郭昊祎、牛慧敏、陈梦涵、刘世博、郭宇轩
郑州市华北水利水电大学，450003
摘要：应用大数据技术，进行短期水量预测和管网压力优化；并通过实验检验其实施效果。未来可以通过实时的水量预测模型，指导运行调度决策。自来水厂供水需要控制其出厂流量及其管道压力，这个过程需要调度员实时去读表，并通过自己的经验对水量进行调节。该项目应用大数据分析计算进行水量预测和管道压力预测。通过实验检验其可行性。由于宏观模型具有建模简单，适应性强，能有效利用遥测设备及长年累积 的数据等优点，因此采用该模型进行科学调度，分析管网状态的动态规律有广阔的应用前景。
关键词：智慧水务；大数据技术；python编程技术
引言：
伴随大数据及信息技术的高速发展，传统水务工作也开始向“智慧水务”转型。所谓智慧水务，就是解放了传统水务工作者的实地监测工作，改用自动化监测设备对数据进行实时采集，通过互联网将数据传输到终端，从而提高水务管理工作的能力和水平。目前已有很多国家都相继开展了智慧水务的建设实践。美国IBM公司在智慧水资源管理方面做了很多贡献。 其为哥伦比亚水务局创建了一套监督系统，实现水务基础设施的率先维护， 使管理工作由被动变主动。以色列建立的智能水务系统推动了水资源的节约、提高了城市水资源再生水的利用率。韩国KICT专家推行的区域化智能水网建设提高了城市供水效率以及解决了区域水资源分布不均等问题。近几年，我国也进入了智慧水务建设的高速发展阶段。成都利用水务物联网技术，形成了智能化水务信息系统，实现水资源、水环境、水安全的系统化管理。深圳市水务局已建成了雨水情、水资源、气象、基础工情、供水水质、污水水质、水土保持、政务信息和视频资源为一体的水务基础数 据库，实现水务数据资源“数据源”。[2]武汉市已建立污水处理综合运营管理平台，实现对污水处理企业生产过程的实时控制与精细化管理。城市智慧给水系统是为了更好地适应城市对供水的需求，弥补传统给 水工程的不足，其主要内容包括水量预测、调度应急、水厂自控及变频、漏损监测、在线监测等。在水源地建立水源监测系统，保证城市饮水安全 以及监测水量的储备情况。在自来水厂建立水厂监测系统，并对城市中用水大户单独安装大用户水表，建立大用户抄表系统。此外，针对给水管网，建立管网压力监测系统、漏损监测系统以及管网优化调度系统。通过管网 优化调度系统，能够及时获得区域供水和用水情况，根据实时数据与历史数据，预测城市下一时段用水量，并自动给出优化调度方案，保证用户用水，大大提高了调度优化效率。
技术运行过程：
1、宏观模型原理的确定：给水管网正常运行时，在一定的供水时段内，管网的拓扑结构基本不变，用户的用水量较稳定，管网的运行状态是渐变的，具有一定的趋势性。当管网中监测点均匀 分布在管网区域中时，通过测压点、测流点可大致了解管网的运行状况，同时水厂的出水压力和流量反映了管网水厂的工况，加压泵站的出水流量和压力反映了加压站的工况，这样就可以通过测压测流点和水厂、加压泵站的数据来反映整个管网工况。在管网上均匀放置一定数目的测压点、测流点、则水厂、泵站的出水压力、流量 与测压点压力、测流点流量存在微分关系。
3、 基于宏观模型的科学调度策略
将变频闭环控制的出厂压力移至管网主控点，形成“大闭环”控制，具体步骤如下：
（1）根据当前时段之前一段时间内各水厂出厂压力、流量、管网主控点压力，
建立宏观模型，求解宏观模型系数矩阵。
（2）根据当前时段之前一段时间内总流量数据，利用水量预测算法预测下一时
段的总流量。
（3）将当前水厂出厂压力保持不变，或提升（降低）δ'，2δ'，…，nδ' 米水头，
另一水厂也将当前出厂压力保持不变，或提升（降低）δ''，2δ''，…，nδ'' 米水头，这
样共将产生k种组合。
（4） 将每一种压力组合，下一时段的预测的总流量及宏观模型系数矩阵计算出
