CN117132020A - 一种基于二次供水的水箱水龄优化方法及系统 - Google Patents
一种基于二次供水的水箱水龄优化方法及系统 Download PDFInfo
- Publication number
- CN117132020A CN117132020A CN202311209409.XA CN202311209409A CN117132020A CN 117132020 A CN117132020 A CN 117132020A CN 202311209409 A CN202311209409 A CN 202311209409A CN 117132020 A CN117132020 A CN 117132020A
- Authority
- CN
- China
- Prior art keywords
- water
- water tank
- age
- tank
- level
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 792
- 238000005457 optimization Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000001502 supplementing effect Effects 0.000 claims description 62
- 238000003860 storage Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 10
- 230000014759 maintenance of location Effects 0.000 description 6
- 239000007788 liquid Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000003651 drinking water Substances 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 239000008400 supply water Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 241000255925 Diptera Species 0.000 description 1
- 241000256602 Isoptera Species 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明解决了传统的二次供水中水箱的水龄时间过长，水质容易变差，缺少实时智能的水箱水龄调控的问题，提供了一种基于二次供水的水箱水龄优化方法及系统，通过获取供水区域居民用水规律数据，运用机器学习建立基于时间序列的预测用水量模型，预测供水区域的需水量，基于水箱的性能参数和水箱有效容积V有效，再联合预测用水量模型，建立水龄优化模型，满足预设水龄需求，利用遍历水箱补水次数算法，找到满足水龄要求的前提下，水龄最小情况下对应的最少补水次数，保证水箱供给的水质水龄符合供水需求，实时动态预测并调整供水量和水龄，不断提升二次供水工作的专业化、规范化和服务水平，合理的减少水力停留时间，降低水龄，提升水质。
Description
技术领域
本发明涉及二次供水领域，具体是涉及一种基于二次供水的水箱水龄优化方法及系统。
背景技术
根据四部委联合印发《关于加强和改进城镇居民二次供水设施建设与管理确保水质安全的通知》，明确提出“鼓励供水企业通过统建统管、改造后接管、接受物业企业或业主委托等方式，对二次供水设施实施专业运行维护”，确保设施安全运行，保障供水水质安全。在这个大背景下，各地积极推进二次供水设施的标准化建设和管理。
二次供水指单位或个人将城市公共供水或自建设施供水经储存、加压，通过管道再供用户，通常以水箱和水泵机组作为二次供水的设施。但二次供水存在污染问题，主要体现为：(1)水箱的通气管、溢流管封口未做防护处理导致蚊虫鼠蚁或其他异物进入池内；(2)水箱的排水管、溢流管与下水道连接，或者被埋没在污水中，导致污水通过倒虹吸进入内；(3)水箱中的自来水停留时间过长，导致水中余氯挥发，无法满足持续消毒的需要。
随着城市的发展，二次供水泵站已经是高区用户和城市高层建筑供水中不可缺少的组成部分。但是随着城市居民与小区人口流动变化，二次供水泵站设计的水箱随时满负荷存水。水箱饮用水不能用尽，水龄变长，滋生细菌，同时增加清洗水箱难度，浪费水源。
追求高品质的饮用水，是供水行业永恒的主题和为之奋斗的目标。而二次供水作为城市供水系统的“最后一公里”，保障其水质安全对整个供水系统具有重要意义。杭州水务集团拥有3000+二供泵房，大多数水箱采用浮球阀控制或者电动阀固定进水方式控制，未充分利用水箱的调蓄容积，也没有结合用户的实际用水需求进行优化，不利于降低水龄，保障供水水质。
中国专利公开号CN213143239U，公开日2021年5月7日，发明创造的名称为一种住宅二次供水水龄优化系统，该方案公开了一种住宅二次供水水龄优化系统，其不足之处便是无法获取水箱中水龄数据，没有一个清晰准确的水龄判断，水质的检测不够详细，缺少智能先进的水质调控能力，无法实时动态调整供水区域的供水量和水龄。
发明内容
本发明解决了传统的二次供水中水箱的水龄时间过长，水质容易变差，缺少实时智能的水箱水龄调控的问题，提供了一种基于二次供水的水箱水龄优化方法及系统。
为了达到上述发明目的，本发明采取以下技术方案：
一种基于二次供水的水箱水龄优化方法，包括以下步骤：
S1、获取供水区域内居民用水规律数据，根据居民用水规律数据，建立基于时间序列的预测用水量模型；
S2、基于水箱的性能参数，确定水箱有效容积V有效；
S3、根据预测用水量模型和水箱有效容积V有效，建立水箱的水龄优化模型；
S4、利用水龄优化模型，计算补水水位V补，停补水位V停和补水时刻。所述基于二次供水的水箱水龄优化方法还包括，步骤S5、向泵房控制器下发水箱的补水和停补水指令。基于二次供水的水箱水龄优化方法，符合建筑给水排水设计标准GB50015-2019，通过获取该供水区域内居民用水规律数据，通过机器学习，建立不同供水区域情况下的基于时间序列的用水量模型，预测供水区域的未来一段时间内的需水量，为水龄优化模型的建立提供决策依据。
基于水箱的性能参数和建筑给水排水设计标准下的贮水设备有效容积的贮水设计规定，确定水箱的有效容积V有效，再综合用水量预测模型和水箱的有效容积V有效，建立水箱水龄优化模型，计算补水水位V补，停补水位V停和补水时刻；再通过供水区域的泵房的控制器，下发水箱补水指令和停补水指令，向水箱中补充优质新水，调整此供水区域的水箱的水龄以达到降低水龄和提升水质，通过以上过程，保证水箱的水力停留时间在合理范围内。该方案提供了一种二次供水的智慧水龄优化方案，通过用水量预测模型和水龄优化模型，计算水箱中的水龄、补水位、停补水位以及小时预测用水量数据，并预测得到一个当日的水箱补水时刻，不断提升二次供水工作的专业化、规范化和服务水平，实时动态预测并调整供水区域的供水量和水龄。
作为优选，所述步骤S1进一步表示为：
S1.1、获取并记录供水区域内居民用水规律数据；
S1.2、根据居民用水规律数据，采用机器学习建立基于时间序列的预测用水量模型；
S1.3、根据预测用水量模型，预测得到需水量V需。所述步骤S1中，时间序列的预测用水量模型是基于小时维度进行周期性预测。所述供水区域内居民用水规律数据包括用水量、用水高峰时段、用水趋势，能够通过这些数据直观清晰的表达供水区域的用水规律，以这些用水规律数据为参考，为基于时间序列的预测用水量模型提供更有效且科学的决策依据，提升了预测需水量数据的有效性。
所述基于时间序列的预测用水量模型拟采用多变量时间序列的多步预测的LSTM模型或者CatBoost算法，在小时维度对供水区域的需水量进行周期预测，同时根据供水区域用水规律数据，时间维度可扩展至日、月等维度，进行中长期周期预测。
作为优选，所述步骤S2中，所述水箱的性能参数包括，水箱的底面积S和水箱几何高H；基于水箱的性能参数，确定水箱的有效容积，为：
V有效＝S*(H-L超高-L低-L安全)。
其中，L低为水箱的最低水位，L超高为水箱的超高水位，L安全为安全储水位，所述步骤S3中，所述水箱水龄优化模型通过遍历水箱补水次数，计算每一补水次数下对应的水箱水龄最大值作为该补水次数对应的水龄，挑选其中满足水龄要求的水龄最小情况下所对应的最少补水次数，所述遍历水箱补水次数从1开始，分别为1,2,3,4…n。结合实际和科学方式，考虑水泵的保护水位(水箱的最低水位L低)和建筑给水排水设计标准，保证水箱中水力停留时间在合理范围内，减少水箱中水质被污染的概率，通过遍历水箱补水次数，动态计算当前补水次数下的水箱水龄最大值，实现了二次供水的全局动态优化水龄水质。
作为优选，所述步骤S4进一步表示为：
S4.1、预设水箱的水龄需求t需；
S4.2、利用水箱水龄优化模型，遍历计算得到水箱的补水次数N补和该补水次数下水箱对应最大水龄；
S4.3、根据水箱的补水次数N补和单次补水量计算得到补水水位V补和停补水位V停；
S4.4、根据补水水位V补和停补水位V停以及小时预测用水量，预测当日的补水时间和停补时间。
所述供水区域的日预测需水量V需，根据基于时间序列的预测用水量模型，通过向预测用水量模型输入供水区域过去一段时间内的用水量数据和预测时间，所述用水量数据统一换算成小时用水量数据，计算供水区域的日预测需水量V需。所述预设的水箱水龄需求t水龄根据时间、气温、供水场地、季节等不同情况，利用泵房远程控制单元进行不同程度的预先设置，实现了灵活，智能化的水箱水龄调节，推进供水水质从“合格水”到“优质水”的转变。
所述步骤S5中，所述泵房的控制器为PLC控制器，根据水箱水龄优化模型，计算满足水龄需求t需的水箱进水参数，向泵房的PLC控制器下发水箱水位调节指令，自动调节进水阀开关。
一种基于二次供水的水箱水龄优化系统，包括泵房远程控制单元，所述泵房远程控制单元连接有水箱，所述泵房远程控制单元内设软件分析子单元，接收并实时分析水箱水位的探测数据。
所述水箱内设硬件传感子单元，实时探测水箱中的水位数据和水质数据，并将所述硬件传感子单元探测的数据发送至所述泵房远程控制单元，所述水箱的一端部还设有进水阀。
所述硬件传感子单元包括设置于水箱内的液位仪和水质在线检测设备，实时探测水箱中的该时刻下水质和水位，同时将检测的水质和水位数据通过有线或无线通信方式，上传至所述泵房远程控制单元；所述软件分析子单元包括水箱水位控制器，所述水箱水位控制器连接所述水箱端部的进水阀，当所述软件分析子单元接收到所述硬件传感子单元探测的数据，根据建立的基于时间序列的预测用水量模型和水龄优化模型，实时对比水龄优化模型计算得到的补水位和水箱的水位，判断是否需要补水。
本发明的有益效果为：一种基于二次供水的水箱水龄优化方法及系统，通过获取供水区域居民用水规律数据，运用机器学习建立基于时间序列的预测用水量模型，预测供水区域的需水量，基于水箱的性能参数和水箱有效容积V有效，再联合预测用水量模型，建立水龄优化模型，根据预设的水龄需求，验证水箱的水质水龄，保证水箱供给的水质水龄满足供水需求，实时动态预测并调整供水区域的供水量和水龄，不断提升二次供水工作的专业化、规范化和服务水平，具备智能的水龄调控能力，合理的减少水力停留时间，降低水龄，提升水质。
附图说明
图1是本发明实施例的基于二次供水的水箱水龄优化方法流程图；
图2是本发明实施例的水箱液位控制补水模式示意图。
具体实施方式
为使本发明的目的，技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。在本实施例中，以住宅小区作为供水区域，住宅小区的二次供水泵房水箱采用电动阀和二次供水泵房PLC，触摸屏源程序。
在本实施中，如图1所示，一种基于二次供水的水箱水龄优化方法，包括以下步骤：S1、获取供水区域内居民用水规律数据，根据居民用水规律数据，建立基于时间序列的预测用水量模型；
S2、基于水箱的性能参数，确定水箱有效容积V有效；
S3、根据预测用水量模型和水箱有效容积V有效，建立水箱的水龄优化模型；
S4、利用水龄优化模型，计算补水水位V补，停补水位V停和补水时刻。所述基于二次供水的水箱水龄优化方法还包括，步骤S5、向泵房控制器下发水箱的补水和停补水指令。基于二次供水的水箱水龄优化方法，符合建筑给水排水设计标准GB50015-2019，通过获取该供水区域内居民用水规律数据，通过机器学习，建立不同供水区域情况下的基于时间序列的用水量模型，预测供水区域的未来一段时间内的需水量，为水龄优化模型的建立提供决策依据。
基于水箱的性能参数和建筑给水排水设计标准下的贮水设备有效容积的贮水设计规定，确定水箱的有效容积V有效，再综合用水量预测模型和水箱的有效容积V有效，建立水箱水龄优化模型，计算补水水位V补，停补水位V停和补水时刻；再通过供水区域的泵房的控制器，下发水箱的补水和停补水指令，向水箱中补充优质新水，在保障居民用水需求的同时，降低水龄和提升水质，通过以上过程，保证水箱的水力停留时间在合理范围内。该方案提供了一种二次供水的智慧水龄优化方案，通过用水量预测模型和水龄优化模型，计算水箱中的水龄、补水位、停补水位以及小时预测用水量数据，并预测得到一个当日的水箱补水时刻，不断提升二次供水工作的专业化、规范化和服务水平，实时动态预测并调整供水区域的供水量和水龄。
步骤S1进一步表示为：
S1.1、获取并记录供水区域内居民用水规律数据；
S1.2、根据居民用水规律数据，采用机器学习建立基于时间序列的预测用水量模型；
S1.3、根据预测用水量模型，预测得到需水量V需。所述步骤S1中，时间序列的预测用水量模型是基于小时维度进行周期性预测。所述供水区域内居民用水规律数据包括用水量、用水高峰时段、用水趋势，能够通过这些数据直观清晰的表达供水区域的用水规律，以这些用水规律数据为参考，为基于时间序列的预测用水量模型提供更有效且科学的决策依据，提升了预测需水量数据的有效性。
在本实施例中，过去一段时间内水箱液位参数采用小时用水量的计算方式，同时基于时间序列的预测用水量模型还需要输入供水区域，时间、星期几、是否节假日(节假日包括过去一段时间内的节假日+预测时间段的节假日)、气温、供水区域用户数量、特殊场景(特殊场景包括恶劣天气、疫情、大型活动等等)具体情况下的水箱液位参数，用以加强基于机器学习的预测用水量模型的输出预测需水量数据的准确性和为接下来的水龄优化模型的建立，提供全局的优化数据，进一步精准的优化水龄输出。
基于时间序列的预测用水量模型拟采用多变量时间序列的多步预测的LSTM模型或者CatBoost算法，在小时维度对供水区域的需水量进行周期预测，同时根据供水区域用水规律数据，时间维度可扩展至日、月等维度，进行中长期周期预测。
长短时记忆网络(Long Short Term Memory，简称LSTM)模型，本质上是一种特定形式的循环神经网络(Recurrent Neural Network，简称RNN)。LSTM模型在RNN模型的基础上通过增加门限来解决RNN短期记忆的问题，使得循环神经网络能够真正有效地利用长距离的时序信息。LSTM在RNN的基础结构上增加了输入门限、输出门限、遗忘门限3个逻辑控制单元，且各自连接到了一个乘法元件上，通过设定神经网络的记忆单元与其他部分连接的边缘处的权值控制信息流的输入、输出以及细胞单元的状态。
CatBoost是一种基于对称决策树(oblivious trees)为基学习器实现的参数较少、支持类别型变量和高准确性的GBDT框架，主要解决的痛点是高效合理地处理类别型特征。此外，CatBoost还解决了梯度偏差以及预测偏移的问题，从而减少过拟合的发生，进而提高算法的准确性和泛化能力。
步骤S2中，水箱的性能参数包括，水箱的底面积S和水箱几何高H；基于水箱的性能参数，确定水箱的有效容积，其中，L低为水箱的最低水位，L超高为水箱的超高水位，L安全为安全储水位，为：
V有效＝S*(H-L超高-L低-L安全)。
步骤S3中，水箱水龄优化模型通过遍历水箱补水次数，计算每一补水次数下对应的水箱水龄最大值作为该补水次数对应的水龄，挑选其中水龄最小情况(前提还要满足水龄要求)下对应的最少补水次数，遍历水箱补水次数从1开始，分别为1,2,3,4…n。结合实际和科学方式，考虑水泵的保护水位(水箱的最低水位L低)和建筑给水排水设计标准，保证水箱中水力停留时间在合理范围内，减少水箱中水质被污染的概率，通过遍历水箱补水次数，动态计算当前补水次数下的水箱水龄最大值，实现了二次供水的全局动态优化水龄水质。
步骤S4进一步表示为：
S4.1、预设水箱的水龄需求t需；
S4.2、利用水箱水龄优化模型，遍历计算得到水箱的补水次数N补和该补水次数下水箱对应最大水龄；
S4.3、根据水箱的补水次数N补和单次补水量计算得到补水水位V补和停补水位V停；
S4.4、根据补水水位V补和停补水位V停以及小时预测用水量，预测当日的补水时间和停补时间。
在本实施例中，基于二次供水的水箱水龄优化的具体过程如下：
(1)获取供水区域居民用水规律数据(包括用水量、高峰时段、用水趋势等)、通过获取的居民用水规律数据，采用机器学习建立基于时间序列的预测用水量模型(LSTM或者catBoost)。
(2)向预测用水量模型输入过去一段时间的用水量数据、预测时间、星期几、是否节假日(过去+预测时段)、气温、用户数量、特殊场景(恶劣天气、疫情、大型活动)等数据；预测用水量模型输出预测的小时用水量数据和预测的每日需水量V需。
(3)基于水箱的性能参数，确定水箱有效容积；
设水箱的底面积为S，水箱几何高为H，则：确定水箱的有效容积，其中，L低为水箱的最低水位，L超高为水箱的超高水位，L安全为安全储水位，为：
V有效＝S*(H-L超高-L低-L安全)。
其中，根据建筑给水排水设计标准GB 50015-2019，L超高为水箱装水达到最高水位时，最高水位到水箱顶的距离，L超高一般为定值，取0.2m；L低与是否设置吸水坑、水泵吸水管、水箱放空管的安装方式均有关系，最低水位不能见底，一般最低水位距池底不小于0.5m；安全储水量决定安全储水位L安全，一般由设计人员根据具体情况确定，重要小区安全储水量可按最高日最大时1～2小时计取。
(4)需水量预测。
每日的0:00，利用预测用水量模型，预测得到当日需水量和小时预测用水量数据，由于模型预测的需水量与实际需水量会存在偏差，因此需对这些偏差进行修正得到最终的当日预测需水量V需和小时预测用水量。
(5)补水次数遍历计算
设定水龄需求t需，遍历水箱补水次数分别为1,2,3,4…n，分别计算不同补水次数下，水箱水龄的最大值，再挑选出满足水龄要求的前提下，水龄最小情况下对应的最少补水次数，遍历过程举例如下：
水箱底面积为S，有效容积为V有效，当日预测需水量为V需，LUpper为水箱液位上限，Llower为水箱液位下限。
当补水次数为1时，单次补水量为Y1＝V需，若Y1≤V有效，则补水次数为1，并计算水龄为t1,否则直接跳过该方案，直接进入步骤(6)；
当补水次数为2时，单次补水量为Y2＝V需/2,若Y2≤V有效，则补水次数为2，并计算水龄为t2,否则直接跳过该方案，直接进入步骤(6)；
当补水次数为3时，单次补水量为Y3＝V需/3,若Y3≤V有效，则补水次数为3，并计算水龄为t3,否则直接跳过该方案，直接进入步骤(6)；
……一直遍历到允许的最大补水次数n，找到满足t需最小的补水次数N补，其中n需要根据用户实际使用需求来提前设定，或通过多次遍历找到n，n需满足在遍历了n次之后，能找到满足水龄最小的最佳补水次数。
(6)水龄计算
在本实施例中，如图2所示，假设打开水箱阀门时进水的水龄为0，假设单次补水量为x，存水量为y，则V有效＝x+y。水龄计算方式为：
补水量占总有效容积的比例为：
存水量占总有效容积的比例为：
初始时刻，水箱内充满水且水龄为0h，经过T1时间，液位下降至开阀补水位，此刻水箱内存水的水龄也变为T1；打开阀门进行第一次补水后，新补充的水与存水混合，使得水龄在补水瞬间降低，变为bT1；再经过一段时间T2，水箱开始进行第二次补水，存水水龄又由bT1增加值bT1+T2，其中，T1、T2直到Tn为预测当日的各时段用水量达到单次补水量的时间间隔，由于不同供水区域的用水规律不同，不是均匀用水，因此每天的T1、T2直到Tn的值都不同，是根据需水量预测模型预测的小时需水量及补水次数综合来确定的。
水箱内水龄变化具体推导过程如下表：
(7)补水水位V补、停补水位V停及补水时刻计算
在确定了当日补水次数N补之后，当日需水量V需和小时预测用水量也已知，即可确定单次补水量为x＝V需/N补
补水水位V补＝L低+L安全
停补水位＝补水水位+补水高度＝L低+L安全+(x/S)，且≤H-L超高
根据补水水位V补和停补水位V停以及小时预测用水量数据，预测得到当日的补水时刻。
其中，根据建筑给水排水设计标准GB 50015-2019，L超高一般为定值，取0.2m；L低与是否设置吸水坑、水泵吸水管、水箱放空管的安装方式均有关系，最低水位不能见底，一般最低水位距池底不小于0.5m；安全储水量决定安全储水位L安全，一般由设计人员根据具体情况确定，重要小区安全储水量可按最高日最大时1～2小时计取。
在本实施例中，建立的水龄优化模型需要输入数据包括水箱的基础数据(底面积S，几何高度H)、当日需水量及当日小时预测用水量(预测用水量模型输出结果)、水龄需求t需，通过软件分析子单元，对输入数据进行分析计算，运用建立的水龄优化模型，输出数据包括补水次数、补水时刻、补水水位、停补水位、水龄，通过水龄优化模型能极大减少水力停留时间，为全局优化动态调整水箱进水参数进而提升水质提供模型支持。
步骤S5中，泵房的控制器为PLC控制器，根据水箱水龄优化模型，计算满足水龄需求t需的水箱进水参数，向泵房的PLC控制器下发水箱水位调节指令，自动调节进水阀开关。
在本实施例中，一种基于二次供水的水箱水龄优化系统，包括泵房远程控制单元，泵房远程控制单元连接有水箱，泵房远程控制单元内设软件分析子单元，接收并实时分析水箱水位的探测数据。
水箱内设硬件传感子单元，实时探测水箱中的水位数据和水龄数据，并将硬件传感子单元探测的数据发送至泵房远程控制单元，水箱的一端部还设有进水阀。
硬件传感子单元包括设置于水箱内的液位仪和水质在线检测设备，实时探测水箱中的该时刻下水质和水位，同时将检测的水质和水位数据通过有线或无线通信方式，上传至泵房远程控制单元；软件分析子单元包括水箱水位控制器，水箱水位控制器连接水箱端部的进水阀，当软件分析子单元接收到硬件传感子单元探测的数据，根据建立的基于时间序列的预测用水量模型和水龄优化模型，实时判断水龄优化模型计算得到的补水位和停补水位与水箱水位的大小关系，判断是否需要进行补水或停补水。
Claims (10)
1.一种基于二次供水的水箱水龄优化方法，其特征在于，包括以下步骤：
S1、获取供水区域内居民用水规律数据，根据居民用水规律数据，建立基于时间序列的预测用水量模型；
S2、基于水箱的性能参数，确定水箱有效容积V有效；
S3、根据预测用水量模型和水箱有效容积V有效，建立水箱的水龄优化模型；
S4、利用水龄优化模型，计算补水水位V补，停补水位V停和补水时刻。
2.根据权利要求1所述一种基于二次供水的水箱水龄优化方法，其特征在于，所述基于二次供水的水箱水龄优化方法还包括，步骤S5、向泵房控制器下发水箱的补水和停补水指令。
3.根据权利要求1所述一种基于二次供水的水箱水龄优化方法，其特征在于，所述步骤S1进一步表示为：
S1.1、获取并记录供水区域内居民用水规律数据；
S1.2、根据居民用水规律数据，采用机器学习建立基于时间序列的预测用水量模型；
S1.3、根据预测用水量模型，预测得到需水量V需。
4.根据权利要求1或3所述一种基于二次供水的水箱水龄优化方法，其特征在于，所述步骤S1中，时间序列的预测用水量模型是基于小时维度进行周期性预测。
5.根据权利要求1所述一种基于二次供水的水箱水龄优化方法，其特征在于，所述步骤S2中，所述水箱的性能参数包括，水箱的底面积S和水箱几何高H；基于水箱的性能参数，确定水箱的有效容积，为：
V有效＝S*(H-L超高-L低-L安全)
其中，L低为水箱的最低水位，L超高为水箱的超高水位，L安全为安全储水位。
6.根据权利要求1或5所述一种基于二次供水的水箱水龄优化方法，其特征在于，所述步骤S3中，所述水箱水龄优化模型通过遍历水箱补水次数，计算每一补水次数下对应的水箱水龄最大值作为该补水次数对应的水龄，挑选其中满足水龄要求的水龄最小情况下所对应的最少补水次数，所述遍历水箱补水次数从1开始。
7.根据权利要求1所述一种基于二次供水的水箱水龄优化方法，其特征在于，所述步骤S4进一步表示为：
S4.1、预设水箱的水龄需求t需；
S4.2、利用水箱水龄优化模型，遍历计算得到水箱的补水次数N补和该补水次数下水箱对应最大水龄；
S4.3、根据水箱的补水次数N补和单次补水量计算得到补水水位V补和停补水位V停；S4.4、根据补水水位V补和停补水位V停以及小时预测用水量，预测当日的补水时间和停补时间。
8.根据权利要求1或2所述一种基于二次供水的水箱水龄优化方法，其特征在于，所述步骤S5中，所述泵房的控制器为PLC控制器，根据水箱水龄优化模型，计算满足水龄需求t需的水箱进水参数，向泵房的PLC控制器下发水箱水位调节指令，自动调节进水阀开关；所述步骤S1中，基于时间序列的预测用水量模型输出数据为小时预测用水量数据。
9.一种基于二次供水的水箱水龄优化系统，适用于如权利要求1-8任一项所述的水箱水龄优化方法，其特征在于，包括泵房远程控制单元，所述泵房远程控制单元连接有水箱，所述泵房远程控制单元内设软件分析子单元，接收并实时分析水箱水位的探测数据。
10.根据权利要求9所述一种基于二次供水的水箱水龄优化系统，其特征在于，所述水箱内设硬件传感子单元，实时探测水箱中的水位数据和水质数据，并将所述硬件传感子单元探测的数据发送至所述泵房远程控制单元，所述水箱的一端部还设有进水阀。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311209409.XA CN117132020A (zh) | 2023-09-18 | 2023-09-18 | 一种基于二次供水的水箱水龄优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311209409.XA CN117132020A (zh) | 2023-09-18 | 2023-09-18 | 一种基于二次供水的水箱水龄优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117132020A true CN117132020A (zh) | 2023-11-28 |
Family
ID=88854564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311209409.XA Pending CN117132020A (zh) | 2023-09-18 | 2023-09-18 | 一种基于二次供水的水箱水龄优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117132020A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117313588A (zh) * | 2023-11-30 | 2023-12-29 | 浙江和达科技股份有限公司 | 一种二次供水水箱的水龄确定方法、装置及电子设备 |
-
2023
- 2023-09-18 CN CN202311209409.XA patent/CN117132020A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117313588A (zh) * | 2023-11-30 | 2023-12-29 | 浙江和达科技股份有限公司 | 一种二次供水水箱的水龄确定方法、装置及电子设备 |
| CN117313588B (zh) * | 2023-11-30 | 2024-02-23 | 浙江和达科技股份有限公司 | 一种二次供水水箱的水龄确定方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110991687B (zh) | 一种基于经验模型的水资源调度优化方法 | |
| CN102183972B (zh) | 一种城市排水系统蓄水池水位的控制方法 | |
| Wanjiru et al. | Sustainable energy-water management for residential houses with optimal integrated grey and rain water recycling | |
| CN117132020A (zh) | 一种基于二次供水的水箱水龄优化方法及系统 | |
| CN109814510B (zh) | 基于来水预测的污水处理提升泵优化调度控制方法 | |
| CN113011662B (zh) | 一种区域企厂网河一体化联合优化调度的系统及方法 | |
| CN107609716B (zh) | 一种水电站负荷区间预测方法 | |
| 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 | |
| CN107122853A (zh) | 一种供水管网实时调度系统及方法 | |
| CN108109076A (zh) | 一种考虑径流预报的梯级水电站群发电调度弃水风险分析方法 | |
| WO2021238170A1 (zh) | 二元水权核算交易方法及系统 | |
| CN114610085A (zh) | 一种基于水龄的二次供水水箱的液位控制方法 | |
| CN113812851A (zh) | 一种用于直饮水净水设备的水龄控制系统 | |
| CN109403425B (zh) | 供水管网的优化调度系统 | |
| CN111592107A (zh) | 一种农村污水处理站控制方法 | |
| Yan et al. | Evaluation and prediction of water resources carrying capacity in Jiangsu Province, China | |
| CN113237135B (zh) | 基于SD-LSTMs的公寓独立供热系统需热量预测及节能控制方法 | |
| CN115713448A (zh) | 基于汇水单元的流域水污染常规因子快速溯源方法 | |
| CN109002946B (zh) | 一种河湖补水的“两库—两站”系统水资源优化调度方法 | |
| CN113420967B (zh) | 一种基于预测的城市供水管网运行评估方法 | |
| CN109919397A (zh) | 平原河网地区排涝容量校验优化方法 | |
| EP4146872A1 (en) | Method for operating a sewer network system | |
| CN106968291B (zh) | 防止二次供水水箱中水质二次污染的方法 | |
| 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 | |
| JP5087713B1 (ja) | 下水排出方法 |
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 |