基于预测的城市供水管网运行评估方法_赵平伟.pdf

净水技术 2023,42(2):147-155Water Purification Technology赵平伟,蓝杨,冯偲慜,等.基于预测的城市供水管网运行评估方法J.净水技术,2023,42(2):147-155.ZHAO P W,LAN Y,FENG S M,et al.Evaluation method of prediction-based for operation of urban water supply piplines distribution networkJ.Water Purification Technology,2023,42(2):147-155.基于预测的城市供水管网运行评估方法赵平伟1,蓝 杨2,冯偲慜1,王景成2,(1.上海城投水务有限公司,上海 200002;2.上海交通大学电子信息与电气工程学院,上海 200240)摘 要 文中提出了一种基于预测的城市供水管网运行评估方法。基于精细化管理需求,为提高城市供水系统效率,响应节能供水号召,在此背景下,使用机器学习方法以及集成学习思想,首先利用了融合多纠偏机制的混合需水量预测模型对供水区域未来 1 d 的居民总需水量进行预测,然后提出了基于序列到序列的编解码网络结构对管网各个节点的水压进行分钟级预测。最后基于预测信息、节假日信息等提出了管网测压点的压力动态阈值的优化方法,实现了对城市供水管网整体运行状态的准确评估,为城市供水系统的水量调配提供调度指导,通过压力波动数据可以看出,研究所提供的阈值计算方法提高了调度决策水平。与此同时,文中以上海某区域为背景,通过需水量预测以及管道压力预测的方法,验证了所提出的模型在实际工作中,相较于传统模型具有更高的预测精度。关键词 需水量预测 水压预测 压力动态阈值 供水管网状态评估 智能调度中图分类号:TU991文献标识码:A文章编号:1009-0177(2023)02-0147-09DOI:10.15890/ki.jsjs.2023.02.019收稿日期 2021-04-25作者简介 赵平伟(1964),男,硕士,高级工程师,主要从事水务系统运营优化研究工作,E-mail:。通信作者 王景成(1972),男,博士,教授,主要从事水务系统运营优化研究工作,E-mail:jcwang 。Evaluating Method of Prediction-Based for Operation of Urban Water Supply Piplines Dis-tributiion NetworkZHAO Pingwei1,LAN Yang2,FENG Simin1,WANG Jingcheng2,(1.Shanghai Chengtou Water Co.,Ltd.,Shanghai 200002,China;2.School of Electronic Information and Electrical Engineering,Shanghai Jiao Tong University,Shanghai 200240,China)AbstractThis paper proposed a prediction-based method for evaluating the operation status of urban water supply networks.In response to the call for energy-saving water supply and in order to improve the efficiency of the urban water supply system,machine learning methods and integrated learning ideas were used in the context of fine-tuned management needs.Firstly,a mixed water demand forecasting model that integrates multiple correction mechanisms was used to predict the total water demand of residents in the water supply area in the next day,and then a sequence-to-sequence codec network structure was proposed to predict the water pressure of each node of the pipeline network in minutes.Finally,based on the forecast information and holiday information,the pressure dynamic threshold of the pressure measuring point of the pipe network was proposed,which realized the accurate assessment of the overall operation status of the urban water supply pipe network,and provided scheduling guidance for the water distribution of the urban water supply system.It can be seen from the pressure fluctuation data that the threshold calculation method provided by the research has improved the level of scheduling decision-making.At the same time,taking a certain area in Shanghai as the background,through the methods of water demand prediction and pipeline pressure prediction,it is verified that the proposed model has higher prediction accuracy than the traditional model in actual work.Keywords water demand forecast water pressure predictiondynamic pressure thresholdwater supply network status assessment smart controling供水系统在城市建设中具有举足轻重的地位,是国家基础建设、城市公用事业的重要组成部分,通常由原水、输水管道、水厂及泵站、供水管网组成,从水源取得的原水经过输水管道至水厂进行加工处理741转化为清水,经过水泵机组加压后由供水管网配送至用户。上海市供水规划(20192035 年)中明确指出,要全面提升四大环节(水源、水厂、管网和二次供水)的水量水质监管和安全保障水平,要建设更为绿色生态、安全韧性、更加具有世界影响力的社会主义现代化国际大都市1-2。供水系统对水资源的合理调配以及高效管理至关重要,它决定着城市供水管网的健康和正常运行。供水系统的科学性决策过程中,需要考虑的因素众多,如未来一段时间(长期、中期和短期)城市居民的用水规律变化,天气气候条件的变化,管网水压安全、水质条件等。通过建立高精度的城市用户需水量预测模型以及供水管网水压预测模型,从用户用水需求出发,利用计算机科学的先进技术从数据中挖掘价值信息,归纳抽取更加合理、高效、安全稳定的调度决策逻辑,最终构建城市用水需求预测到水量调度的数据驱动逻辑框架,有助于提高城市水务企业的业务能力、决策水平、信息治理技术和科学决策调度水平,推动城市供水的智能化建设与发展3-5。供水调度是城市调配水量的直接手段,通过控制水厂和泵站的水泵机组,将清水池中的清水加压后对外供应,然而现阶段的供水调度决策中,仍存在以下问题。(1)大部分水厂、泵站的调度员以人工判断等经验式的调度为主,对未来时刻的用户需水量和管网水压缺少较为充分的考虑。同时对历史数据信息的利用不够全面,通常关注当前的数据值,依赖笼统的居民用水的规律概念,没有具体的调度方法指导,经验模式相对固化。(2)调度员在调度过程中,主要关注供水区域中某些管网的压力情况,没有综合整体的供水管网状态评估方法。由于不同的调度员有不同的调度习惯,同一情况下,对未来何时发出调度指令,发出何种调度指令都存在较大差异,主观因素影响大,难以对调度进行统一管理和评估,缺乏合理性。需水量、水压预测与供水调度是关系到整个供水系统是否安全、合理与高效运行的关键技术。供水管网的水量和水压变化是用户用水需求的直接体现。将需水量和水压预测模型的预测结果与调度策略相互结合,充分考虑水厂和泵站的运行条件、管网安全条件等客观因素,总结供水区域的管网运行过程中测压点的压力变化规律,设计测压点压力动态阈值来实时地评估管网运行状态,形成综合全面统一的调度触发的判断机制,优化调度触发逻辑。因此,本文根据供水区域管网整体的运行状态,充分考虑用户的用水规律,引入需水量、管网压力的预测值以及节假日影响,设计服务于调度方案触发的测压点压力动态阈值,通过研究历史数据中的节假日、温度、天气等外部因素对于需水量影响,分析总结变化趋势并拟合出纠偏公式,进一步提高需水量的预测精度,在实际应用过程中提供客观精准的调度评判依据,提出了综合全面的供水管网运行状态的评估方法。1 需水量预测模型设计1.1 模型输入变量需水量预测模型的输入变量包括数值特征和类别特征,数值特征包括日最高温度(Tmax)、日最低温度(Tmin)(温度单位均为),以及温度补偿特征 Tcpt。考虑到天气种类对需水量有不可忽略的影响,额外选取了天气类型特征包括晴天、阴天、雨天等转为独热(One-Hot)编码形式,形成 17维的 0、1 特征序列(V0 16),将 3 维数值特征序列与 17 维序列特征拼接起来,最终形成 20 维的输入变量,如式(1)。xinput=Tcpt,Tmax,Tmin,V0,V1,V16(1)其中:xinput 输入变量;Tcpt 温度补偿特征,;Tmax 日最高温度,;Tmin 日最低温度,;V0 16 天气类型特征。Stacking 是一种模型融合堆叠技术,Stacking 过程如图 1 所示,其目的是让预测模型获得尽可能高的泛化性能。Stacking 通过 K 折交叉验证的方式将数据集进行划分得到 k 个数据量相同的数据集来训练得到 k 个基础模型。这种方法将一份数据集分割为 k 份,每份数据集作为独立训练集训练基础模型,此种方式的优势在于可以在样本数据量有限的情况下充分利用所有数据,获取较高精度的模型。试验结果客观代表所有数据分布,将 k 个基础模型在验证集上的输出进行拼接作为元模型的训练集完成对元模型的训练,元模型训练完成之后,则 Stacking 模型堆叠过程完成。模型预测时,将一个样本实例输入基础模型中,得到基础模型的预测输出,然后将所有基础模型的输出进行拼接输入至下一层模型中进841赵平伟,蓝 杨,冯偲慜,等.基于预测的城市供水管网运行评估方法Vol.42,No.2,2023图 1 两层 Stacking 流程Fig.1 Two Layers Stacking Process行训练,依此类推,由最后一层元模型输出最终预测。结合 K 折交叉验证和模型堆叠 Stacking 技术,可以提高模型的预测性能和泛化性能6-7。1.2 节假日纠偏模型从国家法定节假日对