背景技术
由于社会、经济和环境的影响,城市水务系统供水网络的可靠性越来越受到消费者的关注。为了响应可持续发展政策,水厂需利用有限的淡水资源,为日益增长的居民和工厂提供足量的、稳压的淡水服务,这一工程充满了巨大挑战和困难。针对供水中存在的难题,工程技术人员提供一些实用的控制方法,如采用复杂网络模型、自适应控制、预测控制技术等。但管理人员发现对水资源的合理分配与管理仍是一项繁重的工作,因此,发掘一种有效的建模及控制方法,仍然是技术人员研究的重点。
在实际的水务网络中,工程人员都希望系统模型尽可能精确,能够真实地反应实际系统的运行特性,但详细的模型有可能造成建模的冗余,如在建模某一地区的人口、容器中水的体积、通信网络中数据包传输的数量等,很明显模型中的状态一直都是非负的,这种只考虑非负状态的系统,我们称为正系统。正系统的一些特性也使得它在建模水务管网的水容量、水压等非负量具有明显优势。
模型预测控制(MPC)是根据工厂模型设置的,所以MPC在实现上非常灵活,几乎可用于所有系统。此外,MPC也具有处理复杂系统的一些特性,如供水网络中,它具有以下特点:针对多变量复杂系统,便于处理物理和操作上的约束,采用滚动优化可实现系统的最优性能指标。而且模型预测控制器非常适用于城市水循环相关的网络和分级控制结构中的全局控制等。
一般来说,供水网络是一个包含多个水罐、泵站或水阀、水源及用户的加压网状系统。然而对于一个城市来说,会有很多供水厂(节点)为城市的数千万用户提供服务,各个节点间相互作用而又看似独立运行,共同构建起整个城市的给水管网,基于分布式MPC优化控制策略,可以充分考虑各个节点的控制及各个节点间的相互作用等,从而可解决多节点供水管网存在的难题,使用优化策略以达到最优性能和经济成本,从而实现水的安全储存和容量控制的平稳性。给出了针对供水网络所使用的架构,通过远程控制平台,可达到理想的控制效果。
发明内容:
本发明的目的是针对城市供水管网中存在的多节点、复杂性,提出一种基于正系统模型的分布式MPC控制策略,实现水罐中水容量的平稳性控制。通过对罐中水容量、水泵或阀门开度的采集,建立基于状态空间的数学模型,使用约束、优化控制等手段,实现了对多节点供水管网水罐水量的平稳及安全有效控制。
本发明方法的步骤包括:
步骤1、为了获取面向控制的供水网络模型,通过考虑状态成分、状态基本关系等,基于状态空间方法,构建下列时变离散方程:
其中
表示k时刻p节点网络中水罐水的体积,可用升表示,
表示n维欧几里得向量空间,n为自然数,表示水罐的数量。
分别表示k时刻p或q节点网络中操作水流的执行器阀门或抽水水泵开度,可用升每秒表示,
其中N为正整数,表示总节点个数,m
p表示p节点供水阀门或水泵的数目,m为整个水务网络所有水阀和水泵总数量。A
p(k),B
p(k)为k时刻p节点网络中加权矩阵,B
q(k)表示k时刻q节点网络中加权矩阵,这些加权矩阵可由安装在水罐中的容量测量传感器、安装在水阀或水泵上的流速表测得,其中
表示n×m维实数矩阵空间。在说明书附图中,图1给出一个由3个节点(A,B,C)组成的简单分布式供水网络系统,包含节点、消费群体、水阀、水罐、水泵和水源基本结构,它们也与我们生活用水或工业用水息息相关。
步骤2、由于供水系统长时间运行,很容易造成传感器及流速表老化等问题,每一时刻测量得出的加权矩阵很可能存在不确定性,为了克服这一困难,我们设计一种具有区间和多胞体不确定结构类型:
2.1、区间不确定类型:
其中,
A p,
B p和
为已知矩阵,是传感器或流速表测量每时刻加权矩阵A
p(k),B
p(k)的上下界矩阵,并设计
符号
表示矩阵每个元素分量对应的大小关系,如,
表示矩阵
A对应元素分量不大于矩阵A的元素分量,则
意味着矩阵
A p每个元素都为非负实数。
2.2、多胞体不确定类型:
对于任意的p=1,2,...,N和l=1,2,...,J,设计
成立,λ
l为已知给定的一组非负实数,需满足
即可,其中N,J为正整数,J表示顶点矩阵个数。
步骤3、由于物理上的限制,致使水罐内水的容积和执行器阀门或水泵开度不可能无限制大,即存在一定约束,所以考虑约束控制具有合理性,故采用如下设计方式:
||xp(k)||1≤δ,||up(k)||1≤η,
其中δ>0,η>0是已知给定常量,可根据水罐实际贮藏能力、阀门或水泵流速规格给定,||·||1表示标准的向量1-范数。
步骤4、设计一组基于分布式模型预测控制方法的状态反馈控制律,以实现供水网络水箱水容量的平衡控制,设计如下:
up(k+s|k)=Fp(k)xp(k+s|k),s=1,2,...,∞,p=1,2,...,N.
