自来水产供全过程能源预测调度系统的应用研究

2015ＮＯ.12（上）ChinaNewTechnologiesandProducts中国新技术新产品高新技术中国新技术新产品-8-1系统架构能源预测调度系统分为三层：数据采集层、调度监控层、管理优化分析层。数据采集层主要是对制水、供水实时数据和历史数据的获取。调度监控层：实现对制水、供水测量点监控、并能根据能源需求进行能源调度。管理优化分析层：实现对设备能耗数据统计、分析，包括节能潜力分析、企业节能方向明确、能源预测模型效果评定等功能。2主要内容能源预测调度系统通过SCADA系统对水厂产水供水各类设备性能状态、耗能数据以及抄表系统获取、分析、能源预测模型建设和应用、能源调度方案科学制定，能源调度方案的有效及时执行，从而达到生产安全、运行稳定、节约能源、低碳环保的目标。其研究主要内容如下：（1）通过能源预测模型建设，实现能源需求比较精确预测根据生产相关数据（水源取水位、浑浊度、酸碱度、清水池水位等数据），及供水（管网压力、流量、加压泵工作状态）的相关数据，筛选出水厂产供过程中影响能源需求主要的、关键的因素，作为能源预测模型的输入层，并通过能源预测模型的训练、优化、验证，最终实现能源预测模型根据水厂的生产供给的情况，制定比较准确的、实时的能源需求计划。以下为几种常用的能源预测模型：①灰色模型将原始数据序列累加生成为近似有指数规律增长的数列，构造微分方程，对求得的解进行累减还原，本模型可用于长期负荷预测，分别使用能源需求稳步发展和趋于饱和的情况。能源需求稳步发展的情况：若能源需求呈现指数型曲线类型，采用适于指数增长型年的一元一阶灰色模型GM（1，1）。式中a为发展系数，u为作用系数，k为时间标度。能源需求发展趋于饱和的情况：年负荷变化呈现G（Gompertz）型曲线类型，可采用附加残差的灰色模型。式中对于能源需求变化由渐增、快速增加到趋于饱和的情况，呈现Sigmoid型曲线，由改进的GM（1，1）模型，即对原始数据序列用指数加权法进行改造。②基于人工神经网络的预测模型神经网络模型能通过权数（及阈值）调整机制确定输入与输出的内在复杂关系。这种关系并不像函数关系那样由明显的函数关系式表达出来，但是非常逼近于实际发生的输出对于输入的响应。在能源需求预测中，人工神经网络模型可以有不同的应用方式，既可以用于以多种影响因素作输入的日负荷的预测，也可以用于以小时负荷时间序列为输入的小时负荷预测。水厂产量取决于大量的不确定性因素，要找出系统内部的变化机理及各类因素之间相互影响的明确关系是比较困难的，使得回归预测分析方法在产水量预测过程中的应用受到限制。对于不易建立精确数学模型、具有多种不确定性和非线性的系统，应用人工神经网络（ANN）和模糊逻辑系统（FLS）等智能预测方法往往可以处理传统方法难以解决的问题。（2）实现对水厂能源调度管理系统实现通过多种通信方式（TCP/IP网络、串口等）与水池DCS系统、供水SCADA进行通信，并通过DCS和SCADA实现对制水、供水产供全过程中的耗能设备进行启停控制、功率调节等调度决策。（3）建立能源消耗评价体系，实现对能源预测模型评价针对分配给各级调度单元的生产任务，利用大数据分析技术，对历史数据进行分析并根据水厂生产供给、设备运行管理，进行能源供需、能耗实绩与计划的比较，用以指导能源调度管理工作，提高能源调度管理水平和能源调度管理效率。包括能源指标、能源供需计划、能源供需实绩、单位产品能耗分析等。通过建立客观的以数据为依据的能源消耗评价体系，能对设备节能潜力、能源预测模型做出客观评估，作为系统持续改进的依据。结语（1）能源预测调度系统通过DCS和SCADA系统对水厂产水、供水过程中所有能源信息的采集、存储、统计、分析，实现对水源地取水、水厂制水、管网配水、大客户用水等多环节能耗设备全方位监测；（2）通过对生产环节中水源取水位、浑浊度、酸碱度，及供水管网压力、流量等参数值，实现实时能源需求比较精确的预测、产水供水能源调度方案制定，并通过和SCADA系统通信实现对耗能设备功率的控制；（3）通过设备状态的监测，可以及时跟踪和了解重点能源设备的运行情况、运行曲线、重要参数的历史趋势、检修记录、现场备品备件情况，为能源管理提供支撑；（4）通过建立以客观数据为参考依据的能源综合评价体系，能对设备节能潜力、能源预测模型做出客观评估，并作为能源预测调度系统持续改进的依据，最终达到生产安全、运行稳定、节约能源、低碳环保的目标。参考文献[1]王学文.能源管理系统的发展[J].石油工业技术监督，2007（06）.[2]李向军，孙彦文.冶金能源管理系统EMS[C].科技资讯，2008（10）.[3]田忠.数据挖掘在节能领域中的应用[J].信息与电脑（理论版），2015（13）.自来水产供全过程能源预测调度系统的应用研究张检保傅仁轩（