CN109403425B - 供水管网的优化调度系统 - Google Patents
供水管网的优化调度系统 Download PDFInfo
- Publication number
- CN109403425B CN109403425B CN201710701533.6A CN201710701533A CN109403425B CN 109403425 B CN109403425 B CN 109403425B CN 201710701533 A CN201710701533 A CN 201710701533A CN 109403425 B CN109403425 B CN 109403425B
- Authority
- CN
- China
- Prior art keywords
- water
- water inlet
- time sequence
- information
- water supply
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 483
- 238000003860 storage Methods 0.000 claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000007620 mathematical function Methods 0.000 claims description 5
- 239000012530 fluid Substances 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 17
- 238000000034 method Methods 0.000 description 7
- 239000008399 tap water Substances 0.000 description 3
- 235000020679 tap water Nutrition 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 241000510672 Cuminum Species 0.000 description 1
- 235000007129 Cuminum cyminum Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B7/00—Water main or service pipe systems
- E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
- E03B7/075—Arrangement of devices for control of pressure or flow rate
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B7/00—Water main or service pipe systems
- E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
- E03B7/078—Combined units with different devices; Arrangement of different devices with respect to each other
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Hydrology & Water Resources (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Fluid Mechanics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明有关于一种供水管网的优化调度系统，其包含有一供水管网，具有至少一进水管线；以及多个储水设备，通过至少一进水管线连接供水管网，其中于进水管线或多个储水设备安装有一进水信号检测装置，且进水信号检测装置连接一进水时序预测模块以及一进水时序运算模块，进水时序预测模块根据所接收的一进水时序信息，建立一进水时序预测信息，并由进水时序运算模块重新规划进水管线的进水时序，使供水时段内供水管网的流量及压力波动低于进水时序运算模块规划前。本发明让规划后的供水管网的压力、流量趋近于平缓、稳定的状态，减少管线中压力突然的变化，以有效减少管线的漏水率及爆管的发生。
Description
技术领域
本发明有关于一种供水管网的优化调度系统，尤其指一种通过检测储水设备进水时序信息或检测储水设备出水时序信息，分析储水设备进水时序预测信息，再以优化演算法重新规划进水管线的进水时序，使供水时段内供水管网的流量及压力波动低于进水时序运算模块规划前。
背景技术
按，21世纪都市发展，市区人口密度愈来愈高。大楼中通常有上百户一同居住，并由供水管网先将自来水输送至储水设备，再提供用户使用；由于都市规划将同质性高的大楼集中在特定区域，因此大楼中的居民生活起居习惯类似，而且用水习惯也十分相近，导致大楼用水集中在某些特定时段。势必造成不同大楼间，在某些特定时段同时从管网进水。此一现象是管网供水流量及水压大幅波动的主要原因。
近年来全球供水行业普遍采用分区计量技术，寻找管网漏水点，而实施分区计量必须封闭管网中计量区域的多数进水管线，只留下一个装置水表的进水管线。此一管网计量区域的切割封闭，由于只剩一条进水管线提供用户用水，势必造成上述管网流量及水压更大幅的波动。
中国专利公告号CN 104929191“供水管网的漏损控制方法”即提供一种避免管网漏水的措施，通过关闭边界阀门的方式将每个压力调控区内的供水管网划分成若干个独立计量区，每个独立计量区仅留一至两个入口与外界供水管网连通，每个独立计量区的规模范围为2000～8000个用水户，根据压力调控区的压力最不利点的压力数据，计算压力调控区的压力最不利点的压力与管网最低压力要求的差值，然后根据该差值调节水厂出水压力。此专利前案主要是从供水方面调节水厂出水压力，来保障最不利点的最低供水压力；若只是以最不利点(低水压点)作为调控的目标，势必造成计量区的高水压点，水压更加升高，甚至造成爆管。这种顾此失彼的控制方式，只有改采调整用户进水模式的需求方调度方式，才能釜底抽薪，彻底解决问题，这亦是发明人所思及的方向。
发明内容
今，发明人即是鉴于上述现有的供水系统于实际实施使用时仍具有多处缺失，于是乃一本孜孜不倦的精神，并通过其丰富专业知识及多年的实务经验所辅佐，而加以改善，并据此研创出本发明。
本发明主要目的为提供一种供水管网的优化调度系统，其主要通过调整供水管网内各大楼储水设备的进水时序，避免同时间有多栋大楼同时进水，因而造成流量及压力大幅波动，进而达到稳定供水的目的。
为了达到上述实施目的，本发明为一种供水管网的优化调度系统，其包含有一供水管网，具有至少一进水管线；以及多个储水设备，通过至少一进水管线连接供水管网，多个储水设备与供水管网间又设置有一阀门；其中于至少一进水管线或多个储水设备安装有一进水信号检测装置；每一储水设备具有至少一进水端连接至少一进水管线，以及至少一出水端连接至少一用水设备；且进水信号检测装置连接一进水时序预测模块以及一进水时序运算模块，进水时序预测模块根据所接收进水信号检测装置所检测到至少一进水管线或多个储水设备的一进水时序信息，建立一进水时序预测信息，并由进水时序运算模块再根据进水时序预测信息重新规划至少一进水管线的进水时序，使供水时段内供水管网的流量及压力波动低于进水时序运算模块规划前。
于本发明的一实施例中，多个储水设备的出水端以一出水管线连接至少一用水设备，出水管线或多个储水设备安装一出水信号检测装置，且出水信号检测装置连接一时序转换模块、进水时序预测模块以及进水时序运算模块，根据时序转换模块所接收出水信号检测装置所检测到至少一出水管线或多个储水设备的一出水时序信息，转换为进水时序信息，进水时序预测模块接收进水时序信息，建立一进水时序预测信息，并由进水时序运算模块再根据进水时序预测信息重新规划至少一进水管线的进水时序，使供水时段内供水管网的流量及压力波动低于进水时序运算模块规划前。
于本发明的一实施例中，多个储水设备的出水端以一出水管线连接至少一用水设备，出水管线或多个储水设备安装一出水信号检测装置，出水信号检测装置检测到至少一出水管线或多个储水设备的一出水时序信息，出水时序信息根据用户作息的统计分析所获得，出水信号检测装置再连接一时序转换模块、进水时序预测模块以及进水时序运算模块，根据时序转换模块所接收的出水时序信息，转换为进水时序信息，进水时序预测模块接收进水时序信息，建立进水时序预测信息，并由进水时序运算模块再根据进水时序预测信息重新规划至少一进水管线的进水时序，使供水时段内供水管网的流量及压力波动低于进水时序运算模块规划前。
于本发明的一实施例中，进水时序预测模块通过一统计数学函数模型或一神经网络模型预测进水时序信息；进水时序运算模块通过一全域最佳化寻求供水时段内寻求供水时段内储水设备的进水时序组合。
于本发明的一实施例中，进水时序预测模块可为统计数学函数模型采周期性、趋势性与随机性组合的时间序列模型；或神经网络模型为感知机网络(Perceptron neuralnetwork)模型；进水时序运算模块可为递归收敛演算法或遗传算法(Genetic algorithm)的全域最佳化模型。
于本发明的一实施例中，时序转换模块通过一流体力学函数模型或一神经网络模型，将出水时序信息转换成进水时序信息。
于本发明的一实施例中，流体力学函数模型可例如为水力模型(Hydraulicmodel)；神经网络模型可例如为感知机网络模型。
于本发明的一实施例中，每一储水设备至少包含有一蓄水池或一水塔。
于本发明的一实施例中，每一储水设备进一步包含有一水泵。
本发明让规划后的供水管网的压力、流量趋近于平缓、稳定的状态，减少管线中压力突然的变化，以有效减少管线的漏水率及爆管的发生。
附图说明
图1：本发明其较佳实施例的架构图。
图2：本发明其较佳实施例的供水系统管网图。
图3：本发明其较佳实施例的大楼供水管网图。
图4：本发明其较佳实施例的储水设备进水时间变化图。
图5：本发明其较佳实施例的进水时序预测信息图。
图6：本发明其较佳实施例的最佳进水时序组合图。
图7：本发明其较佳实施例的优化调度前后的总进水流量及管网进水点压力波动比较图。
图8:本发明其较佳实施例的出水时序信息图。
附图标号
1 供水管网
11 进水管线
12 管网进水点
2 储水设备
21 阀门
22 蓄水池
23 水塔
24 水泵
25 出水管线
3 进水信号检测装置
31 进水时序预测模块
32 进水时序运算模块
4 用水设备
5 出水信号检测装置
51 时序转换模块
具体实施方式
本发明的目的及其结构功能上的优点，将依据以下图面所示的结构，配合具体实施例予以说明，俾使审查委员能对本发明有更深入且具体的了解。
请参阅图式图1～图3，本发明一种供水管网的优化调度系统，其包含有一供水管网1，具有至少一进水管线11与一管网进水点12；以及多个储水设备2，通过至少一进水管线11连接供水管网1，多个储水设备2与供水管网1间又设置有一阀门21，每一储水设备2至少包含有一蓄水池22或一水塔23，亦可进一步包含有一水泵24；
其中，于至少一进水管线11或多个储水设备2安装有一进水信号检测装置3，进水信号检测装置3连接一进水时序预测模块31以及一进水时序运算模块32；每一储水设备2具有至少一进水端连接至少一进水管线11，以及至少一出水端以一出水管线25连接至少一用水设备4，并于出水管线25或多个储水设备2上安装一出水信号检测装置5，且出水信号检测装置5进一步连接一时序转换模块51、进水时序预测模块31以及进水时序运算模块32；
再者，进水时序预测模块31根据所接收进水信号检测装置3所检测到至少一进水管线11或多个储水设备2的一进水时序信息，建立一进水时序预测信息，并由进水时序运算模块32再根据进水时序预测信息重新规划至少一进水管线11的进水时序，使供水时段内供水管网1的流量及压力波动低于进水时序运算模块32规划前；
除了上述由进水信号检测装置3直接检测进水管线11或多个储水设备2，亦可进一步结合出水信号检测装置5检测出水管线25或多个储水设备2的一出水时序信息，此出水时序信息根据用户作息的统计分析所获得，再由时序转换模块51转换为进水时序信息，接续地进水时序预测模块31接收进水信号检测装置3与出水信号检测装置5整合的进水时序信息，建立进水时序预测信息，并由进水时序运算模块32再根据进水时序预测信息重新规划进水管线11的进水时序，使供水时段内供水管网1的流量及压力波动低于进水时序运算模块32规划前。
其中，进水时序预测模块31通过一统计数学函数模型或一神经网络模型预测进水时序信息，统计数学函数模型可例如为采周期性、趋势性与随机性组合的时间序列模型，神经网络模型可例如为感知机网络模型；进水时序运算模块32通过一全域最佳化寻求供水时段内寻求供水时段内储水设备2最佳的进水时序组合，全域最佳化可例如为递归收敛演算法或遗传算法。又，时序转换模块51通过一流体力学函数模型或一神经网络模型，将出水时序信息转换成进水时序信息，流体力学函数模型可例如为水力模型，神经网络模型可例如使用与进水时序预测模块31同样的感知机网络模型。
此外，通过下述具体实施例，可进一步证明本发明可实际应用的范围，但不意欲以任何形式限制本发明的范围。
请继续参阅图1～图3，一个供水管网1可能就会包含多栋大楼，如同图2所示，供水管网1通过进水管线11与管网进水点12一次分配自来水给多个建筑物的住户使用，从一栋大楼检视，即如图3所示，由于用水设备4的用水行为，造成水塔23水位下降，当水塔23水位降至某临界值，启动水泵24抽取蓄水池22以补充水塔23水位；若蓄水池22因此水位降至某临界值，将开启进水管线的阀门21，阀门21开启后，由供水管网1引入自来水补充蓄水池22水位。
本发明于实际操作时，先搜集每日大楼的进水时序，即利用安装于供水管网1的进水管线11或储水设备2上的进水信号检测装置3进行流量、压力、液位以及阀门21开关等信号的检测，进水时序预测模块31以统计时间序列模型或感知机网络模型分析连续多天的进水时序信息，可参考图4所示，一天1440分钟(纵轴)，其测量9天(横轴)，单一用户的储水设备2六次进水时间变化图。由图4看出该储水设备具有明显的水平趋势性(亦即储水设备的进水时间十分固定)，再由每天的第六次进水时间变化，看出具有稳定的上下波动周期性，至于进水时间的随机变化并不明显。基于以上特性，可建立统计时间序列模型。再根据此一模型推估进水时序预测信息。
