NO347239B1

NO347239B1 - System og fremgangsmåte for å optimalisere operasjon av et vann nettverk

Info

Publication number: NO347239B1
Application number: NO20140362A
Authority: NO
Inventors: Frederik Blank; Guido Sand; Ralf Lenz
Original assignee: Abb Schweiz Ag
Priority date: 2011-11-16
Filing date: 2012-08-13
Publication date: 2023-07-24
Also published as: SE1450161A1; NO20140362A1; DK201470104A; WO2013026731A1; DE112012003487T5

Description

Oppfinnelsen vedrører et system og en fremgangsmåte for å optimalisere driften av et vannoverførings- og/eller fordelingsnettverk, idet etterfølgende også kalt vannnettverk. Systemet omfatter minst én datalagringsenhet for å lagre en hydraulisk modell så vel som en driftsbegrensning til vann-nettverket, hvor den hydrauliske modellen representerer hvordan trykkhøyder (heads) og strømninger i vannnettverket avhenger av en driftstilstand til minst én aktiveringsenhet i vannnettverket og et forventet vannbehov, minst én prosesseringsenhet inneholdende en optimaliseringsenhet, hvor optimaliseringsenheten er innrettet til å generere minst én driftskonfigurasjonsinformasjon for den minst ene aktiveringsenhet ved å minimalisere en objektiv funksjon av et optimaliseringsproblem, hvor optimaliseringsproblemet er basert på den hydrauliske modellen, og minst ett utgangsgrensesnitt for å levere den minst ene driftskonfigurasjonsinformasjonen til den minst ene aktiveringseneheten. Trinnene utført av de ovenfor benevnte systemelementer definerer den korresponderende fremgangsmåte.

Ettersom energipriser konstant stiger, ser flere og flere vannverk gjennom driftsstrategien av deres energiintensive vannoverførings- og/eller fordelingsnettverk for å redusere energi og driftskostnader. Mens et vannfordelingsnettverk leverer vann fra en vannkilde til forskjellige industrielle og/eller private vannforbrukere, transporterer et vannoverføringsnettverk vann over lange avstander av flere hundre kilometer, for eksempel fra et avsaltingsanlegg for sjøvann til ett eller flere vannfordelingsnettverk. Driften av disse vannettverk tilbyr store forbedringer i driftseffektivitet. Å erstatte eller overhale energiintensive aktivatorer i vannettverket, så som pumper, er en mulighet som er mest vanlig å gjøre allerede i dag. Den annen mulighet er å se over og optimalisere samvirkningen av de forskjellige aktivatorer og den totale driftsstrategi for hele nettverket.

Det øvre diagrammet i fig. 1a viser en driftsprosedyre for et vannettverk som det gjøres i dag: vannverk prøver å justere nettverksplanleggingen slik at vannivåene 1 i vannlagringsanlegg, også kalt vannlagringsmagasin, holdes mellom øvre grenser 2 og nedre grenser 3. De øvre og nedre grensene er markert som prikkede linjer i fig.

1a. Endringen av vannivået 1 mellom disse grenser kontrolleres avhengig av vannforbruket i nettverket ved konfigurasjon av pumpesystemet og ved en direkte kobling av vannlagringsnivået til pumpekontrollsystemet: hvis vannivået er nær den nedre grensen, blir pumper automatisk slått på for å øke vannlagringsnivået. Hvis vannivået er høyt nok, blir pumper slått av. Antallet pumper som er slått på samtidig, er vist i det nedre diagrammet i fig. 1a.

Gjeldende driftsprosedyrer fokuserer derved på å opprettholde høye vannivåer i vannlagrene for å oppfylle kundebehov ved ethvert tidspunkt, hvor kundebehovet er usikkert. For å håndtere denne usikkerheten i behov, setter vannverkene kunstige høye lavere grenser for lagringsmagasinene, opptil 80 % av fyllkapasiteten, for å opprettholde høye vannivåer i lagringsanleggene. På denne måten er det nok vann i lagringsanleggene for å dekke behovet selv i tilfeller av uventede endringer i behov. Imidlertid fører denne fremgangsmåten til en økning i driftskostnader på grunn av den påkrevde høyere pumpekapasiteten.

Videre neglisjerer denne fremgangsmåten mulige fordeler av forskyvning av fylleoperasjonene i tid, for eksempel når energitariffer er lave, eller av å kjøre pumper for å transportere vannet gjennom nettverket ved redusert hastighet eller i deres effektivitetspunkt, som kan oppnås ved å lagre vannet når det ikke er behov for det i lagringsanlegg, slik som lagringstanker.

Generelt er optimalisering av vannettverksdrift å bestemme driftsinformasjon som skal tas hensyn til ved etterfølgende generering av styringssignaler hvor minst én av aktiveringsenhetene i nettverket, hvor aktiveringsenhetene vanligvis er pumper, ventiler inne i nettverket, så vel som aktiveringsenheter som kontrollerer strømningen inn og/eller strømningen ut av vannlageret og som kontrollerer én eller flere kildestrømninger i vannettverket. Driftsinformasjonen for aktiveringsenhetene bestemmes slik at den minimaliserer driftskostnadene i nettverket, så som kostnader til energiforbruk, mens vannbehovet tilfredsstilles, minimum og/eller maksimumtrykk eller strømningsnivåer i vannrørene i nettverket, så vel som andre driftsbegrensninger i vannettverket.

Fremgangsmåter til å optimalisere driften av vannfordelingsnettverk er beskrevet i WO 2011/092012 A2, så vel som i «Combined Energy and Pressure Management in Water Distribution Systems», av P. Skworcow et al,, Proc. World Environmental and Water Resources Congress 2009, Great Rivers, s. 709-718, og i «Optimalization Models for Operative Planning in Drinking Water Networks» av J. Burgschweiger et al. ZIB-Report 04-48, Konrad-Zuse-Zentrum für Informationstechnik, Berlin (2004). Optimaliseringsmetodene er basert på deterministiske hydrauliske eller spesielt innrettede deterministiske modeller som representerer vannfordelingsnettverkets fysiske egenskaper. Basert på disse modeller blir optimaliseringsalgoritmer benyttet til å generere optimaliserte driftsplaner for aktivatorer og parametere over en bestemt tidshorisont, for eksempel 24 timer, som tar hensyn til forandringer i energitariffer, tidsvarierende behov og mulige lagringsevner over denne tidshorisont. Ved å ta hensyn til hele optimaliseringshorisonten, er det mulig å få full fordel av lagringsevnene i vannettverket, for å forskyve pumping eller energikrevende operasjoner til tider med lave energitariffer og å kjøre pumper ved energieffektiv hastighet selv om behovet er høyere enn mengden pumpet vann.

Uheldigvis er driften av vannettverk meget kompleks og påvirket av mange usikkerheter. Usikkerheter er for eksempel varierende vannbehov over tid så vel som endrede parametere, så som pumpeeffektiviteter eller forskjeller mellom modellen av vannettverket og den virkelige prosessen. Usikkerhetene i behovene gjør det vanskelig å lage en prediksjon som er nødvendig for optimale aktivatorplaner for eksempel pumper, ventiler, lagringstanker, kilder, og påvirker kvaliteten av optimaliseringsresultatet. Usikkerhetene kan faktisk til og med føre til ikke-gjennomførbarhet eller uønsket systemoppførsel.

Diagrammet på venstre side i figur 1b viser et eksempel på en redigert trend 5 i vannbehov, predikert ved 0h00 for de neste 24 timer. Den predikerte trend 5 i vannbehovet er den mørkere av de to kurver med heltrukne linjer. Diagrammet på høyre side i fig. 1b viser den resulterende optimaliserte trend i vannivå 6 i et vannlagringsanlegg, særlig en vanntank, som det er forventet for det predikerte vannbehov 5 ved bruk av optimaliserte aktivatorplaner beregnet ved 0h00 for de neste 24 timer. Her er det igjen den mørkere av de to kurver med heltrukket linje. Optimaliseringen av aktuatorplanene er i eksempelet i fig. 1b basert på kjente deterministiske optimaliseringsalgoritmer. I tilfelle det virkelige behovet varierer og avviker fra den beregnede – som nesten sikkert vil skje ved et tidspunkt, for eksempel på grunn av økte utendørstemperaturer eller på grunn av et vannforbrukende sportsevenement – kan den nedre eller øvre grense av vannlagringstanken under- eller overkjøres. De nedre og øvre grenser av vannivået i vanntanken er vist som prikkede linjer i diagrammet på høyre side i fig. 1b. I eksempelet i fig. 1b blir optimaliserte aktuatorplaner beregnet ved 0h00 for den predikerte behovskurven 5 og benyttet for de neste 24 timer. Den lysere av de to kurver i diagrammet på venstre side i fig. 1b visualiserer behovet som realisering av sant behov. Som det kan sees er det sanne behovet 6 høyere enn det forventede behovet 5 for omtrent 6 timer, mellom omtrent 6h00 og middag. Som et resultat vil det reelle vannivået 8 i vannlagringsanlegget betraktelig underskride den aksepterte nedre grensen. Når underskridningen går for langt, kan trykket bli for lavt i det minste i deler av vannettverket. En mekanisme for å overvinne kryssingen av den nedre grensen, for eksempel ved automatisk å slå på en pumpe i vannlagringsanlegget, kan integreres i optimaliseringsalgoritmen, men kan potensielt resultere i redusert energiinnsparing. I det verste tilfellet kan det til og med føre til høyere energiforbruk enn uten noen optimalisering i det hele tatt.

Generelt må underskridelse av den nedre grensen tillates i optimaliseringsalgoritmen for på gjennomførlig måte å løse optimaliseringsproblemet. For å ta hensyn til dette, er det kjent å implementere en avslapning av nedre nivågrenser. Dette gjøres ved å introdusere slingringsvariabler. Til gjengjeld straffes de i den objektive funksjonen som skal optimaliseres for å unngå deres bruk. Det skjer imidlertid ganske ofte at den optimale deterministiske løsning krever underskridelse av den nedre vannivågrense, mens det tar hensyn til et tilfeldig behov. Som oftest er dette ikke kontrollerbart på forhånd siden det ikke kan predikeres hvor langt underskridelsen vil gå ved bruk av en deterministisk modell.

For å overvinne denne situasjonen vil eksisterende løsninger som samvirker med et styringssystem eller et SCADA (Supervisory Control and Data Acquisition) system samle inn sanntids nettverksdriftsdata og reberegne optimaliserte aktivatorplaner eller alarmgrensesettinger for å innrettes etter den nye situasjonen i nettverket. Rebergningen utføres basert på en periodisk tidsplan, for eksempel hver time, eller basert på hendelser, slik som kryssing av øvre eller nedre grenser. I løsningsformuleringen av optimaliseringsalgoritmene er det inkludert høye sikkerhetsmarginer for parametrene som skal optimaliseres for å overvinne disse problemer og for å sikre levering ifølge kundebehov ved ethvert tidspunkt selv under endrede forhold. Dette igjen resulterer i en mer konservativ tilnærming til hvordan vannettverket skal kjøres og drives. I tilfellet av hendelsesbaserte reberegninger kan det være nødvendig å utføre reberegningene sammenligningsvis ofte, noe som resulterer i hyppige korreksjoner av aktivatorplanene og derfor i betraktelig aktivatoraktivitet. Til slutt kan energibesparelsen være mindre enn sammenlignet med den ovenfor beskrevne optimalisering uten noen tilpasning til nettverkssituasjonen.

Deterministiske modelleringsstrategier har den ulempe at de bare kan håndtere modelleringsusikkerheter og operasjonsmessige usikkerheter på en meget begrenset måte. Dette kan resultere i ugjennomførbarlige eller uønskede optimaliseringsløsninger ved anvendelse på den virkelige verden.

Det er en hensikt med foreliggende oppfinnelse å presentere et system og fremgangsmåte for å optimalisere drift av et vannettverk, hvor de konservative tilnærmingene beskrevet ovenfor overvinnes for å unngå de kunstig høye grensene for vannivåene i lagringsmagasinene, dvs. for å redusere særlig den nedre nivågrensen, mens man samtidig reduserer risikoen for å slippe opp for vann.

Ifølge oppfinnelsen inneholder den minst ene prosesseringsenheten videre en scenariogenererende enhet for å generere et endelig sett av scenarier i form av mulige realiseringer over tid av det forventede vannbehov eller til operasjonstilstanden til den minst ene aktiverende enhet og/eller minst én parameter i den hydrauliske modellen, hvor det endelige settet av scenarier er basert på probabilistisk informasjon om usikkerheten i respektivt det forventede vannbehov og operasjonstilstanden til den minst ene parameter, og idet optimaliseringsenheten er innrettet til å minimalisere en objektiv funksjon av optimaliseringsproblemet ved å utføre stokastisk optimalisering, hvor optimaliseringsproblemet tar hensyn til den objektive funksjonen for å representere minst én uønsket sideeffekt av å operere den minst ene aktiveringsenheten, den minst ene operasjonsbegrensningen og det endelige settet av scenariobaserte optimaliseringsmodeller.

Ifølge oppfinnelsen blir optimaliseringsproblemet formulert og løst direkte ved å ta hensyn til modellen som kan beskrives og driftsmessige usikkerheter, og derved sikre at definerte grenser og behov blir møtt. Dette tillater også en totalt bedre kostnadseffektiv løsning enn ved bruk av en deterministisk modell som basis. Siden det kan sikres at den nedre nivågrensen av et vannlagringsanlegg ikke massivt underskrides, kan særlig den nedre nivågrensen settes sikkert på et lavere nivå.

Usikkerhetene som beskrives er en av de følgende:

• Målte signaler, særlig innganger eller forstyrrelser til den hydrauliske modellen, slik som vannbehovet.

• Driftstilstand og/eller særtrekk av aktiveringsenhetene, slik som effektivitetskurver, for eksempel kurver over pumpeeffektivitet, og

• Modelleringsparametere, for eksempel rørruhetskoeffisienter.

Ytterligere usikkerheter kan defineres. For eksempel, i tilfellet hvor ytterligere inngangsinformasjons til optimaliseringsproblemet, slik som effektivitetstariffer eller vannkildekostnader, ikke er kjent på forhånd for den neste optimaliseringstidshorisonten, som i eksempler beskrevet nedenfor er de neste 24 timer, kan slik informasjon også inkluderes i optimaliseringsproblemet i form av usikkerheter i stedet for ytterligere deterministisk inngang.

I en første utførelse av oppfinnelsen er den scenariogenererende enheten innrettet til å anvende en suksessiv scenarioreduserende teknikk til å bunte lignende scenarier for å redusere beregningsinnsatsen for optimaliseringsenheten under prosessering av de resulterende scenariobaserte optimaliseringsmodellene.

I en annen utførelse er den scenariogenererende enheten innrettet til å generere det endelige settet av scenarier ved å konstruere et øvre scenario og et nedre scenario som definerer området av mulige realiseringer over tid for minst én av de ovenfor nevnte verdier eller parametre som er årsak til usikkerhet. Dette er en betraktelig enkel fremgangsmåte for de tilfeller hvor bare lite informasjon om usikkerheten og sannsynligheter eksisterer. I en bestemt utførelse er den scenariogenerende enheten innrettet til å representere usikkerhetene ved en stokastisk prosess, idet hver stokastisk prosess er definert på et underliggende kontinuerlig sannsynlighetsrom over en tidshorisont med begrenset varighet, og derved generer en eksplisitt representasjon av usikkerheten.

I en ytterligere utførelse er den scenariogenererende enheten innrettet til å generere et endelig sett av scenarier ved å utlede usikkerhetene fra måledata i vannettverket. Alternativt kan usikkerhetsdata leses fra en lagringsenhet eller inngis av en operatør til systemet og derved til den scenariogenererende enheten.

Den scenariogenererende enheten kan videre være innrettet til å tilveiebringe det endelige settet av scenarier i form av et scenariotre for grafisk visualisering.

Scenariotreet kan deretter ytterligere innrettes av en operatør før det brukes til å generere optimaliseringsproblemet for optimaliseringsenheten. I en bestemt utførelse reflekterer den objektive funksjonen resulterende energiforbruk og/eller vanninnflyt fra en kilde ved drift av den minst ene aktiveringsenheten.

I denne bestemte utførelsen kan optimaliseringsenheten videre være innrettet til å ta hensyn til endrede tariffer for energi og for vann fra kilden.

I enda en ytterligere utførelse er optimaliseringsproblemet formulert som en endelig diskretisering av en scenariobasert to-trinns stokastisk programmeringsmodell.

Den hydrauliske modellen kan være basert på en beskrivelse av topologien til vannettverket omfattende et nodesett og et kantsett, hvor nodesettet består av lagringsnoder, forbindelsesnoder, vannbehovnoder og kildenoder, og hvor kantsettet representerer vannrør, pumper og ventiler.

I dette tilfellet blir den hydrauliske modellen deretter dannet ved tilstandsligninger som representerer avhengigheten av den tidsavhengige tilstand av vannettverket på den minst ene driftskonfigurasjonsinformasjonen til den minst ene aktiveringsenheten og på det forventede vannbehov og hvor den tidsavhengige tilstand består av trykkhøyder i nodene i nodesettet og strømninger langs kantene av kantsettet.

For å ta eksplisitt hensyn til endringen av en nedre nivågrense i et vannlagringsanlegg kan den minst ene prosesseringsenhet videre omfatte en nivåjusteringsenhet som er innrettet til å estimere og tilveiebringe til optimaliseringsenheten, som en ytterligere inngang til optimaliseringsproblemet, en avhengighet mellom en minskning i den nedre nivågrensen og en utstrekning i hvilken den minst ene uønskede sideeffekten reduseres mens man samtidig retter seg etter den minst ene operasjonsbegrensningen.

Nivåkonfigurasjonsenheten kan videre være innrettet til å estimere og tilveiebringe til optimaliseringsenheten som ytterligere inngang til optimaliseringsproblemet en avhengighet mellom reduksjonen i den uønskede sideeffekten og en risiko for at vannlagringsanlegget når et kritisk vannivå, hvor det kritiske vannivået kan indikere at vannlagringsanlegget er i ferd med å tømmes eller at det når et vannivå som ikke lenger er tilstrekkelig til å tilveiebringe nok trykk til å transportere vannet gjennom vannrørene.

I en annen spesifikk utførelse er den scenariogenererende enheten innrettet til å tilveiebringe det endelige settet av scenarier til en avgjørelsesstøtteenhet, hvor avgjørelsesstøtteenheten er innrettet til å evaluere for en identifisert potensiell årsak til en feil i vannettverket en korresponderende påvirkning på vannettverket, mens det tas hensyn til det endelige settet av scenarier.

Oppfinnelsen og dens utførelsesformer vil også fremgå av eksemplene beskrevet nedenfor i forbindelse med de vedlagte tegninger som illustrerer:

Fig. 1a, b operasjonsmessige diagrammer for et vannlagringsanlegg, som tidligere kjent,

Fig. 2 et scenario 3 for en parameter P,

Fig. 3 usikkerheter for en parameter M moderert med tre scenarier,

Fig. 4 et system for optimalisert drift av et vannettverk,

Fig. 5 en sammenligning mellom optimalisering uten og med modellerte usikkerheter,

Fig. 6. eksempler på utganger generert av en nivåjusteringsenhet.

Som ble forklart ovenfor, er hovedideen til oppfinnelsen den følgende: I stedet for å formulere bare ett optimaliseringsproblem slik det gjøres med deterministiske modereringstilnærminger, blir usikkerhetene i de forskjellige parametere i den hydrauliske modellen av vannettverket modellert som et endelig sett av mulige realiseringer av en respektiv parameter P over tid, hvilket fører til scenariobaserte optimaliseringsmodeller. Hvert scenario representerer en mulig parameterrealisering over tid, dvs. hvor på et bestemt tidspunkt i fremtiden blir en bestemt verdi for den respektive parameter P antatt å føre til et såkalt scenario 3 med en spesifikk sannsynlighet ω1…ωr , som vist i fig.2.

Hver bane fra roten til en av bladene følger et scenario. Nodene korresponderer til bestemte tidspunkt t{0,…,T}, hvor avgjørelser c(t) blir tatt.

Optimaliseringsproblemet kan for eksempel løses ved å benytte to-trinns stokastiske programmeringsteknikker (2SSP).

I mange situasjoner er det bare tilgjengelig ufullstendig informasjon om den underliggende sannsynlighetsfordeling. Scenariogenereringen blir da for det meste basert på bruk av historiske data for å benyttes på estimerings, simulerings- og samplingsteknikker, eller i stedet å inkludere kunnskapen til en erfaren nettverksoperatør.

Den beregningsmessige innsats for å løse scenariobaserte optimaliseringsmodeller avhenger sterkt av antallet modellerte scenarier. Derfor må det tas hensyn til et kompromiss mellom presisjonen til tilnærmingen og modellstørrelsen, som øker eksponensielt med antallet scenarier. Anvendelse av spesielle scenarioreduksjonsteknikker hjelper til å redusere beregningstiden. I en utførelse av oppfinnelsen er ideen derfor å redusere antallet scenariotrenoder ved å bunte lignende scenarier. I det ekstreme tilfellet kan det endelige settet av mulige parameterrealiseringer, dvs. det endelige settet av scenarier, for eksempel reduseres til bare to scenarier, et nedre og et øvre scenario, hvor hver av de to scenariene eller kurvene representerer den ene kurven respektivt fra den nedre eller øvre halvdel av alle kurver, med den høyeste sannsynlighet.

Det å ta hensyn til usikkerheter i formuleringen av optimaliseringsproblemet fører til mer robust driftskonfigurasjonsinformasjon for den minst ene aktiveringsenhet ettersom umulige løsninger enklere kan unngås. På lengre sikt resulterer det også i høyere kostnadsbesparelser ettersom sikkerhetsmarginene i de øvre og nedre grenser for vannivåene, som er nødvendig i dag pga. deterministiske problemformuleringer, kan reduseres.

Den driftsmessige konfigurasjonsinformasjonen for den minst ene aktiveringsenheten kan være én av:

• En aktivatorplan i form av en tidsserie av driftstilstander for den minst ene aktiveringsenheten, eller

• En oppslagstabell av driftsinstruksjoner for genereringen av et styresignal for den minst ene aktiveringsenheten hvor driftsinstruksjonene er definert avhengig av gjeldende tidspunkt og/eller gjeldende tilstand til vannettverket, eller

• Et sett av parametere, som for eksempel inkluderer minimum og/eller maksimumsverdier for styringssignalene som skal genereres for den minst ene aktiveringsenheten.

I det etterfølgende blir det beskrevet i nærmere detalj et eksempel på en stokastisk tilnærming for optimalisering av et vannettverk under usikkerheter for eksempelet med å modellere usikkerheten for vannbehovet.

Det første trinnet er å modellere vannettverkets struktur og dynamikk.

Oppgaven til vannforsyningssystemer er å transportere og fordele den påkrevde mengde vann i nødvendig kvalitet samtidig til angitte konsumenter eller lagringseller vannbehandlingsanlegg. Råvann fødes inn i nettverket av kilder, så som grunnvann eller overflatevann, slik som elver eller sjøer. Hvis påkrevd, får råvannet en kjemisk behandling. Etterpå blir det rene vannet enten lagret i små lagringsanlegg som er direkte plassert ved kildene, eller pumpet inn i nettverket. Pumper fører vannet gjennom rør ved å øke trykkhøyden i bestemte lokasjoner for å overvinne høydeforskjeller og å kompensere for trykkhøydetap i rør som forårsakes av friksjonstap. Antallet individuelle pumper som svitsjes på i en pumpestasjon beskrives ved en diskret avgjørelsesvariabel. Den kan ta enhver heltallsverdi mellom dens lave grense på null og dens øvre grense som er definert av det maksimale antall pumper i denne pumpestasjonen. Ventiler er nettverkselementer for å kontrollere strømninger og trykkhøyder. De kan strupes i forskjellig utstrekning til å styre bevegelsen av vann gjennom rør.

Lagringsanleggene må gis spesiell oppfølging, fordi de er de eneste nettverkselementene som tilveiebringer en buffer mellom nettverksinnstrømning og utstrømning. De avkobler forskjellige vannettverksseksjoner og gjør systemet fleksibelt, og tillater slik forskjellige mulige driftsstrategier.

Vannettverkstopologien er beskrevet av en graf G=(N,E), hvor N står for et nodesett og E står for et kantsett.

Nodesettet N= U Ncn U Ndn U Nsn består av lagringsnoder Nrn, forbindelsesnoder Ncn, vannbehovnoder Ndn og kildenoder Nsn, og kantsettet E=Epi U Epu U Eva omfatter eller representerer vannrør (Epi), pumper (Epu) og ventiler (Eva).

Den fysiske tid t avhengige tilstand y(t) av nettverket består av trykkhøyder i nodene og strømninger langs kantene. Tilstand y(t) tilfredsstiller et system av differensial-algebraiske ligninger (DAEer) som inkluderer konserveringslover av Kirschhoff-typen, ikke-lineære trykkhøyde-strømningsforhold av pumper, ventiler og rør, og den temporære endringshastighet av vannlagringsnivåer i lagringsanlegg på grunn av strømninger.

De differensial-algebraiske ligningene påvirkes av styrings- og avgjørelsesvariablene c(t). hvor noen er integraler som representerer nettverksdriftskonfigurasjonen for pumpene, ventilene og kildestrømningen, dvs. den driftsmessige konfigurasjonsinformasjon for aktiveringsenhetene, særlig aktivatorplanene. Videre vil vannbehovet ξ(t) bestemme utstrømningen fra systemet.

Formelt kan tilstandsligningene F, dvs. systemet av DAEer, skrives som

F(c(t), y(t), ý(t), ξ (t)) = 0, ∀t ∈ [0,T] (1)

hvor y(t) er førstegangs derivert av nettverkstilstanden y(t).

Formuleringen av optimaliseringsproblemet inkluderer den objektive funksjonen Ф, tilstandsligningene F og driftsmessige begrensninger G, hvorav noen er enkle grenser.

Den objektive funksjonen Ф=(Фpu+Фsn) som skal minimaliseres består av driftskostnader, slik som pumpeenergikostnader Фpu og kildestrømningskostnader Фzn som påføres under tidshorisonten T.

Begrensningene G begrenser tilstanden til systemet til dets praktiske driftsområde, slik som kravet om at pumpene arbeider i det fysiske området av positiv trykkhøydeøkning.

Det driftsmessige planleggingsproblem og derved optimaliseringsproblemet er da

(2),

forutsatt at:

F(c(t), y(t), ý(t), ξ (t)) = 0, ∀t ∈ [0,T] tilstandsligningen (3) og G(c(t), y(t)) ≤ 0, ∀t ∈ [0,T] begrensningene (4).

Den optimale løsning av avgjørelsesvariablene c(t) er svaret brukeren, dvs. vannverket, må implementeres i det reelle tekniske systemet.

Generelt blir DAE-systemet diskretisert på et fiksert temporært nettverk (grid), og styrings- og avgjørelsesvariablene c(t) velges til å være stykkevis konstant, hvilket transformerer optimaliseringsproblemet til et dynamisk blandet heltall ikke-lineært programmerings (MINLP)-problem.

Den blandede heltallskomponenten er på grunn av koeksistensen av kontinuerlige og diskrete pumpevariabler. Den ikke-lineære delen omfatter den objektive funksjonen og trykk-strømningsforholdene. Avhengig av den numeriske løseren og dens underliggende algoritme, er glatte funksjoner sterkt ønsket, særlig ved bruk av derivertbaserte optimaliseringsmetoder.

Gjeldende praksis i driftsplanlegging av vannverk er å løse optimaliseringsproblemet for et fast behov ξ (t), vanligvis det forventede behov, hvilket gjør optimaliseringen deterministisk.

Ifølge oppfinnelsen blir det istedet benyttet stokastisk optimalisering, hvilket gjør det mulig å ta hensyn til modellerings- og behovsusikkerheter. Generelt er en vanlig praksis for å korrigere tilfeldige forstyrrelser i dynamiske prosesser basert på bruk av en såkalt bevegelig horisont. Forutsatt at probabilistisk informasjon om usikkerhetsdataene er tilgjengelig, tar stokastiske modeller et trinn videre ved å inkludere eksplisitt denne stokastiske informasjon på fremtidige hendelser.

Avgjørelsesprosessen blir prediktiv, istedet for bare å reagere på tidligere realiseringer av vannbehov. Derfor kreves det en stokastisk prosess, som beskriver at de tilfeldige vannbehovhendelser opptrer innen deres sannsynlighet. Den stokastiske prosess for det tilfeldige vannbehov ξ=ξ med t∈[0,T] defineres på et underliggende kontinuerlig sannsynlighetsrom, som blant annet er en funksjon av det ovenfor beskrevne sett av tilstandsligninger F og av en sannsynlighetsfordeling P, og hvor T er varigheten av tidshorisonten.

Åpenbart vil den eksplisitte representasjon av usikkerhet ved en stokastisk prosess føre til en økning av informasjon over tid. Den ytterligere modellerte informasjon øker kompleksiteten av optimaliseringsmodellen, resulterende i storskala stokastiske programmer. De fleste løsningsprosedyrer for slike storskala programmer er basert på tilnærming ved en diskret tid stokastisk prosess, hvor ξt tar verdier i R<s >(for t ∈ {0, …T}), hvor s :=|Ndn| betegner antallet forbruksnoder. De stokastiske variablene ξ blir observert direkte før tid t og ξ0 er antatt å være kjent ved t=0. Den diskrete tid stokastiske prosess er en samling av tilfeldige variabler ξ = (ξ0, …,ξT) in R<sT>.

Videre, for å få et numerisk håndterbart optimaliseringsproblem, blir usikkerhet i vannbehov modellert som et endelig sett av mulige behovsrealiseringer over tid førende til scenariobaserte optimaliseringsmodeller. Dette betyr at en diskret tilnærming av den underliggende sannsynlighetsfordelingen blir betraktet, gitt av et endelig sannsynlighetsrom, som blant annet er en funksjon av bestemte scenarier ωj med j=1,…,r. Hvert scenario representerer en mulig vannbehovrealisering i fremtiden og fremstår med sannsynlighet πwj ≥ 0. Til sammen holder de modellerte scenarier, antatt at ett av scenariene vil skje i realiteten.

Alle modellerte scenarier Ω = {ω1, …, ωr} kan representeres i form av et scenariotre, som vist i fig. 2. Hver bane fra roten til et av dets blader samsvarer med ett scenario. Nodene korresponderer til bestemte punkter i tid t ∈ {0, …, T}, hvor det tas avgjørelser c(t), dvs hvor bestemte aktuatorinngrep blir utført.

Kantene avgrenser de usikre vannbehovvariablene. Scenariotreet avgrenes for hver modellert behovrealisering i hver t ∈ {0, …, T}. For å samsvare med notasjonen av den stokastiske prosessen ξ avmerker hvert scenario ωj ∈ Ω d en mulig vannbehovrealisering ξωj = (ξωj1, …, ξωjT), hvor ξωjk betegner det j-th-scenario for tidsperiode k.

Siden resultatene av det virkelige underliggende problem er av sterk interesse, er generaliseringen av et slikt scenariotre en viktig oppgave. Hovedmålet består i en egnet representasjon av den underliggende sannsynlighetsfordelingen av ξ, fordi den optimale verdi og den optimale løsning avhenger av de valgte scenarier. I mange applikasjoner er det bare ufullstendig informasjon tilgjengelig om den underligggende tilgjengelige sannsynlighetsfordeling. Scenariogeneraliseringen er da for det meste på bruk av historiske data for bruk på estimerings-, simuleringsog samplingsteknikker, eller i stedet å inkludere kjennskapen til en erfaren nettverksoperatør.

Generelt kan det skjelnes fire forskjellige tilnærmelsestyper av den sanne sannsynlighetsfordelingen P av et endelig scenariosett med henblikk på graden av tilgjengelig informasjon: full kjennskap til P, kjent parametrisk familie, samplet informasjon og lavt informasjonsnivå. Hvis det bare eksisterer lite informasjon som er basert på observerte data, er konstruksjonen av øvre og nedre scenarier typiske samplinger, som vist i fig. 3. Det øvre scenariet 10 og det nedre scenariet 11 definerer da området av mulige behovsrealiseringer og gir grenser for den optimale verdi av optimaliseringsproblemet. I tillegg kan det genereres et forventet verdiscenario, betegnet med 9, som kan være scenariet med for tiden høyest sannsynlighet.

Beregningsinnsatsen for å løse scenariobaserte optimaliseringsmodeller avhenger sterkt av antallet modellerte scenarier. Det må derfor gjøres et kompromiss av presisjonen av tilnærmingen og modellstørrelsen, som øker ekspansielt med antallet scenarier. Det er vanlig praksis å benytte spesielle scenarioreduksjonsteknikker som fremdeles representerer egenede tilnærminger. Disse metologier er basert på anvendelse av suksessiv scenarioreduksjon.

Idéen er å redusere antall scenariotrenoder ved å bunte lignende scenarier. De reduserte trærne og det originale treet vil da bli sammenlignet ved en bestemt avstand av sannsynlighetsmetrikk. Nye sannsynligheter blir da tildelt det reduserte treet slik at det nye sannsynlighetsmålet er det som er nærmest den innledende fordelingen når det gjelder naturlig avstandsmetrikk.

Et annet viktig faktum baserer seg på robustheten til den optimale objektive verdi og den optimale løsning vedrørende de benyttede scenarier. Robusthet er ønskelig, dvs små forstyrrelser av scenariene og de korresponderende sannsynligheter bør høyst resultere i små endringer i den optimale objektive verdien og den optimale løsningen.

Som beskrevet ovenfor er det tilveiebrakt at sannsynlighetsinformasjon om usikkerheten i vannbehovet er tilgjengelig og stokasiske optimaliseringsmetoder kan brukes for å utnytte den. Det stokasiske optimaliseringsproblemet er da å minimalisere en objektiv funksjon Ф, som særlig betrakter forventede operasjonskostnader, hvor minimaliseringen er underlagt kravet at den tilveiebrakte operasjonsmessige konfigurasjonsinformasjonen for aktiveringsenhetene er egnet for alle vannbehovsrealiseringer. Som det også ble forklart ovenfor, blir usikkerhet i vannbehov modellert som et endelig sett av mulige behovsrealiseringer som fører til såkalte scenariobaserte optimaliseringsmodeller for å få et numerisk håndterbart optimaliseringsproblem.

Ved siden av å ta hensyn til den usikre behovsstrukturen, som beskrevet ovenfor, utnytter to-trinns stokastisk programmering (2SSP) det faktum at bare deler av avgjørelsene, som er her-og-nå-avgjørelser x, såkalte førstetrinnsavgjørelser, må utføres før behovet kan observeres. Dette er kjent under uttrykket ikkeforutsigbarhet.

De gjenværende kontrollvariablene, som er utveishandlinger z, såkalte andre trinns avgjørelser, må bare fastsettes på et senere tidspunkt når deler av behovet allerede har blitt observert.

Generelt fører dette til flertrinns stokastisk programmering. Her begrenser vi oppmerksomheten til den mer optimistiske to-trinns fremgangsmåten hvor valget av utveishandlinger z er basert på den fullstendige kjennskap til behovsrealiseringen ξ.

I det etterfølgende vil vi betegne første og andre trinns variabler med respektivt x(t) bzw. z(t, ξt(ω)). Et scenariobasert optimaliseringsproblem i form av en 2SSP-modellformulering, hvor utveishandlingen er definert fra tidspunktet t~ ∈ (0,T) blir:

(5),

avhengig av

F(x(t), z(t, ξt (ωj))) = 0, ∀t ∈ [0,T], ∀ ωj ∈ Ω modell-likheter (6) G(x(t), z(t, ξt (ωj))) ≤ 0, ∀t ∈ [0,T], ∀ ωj ∈ Ω modellulikheter (7) a≤(x(t), z(t, ξt (ωj))) ≤ A, ∀t ∈ [0,T], ∀ ωj ∈ Ω variable grenser (8)

Hvor Ф2SSP er den objektive funksjonen som skal minimeres,

Фpu er energiforbrukskostnader i pumpestasjon pu og

Фsn er kildestrømningskostnader.

Energiforbrukskostnaden Фpu tar blant annet hensyn til pumpeeffektiviteten.

Pumper omdanner elektrisk energi til mekanisk energi av vann.

Pumpeeffektiviteten, kalt ledning-til-vann-effektivitet beskriver effektiviteten av denne omformingen. Den øker med strømningshastigheten gjennom pumpen opptil et bestemt punkt, kalt toppeffektivitet, og minsker deretter med ytterligere stigende strømningsrate.

Kildestrømningskostnaden Фsn reflekterer kostanden for tilveiebringelse av vann fra vannkildene, slik som vannbehandlingsanlegg, avsaltningsanlegg eller vannreservoarer.

Ytterligere kostnader som kan tas hensyn til i den objektive funksjonen Ф2SSP kan være såkalte straffekostnader for overskridelse av grensebetingelser i vannreservoarene.

Uttrykket kostnad er å forstå ikke bare i pengemessig forstand, men brukes til å representere generelt nivået av uønskede sideeffekter som skal minimaliseres. Disse uønskede sideeffektene er generelt knyttet til driften av aktiveringsenhetene, siden enhver aktiveringshandling kan resultere i minst én av produksjonen av for mye støy eller karbondioksid, bruk av for mye elektrisk energi, økning i mengden av kostbart vann pumpet inn i nettverket fra et reservoar, eller at det nås en uønsket frekvens og/eller amplitude av selve aktiveringsoperasjonen. Alle disse og flere uønskede sideeffekter kan modelleres inn i den objektive funksjonen og derved inn i optimaliseringsproblemet og blir da unngått så mye som mulig på grunn av minimaliseringen av denne objektive funksjonen.

På grunn av en endelige diskretisering av den underliggende stokastiske prosessen har ligningene (5) til (8) form av en deterministisk optimaliseringsmodell. Derfor kalles det også den korresponderende deterministiske ekvivalent av 2SSP-problemet. Fordelen ved den deterministiske ekvivalenten består av bedre numerisk håndterbarhet ved å unngå sannsynlighetsintegraler.

Ved bruk av eksempelet på et vannettverk 17, som vist i fig. 4, kan det forstås at 2SSP fører til mer kostnadseffektive og robuste vannettverksoperasjoner mens det tilfører sikkerhet i vannforsyningen. Vannettverket i fig. 4 består av vannrør som knytter sammen de følgende driftselementer: kilder S fra hvilke vannet strømmer inn i nettverket, forbruksenheter C, hvor vannet forlater nettverket, pumper 20 for å øke trykkhøyden i bestemte lokasjoner for å overvinne høydeforskjeller og kompensere for trykksenkning i rørene, vannlagringsanlegg, så som vannreservoarer eller tanker 21 for å tilveiebringe en buffer mellom innstrømning og utstrømning av nettverket og for å skille forskjellige seksjoner av vannettverket, og forskjellige typer ventiler, som avbildet ved alle de gjenværende elementene i nettverket 17, for å kontrollere bevegelsen av vann gjennom rørene og derved kontrollere strømninger og trykk, ved å strupe ventilene i forskjellig utstrekning.

For å bestemme den potensielle fordel av å løse et stokastisk problem i forhold til å løse et korresponderende deterministisk problem, hvor det forventede behov erstatter det usikre behovet, benyttes verdien av den stokastiske løsningen (VSS). VSS er et adekvat trekk fordi det indikerer hvor godt den optimale løsning av en 2SSP-modell virker i forhold til den deterministiske optimale løsning som er innebygget i et usikkert behovsrammeverk.

Strukturen av 2SSP-modeller sikrer at første trinns avgjørelser bare er gjennomførbare hvis det eksisterer en gjennomførbar utveishandling for hvert kartlagt behovscenario. Dette betyr at første trinns variabler beregnes for å gjøre modellen gjennomførbar på lang sikt, slik at kurvene for de optimale vannlagringsnivåer ligger mellom de forhåndsbestemte grensene. Derfor holdes vannivåene under kontroll i 2SSP.

Dette kan sees fra høyre side av fig. 5 som viser det forventede vannlagringsnivå 14 og det resulterende virkelige vannlagringsnivået 15 for den stokastiske optimaliseringen av 2SSP-modellen av det ovenfor beskrevne vannettverket.

Både de forventede og resulterende virkelige vannlagringsnivåene 12 og 13 ligger mellom de øvre og nedre nivågrensene, vist som stiplede linjer. Ytterligere eksperimenter for vilkårlige behovsrealiseringer bekreftet egnetheten til 2SSP, og tillater derfor minskning av de nedre grenser for vannlagringsnivåene i lagringsanleggene. Som en konsekvens kreves mindre pumping resulterende i ytterligere kostnadsinnsparinger.

På den annen side er den korresponderende modellen basert på en forventet og ikke en usikker behovsverdi uegnet, hvilket illustrerer at et optimalt deterministisk opplegg for et forventet behov ikke nødvendigvis er optimalt eller til og med egnet for det virkelige behov. For gjennomførbart å operere vannettverket måtte omtrentlige (slack) variabler introduseres og som reaksjon på en plutselig økning i vannbehov måtte til og med en underskridelse av den nedre nivågrensen aksepteres, som det kan sees fra det forventede vannlagringsnivået 12 og det resulterende virkelige vannlagringsnivået 13 på venstre side i fig. 5.

Generelt ble det bestemt at de optimale objektive verdier holder Ф2SSP « ФEEV, hvilket ytteligere illustrerer betydningen av stokastisk optimalisering for vannettverksoperasjoner. Et annet viktig aspekt ved den stokastiske tilnærmingen er den beregningsmessige innsatsen. Modellstørrelsen av 2SSP-modellene øker lineært med antallet scenarier og beregningstiden indikerer kvadratisk stigning med henblikk på antallet scenarier. Men selv en grov tilnærming av den underliggende sannsynlighetsfordeling som omfatter få scenarier gir gode resultater sammenlignet med den deterministiske optimalisering ved en moderat økning i beregningsmessig kompleksitet. Ytterigere små pertubasjoner av de modellerte behovsscenarier fører bare til marginale forskjeller i de optimale objektive verdiene eller i den optimale løsning av de stokastiske programmene.

Fig. 4 viser et eksempel på et system 16 for den stokastiske optimalisering av driften av et vannettverk. Systemet 16 inneholder en optimaliseringsenhet OP for å utføre den ovenfor beskrevne minimalisering av den objektive funksjon for å generere minst én driftskonfigurasjonsinformasjon, nærmere bestemt minst ett aktuatoropplegg, som deretter avgis til et kontrollsystem CS for å benyttes på den påtenkte minst ene aktiveringsenhet i vannettverket 17 via et utgangsgrensesnitt 18. Aktiveringsenhetene i vannettverket 17 er pumpene 20 for å øke trykket ved bestemte lokasjoner inne i nettverket, pumpene og ventilene i vannlagringsanleggene 21, og de forskjellige typer av ventiler inne i nettverket.

System 16 inneholder videre en scenariogenererende enhet SG. Den scenariogenerende enheten SG er innrettet til å generere scenarier ωj for det fremtidige vannbehov fra usikkerheter for vannbehovet utledet fra virkelige data i vannettverket, dvs fra historiske måledata MD som inkluderer måledata av vannbehovet. Måledataene MD lagres i en lagringsenhet 23 som tilhører system 16. Lagringsenhet 23 kan enten være et volatilt dataminne, feks en RAM, eller et permament dataminne.

Scenariene er antagelser for vannbehovet i fremtiden, hvor det forventede vannbehovet variere f.eks. avhengig av tiden på dagen, ukedagen eller tiden på året. Følgelig kan det tas hensyn til dag-natt-variasjoner, høyere vannbehov under varme eller solrike måneder i året, eller pga store publikums-arrangementer ved scenariogenererende enhet SG. I tillegg kan den scenariogenererende enheten SG ta hensyn til ytterligere informasjon som implisitt kan influere på vannbehovet, slik som informasjon om elektrisitetstariffer ET og/eller vannkildekostnader WSC, som kan lagres i lagringsenhet 23 eller som kan inngis direkte til systemet av en operatør. Videre kan slik tilleggsinformasjon være utendørstemperaturer, værmeldinger eller informasjon om offentlige arrangementer. Foruten modellering av scenarier for vannbehovet, kan den scenariogenrerende SG f.eks. generere scenarier for variasjonen av effektiviteten til vannpumpene i vannettverket. For dette formål kan pumpeeffektivitetskarakteristikker lagres i lagringsenhet 23 og kan brukes av den scenariogenererende enheten sammen med måledata på driften av vannpumpene for å modellere den fremtidige usikkerheten i effektiviteten av vannpumpene.

Det endelige settet av scenarier for fremtidige vannbehov, generert av den scenariegenererende enheten SG, blir deretter levert til optimaliseringsenheten OP, hvor det er input til optimaliseringsproblemet. Optimaliseringsproblemet tar videre hensyn til en hydraulisk modell F av vannnettverket 17 (se ligningene (3) og (6)), minst én driftsbegrensning G (se ligninger (4) og (7)) og minst én objektiv funksjon Ф for å representere en uønsket sideeffekt U av operasjonen av den minst ene aktiveringsenheten, modellert feks som energiforbrukskostnad Фpu og kildestrømningskostnad Фsn. Optimaliseringsproblemet kan til og med også ta hensyn til variasjoner i parametere som den i minste uønskede sideeffekten avhenger av, slik som variasjoner i elektrisitetstariffene ET som påvirker energiforbrukskostnaden Фpu og variasjoner i tariffer for vannkildekostnader WSC som påvirker kildestrømningskostnaden Фsn. Følgelig er optimaliseringsenheten OP innrettet til å tilveiebringe de respektive variasjoner av parametrene fra lagringsenheten 23.

Scenariene kan også presenteres via et menneske-maskin-grensesnitt til en operatør, som kan endre dem ifølge hans erfaring.

I visse utførelser er den scenariogenererende enhet SG arrangert til å utlede øvre og nedre scenarier, og – om påkrevet – ett eller flere ytterligere forventet verdiscenarier. Den scenariogenererende enheten SG kan være innrettet til å levere vannbehovscenariene til en grafisk fremvisningsenhet for visualisering, f.eks. i form av et tre som i figur 2 eller i form av en tidsavhengig graf som viser de øvre og nedre scenarier såvel som det forventede verdiscenariet som i fig. 3 eller i enhver annen egnet grafisk form.

System 16 inneholder videre en nivåjusteringsenhet LA som er innrettet til å bestemme en avhengighet mellom en minskning i en lavere nivågrense av et vannlagringsanlegg og en utstrekning i hvilken den minst ene uønskede sideeffekten U reduseres mens en samtidig holder seg til den minst ene tidsbegrensning G og å tilveiebringe til optimaliseringsenheten OP, som en oppdatert tidsbegrensning G til optimaliseringsproblemet, en ny verdi for den nedre nivågrensen. Et eksempel på en slik avhengighet er avbildet i fig. 6, hvor energiinnsparing er vist over en varierende nedre grense. Energiinnsparingen er i virkeligheten en invertert uønsket effekt U i den forstand at den uønskede effekt er de pengemessige energikostnader. Dess høyere energikostnader, dess lavere energisparinger. Det skraverte området indikerer et område hvor ingen av de minst ene driftsbegresningene G blir overskredet.

Den nivåjusterende enheten LA kan videre innrettes til å bestemme den nye verdien for den nedre nivågrensen ved også å ta hensyn til en avhengighet mellom reduksjonen i den uønskede sideeffekten U og en risiko for at vannlagringsanlegget når et kritisk vannivå. Et eksempel på en slik avhengighet er vist i fig. 7 som et risikonivå over energiinnsparinger. Dess høyere energiinnsparinger, dess høyere er risikoen for å nå det kritiske vannnivået. Basert på et slikt forhold kan det finnes et optimum ved et risikonivå som operatøren av vannettverket er villig til å ta.

De ovenfor nevnte avhengigheter kan bestemmes i form av funksjonelle forhold, eller tabeller, eller regelbaserte forhold.

Et annet element som kan inneholdes i system 16 er en avgjørelsesstøtteenhet DS. Avgjørelsesstøtteenheten DS mottar det endelige settet av scenarier fra den scenariogenererende enheten SG og bruker det som inngang for å evaluere for en identifisert potensiell årsak til en feil i vannettverket 17 en korresponderende påvirkning på vannettverket 17.

En fremgangsmåte utført av den avgjørelsesstøttende enheten kan inneholde trinnene å

a) motta en feilmelding som indikerer et problem i vannettverket 17,

b) bestemme fra feilmeldingen en serie av potensielle årsaker til den meldte feilen, c) bestemme, for hver potensiell årsak, en estimert påvirkning,

d) samle de estimerte påvirkninger for hver potensiell årsak for å utlede en viktighetsindikasjon for den meldte feil.

I denne fremgangsmåten inkluderer trinnet for å bestemme en estimert påvirkning på hver potensiell årsak et risikoscenario med innledende nettverksbetingelser og antatte fremtidige nettverksforhold i vannettverket, hvor det endelige settet av scenarier brukes til å representere de fremtidige nettverksforhold.

Utgangen av avgjørelsesstøtteenheten DS, dvs viktighetsindikasjonen, kan da brukes av styringssystemet CS til å bestemme hvor hurtig den meldte feilen krever en respons og/eller en prioritering, eller rekkefølge som en serie av meldte feil bør reageres på.

Claims

Patentkrav

1. System for optimalisering av drift av et vannettverk omfattende

• minst én datalagringsenhet (23) for å lagre en hydraulisk modell (F) såvel som minst én driftsmessig begrensning (G) av vannettverket hvor den hydrauliske modellen (F) representerer avhengigheten av trykk og strømninger i vannettverket (17) på en driftsmessig tilstand av minst én aktiveringsenhet (20) i vannettverket (17) og på et forventet vannbehov (ξ(t)),

• minst én prosesseringsenhet inneholdende en optimaliseringsenhet (OP) hvor optimaliseringsenheten (OP) er innrettet til å generere minst én driftskonfigurasjonsinformasjon (c(t)) for den minst ene aktiveringsenheten (20) ved å minimalisere en objektiv funksjon (Ф) av et optimaliseringsproblem hvor optimaliseringsproblemet er basert på den hydrauliske modellen (F),

• minst ett utgangsgrensesnitt (18) for å levere den minst ene driftskonfigurasjonsinformasjonen (c(t)) til den minst ene aktiveringsenheten (20),

• den minst ene prosesseringsenheten videre inneholder en scenariogenerende enhet (SG) for å generere et endelig sett av scenarier (Ω) i form av mulige realiseringer over tid av det forventede vannbehov (ξ(t)) og/eller av den driftsmessige tilstand og/eller karakteristikker av den minst ene aktiveringsenheten og/eller minst én parameter av den hydrauliske modell (F), hvor det endelige settet av scenarier (Ω) er basert på probabilistisk informasjon om usikkerheten av det forventede vannbehov, den driftsmessige tilstanden og/eller karakteristikker til den minst ene aktiveringsenheten eller den minst ene parameter til den hydrauliske modellen, respektivt,

• hvor den scenariogenererende enheten (SG) er innrettet til å påføre en suksessiv scenarioreduserende teknikk for å bunte lignende scenarier (ωj), og dermed redusere antall scenariotrenoder fra et orginalt tre til et redusert tre, og å tildele det reduserte treet nye sannsynlighetsmål slik at det nye sannsynlighetsmålet er nærmest den innledende fordelingen når det gjelder naturlig avstandsmetrikk, • optimaliseringsenheten (OP) er innrettet til å optimalisere den objektive funksjonen (Ф) av optimaliseringsproblemet ved å utføre stokastisk optimalisering, hvor optimaliseringsproblemet videre tar hensyn til den objektive funksjonen (Ф) for å representere minst én uønsket sideeffekt (U) av drift av den minst ene aktiveringsenheten, den minst ene driftsmessige begrensning (G) og det endelige settet av scenarier (Ω), der den minst ene uønskete sideeffekten (U) er valgt fra i minst én av produksjonen av for mye støy eller karbondioksid, bruk av for mye elektrisk energi, økning i mengden av kostbart vann pumpet inn i nettverket fra et reservoar, eller at det nås en uønsket frekvens og/eller amplitude av selve aktiveringsoperasjonen.

2. System ifølge ett av kravene 1, hvor den scenariogenererende enheten (SG) er innrettet til å generere det endelige settet av scenarier (Ω) ved å konstruere et øvre scenario (10) og et nedre scenario (11), som definerer området av mulige realiseringer over tid.

3. System ifølge ett av de foregående krav, hvor den scenariogenererende enheten (SG) er innrettet til å representere usikkerhetene ved en stokastisk prosess (ξt), idet hver stokastisk prosess defineres på et underliggende, kontinuerlig sannsynlighetsrom over en tidshorisont med begrenset varighet.

4. System ifølge ett av de foregående krav, hvor den scenariogenererende enheten (SG) er innrettet til å generere det endelige settet av scenarier (Ω) ved å utlede usikkerhetene fra måledata (MD) i vannettverket (17).

5. System ifølge ett av de foregående krav, hvor den scenariogenererende enheten (SG) er innrettet til å tilveiebringe det endelige settet av scenarier (Ω) i form av et scenariotre (22) for grafisk visualisering.

6. System ifølge ett av de foregående krav, hvor den objektive funksjonen (Ф) reflekterer resulterende energiforbruk (Фpu) og/eller vanninnstrømning fra en kilde (Фsn) når den opererer den minst ene aktiveringsenheten (20).

7. System ifølge krav 6, hvor optimaliseringsenheten (OP) er innrettet til å ta hensyn til endrende tariffer for energi (ET) og for vann fra kilden (WSC).

8. System ifølge et av de foregående krav, hvor den objektive funksjonen (Ф2SSP) er formulert som en endelig diskretisering av en scenariobasert totrinns stokastisk programmeringsmodell.

9. System ifølge et av de foregående krav, hvor den hydrauliske modellen (F) er basert på en beskrivelse av topologien av vannettverket (17) omfattende et nodesett (N) og et kantsett (E), hvor nodesettet består av lagringsnoder (Nrn), forbindelsesnoder (Ncn), vannbehovsnoder (Ndn) og kildenoder (Nsn) og hvor kantsettet representerer vannrør (Epi), pumper (Epu) og ventiler (Eva).

10. System ifølge krav 9, hvor den hydrauliske modellen (F) dannes av tilstandsligninger som representerer avhengigheten av den tidsavhengige tilstand (y(t)) av vannettverket (17) på den driftsmessige tilstand av den minst ene aktiveringsenheten (20) og på det forventede vannbehov (ξ(t)) og hvor den tidsavhengige tilstand består av trykkhøyde i noder i nodesettet (N) og strømninger langs kantene av kantsettet (E).

11. System ifølge et av de foregående krav, hvor den minst ene prosesseringsenheten videre omfatter en nivåjusterende enhet (LA) som er innrettet til å bestemme en avhengighet mellom en minskning avi en nedre nivågrense (3) av et vannlagringsanlegg (21) og en utstrekning i hvilken den minst ene uønskede sideeffekt (U) reduseres mens man samtidig opprettholder den minst ene driftsmessige begrensning (G) og å levere til optimaliseringsenheten (OP) en ny verdi for den nedre nivågrensen (3) som en oppdatert, driftsmessig begrensning til optimaliseringsproblemet.

12. System ifølge krav 11, hvor den nivåjusterende enheten (LA) er innrettet til å bestemme den nye verdien for den nedre nivågrensen (3) ved videre å ta hensyn til en avhengighet mellom reduksjonen i den uønskede sideeffekten (U) og en risiko for at vannlagringsanlegget (21) når et kritisk vannivå.

13. System ifølge et av de foregående krav, hvor den scenariogenererende enheten (SG) er innrettet til å levere det endelige settet av scenarier (Ω) til en avgjørelsesstøtteenhet (DSU), hvor avgjørelsesstøtteenheten (DSU) er innrettet til å evaluere for en identifisert, potensiell årsak av en feil i vannettverket (17) en korresponderende virkning på vannettverket, mens det tas hensyn til det endelige settet av scanarier (Ω).

14. Fremgangsmåte for å optimalisere drift av et vannettverk omfattende trinnene

• lagring av en hydraulisk modell (F) såvel som minst én driftsmessig begrensning (G) av vannettverket (17), hvor den hydrauliske modellen (F) representerer avhengigheten av trykk og strømninger i vannettverket (17) på en driftsmessig tilstand og/eller karakteristikker for minst én aktiveringsenhet (20) i vannettverket og på et forventet vannbehov (ξ(t)),

• generering av minst én driftskonfigurasjonsinformasjon (c(t)) for den minst ene aktiveringsenheten (20) ved å minimalisere en objektiv funksjon (Ф) av et optimaliseringsproblem, hvor optimaliseringsproblemet er basert på den hydrauliske modellen (F), • levering av den minst ene driftskonfigurasjonsinformasjonen (c(t)) til den minst ene aktiveringsenheten (20),

• generering av et endelig sett av scenarier (Ω) i form av mulige realiseringer over tid av det forventede vannbehov (ξ(t)) og/eller av den driftsmessige tilstand og/eller karakteristikkene til den minst ene aktiveringsenheten og/eller av minst én parameter i den hydrauliske modellen (F), hvor det endelige settet av scenarier (Ω) er basert på probabilistisk informasjon på usikkerheten av det forventede vannbehovet, den driftsmessige tilstand og/eller karakteristikker til den minst ene aktiveringsenheten og/eller den minst ene parameter i den hydrauliske modellen, respektivt,

• redusering av antallet scenariotrenoder ved å bunte lignende scenarier og dermed redusere antall scenariotrenoder fra et orginalt tre til et redusert tre, og å tildele det reduserte treet nye sannsynlighetsmål slik at det nye sannsynlighetsmålet er nærmest den innledende fordelingen når det gjelder naturlig avstandsmetrikk, • minimalisering av den objektive funksjonen (Ф) ved å utføre stokastisk optimalisering, hvor optimaliseringsproblemet videre tar hensyn til den objektive funksjonen (Ф) for å representere minst én uønsket sideefekt (U) av drift av den minst ene aktiveringsenheten (20), den minst ene driftsmessige begrensning (G) og det endelige settet av scenarier (Ω), der den minst ene uønskete sideeffekten (U) er valgt fra i minst én av produksjonen av for mye støy eller karbondioksid, bruk av for mye elektrisk energi, økning i mengden av kostbart vann pumpet inn i nettverket fra et reservoar, eller at det nås en uønsket frekvens og/eller amplitude av selve aktiveringsoperasjonen.