预测日的差别系数。由于y 表示 调度时段用水燕之差的平方和，其取值必大于或等于零，因此需对拟合值取绝对值， 即： y = i a k ( 3 7 ) 其中，么外部影响因素矩阵； y 差别系数。 差别系数越小，表明该天与预测园的外部影响因素越相似；外部影响因素相似 程度越高，用水量曲线相似程度越高。因此，选择差别系数最小的三天( 相应的差 别系数为k t ) ，k ： ，k ，) ，对应的流量为绒国，q c 2 ) ，级渤) 的调度时段用水量数 据作为原始数据，通过加权平均计算出预测日的各调度时段的基准用水量： 吼2y l 级+ y 2 q 州2 + y 3 q m o ； ( 3 8 ) 嘲，k 。 y l 拦 其中， 1 m i n ( f j= i 1 m 坂) 。 3 3 2 调度时段用水量实时动态修正 预测虽的实际调度时段用水量等予基准用水量与残差之和，即： q r2q ，+ 互 ( 3 9 ) 如果模型建立适当，t e t j 应是一个自噪声序列，且方差拶为常数。然覆由予 预测曰影响因索的预测值超出原始数据中的影响因素的取值范围或随机扰动等原 因，容易造成篇水量整体或局部偏差，从