一种送水系统的泵房控制策略优化方法、系统及电子设备与流程

本发明涉及水务泵房控制，特别是涉及一种送水系统的泵房控制策略优化方法、系统及电子设备。

背景技术：

1、人口增加和社会发展导致能源使用量快速增加，由于全球能源生产仍以化石燃料为主，大量的能源消耗导致全球温室气体排放量迅速增加。在供水系统中，取水和供水泵站消耗了大部分能量，提高泵站的能源效率势在必行，泵优化是一种重要的技术，旨在降低取水和供水泵站的能耗和碳排放，从而改善供水系统的能源效率和可持续性。

2、优化水泵站的运行策略是一种低成本的投资，相比于更换调速泵等硬件设备来说，通过使用先进的控制方法和优化算法，可以实现最佳的能源效率和运行性能。这些方法可以根据实时的需求和运行条件来调整水泵的运行模式，从而最大限度地减少能耗和碳排放。

3、目前，许多取水和供水泵站采用反馈控制策略，如水位和压力控制，以实现运行可靠性。一种可行的方法是使用数字技术是改进供水系统，如g.farina等人使用epanet系统通过经验模型对配水系统建模；另一种普遍使用的方法是使用物理模型对水泵系统内各种变量的关系进行拟合，再使用动态数学优化的方法找到最佳节能测量，如c.giacomello等人通过一种使用线性规划和贪心算法的新型混合优化方法解决了泵调度问题。然而，现有的基于经验判断的运行方法可能导致能效较低。为了改善能源效率，许多研究已经致力于优化水系统的运行策略，包括控制方法、优化目标和相关的优化算法。

技术实现思路

1、本发明的目的是提供一种送水系统的泵房控制策略优化方法、系统及电子设备，能够降低送水系统的能耗，同时降低人工试错成本。

2、为实现上述目的，本发明提供了如下方案：

3、一种送水系统的泵房控制策略优化方法，包括：

4、获取待控制泵房中每台水泵的频率-能耗关系；

5、根据待控制泵房不同水泵状态组合下供水系统的历史压力和历史流量，对神经网络进行训练，得到水泵状态-流量模型和水泵状态流量-压力模型；所述水泵组合状态包括待控制泵房中每台水泵的启停，以及待控制泵房中状态为开启的水泵的运行频率；

6、构建约束条件和目标函数；

7、基于所述约束条件、所述水泵状态-流量模型、水泵状态流量-压力模型和多个所述频率-能耗关系，利用遗传算法对所述目标函数进行求解，得到最优水泵状态组合；

8、基于所述最优水泵状态组合，控制所述待控制泵房。

9、可选的，所述约束条件包括水量约束条件和压力约束条件；

10、水量约束条件为：

11、f供水≥f需求

12、其中，f供水为通过控制水泵实际供水量，f需求为供水端预测的需求量；

13、压力约束条件为：供水总管不同时段的高区压力处于对应时段的高区压力范围内；供水总管不同时段的低区压力处于对应时段的低区压力范围内；

14、不同时段的高区压力范围不同；

15、不同时段的低区压力范围不同；

16、同一时段的低区压力范围和高区压力范围不同。

17、可选的，所述目标函数为：

18、

19、式中：psum_h为总功率，i为第i台水泵，n为水泵台数，ci为第i台水泵开启状态，pi(f)为第i台水泵的能耗关于频率的函数模型。

20、可选的，所述根据待控制泵房不同下供水系统的历史压力和历史流量，对神经网络进行训练，得到水泵状态-流量模型和水泵状态流量-压力模型，包括：

21、以水泵状态组合为输入，以水泵状态组合下供水系统的历史压力和历史流量为输出，利用遗传算法对神经网络进行训练，得到水泵状态-流量模型和水泵状态流量-压力模型。

22、可选的，训练水泵状态-流量模型和水泵状态流量-压力模型的损失函数为mse均方误差。

23、一种送水系统的泵房控制策略优化系统，包括：

24、频率-能耗关系获取模块，用于获取待控制泵房中每台水泵的频率-能耗关系；

25、水泵状态-流量模型和水泵状态流量-压力模型确定模块，用于根据待控制泵房不同水泵状态组合下供水系统的历史压力和历史流量，对神经网络进行训练，得到水泵状态-流量模型和水泵状态流量-压力模型；所述水泵组合状态包括待控制泵房中每台水泵的启停，以及待控制泵房中状态为开启的水泵的运行频率；

26、目标函数构建模块，用于构建约束条件和目标函数；

27、最优水泵状态组合确定模块，用于基于所述约束条件、所述水泵状态-流量模型、水泵状态流量-压力模型和多个所述频率-能耗关系，利用遗传算法对所述目标函数进行求解，得到最优水泵状态组合；

28、泵房控制模块，用于基于所述最优水泵状态组合，控制所述待控制泵房。

29、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的一种送水系统的泵房控制策略优化方法。

30、可选的，所述存储器为可读存储介质。

31、根据本发明提供的具体实施例，本发明公开了以下技术效果：

32、本发明提供了一种送水系统的泵房控制策略优化方法、系统及电子设备，获取待控制泵房中每台水泵的频率-能耗关系；根据待控制泵房不同水泵状态组合下供水系统的历史压力和历史流量，对神经网络进行训练，得到水泵状态-流量模型和水泵状态流量-压力模型；水泵组合状态包括待控制泵房中每台水泵的启停，以及待控制泵房中状态为开启的水泵的运行频率；构建约束条件和目标函数；基于约束条件、水泵状态-流量模型、水泵状态流量-压力模型和多个频率-能耗关系，利用遗传算法对目标函数进行求解，得到最优水泵状态组合；基于最优水泵状态组合，控制待控制泵房。本发明通过构建水泵状态-流量模型和水泵状态流量-压力模型，对利用遗传算法对目标函数进行求解，能够降低送水系统的能耗，同时降低人工试错成本。具体的，本发明不适用经验模型和概率模型来进行水泵调度，而是完全基于数据驱动的模型，即使用神经网络拟合模型，这种模型能够从数据中提取有用的模式和规律，并基于这些模式和规律做出准确的预测或决策，从而减少了专家知识的介入，并且更准确地捕捉到复杂的关系和非线性的特征，从而提高模型的准确性和效能。同时基于数据优化的模型具有一定的自适应性，可以根据新的数据进行自我更新和调整。这使得模型能够适应数据分布的变化，从而提高模型的泛化能力，能够处理多项任务。本发明基于数据驱动，建立多个数据模型，基于多个数据模型和运维约束限值，结合寻优算法和目标函数综合寻优求解最佳水泵开启和频率组合，具有较好的通用性

技术特征：

1.一种送水系统的泵房控制策略优化方法，其特征在于，包括：

2.根据权利要求1所述的一种送水系统的泵房控制策略优化方法，其特征在于，所述约束条件包括水量约束条件和压力约束条件；

3.根据权利要求1所述的一种送水系统的泵房控制策略优化方法，其特征在于，所述目标函数为：

4.根据权利要求1所述的一种送水系统的泵房控制策略优化方法，其特征在于，所述根据待控制泵房不同下供水系统的历史压力和历史流量，对神经网络进行训练，得到水泵状态-流量模型和水泵状态流量-压力模型，包括：

5.根据权利要求1所述的一种送水系统的泵房控制策略优化方法，其特征在于，训练水泵状态-流量模型和水泵状态流量-压力模型的损失函数为mse均方误差。

6.一种送水系统的泵房控制策略优化系统，其特征在于，包括：

7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的一种送水系统的泵房控制策略优化方法。

8.根据权利要求7所述的一种电子设备，其特征在于，所述存储器为可读存储介质。

技术总结
本发明提供了一种送水系统的泵房控制策略优化方法、系统及电子设备，涉及水务泵房控制技术领域。获取待控制泵房中每台水泵的频率‑能耗关系；基于待控制泵房不同水泵状态组合下供水系统的历史压力和历史流量数据，对神经网络进行训练，得到水泵状态‑流量模型和水泵状态流量‑压力模型；构建约束条件和目标函数；基于约束条件、水泵状态‑流量模型、水泵状态流量‑压力模型和多个频率‑能耗关系，利用遗传算法对目标函数进行求解，得到最优水泵状态组合；基于最优水泵状态组合，控制待控制泵房。本发明通过构建水泵状态‑流量模型和水泵状态流量‑压力模型，对利用遗传算法对目标函数进行求解，能够降低送水系统的能耗，同时降低人工试错成本。

技术研发人员：邓才亮,裴家隆,刘伟
受保护的技术使用者：菱感能源科技（苏州）有限公司
技术研发日：
技术公布日：2024/1/16