CN116025026A - 一种城市水箱联动控制方法 - Google Patents

一种城市水箱联动控制方法 Download PDF

Info

Publication number
CN116025026A
CN116025026A CN202310078899.8A CN202310078899A CN116025026A CN 116025026 A CN116025026 A CN 116025026A CN 202310078899 A CN202310078899 A CN 202310078899A CN 116025026 A CN116025026 A CN 116025026A
Authority
CN
China
Prior art keywords
water tank
water
liquid level
controllable
control method
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.)
Pending
Application number
CN202310078899.8A
Other languages
English (en)
Inventor
陈伟
江诚
关志丽
王小鹏
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.)
Zhejiang Jiayuan Heda Water Co ltd
Original Assignee
Zhejiang Jiayuan Heda Water 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 Zhejiang Jiayuan Heda Water Co ltd filed Critical Zhejiang Jiayuan Heda Water Co ltd
Priority to CN202310078899.8A priority Critical patent/CN116025026A/zh
Publication of CN116025026A publication Critical patent/CN116025026A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use

Landscapes

  • Control Of Non-Electrical Variables (AREA)

Abstract

本发明涉及供水控制领域，具体涉及水箱的联动控制方法。本发明是通过以下技术方案得以实现的：一种城市水箱联动控制方法，包含如下步骤：S01、数据采集步骤，采集得到管理区域内每个水箱的基础信息，S02、控制筛选步骤；将所有的水箱划分为可控制水箱和非控制水箱；S03、用水量划分步骤；S04、时段时长设置步骤；设定低谷期持续时间T1和高峰期持续时间T2，S05、时段时间获取步骤；S06、控制步骤；本发明的目的是提供一种城市水箱联动控制方法，针对每一个泵房的实际情况进行数据分析与计算，输出其对应的高峰低估的时段时长，形成每一个泵房个性化的控制方式，从而使得每个水箱的控制方案针对性强，满足实际的小区错峰用水需求。

Description

一种城市水箱联动控制方法
技术领域
本发明涉及供水控制领域，具体涉及水箱的联动控制方法。
背景技术
在城市居民生活过程中，用水是居民的基本生活需求。自来水厂通过城市中铺设好的水管网络进入到小区泵房。泵房中往往设置水箱用于蓄水，从而满足小区居民高峰期的用水需求。
如公开号为CN209779757U的中国专利文件公开了一种带有水处理功能的集成式智慧供水泵房，泵房里设置有蓄水水箱和水过滤器，水箱连接有进水管和出水管，两个管道中设置有单独的管道阀门控制管道的打开关闭。泵房也有两种供水模式，当供水水压足够，例如给生活在低层的居民供水，可直通供水；当供水水压不够，例如给居住在高层的居民供水，则使用水泵提供相应的压力。进水管和出水管的阀门的打开关闭时间由管理人员通过程序预设，通过进水管出水管的开关来控制蓄水水箱的液位。
然而，该技术方案存在着一定的缺陷。一方面，该种泵房的阀门的开启闭合时间全靠管理人员的经验设置，与小区的使用情况存在偏差，该种控制事实上没能达到精准调峰的目的。另一方面，小区的用水情况并不是一成不变，与小区的入住率改变、节假日等情况息息相关，该种控制方式也无法适应小区的动态变化。
发明内容
本发明的目的是提供一种城市水箱联动控制方法，针对每一个泵房的实际情况进行数据分析与计算，输出其对应的高峰低估的时段时长，形成每一个泵房个性化的控制方式，从而使得每个水箱的控制方案针对性强，满足实际的小区错峰用水需求。
本发明的上述技术目的是通过以下技术方案得以实现的：一种城市水箱联动控制方法，其特征在于，包含如下步骤：
S01、数据采集步骤；
采集得到管理区域内每个水箱的基础信息，所述基础信息包含水箱的横截面s、平均出水流量q、水箱进水流量f，普通液位的上下限Lmax和Lmin和出水瞬时流量数据B；还包含每个水箱的供水方式和控制方式；
S02、控制筛选步骤；
将所有的水箱划分为可控制水箱和非控制水箱；所述可控制水箱同时满足供水方式为水泵水箱联合供水和水箱支持自动控制两个条件；
S03、用水量划分步骤；
所有所述可控制水箱的日用水量数据总和为可调蓄用水，所有所述不可控制水箱对应的日用水量数据总和为不可调蓄用水；
S04、时段时长设置步骤；
设定调度液位的下液位Dmin，
Dmin＞Lmin，
设定低谷期持续时间T1和高峰期持续时间T2，约束条件为：
T2*q≤(Dmin-Lmin)*s，
T1*(f-q)≥(Dmin-Lmin)*S，
T1+T2＜24；
S05、时段时间获取步骤；
将T1、T2、所述不可调蓄用水量、所述出水瞬时流量B和水箱的横截面面积s作为输入数据输入基因算法模型，得出最佳调度方案，所述最佳调度方案包含每个可控制水箱的高峰时段和低谷时段的时刻表；
S06、控制步骤；
高峰期内，将可控制水箱内的液位控制在始终高于普通液位的下液位L min之上；低谷期内，将可控制水箱内的液位控制在始终高于调度液位的下液位D min之上。
作为本发明的优选，在S02中，所述可控制水箱还需要满足条件：水箱的容积大小大于预设的标准值。
作为本发明的优选，在S04中，将所述调度液位的下液位设置为普通液位的上液位与下液位的平均值，
Figure BDA0004066841290000031
作为本发明的优选，在S04中，T1+T2必须为整数，且24能将(T1+T2)整除。
作为本发明的优选，在S04中，T2直接设定为极限值，随后根据T1+T2的最接近的允许值计算得到T1。
作为本发明的优选，在S04中得到T1和T2的过程使用Data init算法模型。
作为本发明的优选，水箱的所述基础信息还包含历史液位数据、历史区域用水量数据。
综上所述，本发明具有如下有益效果：
1、一个管理区域内包含诸多水箱，每个水箱最终得到自己的调度方案，使得整个管理区域内的水箱的调度方案针对性强，适应自身情况。
2、调度方案的得到基于每个水箱自身的基础信息，从而使得最终的调度方案具备客观性，而非工程人员自身根据经验设置。
3、通过可控制水箱和非控制水箱的划分，可调蓄用水和不可调蓄用水的划分，使得整个调度方案的生成不仅考虑了每个水箱的个性信息，也考虑了管理区域内的共性信息，使得最终的调度方案整体性好，实现以管理区域为单位的有效联动控制。
4、调度方案的产生过程选用了现有技术中的基因算法，其运算快速，最终得到的调度方案优化结果佳。
5、由于采用了“历史真实数据”和“基因迭代”的设计思路，使得整个控制系统支持自诊断学习，从而不断的优化调度方案，提升控制精度，可适应不断变化的用水规律。
6、低谷期时，将可控制水箱内的液位控制在始终高于调度液位的下液位上，而调度液位的下液位高于普通液位的下液位，从而使得可控制水箱在低谷期的蓄水能力得到保证。
附图说明：
图1是实施例1的流程示意图；
图2是水箱中普通液位的上下限和调度液位的上下限的示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
实施例1，一种城市水箱联动控制方法，如图1所示，其包含如下步骤。首先，S01、数据采集步骤。在该步骤中，一一采集管理区域内(如一个小区内)所有水箱的基础信息。在本实施例中，基础信息包含水箱的横截面面积s，平均出水流量q，水箱进水流量f。液位的上下限Lmax和Lmin。s的单位为平方米，f、q的单位为立方米/小时，Lmax和Lmin的单位为米。其中，f、q为历史数据测量得到，如通过近一个月的历史数据直接测量计算得到，而s、Lmax和Lmin为水箱的信息，是固定值。基础信息还包括水箱的出水瞬时流量数据B，B的单位同样为立方米/小时,反映流速。q和B存在着区别，q反映的是统计期内水管的平均出水流量。例如统计期为30天，则这30天，共计720小时，平均每小时的出水量。而B反映的是瞬时数据，精准到分，形式上是一个数据表。例如统计期为30天，则B为一个数据表，记载了这共计43200分钟，每分钟的流量数据。
S02、控制筛选步骤。
在一个管理区域内，并非所有的水箱均为本发明控制的对象，需要进行筛选。将所有的水箱划分为可控制水箱和非控制水箱。其中，可控制水箱需要同时满足以下两个条件：条件一、供水方式为水泵水箱联合供水(即通过负压供水)。条件二、该水箱支持自动控制。两项条件均符合的水箱划分进可控制水箱，否则划分进非控制水箱。举例而言，一个小区共有水箱10个，只有4个水箱同时满足以上两个条件，6个水箱只满足其中一个或两个均不满足，则4个水箱为可控制水箱，6个为非控制水箱。
S03、用水量划分步骤。
将小区内的所有的日用水量划分为可调蓄用水和不可调蓄用水。可调蓄用水对应的为小区内所有可控制水箱的用水量，不可调蓄用水对应的为小区内所有不可控制水箱的用水量。而用水量在S01已经完成了搜集。如通过f*24可直接得到用水量。
继续以上文的例子来解释，这4个水箱对应的日用水量数据总和为可调蓄用水，6个水箱对应的日用水量数据总和为不可调蓄用水。
S04、时段时长设置步骤。
该步骤是本发明的一个重要步骤，也是水箱高峰、低谷时长计算步骤。该步骤的对象并不是对所有的水箱进行操作，而是只对可控制水箱进行操作，即上文所述的4个水箱。
在本发明中，将一天24个小时，划分成两个时段，分别为低谷期和高峰期。这两个时段的持续时间分别为T1和T2。而低谷期和高峰期在一天中是间隔排列的。
在本步骤中，就是计算这4个水箱中，每个水箱对应的T1和T2的持续时间，而非具体的开始、结束时间。
如图2所示，在本发明中，液位有两个概念，分别是调度液位和普通液位。普通液位的上下液位即为S01中所述的Lmax和Lmin。而调度液位的上下液位表示为Dmax和Dmin。
L的值在S01中已经得到，是水箱的固定值。在本发明中Dmax与Lmax相等，而Dmin则通过用户预设得到，但是Dmin必须大于Lmin。
T1和T2的具体数值的设置，由用户定义，但是需要满足两个约束条件。
约束条件一：T2*q≤(Dmin-Lmin)*s。这是由于，高峰时段总用水不超过水箱可用容积。
约束条件二：T1*(f-q)≥(Dmin-Lmin)*s。这是由于，低谷时段至少能从液位下限补到调度下限。
由于以上几个条件，Dmin、T1和T2的数值均不唯一，设计人员根据经验，将Dmin、T1和T2三个数值定下。T1和T2的单位为小时，自然，T1和T2之和不能大于24。
至此为止，T1和T2已经设定完毕。
S05、时段时间获取步骤。
上一步骤中，用户设定了高峰时段的时长T2和低谷时段的时长T1，但是并未得到一天中该水箱的高峰时段和低谷时段的具体时间，本步骤则是计算得到这两个时段的具体时间。
这一步骤采用的计算模型是现有技术中的基因算法模型，在本实施例中，选用Genetic t算法。该算法模型是利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。
在该模型中，通过输入需要的参数，随后通过初始化种群、计算适应度、种群变异最终输出最佳方法。
具体的，首先，初始化种群，种群包含n个个体，每个个体有m个基因，m即为可调蓄泵房个数。每个基因的取值范围是[0,T1+T2]，每个个体的每个基因在此范围内取随机整数，表示高峰低谷时段向后平移的时长，用于表示新的调度方案。
随后，计算适应度，假设低谷时段全部开阀进水，高峰时段全部关阀停水，根据上文所述的初始化种群生成的每个个体对应的调度方案，计算蓄水池总进水量与不可调蓄用水量的和，即为全天总用水量，取全天总用水量的最大值，记为适应度，该值越小越好。
随后，种群变异，选取n个个体中适应度最小的一半个体，进行交叉和变异操作，产生下一代种群。交叉即选取两个个体中的随机一段基因进行互换，生成两个新的个体。变异即对某一个个体的一些基因在其取值范围内重新生成新的值，从而得到一个新的个体。最后，输出最佳方案，重复计算适应度和种族变异的过程，直到遗传代数达到设定上限，或种群适应度长时间保持不变为止，输出最佳调度方案。
在整个Genetic t算法求解过程中，输入的参数为：S04中得到的T1和T2；S03中得到的不可调蓄用水量；S01中得到的小区内所有泵房的全天出水瞬时流量B和水箱的横截面面积s。在某些实施例中，输入参数可以更多，从而使得模型更优化更精准，例如历史液位数据、历史区域用水量数据等。自然，这些数据都可以在S01的统计过程中直接得到。
基因算法Genetic t模型的工作原理诚如上文所述，需要说明的是，基因算法Genetic t模型为现有技术模型，其具体的编程方式、计算流程为现有技术内容，本案不做修改，这里不再赘述。
而基因算法Genetic t模型最终输出的，为最佳调度方案，最佳调度方案即为一天24小时内，每个可控制水箱的高峰时段和低谷时段的时刻表，即4个可控制水箱，每个水箱的高峰时段和低谷时段的时刻表。故，本步骤也是水箱进水排列发那个是生成的一个步骤。
S06、控制步骤。
通过S01-S05的步骤，已经获得了4个可控制水箱的高峰时段和低谷时段的明细时刻表，本步骤中，只要每个水箱(即设备端)按照自身的时刻表，通过电动阀门的开关来实现自动化控制即可。
规则为：
当处于高峰时段时，控制进水管的阀门开关，使得水箱内的液位始终高于Lmin。当处于低谷时段时，控制进水管的阀门开关，使得水箱内的液位始终高于Dmin。
实施例2，与实施例1的区别是在S02过程中，筛选条件除了实施例1中的两个条件外，还存在一个附加条件：水箱的容积大于等于标准值。而这个标准值由用户预设。如此，可控制水箱均水箱容积较大，有更好的调蓄能力。
实施例3，在S04中，通过诸多实际信息的分析，将调度下限设置为液位上下限的平均值，即：
Figure BDA0004066841290000091
在这种情况下，两个约束条件即为：
Figure BDA0004066841290000092
实施例4，与实施例1的区别是，进一步限定了T1和T2的和。
T1和T2相加之和必须为整数，且24能将之整除。即T1+T2的和可以为1、2、3、4、6、8、12、24。
在实际设定的过程中，例如计算得到T2≤4.7，T1≥2.6，可以先将T2取极限值，即4.7，然后将T1进行调整，调整到两者之和的最接近的允许值。T1与T2的和，最接近的允许值为8，则T1设定为3.3。
这个过程可使用计算模型来实现自动计算，可选用现有技术中的算法模型，如Data init算法模型。

Claims (7)

1.一种城市水箱联动控制方法，其特征在于，包含如下步骤：
S01、数据采集步骤；
采集得到管理区域内每个水箱的基础信息，所述基础信息包含水箱的横截面s、平均出水流量q、水箱进水流量f、普通液位的上下限Lmax和Lmin、出水瞬时流量数据B；还包含每个水箱的供水方式和控制方式；
S02、控制筛选步骤；
将所有的水箱划分为可控制水箱和非控制水箱；所述可控制水箱同时满足供水方式为水泵水箱联合供水和水箱支持自动控制两个条件；
S03、用水量划分步骤；
所有所述可控制水箱的日用水量数据总和为可调蓄用水，所有所述不可控制水箱对应的日用水量数据总和为不可调蓄用水；
S04、时段时长设置步骤；
设定调度液位的下液位Dmin，
Dmin＞Lmin，
设定低谷期持续时间T1和高峰期持续时间T2，约束条件为：
T2*q≤(Dmin-Lmin)*S，
T1*(f-q)≥(Dmin-Lmin)*S，
T1+T2＜24；
S05、时段时间获取步骤；
将T1、T2、所述不可调蓄用水量、所述出水瞬时流量B和水箱的横截面面积s作为输入数据输入基因算法模型，得出最佳调度方案，所述最佳调度方案包含每个可控制水箱的高峰时段和低谷时段的时刻表；
S06、控制步骤；
高峰期内，将可控制水箱内的液位控制在始终高于普通液位的下液位L min之上；
低谷期内，将可控制水箱内的液位控制在始终高于调度液位的下液位D min之上。
2.根据权利要求1所述的一种城市水箱联动控制方法，其特征在于：在S02中，所述可控制水箱还需要满足条件：水箱的容积大小大于预设的标准值。
3.根据权利要求1所述的一种城市水箱联动控制方法，其特征在于：在S04中，将所述调度液位的下液位设置为普通液位的上液位与下液位的平均值，
Figure FDA0004066841280000021
4.根据权利要求1所述的一种城市水箱联动控制方法，其特征在于：在S04中，T1+T2为整数，且24能被(T1+T2)整除。
5.根据权利要求4所述的一种城市水箱联动控制方法，其特征在于：在S04中，将T2设定为极限值，随后根据T1+T2的最接近的允许值计算得到T1。
6.根据权利要求5所述的一种城市水箱联动控制方法，其特征在于：在S04中得到T1和T2的过程使用Data init算法模型。
7.根据权利要求1-6任意一项所述的一种城市水箱联动控制方法，其特征在于：水箱的所述基础信息还包含历史液位数据、历史区域用水量数据。
CN202310078899.8A 2023-02-08 2023-02-08 一种城市水箱联动控制方法 Pending CN116025026A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310078899.8A CN116025026A (zh) 2023-02-08 2023-02-08 一种城市水箱联动控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310078899.8A CN116025026A (zh) 2023-02-08 2023-02-08 一种城市水箱联动控制方法

Publications (1)

Publication Number Publication Date
CN116025026A true CN116025026A (zh) 2023-04-28

Family

ID=86075778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310078899.8A Pending CN116025026A (zh) 2023-02-08 2023-02-08 一种城市水箱联动控制方法

Country Status (1)

Country Link
CN (1) CN116025026A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432863A (zh) * 2023-05-18 2023-07-14 安徽舜禹水务股份有限公司 一种基于数学规划的二次供水整体错峰调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432863A (zh) * 2023-05-18 2023-07-14 安徽舜禹水务股份有限公司 一种基于数学规划的二次供水整体错峰调度方法

Similar Documents

Publication Publication Date Title
CN111709134B (zh) 一种基于闸泵站群控制的多水源跨流域调度方法及装置
Boulos et al. Optimal pump operation of water distribution systems using genetic algorithms
CN105863946B (zh) 水电站优化运行控制方法和系统
CN116025026A (zh) 一种城市水箱联动控制方法
US20070130093A1 (en) Utility management system and method
CN113156817B (zh) 一种泵站智能配泵方法
Murphy et al. Optimum design and operation of pumped water distribution systems
CN103297626A (zh) 排班方法及装置
Moradi-Jalal et al. Use of genetic algorithm in optimization of irrigation pumping stations
CN110443418A (zh) 基于ga-bp神经网络的城市用水量预测方法
CN109857157A (zh) 一种区域性加压泵站进水流量调度方法
CN111206647A (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
CN114037360A (zh) 一种考虑水库泄洪过程均匀化的闸门调度优化方法
CN108062025B (zh) 基于终端热负荷非均一特性的电、热协同调度系统及其方法
CN111680429B (zh) 水箱主动调蓄方法及系统、电子设备、存储介质
CN109598408A (zh) 一种兼顾用水公平性和重要性的年水量调度计划编制方法
KR100741691B1 (ko) 유비쿼터스 기술을 이용한 광역상수도 수운영시스템 및 그방법
CN112482488B (zh) 一种城市错峰供水方法及系统
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
Morovat et al. Heuristic model predictive control implementation to activate energy flexibility in a fully electric school building
CN117501205A (zh) 获取生活热水的用户消耗模式并基于此控制生活热水生产
CN116307094A (zh) 一种基于多目标粒子群算法的城市供水优化调度方法
CN109713729A (zh) 一种微电网中能量管理系统的温控成本优化算法
CN114997751A (zh) 一种基于数据传输的直饮水数字供水分配方法
Abdallah Pump scheduling for optimised energy cost and water quality in water distribution networks

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