论文部分内容阅读
摘要：随着时代的进步和社会经济的发展，我国城市化进程在逐步的加快，供水管网的规模在逐步扩大，那么就更加的复杂。我国各大城市在供水系统方面存在着巨大的电耗，如果采用传统的经验调度方式，往往会存在着较大的浪费。针对这种情况，就需要将优化调度给应用过来。本文简要分析了城市供水系统的优化调度与智能控制，希望可以提供一些有价值的参考意见。
关键词：城市供水系统；优化调度；智能控制
城市供水系统的运行管理包括诸多方面的内容，如预测供水负荷、优化调度以及管网信息管理等，我国通常采用人工经验方式来进行供水系统运行管理的生产调度和生产管理，这样就没有较高的运行效率，并且存在着严重的浪费情况。那么就需要将计算机技术给应用过来，科学的生产调度管理城市供水。
1 城市供水系统智能管理发展水平
根据决策变量的选取，可将城市供水系统优化调度的寻优方式分为：(1)直接寻优，该法以水泵运行决策作为决策变量，即以水泵启闭量(恒速度)或水泵转速(调速泵)为决策变量，模型的计算结果直接就是计算周期内(一般为24h)水泵运行方式； (2)二级寻优，是根据城市管网监测点的压力或流量来优化决策各泵站出口流量或出口压力。由于一级优化是以各泵站出口流量或出口压力作为优化决策变量，计算结果是调度各时段泵站的流量或压力分配，因此还需要第二级寻优，以确定各泵站的水泵运行决策。上述两种寻优方式目前应用得比较广泛。一般来讲，对于泵站内水泵组合数较少，缺少调速泵，即泵站内可调余地较小的系统，适宜采用直接寻优方式，将全系统各泵站中所有水泵的性能、状态统一考虑、协调，通过整体寻优，确定最佳运行方案。而对于供水系统规模大，泵站多，可调余地大，供水方式较为复杂的情况，宜采用二级寻优，将问题分解，首先一级寻优求出各泵站间的流量分配或各水池水位的变化轨迹，然后调节泵站内的水泵组合或水泵转速，确定泵站的调度运行方案。文中将重点讨论二级寻优方式。
2 基于人工神经网络的城市供水管网预测
人工神经网络是模拟人脑思维与记忆的神经网络化数学模型与算法系统，主要特点是具有自学习的功能，即通过对信息的学习来获取信息之间复杂的相互关系。针对城市供水预测而言，城市管网中都有固定的测压点，每天随时检测不同时段的管网压力需求：在某些重要的管段或输水管段，安装了流量计来检测管网中管段的流量：在水厂出水口、接户管的开始端以及每家每户都装有水表，用以检测管网的负荷(用水量)。这些资料反映了城市供水的一些基本规律，可以通过建立人工神经网络的城市供水预报模型，对历史资料进行学习，来识别复杂的城市供水变化规律，从而实现城市供水预测的计算机仿真。人工神经网络的城市供水预测不同于传统的方法，是对城市供水复杂运行机制综合模拟与体现。网络模型在已有的历史数据的基础上，一旦通过学习识别出城市供水的变化规律，网络模型通过联想，就可以预报下一个时段的城市供水需求。运用神经网络对城市供水的变化规律进行识别的实质，就是通过选择适当的神经网络模型逼近实际系统的动态过程。在MATLAB环境下开发出来的神经网络工具箱是以神经网络理论为基础，用MATLAB语言构造出典型神经网络的工具函数。MATLAB中专门编制了大量有关BP神经网络的工具箱函数，为BP神经网络的应用研究提供了强有力的工具。选取BP神经网络作为建模基础，建立基于神经网络的城市供水的时序预测模型步骤如下：
(1)首先需要确定预测模型的神经网络的结构。城市供水预测是通过选择适当的神经网络模型，在供水需求的历史数据基础上进行网络训练和学习，找出其中的变化规律，建立城市供水神经网络预测模型，并且根据前面连续若干时段的供水需求量，对下一个时段的供水需求做出预测，因此预测模型可以采用n输入单输出的神经网络结构。另外根据相关的论述，任一连续函数f：[0，l]n_Rm.都可以用一个结构为n×(2n+1)×m的三层前向神经网络来精确的逼近，所以我们可以采用预测模型的BP网络结构为t'IX(2n+1)×l。如果选择的学习实例较少，预测模型的BP网络结构可为n×3n×1。
(2)根据历史数据确定学习实例的数目。学习实例的多少是在已有的历史数据的基础上，根据输入节点的多少来确定的。输入层节点数又与学习实例的输入模式的选择有关。假设某一段时间的城市供水历史数据为{ala2，ap，…，，ap+l }，这些离散的时序数据一共有q个。如果选用连续P个时段的供水需求作为输入模式，则输入节点数为P，第(p+t)个时段的供水需求为实际的输出。
3 复杂供水系统管网优化调度遗传算法研究
配水管网的布置形式，根据城市规划、用户分布以及对用水的安全可靠性的要求程度等，分为树状网和环状网两种形式。树状网的管网布置呈输状向供水区延伸，管径随用户的减少而变小。这种管网管线的总长度较短，构造简单，投资较省，但供水安全性较差。树状管网一般用于用水安全可靠性要求不高的小城镇和小型工业企业中，或者在城市的规划建设初期。另外对于街坊内的管网，一般多用布置成树状。环状网的管网布置呈封闭环形，环状管网的供水可靠性高，还可减少因水锤现象产生的冲击，但环状网由于管线总长度大大增加，故造价明显地高于树状网。现有城市的配水管网多数是环状网与树状网相结合，即在城市的中心地区布置成环状网， 而在市郊则以树状网的形式向四周延伸。复杂供水管网系统优化调度研究的对象是针对由干管所组成的环状管网，根据干管中各用户节点的压力或流量需求，在满足环状管网水力计算的基础上，对干管中的水源节点进行最佳配置。因此首先有必要探讨一下给水管网的水力计算。
供水系统管网设计和水力计算的一般方法是根据最高日最高时的设计用水量，求出管网中各管段的管径、流量和水头损失。然后依次确定二级泵站的水泵扬程或水塔高度，以满足各用户对水量和水压的要求。供水系统管网设计和水力，计算的步骤为：
(1)布置管网(亦称管网定线)。即在城市总体规划平面图(带有等高线)上，布置干管各管线的走向。
(2)计算干管的总长度
(3)计算干管的比流量。
(4)计算于管的沿线流量
(5)计算干管的节点流量
(6)将大用户的集中流量布置在附近的节点上
(7)将最高用水时由二级泵站和水塔供入管网的流量(指对置水塔的管网)，沿各节点进行流量分配，定出各管段的计算流量。
(8)根据所定出的各管段计算流量和当地的经济流速、选取各管段的管径。
(9)计算各管段的水头损失值(M)。舳采用给水排水设计手册管渠水力计算表来计算。此值求得后，对于树状网，便可根据最不利点的位置和用戶对自由水头值的要求，算出二级泵站所需水泵的扬程或所需水塔的高度。
(10)对于环状网，则需要进行环状管网的水力平差。所谓水力平差，就是将初分的各管段计算流量做出适当调整，以使各个环的闭合差达到所规定允许范围之内。然后依次选出最不利的(即各管段水头损失总和为最大)一条干管线路，算出二级水泵扬程或水塔高度。
4 结语
综上所述，为了提升城市供水系统的运行效率，就需要将先进的遗传算法、神经网络等应用过来，借助于计算机技术，来进行城市供水系统的管网预测、优化调度等。
参考文献：
[1]邓巍．PLC及变频器在多台泵自动恒压供水系统中的应用[J].新疆石油学院学报，2001，13(2)：67—69．
[2]徐甫荣．关于变频器的输出切换问题探讨一一兼论水泵群软起停控制方案[J]．电气传动自动化，2002，24(4)：19-24．
[3]丁学文，金大海．交流电机变频软起动时的问题及解决方法[J]．电力电子技术，2001，23(5)．1-3．
关键词：城市供水系统；优化调度；智能控制
城市供水系统的运行管理包括诸多方面的内容，如预测供水负荷、优化调度以及管网信息管理等，我国通常采用人工经验方式来进行供水系统运行管理的生产调度和生产管理，这样就没有较高的运行效率，并且存在着严重的浪费情况。那么就需要将计算机技术给应用过来，科学的生产调度管理城市供水。
1 城市供水系统智能管理发展水平
根据决策变量的选取，可将城市供水系统优化调度的寻优方式分为：(1)直接寻优，该法以水泵运行决策作为决策变量，即以水泵启闭量(恒速度)或水泵转速(调速泵)为决策变量，模型的计算结果直接就是计算周期内(一般为24h)水泵运行方式； (2)二级寻优，是根据城市管网监测点的压力或流量来优化决策各泵站出口流量或出口压力。由于一级优化是以各泵站出口流量或出口压力作为优化决策变量，计算结果是调度各时段泵站的流量或压力分配，因此还需要第二级寻优，以确定各泵站的水泵运行决策。上述两种寻优方式目前应用得比较广泛。一般来讲，对于泵站内水泵组合数较少，缺少调速泵，即泵站内可调余地较小的系统，适宜采用直接寻优方式，将全系统各泵站中所有水泵的性能、状态统一考虑、协调，通过整体寻优，确定最佳运行方案。而对于供水系统规模大，泵站多，可调余地大，供水方式较为复杂的情况，宜采用二级寻优，将问题分解，首先一级寻优求出各泵站间的流量分配或各水池水位的变化轨迹，然后调节泵站内的水泵组合或水泵转速，确定泵站的调度运行方案。文中将重点讨论二级寻优方式。
2 基于人工神经网络的城市供水管网预测
人工神经网络是模拟人脑思维与记忆的神经网络化数学模型与算法系统，主要特点是具有自学习的功能，即通过对信息的学习来获取信息之间复杂的相互关系。针对城市供水预测而言，城市管网中都有固定的测压点，每天随时检测不同时段的管网压力需求：在某些重要的管段或输水管段，安装了流量计来检测管网中管段的流量：在水厂出水口、接户管的开始端以及每家每户都装有水表，用以检测管网的负荷(用水量)。这些资料反映了城市供水的一些基本规律，可以通过建立人工神经网络的城市供水预报模型，对历史资料进行学习，来识别复杂的城市供水变化规律，从而实现城市供水预测的计算机仿真。人工神经网络的城市供水预测不同于传统的方法，是对城市供水复杂运行机制综合模拟与体现。网络模型在已有的历史数据的基础上，一旦通过学习识别出城市供水的变化规律，网络模型通过联想，就可以预报下一个时段的城市供水需求。运用神经网络对城市供水的变化规律进行识别的实质，就是通过选择适当的神经网络模型逼近实际系统的动态过程。在MATLAB环境下开发出来的神经网络工具箱是以神经网络理论为基础，用MATLAB语言构造出典型神经网络的工具函数。MATLAB中专门编制了大量有关BP神经网络的工具箱函数，为BP神经网络的应用研究提供了强有力的工具。选取BP神经网络作为建模基础，建立基于神经网络的城市供水的时序预测模型步骤如下：
(1)首先需要确定预测模型的神经网络的结构。城市供水预测是通过选择适当的神经网络模型，在供水需求的历史数据基础上进行网络训练和学习，找出其中的变化规律，建立城市供水神经网络预测模型，并且根据前面连续若干时段的供水需求量，对下一个时段的供水需求做出预测，因此预测模型可以采用n输入单输出的神经网络结构。另外根据相关的论述，任一连续函数f：[0，l]n_Rm.都可以用一个结构为n×(2n+1)×m的三层前向神经网络来精确的逼近，所以我们可以采用预测模型的BP网络结构为t'IX(2n+1)×l。如果选择的学习实例较少，预测模型的BP网络结构可为n×3n×1。
(2)根据历史数据确定学习实例的数目。学习实例的多少是在已有的历史数据的基础上，根据输入节点的多少来确定的。输入层节点数又与学习实例的输入模式的选择有关。假设某一段时间的城市供水历史数据为{ala2，ap，…，，ap+l }，这些离散的时序数据一共有q个。如果选用连续P个时段的供水需求作为输入模式，则输入节点数为P，第(p+t)个时段的供水需求为实际的输出。
3 复杂供水系统管网优化调度遗传算法研究
配水管网的布置形式，根据城市规划、用户分布以及对用水的安全可靠性的要求程度等，分为树状网和环状网两种形式。树状网的管网布置呈输状向供水区延伸，管径随用户的减少而变小。这种管网管线的总长度较短，构造简单，投资较省，但供水安全性较差。树状管网一般用于用水安全可靠性要求不高的小城镇和小型工业企业中，或者在城市的规划建设初期。另外对于街坊内的管网，一般多用布置成树状。环状网的管网布置呈封闭环形，环状管网的供水可靠性高，还可减少因水锤现象产生的冲击，但环状网由于管线总长度大大增加，故造价明显地高于树状网。现有城市的配水管网多数是环状网与树状网相结合，即在城市的中心地区布置成环状网， 而在市郊则以树状网的形式向四周延伸。复杂供水管网系统优化调度研究的对象是针对由干管所组成的环状管网，根据干管中各用户节点的压力或流量需求，在满足环状管网水力计算的基础上，对干管中的水源节点进行最佳配置。因此首先有必要探讨一下给水管网的水力计算。
供水系统管网设计和水力计算的一般方法是根据最高日最高时的设计用水量，求出管网中各管段的管径、流量和水头损失。然后依次确定二级泵站的水泵扬程或水塔高度，以满足各用户对水量和水压的要求。供水系统管网设计和水力，计算的步骤为：
(1)布置管网(亦称管网定线)。即在城市总体规划平面图(带有等高线)上，布置干管各管线的走向。
(2)计算干管的总长度
(3)计算干管的比流量。
(4)计算于管的沿线流量
(5)计算干管的节点流量
(6)将大用户的集中流量布置在附近的节点上
(7)将最高用水时由二级泵站和水塔供入管网的流量(指对置水塔的管网)，沿各节点进行流量分配，定出各管段的计算流量。
(8)根据所定出的各管段计算流量和当地的经济流速、选取各管段的管径。
(9)计算各管段的水头损失值(M)。舳采用给水排水设计手册管渠水力计算表来计算。此值求得后，对于树状网，便可根据最不利点的位置和用戶对自由水头值的要求，算出二级泵站所需水泵的扬程或所需水塔的高度。
(10)对于环状网，则需要进行环状管网的水力平差。所谓水力平差，就是将初分的各管段计算流量做出适当调整，以使各个环的闭合差达到所规定允许范围之内。然后依次选出最不利的(即各管段水头损失总和为最大)一条干管线路，算出二级水泵扬程或水塔高度。
4 结语
综上所述，为了提升城市供水系统的运行效率，就需要将先进的遗传算法、神经网络等应用过来，借助于计算机技术，来进行城市供水系统的管网预测、优化调度等。
参考文献：
[1]邓巍．PLC及变频器在多台泵自动恒压供水系统中的应用[J].新疆石油学院学报，2001，13(2)：67—69．
[2]徐甫荣．关于变频器的输出切换问题探讨一一兼论水泵群软起停控制方案[J]．电气传动自动化，2002，24(4)：19-24．
[3]丁学文，金大海．交流电机变频软起动时的问题及解决方法[J]．电力电子技术，2001，23(5)．1-3．