自來水產供全過程能源預測調度系統的應用研究

張檢保傅仁軒

（廣州杰賽科技股份有限公司，廣東 廣州 510000）

1 系統架構

能源預測調度系統分為三層：數據采集層、調度監控層、管理優化分析層。數據采集層主要是對制水、供水實時數據和歷史數據的獲取。調度監控層：實現對制水、供水測量點監控、并能根據能源需求進行能源調度。管理優化分析層：實現對設備能耗數據統計、分析，包括節能潛力分析、企業節能方向明確、能源預測模型效果評定等功能。

2 主要內容

能源預測調度系統通過SCADA系統對水廠產水供水各類設備性能狀態、耗能數據以及抄表系統獲取、分析、能源預測模型建設和應用、能源調度方案科學制定，能源調度方案的有效及時執行，從而達到生產安全、運行穩定、節約能源、低碳環保的目標。其研究主要內容如下：

（1）通過能源預測模型建設，實現能源需求比較精確預測

根據生產相關數據（水源取水位、渾濁度、酸堿度、清水池水位等數據），及供水（管網壓力、流量、加壓泵工作狀態）的相關數據，篩選出水廠產供過程中影響能源需求主要的、關鍵的因素，作為能源預測模型的輸入層，并通過能源預測模型的訓練、優化、驗證，最終實現能源預測模型根據水廠的生產供給的情況，制定比較準確的、實時的能源需求計劃。以下為幾種常用的能源預測模型：

①灰色模型

將原始數據序列累加生成為近似有指數規律增長的數列，構造微分方程，對求得的解進行累減還原，本模型可用于長期負荷預測，分別使用能源需求穩步發展和趨于飽和的情況。

能源需求穩步發展的情況：

若能源需求呈現指數型曲線類型，采用適于指數增長型年的一元一階灰色模型GM（1，1）。

式中a為發展系數，u為作用系數，k為時間標度。

能源需求發展趨于飽和的情況：

年負荷變化呈現G（Gompertz）型曲線類型，可采用附加殘差的灰色模型。

對于能源需求變化由漸增、快速增加到趨于飽和的情況，呈現Sigmoid型曲線，由改進的GM（1，1）模型，即對原始數據序列用指數加權法進行改造。

②基于人工神經網絡的預測模型

神經網絡模型能通過權數（及閾值）調整機制確定輸入與輸出的內在復雜關系。這種關系并不像函數關系那樣由明顯的函數關系式表達出來，但是非常逼近于實際發生的輸出對于輸入的響應。在能源需求預測中，人工神經網絡模型可以有不同的應用方式，既可以用于以多種影響因素作輸入的日負荷的預測，也可以用于以小時負荷時間序列為輸入的小時負荷預測。水廠產量取決于大量的不確定性因素，要找出系統內部的變化機理及各類因素之間相互影響的明確關系是比較困難的，使得回歸預測分析方法在產水量預測過程中的應用受到限制。對于不易建立精確數學模型、具有多種不確定性和非線性的系統，應用人工神經網絡（ANN）和模糊邏輯系統（FLS）等智能預測方法往往可以處理傳統方法難以解決的問題。（2）實現對水廠能源調度管理系統實現通過多種通信方式（TCP/IP網絡、串口等）與水池DCS系統、供水SCADA進行通信，并通過DCS和SCADA實現對制水、供水產供全過程中的耗能設備進行啟停控制、功率調節等調度決策。

（3）建立能源消耗評價體系，實現對能源預測模型評價

針對分配給各級調度單元的生產任務，利用大數據分析技術，對歷史數據進行分析并根據水廠生產供給、設備運行管理，進行能源供需、能耗實績與計劃的比較，用以指導能源調度管理工作，提高能源調度管理水平和能源調度管理效率。包括能源指標、能源供需計劃、能源供需實績、單位產品能耗分析等。通過建立客觀的以數據為依據的能源消耗評價體系，能對設備節能潛力、能源預測模型做出客觀評估，作為系統持續改進的依據。

結語

（1）能源預測調度系統通過DCS和SCADA系統對水廠產水、供水過程中所有能源信息的采集、存儲、統計、分析，實現對水源地取水、水廠制水、管網配水、大客戶用水等多環節能耗設備全方位監測；（2）通過對生產環節中水源取水位、渾濁度、酸堿度，及供水管網壓力、流量等參數值，實現實時能源需求比較精確的預測、產水供水能源調度方案制定，并通過和SCADA系統通信實現對耗能設備功率的控制；（3）通過設備狀態的監測，可以及時跟蹤和了解重點能源設備的運行情況、運行曲線、重要參數的歷史趨勢、檢修記錄、現場備品備件情況，為能源管理提供支撐；（4）通過建立以客觀數據為參考依據的能源綜合評價體系，能對設備節能潛力、能源預測模型做出客觀評估，并作為能源預測調度系統持續改進的依據，最終達到生產安全、運行穩定、節約能源、低碳環保的目標。

[1]王學文.能源管理系統的發展[J].石油工業技術監督，2007（06）.

[2]李向軍，孫彥文.冶金能源管理系統EMS[C].科技資訊，2008（10）.

[3]田忠.數據挖掘在節能領域中的應用[J].信息與電腦（理論版），2015（13）.