專利名稱：基于數(shù)據(jù)的城市污水泵站系統(tǒng)建模方法
技術(shù)領(lǐng)域：
本發(fā)明屬于自動化技術(shù)領(lǐng)域，具體涉及一種基于數(shù)據(jù)的城市污水泵站系統(tǒng)建模方法。

背景技術(shù)：
隨著城市的飛速發(fā)展，城市排水已成為制約城市快速發(fā)展的瓶頸之。城市排水主要針對城市現(xiàn)有排水設(shè)施，通過排水系統(tǒng)管網(wǎng)泵站模型和實時監(jiān)測數(shù)據(jù)，整體優(yōu)化排水系統(tǒng)運行，提高泵站網(wǎng)絡(luò)的綜合運行效率、節(jié)能降耗，提高城市的預(yù)洪、防洪能力。
排水管網(wǎng)泵站系統(tǒng)模型是城市排水泵站規(guī)劃設(shè)計、運行控制、維護管理的核心。受天氣、居民生活污水排放及管道淤堵、滲漏等復(fù)雜因素影響，泵站污水流量具有不確定性、非線性和滯后性?，F(xiàn)有排水管網(wǎng)泵站模型(SWMM，STORM和DHI等)多采用基于圣維南方程的水力學(xué)建模，建模復(fù)雜度高，往往由于缺乏準確的邊界條件信息而難以解析求解。同時排水管網(wǎng)系統(tǒng)存在的大量不確定因素，如降雨分布、生活污水排放、管道淤堵、滲漏等，都將增加建模復(fù)雜性。


發(fā)明內(nèi)容
本發(fā)明的目標是針對現(xiàn)有排水泵站系統(tǒng)建模難題，提供一種基于數(shù)據(jù)的城市污水泵站系統(tǒng)建模方法，避免傳統(tǒng)基于圣維南方程的水力學(xué)建模的不足，保證模型精度的同時，也保證模型結(jié)構(gòu)簡單并滿足實際排水系統(tǒng)運行要求。
本發(fā)明首先利用污水泵站系統(tǒng)已知的先驗知識，確定系統(tǒng)模型的類型結(jié)構(gòu)和部分參數(shù)取值范圍；然后根據(jù)泵站已有的大量運行數(shù)據(jù)認知模型參數(shù)，獲得可行的數(shù)據(jù)模型。所建模型是實際系統(tǒng)的一個近似，結(jié)構(gòu)簡單，建模時間相對較短，適用于城市排水管網(wǎng)泵站實時優(yōu)化運行和控制。
本發(fā)明利用數(shù)據(jù)采集、數(shù)據(jù)挖掘、系統(tǒng)辨識、預(yù)測機理、數(shù)據(jù)驅(qū)動和數(shù)值計算等手段，對難以建立機理模型的情況下，建立基于數(shù)據(jù)的城市排水管網(wǎng)系統(tǒng)污水泵站模型，以實現(xiàn)對排水運行過程的優(yōu)化控制和調(diào)度。
本發(fā)明方法的具體步驟 步驟(1)建立排水管網(wǎng)泵站預(yù)測模型。
現(xiàn)有城市排水系統(tǒng)數(shù)據(jù)采集與監(jiān)控系統(tǒng)(SCADA系統(tǒng))可采集泵站的水位信息，但因測量難題無法獲得管道污水流量數(shù)據(jù)，為預(yù)測污水在排水管網(wǎng)系統(tǒng)中各泵站的分布情況，改進Gelormino和Ricker(1994)提出的管網(wǎng)模型，分別建立排水管網(wǎng)泵站污水儲量(水位)和污水入流量的預(yù)測模型 x(k)＝x(k-1)+T(z-1)v(k-1)-s(k-1)+u(k-1)+ε(k-1) 和x′(k-1)＝x(k)-x(k-1)+s(k-1)＝T(z-1)v(k-1)+u(k-1)+ε(k-1) 其中k表示采樣時刻，x(k)為k時刻該泵站污水儲水量，可以通過泵站前池截面積乘以泵站前池水位求得；x′(k-1)為采樣周期[k-1 k]內(nèi)該泵站的污水入流量；s(k-1)為采樣周期[k-1 k]內(nèi)該泵站排出的污水量；u(k-1)和ε(k-1)分別為采樣周期[k-1 k]內(nèi)本地流入該泵站的污水量之和的均值和噪聲；v(k-1)為采樣周期[k-1 k]內(nèi)上游泵站排出的污水量；由于上游泵站排出污水量經(jīng)管網(wǎng)流入下游泵站的過程是非線性和滯后過程，采用T(z-1)v(k-1)表示上游泵站排出的污水量經(jīng)管網(wǎng)延遲流入該泵站的污水量，描述為 其中T(z-1)為不確定延遲算子，z-1為一步延遲算子，表示延時一步采樣周期的相應(yīng)量；na和nb分別表示上游泵站排水量v對流入該泵站的污水量x′的最小和最大遲延，nb＞na；系數(shù)ai(i＝na，…，nb)表示采樣周期[k-i-1 k-i]內(nèi)上游泵站排出量流入該泵站的污水量的比例。
由于污水在管網(wǎng)流動的延遲和不確定特性，不確定延遲算子T(z-1)的結(jié)構(gòu)(na和nb)和參數(shù)ai(i＝na，…，nb)未知，后面將利用SCADA系統(tǒng)采集的運行數(shù)據(jù)辨識不確定算子T(z-1)，建立數(shù)據(jù)模型。
步驟(2)數(shù)據(jù)預(yù)處理。
SCADA系統(tǒng)采集的原始數(shù)據(jù)可能存在噪聲、數(shù)據(jù)不完整甚至是不一致，在利用這些數(shù)據(jù)進行分析建模前，需要對數(shù)據(jù)進行預(yù)處理。主要包括 遺漏數(shù)據(jù)處理SCADA采集的是時間序列數(shù)據(jù)，每隔10～30秒采樣1次。針對可能存在的遺漏項，首先粗選時間序列數(shù)據(jù)，每分鐘選1個數(shù)據(jù)；再利用忽略元組或歷史數(shù)據(jù)補全方法處理遺漏數(shù)據(jù)。
噪聲數(shù)據(jù)處理采用分箱(按周圍值的平均值平滑)方法處理噪聲數(shù)據(jù)。
步驟(3)系統(tǒng)辨識。
由步驟(1)給出的排水管網(wǎng)泵站預(yù)測模型可知，由于上游泵站排水量大小對下游泵站的影響不同，不確定延遲算子T(z-1)中模型結(jié)構(gòu)(na和nb)和模型參數(shù)(系數(shù)


…，

)發(fā)生變化。辨識不確定延遲算子T(z-1)具體步驟如下 a.確定模型集類型 根據(jù)先驗信息分析，確定影響上游泵站排水量大小的兩個具體因素①開泵臺數(shù)；②開泵時間。采用開泵率綜合評估影響上游泵站排水量大小開泵率(即計量時間內(nèi)上游泵站所開泵運行總時間與計量時間內(nèi)上游泵站可用泵總可運行時間的比值)。根據(jù)泵站大量歷史運行數(shù)據(jù)統(tǒng)計分析，計量時間(如一天)內(nèi)開泵率情況可聚類為3～5類模式，每一類對應(yīng)建立一個預(yù)測模型。實際運行過程中，跟蹤開泵率指標，動態(tài)判斷當前運行時刻屬于何種模式，從而切換至合適的模型。
b.模型結(jié)構(gòu)辨識 對流入泵站的污水量x′與上游泵站排水量v進行互相關(guān)性分析，從而確定模型結(jié)構(gòu)，即不確定延遲算子T(z-1)中na和nb值。
n組采樣數(shù)據(jù)構(gòu)成的時間序列[x′t]和[vt](t＝1，2，…，n)與時延q相關(guān)，其中1≤q≤n，互相關(guān)系數(shù)rq(x′，v)為 式中 計算不同時延q下相關(guān)系數(shù)rq(x′，v)，相關(guān)系數(shù)大于置信上限值的時刻就是模型結(jié)構(gòu)na和nb，從而確定各模式下預(yù)測模型的結(jié)構(gòu)。
c.模型參數(shù)辨識 確定模型結(jié)構(gòu)后，需對模型參數(shù)進行辨識，確定

的值，采用最小二乘法進行參數(shù)辨識。
為便于使用最小二乘法，將步驟(1)得到的模型轉(zhuǎn)化為 z(k)＝x(k)-x(k-1)+s(k-1)-u(k-1)＝T(z-1)v(k-1)+ε(k-1) 將上式化為一個標準的最小二乘形式 z(k)＝hT(k)θ+ε(k-1) 式中，系數(shù)

h(k)＝[v(k-na-1)，…，v(k-nb-1)]T 將上式可寫成矩陣形式 ZL＝HLθ+∑L 式中ZL＝[z(1)，z(2)，…，z(L)]T，∑L＝[ε(1)，ε(2)，…，ε(L)]T，L為辨識數(shù)據(jù)維數(shù)；
最小二乘法的準則函數(shù)J(θ)取為 J(θ)＝(ZL-HLθ)TΛL(ZL-HLθ) 其中，ΛL為加權(quán)陣，一般取為正定對角陣。
極小化J(θ)，可求出系數(shù)θ的估計值
步驟(4)模型參數(shù)在線動態(tài)修正。
隨著觀測數(shù)據(jù)的增多，常規(guī)最小二乘法計算量增加，不能及時辨識模型參數(shù)。本發(fā)明采用遺忘因子最小二乘法，克服數(shù)據(jù)飽和現(xiàn)象，減弱舊觀測數(shù)據(jù)對未知參數(shù)估計的影響，動態(tài)修正模型參數(shù)。
選擇準則函數(shù)為 JL+1＝αJL+[z(L+1)-hT(L+1)θL]2 給出遞推公式求解模型系數(shù)θ的估計值
其中α為遺忘因子，一般取0.95＜α＜1；K(L+1)為權(quán)因子；P(L+1)為正定的協(xié)方差陣。
本發(fā)明方法的有益效果 (1)該方法突破傳統(tǒng)建模需對機理特性完全了解的束縛，建模時間相對較短，獲得模型結(jié)構(gòu)較為簡單，是實際系統(tǒng)的一個合理近似。
(2)該方法避免求解傳統(tǒng)水力學(xué)數(shù)學(xué)模型-圣維南方程組，同時也避免計算機模擬模型對邊界參數(shù)等基礎(chǔ)數(shù)據(jù)的需求，只需利用大量的泵站歷史運行數(shù)據(jù)，實用更強。
(3)該方法通過模型結(jié)構(gòu)聚類，建立不同模式下預(yù)測模型，可更好地模擬預(yù)測各種條件下的排水情況。
(4)該方法通過遺忘因子最小二乘法對模型參數(shù)進行在線辨識，克服了數(shù)據(jù)飽和現(xiàn)象，減弱舊觀測數(shù)據(jù)對未知參數(shù)估計的影響，能及時反映模型參數(shù)的變化，從而可以減少降雨分布、生活污水排放、管道淤堵、滲漏諸多不確定因素對系統(tǒng)性能的影響，提高系統(tǒng)的魯棒性和可靠性，彌補了傳統(tǒng)建模方法的不足。
(5)該方法建立的基于數(shù)據(jù)的城市污水泵站系統(tǒng)模型，可以很好的預(yù)測污水泵站系統(tǒng)的多個參數(shù)(污水流入量、污水儲量、污水水位)，用于指導(dǎo)泵站的實際運行(a)合理設(shè)置泵站的控制水位，以避免不必要的頻繁開關(guān)泵，從而降低能耗，延長水泵的壽命；(b)實現(xiàn)預(yù)警判斷，為保證安全裕度提前開泵，甚至排空泵站污水，以避免污水溢出，實現(xiàn)安全生產(chǎn)。

具體實施例方式 以杭州留下和磁帶廠兩個上下游泵站為例，對本發(fā)明作進一步說明。
(1)建立排水管網(wǎng)泵站預(yù)測模型；排水管網(wǎng)泵站預(yù)測模型包括排水管網(wǎng)泵站污水儲量預(yù)測模型和污水入流量的預(yù)測模型，分別為 x(k)＝x(k-1)+T(z-1)v(k-1)-s(k-1)+u(k-1)+ε(k-1) 和x′(k-1)＝x(k)-x(k-1)+s(k-1)＝T(z-1)v(k-1)+u(k-1)+ε(k-1) 其中k為采樣時刻，x(k)為k時刻磁帶廠泵站污水儲水量，x′(k-1)為采樣周期[k-1 k]內(nèi)磁帶廠泵站的污水入流量；s(k-1)為采樣周期[k-1 k]內(nèi)磁帶廠泵站排出的污水量；u(k-1)為采樣周期[k-1 k]內(nèi)本地流入磁帶廠泵站的污水量之和的均值；ε(k-1)為采樣周期[k-1 k]內(nèi)本地流入磁帶廠泵站的污水量之和的噪聲；v(k-1)為采樣周期[k-1 k]內(nèi)留下泵站排出的污水量，T(z-1)v(k-1)為留下泵站排出的污水量經(jīng)管網(wǎng)延遲流入該泵站的污水量 其中T(z-1)為不確定延遲算子，z-1為一步延遲算子，表示延時一步采樣周期的相應(yīng)量；na和nb分別表示留下泵站排水量v對流入磁帶廠泵站的污水量x′的最小遲延和最大遲延，nb＞na；系數(shù)ai(i＝na，…，nb)為采樣周期[k-i-1 k-i]內(nèi)上游泵站排出量流入該泵站污水量的比例； (2)數(shù)據(jù)預(yù)處理對SCADA采集的數(shù)據(jù)進行數(shù)據(jù)遺漏處理和噪聲處理。
遺漏數(shù)據(jù)處理泵站SCADA每隔20秒采樣1次數(shù)據(jù)，首先從采集的時間序列數(shù)據(jù)中進行粗選，每分鐘選1個數(shù)據(jù)，根據(jù)前后數(shù)據(jù)補全，關(guān)聯(lián)數(shù)據(jù)補全方法進行遺漏數(shù)據(jù)處理；對于連續(xù)缺失較多的數(shù)據(jù)，通過對比前一天的數(shù)據(jù)，進行類比補全。
噪聲數(shù)據(jù)處理對開關(guān)泵時水面波動造成的水位測量誤差，通過多傳感器測量值平均和前后數(shù)據(jù)平滑校正進行處理；對于明顯的偏大偏小的數(shù)據(jù)，通過去除毛刺方法進行校正。
(3)數(shù)據(jù)聚類根據(jù)預(yù)處理后的歷史數(shù)據(jù)計算統(tǒng)計指標值-開泵率，通過統(tǒng)計分析將開泵率聚類為3～4類模式，每一類對應(yīng)建立一個預(yù)測模型。實際運行過程中，跟蹤開泵率指標，動態(tài)判斷當前運行模式，切換至合適的預(yù)測模型。
(4)模型結(jié)構(gòu)辨識分別對每種模式的杭州磁帶廠泵站污水流入量x′與其上游留下泵站的排水量v進行相關(guān)性分析，獲得每類模式下留下泵站和磁帶廠泵站互相關(guān)系數(shù)值rq(x′，v)，污水泵站液位控制的運行機理決定了互相關(guān)系數(shù)的周期性。
根據(jù)經(jīng)驗公式計算得到的流速和上下游泵站的距離計算污水流經(jīng)管網(wǎng)時間，確定正相關(guān)性對應(yīng)的周期，即上游留下泵站的排水量影響下游磁帶廠泵站流入量的時間段。該周期內(nèi)的相關(guān)系數(shù)大于置信上限值時所對應(yīng)的最小時刻和最大時刻就是模型中不確定延遲算子T(z-1)中na和nb值，從而確定各模式下預(yù)測模型的結(jié)構(gòu)。
(5)模型參數(shù)辨識采用最小二乘法對各種模式下預(yù)測模型進行參數(shù)辨識，即確定

的值。
將預(yù)測模型轉(zhuǎn)化為如下形式 z(k)＝x(k)-x(k-1)+s(k-1)-u(k-1)＝T(z-1)v(k-1)+ε(k-1) 將上式轉(zhuǎn)化為一個標準的最小二乘形式 z(k)＝hT(k)θ+ε(k-1) 式中，系數(shù)

h(k)＝[v(k-na-1)，…，v(k-nb-1)]T。
將上式可寫成矩陣形式 ZL＝HLθ+∑L 式中ZL＝[z(1)，z(2)，…，z(L)]T，∑L＝[ε(1)，ε(2)，…，ε(L)]T，L為辨識數(shù)據(jù)維數(shù)；
根據(jù)

從而得到模型參數(shù)

的估計值
(6)模型參數(shù)在線動態(tài)修正。
通過步驟(2)至步驟(4)得到不同模式下的預(yù)測模型，在實際運行時，為了能及時反映不確定因素對模型參數(shù)的影響，采用遺忘因子最小二乘法對模型參數(shù)進行在線修正。
取遺忘因子α值為0.98。初值θ和P取步驟(4)中參數(shù)辨識的結(jié)果，即


誤差ε＝0.01。按如下遞歸方程進行在線參數(shù)修正 (7)排水管網(wǎng)泵站污水分布預(yù)測。
由步驟(3)至步驟(5)確定各模式下泵站預(yù)測模型，利用該模型可以預(yù)測下游泵站的污水流入量和污水儲量，以及泵站前池水位。
權(quán)利要求
1.基于數(shù)據(jù)的城市污水泵站系統(tǒng)建模方法，其特征在于該方法包括如下步驟
步驟(1)建立排水管網(wǎng)泵站預(yù)測模型；排水管網(wǎng)泵站預(yù)測模型包括排水管網(wǎng)泵站污水儲量預(yù)測模型和污水入流量的預(yù)測模型，分別為
x(k)＝x(k-1)+T(z-1)v(k-1)-s(k-1)+u(k-1)+ε(k-1)
和x′(k-1)＝x(k)-x(k-1)+s(k-1)＝T(z-1)v(k-1)+u(k-1)+ε(k-1)
其中k為采樣時刻，x(k)為k時刻該泵站污水儲水量，x′(k-1)為采樣周期[k-1 k]內(nèi)該泵站的污水入流量；s(k-1)為采樣周期[k-1 k]內(nèi)該泵站排出的污水量；u(k-1)為采樣周期[k-1 k]內(nèi)本地流入該泵站的污水量之和的均值；ε(k-1)為采樣周期[k-1 k]內(nèi)本地流入該泵站的污水量之和的噪聲；v(k-1)為采樣周期[k-1 k]內(nèi)上游泵站排出的污水量，T(z-1)v(k-1)為上游泵站排出的污水量經(jīng)管網(wǎng)延遲流入該泵站的污水量
其中T(z-1)為不確定延遲算子，z-1為一步延遲算子，表示延時一步采樣周期的相應(yīng)量；na和nb分別表示上游泵站排水量v對流入該泵站的污水量x′的最小遲延和最大遲延，nb＞na；系數(shù)ai(i＝na，...，nb)為采樣周期[k-i-1 k-i]內(nèi)上游泵站排出量流入該泵站污水量的比例；
步驟(2)對數(shù)據(jù)進行預(yù)處理，具體包括處理遺漏數(shù)據(jù)和處理噪聲數(shù)據(jù)；
處理遺漏數(shù)據(jù)的方法為對數(shù)據(jù)采集與監(jiān)控系統(tǒng)采集的時間序列數(shù)據(jù)首先進行數(shù)據(jù)粗選，即每分鐘選1個數(shù)據(jù)；然后再利用忽略元組或歷史數(shù)據(jù)補全方法處理遺漏數(shù)據(jù)；
處理噪聲數(shù)據(jù)的方法為采用分箱方法處理噪聲數(shù)據(jù)；
步驟(3)辨識不確定延遲算子T(z-1)，具體方法是
a、確定模型集類型；
根據(jù)泵站大量歷史運行數(shù)據(jù)將上游泵站開泵率聚類為3～5類模式，每一類對應(yīng)建立一個預(yù)測模型，跟蹤當前開泵率指標，動態(tài)判斷當前運行時刻屬于何種模式，從而切換至與該模式對應(yīng)的預(yù)測模型；
所述的開泵率為計量時間內(nèi)上游泵站所開泵運行總時間與計量時間內(nèi)上游泵站可用泵總可運行時間的比值；
b、對流入泵站的污水量x′與上游泵站排水量v進行互相關(guān)性分析，確定模型結(jié)構(gòu)na和nb；具體方法是
n組采樣數(shù)據(jù)構(gòu)成時間序列[x′t]和[vt](t＝1，2，...，n)與時延q相關(guān)，其中1≤q≤n，互相關(guān)系數(shù)rq(x′，v)為
式中
計算不同時延q的相關(guān)系數(shù)rq(x′，v)，當rq(x′，v)大于設(shè)定的置信上限值時，rq(x′，v)所對應(yīng)的最小時刻和最大時刻就是模型結(jié)構(gòu)na和nb；
c、采用最小二乘法確定預(yù)測模型參數(shù)
將步驟(1)得到的預(yù)測模型轉(zhuǎn)化為
z(k)＝x(k)-x(k-1)+s(k-1)-u(k-1)＝T(z-1)v(k-1)+ε(k-1)
將上式化為一個標準的最小二乘形式
z(k)＝hT(k)θ+ε(k-1)
式中，系數(shù)
h(k)＝[v(k-na-1)，...，v(k-nb-1)]T；
將上式寫成矩陣形式
ZL＝HLθ+∑L
式中ZL＝[z(1)，z(2)，...，z(L)]T，∑L＝[ε(1)，ε(2)，...，ε(L)]T，L為辨識數(shù)據(jù)維數(shù)；
最小二乘法的準則函數(shù)J(θ)取為
J(θ)＝(ZL-HLθ)TΛL(ZL-HLθ)
其中，ΛL為加權(quán)陣，取正定對角陣；
極小化J(θ)，得到系數(shù)θ的估計值
d、在線動態(tài)修正模型參數(shù)
選擇準則函數(shù)JL+1，JL+1＝αJL+[z(L+1)-hT(L+1)θL]2；
根據(jù)遞推公式求解系數(shù)θ的估計值
其中α為遺忘因子，一般取0.95＜α＜1；K(L+1)為權(quán)因子；P(L+1)為正定的協(xié)方差陣。
全文摘要
本發(fā)明涉及一種基于數(shù)據(jù)的城市污水泵站系統(tǒng)建模方法?，F(xiàn)有排水管網(wǎng)泵站模型建模復(fù)雜度高。本發(fā)明方法首先建立排水管網(wǎng)泵站預(yù)測模型；其次SCADA系統(tǒng)采集的原始數(shù)據(jù)進行預(yù)處理；然后確定模型集類型，辨識模型結(jié)構(gòu)和模型參數(shù)辨識；最后對模型參數(shù)進行在線動態(tài)修正。本發(fā)明方法突破傳統(tǒng)建模需對機理特性完全了解的束縛，建模時間相對較短，獲得模型結(jié)構(gòu)較為簡單。
文檔編號G05B13/02GK101807045SQ201010140199
公開日2010年8月18日 申請日期2010年4月2日 優(yōu)先權(quán)日2010年4月2日
發(fā)明者徐哲, 左燕, 薛安克, 王建中, 何必仕, 張學(xué)同 申請人:杭州電子科技大學(xué)