CN117344823A - 一种多水箱错峰调蓄系统及方法 - Google Patents

Abstract

本发明提供一种多水箱错峰调蓄系统及方法，涉及水箱调蓄技术领域，包括：采集水箱数据以及实时管网流量并处理得到各水箱的水箱高峰期、实时水龄以及未来时段的预测用水量；根据各调蓄片区下的实时管网流量以及各水箱的预测用水量、水箱高峰期、实时液位和实时水龄处理得到每个水箱在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位、开阀进水时段；在开阀进水时段或用水高峰时段下实时液位达到预设最低液位时，控制对应的水箱进水至调蓄高液位，以及不在开阀进水时段或非用水高峰时段下实时液位达到预设最低液位时，控制对应的水箱进水至达到非高峰期高液位。有益效果是防止只根据单个水箱数据特征进行排程造成的人为高峰期问题。

Description

一种多水箱错峰调蓄系统及方法

技术领域

本发明涉及水箱调蓄技术领域，尤其涉及一种多水箱错峰调蓄系统及方法。

背景技术

近年来，随着人口密度增大，城市高层建筑层出不穷，二次供水设备的建设和改造也随之不断增加，在此过程中，能很容易地发现传统二次供水存在如下问题：1，大量水箱未充分利用，有些城市的水箱具有较大调蓄空间，原本可以有效提升水厂出水平稳程度，却因为不合理的调控未充分发挥调节作用；2，水龄超标问题，有许多大型水箱蓄水过多，水力停留时间过长，导致余氯减少、水色发黄等问题；3，大量水箱在高峰期进水容易导致直供区或周边区域压力不足等问题；4，为了保证最不利点压力充足，调度人员往往会提高水厂或区域加压泵站的出口压力，但这样针对性不足的解决方案不仅会造成能耗严重增加，更可能会增加管网漏失、爆管的可能性。

针对上述问题，目前错峰调蓄的解决方案主要分为三种：

第一种是借助人工手段，依据单个水箱的用水规律估算大致的高峰期时间，直接设置水箱的进水时间，使水箱在固定时间段内进水直到进到最高液位，其虽然能够解决高峰期进水导致的直供区压力不足的问题，但真正影响市政管网压力的是市政管网的高峰期，并不是水箱的高峰期，即并未解决市政管网压力问题。

第二种是直接改造水箱结构，使水箱足够大，依据单个水箱的用水规律估算水箱高峰期时间，在高峰期前进水，并修改水箱出水结构，使得在不同需水量时对应不同的出水瞬时流量，以缓解高峰期用水量不足和水管容易破裂的问题，但会导致成本增高，在改建期间影响居民正常用水的时长会大大增加。

第三种是根据单个水箱的用水规律判断高峰期，根据固定的水箱高液位和低液位在高峰期前进水，在高峰期用水不足时或高峰期后用水不足时再进水以减小高峰期时的进水量，缓解高峰期时市政管网的压力不足的问题，同时加上阀门开度控制，在非高峰期时阀门全开，若高峰期仍需要进水，则按照进水量调整开度，使高峰期时进水量和出水量保持平衡，防止过多抢占市政管网用水，同时加上水质监测系统，在水质情况较差时对水箱进行消毒。该方案只是分析了单个水箱的高峰期，没有计算高峰期用水量，无法合理控制蓄水量，且依据固定高液位和固定低液位进水，在高峰期期间用水不足时或高峰期后用水不足时再进水的进水逻辑只局限于单个水箱上而没有综合考虑多个水箱的情况，只依据单个水箱的用水规律进行调蓄，有可能会使某个区域同时进水的水箱过多而导致管网瞬时流量过大，从而使高峰期提前，形成新的人造高峰期，另外，采用从固定低液位开始蓄水，到固定高液位停止蓄水，这样可能会导致水力停留时间过长，从而引起水质问题，如余氯减少、水色发黄等，而加装水质监测系统使得对老旧二次供水水箱的改造难度加大，成本大大增加。

基于上述问题，需要采用合理的错峰调蓄策略，使得水箱避开高峰期从市政管网取水，并综合考虑管网压力最优和水箱水龄问题，使得水箱的进水更合理，更能保证居民正常用水、安全用水。

发明内容

针对现有技术中存在的问题，本发明提供一种多水箱错峰调蓄系统，包括：

至少一个错峰调蓄控制柜，每个所述错峰调蓄控制柜对应连接至少一个水箱，用于采集所述水箱的水箱数据以及所述水箱所在的市政管网的实时管网流量，并根据所述水箱数据处理得到各个所述水箱的水箱高峰期、实时水龄以及未来时段的预测用水量；

错峰调蓄平台，分别连接各所述错峰调蓄控制柜，用于根据预先划分的多个调蓄片区以及各所述调蓄片区下的所述实时管网流量以及各所述水箱的所述预测用水量、所述水箱高峰期、所述实时液位和所述实时水龄处理得到每个所述水箱在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段；

所述错峰调蓄控制柜还用于在所述开阀进水时段或者所述用水高峰时段下所述实时液位达到预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述调蓄高液位，以及不在所述开阀进水时段或者所述非用水高峰时段下所述实时液位达到所述预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述非高峰期高液位。

优选的，各所述水箱内设有液位计，各所述水箱的进水口和出水口分别对应设有进口流量计和出口流量计，各所述水箱关联的市政管网中设有用于采集所述实时管网流量的市政管网流量计，各所述水箱的进水口与对应的所述进口流量计之间还设有电动调节阀；

则所述水箱数据对应包括所述水箱的实时液位、实时进水流量和实时出水流量；

所述错峰调蓄平台通过控制所述电动调节阀开启以控制对应的所述水箱进水。

优选的，所述错峰调蓄控制柜包括：

采集控制模块，用于按照预设时间间隔定时采集各所述水箱的所述实时液位、所述实时进水流量和所述实时出水流量；

第一处理模块，连接所述采集控制模块，用于分别计算每个所述预设时间间隔的结束时刻与开始时刻对应的所述实时出水流量之间的差值作为累计流量差值；

第二处理模块，连接所述第一处理模块，用于获取影响所述累计流量差值的影响因素数据，并对所述影响因素数据进行筛选，随后将筛选后的所述影响因素数据和各所述累计流量差值输入预先训练得到的用水量预测模型中，得到未来一天内每个所述预设时间间隔对应的所述预测用水量；

第三处理模块，连接所述第一处理模块，用于根据各个所述累计流量差值处理得到每天的高峰时期，并将各天的所述高峰时期取交集得到各个所述水箱的所述水箱高峰期。

优选的，所述错峰调蓄控制柜还包括：

第四处理模块，连接所述采集控制模块，用于根据所述实时液位估算各所述水箱未接入系统前的初始水龄，并根据所述初始水龄、所述实时液位和所述实时进水流量计算得到所述实时水龄。

优选的，所述第三处理模块包括：

排序单元，用于将每天的各个所述累计流量差值分别按照时间顺序排序得到流量差值队列，并计算所述流量差值队列中所有所述累计流量差值之和得到全天流量差值；

提取单元，连接所述排序单元，用于依次计算所述流量差值队列中的所述累计流量差值占全天流量差值的占比，将所述占比不小于预设阈值的连续的各所述累计流量差值加入同一个高峰集合，每个所述高峰集合中对应的所述累计流量差值关联的所述预设时间间隔的最早开始时刻作为对应的一个所述高峰时期的开始时刻，最晚结束时刻作为所述高峰时期的结束时刻。

优选的，所述错峰调蓄平台包括：

片区管理模块，用于根据对所述市政管网进行管网拓扑分析，以将属于同一主管网下的各所述水箱划分到同一个所述调蓄片区；

高峰期处理模块，连接所述片区管理模块，用于根据各所述调蓄片区下的所述实时管网流量处理得到各所述调蓄片区对应的所述市政管网的管网高峰期；

调蓄排程模块，分别连接所述高峰期处理模块和所述片区管理模块，用于根据各所述调蓄片区下的所述管网高峰期以及各所述水箱的所述预测用水量和所述水箱高峰期处理得到每个所述水箱的高峰期用水量，并根据所述高峰期用水量、所述预测用水量、所述实时液位和所述实时水龄处理得到每个所述水箱在用水高峰时段的所述调蓄高液位、非用水高峰时段的所述非高峰期高液位以及所述开阀进水时段。

优选的，所述调蓄排程模块包括：

用水量处理单元，用于将每个所述水箱的所述水箱高峰期和对应的所述调蓄片区的所述管网高峰期对比得到每个所述水箱的合理高峰时段，并将所述合理高峰时段对应的所述预测用水量作为每个所述水箱的所述高峰期用水量。

优选的，所述调蓄排程模块还包括：

水箱排程单元，用于将每个所述水箱的所述高峰期用水量与所述水箱的有效容积进行比较，并在所述有效容积不大于所述高峰期用水量时，根据所述预测用水量、所述实时液位和所述实时水龄并采用遗传算法处理得到每个所述水箱在用水高峰时段的所述调蓄高液位以及所述电动调节阀的所述开阀进水时段。

优选的，所述调蓄排程模块还包括：

高液位确定单元，用于将除各所述合理高峰时段之外的时段作为每个所述水箱的非用水高峰时段，并将所述非用水高峰时段对应的所述预测用水量作为每个所述水箱的非高峰期用水量，随后根据所述非高峰期用水量和所述实时水龄并采用遗传算法处理得到所述非用水高峰时段的所述非高峰期高液位。

本发明还提供一种多水箱错峰调蓄方法，应用于上述的多水箱错峰调蓄系统，所述多水箱错峰调蓄方法包括：

步骤S1，所述多水箱错峰调蓄系统采集所述水箱的水箱数据以及所述水箱所在的市政管网的实时管网流量，并根据所述水箱数据处理得到各个所述水箱的水箱高峰期、实时水龄以及未来时段的预测用水量；

步骤S2，所述多水箱错峰调蓄系统根据预先划分的多个调蓄片区以及各所述调蓄片区下的所述实时管网流量以及各所述水箱的所述预测用水量、所述水箱高峰期、所述实时液位和所述实时水龄处理得到每个所述水箱在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段；

步骤S3，所述多水箱错峰调蓄系统在所述开阀进水时段或者所述用水高峰时段下所述实时液位达到预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述调蓄高液位，以及不在所述开阀进水时段或者所述非用水高峰时段下所述实时液位达到所述预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述非高峰期高液位。

上述技术方案具有如下优点或有益效果：

1)依据管网结构划分调蓄片区，并根据调蓄片区下的用水规律计算管网高峰期，从而在错峰调蓄时能够综合考虑管网高峰期和水箱高峰期，进而能够解决由于水箱高峰期进水而导致的高峰期直供区压力不足的问题；

2)不采用固定高液位，而是根据水箱的真实用水情况预测高峰期时的需水量确定用水高峰时段的调蓄高液位和非用水高峰时段的非高峰期高液位，使得水箱进水量在合理范围内，防止因为进水过多导致的水龄过高，水质变差问题；

3)通过收集每个调蓄片区的水箱数据，并结合管网瞬时流量对每个调蓄片区内的水箱进行排程，防止只根据单个水箱数据特征进行排程造成的人为高峰期问题；

4)硬件方面，只需要根据现有水箱已有结构和专业仪表进行改造，如加装流量计或液位计等，并加上错峰调蓄控制柜而不是改建现有水箱，节约成本、减少改造时间。

附图说明

图1为本发明的较佳的实施例中，一种多水箱错峰调蓄系统的结构示意图；

图2为本发明的较佳的实施例中，多水箱错峰调蓄系统的整体架构图；

图3为本发明的较佳的实施例中，水箱硬件改造后的示意图；

图4为本发明的较佳的实施例中，一种多水箱错峰调蓄方法的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。

本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种多水箱错峰调蓄系统，如图1所示，包括：

至少一个错峰调蓄控制柜1，每个错峰调蓄控制柜1对应连接至少一个水箱2，用于采集水箱2的水箱数据以及水箱2所在的市政管网的实时管网流量，并根据水箱数据处理得到各个水箱的水箱高峰期、实时水龄以及未来时段的预测用水量；

错峰调蓄平台3，分别连接各错峰调蓄控制柜1，用于根据预先划分的多个调蓄片区以及各调蓄片区下的实时管网流量以及各水箱2的预测用水量、水箱高峰期、实时液位和实时水龄处理得到每个水箱2在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段；

错峰调蓄控制柜1还用于在开阀进水时段或者用水高峰时段下实时液位达到预设最低液位时，控制对应的水箱2进水直至实时液位达到调蓄高液位，以及不在开阀进水时段或者非用水高峰时段下实时液位达到预设最低液位时，控制对应的水箱2进水直至实时液位达到非高峰期高液位。

具体地，本实施例中，如图2所示，一个错峰调蓄控制柜1可以对应连接一个或多个水箱2，各个错峰调蓄控制柜1的数据最终汇集到错峰调蓄平台3进行错峰调蓄排程。优选的，每个错峰调蓄控制柜1中可以搭载有边缘网关和连接边缘网关的PLC，其中，PLC主要负责与连接的各个水箱2进行通信，实现水箱数据的采集以及水箱2的进水控制，PLC采集的水箱数据发送至边缘网关中进行处理得到各个水箱的水箱高峰期、实时水龄以及未来时段的预测用水量，进而边缘网关将各个水箱的水箱高峰期、实时水龄以及未来时段的预测用水量发送至错峰调蓄平台3进行错峰调蓄排程，得到每个水箱2在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段，随后通过边缘网关将每个水箱2在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段再返回给PLC进行进水控制。

通过在错峰调蓄控制柜1中搭载边缘网关，使得底层水箱数据的相关处理能够在边缘网关中进行，需要结合多个水箱的排程算法才在错峰调蓄平台3进行，使得计算更加高效，同时由于网络不稳定或网络中断导致错峰调蓄控制柜1与错峰调蓄平台3之间的通信中断时，错峰调蓄控制柜1仍能够基于存储的每个水箱2在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段指导下次调蓄，保证系统运行稳定性。

本发明的较佳的实施例中，如图3所示，各水箱2内设有液位计4，各水箱2的进水口和出水口分别对应设有进口流量计5和出口流量计6，各水箱2关联的市政管网中设有用于采集实时管网流量的市政管网流量计7，各水箱的进水口与对应的进口流量计5之间还设有电动调节阀8；

则水箱数据对应包括水箱的实时液位、实时进水流量和实时出水流量；

错峰调蓄平台3通过控制电动调节阀8开启以控制对应的水箱2进水。

本发明的较佳的实施例中，错峰调蓄控制柜1包括：

采集控制模块11，用于按照预设时间间隔定时采集各水箱的实时液位、实时进水流量和实时出水流量；

第一处理模块12，连接采集控制模块11，用于分别计算每个预设时间间隔的结束时刻与开始时刻对应的实时出水流量之间的差值作为累计流量差值；

第二处理模块13，连接第一处理模块12，用于获取影响累计流量差值的影响因素数据，并对影响因素数据进行筛选，随后将筛选后的影响因素数据和各累计流量差值输入预先训练得到的用水量预测模型中，得到未来一天内每个预设时间间隔对应的预测用水量；

第三处理模块14，连接第一处理模块12，用于根据各个累计流量差值处理得到每天的高峰时期，并将各天的高峰时期取交集得到各个水箱的水箱高峰期。

具体地，本实施例中，上述预设时间间隔可以根据需求自定义，如预设时间间隔为15分钟，则表示采集控制模块11以15分钟为水箱数据的采集间隔，则一天能够采集96条水箱数据，优选一天中的第一条水箱数据代表从前一天23点45分到今天0点0分的水箱数据，第二条水箱数据代表从今天0点0分到0点15分的水箱数据，以此类推。则对应第一条水箱数据的累计流量差值即为今天0点0分采集的实时出水流量减去前一天23点45分采集的实时出水流量得到的差值，以此类推，可见，以15分钟为水箱数据的采集间隔时，一天中的累计流量差值同样有96条数据。同样地，用水量预测模型预测得到的预测用水量为未来一天每15分钟的预测用水量，一天有96条数据，其中，对应第一条预测用水量即为今天23点45分到明天0点0分的预测用水量，以此类推。

进一步地，在进行用水量预测之前，还包括对采集的实时液位、实时进水流量和实时出水流量进行预处理，包括但不限于补充缺失数据，消除极端数据和噪声数据。另外还包括对异常数据进行预处理，包括但不限于提取异常数据的异常时间点，判断该异常时间点是否存在历史预测数据，若该异常时间点存在历史预测数据，则采用预测得到的历史预测数据填充异常数据，若该异常时间点不存在历史预测数据，则采用该异常时间点的前两个小时的水量数据的均值填充该异常数据。

同时获取影响因素数据，包括但不限于天气因素数据、节假日因素数据和特殊事件因素数据，其中天气因素数据包括温度、适度和降水量数据，节假日因素数据包括是否为工作日、是否为休息日和是否为大型节假日的判断数据，特殊时间因素数据包括用水量增加因素，如大型活动需大量用水以及用水量减少因素，如过年期间大量人员从某一线城市回乡，此时该一线用水量会迅速减少。

在对采集的数据进行预处理后，进一步对累计流量差值和影响因素数据进行皮尔逊相关性分析和格兰杰因果检测，并根据对应的格兰杰因果检测判断预处理后影响因素数据与累计流量差值是否滞后相关：若是，则将对应的预处理后影响因素数据加入相关数据集合，作为筛选后影响因素数据，并将相关数据集合中的预处理后影响因素数据作为外生变量数据，若否，则退出。

具体地，上述皮尔逊相关分析结果包括相关系数r和显著性水平p，其中，相关系数r的计算公式如下：

其中，X_i用于表示影响因素数据，Y_i用于表示累计流量差值，用于表示影响因素数据的均值，/>用于表示累计流量差值的均值，相关系数r的结果代表：

0.8＜r≤1.0：极强相关；0.6＜r≤0.8：强相关；0.4＜r≤0.6：中等强度相关；0.2＜r≤0.4：弱相关；0≤r≤0.2：极弱相关或无相关。

显著性水平p的原假设H₀为R＝0两变量之间不存在线性关联，其结果代表：p＜0.05：两列数据显著性相关；p≥0.05：两列数据无关。

进一步地，上述的格兰杰因果检测，将有关累计流量差值y和影响因素数据x每一变量的预测的信息全部包含在这些变量的时间序列之中，检验估计以下的回归：

其中白噪音u_1t和u_2t是假定为不相关的，上述两式均假定当前值与自身及过去的另外的数值相关，由此得到两者之间的滞后相关性。

根据上述公式的计算结果，将具有强相关的影响因素数据纳入外生变量中，将累计流量差值和外生变量数据一起作为神经网络的输入进行训练得到用水量预测模型。本实施例中，选取单层长短期记忆人工神经网络(LSTM)作为神经网络的主体结构，最后根据神经网络的训练结果预测未来一天的用水量数据，即共288条数据。进一步地，由于构建好的用水量预测模型在预测数据时间隔跨度较大，误差会在预测时放大，因此采用循环预测方法，将每次预测的结果整合前置数据作为下一步预测数据的输入数据，从而能有效降低预测的误差。

进一步地，还包括通过第三处理模块14根据各个累计流量差值处理得到每天的高峰时期，并将各天的高峰时期取交集得到各个水箱的水箱高峰期，具体地，第三处理模块14包括：

排序单元141，用于将每天的各个累计流量差值分别按照时间顺序排序得到流量差值队列，并计算流量差值队列中所有累计流量差值之和得到全天流量差值；

提取单元142，连接排序单元141，用于依次计算流量差值队列中的累计流量差值占全天流量差值的占比，将占比不小于预设阈值的连续的各累计流量差值加入同一个高峰集合，每个高峰集合中对应的累计流量差值关联的预设时间间隔的最早开始时刻作为对应的一个高峰时期的开始时刻，最晚结束时刻作为高峰时期的结束时刻。

具体地，本实施例中，以一天对应的流量差值队列依次包括累计流量差值1、累计流量差值2、累计流量差值3直至累计流量差值10为例，计算累计流量差值1占10个累计流量差值之和的占比，若占比大于预设阈值，则继续计算累计流量差值2占10个累计流量差值之和的占比，若占比大于预设阈值，则继续计算累计流量差值3占10个累计流量差值之和的占比，若占比不大于预设阈值，则将累计流量差值1、累计流量差值2加入一个高峰集合，其对应一个高峰时期，该高峰时期的开始时刻为累计流量差值1对应的预设时间间隔的开始时刻，该高峰时期的结束时刻为累计流量差值2对应的预设时间间隔的结束时刻。继续计算累计流量差值4占10个累计流量差值之和的占比，若占比大于预设阈值，则继续计算累计流量差值5、累计流量差值6、累计流量差值7、累计流量差值8占10个累计流量差值之和的占比，若累计流量差值5、累计流量差值6、累计流量差值7对应的占比均大于预设阈值，累计流量差值8对应的占比不大于预设阈值，则将累计流量差值4、累计流量差值5、累计流量差值6、累计流量差值7加入一个高峰集合，其对应另一个高峰时期，该高峰时期的开始时刻为累计流量差值4对应的预设时间间隔的开始时刻，该高峰时期的结束时刻为累计流量差值7对应的预设时间间隔的结束时刻。以此类推，直至10个累计流量差值均计算并判断完成。

在得到每天的各高峰时期后，将多天的各高峰时期取交集即可得到水箱的水箱高峰期。

本发明的较佳的实施例中，错峰调蓄控制柜1还包括：

第四处理模块15，连接采集控制模块11，用于根据实时液位估算各水箱未接入系统前的初始水龄，并根据初始水龄、实时液位和实时进水流量计算得到实时水龄。

具体地，本实施例中，针对初始水龄，此时由于水箱未接入错峰调蓄系统，一般按照水箱从最低液位进水直到最高液位停止，水箱持续用水到最低液位后再开始进水这样的规律进行，因此，利用如下公式对初始水龄进行估算

V＝(L_high-L_low)*S_bottom

其中，L_low指水箱设置的原始最低液位，单位为m；L_high指水箱设置的原始最高液位，单位为m；S_bottom指水箱底面积，单位为㎡；L为水箱当前液位，单位为m；q指平均用水量，单位为m³/h。

其中，实时水龄计算方法是指在接入系统后每间隔固定时间间隔采集原始数据和上次水龄数据对当前水龄进行计算，利用如下公式：

其中，V_进指当前时刻水箱的进水量，单位为m³；T_进指进水水龄，单位为h；V′指当前时刻水箱水量，单位为m³；T_n-1指上一时刻的水龄，单位为h；Δt指当前时刻和上一时刻的时间差，单位为h。

各错峰调蓄控制柜1在处理得到各个所述水箱的水箱高峰期、实时水龄以及未来时段的预测用水量后，将各个所述水箱的水箱高峰期、实时水龄以及未来时段的预测用水量发送至错峰调蓄平台3进行错峰调蓄排程，本发明的较佳的实施例中，错峰调蓄平台3包括：

片区管理模块31，用于根据对市政管网进行管网拓扑分析，以将属于同一主管网下的各水箱划分到同一个调蓄片区；

高峰期处理模块32，连接片区管理模块31，用于根据各调蓄片区下的实时管网流量处理得到各调蓄片区对应的市政管网的管网高峰期；

调蓄排程模块33，分别连接高峰期处理模块32和片区管理模块31，用于根据各调蓄片区下的管网高峰期以及各水箱的预测用水量和水箱高峰期处理得到每个水箱的高峰期用水量，并根据高峰期用水量、预测用水量、实时液位和实时水龄处理得到每个水箱在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段。

具体地，本实施例中，上述管网拓扑分析为根据市政管网的管网供水信息和拓扑信息自动确定同一主管网下的水箱并划分到同一个调蓄片区，优选的，上述调蓄片区也可以根据需要由用户自定义。进而针对每个调蓄片区，根据实时管网流量能够处理得到市政管网的管网高峰期，其中，管网高峰期到的处理过程与水箱高峰期步骤类似，也是先计算每个预设时间间隔的结束时刻和开始时刻分别采集的实时管网流量之间的差值，进而基于差值处理得到每天的高峰时期，并将各天的高峰时期取交集得到各个调蓄片区的管网高峰期，具体的处理过程此处不再赘述。

进一步具体地，调蓄排程包含两个部分，一部分是对于各个水箱进行排程，另一部分是确定非高峰期高液位。

其中，针对各个水箱进行排程时，首先要计算每个水箱的高峰期用水量，以便合理控制蓄水量，基于此，调蓄排程模块33包括：

用水量处理单元331，用于将每个水箱的水箱高峰期和对应的调蓄片区的管网高峰期对比得到每个水箱的合理高峰时段，并将合理高峰时段对应的预测用水量作为每个水箱的高峰期用水量。

具体地，本实施例中，上述将每个水箱的水箱高峰期和对应的调蓄片区的管网高峰期对比包括首先是必须保证合理高峰时段内满足管网高峰期，换言之，管网高峰期一定是合理高峰时段，其次综合考虑水箱所对应直供区压力和用水量，提取出对应的直供区压力不足和用水量过大的水箱高峰期，进而将提取出的水箱高峰期和管网高峰期取并集得到最终的合理高峰时段。

考虑到合理高峰时段可能不是连续的一个时段，而是分开的多个时段，则计算每个水箱的高峰期用水量时各个时段的预测用水量相加即可。以合理高峰时段有两段，分别为早上七点到九点，晚上六点到九点为例，假如预测用水量按照15分钟一条，即可得到早上七点到九点共8条预测用水量，这8条预测用水量的总和即为早上七点到九点的高峰期用水量，同理可得晚上六点到九点的高峰期用水量，再将两者相加即可。

本发明的较佳的实施例中，调蓄排程模块33还包括：

水箱排程单元332，用于将每个水箱的高峰期用水量与水箱的有效容积进行比较，并在有效容积不大于高峰期用水量时，根据预测用水量、实时液位和实时水龄并采用遗传算法处理得到每个水箱在用水高峰时段的调蓄高液位以及电动调节阀的开阀进水时段。

具体地，本实施例中，若水箱的有效容积大于高峰期用水量，那么水箱在高峰期时不需要进水；否则高峰期时水箱仍需要进水，若高峰期时水箱仍需要进水，则在考量水箱的进水时间时，期望离高峰期开始时间越近越好，另外，算法借助预测用水量、水箱的实时液位和实时水龄作为预测未来水龄的基础，其中，预测未来水龄包含在遗传算法中进行计算。在上述计算方式的基础上综合考虑水箱进水时间、水龄限制以及其他限制条件，如依据成本最小、关键点压力流量保证、最不利点保证和水龄最优等情景获取不同的限制结果，依据上述数据利用遗传算法得到有效排程数据，得到水箱的进水时间和进水结束时的液位，指导水箱的进水情况。其中进水结束时的液位称之为调蓄高液位。

其中，上述有效容积可以通过水箱高低液位差值和水箱底面积的乘积得到。上述遗传算法的基因为每个水箱的开阀进水时间，初始化种群时，循环使用到每个开阀进水时间点，约束条件为若水箱的有效容积大于高峰期用水量时，则在高峰期结束后使用完，若有效容积小于高峰期用水量时，则尽量接近高峰期开始时间开始进水；除此之外，约束条件包括要保持水龄不超标。这里指的水龄不超标是会根据水量预测的结果和遗传算法中的每个水箱的开阀时间来计算到高峰期结束前的水箱液位变化数据和水龄数据，以保证水龄不超标。该遗传算法的适应度依据成本最小、关键点压力流量保证、最不利点保证和水龄最优不同的情况加上水箱的实时水龄和进水时间来计算适应度，如成本最小将适应度中加上成本最小的计算因素等。

进一步地，为解决现有错峰调蓄方案没有依据用户的业务诉求提供相应排程策略的问题，本实施例中，基于遗传算法可以依据成本最小、关键点压力流量保证、最不利点保证和水龄最优等情景获取不同的限制结果。

进一步具体地，若用户的业务诉求为成本最小，则可以在遗传算法的适应度中加上计算在该种排程方式下的进水成本削减程度，如当前排程与未排程情况下相比整体市政压力的上升幅度，因此可以减少对应片区加压泵站或水厂的出口压力，从而减小成本，依此得出成本削减程度最大的方案即成本最小的排程方案。

若用户的业务诉求为关键点压力流量保证，则可以在遗传算法的约束条件中添加某一或多关键点流量和压力在排程时满足需要流量和压力的条件，同时在适应度中加上计算某一或多关键点流量和压力在排程时满足需要流量和压力的情况，如在举行大型活动时该场地必须要满足其给水需求，因此在排程时只有满足其需求的适应度才最高，依此得出关键点压力流量保证的排程方案。

若用户的业务诉求为最不利点保证，则可以在遗传算法的约束条件中添加在该种排程方式下必须满足最不利点压力的条件，同时在适应度中加上计算在该种排程方式下的最不利点压力的结果，最不利点压力情况越好，则该排程方式的适应度越高，依此得出最不利点保证的排程方案。

若用户的业务诉求为水龄最优，则可以在遗传算法的适应度中增大每个水箱的水龄计算结果的权重，使其在水龄越优时适应度越高，依此得出最不利点保证的排程方案。

针对确定非高峰期高液位的部分，本发明的较佳的实施例中，调蓄排程模块33还包括：

高液位确定单元333，用于将除各合理高峰时段之外的时段作为每个水箱的非用水高峰时段，并将非用水高峰时段对应的预测用水量作为每个水箱的非高峰期用水量，随后根据非高峰期用水量和实时水龄并采用遗传算法处理得到非用水高峰时段的非高峰期高液位。

具体地，本实施例中，确定非高峰期高液位是指为了保证水龄而降低非排程期进水时的高液位，但由于降低过多高液位会导致频繁进水，因此需要确定合适的非高峰期高液位。进一步地，根据非用水高峰时段的预测用水量和预测水龄利用遗传算法得到非高峰期高液位结果，具体为根据非用水高峰时段的预测用水量和预测水龄，在满足预测水龄和预测用水量的情况下使其在非高峰期时段内进水次数尽可能少。这里的预测水龄是未来一天时间内的每分钟的水龄数据，根据实时水龄在遗传算法中进行预测得到，即在上述非高峰期液位的情况下可以使全天的水龄都不超标，例如在选用该非高峰期高液位的情况下在水龄即将超标时就到达低液位使其能进水而保证水龄不超标。

其中，该遗传算法的基因为水箱的非高峰期高液位，初始化种群为初始其非高峰高液位，约束条件为非高峰期高液位不能高于水箱高液位，不能低于水箱低液位且需保持水龄，适应度为水龄越小，进水次数越少。

本发明还提供一种多水箱错峰调蓄方法，应用于上述的多水箱错峰调蓄系统，如图4所示，多水箱错峰调蓄方法包括：

步骤S1，多水箱错峰调蓄系统采集水箱的水箱数据以及水箱所在的市政管网的实时管网流量，并根据水箱数据处理得到各个水箱的水箱高峰期、实时水龄以及未来时段的预测用水量；

步骤S2，多水箱错峰调蓄系统根据预先划分的多个调蓄片区以及各调蓄片区下的实时管网流量以及各水箱的预测用水量、水箱高峰期、实时液位和实时水龄处理得到每个水箱在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段；

步骤S3，多水箱错峰调蓄系统在开阀进水时段或者用水高峰时段下实时液位达到预设最低液位时，控制对应的水箱进水直至实时液位达到调蓄高液位，以及不在开阀进水时段或者非用水高峰时段下实时液位达到预设最低液位时，控制对应的水箱进水直至实时液位达到非高峰期高液位。

以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (10)

1.一种多水箱错峰调蓄系统，其特征在于，包括：

至少一个错峰调蓄控制柜，每个所述错峰调蓄控制柜对应连接至少一个水箱，用于采集所述水箱的水箱数据以及所述水箱所在的市政管网的实时管网流量，并根据所述水箱数据处理得到各个所述水箱的水箱高峰期、实时水龄以及未来时段的预测用水量；

错峰调蓄平台，分别连接各所述错峰调蓄控制柜，用于根据预先划分的多个调蓄片区以及各所述调蓄片区下的所述实时管网流量以及各所述水箱的所述预测用水量、所述水箱高峰期、所述实时液位和所述实时水龄处理得到每个所述水箱在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段；

所述错峰调蓄控制柜还用于在所述开阀进水时段或者所述用水高峰时段下所述实时液位达到预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述调蓄高液位，以及不在所述开阀进水时段或者所述非用水高峰时段下所述实时液位达到所述预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述非高峰期高液位。

2.根据权利要求1所述的多水箱错峰调蓄系统，其特征在于，各所述水箱内设有液位计，各所述水箱的进水口和出水口分别对应设有进口流量计和出口流量计，各所述水箱关联的市政管网中设有用于采集所述实时管网流量的市政管网流量计，各所述水箱的进水口与对应的所述进口流量计之间还设有电动调节阀；

则所述水箱数据对应包括所述水箱的实时液位、实时进水流量和实时出水流量；

所述错峰调蓄平台通过控制所述电动调节阀开启以控制对应的所述水箱进水。

3.根据权利要求2所述的多水箱错峰调蓄系统，其特征在于，所述错峰调蓄控制柜包括：

采集控制模块，用于按照预设时间间隔定时采集各所述水箱的所述实时液位、所述实时进水流量和所述实时出水流量；

第一处理模块，连接所述采集控制模块，用于分别计算每个所述预设时间间隔的结束时刻与开始时刻对应的所述实时出水流量之间的差值作为累计流量差值；

第二处理模块，连接所述第一处理模块，用于获取影响所述累计流量差值的影响因素数据，并对所述影响因素数据进行筛选，随后将筛选后的所述影响因素数据和各所述累计流量差值输入预先训练得到的用水量预测模型中，得到未来一天内每个所述预设时间间隔对应的所述预测用水量；

第三处理模块，连接所述第一处理模块，用于根据各个所述累计流量差值处理得到每天的高峰时期，并将各天的所述高峰时期取交集得到各个所述水箱的所述水箱高峰期。

4.根据权利要求3所述的多水箱错峰调蓄系统，其特征在于，所述错峰调蓄控制柜还包括：

第四处理模块，连接所述采集控制模块，用于根据所述实时液位估算各所述水箱未接入系统前的初始水龄，并根据所述初始水龄、所述实时液位和所述实时进水流量计算得到所述实时水龄。

5.根据权利要求3所述的多水箱错峰调蓄系统，其特征在于，所述第三处理模块包括：

排序单元，用于将每天的各个所述累计流量差值分别按照时间顺序排序得到流量差值队列，并计算所述流量差值队列中所有所述累计流量差值之和得到全天流量差值；

提取单元，连接所述排序单元，用于依次计算所述流量差值队列中的所述累计流量差值占全天流量差值的占比，将所述占比不小于预设阈值的连续的各所述累计流量差值加入同一个高峰集合，每个所述高峰集合中对应的所述累计流量差值关联的所述预设时间间隔的最早开始时刻作为对应的一个所述高峰时期的开始时刻，最晚结束时刻作为所述高峰时期的结束时刻。

6.根据权利要求1所述的多水箱错峰调蓄系统，其特征在于，所述错峰调蓄平台包括：

片区管理模块，用于根据对所述市政管网进行管网拓扑分析，以将属于同一主管网下的各所述水箱划分到同一个所述调蓄片区；

高峰期处理模块，连接所述片区管理模块，用于根据各所述调蓄片区下的所述实时管网流量处理得到各所述调蓄片区对应的所述市政管网的管网高峰期；

调蓄排程模块，分别连接所述高峰期处理模块和所述片区管理模块，用于根据各所述调蓄片区下的所述管网高峰期以及各所述水箱的所述预测用水量和所述水箱高峰期处理得到每个所述水箱的高峰期用水量，并根据所述高峰期用水量、所述预测用水量、所述实时液位和所述实时水龄处理得到每个所述水箱在用水高峰时段的所述调蓄高液位、非用水高峰时段的所述非高峰期高液位以及所述开阀进水时段。

7.根据权利要求6所述的多水箱错峰调蓄系统，其特征在于，所述调蓄排程模块包括：

用水量处理单元，用于将每个所述水箱的所述水箱高峰期和对应的所述调蓄片区的所述管网高峰期对比得到每个所述水箱的合理高峰时段，并将所述合理高峰时段对应的所述预测用水量作为每个所述水箱的所述高峰期用水量。

8.根据权利要求6所述的多水箱错峰调蓄系统，其特征在于，所述调蓄排程模块还包括：

水箱排程单元，用于将每个所述水箱的所述高峰期用水量与所述水箱的有效容积进行比较，并在所述有效容积不大于所述高峰期用水量时，根据所述预测用水量、所述实时液位和所述实时水龄并采用遗传算法处理得到每个所述水箱在用水高峰时段的所述调蓄高液位以及所述电动调节阀的所述开阀进水时段。

9.根据权利要求7所述的多水箱错峰调蓄系统，其特征在于，所述调蓄排程模块还包括：

高液位确定单元，用于将除各所述合理高峰时段之外的时段作为每个所述水箱的非用水高峰时段，并将所述非用水高峰时段对应的所述预测用水量作为每个所述水箱的非高峰期用水量，随后根据所述非高峰期用水量和所述实时水龄并采用遗传算法处理得到所述非用水高峰时段的所述非高峰期高液位。

10.一种多水箱错峰调蓄方法，其特征在于，应用于如权利要求1-9中任意一项所述的多水箱错峰调蓄系统，所述多水箱错峰调蓄方法包括：

步骤S1，所述多水箱错峰调蓄系统采集所述水箱的水箱数据以及所述水箱所在的市政管网的实时管网流量，并根据所述水箱数据处理得到各个所述水箱的水箱高峰期、实时水龄以及未来时段的预测用水量；

步骤S2，所述多水箱错峰调蓄系统根据预先划分的多个调蓄片区以及各所述调蓄片区下的所述实时管网流量以及各所述水箱的所述预测用水量、所述水箱高峰期、所述实时液位和所述实时水龄处理得到每个所述水箱在用水高峰时段的调蓄高液位、非用水高峰时段的非高峰期高液位以及开阀进水时段；

步骤S3，所述多水箱错峰调蓄系统在所述开阀进水时段或者所述用水高峰时段下所述实时液位达到预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述调蓄高液位，以及不在所述开阀进水时段或者所述非用水高峰时段下所述实时液位达到所述预设最低液位时，控制对应的所述水箱进水直至所述实时液位达到所述非高峰期高液位。