SE1450161A1 - System och förfarande för att optimera drift av ett vattennätverk - Google Patents
System och förfarande för att optimera drift av ett vattennätverk Download PDFInfo
- Publication number
- SE1450161A1 SE1450161A1 SE1450161A SE1450161A SE1450161A1 SE 1450161 A1 SE1450161 A1 SE 1450161A1 SE 1450161 A SE1450161 A SE 1450161A SE 1450161 A SE1450161 A SE 1450161A SE 1450161 A1 SE1450161 A1 SE 1450161A1
- Authority
- SE
- Sweden
- Prior art keywords
- water
- operating
- scenarios
- unit
- optimization
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 198
- 238000000034 method Methods 0.000 title claims description 19
- 238000005457 optimization Methods 0.000 claims abstract description 83
- 238000003860 storage Methods 0.000 claims abstract description 36
- 230000000694 effects Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000013500 data storage Methods 0.000 claims abstract 2
- 230000009467 reduction Effects 0.000 claims description 12
- 238000005309 stochastic process Methods 0.000 claims description 11
- 238000005265 energy consumption Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 230000036962 time dependent Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 17
- 238000009826 distribution Methods 0.000 description 11
- 238000013459 approach Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 150000002500 ions Chemical class 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 241000237518 Arion Species 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000009472 formulation Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010012335 Dependence Diseases 0.000 description 1
- 101100298295 Drosophila melanogaster flfl gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000002153 concerted effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
System för att optimera drift av ett vattennätverk vilket innefattar åtminstone en datalagringsenhet (23) för att lagra en hydraulisk modell såväl som åtminstone en driftbegränsning hos vattennätverket (17), varvid den hydrauliska modellen representerar beroendet hos toppar och flöden i vattennätverket av ett drifttillstånd hos åtminstone en styrenhet (20) hos vattennätverket och av en förväntad vattenefterfrågan, åtminstone en bearbetningsenhet vilken inkluderar en optimeringsenhet (OP), varvid optimeringsenheten är anpassad att generera åtminstone en driftkonfigurationsinformation för den åtminstone ena styrenheten genom att minimera en målfunktion hos ett optimeringsproblem, varvid optimeringsproblemet är baserat på den hydrauliska modellen, åtminstone ett utmatningsgränssnitt (18) för att bringa den åtminstone ena driftkonfigurationsinformationen till den åtminstone ena styrenheten. För att kunna driva vattennätverket med en reducerad nedre nivågräns hos en vattenlageranläggning, inkluderar den åtminstone ena bearbetningsenheten dessutom en scenariogenereringsenhet (SG) för att generera en begränsad uppsättning av scenarion i form av möjliga realiseringar över tiden av den förväntade vattenefterfrågan och/eller av drifttillståndet och/eller särdrag hos den åtminstone ena styrenheten och/eller av åtminstone en parameter hos den hydrauliska modellen, varvid den begränsade uppsättningen av scenarion är baserad på sannolikhetsinformation av osäkerheten hos dessa variabler. Optimeringsenheten är anpassad att minimera målfunktionen hos optimeringsproblemet genom att utföra stokastisk optimering, varvid optimeringsproblemet dessutom tar hänsyn till målfunktionen för att representera åtminstone en oönskad sidoeffekt av att driva den åtminstone ena styrenheten, den åtminstone ena driftbegränsningen och den begränsade uppsättningen av scenarion.(Fig. 4)
Description
10
Det övre diagrammet i Fig. 1a visar ett driftförfarande för ett vat-
tennätverk så som det utförs idag: vattenverk försöker att an-
passa nätverksplaneringen så att vattennivåerna 1 i vattenlager-
anläggningarna, även kallade vattenlagertoppar, hålls mellan
övre gränser 2 och nedre gränser 3. De övre och nedre gränser-
na är markerade som streckade linjer i Fig. la. Ändring av vat-
tennivån 1 mellan dessa gränser styrs i beroende av vattenför-
brukningen i nätverket genom konfigurationen hos pumpsystemet
och genom en direktförbindning av vattenlagernivån med pump-
styrsystemet: om vattennivån är nära den nedre gränsen, slås
pumpar automatiskt på för att öka vattenlagernivån. Då vattenni-
vån är tillräckligt hög slås pumparna av. Antalet pumpar som slås
på samtidigt visas i det nedre diagrammet i Fig. la.
Det nuvarande driftförfarandet fokuserar således på att upprätt-
hålla höga vattennivåer i vattenlagren för att uppfylla kundefter-
frågan vid varje tidpunkt, varvid kundefterfrågan är föremål för
osäkerhet. För att hantera denna osäkerhet i efterfrågan sätter
vattenverken artificiellt höga nedre gränser för lagertoppgränser-
na, upp till 80% av fyllnadskapaciteten, för att upprätthålla höga
vattennivåer i Iageranläggningarna. På detta sätt finns tillräckligt
med vatten i lageranläggningarna för att täcka efterfrågan även i
fallet av oväntade förändringar i efterfrågan. Detta tillvägagångs-
sätt leder emellertid till en ökning i driftkostnader på grund av
den fordrade högre pumpkapaciteten.
Detta tillvägagångssätt försummar dessutom möjliga fördelar av
att lägligt skifta fyllnadsoperationerna, t ex när energitarifferna är
låga, eller av att driva pumpar för att transportera vattnet genom
nätverket med reducerad hastighet eller vid deras effektivitets-
punkt, vilket kan uppnås genom att lagra vattnet, när det inte be-
hövs, i lageranläggningar, såsom lagertankar.
Generellt är optimering av vattennätverksdrift fastställning av
driftinformation att ta hänsyn till medan samtidigt generera styr-
signalerna för åtminstone en av styrenheterna hos nätverket,
varvid styrenheterna vanligen är pumpar, ventiler inom nätverket,
såväl som styrenheter som styr inflödet och/eller utflödet hos vat-
tenlager och styr ett eller flera källflöden hos vattennätverket.
Driftinformationen för styrenheterna fastställs så att nätverks-
driftkostnaderna, såsom energiförbrukningskostnader, minimeras
under samtidigt tillfredsställande av vattenefterfrågan, minimum-
och/eller maximumtryck eller flödesnivàer i vattenrören hos nät-
verket såväl som andra driftbegränsningar hos vattennätverket.
Förfaranden för att optimera driften av vattenfördelningsnätverk
beskrivs i WO2011/O92012 A2, såväl som i "Combined Energy
and Pressure Management in Water Distribution Systems", av P.
Skworcow et al., Proc. World Environmental and Water Re-
sources Congress 2009, Great Rivers, sid. 709-718, och i "Opti-
mization Models for Operative Planning in Drinking Water Net-
works” av J. Burgschweiger et al., ZlB-Report 04-48, Konrad-
Zuse-Zentrum für lnformationstechnik, Berlin (2004). Optime-
ringsförfarandena är baserade på deterministiska hydrauliska el-
ler speciellt anpassade deterministiska modeller som represente-
rar de fysiska egenskaperna hos vattenfördelningsnätverket. Ba-
serat på dessa modeller används optimeringsalgoritmer för att
generera optimerade styrdons-driftscheman och parametrar över
en speciell tidshorisont, t ex 24 timmar, vilka tar hänsyn till skif-
tande energitariffer, tidsvarierande efterfrågan och möjliga lager-
kapaciteter över denna tidshorisont. Hänsynstagande till den full-
ständiga optimeringshorisonten möjliggör att till fullo utnyttja la-
gerkapaciteter i vattennätverket, att skifta pump- eller energiom-
fattande operationer till tider med låga energitariffer och att driva
pumpar med energieffektiv hastighet även om efterfrågan är
högre än mängden pumpat vatten.
Driften av vattennätverk är tyvärr väldigt komplex och påverkad
av många osäkerheter. Osäkerheter är exempelvis skiftande vat-
tenefterfrågan över tiden såväl som skiftande parametrar såsom
pumpeffektiviteter eller skillnader mellan modellen hos vatten-
nätverket och den verkliga processen. Osäkerheterna i efterfrå-
gan gör en förutsägelse som behövs för de optimala styrdons-
schemana, för t ex pumpar, ventiler, lagertankar, källor, svår och
påverkar kvaliteten av optimeringsresultatet. Osäkerheterna kan
faktiskt även leda till olämpligheter eller oönskat systembete-
ende.
Diagrammet till vänster i Fig. 1b visar ett exempel för en förut-
sagd vattenefterfrågetrend 5, förutsagd vid OhOO för nästkom-
mande 24 timmar. Den förutsagda vattenefterfrågetrenden 5 är
den mörkare av de två kurvorna med heldragna linjer. Diagram-
met till höger i Fig. 1b visar den resulterande optimerade vatten-
nivåtrenden 6 i en vattenlageranläggning, speciellt en vattentank,
som den är förväntad för den förutsagda vattenefterfrågan 5 vid
tillämpning av optimerade styrdonsscheman beräknade vid OhOO
för nästkommande 24 timmar. Här är det igen den mörkare av de
två kurvorna med heldragna linjer. Optimeringen av styrdons-
schemana är, i exemplet hos Fig. 1b, baserad på kända deter-
ministiska optimeringsalgoritmer. I det fall att den verkliga efter-
frågan varierar och skiljer sig från den förutsagda - vilket nästan
säkerligen kommer att ske vid någon tidpunkt, t ex på grund av
ökade utomhustemperaturer eller på grund av ett Vattenförbru-
kande sportevenemang - kan den nedre eller övre gränsen hos
vattenlagertanken under- eller överskridas. Den nedre och övre
gränsen för vattennivån i vattentanken visas som streckade linjer
i diagrammet på höger sida av Fig. 1b. I exemplet hos Fig. 1b,
beräknas optimerade styrdonsscheman vid OhOO för den förut-
sagda efterfrågekurvan 5 och tillämpas för nästkommande 24
timmar. Den ljusare av de två kurvorna i diagrammet på vänster
sida av Fig. 1b visualiserar efterfrågan som verklig efterfrågerea-
lisering 6. Vilket kan ses är den verkliga efterfrågan 6 högre än
den förväntade efterfrågan 5 i ungefär sex timmar, mellan ca
6h00 och mitt på dagen. Som resultat underskrider den verkliga
vattennivån 8 i vattenlageranläggningen den accepterade nedre
gränsen betydligt. Då underskridandet går för långt, kan trycket
bli för lågt åtminstone i delar av vattennätverket. En mekanism
för att övervinna korsandet av den nedre gränsen, t ex genom att
automatiskt slå på en pump i vattenlageranläggningen, kan inte-
greras i optimeringsalgoritmen men skulle potentiellt resultera i
reducerade energibesparingar. I värsta fall skulle det även kunna
leda till högre energiförbrukning än utan någon optimering alls. I
allmänhet måste underskridande av den nedre gränsen vara tillå-
tet i optimeringsalgoritmen för att lämpligt lösa optimeringspro-
blemet. För att ta hänsyn till detta är det känt att implementera
en mildring av nedre nivågränser. Detta görs genom att introdu-
cera slackvariabler. I gensvar straffas de i målfunktionen att op-
timeras för att undvika deras användning. Det händer emellertid
ganska ofta att den optimala deterministiska lösningen kräver
underskridande av den nedre vattennivågränsen under beräkning
av en godtycklig efterfrågan. Oftast är detta inte styrbart i förväg,
då det ej kan förutsägas hur långt underskridandet kommer att gå
vid användning av en deterministisk modell.
För att övervinna denna situation samlar existerande lösningar
som samverkar med ett styrsystem eller ett SCADA- (Supervisory
Control and Data Acquisition) system verklig nätverksdriftsdata
och räknar om optimerade styrdonsscheman eller larmgränsin-
ställningar för att anpassa sig till den nya situationen i nätverket.
Omräkningen utförs baserat på ett periodiskt tidsschema, t ex
varje timme, eller baserat på händelser, såsom korsandet av övre
eller nedre gränser. l lösningsformuleringen hos optimeringsalgo-
ritmerna inkluderas högsäkerhetsmarginaler för parametrarna att
optimeras för att övervinna dessa problem och för att säkerställa
leverans enligt kundefterfrågan vid varje tidpunkt även under
skiftande förhållanden. Återigen resulterar detta i ett mer konser-
vativt tillvägagångssätt för hur vattennätverket ska drivas och
manövreras. l fallet av händelsebaserade omräkningar, kan om-
räkningarna bli nödvändiga att utföras förhållandevis ofta, vilket
resulterar i frekventa korrigeringar hos styrdonsschemana och
således i betydande styrdonsaktiviteter. Till slut kan energibe-
sparingarna vara mindre än jämfört med den ovan beskrivna op-
timeringen utan någon anpassning till nätverkssituationen.
Deterministiska modelleringsstrategier har nackdelen att de end-
ast kan ta hänsyn till modelleringsosäkerheter och driftosäker-
heter på ett väldigt begränsat vis. Detta kan resultera i olämpliga
eller oönskade optimeringslösningar vid tillämpning på verklig-
heten.
Ett ändamål med den föreliggande uppfinningen är att presentera
ett system och förfarande för att optimera drift av ett vattennät-
verk, med vilka de konservativa tillvägagångssätten beskrivna
ovan övervinns för att undvika de artificiellt höga gränserna för
vattennivåerna i lageranläggningarna, t ex för att reducera speci-
ellt den nedre nivågränsen, medan samtidigt reducera risken för
att få slut på vatten.
Enligt uppfinningen inkluderar den åtminstone ena bearbetnings-
enheten dessutom en scenariogenereringsenhet för att generera
en begränsad uppsättning av scenarion i form av möjliga reali-
seringar över tiden av den förväntade vattenefterfrågan och/eller
av drifttillståndet hos den åtminstone ena styrenheten och/eller
av åtminstone en parameter hos den hydrauliska modellen, var-
vid den begränsade uppsättningen av scenarion är baserad på
sannolikhetsinformation av osäkerheten hos den förväntade vat-
tenefterfrågan, drifttillståndet respektive den åtminstone ena pa-
rametern, och optimeringsenheten är anpassad att minimera en
målfunktion hos optimeringsproblemet genom att utföra sto-
kastisk optimering, varvid optimeringsproblemet tar hänsyn till
mälfunktionen för att representera åtminstone en oönskad sidoef-
fekt av att driva den åtminstone ena styrenheten, den åtminstone
ena driftbegränsningen och den begränsade uppsättningen av
scenarion i form av scenariobaserade optimeringsmodeller.
Enligt uppfinningen formuleras och löses optimeringsproblemet,
vilket direkt tar hänsyn till beskrivbara modell- och driftosäker-
heter, varigenom det säkerställs att definierade gränser och ef-
terfrågan möts. Detta tillåter även en övergripande bättre kost-
nadseffektiv lösning än vid användning av en deterministisk mo-
dell som bas. Speciellt då det kan säkerställas att den nedre ni-
vågränsen hos en vattenlageranläggning inte kraftigt under-
skrids, kan den nedre nivågränsen säkert ställas in till en lägre
nrva.
Osäkerheterna beskrivs för något av följande:
o mätta signaler, speciellt inmatningar eller störningar för den
hydrauliska modellen, såsom vattenefterfrågan,
o drifttillstånd och/eller särdrag hos styrenheterna, såsom ef-
fektivitetskurvor, t ex pumpeffektivitetskurvor, och
o modelleringsparametrar, t ex rörytråhetskoefficienter.
Ytterligare osäkerheter kan definieras. Exempelvis kan i det fall
då ytterligare inmatningsinformation till optimeringsproblemet,
såsom elektricitetstariffer eller vattenkällkostnader, inte är känd i
förväg för nästa optimeringstidshorisont, vilken i exemplet som
beskrivs nedan är nästkommande 24 timmar, sådan information
även inkluderas i optimeringsproblemet i form av osäkerheter i
stället för ytterligare deterministisk inmatning.
l en första utföringsform av uppfinningen är scenariogenere-
ringsenheten anpassad att tillämpa en successiv scenarioreduce-
ringsteknik för att bunta ihop liknande scenarion för att reducera
beräknlngsansträngningen för optimeringsenheten under bear-
betning av de resulterande scenariobaserade optimeringsmo-
dellerna.
l en annan utföringsform är scenariogenereringsenheten anpas-
sad att generera den begränsade uppsättningen av scenarion
genom att bilda ett övre scenario och ett nedre scenario, vilka
definierar området av möjliga realiseringar över tiden för åt-
minstone ett av de ovan nämnda värdena eller parametrarna
vilka är föremål för osäkerhet. Detta är ett avsevärt enkelt tillvä-
gagångssätt för de fall då endast lite information om osäkerhet-
erna och sannolikheterna existerar.
l en specifik utföringsform är scenariogenereringsenheten an-
passad att representera osäkerheterna genom en stokastisk pro-
cess, varvid varje stokastisk process definieras på ett underlig-
gande kontinuerligt sannolikhetsrum över en tidshorisont med
begränsad varaktighet, varigenom en explicit representation av
osäkerheterna genereras.
I ytterligare en utföringsform är scenariogenereringsenheten an-
passad att generera den begränsade uppsättningen av scenarion
genom att härleda osäkerheterna från mätdata hos vattennätver-
ket. Alternativt skulle osäkerhetsdata kunna läsas från en lag-
ringsenhet eller matas in av en operatör till systemet och därige-
nom till scenariogenereringsenheten.
Scenariogenereringsenheten skulle dessutom kunna vara anpas-
sad att tillhandahålla den begränsade uppsättningen av scen-
arion i form av ett scenarioträd för grafisk visualisering. Scena-
rioträdet skulle sedan kunna anpassas ytterligare av en operatör,
innan det används för att generera optimeringsproblemet för op-
timeringsenheten.
I en speciell utföringsform speglar målfunktionen resulterande
energiförbrukning och/eller vatteninflöde från en källa när den
åtminstone ena styrenheten drivs.
I denna speciella utföringsform skulle optimeringsenheten dessu-
tom kunna vara anpassad att ta hänsyn till skiftande tariffer för
energi och för vatten från källan.
I ytterligare en utföringsform är optimeringsproblemet formulerat
som en begränsad diskretisering av en scenariobaserad sto-
kastisk tvåstegs-programmeringsmodell.
Den hydrauliska modellen kan vara baserad på en beskrivning av
topologin hos vattennätverket, vilken innefattar en noduppsätt-
ning och en kantuppsättning, varvid noduppsättningen består av
Iagringsnoder, förbindningsnoder, vattenefterfrågenoder och
källnoder och varvid kantuppsättningen representerar vattenrör,
pumpar och ventiler.
I det fallet bildas den hydrauliska modellen sedan genom till-
ståndsekvationer, vilka representerar beroendet hos det tidsbe-
roende tillståndet hos vattennätverket av den åtminstone ena
driftkonfigurationsinformationen hos den åtminstone ena styren-
heten och av den förväntade vattenefterfrågan och varvid det
tidsberoende tillståndet består av toppar i noderna hos nodupp-
sättningen och flöden längs kanterna hos kantuppsättningen.
För att explicit ta hänsyn till skiftningar hos en nedre nivågräns
hos en vattenlageranläggning, kan den åtminstone ena bearbet-
ningsenheten dessutom innefatta en nivåanpassningsenhet vil-
ken är anpassad att uppskatta och att bringa till optimeringsen-
heten som ytterligare inmatning till optimerlngsproblemet ett be-
roende mellan en minskning av den nedre nivågränsen och en
grad till vilken den åtminstone ena oönskade sidoeffekten redu-
ceras under samtidigt hållande av den åtminstone ena driftbe-
gränsningen.
Dessutom kan nivåkonfigurationsenheten vara anpassad att upp-
skatta och att bringa till optimeringsenheten som ytterligare in-
matning till optimeringsproblemet ett beroende mellan reduce-
ringen av den oönskade sidoeffekten och en risk för vattenlager-
anläggningen att nå en kritisk vattennivå, varvid den kritiska vat-
tennivån kan indikera att vattenlageranläggningen är på väg att
torka ut eller att den når en vattennivå som ej längre är tillräcklig
för att tillhandahålla tillräckligt tryck för att transportera vattnet
genom vattenrören.
I en annan speciell utföringsform är scenariogenereringsenheten
anpassad att bringa den begränsade uppsättningen av scenarion
till en beslutsstödenhet, varvid beslutsstödenheten är anpassad
att evaluera för en identifierad potentiell orsak till ett fel i vatten-
nätverket en motsvarande påverkan på vattennätverket, vid hän-
synstagande till den begränsade uppsättningen av scenarion.
Uppfinningen och dess utföringsformer kommer även att tydliggö-
ras från exemplen beskrivna nedan i samband med de bifogade
ritningarna, vilka illustrerar:
Fig. 1a, b driftdiagram av vattenlageranläggningar som är
kända från teknikområdet,
Fig. 2 ett scenarioträd för en parameter P,
Fig. 3 osäkerheter hos en parameter M modellerad genom
tre scenarion,
Fig. 4 ett system för att optimera drift av ett vattennätverk,
Fig. 5 en jämförelse mellan optimering utan och med mo-
dellerade osäkerheter,
Fig. 6 exempel av utmatningar genererade genom en
nivåanpassningsenhet.
Som förklarats ovan är uppfinningens huvudidé följande: istället
för att endast formulera ett optimeringsproblem så som görs med
deterministiska modelleringstillvägagångssätt, modelleras osä-
kerheterna i de olika parametrarna hos den hydrauliska modellen
hos vattennätverket som en begränsad uppsättning av möjliga
realiseringar av en respektive parameter P över tiden, vilket le-
der till scenariobaserade optimeringsmodeller. Varje scenario re-
presenterar en möjlig parameterrealisering över tiden, dvs var vid
en viss tidpunkt i framtiden ett visst värde antas för respektive
parameter P med en specifik sannolikhet m1... wf, vilket leder till
ett så kallat scenarioträd, som visas i Fig. 2.
Varje väg från roten till ett av dess löv stämmer överens med ett
scenario. Noderna motsvarar speciella tidpunkter t{O, T}, då
beslut c(t) fattas.
Optimeringsproblemet kan exempelvis lösas genom tillämpning
av stokastiska tvåstegs-programmerings- (2SSP) tekniker.
I många situationer finns endast ofullständig information om den
underliggande sannolikhetsfördelningen tillgänglig. Scenarioge-
nereringen baseras då mestadels på användning av historiska
11
data att använda för uppskattnings-, simulerings- och urvalstek-
niker, eller snarare att inkludera kunskapen hos en erfaren nät-
verksoperatör.
Beräkningsansträngningen för att lösa scenariobaserade optime-
ringsmodeller beror starkt av antalet modellerade scenarion. En
kompromiss mellan precisionen hos uppskattningen och modell-
storleken, vilken ökar exponentiellt med antalet scenarion, måste
således tas hänsyn till. Tillämpning av speciella scenarioreduce-
ringstekniker är till hjälp för att reducera beräkningstid. l en utfö-
ringsform av uppfinningen är idén därför att reducera antalet
scenarioträdnoder genom att bunta ihop liknande scenarion. l ex-
tremfallet skulle den begränsade uppsättningen av möjliga para-
meterrealiseringar, dvs den begränsade uppsättningen av scen-
arion, exempelvis kunna reduceras till endast två scenarion, ett
nedre och ett övre scenario, varvid vart och ett av de två scen-
ariona eller kurvorna representerar kurvan från den nedre re-
spektive övre halvan av alla kurvor, med den högsta sannolikhet-
en.
Att ta hänsyn till osäkerheter i optimeringsproblemformuleringen
leder till mer robust driftkonfigurationsinformation för den åt-
minstone ena styrenheten då olämpligheter hos lösningar lättare
kan undvikas. På lång sikt resulterar det även i större kostnads-
besparingar då säkerhetsmarginalerna för de övre och nedre
gränserna för vattennivåerna, nödvändiga idag på grund av de-
terministiska problemformuleringar, kan reduceras.
Driftkonfigurationsinformationen för den åtminstone ena styren-
heten kan vara en/ett av
ø ett styrdonsschema i form av en tidsserie av drifttillstånd
hos den åtminstone ena styrenheten, eller
o en uppslagstabell av driftinstruktioner för generering av en
styrsignal för den åtminstone ena styrenheten, varvid drift-
instruktionerna definieras i beroende av den aktuella tid-
punkten och/eller det aktuella tillståndet hos vattennätver-
ket, eller
12
o en uppsättning parametrar, vilka inkluderar exempelvis mi-
nimum- och/eller maximumvärden för styrsignalerna att ge-
nereras för den åtminstone ena styrenheten.
I det följande beskrivs ett exempel för ett stokastiskt tillväga-
gångssätt för att optimera ett vattennätverk under osäkerheter
mer detaljerat för exemplet av att modellera osäkerheten för vat-
tenefterfrågan.
Det första steget är att modellera vattennätverkets struktur och
dynamik.
Uppgiften för vattenförsörjningssystem är att transportera och
fördela den fordrade mängden vatten med den krävda kvaliteten
vid rätt tidpunkt till angivna konsumenter, eller lager eller vatten-
behandlingsanläggningar. Råvatten matas in i nätverket vid käl-
lor, såsom grundvatten eller ytvatten, som floder eller sjöar. Om
nödvändigt får råvattnet en kemisk behandling. Efteråt lagras an-
tingen det rena vattnet i små lageranläggningar som är belägna
direkt vid källorna, eller pumpas in i nätverket. Pumpar förmedlar
vattnet genom rör genom att höja topparna vid speciella platser
för att övervinna höjdskillnader och för att kompensera topp-
minskningar i rören, vilka orsakas av friktionsförluster. Antalet
individuella pumpar som slås på i en pumpstation beskrivs ge-
nom en diskret beslutsvariabel. Den kan anta alla heltalsvärden
mellan sin nedre gräns av noll och sin övre gräns vilken definie-
ras genom det maximala antalet pumpar i den pumpstationen.
Ventiler är nätverkselement för att styra flöden och toppar. De
kan strypas till olika grader för att styra rörelsen hos vatten ge-
nom rör. Särskild uppmärksamhet måste ges till lageranläggning-
arna, eftersom de är de enda nätverkselement som tillhandahål-
ler en buffert mellan nätverksinflöde och utflöde. De frånkopplar
olika vattennätverkspartier och gör systemet flexibelt, och tillåter
således olika möjliga driftstrategier.
13
Vattennätverkstopologin beskrivs genom en graf G = (N, E), var-
vid N står för en noduppsättning och E står för en kantuppsätt-
ning.
Noduppsättningen N = Nm U Non U Ndn U Ngn består av lagernoder
Nm, förbindningsnoder Nm, vattenefterfrågenoder Ndn och källno-
der Nsn, och kantuppsättningen E = Epr U Epu U Eva omfattar eller
representerar vattenrör (Epl), pumpar (Epu) och ventiler (Eva).
Det fysiska tids t beroende tillståndet y(t) hos nätverket består av
toppar i noderna och flöden längs kanterna. Tillståndet y(t) till-
fredsställer ett system av differentialalgebraiska ekvationer
(DAEs) vilket inkluderar bibehållandelagar av Kirchhoff-typ, icke-
linjära topp-flöde-förhållanden hos pumpar, ventiler och rör, och
den temporala förändringsgraden hos vattenlagernivåer i lager-
anläggningarna på grund av flöden.
De differentialalgebraiska ekvationerna påverkas genom styr-
och beslutsvariablerna c(t), av vilka några är integrerade, vilka
representerar nätverksdriftkonfigurationen för pumparna, venti-
lerna och källflödena, dvs driftkonfigurationsinformationen för
styrenheterna, speciellt styrdonschemana. Vidare fastställer vat-
tenefterfrågan §(t) utflödet hos systemet.
Formellt kan tillståndsekvationerna F, dvs systemet av DAEs,
skrivas som
F(C(ï), y(t), S/(f), š(f)) = 0, Vi E [0,T] (1),
varvid y(t) är den första tidsderivatan hos nätverkstillståndet y(t).
Formuleringen av optimeringsproblemet inkluderar målfunktionen
CD, tillståndsekvationerna F, och driftbegränsningar G, av vilka
några är enkla gränser.
Målfunktionen = (CDpu + Cbsn) som ska minimeras består av drift-
kostnader, såsom pumpenergikostnader fibpu och källflödeskost-
nader Cbsn vilka uppkommer under tidshorisonten T.
14
Begränsningarna G begränsar tillståndet hos systemet till dess
praktiska driftområde, såsom kravet att pumparna arbetar i det
fysiska området av positiv toppökning.
Driftplaneringsproblemet och därigenom optimeringsproblemet är
då
fgflynflflay) (2),
med förbehåll för
F(C(f), y('f)- YO), i (0) = 0, Vi E [QT]
tillståndsekvation (3) och
Gmm' ya» so' Vt E [OI] begränsningar (4).
Den optimala lösningen hos beslutsvariablerna c(t) är svaret som
användaren, dvs vattenverket, måste implementera i det verkliga
tekniska systemet.
Generellt diskretiseras DAE-systemet på ett fixerat temporalt rut-
nät, och styr- och beslutsvariablerna c(t) väljs att vara styckvis
konstanta, vilket omvandlar optimeringsproblemet till ett dyna-
miskt bland-heltals-icke-linjärt-programmerings-problem (Mixed
lnteger NonLinear Programming (MINLP) problem).
Den blandade heltalskomponenten är beroende av samexistens
med kontinuerliga och diskreta pumpvariabler. Den icke-linjära
delen innefattar målfunktionen och topp-flöde-förhållandena_ Be-
roende av den numeriska lösaren och dess underliggande algo-
ritm, är glatta funktioner starkt önskade, speciellt vid tillämpning
av derivata-baserade optimeringsmetoder.
Rådande praxis i vattennätverksdriftplanering är att lösa optime-
ringsproblemet för en fast efterfrågan §(t), vanligen den förvän-
tade efterfrågan, vilket gör optimeringen deterministisk.
Enligt uppfinningen tillämpas istället stokastisk optimering vilket
gör det möjligt att ta hänsyn till modellerings- och efterfrågeosä-
kerheter. Generellt förlitar sig en allmän praxis för att korrigera
slumpmässiga störningar i dynamiska processer på tillämpningen
av en så kallad rörlig horisont. Under förutsättning att sannolik-
hetsinformation av osäkerhetsdatan är tillgänglig, tar stokastiska
modeller ett steg framåt genom att uttryckligen inkludera denna
stokastiska information vid framtida händelser. Beslutsprocessen
blir förutsägande istället för att endast reagera på tidigare vat-
tenefterfrågerealiseringar. Därför krävs en stokastisk process
som beskriver de slumpmässiga vattenefterfrågehändelserna, att
uppstå inom deras sannolikhet. Den stokastiska processen för
den slumpmässiga vattenefterfrågan 'i = ê' med tenn] definieras
på något underliggande kontinuerligt sannolikhetsrum, vilket
bland annat är en funktion av den ovan beskrivna uppsättningen
av tillståndsekvationer F och av en sannolikhetsfördelning P, och
varvid T är varaktigheten hos tidshorisonten.
Bevisligen leder den explicita representationen av osäkerhet ge-
nom en stokastisk process till en vinning av information över ti-
den. Denna ytterligare modellerade information ökar komplexite-
ten hos optimeringsmodellen, vilket resulterar i storskaliga sto-
kastiska program. De flesta lösningsförfaranden för sådana stor-
skaliga program baseras på uppskattning genom en diskret tids-
stokastisk process, varvid il tar värden i RS (för te {0""T}), där
S 2=|Ndn| anger antalet efterfrågenoder. De stokastiska variablerna
šl blir observerade direkt innan tiden t och šo antas vara känt vid
t = O. Så den diskreta tidsstokastiska processen är en samling av
slumpmässiga variabler ¿=(šo, MÅT) i RST.
Dessutom modelleras, för att erhålla ett numeriskt lätthanterligt
optimeringsproblem, osäkerhet i vattenefterfrågan som en be-
gränsad uppsättning av möjliga efterfrågerealiseringar över tiden,
vilket leder till scenariobaserade optimeringsmodeller. Detta be-
tyder att en diskret uppskattning av den underliggande sannolik-
hetsfördelningen övervägs, given genom ett begränsat sannolik-
hetsrum, vilket bland annat är en funktion av speciella scenarion
w,- med j = 1,...,r. Varje scenario representerar en möjlig vat-
16
tenefterfrågerealisering av framtiden och uppstår med sannolik-
heten "Ni 2 O. Det hela sammantaget håller de modellerade scen-
Éfrwj =1
ariona H , vid antagande att ett av scenariona kommer att
ske i verkligheten.
Alla modellerade scenarion Q = {w1,..., wf} kan representeras i
form av ett scenarioträd, som visas i Fig. 2. Varje väg från roten
till ett av dess löv stämmer överens med ett scenario. Noderna
motsvarar speciella tidpunkter få {0- Ü där beslut c(t) fattas,
dvs där vissa styrdonsåtgärder utförs. Kanterna avgränsar de
osäkra vattenefterfrågevariablerna_ Scenarioträdet avgrenas för
varje modellerad efterfrågerealisering i varje få {0, Tl För att
överensstämma med notationen hos den stokastiska processen
š, märker varje scenario Wi GQ en möjlig vattenefterfrågereali-
sering §~1=(¿~11=---~¿wfl), varvid f-»ikavser det j-te scenariot för tidspe-
rioden k.
Då resultaten av det verkliga underliggande problemet är av stort
intresse är genereringen av ett sådant scenarioträd en viktig
uppgift. Det huvudsakliga målet består av en lämplig representat-
ion av den underliggande sannolikhetsfördelningen av §, ef-
tersom det optimala värdet och den optimala lösningen beror av
de valda scenariona. Vid många tillämpningar finns endast ofull-
ständig information om den underliggande sannolikhetsfördel-
ningen tillgänglig. Scenariogenereringen baseras då mestadels
på användning av historiska data att använda vid uppskattnings-,
simulerings- och urvalstekniker, eller snarare att inkludera kun-
skapen hos en erfaren nätverksoperatör.
I allmänhet kan fyra olika uppskattningstyper av den sanna san-
nolikhetsfördelningen P genom en begränsad scenariouppsätt-
ning särskiljas med avseende på graden av tillgänglig informat-
ion: full kunskap om P, känd parametrisk familj, urvalsinformation
och låg informationsnivå. Om endast lite information existerar
vilken är baserad på observerad data, är bildande av övre och
nedre scenarion typiska urval, som visas i Fig. 3. Det övre sce-
17
nariot 10 och det nedre scenariot 11 definierar då området av
möjliga efterfrågerealiseringar och tillhandahåller gränser för det
optimala värdet hos optimeringsproblemet. Därtill kan ett för-
väntningsvärdescenario, betecknat med 9, genereras, vilket kan
vara scenariot med den för närvarande högsta sannolikheten.
Beräkningsansträngningen för att lösa scenariobaserade optime-
ringsmodeller beror starkt av antalet modellerade scenarion. En
kompromiss mellan precisionen hos uppskattningen och modell-
storleken, vilken ökar exponentiellt med antalet scenarion, måste
således tas hänsyn till. Det är en allmän praxis att tillämpa spe-
ciella scenarioreduceringstekniker medan fortfarande lämpliga
uppskattningar representeras. Dessa metodiker är baserade på
tillämpning av successiv scenarioreducering.
Idén är att reducera antalet scenarioträdnoder genom att bunta
ihop liknande scenarion. De reducerade träden och originalträdet
kommer sedan att jämföras genom ett visst avstånd av sannolik-
hetsmått. Nya sannolikheter tillsätts sedan till det reducerade
trädet så att den nya sannolikhetsmätningen är närmast den ini-
tiala fördelningen i termer av ett naturligt avståndsmått.
Ett annat viktigt faktum baseras på robustheten hos det optimala
målvärdet och optimala lösningen beträffande de använda scen-
ariona. Robusthet är önskad, dvs, små störningar hos scenariona
och motsvarande sannolikheter bör som mest resultera i små
ändringar hos det optimala målvärdet och optimala lösningen.
Som beskrivits ovan tillhandahålls att sannolikhetsinformation av
osäkerheten hos vattenefterfrågan är tillgänglig och stokastiska
optimeringsmetoder kan användas för att utnyttja denna. Det sto-
kastiska optimeringsproblemet skall sedan minimera en målfunkt-
ion CD, vilken speciellt tar hänsyn till förväntade driftkostnader,
varvid minimeringen är förbehållen kravet att den erhållna drift-
konfigurationsinformationen för styrenheterna är lämplig för alla
vattenefterfrågerealiseringar.
18
Som också förklarats ovan modelleras osäkerhet i vattenefterfrå-
gan som en begränsad uppsättning av möjliga efterfrågereali-
seringar vilket leder till så kallade scenariobaserade optime-
ringsmodeller för att erhålla ett numeriskt lätthanterligt optime-
ringsproblem.
Förutom att ta hänsyn till den osäkra efterfrågestrukturen, som
beskrivits ovan, utnyttjar stokastisk tvåstegs-programmering
(ZSSP) faktumet att endast en del av besluten, vilka är här-och-
nu-besluten x, så kallade förstastegsbeslut, måste fattas innan
efterfrågan kan observeras. Detta är känt under termen icke-
anticiperbarhet (nonanticipativity).
De återstående styrvariablerna, vilka är tillflyktsåtgärder z, så
kallade andrastegsbeslut, måste fixeras endast senare i tiden när
en del av efterfrågan redan har observerats.
Allmänt leder detta till flerstegs-stokastisk programmering. Här
begränsar vi uppmärksamheten til! det mer optimistiska tvåstegs-
tillvägagångssättet där valet av tillflyktsåtgärder z baseras på
fullständig kunskap om efterfrågerealiseringen å.
Därefter kommer vi att beteckna 1:a- och 2:a-stegs-variablerna
med x(t) respektive 20, ši(w)). Ett scenariobaserat optimeringspro-
blem i form av en 2SSP-modellformulering, varvid tillflyktsåtgär-
den definieras från tidpunkten i~ E (OI) framåt, lyder:
<1> = ozssp = mini 2 Éffaj [Iføpu (xrmdf + ï«1>pu(z(f,¿,(wj)))df¶ +...
, z~ T yz \
+ 221% I an” >df + Im, >>dfU
(5),
förbehållet att
19
F(X(t), ZÜ, 5,1 = O, Vt 5 [0,T], VU),- E Q modenikheter
Glxlll- lll f* (will) S O, V* E l°~T1~ Vwfl å Q modeilolikheier (7)
8S(X(l), Z(I, Ät SÅ, Vt G [0,T], VU),- E Q Variabemr-a-nser
varvid °°2SSPär målfunktionen att minimeras,
mi» är energiförbrukningskostnad i pumpstation pu och
os" är källflödeskostnad.
Energiförbrukningskostnaden “Dim tar hänsyn till bland annat
pumpeffektiviteten. Pumpar omvandlar elektrisk energi till meka-
nisk energi av vatten. Pumpeffektiviteten, kallad tråd-till-vatten-
effektivitet, beskriver effektiviteten av denna omvandling. Den
ökar med flödeshastigheten genom pumpen upp till en viss
punkt, kallad toppeffektivitet, och avtar sedan med ytterligare sti-
gande flödeshastighet.
Källflödeskostnaden ”Sn speglar kostnaderna för tillförseln av
vatten från vattenkällorna, såsom vattenbehandlingsanläggning-
ar, avsaltningsanläggningar eller vattenreservoarer.
Ytterligare kostnader vilka kan tas hänsyn till i målfunktionen
°>2SSP kan vara så kallade straffkostnader för överträdelser av
gränsförhållanden i vattenreservoarerna.
Termen kostnad ska inte förstås endast i monetär bemärkelse,
utan används för att representera nivån av oönskade sidoeffekter
i allmänhet, vilka ska minimeras. Dessa oönskade sidoeffekter är
i allmänhet förbundna med driften av styrenheterna, då någon
styråtgärd kan resultera i åtminstone en av: producering av för
mycket ljud eller koldioxid, användning av för mycket elektrisk
energi, ökning av mängden dyrt vatten pumpat in i nätverket från
en reservoar, eller uppnåelse av en oönskad frekvens och/eller
amplitud hos styrdonsdriften själv. Alla dessa och fler oönskade
sidoeffekter kan modelleras in i målfunktionen och därigenom in i
optimeringsproblemet och undviks sedan så mycket som möjligt
på grund av minimeringen av denna målfunktion.
På grund av den begränsade diskretiseringen av den underlig-
gande stokastiska processen, har ekvationerna (5) till (8) formen
av en deterministisk optimeringsmodell. Följaktligen kallas den
även för den motsvarande deterministiska ekvivalensen hos
2SSP-problemet. Fördelen med den deterministiska ekvivalensen
består av dess bättre numeriska hanterbarhet genom undvikande
av sannolikhetsintegraler.
Genom att använda exemplet av ett vattennätverk 17, som visas i
Fig. 4, kan det förstås att 2SSP leder till mer kostnadseffektiv
och robust vattennätverksdrift under tillhandahållande av säker-
het hos vattentillförseln. Vattennätverket hos Fig. 4 består av
vattenrör vilka sammanbinder följande driftelement: källor S, vari-
från vatten flödar in i nätverket, konsumeringsenheter C, där
vattnet lämnar nätverket, pumpar 20 för att höja topparna vid
speciella platser för att övervinna höjdskillnader och att kompen-
sera toppminskningar i rören, vattenlageranläggningar, såsom
vattenreservoarer eller -tankar 21, för att tillhandahålla en buffert
mellan nätverksinflöde och -utflöde och för att frånkoppla olika
vattennätverkspartier, och olika typer av ventiler, som avbildas
genom alla återstående element i nätverket 17, för att styra rö-
relsen hos vatten genom rören och därigenom styra flöden och
toppar, genom att strypa ventilerna i olika utsträckningar.
För att fastställa den potentiella vinsten av att lösa ett stokastiskt
problem över att lösa ett motsvarande deterministiskt problem, i
vilket den förväntade efterfrågan ersätter den osäkra efterfrågan,
används värdet av den stokastiska lösningen (VSS). VSS är ett
adekvat särdrag eftersom det indikerar hur väl den optimala lös-
ningen hos en 2SSP-modell fungerar i förhållande till den deter-
ministiska optimala lösningen inbäddad i ett ramverk med osäker
efterfrågan.
Strukturen av 2SSP-modeller säkerställer att 1:a-stegs-beslut
endast är lämpliga, om en lämplig tillflyktsåtgärd existerar för
varje kartlagt efterfrågescenario. Detta betyder att 1:a-stegs-
variablerna beräknas för att göra modellen lämplig på lång sikt,
21
så att den optimala vattenlagernivåkursen ligger mellan de förut-
bestämda gränserna. Följaktligen hålls vattennivåerna under
kontroll i 2SSP.
Detta kan ses på vänster sida av Fig. 5 vilken visar den förvän-
tade vattenlagernivån 14 och den resulterande verkliga vattenla-
gernivån 15 för den stokastiska optimeringen av 2SSP-modellen
hos ovan beskrivna vattennätverk. Både den förväntade och den
resulterande verkliga vattenlagernivån 12 respektive 13 ligger
mellan den övre och den nedre nivågränsen, avbildade som
streckade linjer. Ytterligare experiment för arbiträra efterfrågere-
aliseringar bekräftade lämplighet hos 2SSP, sålunda möjliggör-
ande minskning av de nedre gränserna för vattenlagernivåerna i
lageranläggningarna. Som en konsekvens fordras mindre pump-
ning vilket resulterar i ytterligare kostnadsbesparingar.
Å andra sidan är den motsvarande modellen, vilken är baserad
på ett förväntat och inte ett osäkert efterfrågevärde, oanvändbar,
vilket visar att ett optimalt deterministiskt schema för en förvån-
tad efterfrågan inte nödvändigtvis är optimalt eller ens använd-
bart för den verkliga efterfrågan. För att lämpligt driva vattennät-
verken, var slackvariabler tvungna att införas och som en reakt-
ion av en plötslig ökning i vattenefterfrågan, var till och med ett
underskridande av den nedre nivågränsen tvunget att accepte-
ras, vilket kan ses från den förväntade vattenlagernivån 12 och
den resulterande verkliga vattenlagernivån 13 på vänster sida av
Fig. 5.
fastställdes att det håller
, ytterligare illustrerande signifikansen hos stokastisk
optimering för vattennätverksoperationer.
I allmänhet
q72ssP << CDEEV
optimala målvärdet
En annan viktig aspekt hos det stokastiska tillvägagångssättet är
beräkningsansträngningen. Modellstorleken hos 2SSP-
modellerna ökar linjärt med antalet scenarion och beräkningsti-
den indikerar kvadratisk tillväxt i förhållande till antalet scen-
arion. Men även en grov uppskattning av den underliggande san-
22
nolikhetsfördelningen, vilken innefattar få scenarion tillhandahål-
ler goda resultat i jämförelse med den deterministiska optime-
ringen vid en måttlig ökning av beräkningskomplexitet. Ytterligare
små störningar av de modellerade efterfrågescenariona leder
endast till marginella skillnader i de optimala målvärdena eller i
den optimala lösningen hos de stokastiska programmen.
Fig. 4 visar ett exempel för ett system 16 för den stokastiska op-
timeringen av drift av ett vattennätverk. Systemet 16 inkluderar
en optimeringsenhet OP för att utföra den ovan beskrivna mini-
meringen av målfunktionen för att generera åtminstone en drift-
konfigurationsinformation, speciellt åtminstone ett styrdons-
schema, vilket sedan utmatas till ett styrsystem CS för att tilläm-
pas av den avsedda åtminstone ena styrenheten hos vattennät-
verket 17 via ett utmatningsgränssnitt 18. Styrenheterna hos vat-
tennätverket 17 är pumparna 20 för att höja topparna vid speci-
ella platser inuti nätverket, pumparna och ventilerna vid vatten-
Iageranläggningarna 21, och de olika typerna av ventiler inuti
nätverket.
Systemet 16 inkluderar dessutom en scenariogenereringsenhet
SG. Scenariogenereringsenheten SG är anordnad att generera
scenarion w,- för den framtida vattenefterfrågan från osäkerheter
för vattenefterfrågan härledda från verkliga data hos vattennät-
verket, dvs från historisk mätdata MD, vilken inkluderar mätdata
av vattenefterfrågan. Mätdatan MD lagras i en lagringsenhet 23
som tillhör systemet 16. Lagringsenheten 23 kan antingen vara
ett ombytligt dataminne, exempelvis ett RAM, eller ett permanent
dataminne.
Scenariona är antaganden för vattenefterfrågan i framtiden, var-
vid den förväntade vattenefterfrågan varierar exempelvis bero-
ende av tidpunkt på dagen, veckodagen eller tidpunkt på året.
Följaktligen kan genom scenariogenereringsenheten SG hänsyn
tas till dag-natt-variationer, större vattenefterfrågan under varma
och soliga månader under året eller på grund av massevene-
mang. Dessutom kan scenariogenereringsenheten SG ta hänsyn
23
till ytterligare information vilken implicit kan påverka vattenefter-
frågan, såsom information om elektricitetstariffer ET och/eller om
vattenkällkostnader WSC, vilken kan lagras i lagringsenheten 23
eller vilken kan matas in direkt till systemet av en operatör. Ytter-
ligare sådan ytterligare information kan vara utomhustemperatu-
rer, väderprognoser och information om offentliga massevene-
mang. Förutom modelleringen av scenarion för vattenefterfrågan
kan scenariogenereringsenheten SG exempelvis generera scen-
arion för variationen i effektivitet hos vattenpumparna i vatten-
nätverket. För detta ändamål kan pumpeffektivitetssärdrag lagras
i lagringsenheten 23 och kan användas av scenariogenere-
ringsenheten tillsammans med mätdata av driften av vattenpum-
parna för att modellera framtida osäkerhet i vattenpumparnas ef-
fektivitet.
Den begränsade uppsättningen av scenarion för framtida vatten-
efterfrågan, genererad av scenariogenereringsenheten SG,
bringas sedan till optimeringsenheten OP, därvid den inmatas till
optimeringsproblemet. Optimeringsproblemet tar dessutom hän-
syn till en hydraulisk modell F hos vattennätverket 17 (se ekvat-
ionerna (3) och (6)), åtminstone en driftbegränsning G (se ekvat-
ionerna (4) och (7)) och åtminstone en målfunktion för att re-
presentera en oönskad sidoeffekt U av att driva den åtminstone
ena styrenheten, modellerad exempelvis som energiförbruk-
ningskostnad Cbpu och källflödeskostnad Gm. Optimeringsproble-
met kan dessutom även ta hänsyn till variationer i parametrar av
vilka den åtminstone ena oönskade sidoeffekten beror, såsom
variationer i elektricitetstariffer ET vilka påverkar energiförbruk-
ningskostnaden CDp., och variationer i tariffer för vattenkällkostna-
der WSC vilka påverkar källflödeskostnaden Cllsn. Optimeringsen-
heten OP är följaktligen anpassad att erhålla respektive variat-
ioner hos parametrar från lagringsenheten 23.
Scenariona kan även presenteras via ett människa-maskin-
gränssnitt för en operatör, vilken kan ändra dem enligt hans erfa-
renhet.
24
I speciella utföringsformer är scenariogenereringsenheten SG
anordnad att härleda övre och nedre scenarion, och - om nöd-
vändigt - ett eller flera ytterligare förväntningsvärdescenarion.
Scenariogenereringsenheten SG kan vara anpassad att bringa
vattenefterfrågescenariona till en grafisk display, för visualisering
exempelvis i form av ett träd som i Fig. 2 eller i form av en tids-
beroende graf som visar de övre och nedre scenariona såväl som
förväntningsvärdescenariot som i Fig. 3 eller i någon annan
lämplig grafisk form.
Systemet 16 inkluderar dessutom en nivåanpassningsenhet LA
vilken är anpassad att fastställa ett beroende mellan en minsk-
ning av en nedre nivågräns hos en vattenlageranläggning och en
grad till vilken den åtminstone ena oönskade sidoeffekten U re-
duceras under samtidigt hållande av den åtminstone ena driftbe-
gränsningen G och att bringa till optimeringsenheten OP som en
uppdaterad driftbegränsning G till optimeringsproblemet ett nytt
värde för den nedre nivågränsen. Ett exempel av ett sådant be-
roende avbildas i Fig. 6, där energibesparingar visas över en va-
rierande nedre gräns. Energibesparingarna är i själva verket en
inverterad oönskad effekt U i den betydelsen att den oönskade
effekten är de monetära energikostnaderna. Ju högre energi-
kostnader, desto lägre energibesparingar. Det streckskuggade
området indikerar ett område där ingen av den åtminstone ena
driftbegränsningen G kränks.
Nlvåanpassningsenheten LA kan dessutom vara anpassad att
fastställa det nya värdet för den nedre nivågränsen genom att
dessutom ta hänsyn tili ett beroende mellan reduceringen av den
oönskade sidoeffekten U och en risk för vattenlageranläggningen
att nå en kritisk vattennivå. Ett exempel på ett sådant beroende
visas i Fig. 7 som en risknivå över energibesparingar. Ju högre
energibesparingar, desto högre är risken att nå den kritiska vat-
tennivån. Baserat på ett sådant förhållande, kan ett optimum fin-
nas vid en risknivå vilken operatören hos vattennätverket är villig
att ta.
De ovan nämnda beroendena kan fastställas i form av funktion-
ella förhållanden, eller tabeller eller regelbaserade förhållanden.
Ett annat element vilket kan inkluderas i systemet 16 är en be-
slutsstödenhet DS. Beslutsstödenheten DS mottar från scenario-
genereringsenheten SG den begränsade uppsättningen av scen-
arion och använder den som inmatning för att evaluera för en
identifierad potentiell orsak till fel i vattennätverket 17 en mot-
svarande påverkan på vattennätverket 17.
Ett förfarande som utförs av beslutsstödenheten kan inkludera
stegen av att
a) mottaga ett felmeddelande angivande ett problem i vattennät-
verket 17; i
b) fastställa från felmeddelandet en serie av potentiella orsaker
till det meddelade felet;
c) fastställa, för varje potentiell orsak, en uppskattad påverkan;
d) samla ihop de uppskattade påverkningarna för varje potentiell
orsak för att härleda en betydelseindikering för det meddelade
felet.
I detta förfarande inkluderar steget av att fastställa en uppskat-
tad påverkan för varje potentiell orsak ett riskscenario med initi-
ala nätverkstillstånd och antagna framtida nätverkstillstånd hos
vattennätverket, varvid den begränsade uppsättningen av scen-
arion används för att representera de framtida nätverkstillstån-
den.
Utmatningen hos beslutsstödenheten DS, dvs betydelseindike-
ringen, kan sedan användas av styrsystemet CS för att fastställa
hur snabbt det meddelade felet kräver en respons och/eller en
prioritet eller ordning i vilken en serie av meddelade fei bör age-
ras pa.
Claims (15)
1 . System för att optimera drift av ett vattennätverk vilket inne- fattar åtminstone en datalagringsenhet (23) för att lagra en hyd- raulisk modell (F) såväl som åtminstone en driftbegränsning (G) hos vattennätverket, varvid den hydrauliska modellen (F) representerar beroendet hos toppar och flöden i vattennät- verket (17) av ett drifttillstånd hos åtminstone en styrenhet (20) hos vattennätverket (17) och av en förväntad vattenef- terfrågan (E,(t)), åtminstone en bearbetningsenhet vilken inkluderar en opti- meringsenhet (OP), varvid optimeringsenheten (OP) är an- passad att generera åtminstone en driftkonfigurationsinform- ation (c(t)) för den åtminstone ena styrenheten (20) genom att minimera en målfunktion (CD) hos ett optimeringsproblem, varvid optimeringsproblemet är baserat på den hydrauliska modellen (F), åtminstone ett utmatningsgränssnitt (18) för att bringa den åtminstone ena driftkonfigurationsinformationen (c(t)) till den åtminstone ena styrenheten (20), kännetecknat av att den åtminstone ena bearbetningsenheten dessutom inklude- rar en scenariogenereringsenhet (SG) för att generera en be- gränsad uppsättning av scenarion (Q) i form av möjliga rea- liseringar över tiden av den förväntade vattenefterfrågan (§(t)) och/eller av drifttillståndet och/eller särdrag hos den åt- minstone ena styrenheten och/eller av åtminstone en para- meter hos den hydrauliska modellen (F), varvid den begrän- sade uppsättningen av scenarion (Q) är baserad på sanno- likhetsinformation av osäkerheten hos den förväntade vat- tenefterfrågan, drifttillståndet och/eller särdragen hos den åtminstone ena styrenheten respektive den åtminstone ena parametern hos den hydrauliska modellen, optimeringsenheten (OP) är anpassad att minimera målfunkt- ionen (CD) hos optimeringsproblemet genom att utföra sto- kastisk optimering, varvid optimeringsproblemet dessutom 10 15 20 25 30 35 27 tar hänsyn till målfunktionen (CD) för att representera åt- minstone en oönskad sidoeffekt (U) av att driva den åt- minstone ena styrenheten, den åtminstone ena driftbegräns- ningen (G) och den begränsade uppsättningen av scenarion (Q)-
2. System enligt krav 1, varvid scenariogenereringsenheten (SG) är anpassad att tillämpa en successiv scenarioreducerings- teknik för att bunta ihop liknande scenarion (wj).
3. System enligt ett av kraven 1 eller 2, varvid scenariogenere- ringsenheten (SG) är anpassad att generera den begränsade upp- sättningen av scenarion (Q) genom att konstruera ett övre scena- rio (10) och ett nedre scenario (11), vilka definierar området av möjliga realiseringar över tiden.
4. System enligt något av de föregående kraven, varvid scenari- ogenereringsenheten (SG) är anpassad att representera osäker- heterna genom en stokastisk process (år), varvid varje stokastisk process definieras på ett underliggande kontinuerligt sannolik- hetsrum över en tidshorisont med begränsad varaktighet.
5. System enligt något av de föregående kraven, varvid scenari- ogenereringsenheten (SG) är anpassad att generera den begrän- sade uppsättningen av scenarion (Q) genom att derivera osäker- heterna från mätdata (MD) hos vattennätverket (17).
6. System enligt något av de föregående kraven, varvid scenari- ogenereringsenheten (SG) är anpassad att tillhandahålla den be- gränsade uppsättningen av scenarion (Q) i form av ett scenario- träd (22) för grafisk visualisering.
7. System enligt något av de föregående kraven, varvid mål- funktionen (CD) speglar resulterande energiförbrukning (GJpU) och/eller vatteninflöde från en källa (dbsn) när den åtminstone ena styrenheten (20) drivs. 10 15 20 25 30 35 28
8. System enligt krav 7, varvid optimeringsenheten (OP) är an- passad att ta hänsyn till skiftande tariffer för energi (ET) och för vatten från källan (WSC).
9. System enligt något av de föregående kraven, varvid mål- funktionen (Cbzssp) är formulerad som en begränsad diskretisering av en scenariobaserad stokastisk tvåstegs-programmeringsmo- dell.
10. System enligt något av de föregående kraven, varvid den hydrauliska modellen (F) är baserad på en beskrivning av topolo- gin hos vattennätverket (17), vilken innefattar en noduppsättning (N) och en kantuppsättning (E), varvid noduppsättningen består av lagernoder (Nm), förbindningsnoder (Ngn), vattenefterfrågenoder (Ndn) och källnoder (Ngn) och varvid kantuppsättningen represen- terar vattenrör (Epl), pumpar (Epu) och ventiler (Eva).
11. System enligt krav 10, varvid den hydrauliska modellen (F) är bildad genom tillståndsekvationer vilka representerar beroendet hos det tidsberoende tillståndet (y(t)) hos vattennätverket (17) av drifttillståndet hos den åtminstone ena styrenheten (20) och av den förväntade vattenefterfrågan (§(t)) och varvid det tidsberoende till- ståndet består av toppar i noderna hos noduppsättningen (N) och flöden längs kanterna hos kantuppsättningen (E).
12. System enligt något av de föregående kraven, varvid den åt- minstone ena bearbetningsenheten dessutom innefattar en nivå- anpassningsenhet (LA) vilken är anpassad att fastställa ett bero- ende mellan en minskning av en nedre nivågräns (3) hos en vat- tenlageranläggning (21) och en grad till vilken den åtminstone ena oönskade sidoeffekten (U) reduceras under samtidigt hållande av den åtminstone ena driftbegränsningen (G) och att bringa till opti- meringsenheten (OP) som en uppdaterad driftbegränsning till op- timeringsproblemet ett nytt värde för den nedre nivågränsen (3). 10 15 20 25 30 35 29
13. System enligt krav 12, varvid nivåanpassningsenheten (LA) är anpassad att fastställa det nya värdet för den nedre nivågrän- sen (3) genom att dessutom ta hänsyn till ett beroende mellan re- duceringen av den oönskade sidoeffekten (U) och en risk för vat- tenlageranläggningen (21) att nå en kritisk vattennivå.
14. System enligt något av de föregående kraven, varvid scenari- ogenereringsenheten (SG) är anpassad att bringa den begränsade uppsättningen av scenarion (Q) till en beslutsstödenhet (DSU), varvid beslutsstödenheten (DSU) är anpassad att evaluera för en identifierad potentiell orsak till ett fel i vattennätverket (17) en mot- svarande påverkan på vattennätverket, vid hänsynstagande till den begränsade uppsättningen av scenarion (Q).
15. Förfarande för att optimera drift av ett vattennätverk vilket innefattar stegen av att o lagra en hydraulisk modell (F) såväl som åtminstone en drift- begränsning (G) hos vattennätverket (17), varvid den hyd- rauliska modellen (F) representerar beroendet hos toppar och flöden i vattennätverket (17) av ett drifttillstånd och/eller särdrag hos åtminstone en styrenhet (20) hos vattennätver- ket och av en förväntad vattenefterfrågan (§(t)), o generera åtminstone en driftkonfigurationsinformation (c(t)) för den åtminstone ena styrenheten (20) genom att minimera en målfunktion (GD) hos ett optimeringsproblem, varvid opti- meringsproblemet är baserat på den hydrauliska modellen (F), o bringa den åtminstone ena driftkonfigurationsinformationen (c(t)) till den åtminstone ena styrenheten (20), kännetecknat genom stegen av att o generera en begränsad uppsättning av scenarion (Q) i form av möjliga realiseringar över tiden av den förväntade vatten- efterfrågan (§(t)) och/eller av drifttillståndet och/eller särdrag hos den åtminstone ena styrenheten och/eller av åtminstone en parameter hos den hydrauliska modellen (F), varvid den begränsade uppsättningen av scenarion (Q) baseras på san- 10 30 nolikhetsinformation av osäkerheten hos den förväntade vat- tenefterfrågan, drifttillståndet och/eller särdrag hos den åt- minstone ena styrenheten respektive den åtminstone ena pa- rametern hos den hydrauliska modellen, minimera målfunktionen (CD) genom att utföra stokastisk op- timering, varvid optimeringsproblemet dessutom tar hänsyn till målfunktionen (CD) för att representera åtminstone en oönskad sidoeffekt (U) av att driva den åtminstone ena sty- renheten (20), den åtminstone ena driftbegränsningen (G) och den begränsade uppsättningen av scenarion (Q).
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP11189381 | 2011-11-16 | ||
PCT/EP2012/065802 WO2013026731A1 (en) | 2011-08-22 | 2012-08-13 | System and method to optimize operation of a water network |
Publications (1)
Publication Number | Publication Date |
---|---|
SE1450161A1 true SE1450161A1 (sv) | 2014-04-14 |
Family
ID=46682833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
SE1450161A SE1450161A1 (sv) | 2011-11-16 | 2012-08-13 | System och förfarande för att optimera drift av ett vattennätverk |
Country Status (5)
Country | Link |
---|---|
DE (1) | DE112012003487T5 (sv) |
DK (1) | DK201470104A (sv) |
NO (1) | NO347239B1 (sv) |
SE (1) | SE1450161A1 (sv) |
WO (1) | WO2013026731A1 (sv) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201402695D0 (en) * | 2014-02-16 | 2014-04-02 | Arscott David S | System for optimising performance in a water network |
CN104008425B (zh) * | 2014-05-12 | 2017-05-17 | 国家电网公司 | 基于引力搜索的水火电系统多目标调峰方法 |
US10580095B2 (en) | 2015-03-20 | 2020-03-03 | Accenture Global Solutions Limited | Method and system for water production and distribution control |
CN104732304A (zh) * | 2015-04-15 | 2015-06-24 | 河南理工大学 | 基于灰色人工神经网络组合模型导水裂隙带高度预测方法 |
ES2906411T3 (es) * | 2015-06-29 | 2022-04-18 | Suez Groupe | Procedimiento de detección de anomalías en un sistema de distribución de agua |
CN105868841B (zh) * | 2016-03-21 | 2019-07-16 | 广西电网有限责任公司电力科学研究院 | 一种基于风电优先上网的风水火联合调度方法 |
WO2019020183A1 (de) * | 2017-07-27 | 2019-01-31 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur wasserbedarfsberechnung |
CN109345010B (zh) * | 2018-09-18 | 2021-08-24 | 中国水利水电科学研究院 | 一种梯级泵站的多目标优化调度方法 |
GB201817011D0 (en) * | 2018-10-18 | 2018-12-05 | Inflowmatix Ltd | Hydraulic network model |
CN109636148B (zh) * | 2018-11-29 | 2022-09-13 | 华南理工大学 | 基于能量网络方程的多能流系统的工作状态评估方法 |
CN110136026A (zh) * | 2019-04-30 | 2019-08-16 | 佛山水业集团高明供水有限公司 | 一种水厂配水的控制方法及其控制系统 |
CN110610264B (zh) * | 2019-09-05 | 2022-10-14 | 大连理工大学 | 一种针对不确定性情景下供水管网调控的单目标优化方法 |
EP3843027A1 (en) * | 2019-12-27 | 2021-06-30 | Fundación Tecnalia Research & Innovation | Method, system and computer program product for predicting water usage in a water supply network |
CN111652503B (zh) * | 2020-06-01 | 2023-12-12 | 中南大学 | 基于网络流模型的多梯级多线船闸联合调度方法及结构 |
CN113311799B (zh) * | 2021-06-09 | 2022-10-04 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010005955B4 (de) | 2010-01-27 | 2020-03-05 | Abb Schweiz Ag | Anordnung und Verfahren zur Optimierung der Arbeitsweise eines Versorgungsnetzes |
-
2012
- 2012-08-13 NO NO20140362A patent/NO347239B1/no unknown
- 2012-08-13 SE SE1450161A patent/SE1450161A1/sv not_active Application Discontinuation
- 2012-08-13 WO PCT/EP2012/065802 patent/WO2013026731A1/en active Application Filing
- 2012-08-13 DE DE112012003487.2T patent/DE112012003487T5/de active Pending
-
2014
- 2014-03-04 DK DK201470104A patent/DK201470104A/da unknown
Also Published As
Publication number | Publication date |
---|---|
WO2013026731A1 (en) | 2013-02-28 |
DE112012003487T5 (de) | 2014-05-08 |
DK201470104A (en) | 2014-03-04 |
NO20140362A1 (no) | 2014-05-22 |
NO347239B1 (no) | 2023-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
SE1450161A1 (sv) | System och förfarande för att optimera drift av ett vattennätverk | |
WO2019092905A1 (en) | Power generation system and energy generation system | |
CN102930356B (zh) | 基于气象因素敏感度的短期负荷预测方法 | |
JP2021505103A (ja) | エネルギ貯蔵システムを最適に制御するためのシステム及び方法 | |
JP2006304402A (ja) | 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体 | |
CN106351793A (zh) | 用于改进风力发电的系统和方法 | |
US20190264942A1 (en) | Generation of coordinated control commands for groupings of heating/ventilation/cooling thermostats | |
JP2015125665A (ja) | 水系計画装置及び方法 | |
JP5932466B2 (ja) | 配水運用制御装置 | |
CA2788026A1 (en) | Arrangement and method for optimizing the operation of a supply network | |
CN108805329B (zh) | 一种梯级水库实现实时调度的方法和系统 | |
JP5203855B2 (ja) | 貯湯式給湯装置、運転計画装置及び運転計画方法 | |
Housh et al. | Optimal dynamic pump triggers for cost saving and robust water distribution system operations | |
JP2007028739A (ja) | 負荷需要変化に対応する適応的発電機起動停止計画作成方法 | |
JP6197689B2 (ja) | 運転計画支援プログラム、運転計画支援方法および運転計画支援装置 | |
JP5851259B2 (ja) | 配水運用制御装置 | |
WO2018083202A1 (en) | System and method for scheduling energy consumption in a network | |
JP4399318B2 (ja) | ポンプ制御装置 | |
KR20210046789A (ko) | 조정된 조화된 조건들에서 에너지 서브-시스템들 사이의 에너지의 교환을 제어하기 위한 방법; 제어 센터; 에너지 시스템; 컴퓨터 프로그램; 및 저장 매체 | |
JPWO2014155636A1 (ja) | 水運用計画システムおよびその方法 | |
KR102299698B1 (ko) | 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템 | |
Fang et al. | Optimal operation of multi-storage tank multi-source system based on storage policy | |
EP1270827B1 (en) | Water distribution amount predicting system | |
JP6829574B2 (ja) | 水運用制御システム、水運用制御方法、および水運用制御装置 | |
JP5537375B2 (ja) | 配水池浄水供給システムの浄水供給量算出方法およびそのプログラム、配水池浄水供給システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
NAV | Patent application has lapsed |