城市供水優化調度系統的設計與實現

楊位偉 于忠清

【摘? 要】傳統意義上的城市供水調度系統是以人工經驗決策、傳統的通訊方式發布指令，SCADA數據難以系統全面地反映水力狀態，人工經驗可繼承性差，指令發布難以追溯統計，存在供水調度不精準、能源浪費問題。為此，論文設計了一個城市供水優化調度方案，以人工智能AILab算法庫為核心，通過搭建水司調度中心大數據網絡平臺、構建城市供水優化調度模型框架以及對泵設備的能源優化，從而實現城市供水調度系統的高效、智能以及節能目標。

【Abstract】In the traditional sense， urban water supply dispatching system uses manual experience to make decisions and traditional communication methods to issue instructions. SCADA data is difficult to systematically and comprehensively reflect the hydraulic state. The inheritance of manual experience is poor， and instruction release is difficult to trace and statistics. There are existing problems of inaccurate water supply dispatching and energy waste. To this end， this paper designs an urban water supply optimal dispatching scheme， which takes the artificial intelligence AILab algorithm library as the core， through constructing the dispatching center big data network platform in water supply company， constructing the urban water supply optimal dispatching model framework and optimizing the energy of the pump equipment， so as to achieve the goal of high efficiency， intelligence and energy-saving of the urban water supply dispatching system.

【關鍵詞】AILab算法庫;大數據平臺;調度模型框架;節能

【Keywords】AILab algorithm library; big data platform; dispatching model framework; energy-saving

【中圖分類號】TU991;TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2020）11-0194-03

1 引言

近年來，隨著我國經濟的快速發展，我國城市化水平不斷提高，城市供水能耗的問題越來越面臨更大的挑戰。在國家節能減排政策的號召下，積極推動城市供水工業化和信息化的融合，提高城市供水服務能效，利用人工智能技術解決城市供水調度優化已成為核心技術[1]。傳統的城市供水調度系統，是通過簡單的數據采集與監視控制系統（SCADA）進行數據的采集，通過人工經驗決策以及傳統的通訊方式進行指令發布。由于人工經驗可繼承性差，指令發布難以追溯、統計、分析，因此，造成能源過于消耗、資源浪費問題。針對以上問題，本文提出了構建實時的、多變量的、非線性的近最優城市供水優化調度模型，以達到城市供水優化調度以及節約能源的目的。

2 城市供水系統流程

隨著城市化的進程不斷推進，城市供水系統經過不斷的完善，供水管網規模日益龐大。城市供水系統主要由四部分組成：水源確定、取水工程、凈水工程、輸水工程。

水源確定：在我國大多數的城市供水是以地下水作為主要的水源，對水量、水質滿足國家飲用標準。

取水工程：為了提高取水的效率，取水頭放置在水源直流段，取水頭部以菱形取水，有效進水面積最大，并且可以有效地減少泥沙的進入。取水泵房以靠近水源為準則，并綜合考慮當地的地理因素，提高資源利用率。

凈水工程：凈水工藝包括混合、絮凝、預沉池、濾池、添加混凝劑、添加消毒劑、廢水處理等。使用混凝劑使水中膠體提高凝聚效率，經過絮凝使凝聚性的顆粒具有良好的沉降性，并在預沉池中投加助凝劑（PAM）和混凝劑（PAC），在沉淀池除去懸浮物，使出水達到水質要求，之后在濾池中過濾，添加消毒劑進入清水池，同時，排出廢水進行處理，如圖1所示。

輸水工程：主要包括送水泵房以及輸水管網系統，將水輸送給用戶。

3 城市供水優化調度系統架構

隨著城市化水平的不斷提高，智慧城市供水的概念越來越得到廣泛的關注，智慧供水所承載的信息化應用涵蓋了人們生活的方方面面，與人們的生活息息相關。城市供水優化調度促進了供水產業結構優化和升級，降低經營成本，促進了移動互聯網產業的發展，通過簡便的移動設備也可以實現對供水管網系統的實時在線監測。智能化的供水大數據建設有助于提升城市信息化水平，促進現代服務業基礎平臺的建設，實現節能減排，綜合提高城市的整體服務能力。通過對水司調度中心大數據平臺網絡結構的建設，對城市供水優化調度系統模型的建立以及城市供水優化調度系統泵設備的能源優化，以此為先導搭建城市供水優化調度系統架構，建設智慧城市供水系統。

3.1 水司調度中心大數據平臺網絡結構

城市供水系統是大型復雜網絡，供水網絡結構的搭建是以對水泵、閥門等控制部件進行精準的實時監控并根據反饋自適應調整，使總運行成本最小化[2]。水司調度中心通過監測城市供水管網測點的壓力、加壓泵站的工作狀態以及直供水泵的工作狀態等輔助管理管網管道、閥門等設備。水司調度中心大數據平臺是基于數據驅動的決策方法，對原始設備數據進行采集并上傳給服務器[3]。圖2為水司調度中心大數據平臺，其首先是對供水廠前端設備的數據進行采集，并預留出其他設備接入網絡的接口，將采集的數據通過數字數據網絡（DDN）傳輸到調度中心大數據平臺，最后將實時通信服務器、接口服務器、預警服務器、地理信息系統（GIS）服務器、SCADA操作員站、Web發布服務器、智能終端（PDA）、數字光處理（DLP）服務器、Web遠程客戶端等連接到大數據平臺。

實時通信服務器負責快速采集現場設備的實時數據，與SCADA平臺進行數據交互并存儲到數據庫中。接口服務器負責提供多種的接口方式，搭建連接其他服務器接口通道，并可以將數據傳輸給其他的數據平臺。預警服務器采用多類別的檢測方式，當發生故障時以最快的速度響應，將數據存入數據庫。GIS服務平臺更直觀地顯示各測點位置分布以及以不同的顏色表示警戒狀態。Web發布平臺將收集到的實時數據以及反饋信息向廣域網或局域網進行發布以供用戶查閱。智能終端PDA存儲各測點的實時數據，實現更高效、實時的智能化管理。通過各平臺子系統之間的信息采集、信息共享以及信息的反饋機制，使整個水司調度中心大數據平臺更好地完成信息的實時交互，提高水司運行監管工作效率，提升整體的信息化管理水平。

3.2 城市供水優化調度系統模型的建立

城市供水優化調度系統（WOS）在能源優化系統（EOS）的基礎上以AILab算法庫為核心開發。WOS系統由數據預處理、供水量預測、供水建模、水廠優化控制、泵站優化控制以及WOS大數據平臺六個模塊構成。最佳調度的建立必須基于實時、真實和可靠的在線監視數據，然后討論數據是否具有可擴展性，建立全面、深入、系統的在線數據監控系統是進行最佳計劃的前提[4]。

數據預處理模塊是以人工智能算法庫AILab為核心，采用AILab中的多種算法，對實時數據進行智能化的數據清洗、數據分析以及特征提取。

用水量預測是城市供水優化調度的第一步，用水量預測分為短期預測（日、時）以及長期預測（季度、月度）。用水量預測分析采用的算法是以AILab算法庫為基礎，通過單個或多個算法的組合對數據分析，實現對用水量的短期預測以及長期預測。城市單每日的供水量是巨大的，供水管網的水力模型更加復雜，相應地，水力模型算法的計算量就越大，通常使用最優算法來獲得最優解[5]，智能AILab算法庫為此提供了更優的解決方案。

供水建模是城市供水優化調度系統的核心模塊，供水管網是一個多變量的、非線性的、時滯性的復雜性系統。WOS采用模型預測控制（MPC）技術，將機器學習算法的輸入變量分為控制變量、可控變量以及不可控變量，通過人工智能算法庫AILab提供的優化機器學習算法進行大量的訓練學習，能夠精準地輸出每一個可控變量與控制變量的預測值。其中，時滯性是供水管網建模的一個難題，利用數據驅動的MPC技術解決了管網水壓長距離傳遞帶來的時間延遲預測問題。將控制變量與可控變量的若干周期的延遲采用AILab算法進行預處理，可以精確計算出每一個變量的時滯周期。此外，泵站用水量的預測還需要將整個供水管網的多個參數加入進來，共同進行建模學習，以增加泵站的應變響應能力，使用戶端的水壓能夠總是處于安全運行狀態。

傳統的水廠泵站控制采用PID算法完成，但由于管網供水的復雜度不斷提升，PID算法已不能滿足泵站人工智能控制的目標。將管網供水的用水量預測、泵站能耗的最小化等因素加入水廠泵站的優化控制系統中，同時，加入泵站能耗預測，使整個模型更加完整。由于泵站是通過變頻驅動（VFD）控制的，此外，加上轉速的組合，可以篩選出多種組合的泵站的能源最小化方案，再通過采用AILab人工智能算法庫對每一階段的能源最小化方案尋最優解。

WOS大數據平臺是對數據的綜合管理平臺，提供對數據的采集、數據的分析、數據的存儲以及任務調度管理。通過WOS大數據平臺，能夠對實時數據更直觀地觀測變化趨勢，并且根據數據的分析以及預測量參數，發布更為精準的用水量調度信息等。

3.3 城市供水優化調度系統泵設備的能源優化

泵站優化系統分為泵的能源優化系統（EPM）與泵的健康管理系統兩部分，并相互獨立運行。將采集的數據通過使用AILab算法庫中的組合優化算法進行分析處理后，經過智慧節能終端傳輸給主控PC機，主控PC機收到傳輸的信息后根據信息中包括的參數信息，將不同的調度指令通過PLC控制器對不同的變頻器發出指令。

在主控PC機中運行三種不同的軟件模式，并根據不同的輸入、輸出信息進行模式的切換，包括數據信息預處理訓練學習模式、原有系統能源消耗檢測模式以及優化運行模式。原有系統能源消耗檢測模式是在能源優化系統啟用之前的一段時間內，監控原有系統的總能耗。通過在原有泵組系統的每一個電機之前安裝一個智能電表，將該智能電表通過LoRa無線通訊模塊傳送到控制室的能源管理系統中，主控PC機保留能源數據庫并隨時可以進行分析與對比。

4 結語

伴隨著社會經濟的不斷發展，城市供水需求量以及能源消耗不斷增加，能夠精準地對城市供水調度進行優化，是高效推進城市化供水系統建設以及減少能源消耗的重要舉措。本文通過在城市供水調度系統中搭建WOS框架并嵌入設備的智能節能系統，以此來實現近最優的供水調度體系。智慧城市的概念越來越受到廣泛的關注，智慧城市供水大數據建設借助先進的網絡技術，同時，站在新的層次和高起點之上，并采用國內外更為先進的計算機硬件系統和大數據信息網絡的軟件開發理念，不斷對其更新升級，保證其先進性。智慧城市的建設隨著經濟的不斷發展、科技的進步必將進入一個嶄新的階段，城市供水系統未來的發展道路是數字化及智能化，最終發展為無人化的智能城市供水系統。

【參考文獻】

【1】王曉冰.城市供水系統的優化調度與智能控制[J].電子世界，2014（10）：185.

【2】王立偉，龍劍波，萬珊.城市供水系統優化調度模型[J].四川理工學院學報（自然科學版），2007（01）：107-110.

【3】戚明杰，賴華.城市智能化供水調度系統的研究與應用[J].自動化儀表，2014，35（05）：34-37.

【4】張云斌.城市供水管網的管網計算和供水調度[J].工程技術研究，2019，4（21）：225-226.

【5】葉露，鄭雪婷.基于城市供水管網優化調度研究[J].建筑與預算，2020（05）：56-61.