法律状态公告日
法律状态信息
法律状态
2016-06-29
未缴年费专利权终止 IPC(主分类):F04B51/00 授权公告日:20130102 终止日期:20150514 申请日:20100514
专利权的终止
2013-01-02
授权
授权
2010-12-08
实质审查的生效 IPC(主分类):F04B51/00 申请日:20100514
实质审查的生效
2010-10-27
公开
公开
技术领域
本发明属于给水管网设备的参数估计与测量领域,特别涉及泵站水泵的特性曲线确定方法及系统。
背景技术
在给水管网建模中需要准确把握泵站内水泵性能,实践表明,实际管网系统中水泵性能并不能仅仅建立在水泵出厂时的理论特性基础上,其主要原因是:1.水泵出厂后可能经过切削改造;2.水泵运行一段时间后,部分水力特性发生变化。因而,导致理论特性曲线在管网模型中不再具有实用价值,需要进行实际测量。
泵站水泵特性曲线的传统测量技术主要是水力法,其在水泵进、出口法兰前后分别安装压力传感器,采集水泵进出口压力;在水泵出口法兰5倍直径处安装一个测点,用于安装流量传感器,采集水泵出口流量;通过控制阀门调节水泵流量并采集相关数据,绘制所测试水泵的扬程~流量曲线。
实践中,由于相当部分泵站并没有在每台水泵进出口端都设置压力传感器和流量传感器或者预留相应的传感器安装孔洞,而且测试时要考虑不能影响正常供水作业,因此传统的泵站水泵测试还需选择恰当时间,调用大量人力物力,费用不菲,而且测试时会对管网和泵站运行产生一定的冲击负荷。
发明内容
本发明的目的在于提供一种新的泵站水泵特性曲线确定方法及系统,其应用泵站日常运行历史状态数据,通过模型分析方法确定泵站水泵的特性曲线,不需要专门对泵站内水泵进行测量,节省测试成本。
为达到以上目的,本发明所采用的解决方案是:
一种新的泵站水泵特性曲线确定方法,建立一个与泵站信息管理系统通信互连的包含泵站水泵特性曲线确定算法以及客户端在内的泵站水泵特性曲线确定系统;客户端基于泵站基础数据,基于地理信息系统或者计算机辅助设计系统的泵站水力分析模型,以及泵站运行历史状态数据数据库建立泵站运行历史水力分析模型,根据所述泵站水泵特性曲线参数估计计算算法,调用遗传算法的优化算法程序和泵站水力分析模型,优化计算所述目标函数,计算泵站内各水泵特性曲线参数,确定泵站水泵特性曲线。
进一步,1)基于地理信息系统或者计算机辅助设计系统的泵站水力分析模型用于泵站水力状态的延时模拟;
2)基于遗传算法的优化算法程序,其中,优化的决策变量是所述泵站内各水泵特性曲线参数组成的水泵特性曲线参数向量优化目标函数如下所述,
其中:表示泵站各水泵特性曲线参数向量,决策变量,
Wpit表示所述泵站测压点i在t时刻的重要性权重,设定,泵站测压点必须至少包括出流总管上的测压点,
m表示测压点数,大于等于1,由所述泵站信息管理系统提供,
Hmit表示所述泵站测压点i在t时刻的水压测量值,由所述泵站信息管理系统提供,
Hcit表示所述泵站测压点i在t时刻的水压计算值;
3)泵站水泵特性曲线参数估计计算算法,根据所述泵站历史运行状态数据,应用所述优化算法程序和所述泵站水力分析模型,按2)中所述计算目标函数优化,估计泵站各水泵特性曲线参数。
所述水泵特性曲线采用下述水泵特性曲线方程表达,水泵特性曲线参数向量即为所述水泵特性曲线方程参数A、B、C所构成的向量:
hG=Aq2+Bq+C
其中:A、B、C为水泵特性曲线参数,
q为水泵过流量,
hG为水流经过水泵获得的水头。
所述基于遗传算法的优化算法程序包括如下步骤:
1)根据各水泵记录数据,根据经验设定各水泵特性曲线参数范围;
2)在各水泵特性曲线参数范围内随机产生各水泵特性曲线参数,这些水泵特性曲线参数组成的向量称为个体,随机生成由多个个体组成的初始种群;
3)运行泵站水力模型,计算种群中各个体所述目标函数值,即适应度值,以及种群适应度值统计量;
4)判断种群适应度值是否满足优化准则要求,即种群的统计量是否满足要求,最优个体适应度值是否满足要求;
5)如果种群适应度值满足设定的优化准则要求,则转到步骤7执行;
6)如果种群适应度值不满足设定的优化准则要求,则应用子代染色体生成算子生成各水泵特性曲线参数向量的子代种群,转到步骤3执行;
7)输出最优水泵特性曲线参数向量,以及相应的种群统计量。
建立泵站运行历史水力分析模型的步骤如下:
1)将泵站(单根或多根)出流总管上的测压点设定为用水点,并将(单根或多根)总管上相应的测流点和测压点的时序过程数据都绑定到相应用水点上;
2)将水泵开关状态量的时序过程,变频泵的转速时序过程,吸水井或水厂清水池水位的时序过程,控制阀门开度变化的时序过程分别绑定到相应的构件对象上;
3)设定所述各水泵特性曲线参数变化范围,在该范围内随机产生各参数值,建立泵站运行历史水力分析模型。
所述客户端绘制泵站内各水泵特性曲线,以及泵站内各测点计算值和实测值时间序列的比对曲线。
一种新的泵站水泵特性曲线确定系统,其包括泵站信息管理系统、泵站水泵特性曲线确定算法、客户端以及通信网络,泵站信息管理系统至少包括基于地理信息系统或者计算机辅助设计系统的泵站基础数据与泵站运行历史状态数据数据库;泵站水泵特性曲线确定算法至少包括基于地理信息系统或者计算机辅助设计系统的泵站水力分析模型、基于遗传算法的优化算法程序、泵站水泵特性曲线参数估计计算算法;客户端,用于与所述泵站信息管理系统通信,发送数据访问指令,访问泵站基础数据及泵站运行历史状态数据,并调用所述泵站水泵特性曲线确定算法,计算泵站内各水泵特性曲线参数,绘制各水泵特性曲线,并显示泵站内各测点计算值和实测值时间序列的比对曲线;通信网络用于泵站信息管理系统与客户端之间的通信连接。
所述泵站基础数据包括泵站内各水力构件的属性信息及其互连拓扑结构。
所述泵站运行历史状态数据库是指泵站各水力构件状态记录数据,其至少包括:吸水井或者水厂清水池的水位过程、泵站出流压力、流量过程、水泵进出水管上控制阀门的开度过程、水泵开关状态过程和变频泵的转速变化过程。
基于泵站信息管理系统中的泵站运行历史状态库,泵站基础数据,以及泵站的水力分析模型,建立泵站运行历史水力分析模型;又根据所述泵站水泵特性曲线参数估计计算算法,调用所述优化算法程序和泵站运行历史水力分析模型,优化计算所述目标函数,计算泵站内各水泵特性曲线参数,确定泵站水泵特性曲线;最后绘制泵站水泵特性曲线,以及泵站内测点计算值和实测值时间序列的比对曲线。
由于采用了上述方案,本发明具有以下特点:
本发明泵站水泵特性曲线确定方法不需要专门对泵站内水泵进行测量,只是应用泵站日常运行的历史数据,通过模型分析方法来确定泵站水泵的特性曲线,节省测试费用,避免了测试对泵站的冲击负荷,并且可以根据泵站最新运行情况分析水泵特性曲线,提高管理水平。
附图说明
图1是本发明一种新的泵站水泵特性曲线确定方法工作的结构示意图;
图2是本发明一种新的泵站水泵特性曲线确定方法工作的流程示意图;
图3是本发明一种新的泵站水泵特性曲线确定方法中的泵站水泵特性曲线参数估计计算算法流程图。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
实践中,出于泵站管理需要,泵站出流总管上一般都安装有流量传感器和压力传感器,在吸水井或者在水厂的清水池都设有水位传感器,另外,在水泵,水泵变频器,控制阀门上还设有相关传感器记录水泵运行开关状态,水泵电机运行频率,控制阀门开度变化,这些设施记录泵站运行状态,并形成泵站日常运行历史数据存储在数据库中。本发明应用所述泵站日常运行历史状态数据,通过模型分析方法确定泵站水泵的特性曲线,该方法不需要专门对泵站内水泵进行测量,节省测试成本。
一种新的泵站水泵特性曲线确定方法,由泵站信息管理系统,泵站水泵特性曲线确定算法,客户端以及通信网络组成。其中,泵站信息管理系统至少包括基于地理信息系统(GIS)或者计算机辅助设计系统(CAD)的泵站基础数据与泵站运行历史状态数据数据库;泵站水泵特性曲线确定算法至少包括基于GIS或者CAD的泵站水力分析模型,基于遗传算法的优化算法程序,泵站水泵特性曲线参数估计计算算法;客户端,用于与所述泵站信息管理系统通信,发送数据访问指令,访问泵站基础数据及泵站运行历史状态数据,并调用所述泵站水泵特性曲线确定算法,计算泵站内各水泵特性曲线参数,绘制各水泵特性曲线,并显示泵站内各测点计算值和实测值时间序列的比对曲线;通信网络用于泵站信息管理系统与客户端之间的通信连接。
如图1所示,本发明基于遗传算法的优化算法,通过建立泵站历史运行水力模型对泵站水泵特性曲线参数进行估计,从而确定泵站水泵特性曲线;本方法应用泵站日常运行历史状态数据,通过模型分析方法确定泵站水泵的特性曲线,不需要进行水泵测试实验,节省测试成本,目的是这样实现的,该技术方案包括有:
1泵站信息管理系统,其至少包括基于GIS或者CAD的泵站基础数据与泵站运行历史数据数据库;
2泵站水泵特性曲线确定算法,其至少包括基于GIS或者CAD的泵站水力分析模型,基于遗传算法的优化算法程序,泵站水泵特性曲线参数估计计算算法;
3客户端,用于与所述泵站信息管理系统通信,发送数据访问指令,访问泵站基础数据及泵站运行历史状态数据,并调用所述泵站水泵特性曲线确定算法,计算泵站内各水泵特性曲线参数,绘制各水泵特性曲线,并显示泵站内各测点计算值和实测值时间序列的比对曲线;
4通信网络用于泵站信息管理系统与客户端之间的通信连接;
基于以上技术方案的一种新的泵站水泵特性曲线确定方法还包括以下建模步骤,见图2:
1基于泵站基础数据,基于GIS或者CAD的水力分析模型,以及泵站运行历史状态库建立泵站运行历史水力分析模型,具体流程步骤如下:
a将泵站(单根或多根)出流总管上的测压点设定为用水点,并将(单根或多根)总管上相应的测流点和测压点的时序过程数据都绑定到相应用水点上;
b将水泵开关状态量的时序过程,变频泵转速变化的时序过程,吸水井或水厂清水池水位的时序过程,控制阀门开度变化的时序过程分别绑定到相应的构件对象上;
c设定所述各水泵特性曲线参数变化范围,在该范围内随机产生各参数值,建立泵站运行历史状态水力分析模型;
2根据所述泵站水泵特性曲线参数估计计算算法,调用所述优化算法程序和泵站水力分析模型,优化计算所述目标函数,计算泵站内各水泵特性曲线参数,确定泵站水泵特性曲线;
3绘制泵站内各水泵特性曲线,以及泵站内各测点计算值和实测值时间序列的比对曲线。
其中,所述基于遗传算法的优化算法程序包括如下步骤,见图3:
1根据各水泵记录数据,如:出厂时特性曲线,工作年限以及是否经过切削改造,根据经验设定各水泵特性曲线参数范围;若设定范围较大,计算时间可能较长,若设定范围较窄,得不到满意结果,则可适当加大范围;一般而言,参数A必须为负值,参数C是对水泵静扬程的估计值;
2在各水泵特性曲线参数范围内随机产生各水泵特性曲线参数,这些水泵特性曲线参数组成的向量称为个体,随机生成由多个个体组成的初始种群;
3运行泵站水力模型,计算种群中各个体所述目标函数值,即适应度值,以及种群适应度值统计量(如:种群适应度均值,方差等);
4判断种群适应度值是否满足优化准则要求,即种群的统计量是否满足要求,最优个体适应度值是否满足要求;
其中,优化准则要求可根据经验采用多种方式,如:计算种群平均适应度值与种群最优个体适应度值之间的差值,或者是计算种群适应度方差,或者是计算种群最优个体与多级(如:5-10级)父代最优个体均值的差值;若计算所得值小于某个设定的差值(根据经验设定),则认为种群适应度值满足最优化准则要求;
5如果种群适应度值满足设定的优化准则要求,则转到步骤7执行;
6如果种群适应度值不满足设定的优化准则要求,则应用子代染色体生成算子(子代染色体生成算子可以采用常用的染色体交叉,变异算子,也可以采用其他的改进加速算子),生成各水泵特性曲线参数向量的子代种群,转到步骤3执行;
7输出最优水泵特性曲线参数向量,以及相应的种群统计量。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
机译: 一种用于小污水泵站的带刺铁丝网的屏幕系统,可有效去除窄而深的污水泵站中的杂质
机译: 一种用于特性曲线的方法或取决于特性场的方法,该特性曲线通过主动或半主动转向系统的方向盘或通过机动车转向柱的踏板来改变,或者施加扭矩
机译: 一种用于特性曲线的方法或取决于特性场的方法,该特性曲线通过主动或半主动转向系统的方向盘或通过汽车转向柱的踏板来改变,或者施加扭矩