来。
（5）对每一种组合生成的管网主控压力点的压力进行综合评价。评价的原是使
主控点的压力维持基本稳定，在合理区间（不过高或过低，例如正负 2 米内）波动。
根据评价结果优选出下一时段各水厂的出厂压力值。
（6）另一种实施策略是根据历史运行的水泵运行组合模式，在历史运行数据库
查询曾经出现的工况点，择取适宜的工况点，根据预测流量，直接产生出厂压力；带
入宏观模型验证后，或经优化调整后，输出适宜的出厂压力。
（7）通过远程数据传输，将此压力值发送到变频调速装置的远传压力接受端口。
并予以执行。
（8）待新的管网压力数据产生后，重复以上步骤，实现在每一个调度时段内动
态建模，实时调整出厂压力，而使管网压力基本保持稳定。
通过对城市配水系统的宏观模型及科学调度研究，并结合 LB 市的供水特点，进 行了基于宏观模型的变频调速策略的尝试。
（1）通过数据库的导入及更新流量值，进行水量预测。
获取自来水厂获取的水量数据，将前n天的水量数据导入数据库。
随着时间的变化，流量数据会不断地更新，流量的实际值和预测值可能存在偏差。
如果不加以修正，可能使预测流量误差进一步偏大。所以每当 15 分钟获得新的实时 流量数据后，将最新流量值导入到数据库中，重新建模、校验，从而获得实时更新的， 更加准确的预测流量曲线。
（2）历史调度运行记录的梳理：通过对某送水泵站某天历史调度数据的梳理，
总结出该泵站每天的实际运行仅限于三种工况：两台大泵全开，均工频运行；两台大 泵全开，其中一台变频运行；仅开一台大泵，工频运行。 通过预测流量可以由上图的分段函数，计算得到预估出厂压力，再通过宏 观模型计算即可得到管网主控压力点——罗马世家测压点的压力。如果该压力值正常，保持目前工况不变；若该压力值偏高或偏低，则需要通过宏观模型做多方案模拟,优化得到适宜的出厂压力，并通过调度予以执行。[1]
应用大数据技术，进行短期水量预测和管网压力优化；并通过实验检验其实施效果。未来可以通过实时的水量预测模型，指导运行调度决策。自来水厂供水需要控制其出厂流量及其管道压力，这个过程需要调度员实时去读表，并通过自己的经验对水量进行调节。该项目应用大数据分析计算进行水量预测和管道压力预测。通过实验检验其可行性。后期可以通过准确的水量预测模型，准确高效的进行调度应急、水厂自控及变频，在线监测等。
结论：
采用测压测流数据，可建立测压、测流及水厂压力的宏观模型。宏观模型克服了 给水管网微观水力模型静态分析计算量大、难以实时跟踪的缺陷，又避免了微观建模 需要详尽的基础数据的麻烦，直接建立未知变量与监测信息的关系模型，可用于解决 已知信息不充分的困难。同时，该宏观模型为分时段、动态可更新模型，稳定性较好， 能充分反映管网不同时段、不同时间的运行规律。 将供水科学调度的复杂优化系统分解为两级调度系统来实现。一级求得泵站的最佳出水流量和压力；二级科学调度根据变速和定速水泵的运行规律，将水泵的最佳出 水压力转换为水泵的调速频率和组合方案，从而方便实现水厂的科学调度控制。运用数据库将水厂已有水量，水压数据导入。有效利用水厂积累的数据。根据预测流量，直接产生出厂压力；带入宏观模型验证后，或经优化调整后，输出适宜的出厂压力。为水厂自动调频，应急调度，在线监控提供数据上的需求。对自来水厂水泵组合模式进行分析，本次对水厂进行调研共有三种工况：两台大泵全开，均工频运行；两台大 泵全开，其中一台变频运行；仅开一台大泵，工频运行。根据测定的数据，择取适宜的工况点，使结果准确性得到进一步提升。利用遥感设备，远程对压力进行测定。在避免过量使用人力的同时可以获得更加准确，准时的实际数据。
参考文献：
【1】侯煜堃.《水务人工智能技术基础与应用趋势——数据、模型与优化》2019.06
【2】杨明祥、蒋云钟、田雨.《智慧水务建设需求探析》【J】2021.03