为了优化网络性能,以实现最优控制策略,考虑如下优化性能设计:
其中
为预测控制输入的增益矩阵;s表示预测步数,可根据需求进行设定;
表示从先前迭代中获取的控制输入;加权向量
ρ
p<0,
为要实际预期性能指标,由操作人员给定的向量;T表示转置。
步骤5、构造一个线性余正Lyapunov函数:
其中
为了达到所要实现的供水网络水罐水容积平衡控制,设计
对两侧从s=1到s=∞求和得
进一步可得
步骤6、针对步骤2.1区间不确定,设计常量
γ
p(k)>0,ε>0和向量
使得下列优化条件:
γp(k)≤δε,
对于任意的(p,q)∈{1,...,N}×{1,...,N},p≠q有解,其中,
T为矩阵或向量转置,其未注明参数与步骤1至步骤5含义相同。
步骤7、针对步骤2.2多胞体不确定,设计常量
γ
p(k)>0,ε>0和向量
使得下列优化条件:
γp(k)≤δε,
对于任意的(p,q)∈{1,...,N}×{1,...,N},p≠q有解,
其未注明参数与步骤6表示含义相同。
步骤8、根据步骤5,可得
则可推出
结合步骤6和步骤2.1,求得
和
8.1、为了实现供水中水容积和流量的非负性,即体现正系统建模的优势,进一步结合步骤6和步骤2.1,可知
8.2、为了实现步骤3设计的约束方式,即状态约束与控制输入约束,进一步结合步骤6设计条件,可得出:
成立。
8.3、结合步骤6至步骤8.2,可得针对设计条件2.1供水网络模型预测状态反馈控制器为:
步骤9、针对步骤2.2设计的多胞体不确定性类型,依据步骤7,可得
进一步可推出
进一步根据步骤7设计条件,得出
和
则
根据以上推导,可知
和
9.1、结合步骤7和步骤9,可得针对设计条件2.2供水网络状态反馈控制器为:
本发明提出了一种基于分布式优化策略的供水管网容量平稳控制方法。该方法针对复杂供水网络容易出现的水罐水容积不稳定、水压时高时低的问题,建立了系统的状态空间数学模型,通过运用余正类型Lyapunov函数、分布式模型预测控制、优化等方法,实现了系统的稳定,保证了供水管网中水罐水容积的平稳。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1和2所示,以供水网络水罐中水的容积为实际研究对象,以供水水阀或抽水水泵的开度为控制输入,来建立多节点、分布式的状态空间模型。
步骤1、为了获取面向控制的供水网络模型,通过考虑状态成分、状态基本关系等,基于状态空间方法,构建下列时变离散方程:
其中
表示k时刻p节点网络中水罐水的体积,可用升表示,
表示n维欧几里得向量空间,n为自然数,表示水罐的数量。
分别表示k时刻p或q节点网络中操作水流的执行器阀门或抽水水泵开度,可用升每秒表示,
其中N为正整数,表示总节点个数,m
p表示p节点供水阀门或水泵的数目,m为整个水务网络所有水阀和水泵总数量。A
p(k),B
p(k)为k时刻p节点网络中加权矩阵,B
q(k)表示k时刻q节点网络中加权矩阵,这些加权矩阵可由安装在水罐中的容量测量传感器、安装在水阀或水泵上的流速表测得,其中
表示n×m维实数矩阵空间。在说明书附图中,图1给出一个由3个节点(A,B,C)组成的简单分布式供水网络系统,包含节点、消费群体、水阀、水罐、水泵和水源基本结构,它们也与我们生活用水或工业用水息息相关。
步骤2、由于供水系统长时间运行,很容易造成传感器及流速表老化等问题,每一时刻测量得出的加权矩阵很可能存在不确定性,为了克服这一困难,我们设计一种具有区间和多胞体不确定结构类型:
2.1、区间不确定类型:
其中,
A p,
B p和
为已知矩阵,是传感器或流速表测量每时刻加权矩阵A
p(k),B
p(k)的上下界矩阵,并设计
符号
表示矩阵每个元素分量对应的大小关系,如,
表示矩阵
A对应元素分量不大于矩阵A的元素分量,则
意味着矩阵
A p每个元素都为非负实数。
2.2、多胞体不确定类型:
对于任意的p=1,2,...,N和l=1,2,...,J,设计
成立,λ
l为已知给定的一组非负实数,需满足
即可,其中N,J为正整数,J表示顶点矩阵个数。
步骤3、由于物理上的限制,致使水罐内水的容积和执行器阀门或水泵开度不可能无限制大,即存在一定约束,所以考虑约束控制具有合理性,故采用如下设计方式:
||xp(k)||1≤δ,||up(k)||1≤η,
其中δ>0,η>0是已知给定常量,可根据水罐实际贮藏能力、阀门或水泵流速规格给定,||·||1表示标准的向量1-范数。
步骤4、设计一组基于分布式模型预测控制方法的状态反馈控制律,以实现供水网络水箱水容量的平衡控制,设计如下:
up(k+s|k)=Fp(k)xp(k+s|k),s=1,2,...,∞,p=1,2,...,N.
为了优化网络性能,以实现最优控制策略,考虑如下优化性能设计:
其中
为预测控制输入的增益矩阵;s表示预测步数,可根据需求进行设定;
表示从先前迭代中获取的控制输入;加权向量
ρ
p<0,
为要实际预期性能指标,由操作人员给定的向量;T表示转置。
步骤5、构造一个线性余正Lyapunov函数:
其中
为了达到所要实现的供水网络水罐水容积平衡控制,设计
对两侧从s=1到s=∞求和得
进一步可得
步骤6、针对步骤2.1区间不确定,设计常量
γ
p(k)>0,ε>0和向量
使得下列优化条件:
γp(k)≤δε,
对于任意的(p,q)∈{1,...,N}×{1,...,N},p≠q有解,其中,
T为矩阵或向量转置,其未注明参数与步骤1至步骤5含义相同。
步骤7、针对步骤2.2多胞体不确定,设计常量
γ
p(k)>0,ε>0和向量
使得下列优化条件:
γp(k)≤δε,
对于任意的(p,q)∈{1,...,N}×{1,...,N},p≠q有解,
其未注明参数与步骤6表示含义相同。
步骤8、根据步骤5,可得
则可推出
结合步骤6和步骤2.1,求得
和
8.1、为了实现供水中水容积和流量的非负性,即体现正系统建模的优势,进一步结合步骤6和步骤2.1,可知
8.2、为了实现步骤3设计的约束方式,即状态约束与控制输入约束,进一步结合步骤6设计条件,可得出:
成立。
8.3、结合步骤6至步骤8.2,可得针对设计条件2.1供水网络模型预测状态反馈控制器为:
步骤9、针对步骤2.2设计的多胞体不确定性类型,依据步骤7,可得
进一步可推出
进一步根据步骤7设计条件,得出
和
则
根据以上推导,可知
和
9.1、结合步骤7和步骤9,可得针对设计条件2.2供水网络状态反馈控制器为: