基于人工智能技術的排水運行調度決策系統構建研究

羅 健，周 斌，王 磊

（上海市城市排水有限公司，上海 200000）

1 項目介紹

上海市城市排水有限公司污水輸送系統主要包括竹園、白龍港和石洞口三大污水片區，其中竹園片區、石洞口片區共涉及3條大型污水輸送系統，分別為合流一期、污水三期（含兩港截流）、西干線，污水處理總規模304萬m3/d。

目前排水泵站區域自動化控制系統不斷建設，合流一期、污水三期及西干線已逐步實現排水泵站日常“流動巡檢、遠程控制”常態化運行管理模式，而當下人工調度決策所需關注數據量極大，無法及時獲悉相關異常類數據，且難以實現人工運行調度經驗的系統化、數字化積累及對調度決策手段進行數字化評價，故基于人工智能技術構建排水泵站運行調度決策系統已成為必然的發展趨勢。

2 項目意義

日常排水運行調度不僅需考慮目標節點泵站控制流量（保證終端污水處理廠工藝處理效果）、上游節點泵站控制水位及最大排水量限制、上游各排水泵站內部閘門等連鎖工藝限制和上游節點泵站可用泵機限制（泵機保養或維修）等，所關注數據包括眾多靜態數據及各類動態數據，且需根據終端污水處理廠進水量需求及節點泵站水位情況，對上游排水泵站進行一體化、聯動化、動態化調度，不僅對調度人員經驗要求高，且對計算能力及關注能力同樣要求極高。

因人工調度決策指令執行過程需關注大量基礎信息（含靜態及動態數據），并基于基礎信息進行計算、分析及預測，推導過程長，且耗時久，無法滿足排水泵站運行調度決策的及時性要求，故目前人工調度基本采用時間段與泵站、泵機預設關聯性調度，而無法實現最優化調度決策。

人工智能技術的排水運行調度決策系統可基于現有人工調度方式，結合系統化、數字化應用實現人工調度經驗的系統化積累，數字化評價，預案化提取，并避免人工調度所需關注數據量大、無法及時獲悉相關異常類數據的弊端，為大范圍排水泵站一體化聯動調度決策提供數字化平臺支撐，且可為后續排水系統全季節化、全面化調度提供基礎借鑒。

3 系統構成

基于人工智能技術的排水運行調度決策系統根據應用需求，系統架構設計如圖1所示。

圖1 系統架構設計圖

系統調度決策執行過程及系統各功能模組關系設計如圖2所示。

圖2 系統調度決策執行過程及系統各功能模組關系設計圖

3.1 排水泵站數字化管理

基于人工智能技術的排水運行調度決策系統需基于排水設施資源進行最優化調度，而排水設施投入或退出運行存在相關限制（工藝限制、水位限制、排水量限制等）條件，并必須基于排水泵站數字化管理，為排水可用資源池構建提供基礎支撐。

3.1.1 泵站數字化管理

（1）泵站關系管理：各上游排水泵站與目標節點泵站關聯性配置，泵站關系管理包括如下。

a.目標節點泵站與末端接入泵站關系配置。

b.末端接入泵站與其上游泵站關系配置。

（2）泵站管理：對泵站運行水位、最大可排水量數據進行管理，用于后續可用資源池構建工作。

3.1.2 泵機數字化管理

（1）泵機管理維護包括所屬泵站、泵機名稱、銘牌流量、泵機狀態（可用/不可用）、可投入運行（可投入/不可投入運行）。

a.可用/不可用為基于調度人員，結合泵站或泵機維修計劃進行后端設置。

b.可投入/不可投入運行為系統基于最大排水量限制、閘門關系限制及運行液位限制等條件進行判斷，可由調度人員對默認判斷條件進行強制性修正。

（2）對各泵站泵機排水量數據進行配置，為各排水泵站最大流量限制計算提供基礎數據支撐。

3.1.3 運行信息數字化管理

（1）對各排水泵站開/停車水位、開機與水位關系（含單水位控制及階梯水位控制）、警戒水位等運行信息進行管理。

（2）對泵機最大連續性運行時間進行管理（超出此時間將強制性換泵操作，且同排水量條件下，優先投入停止時間較長泵機設備），最大連續性運行時間將與各泵機進行關聯性設置。

3.1.4 工藝連鎖數字化管理

構建各排水泵站內部閘門與泵機關聯性，為后續資源池構建提供基礎支撐，在閘門不滿足泵機開啟條件情況下，相關泵機資源將無法使用（可由人工對閘門狀態確認后進行強制投入泵機）。

3.2 運行調度決策功能

運行調度決策應用為本系統核心功能，包括歷史預案數字化管理、預案評價指標管理、評價指標修正及完善、資源池構建及歷史預案提取功能。

3.2.1 預案數字化管理

（1）利用大數據挖掘技術，對歷史運行數據進行抽取，形成數字化預案記錄。

（2）根據泵站數字化管理功能所構建的節點泵站及上游末端泵站關系進行關聯性數字化預案提取。

（3）根據節點泵站的泵機排水量變化作為預案的開始時間至后次泵機排水量變化為截止時間，對應抽取其上游泵站泵機的開停車記錄作為預案的過程記錄（包括上游泵站對應開停車所對應的液位數據信息）。

（4）基于數據分析技術，對歷史預案中小流量影響因子（排水泵站）進行標注，并在后續預案提取階段進行選擇，可根據預案運行評價結果，對小流量影響因子進行動態調整（各節點泵站所對應小流量影響因子可進行獨立設置及優化調整）。

3.2.2 預案評價指標管理

基于排水泵站運行調度決策需求，構建預案評價指標及權重體系，對所存儲各項預案進行數字化評價，為后續預案擇優提取提供基礎數據支撐。

將預案評價指標及權重進行數字化管理，包括并不限于如下指標：

（1）預案累積持續時間。

（2）目標節點泵站水位偏離度。

（3）上游泵站單位時間切換車次數。

（4）總超出警戒水位次數（含上游泵站）。

根據不同的節點泵站可以設定不同評價標準的權重及評價基礎，系統將基于歷史數據進行比對分析，相關系統所輸出調度預案是否被執行，如系統所輸出相關調度預案未被執行，則評價系統將不會對上述預案進行數字化評價，并記錄系統將各預案被應用次數。

3.2.3 預案評價指標修正

預案評價指標修正功能基于人工智能技術進行構建，可基于運行調度人員對各次預案執行評價結果對相關評價指標及權重進行修正，以不斷完善系統評價規則，為預案擇優化提取應用提供基礎支撐。

基于預案評價需求，預案評價指標功能將采用遺傳算法為核心構建。

3.2.4 資源池構建

（1）歷史預案基于可用設備設施資源池為基礎進行擇優化提取，故必須先行構建可用資源池。

（2）系統基于排水泵站數字化管理功能及各上游泵站實時運行水位構建調度決策資源池，高液位泵站（根據接近開車水位進行排序）優先投入運行，低液位泵站（根據接近停車水位進行排序）優先退出運行（高、低液位為基于與目標設定開、停車水位數值進行比較，并根據接近程度進行排序，而非絕對液位數值排序）。

（3）根據目標節點泵站流量影響程序不同，系統將對大流量影響泵站及小流量影響泵站單獨進行資源隊列構建。

3.2.5 歷史預案提取

根據目標節點泵站設定排水量目標，基于歷史預案提取，并擇優選擇，對上游節點泵站（歷史大流量因子泵站）進行調度決策，并基于資源池對泵機進行優化調度、控制，以實現目標節點泵站流量平衡的目標。

歷史預案提取原則如下：

（1）基于節點泵站泵機狀態變化時間作為預案開始提取時間，至上游末端節點泵站與目標節點泵站流量平衡時作為預案提取終止時間（相關歷史運行預案流量平衡后信息將存儲，不再進行提取）。

（2）預案提取信息將包括目標節點泵站排水量設定值及預案開始時間目標節點泵站水位值，并根據預案評價指標，對預案提取過程中目標節點泵站液位的近似區間進行不斷優化。

3.3 人機交互應用功能

人工交互應用功能將以人機界面輸出各項調度決策指令供運行管理人員參照后執行，并可提供各類數據分析、決策功能。

3.3.1 運行調度決策頁面

運行調度決策頁面可基于運行調度決策功能輸出各類調度決策指令，由人工參照后執行，并基于執行后歷史數據偵測功能，動態消除、刷新各類調度決策信息，以系統化方式指導排水泵站日常運行調度工作。

3.3.2 資源動態管理頁面

資源動態管理頁面可顯示各排水泵站設備設施資源情況及開、停車隊列信息，并可由人工對相關基礎信息核查后，強制相關設備設施進入可用資源隊列。

3.3.3 數據動態分析頁面

運行管理人員可經由數據動態分析頁面對運行調度決策系統相關運行數據進行分析、評價，相關分析頁面包括并不限于如下：

（1）可調用運行曲線圖（含以數據框方式顯示水位時間偏離度、上游單位時間泵機切換次數、泵站及上游泵站水位累積超限次數、預案累積持續時間等統計信息）。

（2）可調用累積排水量柱狀圖（含小時級別、日級別、月級別累積流量數據），將同時顯示目標設定流量與實際排水量（實際排水量數據將基于流量計數據進行采集），并進行比對。

4 結束語

基于人工智能技術的排水運行調度決策系統可實現人工調度經驗的系統化學習、優化，并基于評價體系進行數字化評價，將有效彌補人工調度經驗、計算力的不足，有效降低排水泵站運行調度決策對人的依賴性。

基于人工智能技術的排水運行調度決策系統可實現上游各末端支線泵站的調度決策功能，為后續綜合考慮管網負荷、水位情況，末端污水處理廠平穩輸送需求及防汛泵站截流對管網的影響的調度決策應用提供基礎借鑒。