CN104123348A - 一种基于arx的供水管网在线建模方法 - Google Patents
一种基于arx的供水管网在线建模方法 Download PDFInfo
- Publication number
- CN104123348A CN104123348A CN201410323659.0A CN201410323659A CN104123348A CN 104123348 A CN104123348 A CN 104123348A CN 201410323659 A CN201410323659 A CN 201410323659A CN 104123348 A CN104123348 A CN 104123348A
- Authority
- CN
- China
- Prior art keywords
- real
- time
- water supply
- model
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000017105 transposition Effects 0.000 claims description 3
- 239000008400 supply water Substances 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于ARX的供水管网在线建模方法。本发明首先建立管网系统实时运行数据,建立系统的输入输出过程模型。实时运行数据库包括系统的实时输入数据和实时输出数据;输入数据包括水厂供水压力、水厂供水量、管网中增压泵站压力和流量、管道上可控阀门的开启程度;输出数据包括压力监测点的压力、流量检测点的流量、蓄水池水位。然后以供水管网实时过程运行数据集合为基础,建立离散差分方程形式的ARX模型。最后实时估计模型参数。本发明可以在线实时估计模型参数,实时跟踪供水管网的状态变化并做出预测;该模型结构简单、鲁棒性强,结合预测控制和自适应控制理论,实现供水管网实时优化调度。
Description
技术领域
本发明属于自动控制技术领域,具体是一种基于ARX(Auto RegressiveExogenous)的供水管网在线建模方法。
背景技术
供水管网系统是一个结构复杂、规模庞大、用水随机性强的动态网络系统,能否快速准确地模拟和预测出管网的运行工况,是进行供水管网优化调度的关键。供水管网系统模型大致可分为两类:微观模型和宏观模型。微观模型为机理模型,需要已知管网的拓扑结构、管长、管径、管材及节点用水量等具体参数,一般为由质量平衡方程和能量平衡方程组成的非线性系统方程,其忽略了管网系统的动力学特性,不能真实地描述实际管网的状态变化过程。宏观模型是经验模型,如回归分析模型,神经网络模型,支持向量机模型等。该类模型不需要已知管网的基本参数,其从系统的角度出发,抓住管网运行的几个宏观变量,如各水厂供水压力、供水量以及监测点的压力等,从大量实际运行数据中提炼出宏观变量之间经验函数关系,建立起供水管网静态输入输出模型。而实际运行中供水管网系统,由于用户用水量时刻变化,管道中水体的惯性及伸缩性作用等,从水厂或泵站的压力和流量调节到管网各节点的响应是一个复杂的动态过程。此外,一般基于传统微观模型及宏观模型的优化调度为离线调度,而离线调度方案实施时,要根据实际管网的状态变化对控制方案进行实时调整,这需要对管网状态的实时跟踪和预测。显然,传统的模型都难以胜任。要实时反映供水管网状态变化,描述其复杂的动态过程,需要建立合适的供水管网的在线预测模型。
ARX模型是一种“黑箱”模型,其利用系统的输入、输出信息建立数学模型,结构简单、鲁棒性强,广泛应用于非线性动态系统。且其模型参数较少,容易实现在线建模,非常适用于时变系统。实际运行中的管网系统,管网中节点实时用水量为时变的且难以预测,故其也是一个时变系统。基于ARX供水管网在线预测模型,可以在线实时估计模型参数,实时跟踪供水管网的状态变化并做出预测。
发明内容
本发明针对现有技术的不足,提供了一种基于ARX的供水管网在线预测模型。具体建模过程如下:
(1)建立管网系统实时运行数据建立系统的输入输出过程模型。具体方法是:
1)建立供水管网系统实时运行数据库。实时运行数据库包括系统的实时输入数据和实时输出数据。系统的实时输入数据:水厂供水压力,水厂供水量,管网中增压泵站压力和流量,管道上可控阀门的开启程度等。系统实时输出数据:压力监测点的压力,流量检测点的流量,蓄水池水位等。通过SCADA(Supervisory Control and Data Acquisition)系统采集N组实时过程运行数据,将采集的实时过程运行数据作为数据驱动的样本集合,表示为j=1,2,…,N,Xj表示第j组系统输入数据,Yj表示第j组系统输出数据。设供水管网系统有p个输入控制变量,r个输出变量。
2)以供水管网实时过程运行数据集合为基础,建立离散差分方程形式的ARX模型:
Y(k)=θTX(k)+E(k)
