技术摘要：
本发明公开了一种泵站实时优化调度方法及系统，首先将泵组通用特性曲线转换为可插值的数据集，利用三维插值方法构建了泵组运行的数学模型，然后将优化时段离散处理，构建目标时段泵站运行的状态矩阵，最后将开机时长、开机台数、叶角限定在可行解集内，采用遗传算法求 全部
背景技术：
感潮泵站是水泵扬程受潮汐变化影响明显的泵站。当前，沿海地区有数百座大中 型感潮泵站，泵站运行过程中，消耗大量能源，且多数效率较低，因此，降低能源消耗提高泵 站运行效率是泵站调度的重要方向，开展感潮泵站优化调度策略研究对泵站的科学调度具 有重要的现实意义。 泵站的运行效率由水泵净扬程、叶角、开机台数的共同决定。水泵净扬程受上下游 水位的影响，不能控制，所以根据净扬程的变化选择合适的叶角和开机台数是提高泵站运 行效率的主要措施，而叶角和开机台数又可以随着净扬程的变化多次调整。因此，感潮泵站 的优化调度就是要在潮位不断变化的情况下，以目标流量为约束，在目标时段内寻找泵站 运行状态的调整次数，每个调整时段的起止时刻、开机台数、泵组叶角的最优组合，实现目 标时段内泵站的运行效率最高。此外，要满足感潮泵站的实时优化调度，还要考虑优化调度 方法求解的时效性。 泵组净扬程是出水池水位和泵站前池潮位的差值，出水池水位变化很小可取恒定 值，因此净扬程的主要影响因素为潮位。目前行业内常见的感潮泵站优化调度方法提供的 仅仅是某些典型潮位下的泵组优化调度的方案，这些方案是静态的报告性的，没有考虑潮 位的时变差异，无法满足感潮泵站实时调度的需求。此外，这些方案多是以日为单位进行优 化，没有考虑供水时段的多日连续性，不能实现目标时段内的优化调度的整体最优。 目前行业内常用感潮泵站实时优化调度的主要缺点为： 1)对泵组特性曲线的处理多采用曲线拟合方法，曲线拟合时采用高次方程，拟合 过程需要人工干预处理，精度偏差大，对拟合人员的技术水平要求高； 2)算法计算的粒度不精细，对潮位的时变性考虑不足，在优化方法中将一日的潮 位变化近似为有限的几个时段，优化计算时采用的是时段内潮位的平均值，该值与泵站实 际运行时的实际潮位偏差大，可信度不高，优化运行的结果并非是全局最优； 3)优化方法架构设计时对于泵站运行时的约束条件考虑不足，当模型确定后，新 的约束条件不能便捷的加入到模型中，导致模型的实用性差； 4)优化方法复杂，计算速度慢，根据工程实时调度运行的需求，优化方法的计算耗 时应控制在2min以内，但是常规的方法求解速度慢，计算时长远远超过2min，时效性差，无 法满足实时调度需求。 通过以上我们可以看出，行业内目前采用的感潮泵站优化方法存在着各种缺陷， 影响了感潮泵站优化运行技术的工程应用。 此外，现阶段泵站优化调度系统逐渐和自动化在线监控结合，这就需要优化调度 方法和系统能够实时对感潮泵站的运行提供在线的实时的优化调度方案，这也就要求优化 6 CN 111581797 A 说 明 书 2/15 页 调度方法的计算耗时要满足时效要求。
技术实现要素：
本发明的目的在于克服现有技术中的不足，提供了一种泵站实时优化调度方法及 系统，解决了现有泵站优化调度技术中泵组特性曲线需要人工拟合，算法计算粒度不精细、 可信度低的技术问题。 为解决上述技术问题，本发明提供了一种泵站实时优化调度方法，包括以下过程： 对泵组通用特性曲线进行插值处理，得到泵组运行数学模型。 对潮位的预报结果进行离散化处理，得到潮位随时间变化的离散值序列。 确定以泵站能耗最小为目标函数的优化运行模型； 根据泵组运行数学模型以及潮位离散值序列，结合优化运行模型，计算得到泵站 机组运行参数； 按照得到的运行参数调整泵站机组的运行状态即可实现泵站的实时优化调度。 进一步的，所述对泵组通用特性曲线进行插值处理，得到泵组运行数学模型，包 括： 通用特性曲线包括表述水泵特征的“叶角～水泵扬程～流量(A～H～Q)”关系，以 及“叶角～流量～效率(A～Q～η)”关系； 不同叶角A下，关系曲线流量～净扬程(Q～Hj)的采样数据集可表达为矩阵UAQHj，如 公式(5)所示： 式中：i为采样点序号，取1，2，3……；Ai、Qi、Hi分别为泵组通用特性曲线A～H～Q上 第i个采样点对应的叶角、水泵扬程、流量，单位分别为°，m，m3/s； 不同叶角A下，关系曲线流量～效率(Q～η)的采样数据集可表达为矩阵UAQη，如公 式(6)所示： 式中：j为采样点序号，取1，2，3……；Aj、Qj、ηj分别为泵组通用特性曲线A～Q～η上 第j个采样点对应的叶角、流量、水泵效率，单位分别为°，m3/s，无量纲； 利用插值函数阐明“叶角A、净扬程Hj、流量Q”三个维度之间的关系，当叶角为Ax，净 扬程为Hjy时，泵组流量Qz的求解可写为公式(7)： Qz＝F(Ax，Hjy) (7) 7 CN 111581797 A 说 明 书 3/15 页 其中，Ax为公式(7)的输入变量值，该值为自变量，表示叶角，x表示该自由变量位 于x轴，Ax介于Ai的最小值和最大值之间，即Ax∈[min(Ai)，max(Ai)]；Hjy为公式(7)的输入变 量值，该值为自变量，表示净扬程，y表示该自由变量位于y轴，Hjy介于Hj的最小值和最大值 之间，即Hjy∈[min(Hj)，max(Hj)]；Qz为公式(7)的输出变量值，该值为因变量，表示泵组流 量，z表示该变量位于z轴，Qz介于Qi的最小值和最大值之间，即Qz∈[min(Qi)，max(Qi)]； 利用插值函数阐明“叶角A、流量Q、效率η”三个维度之间的关系，当叶角为Ax，流量 为Qy时，泵组效率ηz的求解函数如公式(8)所示 ηz＝G(Ax，Qy) (8) 其中，Ax为公式(8)的输入变量值，该值为自变量，表示叶角，x表示该自由变量位 于x轴，Ax介于Ai的最小值和最大值之间，即Ax∈[min(Ai)，max(Ai)]；Qy为公式(8)的输入变 量值，该值为自变量，表示流量，y表示该自由变量位于y轴，Qy介于Qj的最小值和最大值之 间，即Qy∈[min(Qj)，max(Qj)]；ηz为公式(8)的输出变量值，该值为因变量，表示泵组效率，z 表示该变量位于z轴，ηz介于ηi的最小值和最大值之间，即ηz∈[min(ηi)，max(ηi)]。 进一步的，所述对潮位的预报结果进行离散化处理，得到潮位随时间变化的离散 值序列，包括： 对潮位的预报结果，以时长△T采样时，可表示为1×B的矩阵UHd，如公式(9)所示。 UHd＝[Hd1 Hd2 …Hdb…](b＝1,2，……，B 1) (9) 式中：Hdb为第b个采样点的预报潮位，m；B为时段[Ts，Te]中包含的△T的总数量，B ×△T＝Te-Ts。 进一步的，所述确定以泵站能耗最小为目标函数的优化运行模型，包括： 在泵站的实际运行中，第b个△T时段泵组净扬程如公式(11)所示： Hjb＝Hub-Hdb (11) 其中，Hjb为第b个△T时段泵组净扬程，m；Hub为第b个△T时段出水池水位值，m；Hdb 为第b个△T时段潮位值，也就是前池水位值，m； 第b个△T时段泵组能耗如公式(12)所示： 式中：ρ为水的密度，kg/m3；g为重力加速度，m/s2；Qb为第b个△T时段的泵组流量， m3/s；Hjb为第b个△T时段泵组净扬程，m；ηb为第b个△T时段泵组效率，m；W△T为第b个△T时段 单泵能耗，kW·h； 根据公式(7)，公式(12)中的Qb可根据公式(13)计算： Qb＝F(Ab，Hjb) (13) 根据公式(8)，公式(12)中的ηb可根据公式(14)计算： ηb＝G(Ab，Qb) (14) 联合公式(11)、(12)、(13)、(14)，泵站在时段[Ts，Te]能耗最小的目标函数如式 (15)所示： 优化运行模型以公式(15)作为目标函数。 8 CN 111581797 A 说 明 书 4/15 页 进一步的，根据运行数学模型以及潮位离散值序列，结合优化运行模型，计算得到 泵站机组运行参数，包括： 采用穷举法求解优化运行模型，得到优化时段数量； 采用遗传算法求解优化运行模型，得到每个子时段最佳的机组运行参数。 相应的，本发明还提供了一种泵站实时优化调度系统，包括通用特性曲线处理模 块、潮位结果处理模块、优化运行模型确定模块、运行参数求解模块和优化调度模块，其中： 通用特性曲线处理模块，用于对泵组通用特性曲线进行插值处理，得到泵组运行 数学模型。 潮位结果处理模块，用于对潮位的预报结果进行离散化处理，得到潮位随时间变 化的离散值序列。 优化运行模型确定模块，用于确定以泵站能耗最小为目标函数的优化运行模型； 运行参数求解模块，用于根据泵组运行数学模型以及潮位离散值序列，结合优化 运行模型，计算得到泵站机组运行参数； 优化调度模块，用于按照得到的运行参数调整泵站机组的运行状态即可实现泵站 的实时优化调度。 进一步的，通用特性曲线处理模块，所述对泵组通用特性曲线进行插值处理，得到 泵组运行数学模型，包括： 通用特性曲线包括表述水泵特征的“叶角～水泵扬程～流量(A～H～Q)”关系，以 及“叶角～流量～效率(A～Q～η)”关系； 不同叶角A下，关系曲线流量～净扬程(Q～Hj)的采样数据集可表达为矩阵UAQHj，如 公式(5)所示： 式中：i为采样点序号，取1，2，3……；Ai、Qi、Hi分别为泵组通用特性曲线A～H～Q上 第i个采样点对应的叶角、水泵扬程、流量，单位分别为°，m，m3/s； 不同叶角A下，关系曲线流量～效率(Q～η)的采样数据集可表达为矩阵UAQη，如公 式(6)所示： 式中：j为采样点序号，取1，2，3……；Aj、Qj、ηj分别为泵组通用特性曲线A～Q～η上 第j个采样点对应的叶角、流量、水泵效率，单位分别为°，m3/s，无量纲； 利用插值函数阐明“叶角A、净扬程Hj、流量Q”三个维度之间的关系，当叶角为Ax，净 9 CN 111581797 A 说 明 书 5/15 页 扬程为Hjy时，泵组流量Qz的求解可写为公式(7)： Qz＝F(Ax，Hjy) (7) 其中，Ax为公式(7)的输入变量值，该值为自变量，表示叶角，x表示该自由变量位 于x轴，Ax介于Ai的最小值和最大值之间，即Ax∈[min(Ai)，max(Ai)]；Hjy为公式(7)的输入变 量值，该值为自变量，表示净扬程，y表示该自由变量位于y轴，Hjy介于Hj的最小值和最大值 之间，即Hjy∈[min(Hj)，max(Hj)]；Qz为公式(7)的输出变量值，该值为因变量，表示泵组流 量，z表示该变量位于z轴，Qz介于Qi的最小值和最大值之间，即Qz∈[min(Qi)，max(Qi)]； 利用插值函数阐明“叶角A、流量Q、效率η”三个维度之间的关系，当叶角为Ax，流量 为Qy时，泵组效率ηz的求解函数如公式(8)所示 ηz＝G(Ax，Qy) (8) 其中，Ax为公式(8)的输入变量值，该值为自变量，表示叶角，x表示该自由变量位 于x轴，Ax介于Ai的最小值和最大值之间，即Ax∈[min(Ai)，max(Ai)]；Qy为公式(8)的输入变 量值，该值为自变量，表示流量，y表示该自由变量位于y轴，Qy介于Qj的最小值和最大值之 间，即Qy∈[min(Qj)，max(Qj)]；ηz为公式(8)的输出变量值，该值为因变量，表示泵组效率，z 表示该变量位于z轴，ηz介于ηi的最小值和最大值之间，即ηz∈[min(ηi)，max(ηi)]。 进一步的，潮位结果处理模块中，所述对潮位的预报结果进行离散化处理，得到潮 位随时间变化的离散值序列，包括： 对潮位的预报结果，以时长△T采样时，可表示为1×B的矩阵UHd，如公式(9)所示。 UHd＝[Hd1 Hd2 …Hdb…](b＝1,2，……，B 1) (9) 式中：Hdb为第b个采样点的预报潮位，m；B为时段[Ts，Te]中包含的△T的总数量，B ×△T＝Te-Ts。 进一步的，优化运行模型确定模块中，所述确定以泵站能耗最小为目标函数的优 化运行模型，包括： 在泵站的实际运行中，第b个△T时段泵组净扬程如公式(11)所示： Hjb＝Hub-Hdb (11) 其中，Hjb为第b个△T时段泵组净扬程，m；Hub为第b个△T时段出水池水位值，m；Hdb 为第b个△T时段潮位值，也就是前池水位值，m； 第b个△T时段泵组能耗如公式(12)所示： 式中：ρ为水的密度，kg/m3；g为重力加速度，m/s2；Qb为第b个△T时段的泵组流量， m3/s；Hjb为第b个△T时段泵组净扬程，m；ηb为第b个△T时段泵组效率，m；W△T为第b个△T时段 单泵能耗，kW·h； 根据公式(7)，公式(12)中的Qb可根据公式(13)计算： Qb＝F(Ab，Hjb) (13) 根据公式(8)，公式(12)中的ηb可根据公式(14)计算： ηb＝G(Ab，Qb) (14) 联合公式(11)、(12)、(13)、(14)，泵站在时段[Ts，Te]能耗最小的目标函数如式 (15)所示： 10 CN 111581797 A 说 明 书 6/15 页 优化运行模型以公式(15)作为目标函数。 进一步的，运行参数求解模块中，所述根据运行数学模型以及潮位离散值序列，结 合优化运行模型，计算得到泵站机组运行参数，包括： 采用穷举法求解优化运行模型，得到优化时段数量； 采用遗传算法求解优化运行模型，得到每个子时段最佳的机组运行参数。 与现有技术相比，本发明所达到的有益效果是： 1)本发明在泵组特性曲线的处理上采取了三维插值方法，取消了泵组特性曲线的 拟合步骤，降低了工程应用的技术难度。 2)在优化算法设计上，将目标时段离散化，构建了状态矩阵，离散后的单元时长可 以根据优化精度需要自由调整，在单元时长细粒度取值时，优化方法采用的潮位值与泵站 实际运行时的实际潮位偏差小，可信度高，优化运行的结果是全局最优的。 3)优化方法设计时将可行解限定在固定的解集中，约束条件可以通过对固定解集 的元素的限定得以实现，工程应用中可以根据实际条件自由添加约束条件。 4)采用了状态矩阵计算目标函数，计算速度快，鲁棒性好，满足实时优化调度的要 求。 附图说明 图1为本发明方法的流程图； 图2为实施例中叶角～水泵扬程～流量(A～H～Q)关系图； 图3为实施例中叶角～流量～效率(A～Q～η)关系图； 图4为Q 为150m3e /s时的计算结果； 图5为Q 为190m3e /s时的计算结果； 图6为Qe为230m3/s时的计算结果。
