CN101012665A - 基于分层控制原理的合流制管道污水溢出控制方法 - Google Patents

Abstract

本发明涉及一种在分层控制原理的基础上，利用模糊控制来减少合流制管道污水溢出的方法。为了减少合流制排水管道污水溢出情况的发生，目前的方法存在诸多不足。本发明利用城市GIS系统所建立的城市多泵站管网系统，将多泵站管网系统分成若干层，每个层又可以分成若干个排水单元，每个排水单元运用模糊控制解决好局部的污水溢出最小化问题，最后将控制整个系统区域的污水溢出，提高了城市的防洪抗涝能力，并为合流制排水系统的操作从手动向自动转化奠定了基础。

Description

基于分层控制原理的合流制管道污水溢出控制方法

技术领域

本发明属于工业自动控制领域，涉及到智能控制中的模糊控制技术，具体是一种在分层控制原理的基础上，利用模糊控制来减少合流制管道污水溢出的方法。

背景技术

国内外很多大城市的排水系统依然采用合流制排水系统，它是将生活污水、工业废水和雨水混合在同一套沟道内排除的系统。但随着城市规模的不断扩大和降雨的频繁发生，导致了合流制排水管道污水溢出，从而带来了严重的环境污染问题。

为了减少合流制排水管道污水溢出情况的发生，一种方法是建设一些大的存储设备，诸如水库、储水池等。另一种方法是实时过程控制，它作为一种低耗高效的方法被广泛采用。在实时过程控制中，合流制排水系统中的闸门、水泵等控制设备可以通过中央控制室受到控制，从而减少合流制排水管道污水溢出情况的发生。但两者的不足之处在于：

1、建设一些大的存储设备耗资大，而且这些设备很容易长期闲置。

2、实时过程控制仅仅对单个泵站的控制设备作出控制，很难做到多泵站的整体协调运作，容易发生污水溢出，不能做到有效控制区域污水溢出。

3、实时过程控制不能将有经验操作者的实际经验“存储”到控制设备中。因此，有一定的控制盲目性，缺少智能性。

4、两中方法都不能实现无人值守，不能实现自动控制。

发明内容

本发明的目的就是针对现有技术的不足，提供一种在分层控制原理的基础上，利用模糊控制来减少合流制管道污水溢出的控制方法。

该发明是在分析合流制管道系统实际操作者的操作经验基础上，利用城市GIS系统所建立的近似城市多泵站管网系统，将整个城市多泵站管网系统分成若干层，每个层又可以分成若干个多泵站合流制排水单元，每个排水单元运用模糊控制解决好局部的污水溢出最小化问题，最后将使整个系统区域达到污水溢出最小化。通过建立相应的模糊控制规则库，选择输入输出变量，设计出模糊控制器，在充分利用系统所有蓄水设备的前提下，使区域污水溢出污染最小化，提高了城市的防洪抗涝能力，并为合流制排水系统的操作从手动向自动转化奠定了基础。

本发明方法的步骤包括：

1、利用城市多泵站管网系统，提取泵站作为节点的泵站分布拓扑结构图，以管网系统最后的排放口作为第一层根节点，以与第一层根节点直接相连的泵站作为第一层子节点，将第一层根节点和与之相连的1～3个第一层子节点作为第一层排水单元。再将第一层子节点作为第二层根节点，以与每个第二层根节点直接相连的1～3个泵站作为第二层子节点，将每个第二层根节点和与之相连的1～3个第二层子节点作为第二层排水单元。以此类推，将整个城市多泵站管网系统分层，每个层包括多个排水单元，每个排水单元包括2～4个泵站。

2、通过安装在泵站的模糊控制器，运用模糊控制来平衡子节点泵站进水池的水位。首先，通过水位传感器测得排水单元中每个泵站进水池的当前水位，利用能量守恒原理转换成相应泵站进水池的集水量，计算出模糊控制器的输入变量的具体值，通过模糊控制得到精确的控制量(每个子节点泵站所要开启的水泵数量)。当水位变化时，模糊控制器的输入变量的具体值也将随之改变，重复以上步骤可得到变化后的控制量。

当以两个泵站为一个排水单元时，可以直接通过子节点进水池的集水量得到控制量。

其中，模糊控制器的具体设计步骤为：

a.模糊控制器输入输出变量的选择及输入变量值的计算，分如下两种情况

当以三个泵站为一个排水单元时，

${\mathrm{df}}_{1-2}=\frac{V_1}{C_1}-\frac{V_2}{C_2}$

${\mathrm{df}}_{\mathrm{1,2}-3}=\frac{V_3}{C_3}-\max (\frac{V_1}{C_1},\frac{V_2}{C_2})$

选择两个子节点泵站具体开启的水泵数N₁和N₂作为模糊控制器的输出。

当以四个泵站为一个排水单元时，

${\mathrm{df}}_{1-2}=\frac{V_1}{C_1}-\frac{V_2}{C_2}$

${\mathrm{df}}_{\mathrm{1,2}-3}=\frac{V_3}{C_3}-\max (\frac{V_1}{C_1},\frac{V_2}{C_2})$

${\mathrm{df}}_{\mathrm{1,2,3}-4}=\frac{V_4}{C_4}-\max (\frac{V_1}{C_1},\frac{V_2}{C_2},\frac{V_3}{V_3})$

选择三个子节点泵站具体开启的水泵数N₁，N₂和N₃作为模糊控制器的输出。

式中，V_i为泵站i进水池的集水量(单位：m3)，C_i为泵站i进水池的最大集水量(单位：m3)，df_1-2为子节点泵站1与子节点泵站2进水池的充满度之差，df_1，2-3为根节点泵站3进水池的充满度和子节点泵站1、子节点泵站2进水池的充满度较高者的差值，df_1，2，3-4为根节点泵站4进水池的充满度和子节点泵站1、子节点泵站2、子节点泵站3进水池的充满度较高者的差值。

b.输入输出变量的模糊化

为了反映人的思维方式，将输入输出变量的值定位在相应模糊集合的语言变量值上，当以三个泵站为一个排水单元时：

其中输入变量的模糊集合为：

df_1-2＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

df_1，2-3＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

输出变量的模糊集合为：

N₁＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

N₂＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

当以四个泵站为一个排水单元时，

其中输入变量的模糊集合为：

df_1-2＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

df_1，2-3＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

df_1，2，3-4＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

输出变量的模糊集合为：

N₁＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

N₂＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

N₃＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

输入变量的隶属度函数选择三角形隶属度函数。

c.规则库的建立

根据合流制管道系统实际操作者的操作经验，结合合流制排水系统运用模糊控制所要达到的两个控制目标，产生了模糊控制策略(控制规则)，即要使排水单元中泵站的进水池在每一个采样周期达到相同的充满度(进水池水位同步变化)。

当以三个泵站为一个排水单元时，可以产生25条控制规则，模糊控制规则集见表1，斜杠前后的值分别代表模糊控制器输出变量N₁和N₂的值。

表1模糊控制规则表

当以四个泵站为一个排水单元时，可以产生125条控制规则，如：if(df_1-2＝PS，DF_1-3＝ZE and DF_1，2，3-4＝PL)then(N₁＝VH，N₂＝H and N₃＝VH)，以此类推，同样可以得到模糊控制规则表。

d.模糊推理和去模糊化

选择三角形隶属度函数作为输出变量的隶属度函数，并应用max模糊算子，模糊蕴含(Implication)选择min运算，模糊合成(Aggregation)选择max(模糊并)，去模糊化方法选择中心法。

经过以上步骤可以获得最终精确的控制量。

当模糊控制器设计一旦确定，其隶属度函数和控制规则定义也不再变化，这就是常规模糊控制器的不足之处。隶属度函数和控制规则的建立往往带有主观性，难以保证系统具有良好的动态特性。为了克服这种主观性对控制质量的影响，现在引入了自学习控制系统。自学习控制系统可以通过神经网络、遗传算法等方法实现，它会从过去性能和输入输出中不断学习和优化隶属度函数和控制规则，使控制系统输出最优的控制量来满足现实需要。

模糊控制器可以采用数字单片机，如AT89C51、模糊单片机，如美国Neuralogix公司的NLX230、日本Omron公司的FP-3000和PLC等可编程控制器，也可以采用通用的纯计算机软件。选用硬件还是软件实现模糊控制，在于对控制系统的相应速度的要求如何，一般情况下，硬件的处理速度较高。

该控制方法具有很强的智能性，能根据多个泵站进水池的水位变化，提供最佳的泵站水泵开启数量，使多个泵站进水池的水位同步变化，避免在一个特定的区域发生了污水溢出而剩余的蓄水系统却闲置的情况发生，最终达到区域污水溢出污染最小化。

本发明提供的在分层控制原理的基础上运用模糊控制方法的优点为：

1、耗资小。能充分利用现有的蓄水设备纳洪，避免新建存储设备所带来的额外耗资。

2、利用分层控制原理，能做到整个城市多泵站管网系统中的泵站整体协调运作，使区域总的污水溢出量最小化，避免在一个特定的区域发生了污水溢出而剩余的蓄水系统却闲置的情况发生。

3、能将有经验操作者的实际经验“存储”到控制设备中，因此，具有较强的智能性，能根据具体水位得到最佳控制方案，减少了传统控制的盲目性。

4、实现了泵站的无人值守。

附图说明

图1为本发明的城市多泵站管网系统示意图；

图2为本发明中三泵站合流制排水系统的方框示意图。

具体实施方式

通过城市GIS系统，忽略人孔、蓄水池、堰等节点，建立一个近似城市多泵站管网系统，如图1所示，图中圆圈代表泵站，正方形代表最终的污水处理站，线条代表管道，箭头代表水流方向。此城市多泵站管网系统以泵站作为基本节点，通过带有方向的管道相互链接，形成一个多叉树模型。以分层控制原理作为基础，将整个城市多泵站管网系统分成若干层，每个层又可以分成以若干个如图2所示的典型三泵站合流制排水系统局部，每个局部运用模糊控制解决好局部的污水溢出最小化问题，最后将使整个系统区域达到污水溢出最小化。其中，如图2所示的三泵站合流制排水系统的污水溢出最小化问题通过模糊控制解决，模糊控制器为两输入两输出的结构，当有三个甚至三个以上的泵站链接到一个泵站上时，可以相应改变模糊控制器为多输入两输出结构。

图2为作为整个系统局部的三泵站合流制排水系统的方框示意图，其中三角形代表泵站，最右边的正方形代表污水处理站，线条代表管道，箭头代表水流方向，每个泵站出水池的出水量可以通过启停相应数量的水泵来控制。

合流制排水系统在分层控制原理的基础上运用模糊控制方法要达到两个总的控制目标：

(1)使区域总的污水溢出量最小化，避免在一个特定的区域发生了污水溢出而剩余的蓄水系统却闲置的情况发生。

(2)充分利用现有的蓄水设备纳洪，避免发生污水溢出，直到所有蓄水设备都满了为止。

以下结合技术方案，详细叙述本发明的具体实施方式。

以杭州市二污排水管网系统为例子，该系统有七个泵站，一个污水处理厂。为了达到区域污水溢出污染最小化，避免在一个特定的区域发生了污水溢出而剩余的蓄水系统却闲置的情况发生，所以引入基于分层控制原理的合流制管道污水溢出最小化方法。其步骤如下：

1.通过城市GIS系统，忽略人孔、蓄水池、堰等节点，建立一个近似的城市七泵站管网系统，系统最右端为污水处理厂。

2.以分层控制原理作为基础，将整个城市多泵站管网系统分成两层，再将每个层分成若干个典型的三泵站合流制排水系统局部，第一层有2个局部，第二层有1个局部。

3.以其中的一个局部系统作为控制对象，利用前端水位传感器测得的三个泵站进水池的当前水位，算出模糊控制器的两个输入变量df_1-2和df_1，2-3的具体值，通过模糊控制得到精确的控制量N₁和N₂(N₁和N₂分别低层两个泵站所要开启的水泵数量)，通过PLC来控制具体开启的水泵数量，从而解决好局部的污水溢出最小化问题。

4.利用第三步的方法，得到其它2个局部系统中泵站的具体开启的水泵数量，并通过PLC来控制。

5.通过第三步和第四步，将使杭州市二污排水管网系统中所有七个泵站都得到合理的开启水泵数量，最后将使整个系统达到污水溢出最小化。

Claims (1)

1、基于分层控制原理的合流制管道污水溢出控制方法，其特征在于该方法的步骤包括：

①利用城市多泵站管网系统，提取泵站作为节点的泵站分布拓扑结构图，以管网系统最后的排放口作为第一层根节点，以与第一层根节点直接相连的泵站作为第一层子节点，将第一层根节点和与之相连的1～3个第一层子节点作为第一层排水单元；再将第一层子节点作为第二层根节点，以与每个第二层根节点直接相连的1～3个泵站作为第二层子节点，将每个第二层根节点和与之相连的1～3个第二层子节点作为第二层排水单元；以此类推，将整个城市多泵站管网系统进行分层，每个层包括多个排水单元，每个排水单元包括2～4个泵站；

②通过安装在泵站的模糊控制器，运用模糊控制来平衡子节点泵站进水池的水位，首先通过水位传感器测得排水单元中每个泵站进水池的当前水位，利用能量守恒原理转换成相应泵站进水池的集水量，计算出模糊控制器的输入变量的具体值，通过模糊控制得到精确的控制量；当水位变化时，模糊控制器的输入变量的具体值也将随之改变，重复以上步骤可得到变化后的控制量；

当以两个泵站为一个排水单元时，可以直接通过子节点进水池的集水量得到控制量；

模糊控制器的具体设计步骤为：

a.模糊控制器输入输出变量的选择及输入变量值的计算，分如下两种情况，

当以三个泵站为一个排水单元时，

${\mathrm{df}}_{1-2}=\frac{V_1}{C_1}-\frac{V_2}{C_2}$

${\mathrm{df}}_{\mathrm{1,2}-3}=\frac{V_3}{C_3}-\max (\frac{V_1}{C_1},\frac{V_2}{C_2})$

选择两个子节点泵站具体开启的水泵数N₁和N₂作为模糊控制器的输出；

当以四个泵站为一个排水单元时，

${\mathrm{df}}_{1-2}=\frac{V_1}{C_1}-\frac{V_2}{C_2}$

${\mathrm{df}}_{\mathrm{1,2}-3}=\frac{V_3}{C_3}-\max (\frac{C_1}{C_1},\frac{V_2}{C_2})$

${\mathrm{df}}_{\mathrm{1,2,3}-4}=\frac{V_4}{C_4}-\max (\frac{V_1}{C_1},\frac{V_2}{C_2},\frac{V_3}{V_3})$

选择三个子节点泵站具体开启的水泵数N₁，N₂和N₃作为模糊控制器的输出；

式中，V_i为泵站i进水池的集水量，C_i为泵站i进水池的最大集水量，df_1-2为子节点泵站1与子节点泵站2进水池的充满度之差，df_1，2-3为根节点泵站3进水池的充满度和子节点泵站1、子节点泵站2进水池的充满度较高者的差值，df_1，2，3-4为根节点泵站4进水池的充满度和子节点泵站1、子节点泵站2、子节点泵站3进水池的充满度较高者的差值；

b.输入输出变量的模糊化

将输入输出变量的值定位在相应模糊集合的语言变量值上，当以三个泵站为一个排水单元时，

输入变量的模糊集合为

df_1-2＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

df_1，2-3＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

输出变量的模糊集合为

N₁＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

N₂＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

当以四个泵站为一个排水单元时，

其中输入变量的模糊集合为

df_1-2＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

df_1-3＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

df_1，2，3-4＝{NL：负大，NS：负小，ZE：零，PS：正小，PL：正大}

输出变量的模糊集合为

N₁＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

N₂＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

N₃＝{VL：全停，L：开一台，M：开两台，H：开三台，VH：开四台}

输入变量的隶属度函数选择三角形隶属度函数；

c.规则库的建立

当以三个泵站为一个排水单元时，产生25条控制规则；当以四个泵站为一个排水单元时，产生125条控制规则，得到模糊控制规则表；

d.模糊推理和去模糊化

选择三角形隶属度函数作为输出变量的隶属度函数，并应用max模糊算子，模糊蕴含选择min运算，模糊合成选择max，去模糊化方法选择中心法；

经过以上步骤可以获得最终精确的控制量。

Images