其中:X(k)=[YT(k-1),…,YT(k-n),UT(k-d-1),…,UT(k-d-m)]T,
Y(k)=[Y1(k),Y2(k),…,Yr(k)]T,U(k)=[U1(k),U2(k),…,Up(k)]T,
其中,Y(k)表示当前时刻供水管网系统输出;X表示系统过去时刻的输入和输出数据的集合;U(k)表示当前供水系统的输入控制变量;E(k)表示当前干扰造噪声,在参数估计中又定义为估计误差;k为当前递推步数;θ表示通过辨识得到的模型参数集合;T表示矩阵的转置;n,m,d+1分别为供水管网系统输出变量的阶次、输入变量的阶次、系统的时滞。
(2)实时估计模型参数。具体方法为:
1)对于具有p个输入,r个输出的ARX模型,对应于模型第i个输出定义均方估计准则函数:
2)依据1)中准则函数,估计θi。估计方法为:
θi(k)=θi(k-1)+mi(k)Pi(k-1)X(k-1)εi(k)
ei(k)=Y(k)-θi T(k-1)X
其中,Pi(k),Fi(k),Hi(k)分别对应于模型第i个输出的增益矩阵、最小增益矩阵及中间矩阵。且Pi(0)=αI,Fi(k)=βI,α,β>0,I为单位矩阵。
函数m(k):
其中,δ(k)表示k时刻,系统输入输出给模型估计过程带来的信息量;δ0为信息量阀值。设置δ0可提高估计过程的鲁棒性,且δ0>0。
λi(k)为自适应可变遗忘因子:
其中,ρi参数用于控制遗忘因子对误差εi(k)的敏感度。系统通过λi(k)的自适应调整,动态估计模型参数,适应系统的实时变化,且λi(k)∈[λi,min 1],λi,min(k)∈(0 1]。
3)根据θi,构造参数集合
本发明的有益效果:基于ARX供水管网在线预测模型,可以在线实时估计模型参数,实时跟踪供水管网的状态变化并做出预测;在线建模的一个难点在于网中节点实时用水量难以预测,而本模型将实时用水量变化作为扰动变量,通过实时估计模型参数来适应其变化,从更新模型参数角度来解决该问题;该模型结构简单、鲁棒性强,结合预测控制和自适应控制理论,容易建立供水管网预测控制和自适应控制模型,实现供水管网实时优化调度。
附图说明
图1实施例供水管网拓扑示意图。
具体实施方式
为使本发明实现的技术手段与创作特征易于明白,下面结合附图和实施例,对本发明的实施方式作进一步详述。
本实施例考虑一个有两个水厂的供水管网,如图1。建立以2个水厂供水压力,供水量输入控制变量,以6个压力监测点压力为输出的供水管网ARX模型,模型将管网各个节点用水量看作不可测扰动变量。故该供水管网系统有p=4个输入控制变量,r=6个输出变量。
(1)根据管网系统实时运行数据建立系统的输入输出过程模型。具体方法为:
1)建立该供水管网系统实时运行数据库。实时运行数据库包括系统的实时输入数据和实时输出数据。系统的实时输入数据:水厂供水压力,水厂供水量。系统实时输出数据:6个压力监测点的压力。通过SCADA系统采集N组实时过程运行数据,将采集的实时过程运行数据作为数据驱动的样本集合,表示为j=1,2,…,N,Xj表示第j组系统输入数据,Yj表示第j组系统输出数据。
2)以供水管网实时过程运行数据集合为基础,建立离散差分方程形式的ARX模型:
Y(k)=θTX(k)+E(k)
其中:X(k)=[YT(k-1),…,YT(k-n),UT(k-d-1),…,UT(k-d-m)]T,
Y(k)=[Y1(k),Y2(k),…,Yr(k)]T,U(k)=[U1(k),U2(k),…,Up(k)]T,
其中,Y(k)表示当前时刻供水管网系统输出;X表示系统过去时刻的输入和输出数据的集合;U(k)表示当前供水系统的输入控制变量;E(k)表示当前干扰造噪声,在参数估计中又定义为估计误差;k为当前递推步数;θ表示通过辨识得到的模型参数集合;T表示矩阵的转置;n,m,d+1分别为供水管网系统输出变量的阶次、输入变量的阶次、系统的时滞,其值分别设置为n=2,m=2,d=0。
(2)动态估计模型参数。具体方法为:
1)对于具有p个输入,r个输出的ARX模型,对应于模型第i个输出定义均方估计准则函数:
2)依据1)中准则函数,估计θi。估计方法为:
θi(k)=θi(k-1)+mi(k)Pi(k-1)X(k-1)εi(k)
ei(k)=Y(k)-θi T(k-1)X
其中,Pi(k),Fi(k),Hi(k)分别对应于模型第i个输出的增益矩阵、最小增益矩阵及中间矩阵。且设Pi(0)=αI,Fi(k)=βI,α=1000,β=0.01,I为单位矩阵。
函数m(k):
其中,δ(k)表示k时刻,系统输入输出给模型估计过程带来的信息量;δ0为信息量阀值。设置δ0可提高估计过程的鲁棒性,且δ0>0。
λi(k)为自适应可变遗忘因子:
其中,ρi参数用于控制遗忘因子对误差εi(k)的敏感度。系统通过λi(k)的自适应调整,动态估计模型参数,适应系统的实时变化,且λi(k)∈[λi,min 1],λi,min(k)∈(0 1]。
3)根据θi,构造参数集合
Claims (1)
1.一种基于ARX的供水管网在线建模方法,其特征在于该方法包括以下步骤:
步骤(1)、建立管网系统实时运行数据,建立系统的输入输出过程模型;具体是:
1)建立供水管网系统实时运行数据库:实时运行数据库包括系统的实时输入数据和实时输出数据;系统的实时输入数据包括水厂供水压力、水厂供水量、管网中增压泵站压力和流量、管道上可控阀门的开启程度;系统实时输出数据包括压力监测点的压力、流量检测点的流量、蓄水池水位;通过SCADA系统采集N组实时过程运行数据,将采集的实时过程运行数据作为数据驱动的样本集合,表示为j=1,2,…,N,Xj表示第j组系统输入数据,Yj表示第j组系统输出数据;设供水管网系统有p个输入控制变量,r个输出变量;
2)以供水管网实时过程运行数据集合为基础,建立离散差分方程形式的ARX模型:
Y(k)=θTX(k)+E(k)
其中:X(k)=[YT(k-1),…,YT(k-n),UT(k-d-1),…,UT(k-d-m)]T,
Y(k)=[Y1(k),Y2(k),…,Yr(k)]T,U(k)=[U1(k),U2(k),…,Up(k)]T,
其中,Y(k)表示当前时刻供水管网系统输出;X表示系统过去时刻的输入和输出数据的集合;U(k)表示当前供水系统的输入控制变量;E(k)表示当前干扰造噪声,在参数估计中又定义为估计误差;k为当前递推步数;θ表示通过辨识得到的模型参数集合;T表示矩阵的转置;n,m,d+1分别为供水管网系统输出变量的阶次、输入变量的阶次、系统的时滞;
步骤(2)实时估计模型参数,具体是:
1)对于具有p个输入,r个输出的ARX模型,对应于模型第i个输出定义均方估计准则函数:
2)依据1)中准则函数,估计θi:
θi(k)=θi(k-1)+mi(k)Pi(k-1)X(k-1)εi(k)
ei(k)=Y(k)-θi T(k-1)X
其中,Pi(k),Fi(k),Hi(k)分别对应于模型第i个输出的增益矩阵、最小增益矩阵及中间矩阵;且Pi(0)=αI,Fi(k)=βI,α,β>0,I为单位矩阵;
函数m(k):
其中,δ(k)表示k时刻,系统输入输出给模型估计过程带来的信息量;δ0为信息量阀值,设置δ0可提高估计过程的鲁棒性,且δ0>0;
λi(k)为自适应可变遗忘因子:
其中,ρi参数用于控制遗忘因子对误差εi(k)的敏感度;系统通过λi(k)的自适应调整,动态估计模型参数,适应系统的实时变化,且λi(k)∈[λi,min 1],λi,min(k)∈(0 1];
3)根据θi,构造参数集合
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410323659.0A CN104123348B (zh) | 2014-07-08 | 2014-07-08 | 一种基于arx的供水管网在线建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410323659.0A CN104123348B (zh) | 2014-07-08 | 2014-07-08 | 一种基于arx的供水管网在线建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104123348A true CN104123348A (zh) | 2014-10-29 |
CN104123348B CN104123348B (zh) | 2017-02-22 |
Family
ID=51768759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410323659.0A Active CN104123348B (zh) | 2014-07-08 | 2014-07-08 | 一种基于arx的供水管网在线建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104123348B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680252A (zh) * | 2015-02-13 | 2015-06-03 | 北京清控人居环境研究院有限公司 | 在线构架系统以及基于在线构架的供水实时调度方法 |
CN106090626A (zh) * | 2016-06-03 | 2016-11-09 | 杭州电子科技大学 | 一种供水管网异常侦测方法 |
CN109930658A (zh) * | 2019-03-27 | 2019-06-25 | 杭州电子科技大学 | 一种基于系统能观性的供水管网监测点布置方法 |
CN110874662A (zh) * | 2018-08-29 | 2020-03-10 | 清华大学 | 给水管网模型中用水量的实时校验方法及系统 |
CN110965610A (zh) * | 2019-11-25 | 2020-04-07 | 熊猫智慧水务有限公司 | 一种基于mpc控制的双路调峰设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1995566A (zh) * | 2006-12-12 | 2007-07-11 | 杭州电子科技大学 | 基于城市排水雨污混流管网的溢出最小控制方法 |
US20080082194A1 (en) * | 2006-09-29 | 2008-04-03 | Fisher-Rosemount Systems, Inc. | On-line multivariate analysis in a distributed process control system |
CN103294847A (zh) * | 2013-04-12 | 2013-09-11 | 杭州电子科技大学 | 基于水力平差的供水管网模型模糊辨识方法 |
-
2014
- 2014-07-08 CN CN201410323659.0A patent/CN104123348B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080082194A1 (en) * | 2006-09-29 | 2008-04-03 | Fisher-Rosemount Systems, Inc. | On-line multivariate analysis in a distributed process control system |
CN1995566A (zh) * | 2006-12-12 | 2007-07-11 | 杭州电子科技大学 | 基于城市排水雨污混流管网的溢出最小控制方法 |
CN103294847A (zh) * | 2013-04-12 | 2013-09-11 | 杭州电子科技大学 | 基于水力平差的供水管网模型模糊辨识方法 |
Non-Patent Citations (1)
Title |
---|
徐哲 等: "城市排水管网汇流节点泵站预测模型", 《PROCEEDING 2011 INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING AND MULTIMEDIA COMMUNICATION》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680252A (zh) * | 2015-02-13 | 2015-06-03 | 北京清控人居环境研究院有限公司 | 在线构架系统以及基于在线构架的供水实时调度方法 |
CN106090626A (zh) * | 2016-06-03 | 2016-11-09 | 杭州电子科技大学 | 一种供水管网异常侦测方法 |
CN106090626B (zh) * | 2016-06-03 | 2018-03-30 | 杭州电子科技大学 | 一种供水管网异常侦测方法 |
CN110874662A (zh) * | 2018-08-29 | 2020-03-10 | 清华大学 | 给水管网模型中用水量的实时校验方法及系统 |
CN110874662B (zh) * | 2018-08-29 | 2022-07-29 | 清华大学 | 给水管网模型中用水量的实时校验方法及系统 |
CN109930658A (zh) * | 2019-03-27 | 2019-06-25 | 杭州电子科技大学 | 一种基于系统能观性的供水管网监测点布置方法 |
CN110965610A (zh) * | 2019-11-25 | 2020-04-07 | 熊猫智慧水务有限公司 | 一种基于mpc控制的双路调峰设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104123348B (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123348A (zh) | 一种基于arx的供水管网在线建模方法 | |
CN109270842B (zh) | 一种基于贝叶斯网络的区域供热模型预测控制系统及方法 | |
JP7346705B2 (ja) | ファジィニューラルネットワークに基づく直列水路の水位予測及び制御方法 | |
Gurumurthy et al. | Terminal sliding mode disturbance observer based adaptive super twisting sliding mode controller design for a class of nonlinear systems | |
CN101286044B (zh) | 一种燃煤锅炉系统蒸汽温度混合建模方法 | |
Pawlowski et al. | Application of SSOD-PI and PI-SSOD event-based controllers to greenhouse climatic control | |
CN104616060A (zh) | 基于bp神经网络和模糊逻辑的绝缘子污秽度预测方法 | |
Yang et al. | Data-driven design of fault-tolerant control systems based on recursive stable image representation | |
CN104615161A (zh) | 一种基于模型预测的双回路水箱液位控制方法 | |
Smith et al. | Machine learning techniques applied to sensor data correction in building technologies | |
Zhang et al. | Distributed model predictive control based on Nash optimality for large scale irrigation systems | |
Ahmad et al. | Design of neural network and PLC-based water flow controller | |
CN102662324A (zh) | 槽式反应器基于在线支持向量机的非线性模型预测控制方法 | |
Mejri et al. | Hybrid control of a station of irrigation by sprinkling | |
Ali et al. | Optimization of water level control systems using anfis and fuzzy-pid model | |
Guolian et al. | Multiple-model predictive control based on fuzzy adaptive weights and its application to main-steam temperature in power plant | |
Cheng-Ping et al. | Research on hydrology time series prediction based on grey theory and [epsilon]-support vector regression | |
CN106444389A (zh) | 一种废塑料裂解温度系统的模糊rbf网络优化pi控制方法 | |
Sivagurunathan et al. | Fuzzy logic based self tuning of PI controller for a non linear spherical tank system | |
CN103558762B (zh) | 基于图形化组态技术的免疫遗传pid控制器的实现方法 | |
Pradeepkannan et al. | Control of a Nonlinear Spherical Tank Process Using GA Tuned PID Controller | |
Mejri et al. | Identification and hybrid control of astation of irrigation by sprinkling | |
CN203217277U (zh) | 槽式反应器基于在线支持向量机的非线性模型预测控制器 | |
May et al. | Reinforcement learning control for indoor comfort: a survey | |
Kannan et al. | Design of fuzzy immune pid controller for liquid level control system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20141029 Assignee: HANGZHOU ZHIBIN TECHNOLOGY Co.,Ltd. Assignor: HANGZHOU DIANZI University Contract record no.: X2021330000077 Denomination of invention: An on-line modeling method of water supply network based on ARX Granted publication date: 20170222 License type: Common License Record date: 20210818 |
|
EE01 | Entry into force of recordation of patent licensing contract |