CN116466591B - 用于供水系统的供水策略的确定方法及装置 - Google Patents
用于供水系统的供水策略的确定方法及装置 Download PDFInfo
- Publication number
- CN116466591B CN116466591B CN202310694120.5A CN202310694120A CN116466591B CN 116466591 B CN116466591 B CN 116466591B CN 202310694120 A CN202310694120 A CN 202310694120A CN 116466591 B CN116466591 B CN 116466591B
- Authority
- CN
- China
- Prior art keywords
- water supply
- water
- supply system
- pumps
- data
- 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 562
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005265 energy consumption Methods 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 239000008400 supply water Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 38
- 230000008569 process Effects 0.000 description 5
- 239000002245 particle Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001595 flow curve Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
- E03B7/02—Public or like main pipe systems
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Hydrology & Water Resources (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明涉及供水工作流程设计技术领域,特别是指一种用于供水系统的供水策略的确定方法及装置。所述方法包括:获取一预设时间内的历史用水数据;根据所述历史用水数据,确定约束规则;根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数;根据所述水泵运行参数,制定供水策略。本发明基于历史用水数据确定约束规则,并根据随机优化算法得到供水系统能耗最低时的水泵运行参数,用于制定供水策略,为供水系统提供供水流程的优化方案,帮助供水系统节约成本。具有操作简单、节约成本的优点。
Description
技术领域
本发明涉及供水工作流程设计技术领域,特别是指一种用于供水系统的供水策略的确定方法及装置。
背景技术
对于城市地区的水务公司而言,为避免在用水高峰期出现水资源短缺或水压低的问题,供水企业多数采用的是恒压控制工作原理。即设备运行中,由于负荷变化,管网压力变化,压力信号通过压力传感器传输到运行控制器,通过控制器和设定压力比较生成最佳控制信号,控制泵运行,调整管网流量,使管网压力稳定在设定压力值,满足系统要求。各级泵站输出流量的控制和泵组的状态策略主要是通过加装于出水母管上的压力计产生的水压信号进行反馈调节来完成。此种供水调度方式较为简单、粗犷,未充分考虑整个供水管网系统的压力变化,压力过高可能会有一定的富余,一方面容易造成资源的浪费,另一方面过高的水压会对管网产生一定的影响,造成管网损伤,乃至管网漏损。
发明内容
本发明要解决的技术问题是提供一种用于供水系统的供水策略的确定方法及装置,以解决现有的供水调度方式较为简单、容易造成资源的浪费的问题。
为解决上述技术问题,本发明的技术方案如下:
一种用于供水系统的供水策略的确定方法,包括:
获取一预设时间内的历史用水数据;
根据所述历史用水数据,确定约束规则;
根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数;
根据所述水泵运行参数,确定供水策略。
进一步地,根据所述历史用水数据,确定约束规则,包括:
根据所述历史用水数据,得到供水管网所需总流量数据、水力需求的扬程数据、水泵在高效区运行时的转速数据、水泵数量数据、出水管网的供水水压数据;
根据所述供水管网所需总流量数据、所述水力需求的扬程数据、所述水泵在高效区运行时的转速数据、所述水泵数量数据、所述出水管网的供水水压数据,确定约束规则。
进一步地,根据所述供水管网所需总流量数据、所述水力需求的扬程数据、所述水泵在高效区运行时的转速数据、所述水泵数量数据、所述出水管网的供水水压数据,确定约束规则,包括:
根据所述供水管网所需总流量数据,确定第一约束规则为:
其中,为供水管网所需总流量,/>为水泵流量高效区的最小值,/>为水泵流量高效区的最大值;
根据所述水力需求的扬程数据,确定第二约束规则为:
其中,H为水力需求的扬程,为水泵输出口压力的最小值,/>为水泵输出口压力的最大值,/>为管网沿程阻力系数;
根据所述水泵在高效区运行时的转速数据,确定第三约束规则为:
其中,为水泵在高效区运行时的转速,/>为水泵在高效区运行时转速的最小值,/>为水泵在高效区运行时转速的最大值;
根据所述水泵数量数据,确定第四约束规则为:
其中,为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为供水系统中大泵装机数量的最大值,/>为供水系统中小泵装机数量的最大值;
根据所述出水管网的供水水压数据,确定第五约束规则为:
其中,为出水管网供水水压的最小值,/>为出水管网的供水水压,/>为出水管网最不利点处的水压, θ为区域内定义的最低压力值。
进一步地,根据所述历史用水数据,确定约束规则,包括:
根据所述历史用水数据,得到供水系统的能耗;
根据所述供水系统的能耗,确定约束规则。
进一步地,根据所述供水系统的能耗,确定约束规则,包括:
根据所述供水系统的能耗,确定第六约束规则为:
其中,为供水系统的最低能耗,/>为投入到供水系统中的所有大小泵的总消耗功率,/>为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为大泵的消耗功率,/>为小泵的消耗功率。
进一步地,根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数,包括:
根据随机优化算法和所述约束规则,找出供水系统能耗最低时水泵运行参数的最优解;
所述水泵运行参数包括:供水系统中大泵的装机数量、供水系统中小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
进一步地,根据所述水泵运行参数,确定供水策略,包括:
根据所述水泵运行参数,确定大泵的运行数量、小泵的运行数量、大泵运行时的消耗功率和小泵运行时的消耗功率;
根据所述大泵的运行数量、所述小泵的运行数量、所述大泵运行时的消耗功率和所述小泵运行时的消耗功率,确定供水策略。
进一步地,所述方法还包括:
将所述供水策略输出至供水系统的控制器中,以控制大泵的装机数量、小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
本发明的另一个方面,提供了一种用于供水系统的供水策略的确定装置,包括:
获取模块,用于获取一预设时间内的历史用水数据,并发送至确定模块;
确定模块,用于根据所述历史用水数据,确定约束规则;
计算模块,用于根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数;
供水策略制定模块,用于根据所述水泵运行参数,确定供水策略。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案,基于历史用水数据确定约束规则,并根据随机优化算法得到供水系统能耗最低时的水泵运行参数,用于制定供水策略,为供水系统提供供水流程的优化方案,帮助供水系统节约成本。具有操作简单、节约成本的优点。
附图说明
图1是本发明实施例的用于供水系统的供水策略的确定方法的步骤图;
图2是本发明实施例的用于供水系统的供水策略的确定装置的示意图;
图3是水泵节能控制与效率曲线。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提供一种用于供水系统的供水策略的确定方法,包括以下步骤:
步骤S1、获取一预设时间内的历史用水数据;
步骤S2、根据所述历史用水数据,确定约束规则;
步骤S3、根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数;
步骤S4、根据所述水泵运行参数,确定供水策略。
本发明实施例基于历史用水数据确定约束规则,并根据随机优化算法得到供水系统能耗最低时的水泵运行参数,用于制定供水策略,为供水系统提供供水流程的优化方案,帮助供水系统节约成本。具有操作简单、节约成本的优点。
本发明的一可选实施例中,步骤S2,包括:
步骤S21、根据所述历史用水数据,得到供水管网所需总流量数据、水力需求的扬程数据、水泵在高效区运行时的转速数据、水泵数量数据、出水管网的供水水压数据;
步骤S22、根据所述供水管网所需总流量数据、所述水力需求的扬程数据、所述水泵在高效区运行时的转速数据、所述水泵数量数据、所述出水管网的供水水压数据,确定约束规则。
从供水系统的数据库中获取到预设时间内,比如5年内的历史用水数据,具有效率和准确性高的优点。历史用水数据包括如:水泵流量高效区的最大/小值、水泵输出口压力的最最大/小值、水泵在高效区运行时转速的最大/小值、供水系统中大/小泵的装机数量、供水系统中大/小泵装机数量的最大值、出水管网的供水水压、出水管网最不利点处的水压、投入到供水系统中的所有大/小泵的总消耗功率、大/小泵的消耗功率等。根据这些数据,计算得到用于供水管网所需总流量数据、水力需求的扬程数据、水泵在高效区运行时的转速数据、水泵数量数据、出水管网的供水水压数据,用于确定约束规则,保证最终得到的供水策略贴合实际,提高供水效率和节约成本。
本发明的一可选实施例中,步骤S22,包括:
根据所述供水管网所需总流量数据,确定第一约束规则为:
其中,为供水管网所需总流量,/>为水泵流量高效区的最小值,/>为水泵流量高效区的最大值;
根据所述水力需求的扬程数据,确定第二约束规则为:
其中,H为水力需求的扬程,为水泵输出口压力的最小值,/>为水泵输出口压力的最大值,/>为管网沿程阻力系数,/>可以根据用户需求设置,也可以从供水系统中获取;
根据所述水泵在高效区运行时的转速数据,确定第三约束规则为:
其中,为水泵在高效区运行时的转速,/>为水泵在高效区运行时转速的最小值,/>为水泵在高效区运行时转速的最大值;
根据所述水泵数量数据,确定第四约束规则为:
其中,为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为供水系统中大泵装机数量的最大值,/>为供水系统中小泵装机数量的最大值;
根据所述出水管网的供水水压数据,确定第五约束规则为:
其中,为出水管网供水水压的最小值,/>为出水管网的供水水压,/>为出水管网最不利点处的水压, θ为区域内定义的最低压力值,可以根据用户需求设置,也可以从供水系统中获取。
确定的五个约束规则用于对后续得到的水泵运行参数进行约束,提高水泵运行参数的准确性和有效性。
本发明的一可选实施例中,步骤S2,包括:
步骤S23、根据所述历史用水数据,得到供水系统的能耗;
步骤S24、根据所述供水系统的能耗,确定约束规则。
供水系统的能耗为供水系统内安装的所有大/小泵的消耗功率之和,根据供水系统的能耗,确定的约束规则,能够有效降低供水系统的能耗,节约电力成本。
本发明的一可选实施例中,步骤S24,包括:
根据所述供水系统的能耗,确定第六约束规则为:
其中,为供水系统的最低能耗,/>为投入到供水系统中的所有大小泵的总消耗功率,/>为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为大泵的消耗功率,/>为小泵的消耗功率。
在满足供水系统的最低能耗的基础上寻求水泵运行的最优参数,能够帮助供水系统节约电能和总体成本。
本发明的一可选实施例中,步骤S1,包括:
步骤S11、获取一预设时间内的历史用水数据;
步骤S12、根据所述历史用水数据,得到预测的供水管网所需总流量。
在预测的供水管网所需总流量的基础上,再确定约束规则,和计算得到供水系统能耗最低时的水泵运行参数,提高了供水策略的前瞻性,便于供水系统提前规划水泵的数量和频率,实现实时的调度管理。具体实施时,可以使用现有的用水量预测模型得到供水管网所需总流量的预测值,提高整体工作效率。
本发明的一可选实施例中,所述水泵运行参数包括:供水系统中大泵的装机数量、供水系统中小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
这些水泵运行参数是制定供水策略的主要参数,具有很强的针对性和适应性。
本发明的一可选实施例中,步骤S3,包括:
步骤S31、根据随机优化算法和所述约束规则,找出供水系统能耗最低时水泵运行参数的最优解;
步骤S32、所述水泵运行参数包括:供水系统中大泵的装机数量、供水系统中小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
本发明的一可选实施例中,步骤S4,包括:
步骤S4、根据所述水泵运行参数,确定大泵的运行数量、小泵的运行数量、大泵运行时的消耗功率和小泵运行时的消耗功率;
步骤S42、根据所述大泵的运行数量、所述小泵的运行数量、所述大泵运行时的消耗功率和所述小泵运行时的消耗功率,确定供水策略。
本发明的一可选实施例中,所述方法还包括:
步骤S5、将所述供水策略输出至供水系统的控制器中,以控制大泵的装机数量、小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
有利于实现对泵房多个泵机的启停或变频的智能控制,提高供水系统的自动化。
本发明的实施例的用于供水系统的供水策略的确定方法的一个具体实施例是:
多泵并联运行的供水系统,假设有m台同型号的水泵组成。管网与水泵连接,-分别为每台水泵的流量,供水管网所需总流量的预测值为Q。图3中曲线1为水泵工频运行扬程流量曲线,曲线2为水泵变频运行扬程流量曲线,曲线3为水泵出厂时设置的近似工况曲线,曲线4为泵的效率曲线。水泵运行工况点的能耗需求F(单位KW)为:
式中,ρ为水泵的能耗系数,g为近似水泵工况曲线的斜率,H为水泵的扬程,Q为供水管网所需总流量的预测值,为水泵的效率。
在满足供水管网所需总流量的预测值(Q)需求的前提下,变频供水相对工频运行下节省的能耗△F(单位KW)具体如下:
式中,△H△Q为图1中ABCD围成的图形的面积,在满足水力流量需求的情况下,变频控制的扬程更低,即更加节能。本发明就是在满足供水管网所需总流量的预测值(Q)的基础上,通过约束水泵的运行效率,调整水泵的运行参数,从而使供水系统能够节约更多的能耗。
水泵并联运行的总输入功率和效率是系统节能运行的重要指标。离心泵并联运行系统的全效率和输入功率的拟合关系式如下:
式中,为并联系统的全效率,单位是kw,/>为电网输入到水泵变频器的功率,单位是kw,/>,/>,/>,/>为水泵自身特性参数,分别为额定扬程、虚阻抗、额定功率和P-Q曲线近似斜率,H为水力需求的扬程值。则全效率/>和功率/>可表示为自变量为调速率K的单值函数,分别记作η(K),F(K)。则供水系统能耗优化模型建立过程如下:
式中,为电网输入到泵组系统的总功率的最小值,/>为供水系统中大泵的装机数量,/>为供水系统中小泵的装机数量,/>为大泵的消耗功率,/>为小泵的消耗功率。故系统优化的目标为泵组的总消耗功率,优化的相应问题也转换为:求取优化目标总功耗取得最小值下的/>,/>,/>,/>解,同时满足系统所涉及的下述所有的约束条件,以此提高运行效率,达到节约能耗的目的。
1、流量约束,即管网所需总流量为各泵实时流量之和
其中,为供水管网所需总流量,/>为水泵流量高效区的最小值,/>为水泵流量高效区的最大值。
2、扬程约束,即水力需求的扬程等于系统需求扬程减去管阻损失
其中,H为水力需求的扬程,为水泵输出口压力的最小值,/>为水泵输出口压力的最大值,/>为管网沿程阻力系数,/>可以根据用户需求设置,也可以从供水系统中获取。
3、转速约束
其中,为水泵在高效区运行时的转速,/>为水泵在高效区运行时转速的最小值,/>为水泵在高效区运行时转速的最大值。
4、水泵数量约束
其中,为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为供水系统中大泵装机数量的最大值,/>为供水系统中小泵装机数量的最大值。
5、出水管网供水水压约束(单位MPa)
其中,为出水管网供水水压的最小值,/>为出水管网的供水水压,/>为出水管网最不利点处的水压, θ为区域内定义的最低压力值,可以根据用户需求设置,也可以从供水系统中获取。
约束条件确定好之后,使用随机优化算法在基于满足用水量预测值的前提下,结合流量约束(Q)、扬程约束(H)、转速约束(K)、水泵数量约束(N)、最不利点水压约束(P)等五个方面的条件限制,求解出供水系统能耗最低时水泵运行参数的最优解,其核心思想是通过种群中个体之间的协作和信息共享来寻求最优解。这种算法更加容易实现,且需要调整的参数较少。
初始化为随机生成一群粒子,每个粒子都是一个随机解。每个粒子由两个向量组成:一个位置向量和一个速度向量。在优化过程中,两个向量可以通过以下等式进行更新:
式中:为粒子的当前速度;/>为粒子的当前位置;/>为惯性系数,表示过去速度对当前速度的影响程度;/>和/>为学习因子;/>和/>为介于(0,1)的随机数;Pbest为个体最优值;Gbest为全局最优值。
在一般的随机优化算法中,ω为定值,这往往会导致算法的结果为局部最优或者收敛时间过长。为增强算法的全局搜索能力以防止算法陷入局部最优并且加速算法收敛,本实施例对算法进行优化,使算法在初期迭代中进行更大面积的搜索,在迭代末期缩小搜索范围以便取得更精确的解。具体调节如下:
式中:t为当前迭代次数;为最大迭代次数;/>和/>分别为惯性权重的最小值和最大值,分别取为0.1和0.9。
某供水企业的一个中途加压站原有的供水策略有四个阶段,第一个阶段为每天的06:00-14:00,第二个阶段为14:00-17:00,第三个阶段为17:00-23:00,第四个阶段为23:00-06:00,其中第一个阶段和第三个阶段,采用0.28Mpa的恒压供水策略,第二个阶段和第四个阶段,采用0.22Mpa的恒压供水策略。通过统计该泵站一年的历史数据,该泵站每月的平均电耗为171890kw·h,采用本发明实施例用于供水系统的供水策略的确定方法提供的供水策略后,泵站的第一个月电耗数据为163038kw·h,第二个电耗数据为164179kw·h,第三个月电耗为162864kw·h,平均一个月电耗为163360kw·h,平均每月降低的电耗值为8529.78kw·h,约4.96%。
如图2,本发明实施例提供一种用于供水系统的供水策略的确定装置,包括:
获取模块,用于获取一预设时间内的历史用水数据,并发送至确定模块;
确定模块,用于根据所述历史用水数据,确定约束规则;
计算模块,用于根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数;
供水策略制定模块,用于根据所述水泵运行参数,确定供水策略。
本发明实施例基于历史用水数据确定约束规则,并根据随机优化算法得到供水系统能耗最低时的水泵运行参数,用于制定供水策略,为供水系统提供供水流程的优化方案,帮助供水系统节约成本。具有操作简单、节约成本的优点。
本发明的一可选实施例中,确定模块,具体用于:
根据所述历史用水数据,得到供水管网所需总流量数据、水力需求的扬程数据、水泵在高效区运行时的转速数据、水泵数量数据、出水管网的供水水压数据;
根据所述供水管网所需总流量数据、所述水力需求的扬程数据、所述水泵在高效区运行时的转速数据、所述水泵数量数据、所述出水管网的供水水压数据,确定约束规则。
从供水系统的数据库中获取到预设时间内,比如5年内的历史用水数据,具有效率和准确性高的优点。历史用水数据包括如:水泵流量高效区的最大/小值、水泵输出口压力的最最大/小值、水泵在高效区运行时转速的最大/小值、供水系统中大/小泵的装机数量、供水系统中大/小泵装机数量的最大值、出水管网的供水水压、出水管网最不利点处的水压、投入到供水系统中的所有大/小泵的总消耗功率、大/小泵的消耗功率等。根据这些数据,计算得到用于供水管网所需总流量数据、水力需求的扬程数据、水泵在高效区运行时的转速数据、水泵数量数据、出水管网的供水水压数据,用于确定约束规则,保证最终得到的供水策略贴合实际,提高供水效率和节约成本。
本发明的一可选实施例中,确定模块,具体用于:
根据所述供水管网所需总流量数据,确定第一约束规则为:
其中,为供水管网所需总流量,/>为水泵流量高效区的最小值,/>为水泵流量高效区的最大值;
根据所述水力需求的扬程数据,确定第二约束规则为:
其中,H为水力需求的扬程,为水泵输出口压力的最小值,/>为水泵输出口压力的最大值,/>为管网沿程阻力系数,/>可以根据用户需求设置,也可以从供水系统中获取;
根据所述水泵在高效区运行时的转速数据,确定第三约束规则为:
其中,为水泵在高效区运行时的转速,/>为水泵在高效区运行时转速的最小值,/>为水泵在高效区运行时转速的最大值;
根据所述水泵数量数据,确定第四约束规则为:
其中,为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为供水系统中大泵装机数量的最大值,/>为供水系统中小泵装机数量的最大值;
根据所述出水管网的供水水压数据,确定第五约束规则为:
其中,为出水管网供水水压的最小值,/>为出水管网的供水水压,/>为出水管网最不利点处的水压, θ为区域内定义的最低压力值,可以根据用户需求设置,也可以从供水系统中获取。
确定的五个约束规则用于对后续得到的水泵运行参数进行约束,提高水泵运行参数的准确性和有效性。
本发明的一可选实施例中,确定模块,具体用于:
根据所述历史用水数据,得到供水系统的能耗;
根据所述供水系统的能耗,确定约束规则。
供水系统的能耗为供水系统内安装的所有大/小泵的消耗功率之和,根据供水系统的能耗,确定的约束规则,能够有效降低供水系统的能耗,节约电力成本。
本发明的一可选实施例中,确定模块,具体用于:
根据所述供水系统的能耗,确定第六约束规则为:
其中,为供水系统的最低能耗,/>为投入到供水系统中的所有大小泵的总消耗功率,/>为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为大泵的消耗功率,/>为小泵的消耗功率。
在满足供水系统的最低能耗的基础上寻求水泵运行的最优参数,能够帮助供水系统节约电能和总体成本。
本发明的一可选实施例中,获取模块,具体用于:
获取一预设时间内的历史用水数据;
根据所述历史用水数据,得到预测的供水管网所需总流量。
在预测的供水管网所需总流量的基础上,再确定约束规则,和计算得到供水系统能耗最低时的水泵运行参数,提高了供水策略的前瞻性,便于供水系统提前规划水泵的数量和频率,实现实时的调度管理。具体实施时,可以使用现有的用水量预测模型得到供水管网所需总流量的预测值,提高整体工作效率。
本发明的一可选实施例中,所述水泵运行参数包括:供水系统中大泵的装机数量、供水系统中小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
这些水泵运行参数是制定供水策略的主要参数,具有很强的针对性和适应性。
本发明的一可选实施例中,所述装置还包括:
输出模块,用于将所述供水策略输出至供水系统的控制器中,以控制大泵的装机数量、小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
有利于实现对泵房多个泵机的启停或变频的智能控制,提高供水系统的自动化。
本实施例的应用改变了单一、粗犷式的调度方式,在保证出口压力与实际需求压力一致的目标下,减少了管网的富裕压力,降低了加压站耗电量,提高了供水泵站的运行效率,同时实现了调度指令安全交互、可追溯,提高调度运行的安全性。
本发明实施例还提供一种计算机存储介质,其上存储指令,当所述指令在计算机上运行时,使得计算机执行如上述实施例中任一项所述的方法。所述方法的步骤不再赘述。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种用于供水系统的供水策略的确定方法,其特征在于,包括:
获取一预设时间内的历史用水数据;
根据所述历史用水数据,确定约束规则;
根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数;
根据所述水泵运行参数,确定供水策略;
将所述供水策略输出至供水系统的控制器中,以控制大泵的装机数量、小泵的装机数量、大泵的消耗功率和小泵的消耗功率;
其中,根据所述历史用水数据,确定约束规则,包括:
根据所述历史用水数据,得到供水管网所需总流量数据、水力需求的扬程数据、水泵在高效区运行时的转速数据、水泵数量数据、出水管网的供水水压数据、供水系统的能耗;
根据所述供水管网所需总流量数据、所述水力需求的扬程数据、所述水泵在高效区运行时的转速数据、所述水泵数量数据、所述出水管网的供水水压数据、供水系统的能耗,确定约束规则;
其中,所述约束规则包括:
根据所述供水管网所需总流量数据,确定第一约束规则为:
,其中,Q为供水管网所需总流量,/>为水泵流量高效区的最小值,/>为水泵流量高效区的最大值;
根据所述水力需求的扬程数据,确定第二约束规则为:
,其中,H为水力需求的扬程,/>为水泵输出口压力的最小值,/>为水泵输出口压力的最大值,/>为管网沿程阻力系数,/>根据用户需求设置,或者从供水系统中获取;
根据所述水泵在高效区运行时的转速数据,确定第三约束规则为:
,其中,/>为水泵在高效区运行时的转速,/>为水泵在高效区运行时转速的最小值,/>为水泵在高效区运行时转速的最大值;
根据所述水泵数量数据,确定第四约束规则为:
,/>其中,/>为供水系统中大泵的装机数量,/>为供水系统中小泵的装机数量,/>为供水系统中大泵装机数量的最大值,/>为供水系统中小泵装机数量的最大值;
根据所述出水管网的供水水压数据,确定第五约束规则为:
,其中,/>为出水管网供水水压的最小值,/>为出水管网的供水水压,/>为出水管网最不利点处的水压,/>为区域内定义的最低压力值;
根据所述供水系统的能耗,确定第六约束规则为:
,其中,/>为供水系统的最低能耗,为投入到供水系统中的所有大小泵的总消耗功率,/>为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为大泵的消耗功率,/>为小泵的消耗功率;
其中,根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数,包括:
对所述随机优化算法进行调节,公式为:
,式中:w为惯性系数,t为当前迭代次数,/>为最大迭代次数, />为惯性权重的最小值,/>为惯性权重的最大值。
2.根据权利要求1所述的用于供水系统的供水策略的确定方法,其特征在于,根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数,包括:
根据随机优化算法和所述约束规则,找出供水系统能耗最低时水泵运行参数的最优解;
所述水泵运行参数包括:供水系统中大泵的装机数量、供水系统中小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
3.根据权利要求1所述的用于供水系统的供水策略的确定方法,其特征在于,根据所述水泵运行参数,确定供水策略,包括:
根据所述水泵运行参数,确定大泵的运行数量、小泵的运行数量、大泵运行时的消耗功率和小泵运行时的消耗功率;
根据所述大泵的运行数量、所述小泵的运行数量、所述大泵运行时的消耗功率和所述小泵运行时的消耗功率,确定供水策略。
4.一种用于供水系统的供水策略的确定装置,其特征在于,包括:
获取模块,用于获取一预设时间内的历史用水数据,并发送至确定模块;
确定模块,用于根据所述历史用水数据,确定约束规则;具体用于:根据所述历史用水数据,得到供水管网所需总流量数据、水力需求的扬程数据、水泵在高效区运行时的转速数据、水泵数量数据、出水管网的供水水压数据、供水系统的能耗;根据所述供水管网所需总流量数据、所述水力需求的扬程数据、所述水泵在高效区运行时的转速数据、所述水泵数量数据、所述出水管网的供水水压数据、供水系统的能耗,确定约束规则;所述约束规则包括:
根据所述供水管网所需总流量数据,确定第一约束规则为:
,其中,Q为供水管网所需总流量,/>为水泵流量高效区的最小值,/>为水泵流量高效区的最大值;
根据所述水力需求的扬程数据,确定第二约束规则为:
,其中,H为水力需求的扬程,/>为水泵输出口压力的最小值,/>为水泵输出口压力的最大值,/>为管网沿程阻力系数,/>根据用户需求设置,或者从供水系统中获取;
根据所述水泵在高效区运行时的转速数据,确定第三约束规则为:
,其中,/>为水泵在高效区运行时的转速,/>为水泵在高效区运行时转速的最小值,/>为水泵在高效区运行时转速的最大值;
根据所述水泵数量数据,确定第四约束规则为:
,/>其中,/>为供水系统中大泵的装机数量,/>为供水系统中小泵的装机数量,/>为供水系统中大泵装机数量的最大值,/>为供水系统中小泵装机数量的最大值;
根据所述出水管网的供水水压数据,确定第五约束规则为:
,其中,/>为出水管网供水水压的最小值,/>为出水管网的供水水压,/>为出水管网最不利点处的水压,/>为区域内定义的最低压力值;
根据所述供水系统的能耗,确定第六约束规则为:
,其中,/>为供水系统的最低能耗,为投入到供水系统中的所有大小泵的总消耗功率,/>为供水系统中大泵的装机数量,/>供水系统中小泵的装机数量,/>为大泵的消耗功率,/>为小泵的消耗功率;
计算模块,用于根据随机优化算法和所述约束规则,得到供水系统能耗最低时的水泵运行参数;具体用于对所述随机优化算法进行调节,公式为:
,式中:w为惯性系数,t为当前迭代次数,/>为最大迭代次数, />为惯性权重的最小值,/>为惯性权重的最大值;
供水策略制定模块,用于根据所述水泵运行参数,确定供水策略;
输出模块,用于将所述供水策略输出至供水系统的控制器中,以控制大泵的装机数量、小泵的装机数量、大泵的消耗功率和小泵的消耗功率。
5.一种计算机存储介质,其特征在于,其上存储指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310694120.5A CN116466591B (zh) | 2023-06-13 | 2023-06-13 | 用于供水系统的供水策略的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310694120.5A CN116466591B (zh) | 2023-06-13 | 2023-06-13 | 用于供水系统的供水策略的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116466591A CN116466591A (zh) | 2023-07-21 |
CN116466591B true CN116466591B (zh) | 2023-08-29 |
Family
ID=87181059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310694120.5A Active CN116466591B (zh) | 2023-06-13 | 2023-06-13 | 用于供水系统的供水策略的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116466591B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117634364B (zh) * | 2024-01-23 | 2024-04-16 | 湖南省建筑设计院集团股份有限公司 | 基于全生命周期运行能耗的供水管网系统的能耗评估方法 |
CN118029489A (zh) * | 2024-04-11 | 2024-05-14 | 上海中韩杜科泵业制造有限公司 | 叠压供水系统的调度系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113156817A (zh) * | 2021-03-18 | 2021-07-23 | 上海威派格智慧水务股份有限公司 | 一种泵站智能配泵方法 |
CN113152595A (zh) * | 2020-09-11 | 2021-07-23 | 广东工业大学 | 一种变频恒压供水系统及其节能控制方法 |
CN113642803A (zh) * | 2021-08-24 | 2021-11-12 | 武汉理工大学 | 一种考虑水量预测的供水泵组优化调度方法 |
GB202116859D0 (en) * | 2021-06-29 | 2022-01-05 | Univ Jiangsu | Intelligent parallel pumping system and optimal regulating method thereof |
CN113935601A (zh) * | 2021-09-29 | 2022-01-14 | 东方电气集团科学技术研究院有限公司 | 一种考虑过渡能效的并联供水泵组节能调度方法 |
CN115860192A (zh) * | 2022-11-18 | 2023-03-28 | 中国电建集团华东勘测设计研究院有限公司 | 基于模糊神经网络和遗传算法的供水管网优化调度方法 |
-
2023
- 2023-06-13 CN CN202310694120.5A patent/CN116466591B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113152595A (zh) * | 2020-09-11 | 2021-07-23 | 广东工业大学 | 一种变频恒压供水系统及其节能控制方法 |
CN113156817A (zh) * | 2021-03-18 | 2021-07-23 | 上海威派格智慧水务股份有限公司 | 一种泵站智能配泵方法 |
GB202116859D0 (en) * | 2021-06-29 | 2022-01-05 | Univ Jiangsu | Intelligent parallel pumping system and optimal regulating method thereof |
CN113642803A (zh) * | 2021-08-24 | 2021-11-12 | 武汉理工大学 | 一种考虑水量预测的供水泵组优化调度方法 |
CN113935601A (zh) * | 2021-09-29 | 2022-01-14 | 东方电气集团科学技术研究院有限公司 | 一种考虑过渡能效的并联供水泵组节能调度方法 |
CN115860192A (zh) * | 2022-11-18 | 2023-03-28 | 中国电建集团华东勘测设计研究院有限公司 | 基于模糊神经网络和遗传算法的供水管网优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116466591A (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116466591B (zh) | 用于供水系统的供水策略的确定方法及装置 | |
CN110417048B (zh) | 一种考虑源网荷约束的直流电网送受端联合调峰优化方法 | |
CN106300336B (zh) | 一种计及负荷侧和电源侧的虚拟电厂多目标优化调度方法 | |
CN103077430B (zh) | 风火协调调度模式下日前调度计划优化辅助分析方法 | |
CN103699941B (zh) | 一种电力系统调度运行年方案的制定方法 | |
CN113156817B (zh) | 一种泵站智能配泵方法 | |
CN103452824B (zh) | 基于流量-功率曲线的最小功率算法的风机水泵节能系统 | |
CN111882131A (zh) | 一种基于双工况最优效率跟踪的变速海水抽蓄电站容量优化方法 | |
CN107579544B (zh) | 基于用户侧需求响应和分布式储能的风电并网控制方法 | |
CN110953169B (zh) | 一种并联变频恒压控制系统控制方法 | |
CN109301876B (zh) | 一种约束条件弹性化的电力日前市场出清方法 | |
CN110942212B (zh) | 一种基于梯级水库运行系数的梯级水库优化运行方法 | |
CN113609713A (zh) | 用户侧电碳信息量化计算方法、系统及计算机存储介质 | |
CN110912200B (zh) | 一种梯级水电站优化调度系统、方法及安全电网系统 | |
CN108023348B (zh) | 一种基于外送通道确定风电最佳调峰装机规模的方法 | |
US20160274632A1 (en) | System and method for controlling energy usage in a server | |
CN112583051B (zh) | 变速抽水蓄能机组在区域电网中的优化调度模型构建方法 | |
CN106655153B (zh) | 二类状态变量的电力系统机组组合模型及其建立方法 | |
CN108429280B (zh) | 一种无源电网广域虚拟频率控制方法及系统 | |
US11262713B2 (en) | Method for calculating control parameters of heating supply power of heating network | |
CN110954172A (zh) | 一种并联变频恒压供水系统流量检测方法 | |
CN116029097A (zh) | 考虑不确定性风电接入惯量安全的经济-能效性调度方法 | |
CN109191018A (zh) | 一种水厂多台水泵节能管理方法 | |
CN112436510B (zh) | 一种风-光-火特高压直流外送调度方法及系统 | |
CN115619102B (zh) | 一种基于新能源弃电率的电气计算校核方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Gao Zhenyu Inventor after: Wu Qifeng Inventor after: Wang Yan Inventor before: Gao Zhenyu Inventor before: Yang Benfan Inventor before: Wu Qifeng Inventor before: Wang Yan |