CN117217503B - 一种基于大数据的智慧泵站泵群远程智能调度管理系统 - Google Patents
一种基于大数据的智慧泵站泵群远程智能调度管理系统 Download PDFInfo
- Publication number
- CN117217503B CN117217503B CN202311482012.8A CN202311482012A CN117217503B CN 117217503 B CN117217503 B CN 117217503B CN 202311482012 A CN202311482012 A CN 202311482012A CN 117217503 B CN117217503 B CN 117217503B
- Authority
- CN
- China
- Prior art keywords
- scheduling
- water
- pump
- rainfall
- water pump
- 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 claims abstract description 326
- 239000010865 sewage Substances 0.000 claims abstract description 33
- 239000010802 sludge Substances 0.000 claims description 65
- 238000012544 monitoring process Methods 0.000 claims description 50
- 238000005086 pumping Methods 0.000 claims description 43
- 230000006978 adaptation Effects 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000003657 drainage water Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- 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]
Abstract
本发明属于泵站调度管理技术领域,具体公开提供的一种基于大数据的智慧泵站泵群远程智能调度管理系统,该系统包括蓄水状态监测模块、降雨信息采集模块、泵站状态监测模块、泵站启动量预测模块、泵站调度方案确认模块和泵站调度方案反馈终端。本发明通过根据污水收集井的蓄水状态信息以及降雨信息和泵站水泵状态,据此预测目标泵站的需求启动水泵数目以及确认目标泵站内的水泵调度方案,有效解决了当前泵站调度管理存在的不足,确保了调度水泵作业的可行性和可靠性,从而提高了泵站调度管理的合理性和规范性,促进了后续城市排水工作的顺畅性和排水效率,进而有效预防了城市洪涝灾害的发生以及加强了城市排水保障。
Description
技术领域
本发明属于泵站调度管理技术领域,具体而言涉及到一种基于大数据的智慧泵站泵群远程智能调度管理系统。
背景技术
泵站是一种设施,用于将水从一个地点抽送到另一个地点,通常由泵、管道、控制设备组成,用于确保水资源的有效分配和流动,而雨季通常伴随着大量的降雨,进而导致城市面临的洪水风险也增加,因此,对泵站调度管理的重要性不言而喻。
当前泵站调度管理主要根据降雨量以及蓄水量进行调度分析,从而确认调度方案,很显然,当前泵站调度管理还存在以下几个方面的不足:1、对蓄水量分析存在一定的欠缺,仅根据蓄水水位本身,未对降雨趋势进行进一步分析和预测,进而使的水泵调度决策的参照依据较为单一和常规,无法确保水泵调度结果的参考性,进而无法提高后续调度措施的适配性和可行性,使得后续实际抽水效率得不到保障,也难以保障城市的洪涝风险的预防效果。
2、当前主要是对单个水泵的调度,缺少水泵之间协同调度的考虑,即当前水泵调度属于孤立式调度,无法最大化提高城市排水效率以及实现能源最大节省化。
3、当前进行水泵调度时,未对排水水体状态、泵体状态以及排水管道状态等要素进行综合性考虑,使得水泵调度的合理性不足,无法确保水泵调度的针对性和有效性,也无法提高城市排水管理的容错能力,即无法降低泵站运行异常的突发概率。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于大数据的智慧泵站泵群远程智能调度管理系统。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于大数据的智慧泵站泵群远程智能调度管理系统,该系统包括:蓄水状态监测模块,用于提取目标区域内污水收集井的设定警戒水位高度,并监测目标区域内污水收集井当前的蓄水状态信息,包括水体浊度、底部淤泥厚度以及在各监测时间点的水位高度。
降雨信息采集模块,用于采集目标区域各监测时间点的降雨量和各待降雨时间段的预计降雨量。
泵站状态监测模块,用于提取目标泵站内配置的水泵数目、各水泵的编号和作业参数以及设定降雨排水启动水泵数目,并对各水泵对应连接排水管道内的淤泥状态信息进行监测。
泵站启动量预测模块,用于根据所述蓄水状态信息以及目标区域各监测时间点的降雨量和各待降雨时间段的预计降雨量,预测目标泵站的需求启动水泵数目。
泵站调度方案确认模块,用于根据各水泵的作业参数和对应连接排水管道内的淤泥状态信息,确认目标泵站内的水泵调度方案。
泵站调度方案反馈终端,用于将目标泵站内的水泵调度方案反馈至目标泵站调度控制终端,进行泵站远程调度控制。
优选地,所述预测目标泵站的需求启动水泵数目,包括:以监测时间点为横坐标,以降雨量和水位高度分别为纵坐标,分别构建降雨变化曲线和水位高度变化曲线,从降雨变化曲线和水位变化曲线中进行斜率提取,并分别记为和/>。
从目标区域内污水收集井在各监测时间点的水位高度中筛选出最高水位高度,并将目标区域内污水收集井的设定警戒水位高度记为/>,同时提取目标泵站内配置的水泵数目/>和设定降雨排水启动水泵数目/>。
统计目标泵站的需求启动水泵数目,/>,/>为排水失衡趋向指数,/>,/>分别为设定安全的降雨增长速率、水位上升速率、水位高度,/>为设定排水失衡趋向因子,/>为设定参照排水失衡趋向指数,/>表示向上取整符号,/>表示向下取整符号。
优选地,所述作业参数包括设定作业参数和实际作业参数,其中,设定作业参数包括设定的单位时间泵送水量、泵送进出压力差和泵体转速,实际作业参数包括累计运转时长以及各次实际泵送时的进出压力差、泵体转速和实际单位时间泵送水量。
所述淤泥状态信息为各淤泥监测点的监测淤泥浓度。
优选地,所述确认目标泵站内的水泵调度方案,包括:分析目标泵站内各水泵的调度适配指数,并将各水泵按照其调度适配指数由大至小进行排序,得到各水泵的调度排序,并从中筛选出排名前位的各水泵,作为各调度水泵。
将各待降雨时间段的预计降雨量与设定干扰排水降雨量进行对比,将预计降雨量小于设定干扰排水降雨量的待降雨时间段记为平缓时间段,将预计降雨量大于或者等于设定干扰排水降雨量的待降雨时间段记为紧急时间段。
若各待降雨时间段均为紧急时间段,则将目标泵站的调度模式记为整体调度。
若各待降雨时间段中存在平缓时间段,则分析待降雨时间段的降雨紧密度,若,将目标泵站的调度模式记为整体调度,反之记为分时调度,/>为设定参照降雨紧密度。
当目标泵站的调度模式为整体调度时,提取各调度水泵的编号,并作为整体调度模式的调度信息。
当目标泵站的调度模式为分时调度时,确认调度阶段数目、各调度阶段对应各调度水泵的编号和调度时间区间,并作为分时调度模式的调度信息。
将调度模式和调度信息组合成目标泵站内的水泵调度方案。
优选地,所述分析目标泵站内各水泵的调度适配指数,包括:根据目标区域内污水收集井当前的水体浊度和底部淤泥厚度/>,统计污水收集井的水体排出负荷度/>。
从各水泵的作业参数中提取设定作业参数和实际作业参数,对比分析得到各水泵的运行状态符合度,/>表示水泵编号,/>。
从各水泵对应连接排水管道内的淤泥状态信息中定位出各淤泥监测点的监测淤泥浓度,确认存在的淤泥处数目,并提取各存在淤泥处的淤泥浓度/>,/>表示存在淤泥处编号,/>,统计各水泵的运行负荷度/>。
统计目标泵站内各水泵的调度适配指数,/>,/>分别为设定参照的运行状态符合度、运行负荷度。
优选地,所述各水泵的运行负荷度计算公式表示如下:,/>为设定的参照的淤泥浓度。
优选地,所述各水泵的运行状态符合度的具体分析过程为:从各水泵的设定作业参数中提取设定的单位时间泵送水量、泵送进出压力差和泵体转速。
从各水泵的实际作业参数中提取累计运转时长,并提取各次实际泵送时的进出压力差、泵体转速和实际单位时间泵送水量。
将各水泵对应各次实际泵送时的进出压力差与各水泵设定的泵送进出压力差进行对应作差,将差值记为进出压力差偏差。
以实际泵送次序为横坐标,以进出压力差偏差为纵坐标,构建各水泵的进出压力差偏差变化曲线,并从中进行斜率和幅值提取,分别记为和/>,统计各水泵的进出水压精准度/>,/>,/>、/>分别为设定许可的进出水压偏差增长率、进出水压偏差值。
按照各水泵的进出水压精准度的分析方式同理分析得到各水泵的泵体转速精准度和泵送水量精准度/>。
统计各水泵的运行状态符合度,,/>分别为设定参照累计运行时长、进出水压精准度、泵体转速精准度、泵送水量精准度。
优选地,所述分析待降雨时间段的降雨紧密度,包括:将各待降雨时间段按照时间先后进行排序,若排序前两位的待降雨时间段均为平缓时间段,则待降雨时间段的降雨紧密度记为。
若排序前两位待降雨时间段中存在紧急时间段,提取各紧急时间段之间的平缓时间段数目,/>表示紧急时间段编号,/>,统计待降雨时间段的降雨紧密度/>,,/>表示紧急时间段数目,以此得到待降雨时间段的降雨紧密度/>,/>取值为/>或者/>,/>。
优选地,所述确认调度阶段数目、各调度阶段对应各调度水泵的编号和调度时间区间,包括:统计紧急时间段数目和平缓时间段数目,将各紧急时间段和各平缓时间段在时间数轴上进行标注,得到各标注时间区间,进而将各标注时间区间组成整体调度阶段。
根据各平缓时间段所处标注时间区间位置将整体调度阶段划分为各紧急调度阶段和各平缓调度阶段,统计紧急调度阶段和平缓调度阶段的数目,两者相加得到调度阶段数目。
根据各紧急调度阶段和各平缓调度阶段的所处标注时间区间,得到各调度阶段的调度时间区间。
统计各调度阶段的排水难度趋向度,据此对各调度阶段进行调度水泵分配,得到各调度阶段的各调度水泵,并提取各调度阶段对应各调度水泵的编号。
优选地,所述对各调度阶段进行调度水泵分配,包括:将各调度阶段的排水难度趋向度与设定的各排水难度趋向度对应启动水泵占比进行匹配对比,得到各调度阶段的启动水泵占比。
若某调度阶段为紧急调度阶段,将该调度阶段的启动水泵占比记为,并从各调度水泵的调度排序中筛选出排名前/>位的调度水泵,作为该调度阶段的各调度水泵,若该调度阶段为平缓调度阶段,从各调度水泵的调度排序中筛选出排名后/>位的调度水泵,作为该调度阶段的各调度水泵,以此得到各调度阶段的各调度水泵。
相较于现有技术,本发明的有益效果如下:(1)本发明通过根据污水收集井的蓄水状态信息以及降雨信息和泵站水泵状态,据此预测目标泵站的需求启动水泵数目以及确认目标泵站内的水泵调度方案,有效解决了当前泵站调度管理存在的不足,确保了调度水泵作业的可行性和可靠性,从而提高了泵站调度管理的合理性和规范性,进而有效预防了城市洪涝灾害的发生。
(2)本发明通过对降雨量和污水收集井的水位变化进行变化规律性分析,并结合待降雨时间段的时间和降雨量从而预测目标泵站的需求启动水泵数目,确保了目标泵站的需求启动水泵数目预测结果的精准性和真实性,规避了当前未对降雨趋势进行进一步分析和预测的不足,打破了水泵调度决策参照依据较为单一和常规的局限,从而确保了水泵调度结果的参考性,还促进了后续调度措施的适配性和可行性以及后续城市排水工作的顺畅性,并且还保障了后续实际抽水效率,从而提升了城市的洪涝风险的预防效果。
(3)本发明通过对各待降雨时间段进行细致分析,从而确认目标泵站的调度模式,并根据目标泵站的调度模式确认调度信息从而生成水泵调度方案,实现了泵站各水泵之间的协调性调度,弥补了当前孤立式调度存在的欠缺,从而实现了城市排水效率以及水泵运行能源节省的最大化,并且还显著提高了城市排水的稳定性。
(4)本发明在确认调度信息时,通过结合污水收集井内的水体状态、泵体状态以及排水管道内的淤泥状态等多个要素进行综合性评估,提升了水泵调度的合理性,实现了泵站的精细化调度,确保了水泵调度的针对性和有效性,同时还提升了城市排水管理的容错能力,并且还降低泵站运行异常的突发概率以及降低泵站运行突发异常的干扰性和干扰程度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统各模块连接示意图。
图2为本发明目标泵站内的水泵调度方案确认流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种基于大数据的智慧泵站泵群远程智能调度管理系统,该系统包括蓄水状态监测模块、降雨信息采集模块、泵站状态监测模块、泵站启动量预测模块、泵站调度方案确认模块和泵站调度方案反馈终端。
上述中,泵站启动量预测模块分别与蓄水状态监测模块、降雨信息采集模块、泵站状态监测模块和泵站调度方案确认模块连接,泵站调度方案确认模块分别与蓄水状态监测模块、降雨信息采集模块、泵站状态监测模块和泵站调度方案反馈终端连接。
所述蓄水状态监测模块,用于提取目标区域内污水收集井的设定警戒水位高度,并监测目标区域内污水收集井当前的蓄水状态信息,包括水体浊度、底部淤泥厚度以及在各监测时间点的水位高度。
在一个具体实施例中,水体浊度通过污水收集井内安置的浑浊度计进行监测得到,底部淤泥厚度通过污水收集井内安置的超声波泥位计检测得到,水位高度通过污水收集井内安置的水位计监测得到。
所述降雨信息采集模块,用于采集目标区域各监测时间点的降雨量和各待降雨时间段的预计降雨量。
所述泵站状态监测模块,用于提取目标泵站内配置的水泵数目、各水泵的编号和作业参数以及设定降雨排水启动水泵数目,并对各水泵对应连接排水管道内的淤泥状态信息进行监测。
具体地,作业参数包括设定作业参数和实际作业参数,其中,设定作业参数包括设定的单位时间泵送水量、泵送进出压力差和泵体转速,实际作业参数包括累计运转时长以及各次实际泵送时的进出压力差、泵体转速和实际单位时间泵送水量。
进一步地,淤泥状态信息为各淤泥监测点的监测淤泥浓度。
在一个具体实施例中,排水管道内的淤泥状态信息通过各淤泥监测点内内安置的污泥浓度计监测得到。
所述泵站启动量预测模块,用于根据所述蓄水状态信息以及目标区域各监测时间点的降雨量和各待降雨时间段的预计降雨量,预测目标泵站的需求启动水泵数目。
示例性地,预测目标泵站的需求启动水泵数目,包括:C1、以监测时间点为横坐标,以降雨量和水位高度分别为纵坐标,分别构建降雨变化曲线和水位高度变化曲线,从降雨变化曲线和水位变化曲线中进行斜率提取,并分别记为和/>。
在一个具体实施例中,所述斜率指曲线对应回归线的斜率。
C2、从目标区域内污水收集井在各监测时间点的水位高度中筛选出最高水位高度,并将目标区域内污水收集井的设定警戒水位高度记为/>,同时提取目标泵站内配置的水泵数目/>和设定降雨排水启动水泵数目/>。
C3、统计目标泵站的需求启动水泵数目,/>,为排水失衡趋向指数,/>,/>分别为设定安全的降雨增长速率、水位上升速率、水位高度,/>为设定排水失衡趋向因子,/>为设定参照排水失衡趋向指数,/>表示向上取整符号,/>表示向下取整符号。
需要说明的是,设定排水失衡趋向因子,具体设定过程包括:Q1、将与各监测时间点的水位高度进行作差,将差值记为预警水位高度差,并与设定安全预警水位高度差进行对比,将小于安全预警水位高度差的监测时间点记为警戒时间点,将大于或者等于安全预警水位高度差的监测时间点记为安全时间点。
Q2、将各警戒时间点和各安全时间点按照时间先后进行排序,若排序为末位的时间点为警戒时间点,则将污水收集井的蓄水紧急权重因子记为,反之则将污水收集井的蓄水紧急权重因子记为/>,以此得到污水收集井的蓄水紧急权重因子/>,/>取值为/>或者,/>。
在一个具体实施例中,取值可以为0.8,/>取值可以为0.5。
Q3、提取各警戒时间点之间的安全时间点数目,/>表示警戒时间点编号,。
Q4、从各待降雨时间段中筛选出首个待降雨时间段,作为目标降雨时间段,提取目标降雨时间段与当前所处时间点之间的间隔时长以及目标降雨时间段的预计降雨量/>。
Q5、设定排水失衡趋向因子,,/>分别为设定的参照降雨间隔时长、干扰排水降雨量,/>表示从各警戒时间点之间的安全时间点数目中取最大值。
本发明实施例通过对降雨量和污水收集井的水位变化进行变化规律性分析,并结合待降雨时间段的时间和降雨量从而预测目标泵站的需求启动水泵数目,确保了目标泵站的需求启动水泵数目预测结果的精准性和真实性,规避了当前未对降雨趋势进行进一步分析和预测的不足,打破了水泵调度决策参照依据较为单一和常规的局限,从而确保了水泵调度结果的参考性,还促进了后续调度措施的适配性和可行性以及后续城市排水工作的顺畅性,并且还保障了后续实际抽水效率,从而提升了城市的洪涝风险的预防效果。
所述泵站调度方案确认模块,用于根据各水泵的作业参数和对应连接排水管道内的淤泥状态信息,确认目标泵站内的水泵调度方案。
示例性地,请参阅图2所示,确认目标泵站内的水泵调度方案,包括:E1、分析目标泵站内各水泵的调度适配指数,并将各水泵按照其调度适配指数由大至小进行排序,得到各水泵的调度排序,并从中筛选出排名前位的各水泵,作为各调度水泵。
可理解地,分析目标泵站内各水泵的调度适配指数,包括:E1-1、根据根据目标区域内污水收集井当前的水体浊度和底部淤泥厚度/>,统计污水收集井的水体排出负荷度,/>,/>、/>分别为设定的干扰排水水体浊度、干扰排水的淤泥厚度。
E1-2、从各水泵的作业参数中提取设定作业参数和实际作业参数,对比分析得到各水泵的运行状态符合度,/>表示水泵编号,/>。
进一步地,各水泵的运行状态符合度的具体分析过程为:X1、从各水泵的设定作业参数中提取设定的单位时间泵送水量、泵送进出压力差和泵体转速。
X2、从各水泵的实际作业参数中提取累计运转时长,并提取各次实际泵送时的进出压力差、泵体转速和实际单位时间泵送水量。
X3、将各水泵对应各次实际泵送时的进出压力差与各水泵设定的泵送进出压力差进行对应作差,将差值记为进出压力差偏差。
X4、以实际泵送次序为横坐标,以进出压力差偏差为纵坐标,构建各水泵的进出压力差偏差变化曲线,并从中进行斜率和幅值提取,分别记为和/>,统计各水泵的进出水压精准度/>,/>,/>、/>分别为设定许可的进出水压偏差增长率、进出水压偏差值。
X5、按照各水泵的进出水压精准度的分析方式同理分析得到各水泵的泵体转速精准度和泵送水量精准度/>。
X6、统计各水泵的运行状态符合度,,/>分别为设定参照累计运行时长、进出水压精准度、泵体转速精准度、泵送水量精准度。
E1-3、从各水泵对应连接排水管道内的淤泥状态信息中定位出各淤泥监测点的监测淤泥浓度,确认存在的淤泥处数目,并提取各存在淤泥处的淤泥浓度/>,/>表示存在淤泥处编号,/>,统计各水泵的运行负荷度/>,/>,/>为设定的参照的淤泥浓度。
需要说明的是,确认存在的淤泥处数目的确认方式为:将各淤泥监测点的监测淤泥浓度与设定淤泥存在评定浓度进行对比,将监测淤泥浓度大于设定淤泥存在评定浓度的淤泥监测点记为存在的淤泥处,据此统计得到存在的淤泥处数目。
在一个具体实施例中,井内底部如果有淤泥,使用水泵进行抽水时可能会将部分淤泥一同抽出。水泵通常通过吸力将液体吸入,并通过排放管道将其排出。在抽水过程中,水泵会产生一定的水流和水压,这可能会导致淤泥被搅动并随着水流一起被抽上来,进而不仅影响水泵抽水效率还对加大水泵的损害几率和堵塞几率,因此在统计各水泵的运行负荷度时结合了污水收集井的水体排出负荷度。
E1-4、统计目标泵站内各水泵的调度适配指数,/>,分别为设定参照的运行状态符合度、运行负荷度。
本发明实施例在确认调度信息时,通过结合污水收集井内的水体状态、泵体状态以及排水管道内的淤泥状态等多个要素进行综合性评估,提升了水泵调度的合理性,实现了泵站的精细化调度,确保了水泵调度的针对性和有效性,同时还提升了城市排水管理的容错能力,并且还降低泵站运行异常的突发概率以及降低泵站运行突发异常的干扰性和干扰程度。
E2、将各待降雨时间段的预计降雨量与设定干扰排水降雨量进行对比,将预计降雨量小于设定干扰排水降雨量的待降雨时间段记为平缓时间段,将预计降雨量大于或者等于设定干扰排水降雨量的待降雨时间段记为紧急时间段。
E3、若各待降雨时间段均为紧急时间段,则将目标泵站的调度模式记为整体调度。
E4、若各待降雨时间段中存在平缓时间段,则分析待降雨时间段的降雨紧密度,若/>,将目标泵站的调度模式记为整体调度,反之记为分时调度,/>为设定参照降雨紧密度。
可理解地,分析待降雨时间段的降雨紧密度,包括:将各待降雨时间段按照时间先后进行排序,若排序前两位的待降雨时间段均为平缓时间段,则待降雨时间段的降雨紧密度记为。
若排序前两位待降雨时间段中存在紧急时间段,提取各紧急时间段之间的平缓时间段数目,/>表示紧急时间段编号,/>,统计待降雨时间段的降雨紧密度/>,,/>表示紧急时间段数目,以此得到待降雨时间段的降雨紧密度/>,/>取值为/>或者/>,/>。
在一个具体实施例中,取值可以为0。
本发明实施例通过对各待降雨时间段进行细致分析,从而确认目标泵站的调度模式,并根据目标泵站的调度模式确认调度信息从而生成水泵调度方案,实现了泵站各水泵之间的协调性调度,弥补了当前孤立式调度存在的欠缺,从而实现了城市排水效率以及水泵运行能源节省的最大化,并且还显著提高了城市排水的稳定性。
E5、当目标泵站的调度模式为整体调度时,提取各调度水泵的编号,并作为整体调度模式的调度信息。
E6、当目标泵站的调度模式为分时调度时,确认调度阶段数目、各调度阶段对应各调度水泵的编号和调度时间区间,并作为分时调度模式的调度信息。
可理解地,确认调度阶段数目、各调度阶段对应各调度水泵的编号和调度时间区间,包括:E6-1、统计紧急时间段数目和平缓时间段数目,将各紧急时间段和各平缓时间段在时间数轴上进行标注,得到各标注时间区间,进而将各标注时间区间组成整体调度阶段。
E6-2、根据各平缓时间段所处标注时间区间位置将整体调度阶段划分为各紧急调度阶段和各平缓调度阶段,统计紧急调度阶段和平缓调度阶段的数目,两者相加得到调度阶段数目。
E6-3、根据各紧急调度阶段和各平缓调度阶段的所处标注时间区间,得到各调度阶段的调度时间区间。
E6-4、统计各调度阶段的排水难度趋向度,将各调度阶段的排水难度趋向度与设定的各排水难度趋向度的启动水泵占比进行匹配对比,得到各调度阶段的启动水泵占比。
需要说明的是,统计各调度阶段的排水难度趋向度的具体统计方式为:根据各调度阶段的调度时间区间,得到各调取阶段的调度时长,记为,/>表示调度阶段编号,。
提取各调度阶段对应调度时间区间内各时间段的预计降雨量,通过均值计算得到各调度阶段对应调度时间区间的平均降雨量,同时筛选出各调度阶段对应调度时间区间的最大预计降雨量/>。
统计各调度阶段的排水难度趋向度,/>,分别为设定参照调度时长、调度干扰降雨量。
E6-5、若某调度阶段为紧急调度阶段,将该调度阶段的启动水泵占比记为,并从各调度水泵的调度排序中筛选出排名前/>位的调度水泵,作为该调度阶段的各调度水泵,若该调度阶段为平缓调度阶段,从各调度水泵的调度排序中筛选出排名后/>位的调度水泵,作为该调度阶段的各调度水泵,以此得到各调度阶段的各调度水泵,并提取各调度阶段对应各调度水泵的编号。
E7、将调度模式和调度信息组合成目标泵站内的水泵调度方案。
所述泵站调度方案反馈终端,用于将目标泵站内的水泵调度方案反馈至目标泵站调度控制终端,进行泵站远程调度控制。
本发明实施例通过根据污水收集井的蓄水状态信息以及降雨信息和泵站水泵状态,据此预测目标泵站的需求启动水泵数目以及确认目标泵站内的水泵调度方案,有效解决了当前泵站调度管理存在的不足,确保了调度水泵作业的可行性和可靠性,从而提高了泵站调度管理的合理性和规范性,进而有效预防了城市洪涝灾害的发生。
在另一个具体实施例中,本发明还可以按照水泵调度管理的方式实现不同泵站的调度管理,其中,不同泵站的调度管理的具体管理包括以下步骤:步骤1、提取目标城市内污水收集井当前的蓄水状态信息和设定警戒水位高度。
步骤2、采集目标区域各监测时间点的降雨量和各待降雨时间段的预计降雨量。
步骤3、提取目标区域内的设置泵站数目,并提取各设置泵站的相关数据,所述相关数据包括配置的水泵数目、各水泵的编号、作业参数和降雨排水设定启动水泵数目。
步骤4、对各设置泵站内各水泵对应连接排水管道内的淤泥状态信息进行监测。
步骤5、按照预测目标泵站的需求启动水泵数目的预测方式同理预测得到需求启动泵站数目。
步骤6、按照目标泵站内各水泵的调度适配指数的统计方式同理统计得到各设置泵站的调度适配指数,并按照各调度水泵的筛选方式同理筛选得到各调度泵站。
步骤7、按照目标调度泵站的调度模式和调度信息的分析方式同理分析得到目标区域内泵站的调度模式和调度信息,进而生成目标区域内泵站的调度方案。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (1)
1.一种基于大数据的智慧泵站泵群远程智能调度管理系统,其特征在于:该系统包括:
蓄水状态监测模块,用于提取目标区域内污水收集井的设定警戒水位高度,并监测目标区域内污水收集井当前的蓄水状态信息,包括水体浊度、底部淤泥厚度以及在各监测时间点的水位高度;
降雨信息采集模块,用于采集目标区域各监测时间点的降雨量和各待降雨时间段的预计降雨量;
泵站状态监测模块,用于提取目标泵站内配置的水泵数目、各水泵的编号和作业参数以及设定降雨排水启动水泵数目,并对各水泵对应连接排水管道内的淤泥状态信息进行监测;
泵站启动量预测模块,用于根据所述蓄水状态信息以及目标区域各监测时间点的降雨量和各待降雨时间段的预计降雨量,预测目标泵站的需求启动水泵数目;
泵站调度方案确认模块,用于根据各水泵的作业参数和对应连接排水管道内的淤泥状态信息,确认目标泵站内的水泵调度方案;
泵站调度方案反馈终端,用于将目标泵站内的水泵调度方案反馈至目标泵站调度控制终端,进行泵站远程调度控制;
所述预测目标泵站的需求启动水泵数目,包括:
以监测时间点为横坐标,以降雨量和水位高度分别为纵坐标,分别构建降雨变化曲线和水位高度变化曲线,从降雨变化曲线和水位变化曲线中进行斜率提取,并分别记为和;
从目标区域内污水收集井在各监测时间点的水位高度中筛选出最高水位高度,并将目标区域内污水收集井的设定警戒水位高度记为/>,同时提取目标泵站内配置的水泵数目和设定降雨排水启动水泵数目/>;
统计目标泵站的需求启动水泵数目,/>,/>为排水失衡趋向指数,/>,/>分别为设定安全的降雨增长速率、水位上升速率、水位高度,/>为设定排水失衡趋向因子,/>为设定参照排水失衡趋向指数,/>表示向上取整符号,/>表示向下取整符号;
所述作业参数包括设定作业参数和实际作业参数,其中,设定作业参数包括设定的单位时间泵送水量、泵送进出压力差和泵体转速,实际作业参数包括累计运转时长以及各次实际泵送时的进出压力差、泵体转速和实际单位时间泵送水量;
所述淤泥状态信息为各淤泥监测点的监测淤泥浓度;
所述确认目标泵站内的水泵调度方案,包括:
分析目标泵站内各水泵的调度适配指数,并将各水泵按照其调度适配指数由大至小进行排序,得到各水泵的调度排序,并从中筛选出排名前位的各水泵,作为各调度水泵;
将各待降雨时间段的预计降雨量与设定干扰排水降雨量进行对比,将预计降雨量小于设定干扰排水降雨量的待降雨时间段记为平缓时间段,将预计降雨量大于或者等于设定干扰排水降雨量的待降雨时间段记为紧急时间段;
若各待降雨时间段均为紧急时间段,则将目标泵站的调度模式记为整体调度;
若各待降雨时间段中存在平缓时间段,则分析待降雨时间段的降雨紧密度,若/>,将目标泵站的调度模式记为整体调度,反之记为分时调度,/>为设定参照降雨紧密度;
当目标泵站的调度模式为整体调度时,提取各调度水泵的编号,并作为整体调度模式的调度信息;
当目标泵站的调度模式为分时调度时,确认调度阶段数目、各调度阶段对应各调度水泵的编号和调度时间区间,并作为分时调度模式的调度信息;
将调度模式和调度信息组合成目标泵站内的水泵调度方案;
所述分析目标泵站内各水泵的调度适配指数,包括:
根据目标区域内污水收集井当前的水体浊度和底部淤泥厚度/>,统计污水收集井的水体排出负荷度/>;
从各水泵的作业参数中提取设定作业参数和实际作业参数,对比分析得到各水泵的运行状态符合度,/>表示水泵编号,/>;
从各水泵对应连接排水管道内的淤泥状态信息中定位出各淤泥监测点的监测淤泥浓度,确认存在的淤泥处数目,并提取各存在淤泥处的淤泥浓度/>,/>表示存在淤泥处编号,/>,统计各水泵的运行负荷度/>;
统计目标泵站内各水泵的调度适配指数,/>,/>分别为设定参照的运行状态符合度、运行负荷度;
所述各水泵的运行负荷度计算公式表示如下:,/>为设定的参照的淤泥浓度;
所述各水泵的运行状态符合度的具体分析过程为:
从各水泵的设定作业参数中提取设定的单位时间泵送水量、泵送进出压力差和泵体转速;
从各水泵的实际作业参数中提取累计运转时长,并提取各次实际泵送时的进出压力差、泵体转速和实际单位时间泵送水量;
将各水泵对应各次实际泵送时的进出压力差与各水泵设定的泵送进出压力差进行对应作差,将差值记为进出压力差偏差;
以实际泵送次序为横坐标,以进出压力差偏差为纵坐标,构建各水泵的进出压力差偏差变化曲线,并从中进行斜率和幅值提取,分别记为和/>,统计各水泵的进出水压精准度/>,/>,/>、/>分别为设定许可的进出水压偏差增长率、进出水压偏差值;
按照各水泵的进出水压精准度的分析方式同理分析得到各水泵的泵体转速精准度和泵送水量精准度/>;
统计各水泵的运行状态符合度,,/>分别为设定参照累计运行时长、进出水压精准度、泵体转速精准度、泵送水量精准度;
所述分析待降雨时间段的降雨紧密度,包括:
将各待降雨时间段按照时间先后进行排序,若排序前两位的待降雨时间段均为平缓时间段,则待降雨时间段的降雨紧密度记为;
若排序前两位待降雨时间段中存在紧急时间段,提取各紧急时间段之间的平缓时间段数目,/>表示紧急时间段编号,/>,统计待降雨时间段的降雨紧密度/>,,/>表示紧急时间段数目,以此得到待降雨时间段的降雨紧密度/>,/>取值为/>或者/>,/>;
所述确认调度阶段数目、各调度阶段对应各调度水泵的编号和调度时间区间,包括:
统计紧急时间段数目和平缓时间段数目,将各紧急时间段和各平缓时间段在时间数轴上进行标注,得到各标注时间区间,进而将各标注时间区间组成整体调度阶段;
根据各平缓时间段所处标注时间区间位置将整体调度阶段划分为各紧急调度阶段和各平缓调度阶段,统计紧急调度阶段和平缓调度阶段的数目,两者相加得到调度阶段数目;
根据各紧急调度阶段和各平缓调度阶段的所处标注时间区间,得到各调度阶段的调度时间区间;
统计各调度阶段的排水难度趋向度,据此对各调度阶段进行调度水泵分配,得到各调度阶段的各调度水泵,并提取各调度阶段对应各调度水泵的编号;
所述对各调度阶段进行调度水泵分配,包括:
将各调度阶段的排水难度趋向度与设定的各排水难度趋向度对应启动水泵占比进行匹配对比,得到各调度阶段的启动水泵占比;
若某调度阶段为紧急调度阶段,将该调度阶段的启动水泵占比记为,并从各调度水泵的调度排序中筛选出排名前/>位的调度水泵,作为该调度阶段的各调度水泵,若该调度阶段为平缓调度阶段,从各调度水泵的调度排序中筛选出排名后/>位的调度水泵,作为该调度阶段的各调度水泵,以此得到各调度阶段的各调度水泵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311482012.8A CN117217503B (zh) | 2023-11-09 | 2023-11-09 | 一种基于大数据的智慧泵站泵群远程智能调度管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311482012.8A CN117217503B (zh) | 2023-11-09 | 2023-11-09 | 一种基于大数据的智慧泵站泵群远程智能调度管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117217503A CN117217503A (zh) | 2023-12-12 |
CN117217503B true CN117217503B (zh) | 2024-02-06 |
Family
ID=89042977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311482012.8A Active CN117217503B (zh) | 2023-11-09 | 2023-11-09 | 一种基于大数据的智慧泵站泵群远程智能调度管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117217503B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100583815B1 (ko) * | 2005-10-17 | 2006-05-26 | (주)그린시스 | 강우 예.관측과 gis(지리정보시스템)를 연계한 배수(빗물)펌프장 통합관리시스템 |
JP2006266072A (ja) * | 2004-12-14 | 2006-10-05 | Toshiba Corp | 雨水排水支援システム、雨水排水支援方法、雨水排水制御システムおよび雨水排水制御方法 |
CN205193543U (zh) * | 2015-10-29 | 2016-04-27 | 上海水顿智能科技有限公司 | 智能排水调度系统 |
CN106971352A (zh) * | 2017-03-28 | 2017-07-21 | 衡水益通管业股份有限公司 | 一种基于互联网和微循环系统构建海绵城市的系统及方法 |
CN107679717A (zh) * | 2017-09-15 | 2018-02-09 | 西安博兴自动化科技有限公司 | 一种基于水量信息采集和泵站群优化调度的管理系统 |
CN111624874A (zh) * | 2020-06-09 | 2020-09-04 | 浙江超梵环境科技有限公司 | 用于城市污水处理的泵站集群智能化预测方法及系统 |
CN113311799A (zh) * | 2021-06-09 | 2021-08-27 | 上海电器科学研究所(集团)有限公司 | 城市排水运行调度决策系统及构建方法 |
CN113515096A (zh) * | 2021-04-26 | 2021-10-19 | 成都环极科技有限公司 | 一种基于气象大数据的排水设施智能调度方法 |
CN114276652A (zh) * | 2021-12-30 | 2022-04-05 | 江苏科化新材料科技有限公司 | 环氧树脂组合物及其应用、环氧树脂及其制备方法与应用 |
CN114331186A (zh) * | 2021-12-31 | 2022-04-12 | 北控水务(中国)投资有限公司 | 一种排水厂网河智能调度方法及系统 |
WO2022085948A1 (ko) * | 2020-10-22 | 2022-04-28 | (주)파이브텍 | Iot 및 빅데이터를 활용한 대규모 산업단지의 실시간 통합 배수구역 관리시스템 |
CN116011656A (zh) * | 2023-01-28 | 2023-04-25 | 河北工程大学 | 一种基于模型预测控制的泵闸群防洪调度方法及系统 |
CN116596166A (zh) * | 2023-07-17 | 2023-08-15 | 湖南清源华建环境科技有限公司 | 一种用于城市洪涝的智慧排水管理系统 |
CN116702451A (zh) * | 2023-05-23 | 2023-09-05 | 武汉大学 | 排水泵站优化调度方法及装置 |
-
2023
- 2023-11-09 CN CN202311482012.8A patent/CN117217503B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006266072A (ja) * | 2004-12-14 | 2006-10-05 | Toshiba Corp | 雨水排水支援システム、雨水排水支援方法、雨水排水制御システムおよび雨水排水制御方法 |
KR100583815B1 (ko) * | 2005-10-17 | 2006-05-26 | (주)그린시스 | 강우 예.관측과 gis(지리정보시스템)를 연계한 배수(빗물)펌프장 통합관리시스템 |
CN205193543U (zh) * | 2015-10-29 | 2016-04-27 | 上海水顿智能科技有限公司 | 智能排水调度系统 |
CN106971352A (zh) * | 2017-03-28 | 2017-07-21 | 衡水益通管业股份有限公司 | 一种基于互联网和微循环系统构建海绵城市的系统及方法 |
CN107679717A (zh) * | 2017-09-15 | 2018-02-09 | 西安博兴自动化科技有限公司 | 一种基于水量信息采集和泵站群优化调度的管理系统 |
CN111624874A (zh) * | 2020-06-09 | 2020-09-04 | 浙江超梵环境科技有限公司 | 用于城市污水处理的泵站集群智能化预测方法及系统 |
WO2022085948A1 (ko) * | 2020-10-22 | 2022-04-28 | (주)파이브텍 | Iot 및 빅데이터를 활용한 대규모 산업단지의 실시간 통합 배수구역 관리시스템 |
CN113515096A (zh) * | 2021-04-26 | 2021-10-19 | 成都环极科技有限公司 | 一种基于气象大数据的排水设施智能调度方法 |
CN113311799A (zh) * | 2021-06-09 | 2021-08-27 | 上海电器科学研究所(集团)有限公司 | 城市排水运行调度决策系统及构建方法 |
CN114276652A (zh) * | 2021-12-30 | 2022-04-05 | 江苏科化新材料科技有限公司 | 环氧树脂组合物及其应用、环氧树脂及其制备方法与应用 |
CN114331186A (zh) * | 2021-12-31 | 2022-04-12 | 北控水务(中国)投资有限公司 | 一种排水厂网河智能调度方法及系统 |
CN116011656A (zh) * | 2023-01-28 | 2023-04-25 | 河北工程大学 | 一种基于模型预测控制的泵闸群防洪调度方法及系统 |
CN116702451A (zh) * | 2023-05-23 | 2023-09-05 | 武汉大学 | 排水泵站优化调度方法及装置 |
CN116596166A (zh) * | 2023-07-17 | 2023-08-15 | 湖南清源华建环境科技有限公司 | 一种用于城市洪涝的智慧排水管理系统 |
Non-Patent Citations (3)
Title |
---|
"Optimal Scheduling of Water Distribution Systems";Manish K. Singh等;《IEEE》;第7卷(第2期);711-723页 * |
不受潮汐影响城镇圩区排涝泵站群常规调度方案优化;刘静森;程吉林;黄勇;龚懿;;灌溉排水学报(第03期);全文 * |
城市排水信息化管理系统的设计与应用;管新岗;;信息技术(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117217503A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101205103B1 (ko) | 상수관망 운영 관리 시스템 | |
US6721683B2 (en) | Pump motor diagnosis | |
RU2012142174A (ru) | Система и способ для контроля ресурсов в сети коммунального водоснабжения | |
CN112863134B (zh) | 一种农村污水处理设施运行异常的智能诊断系统及方法 | |
WO2017005269A1 (en) | System for monitoring a utility network | |
RU94291U1 (ru) | Система управления энергопотреблением при эксплуатации канализационных насосных станций (кнс) | |
JP2011181088A (ja) | 設備更新計画支援システム | |
CN116756526B (zh) | 一种蓄能设备全生命周期性能检测分析系统 | |
CN115577970B (zh) | 基于智能控制积水的电力检查井 | |
WO2021120829A1 (zh) | 一种非运行时段建筑照明插座支路用能诊断方法 | |
US11340135B2 (en) | Rising main pipeline assessment system and method | |
CN117217503B (zh) | 一种基于大数据的智慧泵站泵群远程智能调度管理系统 | |
CN110885132B (zh) | 一种农村生活污水处理设施优先监管集的识别方法 | |
CN116432866B (zh) | 基于物联网的城市智慧排水管线安全管理方法及系统 | |
CN116928112A (zh) | 一种潜水离心泵的故障监测系统和方法 | |
CN105003428A (zh) | 高效泵送方法 | |
CN115655422A (zh) | 一种排水管网坍塌预警分析方法、装置、电子设备及介质 | |
CN217027354U (zh) | 一种建筑排污泵控制系统 | |
CN113313142B (zh) | 一种水电机组运行数据趋势预警方法、系统及存储介质 | |
CN112987808B (zh) | 一种管网管理方法及数字管网系统 | |
CN109899279B (zh) | 一种泵站节能调度系统及其调度方法 | |
CN112465666A (zh) | 一种基于水循环的智慧水务平台的设计方法 | |
CN111381551A (zh) | 一种水电站下泄流量的智能监控系统及监控方法 | |
CN105134576A (zh) | 一种排水泵站水泵运行性能诊断方法及诊断设备 | |
CN117829531A (zh) | 一种转油站无人值守模式下设备工艺产能的管理方法 |
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 |