CN112696344A - 一种供水加压泵站的智能控制方法 - Google Patents

一种供水加压泵站的智能控制方法 Download PDF

Info

Publication number
CN112696344A
CN112696344A CN202011536808.3A CN202011536808A CN112696344A CN 112696344 A CN112696344 A CN 112696344A CN 202011536808 A CN202011536808 A CN 202011536808A CN 112696344 A CN112696344 A CN 112696344A
Authority
CN
China
Prior art keywords
water
data
water pump
change curve
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011536808.3A
Other languages
English (en)
Other versions
CN112696344B (zh
Inventor
吕雪光
林泽力
池学聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Panda Machinery Group Co Ltd
Original Assignee
Shanghai Panda Machinery Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Panda Machinery Group Co Ltd filed Critical Shanghai Panda Machinery Group Co Ltd
Priority to CN202011536808.3A priority Critical patent/CN112696344B/zh
Publication of CN112696344A publication Critical patent/CN112696344A/zh
Application granted granted Critical
Publication of CN112696344B publication Critical patent/CN112696344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Control Of Positive-Displacement Pumps (AREA)
  • Control Of Non-Positive-Displacement Pumps (AREA)

Abstract

本发明涉及一种供水加压泵站的智能控制方法，包括采集数据；对采集到的数据进行预处理，得到预处理数据；通过大数据分析方法对预处理数据中的瞬时流量和出水压力数据进行二次处理，得到二次处理数据；通过智能算法对预处理数据中的水泵状态数据进行计算，得到水泵状态系数；根据二次处理数据和水泵状态系数生成用水线性变化模型，并引入用水影响因子系数，通过优化用水影响因子来动态调整用水线性变化模型，最后生成用水变化曲线；根据用水变化曲线得到水泵功率变化曲线，再根据水泵功率变化曲线对水泵功率进行实时调整。本发明通过对泵站的智能控制，实现按需供水的目标，有效节约水资源。

