高層建筑火災的火場供水調度控制方法研究

王蕾

摘要：在高層建筑火災供水調度控制中，傳統方法的供水量與需水量一致性系數較低。針對這一問題，提出一種新的高層建筑火災的火場供水調度控制方法。將高層建筑水箱主閥門控制開度、水泵水壓、水泵轉差率以及水泵開關狀態作為控制變量，以火場最低需水量為目標建立目標函數，再將供水最小成本作為子目標函數，通過設定約束條件，實現對高層建筑供水管網初始邊界、最小服務水頭、供水流量、水箱水位、水泵水壓等參數的約束。在此基礎上，尋求高層建筑火災的火場供水調度控制最佳模式，切實保障隊伍實戰打贏能力的有效提升。

關鍵詞：高層建筑；火場供水；調度控制；目標函數；人工蜂群算法

中圖分類號：TU998.1? ? ? ?文獻標識碼：A? ? ? ?文章編號：2096-1227（2023）01-0037-03

火災是公共危機事件的種類之一，具有危害度高、突發性強、隨機性強等特點。任何環境中都存在或多或少的火災隱患，火災一旦發生，不僅會對起火點周邊建筑和生態環境造成不同程度的破壞，產生較大的經濟損失，同時還會對居民的生命安全造成巨大的威脅[1]。由于高層建筑內部結構比較復雜，且高度較高，并不是每個樓層都安裝了水箱。因此，需要考慮火災發生時火場供水調度控制問題。如果調取的水量太少無法滿足火場消防用水，如果調取的水量太多將會造成用水浪費。如何在最短的時間內調取到最近的能夠滿足救火需求的水成了高層建筑火災救援難題。由于目前現有的火場供水調度控制方法在實際應用中并沒有達到預期控制效果，供水量與需求量一致性系數較小，已經難以滿足高層建筑火災的火場供水調度控制需求。為此，本研究提出了一種新的高層建筑火災的火場供水調度控制方法。

1 方法設計

本文方法主要由三部分組成，首先根據火場供水調度控制目標建立目標函數，然后根據火場供水調度控制需求設定約束條件，最后結合約束條件對目標函數進行求解，從而設計出火場供水調度控制最優策略。

1.1? 建立火場供水調度控制目標函數

對于高層建筑火災的火場供水調度控制，首先需要確立火場供水調度控制目標，切實保障供水量要滿足火災救援需求量，同時還不能過多浪費水資源，因此此次選取高層建筑火災的火場最低需水量為目標，以高層建筑水箱主閥門控制開度、水泵水壓、水泵轉差率以及水泵開關狀態為控制變量，建立火場供水調度控制目標函數如下：

式中，Fmin表示高層建筑火災的火場最低需水量；t表示高層建筑火災的火場供水時間；wt表示時間t時高層建筑水箱的額定供水流量；y表示高層建筑各樓層變速泵的額定供水流量；s表示高層建筑各樓層變速泵的控制決策變量。該變量有0和1兩個狀態，0表示高層建筑各樓層變速泵開啟狀態，1表示高層建筑各樓層變速泵關閉狀態[2]。

為了實現高層建筑火災的火場供水調度控制節能，在保證供水量最小的同時還能確保高層建筑火災的火場供水成本最低，在上述目標函數的基礎上還設計了一個子目標函數，即高層建筑火災的火場供水成本最低。高層建筑火災的火場供水費用特指為火場供水過程中消耗的電能，而電能主要消耗在高層建筑各個樓層泵站水泵和閥門在火災處置過程中的實際運轉上，因此將高層建筑水泵和閥門作為火災供水調度控制變量，得出高層建筑火災的火場供水調度控制子目標函數，用公式表示如下：

式中，fmin表示高層建筑火災的火場供水最小成本；n表示高層建筑火災的火場所在樓層；kn表示第n個樓層供水調度時間間隔大小；d表示火場供水調度時間段的階梯電價；x表示高層建筑供水系統的水泵數量；P表示高層建筑供水系統中水泵效率；a表示高層建筑供水系統的水泵揚程，水泵揚程主要與任意時刻高層建筑定速泵轉差率以及開關狀態相關；v表示高層建筑供水系統水泵的等效阻尼系數[3]。表示水泵數量。利用以上兩個目標函數確保高層建筑火災的火場供水量最小和成本最小，以此完成火場供水調度控制目標函數建立。

1.2? 設定約束條件

高層建筑火災的火場供水調度控制過程中，各個調度控制指令所對應的狀態變量要滿足相應的約束條件，因此在已經建立的目標函數基礎上，還需要對目標函數求解設定約束條件。首先，以高層建筑火災的火場供水調度時間周期為單位，對高層建筑供水系統的初始邊界進行約束，要求高層建筑火災的火場供水調度周期內水箱的初始時段水位與末期時段水位控制始終相等[4]。其次，已經建立的火場供水調度控制目標函數解要滿足高層建筑供水管網服務區域內各節點自由水壓，要始終滿足最小服務水頭約束條件，該約束條件用公式表示如下：

式中，Zi表示高層建筑供水管網服務區域內第i個水泵節點的自由揚程；mmin表示高層建筑供水管網規定的最低服務水頭。

利用上述約束條件對火場供水調度控制目標函數解進行約束，不僅要滿足該條件，同時還要滿足火場供水流量約束條件[5]。高層建筑供水系統相對比較復雜，長時間運行過程中水泵設備極易出現低效運行或者高效運行等突發情況，當水泵處于低效運行狀態時，水泵內的流量無法達到火場供水需求；而當水泵處于高效運行時，水泵內的流量會大于平均供水流量，如果在高層建筑火災的火場供水過程中水泵內流量過大會導致水資源浪費，因此通過對水泵供水流量實施約束，使高層建筑火災的火場供水始終處于最佳狀態，該約束條件用公式表示如下：

式中，minR表示高層建筑火災的火場供水流量最小值；R表示高層建筑火災的火場供水流量；maxR表示高層建筑火災的火場供水流量最大值。

最后對高層建筑火災的火場供水調度周期內水箱水位進行約束。由于正常情況下高層建筑水箱水位會出現放空或者溢流的現象，為了滿足高層建筑火災的火場供水需求，高層建筑水箱水位要滿足在火場供水調度周期內水箱水位始終在最高限值和最低限值范圍之間[6]。除此之外，還設定了供水水壓的約束條件，供水水壓是高層建筑火災的火場供水調度控制主要參數之一，如果水壓過大，高層建筑火災的火場供水過程中水量會增多，會造成水資源浪費；如果水壓過小，高層建筑火災的火場供水過程中水泵揚程無法達到火災救援需求。因此，高層建筑火災的火場供水水壓要始終在最大限值和最小限值范圍內，利用以上設定的約束條件對火場供水調度控制目標函數進行約束。

1.3? 實現火場供水調度控制

結合設定的約束條件，利用ABC算法（人工蜂群算法）對高層建筑火災的火場供水調度控制目標函數進行計算求解，從眾多解中選取出最優的控制策略，其過程如下：

首先以蜜蜂食物源的位置作為目標函數解空間中的一個可能解，假設目標函數的解集合為N，該集合由n個火場供水調度控制策略組成，根據集合隨機產生蜜蜂初始種群，從集合N中隨機挑選一個解作為初始解。然后蜜蜂開始循環搜索食物，蜜蜂對應的初始解進行一次領域搜索，并使用適應度函數計算該解的適應度，用公式表示如下：

式中，f（x）表示初始解的適應度值；ρ表示蜜蜂按照食物鏈尋找到食物的概率；表示蜜蜂在該食物鏈上的行駛步長[7]。

利用上述公式計算出初始解的適應度，然后再從中隨機挑選一個解，按照上述過程計算出該解的適應度，將其與初始解適應度進行比較，如果優于初始解適應度，則將其代替初始解適應度。如果小于初始解適應度，則保留舊的適應度，從集合N中對下一個解進行計算。按照上述過程將集合N中所有解進行計算，以適應度最高的解作為最優解輸出，根據該解中的閥門動作間隔、次數、水泵水壓、水量等向量數值作為最優控制依據，執行該解對應的火場供水調度控制策略，以此完成高層建筑火災的火場供水調度控制。

2 實驗論證分析

為驗證上述設計的高層建筑火災的火場供水調度控制方法的可行性，設計如下實驗：

實驗設定在某25層高層建筑中，層高為2.8m，火災發生在12層，供水水箱在25層，每個樓層有3個動力水泵，3個閥門開關，共計75個動力水泵，75個閥門開關。此外，每個樓層還設有1個變速泵，并留有電控接口，實驗利用此次設計方法與傳統方法對該高層建筑火場的火場供水調度進行控制。

實驗根據該高層建筑火災的火場供水調度控制需求，建立了目標函數和約束條件，在ABC算法中采用大種群規模，設置算法迭代次數為100，蜜蜂數量為100只，算法的慣性權系數為0.15。

根據實際情況，將高層建筑火災的火場供水水泵流量上限和下限設定為5.16L/s和1.35L/s，高層建筑水箱水位的上限設定為11.26m，水箱水位的下限設定為8.48m，水泵水壓上限設定為3.48MPa，水泵水壓下限設定為1.86MPa。實驗共對該高層建筑火災的火場供水調度控制8次，每次供水量與實際需求量如表1所示。

實驗對每次調度控制數據進行記錄，利用SFHIA軟件計算出控制策略執行后高層建筑火災的火場供水量與實際需求量的一致性系數值，一致性系數取值范圍為0～1，數值越大表示供水量與實際需求量越相符合，火場供水調度控制精度越高；相反，數值越小表示高層建筑火災的火場供水量與實際需求量差距越大，火場供水調度控制精度越低。

實驗將高層建筑火災的火場供水量與實際需求量的一致性系數值作為檢驗兩種控制方法的評價指標，利用電子表格對SFHIA軟件計算結果進行記錄。表2為兩種方法應用下供水量與需求量一致性系數對比表格。

從表2中數據可以看出，應用本文方法后，火場供水量與需求量一致性系數值較大，平均為0.998，說明應用此次設計的火場供水調度控制方法，火場供水量基本與需求量一致，不存在供水不足或者供水過多問題。而應用傳統方法后，火場供水量與需求量的一致性需求值較小，平均值為0.786，遠遠小于本文方法。因此，實驗結果證明了本文設計的高層建筑火災的火場供水調度控制方法能夠滿足火場供水需求，可以根據火場用水需求量進行準確供水調度控制，相比較傳統方法更適用于高層建筑火災的火場供水調度控制。

3 結語

此次結合高層建筑火災的火場供水調度控制需求，采用ABC算法設計了一種新的控制方法，對高層建筑火災的火場供水調度周期內的水閥開關、水泵水壓、高程、水量等參數進行控制，并利用實驗證明該方法在高層建筑火災的火場供水調度控制方面具有較高的可行性和可靠性，有效提高了高層建筑火災的火場供水調度控制精度，對實現高層建筑火災的火場供水節能降耗，降低高層建筑火災的火場供水成本具有重要的現實研究意義。

參考文獻：

[1]肖建峰.大型城市綜合體滅火救援作戰策略探討——基于成都新世紀環球中心實例分析[J].今日消防，2020，5（6）：105-109.

[2]慕睿鵬.基于消防救援工作實際探究高層建筑火災撲救中的不利因素[J].今日消防，2020，5（2）：85-87+123.

[3]張自力，張強，張增爍，等.基于在線水力模型系統的供水管網優化調度開發與應用[J].城鎮供水，2020（6）：65-72.

[4]彭安幫，馬濤，劉九夫，等.考慮生態補水目標的丹江口水庫供水調度研究[J].水文，2021，41（3）：82-87.

[5]許安春.以固為主、固移結合在高層建筑火災撲救實戰中的應用[J].消防界（電子版），2020，6（23）：80-81.

[6]王冬，王穎，邵豫霞.基于免疫進化布谷鳥算法的升鐘水庫供水優化調度研究[J].四川水利，2021（S1）：19-23.

[7]錢睿智，陳靜，李章林，等.揚州市中心城區河網閘泵聯合調度優化研究與應用[J].江蘇水利，2019（12）：18-22.

Research on the fire scene water supply

scheduling control method for high-rise building fires

Wang Lei

（Huhhot Municipal Fire and Rescue Brigade Special Firefighting and Rescue Detachment，Inner Mongolia Huhhot? 010010）

Abstract：In the scheduling control of water supply for high-rise building fires， the consistency coefficient between water supply and water demand of the traditional method is low. To address this problem， a new method of fire water supply scheduling control for high-rise building fires is proposed. The control opening degree of the main valve of the water tank of the high-rise building， the water pressure of the pump， the pump turning difference rate and the pump switching state are taken as the control variables， and the objective function is established with the minimum water demand at the fire scene as the target， and then the minimum cost of water supply is taken as the sub-objective function， and the constraints on the parameters such as the initial boundary of the water supply network of the high-rise building， the minimum service head， the water flow rate， the water level of the water tank and the water pressure of the pump are realized by setting the constraints. On this basis， the best mode of fire scene water supply scheduling control of high-rise building fire is sought out to effectively guarantee the effective improvement of the team's ability to fight and win in combat.

Keywords：high-rise building; water supply; scheduling control; objective function; artificial bee colony algorithm