考慮電能消耗成本的城市供水系統優化調度方法研究

潘仲良

(上海市供水調度監測中心,上海 200080)

0 引 言

在經濟發展過程中,供水規模日益增大,供水復雜性也隨之增大,如何保障供水系統的穩定、高效運行,成為供水管理部門亟待解決的問題[1-3]。目前,城鎮在供水管理方面存在較大問題,如用電能耗大、浪費大等,給供水系統帶來較大的運營成本,表明供水部門的經營與管理模式已不能滿足經濟與社會發展的需要。因此,通過對城市供水系統進行優化調度分析,能夠有效減少用電費用,提升企業的用水質量,提高企業的經濟效益。

在已有研究中,涉及供水系統優化方面的探討存在一定的不足;涉及水源區域到水廠優化的內容不少,卻較少涉及對多水廠到用戶區的供水調度改進分析。對城市供水優化過程研究中,主要從微觀模型的角度開展。如趙美玲等[4]為了實現有效調度供水管網,根據在線模型,構建相關調度系統,該系統包含多個功能模塊,如調度控制模塊。結果顯示,構建系統的應用效果不錯,能夠有效降低供水電耗。

為此,本文從電能消耗成本優化的角度,探究供水系統調度優化問題,根據管網宏觀模型,構建供水系統調度模型,改進以往的供水調度方法,以期能夠提高城市供水的效率。

1 考慮電能消耗成本的城市供水系統優化調度方法

1.1 優化調度案例及優化方法分析

隨著我國城鎮化進程的加速和人民生活水平的不斷提高,對城市供水系統提出越來越高的要求。目前,我國城市供水系統仍以人工經驗為主,加之企業的管理能力相對滯后,以及城市供水系統的設計不夠合理,導致供水時大量能源的浪費,給供水公司帶來較大的成本消耗。供水管網優化調度的目標是在滿足用戶對供水壓力、流量、水質要求的前提下,最大限度地降低企業的供水成本,對供水進行優化,使其具有最大的經濟效益和社會效益[5-7]。

本文以上海市某區的供水系統為研究對象,數據來源為A、B兩座水廠生產調度數據,數據所在時間為2021年9月。兩座水廠聯合起來,共同為該地區供水。其中,A水廠處于第一水廠的位置。從該地區的用水情況可以看出,用水量逐年增加。從A、B兩座水廠供水區域看,前者供水的區域主要位于該區的中西部區域,后者供水的區域主要在該區的東部區域,兩者均配備水泵站,管網不存在中途加壓泵站。在A水廠中,接入原水,在虹吸濾池等作用下進行處理,借助二級泵房作用,流入管網。而B水廠的相關流程與A水廠略有不同,該水廠修建了氣-水反沖洗濾池,來替代虹吸濾池,其余步驟與A水廠相同。

在管網測壓點選擇中,包含兩種類型的測壓點:①位于管網末端最不利控制點周圍;②所在的位置為重要供水區域附近。前一種測壓點位置的最小服務水頭是20m,后一種測壓點位置附近壓力要求是24m,兩種測壓點的壓力下限分別為0.20和0.24MPa。兩水廠供水電能消耗系數情況見圖1。

圖1 供水電能消耗系數

由圖1可知,A水廠的供水電能消耗系數為0.002 5;B水廠的供水電能消耗系數為0.002 8,略大于A水廠。A、B兩座水廠的出水壓力上下限見圖2。

圖2 水廠出水壓力界限情況

由圖2可知,A、B兩座水廠的出水壓力上下限存在差異。其中,A水廠出水壓力上限為0.40MPa,比B水廠出水壓力上限小0.20 MPa;A水廠和B水廠的壓力下限分別為0.26和0.38MPa,前者比后者小0.12MPa。

為了實現城市供水系統優化,研究選擇粒子群算法(Particle Swarm Optimization,PSO),由于該算法存在一些自身缺陷,需對其進行優化處理[8]。在優化流程中,首先對cmax、cmin等算法參數進行初始化處理,隨機產生粒子初始速度v、初始x,將后者當成個體歷史最優位置,并存放在i粒子歷史最優位置pi中;選擇初始位置中的最優者,把其當成群體歷史最優位置,隨后存放在群體歷史最優位置pg中。對粒子的適應度函數值f進行計算,尋找f的最大值fmax、最小值fmin。然后進行w、c1、c2的更新。更新粒子,對其進行邊界處理。當粒子初始速度v大于初始最大速度vmax,v取vmax;當v小于初始最小速度vmin,v取vmin。當x大于x的最大值xmax,x取xmax;當x小于x的最小值xmin,x取xmin。對f重新進行計算,對pi、pg進行更新,重新得到適應度函數均值favg、fmin。判斷迭代運行情況,當停止迭代,進行結果的輸出。反之,重新進行空間粒子的f,直到輸出結果為止。選擇Matlab軟件,進行改進PSO算法參數初始化設置,該算法的群體個數為100,算法迭代數為100,改進PSO算法的最大w、最小w分別為0.9、0.6,改進PSO算法的cmax、cmin分別為2.8、1.4。

1.2 構建供水系統優化調度方法

根據上海市某區供水系統的實際情況,進行城市供水系統優化調度研究[9-11]。在城市供水系統中,受到不同水力關系的作用,管段內的供水易產生較大變化,從而影響供水管網的正常運行。為了避免復雜水力計算,縮短算法優化時間,在供水調度中,進行重要宏觀變量的選取,將其作為決策變量,而剩余影響因素不在考慮范圍內[12-14]。在此基礎上,采用系統分析數學法,結合歷史記錄運行數據,獲得對應的經驗性數學表達式。值得注意的是,在城市供水管網宏觀模型構建之前,管網系統應滿足比例負荷。所研究的供水系統屬于多水源供水管網系統,當城市管網用水量不變時,如何對各水廠供水進行調控,既要滿足用水的需要,又要獲取最大經濟效益,是需要解決的問題。

在管網測壓點位置自由壓力中,影響其值的關鍵因素為水廠供水量。針對上述情況,構建水廠宏觀模型和管網測壓點宏觀模型,相關數學表達式如下:

(1)

式中:Hi為水廠i出廠壓力,MPa;Qi、Qj分別為水廠i、水廠j單位時間供水量,m3;QS為城市管網總水量;α為水力系數,取值范圍[1.85,2.0],本研究中α值為2.0;C(i,j)為待定系數;D(j,i)為回歸系數;n為管網的水廠數量,座;Np為管網中測壓點個數;Hj為第j個測壓點自由壓力,MPa。

根據供水電能消耗費用,構建優化目標函數,自變量選取供水壓力、供水量,得到供水費用函數。引入式(1)中的宏觀模型,從而得到最終的目標函數F,其數學表達式如下:

(2)

式中:F為單位時間內供水電耗費用;Zt為供水廠出廠壓力標高和清水池水位之間的差值,m;r為供水電耗系數,元;QS為在模型約束條件下小時段內各水廠供水量;Q(min)i、Q(max)i分別為Qi的最小值和最大值,且Q(min)i≤Qi≤Q(max)i;H(min)i、H(max)i分別為Hi的最小值和最大值,Hi的取值在H(min)i～H(max)i的范圍內,i=1,2…,n;H(min)j、H(max)j分別為Hj的最小值和最大值,且H(min)j≤Hj≤H(max)j。

引入罰項,將其與F結合,得到無約束型罰函數。對其極值進行求解,等同于對原函數極值進行計算。通過改進PSO算法,獲取最小F中的水廠間流量分配。在此基礎上,即可得到水廠供水壓力。根據相關約束條件,得到對應的罰項,將其與F結合,得到新的罰函數,其數學表達式下:

r×max[((Q(min)i-Qi),0)]2+r×max[((Hi-H(max)i),0)]2+

r×max[((H(min)i-Hi),0)]2+r×max[((Hj-H(max)j),0)]2+

r×max[((H(min)j-Hj),0)]2

(3)

式中:r為罰因子。

綜上所述,城市供水系統優化調度模型構建流程見圖3。完成模型構建后,進行優化調度應用分析。選擇上海市某區的供水系統,在一個工作日中,其小時數為24h,將其分為6個時間段,分別為0:00-4:00(時段1)、4:00-7:00(時段2)、7:00-10:00(時段3)、10:00-15:00(時段4)、15:00-17:00(時段5)、17:00-0:00(時段6)。根據不同的時段,進行對應管網宏觀模型的構建,并得到對應的優化調度模型。根據上海市某區供水系統的實際情況,通過該調度方法,對A水廠和B水廠的供水情況進行調度,分析不同時段的供水費用變化情況。

2 基于電能消耗成本的城市供水系統優化調度結果分析

為了驗證構建的城市供水系統優化調度方法的效果,研究選擇64位的Windows10操作系統,選擇Matlab軟件,根據2021年9月25日A、B兩座水廠生產調度數據,進行供水系統優化調度方法的設計,分析不同時段、優化調度前后的兩水廠供水流情況。具體結果見圖4。

圖4 兩水廠的供水流量變化情況

由圖4(a)可知,在時段1下,實測流量和優化流量分別為1 128.79和1 243.04m3/h,前者比后者小114.25 m3/h;在時段3下,優化流量為3 166.25m3/h,比實測流量大668.35m3/h;在時段4下,優化調度前的實測流量為2 272.30m3/h,比優化流量小813.50m3/h,后者為3 085.80m3/h;在時段6下,實測流量和優化流量分別為1 851.05和2 700.96m3/h,前者比后者小849.91m3/h。

由圖4(b)可知,在時段1下,實測流量和優化流量均最小,對應流量值分別為1 515.83和1 401.57m3/h,后者比前者小;在時段3下,優化流量為4 982.91m3/h,實測流量為5 651.19m3/h,前者比后者小668.28m3/h;在時段5下,優化流量為4 218.59 m3/h,比實測流量小727.73m3/h,后者為4 946.32m3/h;在時段6下,優化流量為2 912.46m3/h,實測流量為3 762.38m3/h。

對研究構建的優化調度方案進行分析,研究優化前后A、B兩座水廠供水壓力變化情況,具體見圖5。由圖5可知,時段不同,對應的實測壓力和優化壓力不同;在時段3和時段5中,兩水廠的供水壓力出現高峰;在B水廠中,相較于實測壓力,優化壓力均有一定程度減小。

由圖5(a)可知,對于A水廠而言,在時段2下,優化壓力、實測壓力分別為32.24、26.43m,前者比后者大5.81m;在時段3下,優化壓力、實測壓力均最大,其對應的值分別為35.99、37.02m,優化壓力降低1.03m;在時段5下,優化壓力、實測壓力為36.71m,比優化壓力大0.86m,后者為35.85m;在時段6下,優化壓力為45.24m,而實測壓力略高,其值為47.44m,前者比后者小2.20m。

由圖5(b)可知,相較于圖5(a),B水廠的供水壓力更大;相同水廠下,優化壓力與實測壓力之間的差距較小。B水廠中,在時段3下,優化壓力為54.27m,實測壓力為56.05m;在時段4下,優化壓力為42.27m,比實測壓力小為2.28m,后者為44.55m;在時段6下,實測壓力、優化壓力分別為47.46、45.25m,前者比后者大2.21m。

分析優化調度前后供水費用情況,具體見圖6。

圖6 優化前后供水費用

由圖6可知,總體上,經過優化調度后,不同時段的供水費用均有所降低;相較于其他時段,時段3的供水費用最高,其次為時段4,而時段1的供水費用最低。在時段1中,優化后供水費用為249.49元,比優化前少14.91元,優化前供水費用為264.40元;在時段3中,優化前后供水費用分別為1 242.00和1 156.49元,前者比后者多85.51元;在時段5中,優化前供水費用為992.05元,優化后供水費用為929.41元;在時段6中,優化后供水費用為720.60元,相較于優化前,減少44.89元。

在不同時段供水費對比中,優化調度前,時段3的供水費為1 242.00元,比時段2多580.72元,后者為661.28元;優化調度后,時段4的供水費為1 051.67元,比時段5多122.26元。根據不同時段優化調度前后供水費用變化情況可知,時段3平均節約供水費用最多。整體上,兩座水廠平均節約供水費用率為5.80%。由此可見,研究方法能有效地對城市供水系統進行優化調度,節約了供水費用。

3 結 論

針對城市供水系統優化調度問題,本文以上海市某區的供水系統為例,在介紹A、B兩座水廠相關情況的基礎上,考慮電能消耗成本,建立目標函數,引入供水管網等宏觀模型以及罰函數等方法,得到城市供水系統優化調度方法。結果顯示,研究方法能夠有效調度供水系統,減小供水壓力,節約供水費用。在B水廠中,優化調度后,其供水壓力有所減小。時段5下,優化流量減小727.73m3/h;時段6下,優化流量為2 912.46 m3/h,實測流量為3 762.38m3/h;在時段3中,供水費用節約85.51元,表明研究方法的應用效果較好。