建立进水时序预测信息后，再以进水时序运算模块32根据进水时序预测信息，以递归收敛演算法求得最佳进水时序组合，使供水时段内的供水管网1的流量及压力波动低于进水时序运算模块32规划前后，即如图5、图6所示。其递归收敛演算法的演算过程是先输入进水时序预测信息q(i,t)至进水时序运算模块32，并设定起始参数值，以Set k＝1表示，再将进水时序组合暂存值CQ与进水时序预测信息q(i,t)集合，以Set CQ＝q(i,t)表示，即完成优化前置作业，接续建立进水时序组合暂存值CQ下的第k轮优化的流量加总大到小排序值Qm(k,j)与第k轮优化的流量加总排序发生时间tm(k,j)，使j＝1～p，并集合最大流量对照值Qref与CQ流量加总最大值Qmax，由tm(k,j)向左及向右等距延伸，以找到流量加总函数Q(tleft)or Q(tright)<Qref，再寻找造成Q(t)下降的输入函数qtomove(i,t)，定义时间变化Δt＝tmax-tleft或Δt＝tright–tmax，其中tmax为CQ流量加总最大值的发生时间，将qtomove(i,t)往反方向平移Δt，得到新的CQ＝q(i,t)集合，再计算新CQ的流量加总最大值Qmax与CQ流量加总最大值的发生时间tmax，若最大流量对照值Qref大于CQ流量加总最大值Qmax，则进水时序组合函数C(k)＝CQ、k＝k+1，第k轮优化的流量加总大到小排序值Qm(k,j)＝Qm(k-1,j)，第k轮优化的流量加总排序发生时间tm(k,j)＝tm(k-1,j)，且j＝1，最后定义j＝j+1、m＝k，即获得第k轮进水时序组合流量变异指标Qv(k)，最小值的进水时序组合函数C(k)即为最佳进水时序组合。
图5上图为五栋大楼各别的进水时序，图5下图为五栋大楼总进水时序与管网进水点12的水压变化图。经过上述进水时序运算模块32的优化调度后，得到图6的最佳进水时序组合。图6上图为五栋大楼优化调度后的进水时序，图6下图为优化调度后，五栋大楼总进水时序与管网进水点12的水压变化图。
图7上图为优化调度前总进水流量时序与管网进水点12的水压变化图(图5的下图)。图7下图为优化调度后(图6的下图)总进水流量时序与管网进水点12的水压变化图。根据进水时序预测信息，预估供水管网1优化调度前，各大楼进水时间相当集中，导致总进水流量过大，将造成供水管网1的流量与水压大幅波动，以进水时序运算模块32重新规划进水时序，将各大楼的储水设备2进水时序尽量错开，避免同一时间大量进水，以减小流量及水压的波动。
图8为用水设备4二十四小时的出水时序信息图。该出水时序信息可根据用户用水习惯，采统计方法推估(图8的实线所标示)或使用储水设备2与出水管线25的出水信号检测装置5实际测量(图8的黑点所标示)。再通过时序转换模块51将出水时序信息，转换为进水时序信息；时序转换模块51可采用EPANET水力模型模拟大楼供水管网1配置及水泵24操作，并将出水时序信息以EPANET的需量模式(Demand Pattern)作为该水力模型的输入条件，以此模拟计算得出蓄水池22进水时序信息。
由上述的实施说明可知，本发明与现有技术相较之下，本发明具有以下优点:
1.本发明供水管网的优化调度系统以主动优化调度，取代传统被动优化调度。传统的优化调度乃针对管网供水的水泵操作与输配水管线流量进行调整，以达到省电及稳定水压的目的，但由于大楼储水设备进水时序并未改变，传统优化调度方法对于储水设备总进水流量的大幅波动无法有效改善，而这也是管网水压波动的主要原因，本发明所提的优化调度方案直接釜底抽薪，以改变大楼储水设备进水时序，重新调整24小时用水量分布，进而大幅减少管网尖峰与离峰用水的差距，彻底有效减小管网流量及压力波动。
2.本发明供水管网的优化调度系统安装有进水信号检测装置，能够检测进水管线或储水设备的流量、压力、液位以及阀门开关等信号，掌握储水设备进水时序信息。也可以通过出水信号检测装置从储水设备的出水管线检测的信号，经由时序转换模块，获得储水设备进水时序信息。
3.本发明供水管网的优化调度系统，以进水时序预测模块，通过统计数学函数模型或神经网络模型，分析进水时序预测信息。
4.本发明供水管网的优化调度系统进水信号检测装置的进水时序运算模块能够有效优化原本供水管网中流量与压力起伏变化较大的现象；供水管网的优化调度系统根据进水时序预测信息以全域最佳化的递归收敛演算法或遗传算法重新规划进水管线的进水时序，让规划后的供水管网的压力、流量趋近于平缓、稳定的状态，减少管线中压力突然的变化，以有效减少管线的漏水率及爆管的发生。
综上所述，本发明的供水管网的优化调度系统，的确能通过上述所揭露的实施例，达到所预期的使用功效，且本发明亦未曾公开于申请前，诚已完全符合专利法的规定与要求。爰依法提出发明专利的申请，恳请惠予审查，并赐准专利，则实感德便。
惟，上述所揭的图示及说明，仅为本发明的较佳实施例，非为限定本发明的保护范围；大凡本领域技术人员，其所依本发明的特征范畴，所作的其它等效变化或修饰，皆应视为不脱离本发明的设计范畴。
Claims (9)
1.一种供水管网的优化调度系统，其特征在于，其包含有：
一供水管网，具有至少一进水管线；以及
多个储水设备，通过该至少一进水管线连接该供水管网，该多个储水设备与供水管网间又设置有一阀门；
其中于该至少一进水管线或该多个储水设备安装有一进水信号检测装置；每一该储水设备具有至少一进水端连接每一该至少一进水管线，以及至少一出水端连接至少一用水设备；且该进水信号检测装置连接一进水时序预测模块以及一进水时序运算模块，该进水时序预测模块根据所接收该进水信号检测装置所检测到该至少一进水管线或该多个储水设备的一进水时序信息，建立一进水时序预测信息，并由该进水时序运算模块再根据该进水时序预测信息重新规划该至少一进水管线的进水时序，使供水时段内该供水管网的流量及压力波动低于进水时序运算模块规划前。
2.如权利要求1所述的供水管网的优化调度系统，其特征在于，该多个储水设备的出水端以一出水管线连接该至少一用水设备，该出水管线或该多个储水设备安装一出水信号检测装置，且该出水信号检测装置连接一时序转换模块、该进水时序预测模块以及该进水时序运算模块，根据该时序转换模块所接收该出水信号检测装置所检测到该至少一出水管线或该多个储水设备的一出水时序信息，转换为该进水时序信息，该进水时序预测模块接收该进水时序信息，建立一进水时序预测信息，并由该进水时序运算模块再根据该进水时序预测信息重新规划该至少一进水管线的进水时序，使供水时段内该供水管网的流量及压力波动低于进水时序运算模块规划前。
3.如权利要求1所述的供水管网的优化调度系统，其特征在于，该多个储水设备的出水端以一出水管线连接该至少一用水设备，该出水管线或该多个储水设备安装一出水信号检测装置，该出水信号检测装置检测到该至少一出水管线或该多个储水设备的一出水时序信息，该出水时序信息根据用户作息的统计分析所获得，该出水信号检测装置再连接一时序转换模块、该进水时序预测模块以及该进水时序运算模块，根据该时序转换模块所接收的该出水时序信息，转换为该进水时序信息，该进水时序预测模块接收该进水时序信息，建立该进水时序预测信息，并由该进水时序运算模块再根据该进水时序预测信息重新规划该至少一进水管线的进水时序，使供水时段内该供水管网的流量及压力波动低于进水时序运算模块规划前。
4.如权利要求1-3任一权利要求所述的供水管网的优化调度系统，其特征在于，该进水时序预测模块通过一统计数学函数模型或一神经网络模型预测该进水时序信息；该进水时序运算模块通过一全域最佳化寻求供水时段内该储水设备的进水时序组合。
5.如权利要求4所述的供水管网的优化调度系统，其特征在于，该统计数学函数模型为采周期性、趋势性与随机性组合的时间序列模型；该神经网络模型为感知机网络模型；该进水时序运算模块为递归收敛演算法或遗传算法的全域最佳化模型。
6.如权利要求2或3所述的供水管网的优化调度系统，其特征在于，该时序转换模块通过一流体力学函数模型或一神经网络模型，将该出水时序信息转换成进水时序信息。
7.如权利要求6所述的供水管网的优化调度系统，其特征在于，该流体力学函数模型为水力模型；该神经网络模型为感知机网络模型。
8.如权利要求1-3任一权利要求所述的供水管网的优化调度系统，其特征在于，每一该储水设备至少包含有一蓄水池或一水塔。
9.如权利要求8所述的供水管网的优化调度系统，其特征在于，每一该储水设备进一步包含有一水泵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710701533.6A CN109403425B (zh) | 2017-08-16 | 2017-08-16 | 供水管网的优化调度系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710701533.6A CN109403425B (zh) | 2017-08-16 | 2017-08-16 | 供水管网的优化调度系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109403425A CN109403425A (zh) | 2019-03-01 |
| CN109403425B true CN109403425B (zh) | 2020-07-10 |
Family
ID=65454456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710701533.6A Active CN109403425B (zh) | 2017-08-16 | 2017-08-16 | 供水管网的优化调度系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109403425B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI704314B (zh) * | 2019-05-31 | 2020-09-11 | 台灣優化水務股份有限公司 | 一種部分切割的管網水力模型建構方法 |
| CN110703603B (zh) * | 2019-10-28 | 2020-11-24 | 华南理工大学 | 一种无人机多层递归收敛神经网络控制器的控制方法 |
| CN113177656B (zh) * | 2021-04-16 | 2021-12-14 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 一种基于智能水务的多级别节水分析方法及系统 |
| CN113269469B (zh) * | 2021-06-21 | 2021-12-10 | 安徽金晥泵业科技股份有限公司 | 一种用于城市地下排水的管道远程监控系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007048144A (ja) * | 2005-08-11 | 2007-02-22 | Toshiba Corp | プラント情報提供システム、監視制御訓練装置、およびプラント情報提供方法 |
| CN101308364B (zh) * | 2008-06-27 | 2010-12-01 | 北京工业大学 | 基于瞬变流分析的给水管网事件模型建模方法 |
| CN201730136U (zh) * | 2010-06-10 | 2011-02-02 | 上海三高计算机中心股份有限公司 | 一种提供供水管网辅助调度数据的处理装置 |
| JP5608696B2 (ja) * | 2012-03-07 | 2014-10-15 | 株式会社日立製作所 | 水使用状況監視システム |
| CN106567427B (zh) * | 2016-11-14 | 2019-03-12 | 郑州大学 | 供水厂高峰时段供水流量调控装置及其方法 |
-
2017
- 2017-08-16 CN CN201710701533.6A patent/CN109403425B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109403425A (zh) | 2019-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109403425B (zh) | 供水管网的优化调度系统 | |
| CN107992961B (zh) | 一种自适应的流域中长期径流预报模型架构方法 | |
| CN110991687B (zh) | 一种基于经验模型的水资源调度优化方法 | |
| CN102629106B (zh) | 供水控制方法及系统 | |
| CN108764573B (zh) | 一种面向内陆干旱区的水资源多维均衡配置系统 | |
| CN1312629C (zh) | 城市排水系统不确定水力学模型建模方法 | |
| CN111126847B (zh) | 耦合河道水动力过程的梯级水库短期优化调度方法和系统 | |
| CN110276145A (zh) | 城市排水系统仿真建模与调度方法 | |
| CN105243502A (zh) | 一种基于径流区间预测的水电站调度风险评估方法及系统 | |
| CN110443418A (zh) | 基于ga-bp神经网络的城市用水量预测方法 | |
| CN106991504A (zh) | 基于分项计量时间序列的建筑能耗预测方法、系统及建筑物 | |
| CN108985585A (zh) | 一种考虑预报不确定性影响的水库洪水资源利用风险对冲决策方法 | |
| CN109948863A (zh) | 基于长短期记忆模型lstm的排水管网窨井液位预测方法 | |
| CN117236199B (zh) | 城市水网区域河湖水质提升与水安全保障方法及系统 | |
| Kofinas et al. | Daily multivariate forecasting of water demand in a touristic island with the use of artificial neural network and adaptive neuro-fuzzy inference system | |
| CN111680429B (zh) | 水箱主动调蓄方法及系统、电子设备、存储介质 | |
| Zeferino et al. | Regional wastewater system planning under population dynamics uncertainty | |
| CN107330538B (zh) | 一种气候变化条件下水库适应性调度规则编制的方法 | |
| CN115713448A (zh) | 基于汇水单元的流域水污染常规因子快速溯源方法 | |
| CN114936742A (zh) | 一种供水系统调度代理决策方法 | |
| CN109325610B (zh) | 一种面向多水源梯级泵站调水系统的分段线性调度方法 | |
| KR20140120498A (ko) | 지능형 물 생산관리시스템 | |
| CN117196883A (zh) | 一种基于人工智能的污水处理决策优化方法及系统 | |
| CN111062576A (zh) | 一种基于dma分区最不利点的压力管理系统 | |
| CN114003013B (zh) | 一种分层互联的智慧排水管网系统的控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |