荣格工业资源APP
了解工业圈,从荣格工业资源APP开始。
水泵耗费的能源成本可能是水务设施总运营支出的主要组成部分。如何在确保持续供应优质水的同时降低水泵能源成本是一项挑战。Data61和悉尼水务密切合作,开发出智能网络优化模型,以应对上述挑战。具体而言,建立起一个节能优化模型,以确定最佳的水泵和阀门运行计划,确保在达到要求水质的同时,最大限度地减少峰、平时段的抽水量,降低能源成本。三个月的模拟表明,采用这种方法可以节省大约15%的能源成本。
悉尼水务公司向伊拉瓦拉、蓝山和悉尼大都会区的500多万用户提供饮用水、废水、循环水和雨水处理服务。水泵能源成本是悉尼水务和其它水务公司运营支出的主要组成部分。例如,沃罗诺拉输送系统(WoronoraDeliverySystem)泵的能耗成本占系统总运行支出的66%。为了最大限度地降低运行成本,降低泵的能源成本极为重要。另一方面,还需要保障供水的连续性。
为应对上述挑战,本文提出了一个优化供水管网节能效果的框架。具体而言,就是通过优化水泵和阀门的运行,最大程度降低能源成本,并满足用水需求及蓄水库运行窗口的限制条件。之前已经开发了用水需求预测、水质建模和化学加药优化的分析模型,本文则侧重于节能优化的应用。
图1:Woronora供水网络
特别是根据需水量预测建立了一个优化模型,以找出从每天早上7点开始的未来24小时中,水泵和阀门的最佳运行计划。在2016年12月至2017年2月的三个月内进行了模拟,并将能耗、成本与历史数据进行了比较,结果表明,优化模型能够有效地降低峰、平时段的能耗,从而节约能源成本节15%左右。
背景
沃罗诺拉供水系统
研究对象为沃罗诺拉供水系统(见图1),包括13个蓄水库,平均每天向悉尼南部30个不同压力区的21万用户供水8000万升(夏季月份)。正常情况下,大部分原水来自沃罗诺拉大坝。从可以得到的数据和质量出发,本研究侧重于该供水系统的一部分(阴影矩形内的六个站点-图1)。但是,只要可以获得数据,本研究中所用的方法可以很容易地扩展到整个管网。
能源成本
如图2所示,泵的能源成本由多个部分组成,包括:
•按需计量费,根据用电量和用电时间计算(图中用峰、平、谷时段表示);
•供应(或接入)费,费率固定,按日或按月收取;
•电网容量费,根据当月电价峰时段(工作日下午2点至8点)的最大半小时用电量(KVA)计算,滚动期为12个月,
•以及根据总用电量计算的市场和环保费用。
计费电能的使用时间包括:
•峰时段:工作日下午2点至8点,
•平时段:工作日上午7点~下午2点以及晚上8点~晚上10点,以及
•谷时段:所有其余时间。
图中显示,电网容量费和按需计量费(包括峰、平、谷时段按需计量费)约占总能源成本的80%。因此,为了降低能源成本,应减少峰、平时段的抽水量,因为这些时段内的能源收费率较高,而且,电网容量费是根据峰时段最大半小时功率读数计算的。
数据集
为沃罗诺拉供水系统收集了各种数据,包括:
•网络拓扑数据,包括管道特性和控制设备如流量计、泵和阀门的位置;
•客户用水量数据;
•泵站的月度发票;
•半小时能源消耗和收费;
•抽水状态和速度数据⸺每15分钟泵的状态和速度;
•阀门状态数据⸺每15分钟阀门的状态;
•流量计数据⸺每15分钟的流量以及
•蓄水库数据⸺每15分钟的蓄水库水位。
还收集了澳大利亚气象局的气象数据,用于预测用水量需求。
方法
本研究旨在准确预测需水量并据此优化沃罗诺拉供水系统(见图1)的泵阀运行,从而将能源成本降至最低,同时满足用水需求、蓄水库运行窗口限制条件,并优化水质。输入数据包括耗电量、成本、天气数据、抽水和阀门状态、流量计和蓄水库数据。
首先,每天早上7点,用贝叶斯线性模型预测未来24小时内各蓄水库供水区的需水量。
然后,通过输入初始蓄水库水位、蓄水库运行窗口、水泵运行和电价,建优化模型,以最大限度地降低能源成本。为了验证模型,已进行了三个多月的模拟。
需水量预测
图3:需水量预测⸺恩加丁地区
图4:需水量预测⸺恩加丁地区 (包括所有下游地区的需求)
优化管网运行、抽水计划和降低能源成本的先决条件,是准确预测管网不同部分的用水量。需水量预测是将以往和预测条件下的运行数据和天气信息结合起来,生成未来短期(24-36小时)需水量的预测。具体而言,首先进行因子分析以确定重要的相关因素,即以往的流量、以往和预测的降雨量、以往和预测的温度,以及平日或周末标记。
然后利用贝叶斯概率模型捕捉预测不确定性。
恩加丁地区早上7点的需水量预测结果如图3所示,可以清楚地看到上午7点~11点以及下午4点~8点的高需水量。图4所示为同一区域的需求,但包括所有下游区域的需求,即从恩加丁蓄水库取水的下游蓄水库和网状区域。在图4中,晚上10点~早上5点有大量的需水量,这是由谷时段下游蓄水库的蓄水造成的。单个场地的累计需水量预测如图5a所示。
图5:需水量预测结果
通过比较2014年1月2日~2017年10月31日的历史数据,对预测结果进行了评估。以平均绝对百分比误差(MAPE)作为评价指标。图5b表明,除了历史记录中的一些异常值外,均能获得可靠的结果。MAPE的结果分别为夏季6.59%、秋季4.33%、冬季4.07%、春季5.07%,总体为4.92%。
夏季的预报误差略高于其它季节,可能是因为夏季极端天气和全面禁火的天数较多。总体MAPE为4.92%,这为运营规划者提供了在运营时段内准确预测需水量,进而做出更加明智和及时的主干水运营决策的能力。
节能优化
节能优化模型如图6所示,目标函数模拟能源成本和约束条件,以反映需水量、水流和蓄水库水位之间的关系。然而,如果只是在未来24小时内将能源成本降至最低,结果则是在一天结束时水位达到最低,第二天会产生更多的能源成本。为了缓解上述问题,在目标函数中增加了一个惩罚项,以确保储水库在一天结束时的水位接近上限。因此,目标函数定义为
Obj∶=能源成本t+惩罚项
其中能源成本是所有站点在未来24小时内的总电力成本。
上述目标函数的优化取决于1)蓄水库水位、水泵和需水量之间的关系,2)蓄水库运行窗口,3)每个供水区可用泵的数量,以及4)滤水设备单日最低水流量。
蓄水库、水泵和需水量之间的关系定义为
V(t)=V(t-1)+Pin(t)–Pout(t)–D(t)
式中,t是时间(小时),V(t)是时间t结束时的蓄水库水位,Pin(t)和Pout(t)分别是泵入和流出蓄水库的水量,D(t)是相应区域的需水量。
实施
对上述问题进行优化,系统地从获准的集合中选择输入值并计算该函数,使目标函数最大化或最小化。为了满足经营要求,优化需要每天早上7点运行并在几分钟内生成优化抽水计划。优化问题用线性规划来解决。
优化工作研究了目标函数为线性且仅使用线性等式和不等式指定约束的情况,因此优化过程非常迅速。
上述优化是采用R(R核心团队2018)⸺用于统计计算和图形的软件环境,以及lpsymphony软件包(Kim等人2018)⸺一个改编自Symphony(Ralphs等人2017)的开源混合整数线性规划(MILP)求解器来实现的,速度非常快。实验结果表明,六个泵站的24小时优化平均只需1.7秒。
模拟与结果
建模后,在2016年12月1日~2017年2月28日的三个月内进行了模拟,以验证优化的有效性。首先,每天早上7点,进行优化,以确定未来24小时内优化的泵和阀门运行计划。然后根据历史需求和优化的抽水计划更新储水库水位。接下来是再回到第一步,为第二天进行优化。上面的模拟过程如图7所示。
图8所示为2017年2月6日泵站的优化结果,其中红色实线表示历史,蓝色实线表示优化的抽水计划。红色虚线表示历史,蓝色虚线表示优化储水库水位,灰色虚线表示蓄水库水位的下、上限。通过优化计划,每天早上7点之前,将蓄水库的水抽到接近其上限的位置,这样就可以减少后续平、峰时段的抽水量。下午2点之前,足够的水被泵入蓄水库,以确保在接下来的峰时段几乎不需要抽水。图8清楚地表明峰时段的抽水量减少。
图8:优化抽水计划
接着,将优化抽水计划的能耗和成本与历史数据进行比较。图9a为三个月内泵站的能耗,这也证实了峰、平时段抽水量显著减少。能源成本的比较表明,使用优化模型可以节省大约15%的能源成本(图9b)。
图9:模拟结果
凭借经过优化的抽水计划,大多数蓄水库的水质都有所改善,如图10所示。
图10:对水质的影响
根据模拟结果,确定了以下观察结果。其中一些与现有知识相一致,另一些则有助于更深入地了解泵的调度。为了将能源成本降至最低:
•谷时段(22:00~7:00);
•尽可能多地抽水;
•当谷时段于7:00结束时,抽水至接近上限;
•上、下午的工作时间(7:00-14:00);
•需要时抽水;
•14:00时,蓄水库应有足够的水满足20:00的需求,以便在随后的峰时段不需要抽水;
•22:00时,蓄水库中的水应接近下限,以尽量减少前一天早上的抽水时间;
•峰时段(14:00~20:00);
•尽可能避免抽水;
•晚间平时段(20:00~22:00);
•如果不抽水,水位将低于下限时抽水。
结论、未来的工作
对沃罗诺拉供水系统进行研究并开发的分析模型,可以在满足用水需求的同时,大幅降低当前的能源成本。三个月的模拟结果表明,可以降低15%的能源成本,而且大多数蓄水库的水质都能得到改善。
未来,将反复整合并进行节能和水质优化。此外,模拟需要运行一年以上,以进一步验证对电网容量费的长期影响。今后的进一步工作将是减少启动/关闭泵和打开/关闭阀门的次数,特别是在大型场点。