CN114003013A - 一种分层互联的智慧排水管网系统的控制系统 - Google Patents
一种分层互联的智慧排水管网系统的控制系统 Download PDFInfo
- Publication number
- CN114003013A CN114003013A CN202210000377.1A CN202210000377A CN114003013A CN 114003013 A CN114003013 A CN 114003013A CN 202210000377 A CN202210000377 A CN 202210000377A CN 114003013 A CN114003013 A CN 114003013A
- Authority
- CN
- China
- Prior art keywords
- control
- facility
- regulation
- pipe network
- value
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种分层互联的智慧排水管网系统的控制系统,包括感知单元、控制单元和智慧大脑,所述感知单元包括排水管网系统的监测设备,所述控制单元包括调控设施,所述智慧大脑包括电脑服务器,所述调控设施之间建立互联互通的网络通道,调控设施与感知单元之间也建立数据交互通道,用于在线交换数据信息,并对调控设施进行控制调度;所述智慧大脑与控制单元和感知单元建立网络连接,用于在线传输数据,实现监测感知和控制数据的集中存储、管理和分析,对排水管网系统的现状进行定量化诊断,向感知单元下达采集指令,向控制单元下达控制指令。
Description
技术领域
本发明属于给排水技术领域,具体涉及一种分层互联的智慧排水管网系统的控制系统。
背景技术
埋藏于城市地下的排水管网及设施,是城市重要的基础设施,更是城市的核心资产之一。与其他城市资产相比,排水管网资产呈现隐蔽性强、分布范围广、总资产量巨大、建设周期长及上下游关联影响等特征。目前,我国大多数城市缺少能反映排水管网真实现状的数据,部分规划设计方案偏离实际情况,对排水系统的运维主要依赖于主观经验,科学决策水平较低,城市排水系统管理运行的智能化程度不足。随着设施的不断建设更新,资产规模进一步扩大,使得排水管网系统的管理难度越来越大,主要体现在如下几个方面:
(1)大部分城市排水系统相关数据资料管理分散、不系统、不持续,排水管网相关资产数据不准确,缺少完整的排水管网相关资产数据;
(2)排水管网的监测工作开展的不系统不全面,监测点位确定方法仅为依靠经验,不能及时、准确地掌握排水系统运行状况的变化,不能有效进行系统诊断和调度控制;
(3)排水管网的相关设施建设自动化能力不足,调度控制、应急事故分析、安全预警分析等缺乏科学依据,调度工作智能化水平低;
(4)缺少可以部署在排水管网上的整体智慧化管控系统,排水系统控制水平较低,缺乏量化工具支撑。
发明内容
针对上述问题,本发明提供一种分层互联的智慧排水管网系统的控制系统,能将感知设备、控制设备、控制中心、应用软件等要素互联互通,将排水管网系统的各类信息进行有效的互联互通,建立多层次、多等级的动态调度方法策略,提高排水设施的管控能力和运行效率。
一种分层互联的智慧排水管网系统的控制系统,包括感知单元、控制单元和智慧大脑,所述感知单元包括排水管网系统的监测设备,所述控制单元包括调控设施,所述智慧大脑包括电脑服务器,所述调控设施之间建立互联互通的网络通道,调控设施与感知单元之间也建立数据交互通道,用于在线交换数据信息,并对调控设施进行控制调度;
所述智慧大脑与控制单元和感知单元建立网络连接,用于在线传输数据,实现监测感知和控制数据的集中存储、管理和分析,对排水管网系统的现状进行定量化诊断,向感知单元下达采集指令,向控制单元下达控制指令。
所述监测设备包括但不限于液位仪、流量仪、水质仪、雨量计。
所述调控设施包括但不限于排水管网上安装的、可以远程通讯及操作的电动堰门、电动闸门、截流井、在线调蓄池、雨污水泵站。
所述调控设施可以独立运行,也可以和感知单元中的监测设备互联运行,也可以和其他调控设施互联运行,也可以在智慧大脑的指令下互联运行,具有多种控制调度运行机制,满足多种调度调控的要求。
所述智慧大脑包括电脑服务器及其专业应用软件。
可选的,根据假设的智慧大脑的控制层级、所述控制单元中调控设施的在线率、所述感知单元中监测设备的在线率,计算假设的控制层级对应的可靠性指数,再根据可靠性指数的计算结果,判断控制层级的真实数值;
所述智慧大脑的控制层级要求分为4级,控制层级由高到低分别为系统控制、分区控制、设施控制和就地控制,各层级的控制复杂度依次降低,控制风险依次减少,所述感知单元的监测点数量需求依次减少。
所述控制层级为系统控制时,将由所述智慧大脑接管所述控制单元的所有控制指令;控制层级为分区控制时,所述智慧大脑按照排水分析对区域内的感知设备和调控设施进行计算分析,给出该分区内所有调控设施的调度指令;控制层级为设施控制时,所述智慧大脑按照控制单元的每个调控设施的监测点及上下游关联的感知设备进行计算分析,给出该调控设施的调度指令;控制层级为就地控制时,由现场人员手动操作调控设施的操作,不参考所述智慧大脑的任何计算指令。
可选的,基于智慧大脑的控制层级分析决策要求,计算监测点数量,并在排水管网系统中进行布设,组成所述感知单元,用于全面感知排水管网系统的动态运行情况,支持智慧大脑的数据分析和诊断决策,支持所述控制单元的调度运行;
所述感知单元中的监测点数量,根据排水管网系统的区域覆盖面积、排水管道长度、排水管道管径、检查井井深、所述智慧大脑中控制层级要求、所述控制单元中调控设施监测要求综合计算,从而避免监测点数量过少导致的控制效果不佳,或监测点数量过多导致的所述感知单元投资浪费。所述监测点数量具体由以下公式确定:
式(1)中,
M:所述感知单元中流量监测点的布置数量,计算结果根据四舍五入原则取整数;
A:排水管网系统的区域覆盖面积,km2;
A1:单个监测点覆盖的最大区域面积,取值范围为2-4,根据单个监测点所在地的地形复杂度决定,地形越复杂取值越低,km2;
Lv:所述智慧大脑中的控制层级要求:系统控制时,Lv取值为3;分区控制时,Lv取值为2;设施控制时,Lv取值为1;就地控制时,Lv取值为0;
Li:排水管网系统的区域内,每段排水管道的长度,km;
Di:排水管网系统的区域内,每段排水管道的管径,m;
n:排水管网系统的区域内,排水管道的个数;
p:排水管网系统的区域内,排水检查井的个数;
L1:单个监测点覆盖的最大排水管道长度,取值范围为16-20,根据单个监测点覆盖的管网连接复杂度决定,管网连接关系越复杂取值越低,km;
M0:原始排水管网设计的流量监测点数量,由排水管网的工程设计规划提供;
q:所述控制单元中调控设施的个数。
进一步可选的,A1的取值方法为:当坡度垂直落差大于2m或地形弯曲角度大于40°时,A1的取值为2;当坡度垂直落差不大于2m或地形弯曲角度不大于40°时,A1的取值为3;当坡度垂直落差不大于1m或地形弯曲角度不大于20°时,A1的取值为4。
可选的,L1的取值方法为:当管网中具有并联管道的并联分支点大于8个时,L1的取值为16;当管网中具有并联管道的并联分支点不大于8个时,L1的取值为17;当管网中具有并联管道的并联分支点不大于6个时,L1的取值为18;当管网中具有并联管道的并联分支点不大于4个时,L1的取值为19;当管网中具有并联管道的并联分支点不大于2个时,L1的取值为20。
可选的,步骤S300中,所述智慧大脑的控制层级根据所述控制单元中调控设施的在线率,以及所述感知单元中监测设备的在线率和数据有效率而自动调整。所述控制层级Lv取值分别为3、2、1时,依次根据以下公式计算控制层级对应的可靠性指数,当可靠性指数不小于90%时,所述控制层级即为计算时控制层级的取值。当控制层级Lv的取值为1且可靠性指数计算值小于90%时,所述控制层级为就地控制。
式(2)中,
IDXLv:对应所述控制层级取值为Lv的可靠性指数;
OLi:所述感知单元中参与控制的每个监测设备24h内是否与所述智慧大脑建立至少一次通讯连接,如果有取值为1,否则为0;
m:所述感知单元中参与控制的监测设备的个数;
DTi:所述感知单元中参与控制的每个监测设备24h内实际采集的数据总数与应采集数据总数之间的比值;
MLv:对应所述智慧大脑的控制层级取值为Lv时,根据式(1)计算的所述感知单元中流量监测点的布置数量;
γ:所述感知单元的可靠性权重,取值范围为30%-50%,所述控制单元中调控设施运行情况及质量情况越好,取值越高;
CLi:所述控制单元中每个调控设施1h内是否与所述智慧大脑建立至少一次通讯连接且工作正常,如果有且工作正常取值为1,否则为0;
q:所述控制单元调控设施的个数。
进一步可选的,γ的计算公式为:
式(3)中,
γ:所述感知单元的可靠性权重;
H:所述控制单元中所有调控设施在1h内出现故障的次数,若无故障,H取值为1;若故障次数大于3次,则H取值为3;
a和b:计算常数,a=0.3,b=0.2。
在实际计算时,先假设所述智慧大脑的控制层级为某一确定数值,然后带入计算所述感知单元中监测点的布置数量,再将计算得到的监测点的布置数量带入计算所述可靠性指数,若得到的可靠性指数不小于90%,则控制层级即为上述假设的数值,若得到的可靠性指数小于90%,则假设控制层级为另一数值,重新进行上述计算步骤,直至可靠性指数不小于90%。
可选的,利用调控设施的设计能力、当前使用情况、所述感知单元中该调控设施上游最近布设的流量监测仪表的在线数据、所述感知单元中该调控设施上游第二级布设的流量监测仪表的在线数据、所述感知单元中该调控设施下游所有布设的流量监测仪表的在线数据进行综合计算,得到该调控设施的动态控制水量,为该调控设施的动态控制提供依据。
基于上游最近一级(以下简称第一级)流量监测数据和上游第二级(以下简称第二级)流量监测数据,具体为,在考虑流经时间延时的情况下,一个调控设施的第二级流量监测设备到该调控设施的第一级流量监测设备的流量(相当于系统增量),减去第一级流量监测设备到达该控制设施的流量(相当于当前已经输送的量),再加上当前该控制设施的实际流量(相当于当前流量监测数据),得到流量控制目标值;以上计算得到的流量控制目标值能够按照时序持续反馈控制。
具体由以下公式确定该调控设施的流量控制目标值:
式(4)中,
Qcon,t:所述控制单元中其中一个调控设施在t时刻的流量控制目标值,m3/s;
Nup1:所述感知单元中该调控设施的第一级布设的流量监测设备的数量;
Nup2,j:第一级布设的第j个流量监测设备对应的第二级流量监测设备的数量;
LLj:第一级布设的第j个流量监测设备距离调控设施的管道长度,m;
Vj,t:第一级布设的第j个流量监测设备在t时刻采集的流速监测数据,m/min;LLj/Vj,t为所述第j个流量监测设备到该调控设施的流经时间;
LLj,k:第一级布设的第j个流量监测设备对应的第二级布设的第k个流量监测设备距离调控设施的管道长度,m;
Vj,k,t:第一级布设的第j个流量监测设备对应的第二级布设的第k个流量监测设备在t时刻采集的流速监测数据,m/min;
Qj,k,i:第一级布设的第j个流量监测设备对应的第二级布设的第k个流量监测设备在i时刻采集的流量监测数据,m3/s;
Qj,i:第一级布设的第j个流量监测设备在i时刻采集的流量监测数据,m3/s;
Qt:t时刻该调控设施的当前流量监测数据,m3/s。
然后,将流量控制目标值Qcon,t与该调控设施的最大设计流量、下游布设的每一个流量监测设备所在排水管道的最大设计流量与该监测点位t时刻流量值的差值再加上Qt的数值逐一对比,选择最小值作为当前时刻该调控设施的流量控制值,并下发该调控设施通过反馈控制进行执行。
可选的,根据调控设施上游的所述感知单元中液位监测仪表的在线数据,增大对应调控设施的流量控制值,以防止上游管网发生冒溢现象。具体的,所述控制单元中每一个调控设施在反馈控制过程中,将实时跟踪上游最近一级布设的每个液位监测仪表的在线数据和该调控设施上游第二级布设的每个液位监测仪表的在线数据,当存在某个液位监测仪表的液位数据高于对应监测点位设定的预警水位线时,取该液位监测仪表的实时流量数据的10%作为第一变化量,增大该调控设施的流量控制值,以尽可能防止上游管网发生冒溢现象;
可选的,根据调控设施下游的所述感知单元中液位监测仪表的在线数据,减小对应调控设施的流量控制值,以防止下游管道超出运输能力而发生溢流现象。具体的,实时跟踪该调控设施下游布设的每个流量监测仪表的在线数据,当存在某个液位监测仪表的液位数据高于对应监测点位设定的预警水位线时,取该调控设施的实时流量值的10%为第二变化量,减少该调控设施的流量控制值,以尽可能防止下游管道超出运输能力而发生溢流现象。
采用本发明所述的分层互联的智慧排水管网系统的控制系统,具有以下有益效果:
(1)能够将控制单元与感知单元建立网络连接,实现排水管网系统监测数据和控制数据集中存储、管理和分析,实现现状排水管网的定量化诊断,有效指导监测设备及调控设施的点位布设及互联策略,提高排水管网系统的运行效率;
(2)建立了基于数据的新型排水管理决策方式,指导相关监测设备的科学布点,避免感知单元投资浪费,可以科学指导闸阀、调蓄、截流等排水设施的联动控制,实现了排水管网系统的量化诊断、精准改造、动态调度和安全运行,有效提高了排水管网的智能化管理水平;
(3)可以根据数据完备情况,自动调整所述智慧大脑的控制层级,保证了控制安全;依据上下游多个数据确定调控设施的控制流量,确保了流量控制的准确性和有效性;在控制中实时跟踪排水管网调控风险,及时进行控制调整,可以保证排水管网安全运行,避免冒溢事件的发生;
(4)适用范围能够涵盖整个城市,甚至延伸至整个排水流域,可以指导城市或地区建立科学有效的智慧排水系统,提高排水管网的数字化、智能化管理能力,可逐步实现从局部到整体的系统联动控制,实现流域级别的排水管网综合良好管理和科学动态调度。
综上可知,本发明所述的分层互联的智慧排水管网系统的控制系统,具有全面感知、智慧分析、科学诊断、有效控制、安全运行的特征,将感知单元与控制单元的信息进行统一管理,并实现各个调控设施与监测设备的有效数据传输和动态交互,可以实现排水管网系统的量化诊断、动态调控和安全监控,通过该系统的实施和运行,可以实现排水管网系统的智能化管理。
附图说明
图1为分层互联的智慧排水管网系统的控制系统的总体结构示意图;
图2为所述控制单元中调控设施与上下游监测设备的关系示意图。
具体实施方式
实施例1
某市的一个排水管网系统的覆盖面积为13km2,包含120km排水管道、7780段排水管道、7800个排水节点(即检查井)、1座调蓄池、2座排水泵站、1座污水处理厂。
本实施例所述的分层互联的智慧排水管网系统的控制系统,如图1-图2所示,包括感知单元、控制单元和智慧大脑,所述感知单元包括排水管网系统的监测设备,所述控制单元包括调控设施,包括1座调蓄池、2座排水泵站和1座污水处理厂;所述智慧大脑包括电脑服务器,在污水处理厂的中控室建立服务器及网络设施,安装相应的专业应用软件,形成所述智慧大脑;所述调控设施之间建立互联互通的网络通道,调控设施与感知单元之间也建立数据交互通道,用于在线交换数据信息,并对调控设施进行控制调度;
所述智慧大脑与控制单元和感知单元建立网络连接,用于在线传输数据,实现监测感知和控制数据的集中存储、管理和分析,对排水管网系统的现状进行定量化诊断,向感知单元下达采集指令,向控制单元下达控制指令。
基于智慧大脑的控制层级分析决策要求,计算监测点数量,并在排水管网系统中进行布设,组成所述感知单元,用于全面感知排水管网系统的动态运行情况,支持智慧大脑的数据分析和诊断决策,支持所述控制单元的调度运行;
收集该区域的排水管网分布图和相关数据,根据下列公式(1)计算监测点数量:
式(1)中的参数取值如下:
M:所述感知单元中监测点的布置数量,计算结果为max(8.7,19.8,13)+6≈26;
A:排水管网系统的区域覆盖面积,取值为13km2;
A1:每个监测点覆盖的最大区域面积,该区域的坡度垂直落差不大于2m且地形无弯曲,A1的取值为3km2;
Lv:所述智慧大脑中的控制层级,该区域的目标为实现分区控制,则取值为2;
Li:排水管网系统的区域内,每段排水管道的长度,km;Li的取值例如0.015、0.02、0.012、0.018……;
Di:排水管网系统的区域内,每段排水管道的管径,m;Di的取值例如0.8、0.9、1.0、1.2……;
n:排水管网系统的区域内,排水管道的个数,取值为7780;
hi:排水管网系统的区域内,每个排水检查井的井深,m;
p:排水管网系统的区域内,排水检查井的个数,取值为7800;
L1:单个监测点覆盖的最大排水管道长度,管网中具有并联管道的并联分支点大于8个时,L1的取值为16;
M0:原始排水管网设计的监测点数量,取值为13;
Smi:所述控制单元中每个调控设施需要的监测点数量,根据分析,1座调蓄池、2座排水泵站各需要2个监测点;
q:所述控制单元中调控设施的个数,取值为3,调控设施为1座调蓄池、2座排水泵站。
在该排水区域安装相应数量的26台排水管网流量计,并增加安装1台雨量计,由于本实施例选用的流量计同时可以采集液位、流速、流量、水温、电导率5个参数,因此不在该排水管网系统中单独安装液位计。将26台排水管网监测流量计和1台排水分区雨量计组成所述感知单元,并通过无线网络接入智慧大脑,动态采集相关监测数据,全面感知排水管网系统的动态运行情况,支持控制单元中1座调蓄池、2座排水泵站、1座污水处理厂的调度运行;改造1座调蓄池、2座排水泵站的自控系统,将信号通过有线网络方式更为可靠的接入智慧大脑,并实现远程操控功能,同时确保各个调控设施可以相互看到工况运行情况,也可以在各个调控设施的现场看到相应设施上下游的监测点数据。
通过上述感知单元、控制单元和智慧大脑的建设,实现了该区域排水管网系统的27个监测设备和3座调控设施的相关控制数据的集中存储、管理和分析,并可在污水处理厂的调度运行中参考相关数据。该系统可以对区域内现状排水管网进行定量化诊断,通过智慧大脑向监测设备下达采集指令,向调控设施下达控制指令,实现排水管网系统的有效联动运行。
根据假设的智慧大脑的控制层级、所述控制单元中调控设施的在线率、所述感知单元中监测设备的在线率,计算假设的控制层级对应的可靠性指数,再根据可靠性指数的计算结果,判断控制层级的真实数值。
所述智慧大脑的控制层级要求分为4级,控制层级由高到低分别为系统控制、分区控制、设施控制和就地控制,各层级的控制复杂度依次降低,控制风险依次减少,所述感知单元的监测点数量需求依次减少。
所述控制层级为系统控制时,将由所述智慧大脑接管所述控制单元的所有控制指令;控制层级为分区控制时,所述智慧大脑按照排水分析对区域内的感知设备和调控设施进行计算分析,给出该分区内所有调控设施的调度指令;控制层级为设施控制时,所述智慧大脑按照控制单元的每个调控设施的监测点及上下游关联的感知设备进行计算分析,给出该调控设施的调度指令;控制层级为就地控制时,由现场人员手动操作调控设施的操作,不参考所述智慧大脑的任何计算指令。
所述智慧大脑的控制层级根据所述控制单元中调控设施的在线率,以及所述感知单元中监测设备的在线率和数据有效率而自动调整。所述控制层级Lv取值分别为3、2、1时,依次根据以下公式计算控制层级对应的可靠性指数,当可靠性指数不小于90%时,所述控制层级即为计算时控制层级的取值。当控制层级Lv的取值为1且可靠性指数计算值小于90%时,所述控制层级为就地控制。
式(2)中,
IDXLv:对应所述控制层级取值为Lv=2的可靠性指数;
OLi:所述感知单元中参与控制的每个监测设备24h内是否与所述智慧大脑建立至少一次通讯连接,由于监测设备运行正常,26台流量计均取值为1;
m:所述感知单元中参与控制的监测设备的个数,取值为26;
DTi:所述感知单元中参与控制的每个监测设备24h内实际采集的数据总数与应采集数据总数之间的比值,由于及时维护管理,26台流量计的DTi数据始终在95%以上,例如98%、97%、99%、99%……,以上26个数据分别乘以1,再加和,得到的计算值为2522%;
MLv:对应所述智慧大脑的控制层级取值为2时,根据式(1)计算的所述感知单元中监测点的布置数量,取值为26;
γ:所述感知单元的可靠性权重,计算公式为:
式(3)中,
H:在95%的运行时间内,所述控制单元中所有调控设施在1h内出现故障的次数平均为4次,则H取值为3;
a和b:计算常数,a=0.3,b=0.2;γ的计算结果为30%;
CLi:所述控制单元中每个调控设施1h内是否与所述智慧大脑建立至少一次通讯连接且工作正常,如果有且工作正常取值为1,否则为0;由于及时维护,3个调控设施始终保持正常工作状态而且通讯状况良好,3个调控设施均取值为1;
q:所述控制单元调控设施的个数,取值为3。
则式(2)的计算为:
IDX2计算结果为99.1%。该排水管网系统建设之后,调控设施运行情况良好,可靠性指数计算值在95%的运行时间内为98%以上,所述智慧大脑的控制层级为2级,实现了该区域的分区控制。
利用调控设施的设计能力、当前使用情况、所述感知单元中该调控设施上游最近布设的流量监测仪表的在线数据、所述感知单元中该调控设施上游第二级布设的流量监测仪表的在线数据、所述感知单元中该调控设施下游所有布设的流量监测仪表的在线数据进行综合计算,得到该调控设施的动态控制水量,为该调控设施的动态控制提供依据。
基于上游最近一级(以下简称第一级)流量监测数据和上游第二级(以下简称第二级)流量监测数据,具体为,在考虑流经时间延时的情况下,一个调控设施的第二级流量监测设备到该调控设施的第一级流量监测设备的流量(相当于系统增量),减去第一级流量监测设备到达该控制设施的流量(相当于当前已经输送的量),再加上当前该控制设施的实际流量(相当于当前流量监测数据),得到流量控制目标值;以上计算得到的流量控制目标值能够按照时序持续反馈控制。
具体由以下公式确定该调控设施的流量控制目标值:
式(4)中,
Qcon,t:所述控制单元中一个排水泵站在t时刻的流量控制目标值,计算得1.2m3/s;
Nup1:所述感知单元中该排水泵站的第一级布设的流量监测设备的数量为1个;
Nup2,j:第一级布设的第1个流量监测设备对应的第二级流量监测设备的数量为2个;
LLj:第一级布设的第1个流量监测设备距离排水泵站的管道长度,取值为800m;
Vj,t:第一级布设的第1个流量监测设备在t时刻采集的流速监测数据,取值为48m/min;LLj/Vj,t为所述第1个流量监测设备到排水泵站的流经时间为16.7min;
LLj,k:第一级布设的第1个流量监测设备对应的第二级布设的第1个和第2个流量监测设备距离排水泵站的管道长度,分别为1500m,1300m;
Vj,k,t:第一级布设的第1个流量监测设备对应的第二级布设的第1个和第2个流量监测设备在t时刻采集的流速监测数据,分别为36m/min,30m/min;
Qj,k,i:第一级布设的第1个流量监测设备对应的第二级布设的第1个和第2个流量监测设备在i时刻采集的流量监测数据,m3/s;取值时,Q1,1,i为第二级布设的第1个流量监测设备为从t时刻的41分钟前到t时刻16分钟前的流量数据,例如0.6、0.7、0.6;Q1,2,i为第二级布设的第2个二级流量为从t时刻的43分钟前到t时刻16分钟前的流量数据,例如0.5、0.6、0.6……;
Qj,i:第一级布设的第1个流量监测设备在i时刻采集的流量监测数据,取值时,Q1,i为从t时刻的16分钟前到t时刻的流量数据,m3/s;,例如1.1、1.2、1.1、1.1……
Qt:t时刻排水泵站的当前流量监测数据,取值为1.1m3/s。
则式(4)的计算为:
然后,将流量控制目标值Qcon,t(1.2 m3/s)与该排水泵站的最大设计流量(1.5 m3/s)、下游布设的1个流量监测设备所在排水管道的最大设计流量与该监测点位t时刻流量值的差值再加上Qt的数值(2.5-2+1.1=1.6 m3/s),逐一对比,选择最小值1.2 m3/s作为当前时刻该排水泵站的流量控制值,并下发该排水泵站,通过反馈控制进行执行。在执行后再根据监测数据的反馈情况,在下一个控制周期重新计算流量控制目标值进行连续的反馈控制,从而实现排水设施的自动控制及执行。
可选的,根据调控设施上游的所述感知单元中液位监测仪表的在线数据,增大对应调控设施的流量控制值,以防止上游管网发生冒溢现象。具体的,控制单元中每一个调控设施在反馈控制过程中,将实时跟踪上游最近一级布设的每个液位监测仪表的在线数据和该调控设施上游第二级布设的每个液位监测仪表的在线数据,当存在某个液位监测仪表的液位数据高于对应监测点位设定的预警水位线时,取该液位监测仪表的实时流量数据的10%作为第一变化量,增大该调控设施的流量控制值,以尽可能防止上游管网发生冒溢现象。
如某上游点位的预警液位为3m,某时刻监测水位为3.787m,该点位当期流量值为0.6m/s,则增大调控设施的流量控制值为该点位当期流量值的10%即0.06m/s,之后调控设施的流量控制值为0.66m/s,则能尽快输送上游来水,降低上游水位,有效防止该点位发生水位持续上涨导致的冒溢现象。
可选的,根据调控设施下游的所述感知单元中液位监测仪表的在线数据,减小对应调控设施的流量控制值,以防止下游管道超出运输能力而发生溢流现象。具体的,实时跟踪该调控设施下游布设的每个流量监测仪表的在线数据,当存在某个液位监测仪表的液位数据高于对应监测点位设定的预警水位线时,取该调控设施的实时流量值的10%为第二变化量,减少该调控设施的流量控制值,以尽可能防止下游管道超出运输能力而发生溢流现象。
如某下游点位的预警液位为6m,某时刻监测水位为6.452m,该点位当期流量值为1.4m/s,则减少调控设施的流量控制值为该点位当期流量值的10%即0.14m/s,之后调控设施的流量控制值为1.26 m/s,则能减少向下游输送的水量,减少水力负荷,降低下游的水位,有效防止该点位由于流量过大而水位持续上涨导致的溢流现象。
Claims (10)
1.一种分层互联的智慧排水管网系统的控制系统,其特征在于,包括感知单元、控制单元和智慧大脑,所述感知单元包括排水管网系统的监测设备,所述控制单元包括调控设施,所述智慧大脑包括电脑服务器,所述调控设施之间建立互联互通的网络通道,调控设施与感知单元之间也建立数据交互通道,用于在线交换数据信息,并对调控设施进行控制调度;
所述智慧大脑与控制单元和感知单元建立网络连接,用于在线传输数据,实现监测感知和控制数据的集中存储、管理和分析,对排水管网系统的现状进行定量化诊断,向感知单元下达采集指令,向控制单元下达控制指令。
2.根据权利要求1所述的控制系统,其特征在于,根据假设的智慧大脑的控制层级、所述控制单元中调控设施的在线率、所述感知单元中监测设备的在线率,计算假设的控制层级对应的可靠性指数,再根据可靠性指数的计算结果,判断控制层级的真实数值;
所述智慧大脑的控制层级要求分为4级,控制层级由高到低分别为系统控制、分区控制、设施控制和就地控制,各层级的控制复杂度依次降低,控制风险依次减少,所述感知单元的监测点数量需求依次减少。
3.根据权利要求2所述的控制系统,其特征在于,所述控制层级为系统控制时,将由所述智慧大脑接管所述控制单元的所有控制指令;控制层级为分区控制时,所述智慧大脑按照排水分析对区域内的感知设备和调控设施进行计算分析,给出该分区内所有调控设施的调度指令;控制层级为设施控制时,所述智慧大脑按照控制单元的每个调控设施的监测点及上下游关联的感知设备进行计算分析,给出该调控设施的调度指令;控制层级为就地控制时,由现场人员手动操作调控设施的操作,不参考所述智慧大脑的任何计算指令。
4.根据权利要求3所述的控制系统,其特征在于,基于智慧大脑的控制层级分析决策要求,计算监测点数量,并在排水管网系统中进行布设,组成所述感知单元,用于全面感知排水管网系统的动态运行情况,支持智慧大脑的数据分析和诊断决策,支持所述控制单元的调度运行;
所述感知单元中的监测点数量,根据排水管网系统的区域覆盖面积、排水管道长度、排水管道管径、检查井井深、所述智慧大脑中控制层级要求、所述控制单元中调控设施监测要求综合计算,所述监测点数量具体由以下公式确定:
式(1)中,
M:所述感知单元中流量监测点的布置数量,计算结果根据四舍五入原则取整数;
A:排水管网系统的区域覆盖面积,km2;
A1:单个监测点覆盖的最大区域面积,取值范围为2-4,根据单个监测点所在地的地形复杂度决定,地形越复杂取值越低,km2;
Lv:所述智慧大脑中的控制层级要求:系统控制时,Lv取值为3;分区控制时,Lv取值为2;设施控制时,Lv取值为1;就地控制时,Lv取值为0;
Li:排水管网系统的区域内,每段排水管道的长度,km;
Di:排水管网系统的区域内,每段排水管道的管径,m;
n:排水管网系统的区域内,排水管道的个数;
hi:排水管网系统的区域内,每个排水检查井的井深,m;
p:排水管网系统的区域内,排水检查井的个数;
L1:单个监测点覆盖的最大排水管道长度,取值范围为16-20,根据单个监测点覆盖的管网连接复杂度决定,管网连接关系越复杂取值越低,km;
M0:原始排水管网设计的流量监测点数量,由排水管网的工程设计规划提供;
Smi:所述控制单元中每个调控设施需要的监测点数量;
q:所述控制单元中调控设施的个数。
5.根据权利要求4所述的控制系统,其特征在于,A1的取值方法为:当坡度垂直落差大于2m或地形弯曲角度大于40°时,A1的取值为2;当坡度垂直落差不大于2m或地形弯曲角度不大于40°时,A1的取值为3;当坡度垂直落差不大于1m或地形弯曲角度不大于20°时,A1的取值为4。
6.根据权利要求4所述的控制系统,其特征在于,L1的取值方法为:当管网中具有并联管道的并联分支点大于8个时,L1的取值为16;当管网中具有并联管道的并联分支点不大于8个时,L1的取值为17;当管网中具有并联管道的并联分支点不大于6个时,L1的取值为18;当管网中具有并联管道的并联分支点不大于4个时,L1的取值为19;当管网中具有并联管道的并联分支点不大于2个时,L1的取值为20。
7.根据权利要求6所述的控制系统,其特征在于,步骤S300中,所述控制层级Lv取值分别为3、2、1时,依次计算控制层级对应的可靠性指数,当可靠性指数不小于90%时,所述控制层级即为计算时控制层级的取值;当控制层级Lv的取值为1且可靠性指数计算值小于90%时,所述控制层级为就地控制。
8.根据权利要求2所述的控制系统,其特征在于,所述可靠性指数的计算公式如下:
式(2)中,
IDXLv:对应所述控制层级取值为Lv的可靠性指数;
OLi:所述感知单元中参与控制的每个监测设备24h内是否与所述智慧大脑建立至少一次通讯连接,如果有取值为1,否则为0;
m:所述感知单元中参与控制的监测设备的个数;
DTi:所述感知单元中参与控制的每个监测设备24h内实际采集的数据总数与应采集数据总数之间的比值;
MLv:对应所述智慧大脑的控制层级取值为Lv时,根据式(1)计算的所述感知单元中流量监测点的布置数量;
γ:所述感知单元的可靠性权重,取值范围为30%-50%,所述控制单元中调控设施运行情况及质量情况越好,取值越高;
CLi:所述控制单元中每个调控设施1h内是否与所述智慧大脑建立至少一次通讯连接且工作正常,如果有且工作正常取值为1,否则为0;
q:所述控制单元调控设施的个数。
10.根据权利要求9所述的控制系统,其特征在于,利用调控设施的设计能力、当前使用情况、所述感知单元中该调控设施上游最近布设的流量监测仪表的在线数据、所述感知单元中该调控设施上游第二级布设的流量监测仪表的在线数据、所述感知单元中该调控设施下游所有布设的流量监测仪表的在线数据进行综合计算,得到该调控设施的动态控制水量,为该调控设施的动态控制提供依据;
基于上游最近一级流量监测数据和上游第二级流量监测数据,由以下公式确定该调控设施的流量控制目标值:
式(4)中,
Qcon,t:所述控制单元中其中一个调控设施在t时刻的流量控制目标值,m3/s;
Nup1:所述感知单元中该调控设施的第一级布设的流量监测设备的数量;
Nup2,j:第一级布设的第j个流量监测设备对应的第二级流量监测设备的数量;
LLj:第一级布设的第j个流量监测设备距离调控设施的管道长度,m;
Vj,t:第一级布设的第j个流量监测设备在t时刻采集的流速监测数据,m/min;LLj/Vj,t为所述第j个流量监测设备到该调控设施的流经时间;
LLj,k:第一级布设的第j个流量监测设备对应的第二级布设的第k个流量监测设备距离调控设施的管道长度,m;
Vj,k,t:第一级布设的第j个流量监测设备对应的第二级布设的第k个流量监测设备在t时刻采集的流速监测数据,m/min;
Qj,k,i:第一级布设的第j个流量监测设备对应的第二级布设的第k个流量监测设备在i时刻采集的流量监测数据,m3/s;
Qj,i:第一级布设的第j个流量监测设备在i时刻采集的流量监测数据,m3/s;
Qt:t时刻该调控设施的当前流量监测数据,m3/s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210000377.1A CN114003013B (zh) | 2022-01-04 | 2022-01-04 | 一种分层互联的智慧排水管网系统的控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210000377.1A CN114003013B (zh) | 2022-01-04 | 2022-01-04 | 一种分层互联的智慧排水管网系统的控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114003013A true CN114003013A (zh) | 2022-02-01 |
CN114003013B CN114003013B (zh) | 2022-04-15 |
Family
ID=79932475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210000377.1A Active CN114003013B (zh) | 2022-01-04 | 2022-01-04 | 一种分层互联的智慧排水管网系统的控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114003013B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975767A (zh) * | 2023-09-14 | 2023-10-31 | 长沙弘汇电子科技有限公司 | 基于大数据分析的智慧水务监测系统和灾害推演方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050197847A1 (en) * | 2004-03-08 | 2005-09-08 | Smith Renato L. | Facility management computer system operable for receiving data over a network generated by users and sensors |
CN103543706A (zh) * | 2013-08-22 | 2014-01-29 | 北京清控人居环境研究院有限公司 | 一种排水物联网系统 |
CN110673566A (zh) * | 2019-10-23 | 2020-01-10 | 上海交通大学 | 一种污水混合收集管网的多层智慧监管系统与运行方法 |
CN112093828A (zh) * | 2020-09-04 | 2020-12-18 | 中交疏浚技术装备国家工程研究中心有限公司 | 基于云计算的分散式污水处理智能平台 |
CN113837453A (zh) * | 2021-09-08 | 2021-12-24 | 中建三局绿色产业投资有限公司 | 深层污水排水隧道智慧运营系统 |
-
2022
- 2022-01-04 CN CN202210000377.1A patent/CN114003013B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050197847A1 (en) * | 2004-03-08 | 2005-09-08 | Smith Renato L. | Facility management computer system operable for receiving data over a network generated by users and sensors |
CN103543706A (zh) * | 2013-08-22 | 2014-01-29 | 北京清控人居环境研究院有限公司 | 一种排水物联网系统 |
CN110673566A (zh) * | 2019-10-23 | 2020-01-10 | 上海交通大学 | 一种污水混合收集管网的多层智慧监管系统与运行方法 |
CN112093828A (zh) * | 2020-09-04 | 2020-12-18 | 中交疏浚技术装备国家工程研究中心有限公司 | 基于云计算的分散式污水处理智能平台 |
CN113837453A (zh) * | 2021-09-08 | 2021-12-24 | 中建三局绿色产业投资有限公司 | 深层污水排水隧道智慧运营系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975767A (zh) * | 2023-09-14 | 2023-10-31 | 长沙弘汇电子科技有限公司 | 基于大数据分析的智慧水务监测系统和灾害推演方法 |
CN116975767B (zh) * | 2023-09-14 | 2023-12-08 | 长沙弘汇电子科技有限公司 | 基于大数据分析的智慧水务监测系统和灾害推演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114003013B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108916986B (zh) | 信息物理融合的二级管网变流量水力平衡调控方法及系统 | |
CN1312629C (zh) | 城市排水系统不确定水力学模型建模方法 | |
Karadirek et al. | Implementation of hydraulic modelling for water-loss reduction through pressure management | |
WO2021259009A1 (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
García-Ávila et al. | Pressure management for leakage reduction using pressure reducing valves. Case study in an Andean city | |
US10113304B2 (en) | System and method for agent-based control of sewer infrastructure | |
Bhave | Optimal design of water distribution networks | |
CN114003013B (zh) | 一种分层互联的智慧排水管网系统的控制系统 | |
Cembrano et al. | PLIO: a generic tool for real-time operational predictive optimal control of water networks | |
CN111680429B (zh) | 水箱主动调蓄方法及系统、电子设备、存储介质 | |
Kändler et al. | Controlling peak runoff from plots by coupling street storage with distributed real time control | |
CN112596386A (zh) | 基于Matlab的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型 | |
CN113050430A (zh) | 一种基于鲁棒强化学习的排水系统控制方法 | |
Kruszyński et al. | Computer modeling of water supply and sewerage networks as a tool in an integrated water and wastewater management system in municipal enterprises | |
CN113837453A (zh) | 深层污水排水隧道智慧运营系统 | |
Donia | Development of El-Salam canal automation system | |
Berthouex et al. | Design capacities to accommodate forecast uncertainties | |
JP3974294B2 (ja) | 上下水道監視制御システム | |
Tokarev et al. | Development of operating conditions of district heating systems with quality regulation | |
Li et al. | Hydraulic Optimization Control of Cascaded Open Channel under the Emergency Scenario of a Downstream Water Supply Interruption | |
Zanoli et al. | Model Predictive Control for Hydroelectric Power Plant Reservoirs | |
JPS592945B2 (ja) | 水需要予測方法 | |
CN113406940B (zh) | 一种基于模型预测控制的智能排水分级实时控制方法 | |
Lumley | Using a Digital Twin to Control Sewer Overflows-Sweden | |
Dobrovolskaya | Development of procedure to control flow distribution in water supply networks in real time |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230615 Address after: 601-1003, 6th Floor, Building 8, Yard 1, Nongda South Road, Haidian District, Beijing, 100084 Patentee after: BEIJING THWATER TECHNOLOGY CO.,LTD. Address before: 100081 room c3011-c3012, third floor, building 1, 48 Zhongguancun South Street, Haidian District, Beijing Patentee before: BEIJING AQUAROOT ENVIRONMENT TECHNOLOGY CO.,LTD. |