CN111062576A - 一种基于dma分区最不利点的压力管理系统 - Google Patents

一种基于dma分区最不利点的压力管理系统 Download PDF

Info

Publication number
CN111062576A
CN111062576A CN201911146598.4A CN201911146598A CN111062576A CN 111062576 A CN111062576 A CN 111062576A CN 201911146598 A CN201911146598 A CN 201911146598A CN 111062576 A CN111062576 A CN 111062576A
Authority
CN
China
Prior art keywords
pressure
dma
water supply
dma partition
partition
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
Application number
CN201911146598.4A
Other languages
English (en)
Other versions
CN111062576B (zh
Inventor
池学聪
钱民主
刘南军
陆佳元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panda Wisdom Water Business Co ltd
Original Assignee
Panda Wisdom Water Business Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Panda Wisdom Water Business Co ltd filed Critical Panda Wisdom Water Business Co ltd
Priority to CN201911146598.4A priority Critical patent/CN111062576B/zh
Publication of CN111062576A publication Critical patent/CN111062576A/zh
Application granted granted Critical
Publication of CN111062576B publication Critical patent/CN111062576B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Control Of Fluid Pressure (AREA)

Abstract

本发明涉及一种基于DMA分区最不利点的压力管理系统，包括数据库服务器、用户平台、消息调度中心和压力计算引擎；所述数据库服务器用于对DMA分区的采样数据进行存储；所述用户平台用于供用户设定管路模型数据；所述消息调度中心用于将所述数据库服务器中存储的采样数据和所述用户平台设定的管路模型数据发送至所述压力计算引擎；所述压力计算引擎根据采样数据和用户设定的管理模型数据计算得到DMA分区压力控制方案。本发明能应对复杂的DMA分区管网以及复杂多变的用水模式。

Description

一种基于DMA分区最不利点的压力管理系统
技术领域
本发明涉及自来水供水压力管理技术领域，特别是涉及一种基于DMA分区最不利点的压力管理系统。
背景技术
目前，随着城市范围的扩大，人口不断的增长，由于对自来水庞大的需求量已经超过了现有系统的供应，很多人口密集地区，特别是城市，还出现了间断性的断水现象，在用水高峰期，处在管网下游的居民或厂房经常出现供水量不足的现象；而用水低峰期，管网中富余的高压会造成水漏损及增加爆管事故的发生。据估算，我国城市公共供水系统的管网漏损率平均达21.5％。因此，如何降低城市供水管网的漏损率，减少水资源的浪费已成为供水工作中的重中之重。
由于管网漏失水量以及部分用户用水量(直接由市政供水管网提供压力的非容积式用水设备)与供水管网压力具有正相关关系，合理的压力调控是降低管网漏失的重要手段。可以通过DMA分区压力管理的方式，对各个区域的管网压力进行合理调控。
而现有的压力管理方法，比如固定阀后压(恒压控制)，基于时间控制，基于入口流量控制，都只能应对于用水模式比较固定或管网拓扑结构简单的管路，在面对管网拓扑结构不清楚，压力变化多端，压力无法与流量形成固定函数规律的管路上，就不能确定合理的减压方案，因此，管网容易存在较大的压力富余度或压力不足，漏损爆管也频发不止。
发明内容
本发明所要解决的技术问题是提供一种基于DMA分区最不利点的压力管理系统，能应对复杂的DMA分区管网以及复杂多变的用水模式。
本发明解决其技术问题所采用的技术方案是：提供一种基于DMA分区最不利点的压力管理系统，包括数据库服务器、用户平台、消息调度中心和压力计算引擎；所述数据库服务器用于对DMA分区的采样数据进行存储；所述用户平台用于供用户设定管路模型数据；所述消息调度中心用于将所述数据库服务器中存储的采样数据和所述用户平台设定的管路模型数据发送至所述压力计算引擎；所述压力计算引擎根据采样数据和用户设定的管理模型数据计算得到DMA分区压力控制方案。
所述压力计算引擎计算得到DMA分区压力控制方案具体方式如下：从采样数据中提取DMA分区入口流量特征，并预测下一供水周期的流量需求；从采样数据中提取DMA分区入口历史流量信息和历史最不利点压力信息，并利用神经网络算法得到入口流量Q和末端压降dP的关系拟合dP～Q曲线；根据得到dP～Q曲线和预测得到的下一供水周期的流量需求Q，得到下一供水周期内各时刻的压力调节目标值P2。
所述预测下一供水周期的流量需求时，采用机器学习的方式来预测DMA分区的入口流量，采集DMA分区的历史流量数据，提取DMA分区的用水特点，并在每一个供水周期通过学习，不断调整流量预测，使预测更加精准。
所述下一供水周期内各时刻的压力调节目标值P2＝Para+dP，其中，Para为最不利点服务压力基准，dP为与下一供水周期的流量需求Q匹配的压力差。
所述压力计算引擎在得到下一供水周期内各时刻的压力调节目标值P2后，还通过聚类算法对计算出来的压力调节目标值P2的形态进行钝化处理。
所述压力计算引擎周期性地从采样数据中提取最不利点的压力P3和DMA分区的入口流量，根据最不利点的压力P3和最不利点服务压力基准Para的差值来修正dP～Q曲线，从而优化调整得到最优化的下一供水周期内各时刻的压力调节目标值P2。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明具有自适应性，能够在线调整以适应复杂的管网和变化的用水模式，在每一个供水周期都可以对压力管理策略进行学习优化，得到最优化的匹配用水流量的压力管理方案。与其他压力管理方案相比，本发明更加节能，通过合适的压力管理可以减轻全局管网压力的负担，减少水厂或二次泵组的加压工作。通过本发明给出的合理的压力策略，带来更少的漏损，爆管，使DMA分区的漏失率降到最低。另外，应对复杂的管网和变化的用水模式，嵌入水力模型和算法分析的压力管理比人工更加高效。
附图说明
图1是本发明系统的总体结构框图；
图2是本发明中DMA分区压力管理仪表分布示意图；
图3是压力调节前后的压力富余曲线图；
图4是本发明中采用人工神经网络拟合结果图；
图5是聚类分析后的压力调节策略图；
图6是本发明方法步骤流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于DMA分区最不利点的压力管理系统，如图1所示，该压力管理系统与所述SCADA系统电连接，其主要包括数据库服务器、用户平台、消息调度中心和压力计算引擎。所述消息调度中心分别与所述数据库服务器、所述用户平台和所述压力计算引擎电连接。所述压力管理系统调用所述SCADA系统或物联网云平台中的DMA分区的采样数据，并将采样数据存入所述数据库服务器中；所述用户平台用于供用户设定管路模型数据；所述压力计算引擎定期通过所述消息调度中心从所述数据库服务器提取采样数据，以及从所述用户平台提取用户设定数值；所述消息调度中心用于实现所述用户平台、所述计算引擎和所述数据库服务器之间的数据交互。
如图2所示，所述DMA系统包含DMA分区自来水管路，以及布置于管网上的压力传感器、流量传感器和压力调节器，所述压力调节器应该是可以远程设置压力目标值的，形式是减压阀或能调节出口压力的装置。所述压力调节器安装在DMA分区的唯一入口处，把入口的来水压力调节为合适的压力值，来实现DMA分区的压力管理。
所述SCADA系统包含组态层，负责实时采集管网仪器仪表数据和下发压力调节执行数据，其可与物联网云平台综合使用，实时采集管网仪器仪表数据。
本实施方式中的用户平台的功能包含：管网模型数据的输入，最不利点位置和目标的设置，以及减压方案的模拟效果，实际效果的反馈。
所述计算引擎具备水力建模分析与算法分析的功能，负责根据管网的实时压力和流量数据以及用户平台层的用户参数设置，通过算法计算得出精准的DMA分区压力管理方案，是实现高效压力管理的关键。该压力计算引擎在计算得到DMA分区压力控制方案时，如图6所示，具体包括以下步骤：
S1:提取DMA分区入口流量特征，预测下一供水周期可能的流量需求；该步骤中，可以通过机器学习的方式来预测DMA分区的用户流量，采集DMA分区的历史流量数据，提取DMA取的用水特点，并在每一个供水周期通过学习，不断调整流量预测，使预测更加精准。
S2:根据DMA分区入口历史流量信息和DMA分区历史最不利点压力信息，利用神经网络算法提取入口流量Q和末端压降dP的关系，从而拟合dP～Q曲线，图4为采用人工神经网络拟合结果图。由于最不利点往往在管网末梢，所以受实际用水情况影响较大，当压力调节未稳定时，其压力波动与入口流量不会呈现固定的函数关系，但存在统计学关系，考虑到神经网络的自适应学习特点，因此此处采用人工神经网络拟合该dP～Q上限曲线。
S3:根据dP～Q曲线和预测得到下一供水周期的流量需求Q，求得下一供水周期内各时刻的P2；本实施方式中的压力管理方法是使DMA分区入口的压力始终匹配DMA分区的用户流量，始终使所述最不利点压力保持在压力服务基准附近(见图3)，并以此制定最优的压力调控策略，因此下一供水周期内各时刻的P2＝Para+dP，其中，Para为最不利点服务压力基准，dP为与下一供水周期的流量需求Q匹配的压力差，其取自dP～Q曲线。
S4:根据入口压力调节器的物理形态，控制其输出压力为P2；
S5:由于得到的下一供水周期内各时刻的P2是一个实时变化的曲线，因此为了得到实际可操作的压力，可以通过K-Means聚类算法对P2的形态进行钝化处理，图5为压力分为16段时K-Means聚类dP分段结果。
S6:在供水周期结束后一段时间，比如1小时，根据最不利点的压力P3和最不利点服务压力基准Para的差值来修正dP～Q曲线，以得到最优化的P2；也就是说，压力计算引擎周期性的提取所述最不利点压力P3和所述入口流量进行回传反馈，从而使得dP～Q曲线能在线更新，通过这样不断优化调整得到最优化的P2值。
不难发现，本发明具有自适应性，能够在线调整以适应复杂的管网和变化的用水模式，在每一个供水周期都可以对压力管理策略进行学习优化，得到最优化的匹配用水流量的压力管理方案。与其他压力管理方案相比，本发明更加节能，通过入口流量Q和末端压降dP相互匹配得到合适的压力管理方式，可以减轻全局管网压力的负担，减少水厂或二次泵组的加压工作。通过本发明给出的合理的压力策略，带来更少的漏损，爆管，使DMA分区的漏失率降到最低。另外，应对复杂的管网和变化的用水模式，嵌入水力模型和算法分析的压力管理比人工更加高效。

Claims (6)

1.一种基于DMA分区最不利点的压力管理系统，其特征在于，包括数据库服务器、用户平台、消息调度中心和压力计算引擎；所述数据库服务器用于对DMA分区的采样数据进行存储；所述用户平台用于供用户设定管路模型数据；所述消息调度中心用于将所述数据库服务器中存储的采样数据和所述用户平台设定的管路模型数据发送至所述压力计算引擎；所述压力计算引擎根据采样数据和用户设定的管理模型数据计算得到DMA分区压力控制方案。
2.根据权利要求1所述的基于DMA分区最不利点的压力管理系统，其特征在于，所述压力计算引擎计算得到DMA分区压力控制方案具体方式如下：从采样数据中提取DMA分区入口流量特征，并预测下一供水周期的流量需求；从采样数据中提取DMA分区入口历史流量信息和历史最不利点压力信息，并利用神经网络算法得到入口流量Q和末端压降dP的关系拟合dP～Q曲线；根据得到dP～Q曲线和预测得到的下一供水周期的流量需求Q，得到下一供水周期内各时刻的压力调节目标值P2。
3.根据权利要求1所述的基于DMA分区最不利点的压力管理系统，其特征在于，其特征在于，所述预测下一供水周期的流量需求时，采用机器学习的方式来预测DMA分区的入口流量，采集DMA分区的历史流量数据，提取DMA分区的用水特点，并在每一个供水周期通过学习，不断调整流量预测，使预测更加精准。
4.根据权利要求1所述的基于DMA分区最不利点的压力管理系统，其特征在于，所述下一供水周期内各时刻的压力调节目标值P2＝Para+dP，其中，Para为最不利点服务压力基准，dP为与下一供水周期的流量需求Q匹配的压力差。
5.根据权利要求1所述的基于DMA分区最不利点的压力管理系统，其特征在于，所述压力计算引擎在得到下一供水周期内各时刻的压力调节目标值P2后，还通过聚类算法对计算出来的压力调节目标值P2的形态进行钝化处理。
6.根据权利要求1所述的基于DMA分区最不利点的压力管理系统，其特征在于，所述压力计算引擎周期性地从采样数据中提取最不利点的压力P3和DMA分区的入口流量，根据最不利点的压力P3和最不利点服务压力基准Para的差值来修正dP～Q曲线，从而优化调整得到最优化的下一供水周期内各时刻的压力调节目标值P2。
CN201911146598.4A 2019-11-21 2019-11-21 一种基于dma分区最不利点的压力管理系统 Active CN111062576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911146598.4A CN111062576B (zh) 2019-11-21 2019-11-21 一种基于dma分区最不利点的压力管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911146598.4A CN111062576B (zh) 2019-11-21 2019-11-21 一种基于dma分区最不利点的压力管理系统

Publications (2)

Publication Number Publication Date
CN111062576A true CN111062576A (zh) 2020-04-24
CN111062576B CN111062576B (zh) 2023-08-18

Family

ID=70298319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911146598.4A Active CN111062576B (zh) 2019-11-21 2019-11-21 一种基于dma分区最不利点的压力管理系统

Country Status (1)

Country Link
CN (1) CN111062576B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099542A (zh) * 2020-09-10 2020-12-18 熊猫智慧水务有限公司 一种智能调压节水方法
CN112594553A (zh) * 2020-12-07 2021-04-02 熊猫智慧水务有限公司 一种基于压力目标曲线的管网压力调控方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107274302A (zh) * 2017-07-06 2017-10-20 大连理工大学 一种跨省互联水电站群长期联合调峰调度方法
US20180042189A1 (en) * 2016-08-11 2018-02-15 Rachio, Inc. Optimized flow control for water infrastructure
CN107767012A (zh) * 2017-08-25 2018-03-06 浙江钛合仪器有限公司 一种供水管网漏损管理系统及其建立方法和系统应用
CN109582836A (zh) * 2018-11-08 2019-04-05 熊猫智慧水务有限公司 一种供水计量管理系统
CN109784540A (zh) * 2018-12-18 2019-05-21 深圳市东深电子股份有限公司 一种基于dma分区的供水布局优化系统及优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180042189A1 (en) * 2016-08-11 2018-02-15 Rachio, Inc. Optimized flow control for water infrastructure
CN107274302A (zh) * 2017-07-06 2017-10-20 大连理工大学 一种跨省互联水电站群长期联合调峰调度方法
CN107767012A (zh) * 2017-08-25 2018-03-06 浙江钛合仪器有限公司 一种供水管网漏损管理系统及其建立方法和系统应用
CN109582836A (zh) * 2018-11-08 2019-04-05 熊猫智慧水务有限公司 一种供水计量管理系统
CN109784540A (zh) * 2018-12-18 2019-05-21 深圳市东深电子股份有限公司 一种基于dma分区的供水布局优化系统及优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李斌;张国力;聂锦旭;蒋浩;: "给水管网DMA优化分区方法研究综述", vol. 35, no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099542A (zh) * 2020-09-10 2020-12-18 熊猫智慧水务有限公司 一种智能调压节水方法
CN112594553A (zh) * 2020-12-07 2021-04-02 熊猫智慧水务有限公司 一种基于压力目标曲线的管网压力调控方法

Also Published As

Publication number Publication date
CN111062576B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN113657031B (zh) 基于数字孪生的供热调度自动化实现方法、系统及平台
US11893518B2 (en) Methods and systems of optimizing pressure regulation at intelligent gas gate stations based on internet of things
CN111206647B (zh) 城市供水的区域性加压泵站的无人值守控制器及控制方法
KR101674260B1 (ko) 상수관망 수운영 시스템 및 운영방법
CN111680429B (zh) 水箱主动调蓄方法及系统、电子设备、存储介质
CN111062576B (zh) 一种基于dma分区最不利点的压力管理系统
CN104917204A (zh) 一种风电场有功功率优化控制方法
CN105201565A (zh) 一种基于母管制的多机组汽轮机蒸汽流量实时分配方法
CN109403425B (zh) 供水管网的优化调度系统
KR100741691B1 (ko) 유비쿼터스 기술을 이용한 광역상수도 수운영시스템 및 그방법
CN110795845B (zh) 一种供热系统裕度量化计算方法和系统
CN117432941B (zh) 一种水厂供水压力的优化调整方法及系统
CN114936742A (zh) 一种供水系统调度代理决策方法
CN112066264A (zh) 管道液压调控方法、装置及系统
CN107330538A (zh) 一种气候变化条件下水库适应性调度规则编制的方法
US10581250B2 (en) System for generating real-time information and forecasts on power output regulation due to grid congestion in at least one power grid
CN114110716B (zh) 一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质
CN112482488A (zh) 一种城市错峰供水方法及系统
CN110965610B (zh) 一种基于mpc控制的双路调峰设备
Miller et al. Analyzing Pump Energy through Hydraulic Modeling
CN107423874A (zh) 一种城市用地增量指标确定方法、服务器及系统
Xu et al. Research on pressure optimization effect of high level water tank by drinking water network hydraulic model
CN113361763B (zh) 一种输气管网的全时段运行优化方法及系统
CN113205224B (zh) 一种基于热网储热的热电联产机组一次调频方法
CN116664340B (zh) 一种适用于干旱地区的灌域级水量调度方法

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