Description

一种供水加压泵站的智能控制方法
技术领域
本发明涉及供水控制技术领域，特别是涉及一种供水加压泵站的智能控制方法。
背景技术
水是生命之源、生产之要、生态之基，水的重要性不言而喻，但是水并非取之不尽、用之不竭。因此，节约用水是每个公民应尽的责任和义务。在提高公民自我节水意识的同时，如何从技术手段实现节水的目的，同样也是需要着重解决的一项重要技术瓶颈。
在居民供水过程中，针对某一区域加压泵站，为辖区内的所有用户时刻加压供水，保障人们基本用水需求，常规做法是，打开水泵，对管网内的水增压，保证水压即可，这种方法比较滞后，仅仅保证供水压力，在用水低峰时，同样使水泵处于全负荷运转，达不到节水的效果。
当前节水技术日新月异，但是充分运用好互联网的研究成果，对供水加压泵站实现智能化控制水泵启停一直是专家们研究的课题，只有通过前沿技术按需调节供水，才能达到节能节水目的。
发明内容
本发明所要解决的技术问题是提供一种供水加压泵站的智能控制方法，通过对泵站的智能控制，实现按需供水的目标，有效节约水资源。
本发明解决其技术问题所采用的技术方案是：提供一种供水加压泵站的智能控制方法，包括：
步骤(1)：采集关于供水管道的瞬时流量和出水压力数据，以及水泵状态数据；
步骤(2)：对采集到的数据进行预处理，得到预处理数据；
步骤(3)：通过大数据分析方法对所述预处理数据中的瞬时流量和出水压力数据进行二次处理，得到二次处理数据；通过智能算法对所述预处理数据中的水泵状态数据进行计算，得到水泵状态系数δemax；
步骤(4)：根据所述二次处理数据和水泵状态系数δemax生成用水线性变化模型，并在所述用水线性变化模型中引入用水影响因子系数λ，通过优化所述用水影响因子λ来动态调整所述用水线性变化模型，最后生成用水变化曲线；
步骤(5)：根据所述用水变化曲线得到水泵功率变化曲线，再根据所述水泵功率变化曲线对水泵功率进行实时调整。
所述步骤(3)中通过大数据分析方法对所述预处理数据中的瞬时流量和出水压力数据进行二次处理，得到二次处理数据，具体为：采用大数据分析法，对所述预处理数据中的瞬时流量和出水压力数据进行集群、分割和异常值判定，得到二次处理数据。
所述步骤(3)中通过智能算法对所述预处理数据中的水泵状态数据进行计算，得到水泵状态系数δemax，具体为：对所述预处理数据中的水泵状态数据进行随机抽样得到矩阵A，并对所述矩阵A进行模糊化操作得到矩阵A1；通过计算所述矩阵A1的每一列的均值、方差和峭度得到特征矩阵B；通过信息熵算法计算所述特征矩阵B的信息熵w；
根据所述特征矩阵B和特征矩阵B的信息熵w计算得到水泵状态系数δemax，公式为：
Figure BDA0002853748100000021
其中，w为特征矩阵B的信息熵，n为B*w的长度。
所述步骤(4)中根据所述二次处理数据和水泵状态系数δemax生成用水线性变化模型，并在所述用水线性变化模型中引入用水影响因子系数λ，公式为：
Figure BDA0002853748100000022
其中，Qtotal为总流量，Wi为泵轴功率，H为水泵额定扬程，Re为水泵出水口管道阻力系数，η为水泵效率，P为总出口压力，n为水泵台数。
所述步骤(4)中通过优化所述用水影响因子λ来动态调整所述用水线性变化模型，最后生成用水变化曲线，具体为：将预设出口压力值和最少水泵运行台数作为约束条件，采用遗传算法对所述用水影响因子λ进行优化，并将优化后的用水影响因子λ赋给所述用水线性变化模型，通过优化后的用水线性变化模型对水量曲线进行拟合，得到供水流量与各个水泵功率、水泵运行台数之间的用水变化曲线。
所述步骤(5)具体为：通过所述用水变化曲线，设计水泵功率与瞬时流量之间的变化关系模型，根据所述变化关系模型得到水泵功率变化曲线，最后根据所述水泵功率变化曲线对水泵功率进行实时调整。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明提供的供水加压泵站的智能控制方法，通过大数据分析技术和人工智能算法得到用水线性变化模型，并在用水线性变化模型中引入用水影响因子系数，用水影响因子系数能够根据实际需求来优化用水线性变化模型，进而智能控制水泵的启停，按需调节供水，实现对辖区内所有用户智能化供水，能够有效节能节水，实现泵站朝智能化和绿色化方向发展。
附图说明
图1是本发明实施方式的方法流程图；
图2是本发明实施方式中采集的关于水泵参数变化曲线图；
图3是本发明实施方式的一天的用水流量示意图；
图4是本发明实施方式的水泵功率变化曲线图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种供水加压泵站的智能控制方法，如图1所示，为本发明实施方式的方法流程图，以某区域内的加压泵站为例，共有6台水泵，其中4台大泵(用3备1)，2台小泵(用1备1)，并联接入供水管道，此时设置出水压力为0.5Mpa，具体方法如下：
步骤(1)：在加压泵站设备尚安装对应的监测装置，用于对供水管道内流过水的瞬时流量数据、出水压力数据的采集；在各个供应泵中安装状态监测装置，用于对水泵状态数据的采集，所述水泵状态数据包括电压、电流和泵振动信号。
本实施方式中，设置采样频率为0.05Hz，以某一天中的某一段时间(早上9点到10点)为例，采集关于供水管道的瞬时流量、出水压力数据和水泵状态数据，具体采集数据如图2所示。
步骤(2)：对采集到的数据进行预处理，完成数据的删失与补充，得到预处理数据。
步骤(3)：通过大数据分析方法对所述预处理数据中的瞬时流量和出水压力数据进行二次处理，得到二次处理数据；通过智能算法对所述预处理数据中的水泵状态数据进行计算，得到水泵状态系数δemax。
所述步骤(3)具体分为两部分：
第一部分：所述步骤(3)中通过大数据分析方法对所述预处理数据中的瞬时流量和出水压力数据进行二次处理，得到二次处理数据，具体为：采用大数据分析法，对所述预处理数据中的瞬时流量和出水压力数据进行集群、分割和异常值判定，得到二次处理数据。
第二部分：所述步骤(3)中通过智能算法对所述预处理数据中的水泵状态数据(主要是泵振动信号)进行计算，得到水泵状态系数δemax，具体为：预处理后的水泵状态数据共计360000点，对其进行随机抽样成360*1000的矩阵，并用A来表示，并对所述矩阵A进行模糊化操作得到矩阵A1，通过隶属度函数来实现模糊化操作，公式为：
Figure BDA0002853748100000041
其中，f(x,σ,c)为隶属度函数，e为指数函数，σ为矩阵A中不同列的标准差，c为矩阵A中不同列的均值；通过计算所述矩阵A1的每一列的均值、方差和峭度得到1000*3的特征矩阵B；通过信息熵算法计算所述特征矩阵B的信息熵w，公式为：
Figure BDA0002853748100000042
其中，H(x)为信息熵结果，计算出来的H(x)就是所要计算的信息熵w，x为矩阵B的列，m为矩阵B每列的长度，pi为矩阵B每列的数据取值；根据所述特征矩阵B和特征矩阵B的信息熵w计算得到水泵状态系数δemax，公式为：
Figure BDA0002853748100000043
其中，w为特征矩阵B的信息熵且长度为3*1，n为B*w的长度，此处n的长度为1000。
步骤(4)：根据所述二次处理数据和水泵状态系数δemax生成最终生成以时间为横坐标的用水线性变化模型，并在所述用水线性变化模型中引入用水影响因子系数λ，通过优化所述用水影响因子λ来动态调整所述用水线性变化模型，最后生成用水变化曲线图。
所述步骤(4)中根据所述二次处理数据和水泵状态系数δemax生成用水线性变化模型，并在所述用水线性变化模型中引入用水影响因子系数λ，公式为：
Figure BDA0002853748100000044
其中，Qtotal为总流量，Wi为泵轴功率，H为水泵额定扬程，Re为水泵出水口管道阻力系数，η为水泵效率，P为总出口压力，n为水泵台数。
所述步骤(4)中通过优化所述用水影响因子λ来动态调整所述用水线性变化模型，具体为：将预设出口压力值和最少水泵台数作为约束条件，采用遗传算法对所述用水影响因子λ进行优化，并将优化后的用水影响因子λ赋给所述用水线性变化模型。
在所述用水线性变化模型中添加了用水影响因子λ后，可以根据不同的时间段，动态调整用水线性变化模型，例如，夏天和冬天的供水要求不一样，即夏天对应的用水影响因子λ不适合于冬天，故需要优化用水影响因子λ，来使所述用水线性变化模型达到最优。
基于上述分析，在将出口压力值趋于预设定值和最少水泵运行台数作为约束条件的基础上，通过优化后的用水线性变化模型对水量曲线进行拟合，得到供水流量与各个水泵功率、水泵运行台数之间的用水变化曲线；通过对公式
Figure BDA0002853748100000051
进行变化，得到：
Figure BDA0002853748100000052
并且
Figure BDA0002853748100000053
在流量、出口压力、各项额定参数已知的情况下，寻找总功率与水泵运行台数之间的关系，即在运行总功率最小的情况下，寻找总流量与水泵运行台数之间的关系，进而得到用水变化曲线。
步骤(5)：根据所述用水变化曲线得到水泵功率变化曲线，再根据所述水泵功率变化曲线对水泵功率进行实时调整，从而达到实时节能节水的目标。
所述步骤(5)具体为：通过所述用水变化曲线图，设计水泵功率与瞬时流量之间的变化关系模型，根据所述变化关系模型得到水泵功率变化曲线，最后根据所述水泵功率变化曲线对水泵功率进行实时调整。
本实施方式中，通过获取一天的流量数据(如图3)所示，最后得到如图4所示的水泵功率变化曲线，并且每一时刻下的功率耗电量是最小的。
基于此，可以设置相应的工况模式，设置四台大泵，分别定义为1、2、3、4，每个循环工况均运行一周，每次均将前三台泵作为主泵，最后一台泵作为备用泵，如在循环工况为1→2→3→4时，1/2/3为主泵，4泵为备用泵，如在循环工况为2→3→4→1时，2/3/4为主泵，1泵为备用泵，以此循环工况模式运行；设置两台小泵，每个工况下均运行一周，来回交互替换，从而避免备用泵由于长时间不用，导致其故障而损坏，最终保证泵的连续良好状态运行。
由此可见，本发明通过借助智能算法、大数据分析等技术手段，对供水加压泵站实现智能化控制，按需调节供水，实现节能节水的良好效果。

Claims (6)

1.一种供水加压泵站的智能控制方法，其特征在于，包括：
步骤(1)：采集关于供水管道的瞬时流量和出水压力数据，以及水泵状态数据；
步骤(2)：对采集到的数据进行预处理，得到预处理数据；
步骤(3)：通过大数据分析方法对所述预处理数据中的瞬时流量和出水压力数据进行二次处理，得到二次处理数据；通过智能算法对所述预处理数据中的水泵状态数据进行计算，得到水泵状态系数δemax；
步骤(4)：根据所述二次处理数据和水泵状态系数δemax生成用水线性变化模型，并在所述用水线性变化模型中引入用水影响因子系数λ，通过优化所述用水影响因子λ来动态调整所述用水线性变化模型，最后生成用水变化曲线；
步骤(5)：根据所述用水变化曲线得到水泵功率变化曲线，再根据所述水泵功率变化曲线对水泵功率进行实时调整。
2.根据权利要求1所述的供水加压泵站的智能控制方法，其特征在于，所述步骤(3)中通过大数据分析方法对所述预处理数据中的瞬时流量和出水压力数据进行二次处理，得到二次处理数据，具体为：采用大数据分析法，对所述预处理数据中的瞬时流量和出水压力数据进行集群、分割和异常值判定，得到二次处理数据。
3.根据权利要求1所述的供水加压泵站的智能控制方法，其特征在于，所述步骤(3)中通过智能算法对所述预处理数据中的水泵状态数据进行计算，得到水泵状态系数δemax，具体为：对所述预处理数据中的水泵状态数据进行随机抽样得到矩阵A，并对所述矩阵A进行模糊化操作得到矩阵A1；通过计算所述矩阵A1的每一列的均值、方差和峭度得到特征矩阵B；通过信息熵算法计算所述特征矩阵B的信息熵w；
根据所述特征矩阵B和特征矩阵B的信息熵w计算得到水泵状态系数δemax，公式为：
Figure FDA0002853748090000011
其中，w为特征矩阵B的信息熵，n为B*w的长度。
4.根据权利要求1所述的供水加压泵站的智能控制方法，其特征在于，所述步骤(4)中根据所述二次处理数据和水泵状态系数δemax生成用水线性变化模型，并在所述用水线性变化模型中引入用水影响因子系数λ，公式为：
Figure FDA0002853748090000012
其中，Qtotal为总流量，Wi为泵轴功率，H为水泵额定扬程，Re为水泵出水口管道阻力系数，η为水泵效率，P为总出口压力，n为水泵台数。
5.根据权利要求1所述的供水加压泵站的智能控制方法，所述步骤(4)中通过优化所述用水影响因子λ来动态调整所述用水线性变化模型，最后生成用水变化曲线，具体为：将预设出口压力值和最少水泵运行台数作为约束条件，采用遗传算法对所述用水影响因子λ进行优化，并将优化后的用水影响因子λ赋给所述用水线性变化模型，通过优化后的用水线性变化模型对水量曲线进行拟合，得到供水流量与各个水泵功率、水泵运行台数之间的用水变化曲线。
6.根据权利要求1所述的供水加压泵站的智能控制方法，其特征在于，所述步骤(5)具体为：通过所述用水变化曲线，设计水泵功率与瞬时流量之间的变化关系模型，根据所述变化关系模型得到水泵功率变化曲线，最后根据所述水泵功率变化曲线对水泵功率进行实时调整。
CN202011536808.3A 2020-12-23 2020-12-23 一种供水加压泵站的智能控制方法 Active CN112696344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011536808.3A CN112696344B (zh) 2020-12-23 2020-12-23 一种供水加压泵站的智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011536808.3A CN112696344B (zh) 2020-12-23 2020-12-23 一种供水加压泵站的智能控制方法

Publications (2)

Publication Number Publication Date
CN112696344A true CN112696344A (zh) 2021-04-23
CN112696344B CN112696344B (zh) 2022-09-02

Family

ID=75509316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011536808.3A Active CN112696344B (zh) 2020-12-23 2020-12-23 一种供水加压泵站的智能控制方法

Country Status (1)

Country Link
CN (1) CN112696344B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992209A (zh) * 2019-12-17 2020-04-10 上海威派格智慧水务股份有限公司 一种流量预测方法
CN114320866A (zh) * 2022-03-08 2022-04-12 湖南易净环保科技有限公司 分布式一体化泵站集中管理控制***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1327111A (zh) * 2000-06-01 2001-12-19 徐景颖 供水工程节能方法
CN101705935A (zh) * 2009-11-09 2010-05-12 江苏大学 水泵并联机组运行机理与控制策略模拟试验装置
CN106354931A (zh) * 2016-08-29 2017-01-25 上海交通大学 一种基于水泵特性曲线更新的泵站优化调度方法
CN107563451A (zh) * 2017-09-18 2018-01-09 河海大学 一种泵站稳态工况下运行状态识别方法
CN110163444A (zh) * 2019-05-28 2019-08-23 河北工程大学 一种基于gasa-svr的需水预测方法
CN110751416A (zh) * 2019-10-29 2020-02-04 杭州鲁尔物联科技有限公司 一种用水量的预测方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1327111A (zh) * 2000-06-01 2001-12-19 徐景颖 供水工程节能方法
CN101705935A (zh) * 2009-11-09 2010-05-12 江苏大学 水泵并联机组运行机理与控制策略模拟试验装置
CN106354931A (zh) * 2016-08-29 2017-01-25 上海交通大学 一种基于水泵特性曲线更新的泵站优化调度方法
CN107563451A (zh) * 2017-09-18 2018-01-09 河海大学 一种泵站稳态工况下运行状态识别方法
CN110163444A (zh) * 2019-05-28 2019-08-23 河北工程大学 一种基于gasa-svr的需水预测方法
CN110751416A (zh) * 2019-10-29 2020-02-04 杭州鲁尔物联科技有限公司 一种用水量的预测方法、装置及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992209A (zh) * 2019-12-17 2020-04-10 上海威派格智慧水务股份有限公司 一种流量预测方法
CN114320866A (zh) * 2022-03-08 2022-04-12 湖南易净环保科技有限公司 分布式一体化泵站集中管理控制***

Also Published As

Publication number Publication date
CN112696344B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN112696344B (zh) 一种供水加压泵站的智能控制方法
CN103195698B (zh) 变水位取水泵站中水泵同步变速调节的节能控制方法
CN107292766B (zh) 面向风电消纳的电力***调峰手段经济性评估方法与***
CN110779182A (zh) 一种太阳能板直接供电的变频空调压缩机频率控制方式
CN109274131B (zh) 基于概率统计理论的新能源消纳能力非时序量化评估方法
CN102692875A (zh) 汽轮机主蒸汽压力跟踪优化方法
CN109546689B (zh) 一种适用于大规模***的两阶段机组组合运行控制方法
CN105937823B (zh) 一种地源热泵控制方法及***
CN106169101A (zh) 一种基于结构分解的能源需求预测方法
CN108427459B (zh) 多水源环状供水管网的活塞式调流阀自动控制方法
CN109687428B (zh) 多能互补分布式能源微网运行优化控制***的控制方法
CN111915173A (zh) 一种梯级小水电站优化调度关键因素的筛选方法
CN201803430U (zh) 地铁站内空调节能控制器
CN109726855B (zh) 一种基于峰谷电价经济运行模型的梯级泵站优化调度方法
CN109340094A (zh) 一种基于负荷的空压机节能控制方法
CN115907402A (zh) 一种梯级水电站联合保证出力的推求方法及***
CN110593355A (zh) 一种基于压力控制模型和plc的供水降低能耗方法
CN207212646U (zh) 一种智能空压机节能装置
CN110390430A (zh) 一种避免频繁启停的变频式循环水泵优化运行方法
CN201491335U (zh) 智能路灯节电控制器
CN113128767B (zh) 考虑备用收益的农灌水泵负荷运行成本最小化的方法
CN109359134A (zh) 一种基于数据挖掘的照明插座能耗隐性异常数据的识别方法
CN116307024A (zh) 一种区域供热热负荷预测方法
CN114139829A (zh) 一种基于人工智能的电网负荷预测方法
CN208154726U (zh) 地源热泵变频节能控制装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant