CN113156817A - 一种泵站智能配泵方法 - Google Patents
一种泵站智能配泵方法 Download PDFInfo
- Publication number
- CN113156817A CN113156817A CN202110291013.9A CN202110291013A CN113156817A CN 113156817 A CN113156817 A CN 113156817A CN 202110291013 A CN202110291013 A CN 202110291013A CN 113156817 A CN113156817 A CN 113156817A
- Authority
- CN
- China
- Prior art keywords
- pump
- pump station
- water
- water supply
- characteristic curve
- 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
Links
Images
Classifications
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种泵站智能配泵方法，属于水泵智能控制领域，包括：步骤S1，获取泵站的水泵性能测试数据，根据所述水泵性能测试数据进行分析，得到一泵站优化运行模型；步骤S2，获取供水区域的用水需求历史数据，根据所述供水区域的用水需求历史数据进行分析，预测得到下一预设时段的泵站供水量；步骤S3，根据所述泵站优化运行模型对所述下一预设时段的泵站供水量和一预设的压力进行处理，得到一优化的配泵方案。本发明以二级泵站运行费用最低为目标函数，建立智能配泵模型，在满足城市需水量、扬程前提下，实现多泵的协调使用，使水泵运行在高效工作区，减少能耗浪费，降低净水厂能耗、提高企业效益。
Description
技术领域
本发明涉及水泵智能控制领域，尤其涉及一种泵站智能配泵方法。
背景技术
净水厂二级泵站，包括站内机组变频+工频机组或全部为变频机组，其耗电量占供水***的总耗电量的95％以上，以一般城镇水厂而言，泵站的运行费用通常占治水成本的40％～70％，或者更多。
现有技术中主要依赖查询表格或人工经验，主要采用人工调度的方式进行配泵，以保证水泵机组的安全运行。由于缺乏科学的理论指导，调度人员一般较少考虑针对不同的外部需求，采取不同的水泵搭配来保证机组的节能高效运行。由于主观经验不准确，难以量化，导致许多水泵机组在实际运行时常常不是工作在高效工作区，导致整体机组的效率比较低，造成一定程度的能耗损失，或是因为泵站运行调度不合理，造成弃水量过多，因此，对泵站建立配泵模型、降低能耗、节约资源、提高泵站的经济效益和社会效益已经成为一个亟待解决的问题。
发明内容
针对现有技术中存在的上述问题，现提供一种泵站智能配泵方法，具体技术方案如下所示：
本发明提供一种泵站智能配泵方法，包括：
步骤S1，获取泵站的水泵性能测试数据，根据所述水泵性能测试数据进行分析，得到一泵站优化运行模型；
步骤S2，获取供水区域的用水需求历史数据，根据所述供水区域的用水需求历史数据进行分析，预测得到下一预设时段的泵站供水量；
步骤S3，根据所述泵站优化运行模型对所述下一预设时段的泵站供水量和一预设的压力进行处理，得到一优化的配泵方案。
优选地，所述步骤S1具体包括：
步骤S11，对采集的所述水泵性能测试数据进行划分，得到多个对应性能测试参数的数据集，所述性能测试参数包括流量，以及所述流量对应的扬程、功率和效率；
步骤S12，根据多个所述数据集进行拟合得到水泵特性曲线，所述水泵特性曲线包括用于表征所述流量与所述扬程的对应关系的第一特性曲线、用于表征所述流量与所述功率的第二特性曲线，以及用于表征所述流量与所述效率的对应关系的第三特性曲线；
步骤S13，根据所述水泵特性曲线的所述第一特性曲线、所述第二特性曲线以及所述第三特性曲线分别进行分析，得到对应的运行工况点和高效工作区间；
步骤S14，建立所述泵站优化运行模型，所述泵站优化运行模型包括目标函数和约束条件，基于所述泵站优化运行模型的所述约束条件对所述泵站优化运行模型的所述目标函数进行优化求解。
优选地，所述步骤S14中，所述目标函数为：
其中，
m表示所述泵站中定速泵的台数；
n表示所述泵站中变频泵的台数；
ωi表示所述定速泵的运行状态；
ωj表示所述变频泵的运行状态；
Ni表示所述定速泵的功率；
Nj表示所述变频泵的功率；
F表示所述目标函数。
优选地，所述步骤S2具体包括：
步骤S21，对所述供水区域的所述用水需求历史数据进行预处理，得到一时间序列数据集；
步骤S22，对预处理后的所述时间序列数据集进行划分，形成训练集、测试集、验证集；
步骤S23，建立一供水预测模型，根据所述时间序列数据集对所述供水预测模型进行训练、测试、验证，并对训练好的所述供水预测模型进行评估；
步骤S24，于所述供水预测模型的评估结果合格时，采集所述供水区域的前一预设时间段内的用水需求数据；
步骤S25，根据训练好的所述供水预测模型对所述前一预设时间段内的用水需求数据进行处理，预测得到下一预设时间段内的平均小时用水量。
优选地，所述步骤S3具体包括：
步骤S31，根据所述泵站优化运行模型的目标函数和约束条件，建立一决策变量参数集，所述决策变量参数集包括水泵转速比、开关状态；
步骤S32，对所述决策变量参数集进行编码；
步骤S33，形成第一种群，并对所述第一种群进行初始化；
步骤S34，评估所述第一种群的个体的适应度；
步骤S35，执行选择、重组、变异进化操作；
步骤S36，利用一遗传算法对所述第一种群的个体进行进化，得到新的个体形成一第二种群；
步骤S37，判断是否满足一预设的终止条件：
若是，则转入步骤S38；
若否，则返回所述步骤S34；
步骤S38，将所述适应度最大的所述个体作为优化后的所述决策变量参数集，并输出。
优选地，所述步骤S33中，对所述第一种群进行初始化具体包括：
根据编码规则在可行域内产生若干个可行解，利用随机函数法对所述若干个所述可行解进行初始化，形成所述第一种群。
优选地，所述预设的终止条件为所述约束条件；
所述步骤S37中，判断所述可行解是否满足所述泵站优化运行模型的所述约束条件。
优选地，所述预设的终止条件为一预设的适应度阈值；
所述步骤S37中，判断所述个体对应的所述适应度是否满足一预设的适应度阈值。
优选地，所述预设的终止条件为一预设的迭代次数；
所述步骤S37中，判断所述遗传算法的进化次数是否满足一预设的迭代次数。
优选地，所述约束条件包括出口压力约束、出水总流量约束、频调速比约束和流量区间约束。
本技术方案的有益效果在于：
本发明建立智能配泵模型，以泵站运行费用最低为目标函数，在满足城市需水量、扬程前提下，实现多泵的协调使用，使水泵运行在高效工作区，减少能耗浪费，降低净水厂能耗、提高企业效益。
附图说明
图1是本发明中，一种泵站智能配泵方法的流程示意图；
图2是本发明中，步骤S1的流程示意图；
图3是本发明中，步骤S2的流程示意图；
图4是本发明中，步骤S3的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明提供一种泵站智能配泵方法，可用于净水厂二级泵站，属于水泵智能控制领域，如图1所示，包括：
步骤S1，获取泵站的水泵性能测试数据，根据水泵性能测试数据进行分析，得到一泵站优化运行模型；
在步骤S1中，水泵性能测试数据为额定转速或某一转速下，不同流量所对应的水泵扬程、功率、效率，其中，流量应均匀分布并应覆盖额定转速或某一转速下的最低流量与最高流量。采集多组数据水泵性能测试数据建立的模型提供数据分析原始数据集，至少包括14组数据。
在一个较佳的实施例中，如图2所示，步骤S1具体包括：
步骤S11，对采集的水泵性能测试数据进行划分，得到多个对应性能测试参数的数据集，性能测试参数包括流量，以及流量对应的扬程、功率和效率；
在步骤S11中，根据二级泵站的水泵的不同型号对水泵性能测试数据进行划分，再按照流量、扬程、功率、效率等特征进一步将水泵性能测试数据划分，并为划分得到的多个数据集分别添加特征名和特征值，其中数据集的格式可以是.csv或.SQL或其他格式。
步骤S12，根据多个数据集进行拟合得到水泵特性曲线，水泵特性曲线包括用于表征流量与扬程的对应关系的第一特性曲线、用于表征流量与功率的第二特性曲线，以及用于表征流量与效率的对应关系的第三特性曲线；
在步骤S12中，拟合水泵特性曲线，得到流量与扬程、流量与功率、流量与效率的数学关系式，通过对离心泵特性曲线的理论分析与实际测定，可以得出，每一台水泵在额定转速或某一转速下，都有其固有的特性曲线，上述水泵特性曲线反映了某一型号的水泵本身的潜在工作能力，在现实泵站的运行中，这种潜在的工作能力表现为瞬时的实际出水量、扬程、轴功率以及效率值等，水泵特性曲线的建立为泵站优化运行模型的搭建提供基础与参考。
具体的，拟合对象：定速泵特性曲线和变频泵特性曲线；
特性曲线：流量-扬程、流量-功率、流量-效率；
拟合方法：最小二乘法；
对水泵特性曲线进行拟合的过程如下：
首先，以流量xi(i＝1,2,...,n)作为自变量，扬程y1i、功率y2i、效率y3i分别为因变量；
其次，分别建立多项式函数：
流量-扬程对应的多项式函数：f1(xi)＝α1x2+β1x+γ1；
流量-功率对应的多项式函数：f2(xi)＝α2x2+β2x+γ2；
流量-效率对应的多项式函数：f3(xi)＝α3x2+β3x+γ3；
再次，将上述划分好的数据集中的数据分别输入上述多项式函数中，以预测值偏离真实值的程度最小为原则(如下公式)，得到上述各多项式函数分别对应的各个参数。
最后，可得到用于表征流量与扬程的对应关系的第一特性曲线、用于表征流量与功率的第二特性曲线，以及用于表征流量与效率的对应关系的第三特性曲线。
步骤S13，根据水泵特性曲线的第一特性曲线、第二特性曲线以及第三特性曲线分别进行分析，得到对应的运行工况点和高效工作区间；
在步骤S13中，根据上述水泵特性曲线中的定速泵特性曲线分别得到定速泵对应的运行工况点，以及根据上述水泵特性曲线中的变频泵特性曲线进行分析得到对应的高效工作区间；
针对定速泵，离心泵装置的实际运行工况点由泵的性能(水泵特性曲线)和管路***及边界条件(管路特性曲线)共同决定，水泵特性曲线与管路特性曲线的交点M点即为该定速泵装置的工况点，其他运行条件不变时，定速泵装置稳定工作在M点，且泵在该工况点的运行效率最高，即若要调节运行工况点，可以通过改变水泵特性曲线或者改变管路特性曲线；
针对变频泵，泵在可调速的电机驱动下，通过改变电机转速，可进一步改变泵装置的工况点。相比于定速泵的运行工况，变频泵的运行工况在城市供水管网需水量逐时变动情况下，为了使泵站装置运行成本最优化，需要对泵站装置的运行工况点进行调节，使泵站装置在高效工作区运行。
变频泵的调流范围确定方式如下：第一转速n1下的流量Q-扬程H对应的第一曲线，第二转速n2下的流量Q-扬程H对应的第二曲线，根据比例定律，得到以坐标原点为顶点的相似工况抛物线(也称等效曲线)，即流量Q-扬程H对应的第一曲线为hA＝kAQ2，流量Q-扬程H对应的第二曲线为hB＝kBQ2，四条曲线所围成的区域即为该变频泵的高效工作区间，高效工作区间的最左侧点与最右侧点对应的流量，即为变频泵的调流范围。
步骤S14，建立泵站优化运行模型，泵站优化运行模型包括目标函数和约束条件，基于泵站优化运行模型的约束条件对泵站优化运行模型的目标函数进行优化求解。
在一个较佳的实施例中，步骤S14中，目标函数为：
其中，
m表示泵站中定速泵的台数；
n表示泵站中变频泵的台数；
ωi表示定速泵的运行状态；
ωj表示变频泵的运行状态；
Ni表示定速泵的功率；
Nj表示变频泵的功率；
F表示目标函数。
其中，上述约束条件包括出口压力约束、出水总流量约束、频调速比约束和流量区间约束；
出口压力约束包括将各并联的水泵的出口压力配置为一设定的泵站供水压力；
出水总流量约束包括将泵站的各水泵的流量之和配置为一设定的泵站供水流量；
变频调速比约束包括变频泵的转速比存在最低转速比与最高转速比，超过此范围，泵的性能受限；
流量区间约束包括变频泵高效流量区间和定速泵高效流量区间
步骤S2，获取供水区域的用水需求历史数据，根据供水区域的用水需求历史数据进行分析，预测得到下一预设时段的泵站供水量；
在步骤S2中，供水区域的用水需求历史数据为城市管网检测点供水量历史数据以及管网末端用户用水量历史数据。建立机器学习模型，对供水区域的用水需求历史数据进行分析预测，为泵站优化运行模型提供准确输入。
在一个较佳的实施例中，如图3所示，步骤S2具体包括：
步骤S21，对供水区域的用水需求历史数据进行预处理，得到一时间序列数据集，即使供水区域的用水需求历史数据转换为具备输入输出监督学习的时间序列数据集；
步骤S22，对预处理后的时间序列数据集进行划分，形成训练集、测试集、验证集；
步骤S23，建立一供水预测模型，根据时间序列数据集对供水预测模型进行训练、测试、验证，并对训练好的供水预测模型进行评估，对模型的评估可采用现有技术中模型评估方式，根据实际泵站需求评估供水预测模型是否合格；
步骤S24，于供水预测模型的评估结果合格时，采集供水区域的前一预设时间段内的用水需求数据，前一预设时间段可以是前一天，前N天，也可以是某一天，可以按照用水需求历史数据中的用水规律确定时间段，例如根据历史周末的用水情况预测下一周末的用水情况，例如根据历史节假日的用水情况预测下一个对应的历史节假日的用水情况；
步骤S25，根据训练好的供水预测模型对前一预设时间段内的用水需求数据进行处理，预测得到下一预设时间段内的平均小时用水量，即将前N天的用水需求历史数据输入供水预测模型中，预测后一天24小时的平均小时用水量。
步骤S3，根据泵站优化运行模型对下一预设时段的泵站供水量和一预设的压力(即设定的压力)进行处理，得到一优化的配泵方案。
在一个较佳的实施例中，如图4所示，步骤S3的处理过程具体包括如下步骤：
步骤S31，根据泵站优化运行模型的目标函数和约束条件，建立一决策变量参数集，决策变量参数集包括水泵转速比、开关状态；
步骤S32，对决策变量参数集进行编码，即将问题的解空间映射到编码空间，编码方式采用的是实数、整数编码；
步骤S33，形成第一种群，并对第一种群进行初始化；
在一个较佳的实施例中，步骤S33中，对第一种群进行初始化具体包括：
根据编码规则在可行域内产生若干个可行解，初始化方法为随机函数法，即利用随机函数法对若干个可行解进行初始化，形成第一种群。
步骤S34，评估第一种群的个体的适应度；
适应度是指种群个体适应环境的能力，以目标函数的值作为适应度值，遵循最小化约定，即目标函数值越大，适应度越小。
在目标函数与适应度函数之间建立合理的映射关系，保证适应度值是非负的，并且适应度增大的方向与目标函数的优化方向一致。
在计算适应度时引入罚函数，以解决带复杂约束的优化问题，即通过对非可行解施加惩罚，以此降低不符合约束条件的非可行解个体在下一代中的生存概率。
步骤S35，执行选择、重组、变异进化操作；
选择是指从群体中根据一定规则选择优胜个体、淘汰劣质个体的过程，使优胜的个体直接遗传到下一代或通过重组产生新的个体再遗传到下一代。其中，选择操作建立在群体个体的适应度评估基础上。
重组又称交叉，是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。
变异是指通过改变染色体中的一部分元素来形成新的染色体的过程，能够提高种群的多样性，降低进化算法陷入局部最优解的风险。
步骤S36，利用一遗传算法对第一种群的个体进行进化，得到新的个体形成一第二种群；
步骤S37，判断是否满足一预设的终止条件：
若是，则转入步骤S38；
若否，则返回步骤S34；
其中，在一个较佳的实施例中，预设的终止条件为约束条件；
步骤S37中，判断可行解是否满足泵站优化运行模型的约束条件，当某个可行解已经满足满意解的条件，即满意解已经找到，可终止遗传算法。
在一个较佳的实施例中，预设的终止条件为一预设的适应度阈值；
步骤S37中，判断个体对应的适应度是否满足一预设的适应度阈值，当适应度已经达到饱和，继续进化不会产生适应度更好的近似解。
在一个较佳的实施例中，预设的终止条件为一预设的迭代次数；
步骤S37中，判断遗传算法的进化次数是否满足一预设的迭代次数，当进化到指定的种群代数可终止算法，或者由于计算耗费的资源限制，如计算时间、计算占用的内存等，达到一定的资源占用量时也可终止算法。
只要满足上述三个终止条件中的任意一个即可终止进化操作。
步骤S38，将适应度最大的个体作为优化后的决策变量参数集，并输出，决策变量参数集包括转速比、开关状态。
在一个较佳的实施例中，约束条件包括出口压力约束、出水总流量约束、频调速比约束和流量区间约束。
本技术方案的有益效果在于：
本发明建立智能配泵模型，以泵站运行费用最低为目标函数，在满足城市需水量、扬程前提下，实现多泵的协调使用，使水泵运行在高效工作区，减少能耗浪费，降低净水厂能耗、提高企业效益。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (10)
1.一种泵站智能配泵方法，其特征在于，包括：
步骤S1，获取泵站的水泵性能测试数据，根据所述水泵性能测试数据进行分析，得到一泵站优化运行模型；
步骤S2，获取供水区域的用水需求历史数据，根据所述供水区域的用水需求历史数据进行分析，预测得到下一预设时段的泵站供水量；
步骤S3，根据所述泵站优化运行模型对所述下一预设时段的泵站供水量和一预设的压力进行处理，得到一优化的配泵方案。
2.根据权利要求1所述的一种泵站智能配泵方法，其特征在于，所述步骤S1具体包括：
步骤S11，对采集的所述水泵性能测试数据进行划分，得到多个对应性能测试参数的数据集，所述性能测试参数包括流量，以及所述流量对应的扬程、功率和效率；
步骤S12，根据多个所述数据集进行拟合得到水泵特性曲线，所述水泵特性曲线包括用于表征所述流量与所述扬程的对应关系的第一特性曲线、用于表征所述流量与所述功率的第二特性曲线，以及用于表征所述流量与所述效率的对应关系的第三特性曲线；
步骤S13，根据所述水泵特性曲线的所述第一特性曲线、所述第二特性曲线以及所述第三特性曲线分别进行分析，得到对应的运行工况点和高效工作区间；
步骤S14，建立所述泵站优化运行模型，所述泵站优化运行模型包括目标函数和约束条件，基于所述泵站优化运行模型的所述约束条件对所述泵站优化运行模型的所述目标函数进行优化求解。
3.根据权利要求2所述的一种泵站智能配泵方法，其特征在于，所述步骤S14中，所述目标函数为：
其中，
m表示所述泵站中定速泵的台数；
n表示所述泵站中变频泵的台数；
ωi表示所述定速泵的运行状态；
ωj表示所述变频泵的运行状态；
Ni表示所述定速泵的功率；
Nj表示所述变频泵的功率；
F表示所述目标函数。
4.根据权利要求1所述的一种泵站智能配泵方法，其特征在于，所述步骤S2具体包括：
步骤S21，对所述供水区域的所述用水需求历史数据进行预处理，得到一时间序列数据集；
步骤S22，对预处理后的所述时间序列数据集进行划分，形成训练集、测试集、验证集；
步骤S23，建立一供水预测模型，根据所述时间序列数据集对所述供水预测模型进行训练、测试、验证，并对训练好的所述供水预测模型进行评估；
步骤S24，于所述供水预测模型的评估结果合格时，采集所述供水区域的前一预设时间段内的用水需求数据；
步骤S25，根据训练好的所述供水预测模型对所述前一预设时间段内的用水需求数据进行处理，预测得到下一预设时间段内的平均小时用水量。
5.根据权利要求1所述的一种泵站智能配泵方法，其特征在于，所述步骤S3具体包括：
步骤S31，根据所述泵站优化运行模型的目标函数和约束条件，建立一决策变量参数集，所述决策变量参数集包括水泵转速比、开关状态；
步骤S32，对所述决策变量参数集进行编码；
步骤S33，形成第一种群，并对所述第一种群进行初始化；
步骤S34，评估所述第一种群的个体的适应度；
步骤S35，执行选择、重组、变异进化操作；
步骤S36，利用一遗传算法对所述第一种群的个体进行进化，得到新的个体形成一第二种群；
步骤S37，判断是否满足一预设的终止条件：
若是，则转入步骤S38；
若否，则返回所述步骤S34；
步骤S38，将所述适应度最大的所述个体作为优化后的所述决策变量参数集，并输出。
6.根据权利要求5所述的一种泵站智能配泵方法，其特征在于，所述步骤S33中，对所述第一种群进行初始化具体包括：
根据编码规则在可行域内产生若干个可行解，利用随机函数法对所述若干个所述可行解进行初始化，形成所述第一种群。
7.根据权利要求6所述的一种泵站智能配泵方法，其特征在于，所述预设的终止条件为所述约束条件；
所述步骤S37中，判断所述可行解是否满足所述泵站优化运行模型的所述约束条件。
8.根据权利要求5所述的一种泵站智能配泵方法，其特征在于，所述预设的终止条件为一预设的适应度阈值；
所述步骤S37中，判断所述个体对应的所述适应度是否满足一预设的适应度阈值。
9.根据权利要求5所述的一种泵站智能配泵方法，其特征在于，所述预设的终止条件为一预设的迭代次数；
所述步骤S37中，判断所述遗传算法的进化次数是否满足一预设的迭代次数。
10.根据权利要求6所述的一种泵站智能配泵方法，其特征在于，所述约束条件包括出口压力约束、出水总流量约束、频调速比约束和流量区间约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110291013.9A CN113156817B (zh) | 2021-03-18 | 2021-03-18 | 一种泵站智能配泵方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110291013.9A CN113156817B (zh) | 2021-03-18 | 2021-03-18 | 一种泵站智能配泵方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113156817A true CN113156817A (zh) | 2021-07-23 |
| CN113156817B CN113156817B (zh) | 2022-11-22 |
Family
ID=76887918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110291013.9A Active CN113156817B (zh) | 2021-03-18 | 2021-03-18 | 一种泵站智能配泵方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113156817B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114017302A (zh) * | 2021-11-03 | 2022-02-08 | 江苏四联自动化科技有限公司 | 一种多级泵站动态恒液位智能调节方法及*** |
| CN114371614A (zh) * | 2021-12-20 | 2022-04-19 | 上海西派埃智能化***有限公司 | 一种基于遗传算法的泵站泵组运行确定方法及*** |
| CN114623073A (zh) * | 2022-02-15 | 2022-06-14 | 国家石油天然气管网集团有限公司 | 一种多批次顺序运输液体管道开泵方案序贯决策方法 |
| CN114970064A (zh) * | 2022-06-01 | 2022-08-30 | 中冶赛迪信息技术(重庆)有限公司 | 一种供水方案的获取方法、装置、电子设备及介质 |
| CN115293514A (zh) * | 2022-07-08 | 2022-11-04 | 深圳市前海能源科技发展有限公司 | 区域能源供给的控制方法、***及存储介质 |
| CN115455812A (zh) * | 2022-08-25 | 2022-12-09 | 临涣水务股份有限公司 | 一种供水泵站优化方法及*** |
| CN116466591A (zh) * | 2023-06-13 | 2023-07-21 | 埃睿迪信息技术（北京）有限公司 | 用于供水***的供水策略的确定方法及装置 |
| CN116596280A (zh) * | 2023-07-17 | 2023-08-15 | 青岛国源中创电气自动化工程有限公司 | 一种污水处理厂水泵组的协同调度方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100114385A1 (en) * | 2008-10-31 | 2010-05-06 | Ian Dempster | Systems and methods to control energy consumption efficiency |
| CN102629106A (zh) * | 2012-04-11 | 2012-08-08 | 广州东芝白云自动化***有限公司 | 供水控制方法及*** |
| CN103062076A (zh) * | 2013-01-25 | 2013-04-24 | 北京清华同衡规划设计研究院有限公司 | 一种城市水厂泵站单台水泵性能曲线率定方法 |
| CN103277291A (zh) * | 2013-06-07 | 2013-09-04 | 上海东方威尔自动化有限公司 | 一种单级泵站优化调度方法 |
| 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 |
| CN107679717A (zh) * | 2017-09-15 | 2018-02-09 | 西安博兴自动化科技有限公司 | 一种基于水量信息采集和泵站群优化调度的管理*** |
| CN109191018A (zh) * | 2018-10-26 | 2019-01-11 | 智恒科技股份有限公司 | 一种水厂多台水泵节能管理方法 |
| CN109214110A (zh) * | 2018-09-27 | 2019-01-15 | 中国水利水电科学研究院 | 一种长距离提水工程优化调度方法 |
| 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 |
-
2021
- 2021-03-18 CN CN202110291013.9A patent/CN113156817B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100114385A1 (en) * | 2008-10-31 | 2010-05-06 | Ian Dempster | Systems and methods to control energy consumption efficiency |
| CN102629106A (zh) * | 2012-04-11 | 2012-08-08 | 广州东芝白云自动化***有限公司 | 供水控制方法及*** |
| CN103062076A (zh) * | 2013-01-25 | 2013-04-24 | 北京清华同衡规划设计研究院有限公司 | 一种城市水厂泵站单台水泵性能曲线率定方法 |
| CN103277291A (zh) * | 2013-06-07 | 2013-09-04 | 上海东方威尔自动化有限公司 | 一种单级泵站优化调度方法 |
| 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 |
| CN107679717A (zh) * | 2017-09-15 | 2018-02-09 | 西安博兴自动化科技有限公司 | 一种基于水量信息采集和泵站群优化调度的管理*** |
| CN109214110A (zh) * | 2018-09-27 | 2019-01-15 | 中国水利水电科学研究院 | 一种长距离提水工程优化调度方法 |
| CN109191018A (zh) * | 2018-10-26 | 2019-01-11 | 智恒科技股份有限公司 | 一种水厂多台水泵节能管理方法 |
| 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 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114017302A (zh) * | 2021-11-03 | 2022-02-08 | 江苏四联自动化科技有限公司 | 一种多级泵站动态恒液位智能调节方法及*** |
| CN114371614A (zh) * | 2021-12-20 | 2022-04-19 | 上海西派埃智能化***有限公司 | 一种基于遗传算法的泵站泵组运行确定方法及*** |
| CN114623073A (zh) * | 2022-02-15 | 2022-06-14 | 国家石油天然气管网集团有限公司 | 一种多批次顺序运输液体管道开泵方案序贯决策方法 |
| CN114623073B (zh) * | 2022-02-15 | 2023-07-11 | 国家石油天然气管网集团有限公司 | 一种多批次顺序运输液体管道开泵方案序贯决策方法 |
| CN114970064A (zh) * | 2022-06-01 | 2022-08-30 | 中冶赛迪信息技术(重庆)有限公司 | 一种供水方案的获取方法、装置、电子设备及介质 |
| CN115293514A (zh) * | 2022-07-08 | 2022-11-04 | 深圳市前海能源科技发展有限公司 | 区域能源供给的控制方法、***及存储介质 |
| CN115455812A (zh) * | 2022-08-25 | 2022-12-09 | 临涣水务股份有限公司 | 一种供水泵站优化方法及*** |
| CN116466591A (zh) * | 2023-06-13 | 2023-07-21 | 埃睿迪信息技术（北京）有限公司 | 用于供水***的供水策略的确定方法及装置 |
| CN116466591B (zh) * | 2023-06-13 | 2023-08-29 | 埃睿迪信息技术（北京）有限公司 | 用于供水***的供水策略的确定方法及装置 |
| CN116596280A (zh) * | 2023-07-17 | 2023-08-15 | 青岛国源中创电气自动化工程有限公司 | 一种污水处理厂水泵组的协同调度方法 |
| CN116596280B (zh) * | 2023-07-17 | 2023-10-03 | 青岛国源中创电气自动化工程有限公司 | 一种污水处理厂水泵组的协同调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113156817B (zh) | 2022-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113156817B (zh) | 一种泵站智能配泵方法 | |
| CN107292766B (zh) | 面向风电消纳的电力***调峰手段经济性评估方法与*** | |
| CN110417048B (zh) | 一种考虑源网荷约束的直流电网送受端联合调峰优化方法 | |
| JP2020517227A (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
| CN102629106B (zh) | 供水控制方法及*** | |
| CN103277291A (zh) | 一种单级泵站优化调度方法 | |
| CN110500291B (zh) | 一种基于遗传算法的多泵并联控制方法 | |
| CN111681130B (zh) | 一种考虑条件风险价值的综合能源***优化调度方法 | |
| CN109214709B (zh) | 一种钢铁企业制氧***优化分配的方法 | |
| CN116466591B (zh) | 用于供水***的供水策略的确定方法及装置 | |
| CN106354931A (zh) | 一种基于水泵特性曲线更新的泵站优化调度方法 | |
| CN111767677A (zh) | 一种基于ga算法的梯级泵站群扬程优化分配方法 | |
| CN113991640B (zh) | 基于火电的多能互补能源基地能源配置规划方法 | |
| CN116255665A (zh) | 一种基于热网***负荷预测的供热联控方法及*** | |
| KR20220076869A (ko) | 전력 사용량 예측 시스템 및 방법 | |
| CN112465196A (zh) | 一种***负荷预测方法、装置、设备和存储介质 | |
| CN112613654A (zh) | 一种基于多类型储能的综合能源***灵活性评估方法 | |
| CN111461449A (zh) | 一种用电负荷预测方法及计算机程序产品 | |
| CN113591283B (zh) | 燃气锅炉的运行氧量调整方法、装置和计算机设备 | |
| CN117254505B (zh) | 基于数据处理的储能电站优化运行模式决策方法及*** | |
| CN116819971B (zh) | 一种涡轮发电机组的输出稳定性控制方法及*** | |
| TWI818807B (zh) | 並聯變頻泵控制裝置與並聯變頻泵控制方法 | |
| CN113361763B (zh) | 一种输气管网的全时段运行优化方法及*** | |
| CN115853759A (zh) | 一种基于物联网的水泵机组设备节能运行*** | |
| CN118070964A (zh) | 一种寒地风光热储综合能源***优化运行*** |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Intelligent Pump Allocation Method for Pumping Stations Effective date of registration: 20230512 Granted publication date: 20221122 Pledgee: Zheshang Bank Limited by Share Ltd. Shanghai branch Pledgor: WPG (SHANGHAI) SMART WATER PUBLIC Co.,Ltd. Registration number: Y2023310000188 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |