基于人工智能技术的排水运行调度决策系统构建研究

罗 健，周 斌，王 磊

（上海市城市排水有限公司，上海 200000）

1 项目介绍

上海市城市排水有限公司污水输送系统主要包括竹园、白龙港和石洞口三大污水片区，其中竹园片区、石洞口片区共涉及3条大型污水输送系统，分别为合流一期、污水三期（含两港截流）、西干线，污水处理总规模304万m3/d。

目前排水泵站区域自动化控制系统不断建设，合流一期、污水三期及西干线已逐步实现排水泵站日常“流动巡检、远程控制”常态化运行管理模式，而当下人工调度决策所需关注数据量极大，无法及时获悉相关异常类数据，且难以实现人工运行调度经验的系统化、数字化积累及对调度决策手段进行数字化评价，故基于人工智能技术构建排水泵站运行调度决策系统已成为必然的发展趋势。

2 项目意义

日常排水运行调度不仅需考虑目标节点泵站控制流量（保证终端污水处理厂工艺处理效果）、上游节点泵站控制水位及最大排水量限制、上游各排水泵站内部闸门等连锁工艺限制和上游节点泵站可用泵机限制（泵机保养或维修）等，所关注数据包括众多静态数据及各类动态数据，且需根据终端污水处理厂进水量需求及节点泵站水位情况，对上游排水泵站进行一体化、联动化、动态化调度，不仅对调度人员经验要求高，且对计算能力及关注能力同样要求极高。

因人工调度决策指令执行过程需关注大量基础信息（含静态及动态数据），并基于基础信息进行计算、分析及预测，推导过程长，且耗时久，无法满足排水泵站运行调度决策的及时性要求，故目前人工调度基本采用时间段与泵站、泵机预设关联性调度，而无法实现最优化调度决策。

人工智能技术的排水运行调度决策系统可基于现有人工调度方式，结合系统化、数字化应用实现人工调度经验的系统化积累，数字化评价，预案化提取，并避免人工调度所需关注数据量大、无法及时获悉相关异常类数据的弊端，为大范围排水泵站一体化联动调度决策提供数字化平台支撑，且可为后续排水系统全季节化、全面化调度提供基础借鉴。

3 系统构成

基于人工智能技术的排水运行调度决策系统根据应用需求，系统架构设计如图1所示。

图1 系统架构设计图

系统调度决策执行过程及系统各功能模组关系设计如图2所示。

图2 系统调度决策执行过程及系统各功能模组关系设计图

3.1 排水泵站数字化管理

基于人工智能技术的排水运行调度决策系统需基于排水设施资源进行最优化调度，而排水设施投入或退出运行存在相关限制（工艺限制、水位限制、排水量限制等）条件，并必须基于排水泵站数字化管理，为排水可用资源池构建提供基础支撑。

3.1.1 泵站数字化管理

（1）泵站关系管理：各上游排水泵站与目标节点泵站关联性配置，泵站关系管理包括如下。

a.目标节点泵站与末端接入泵站关系配置。

b.末端接入泵站与其上游泵站关系配置。

（2）泵站管理：对泵站运行水位、最大可排水量数据进行管理，用于后续可用资源池构建工作。

3.1.2 泵机数字化管理

（1）泵机管理维护包括所属泵站、泵机名称、铭牌流量、泵机状态（可用/不可用）、可投入运行（可投入/不可投入运行）。

a.可用/不可用为基于调度人员，结合泵站或泵机维修计划进行后端设置。

b.可投入/不可投入运行为系统基于最大排水量限制、闸门关系限制及运行液位限制等条件进行判断，可由调度人员对默认判断条件进行强制性修正。

（2）对各泵站泵机排水量数据进行配置，为各排水泵站最大流量限制计算提供基础数据支撑。

3.1.3 运行信息数字化管理

（1）对各排水泵站开/停车水位、开机与水位关系（含单水位控制及阶梯水位控制）、警戒水位等运行信息进行管理。

（2）对泵机最大连续性运行时间进行管理（超出此时间将强制性换泵操作，且同排水量条件下，优先投入停止时间较长泵机设备），最大连续性运行时间将与各泵机进行关联性设置。

3.1.4 工艺连锁数字化管理

构建各排水泵站内部闸门与泵机关联性，为后续资源池构建提供基础支撑，在闸门不满足泵机开启条件情况下，相关泵机资源将无法使用（可由人工对闸门状态确认后进行强制投入泵机）。

3.2 运行调度决策功能

运行调度决策应用为本系统核心功能，包括历史预案数字化管理、预案评价指标管理、评价指标修正及完善、资源池构建及历史预案提取功能。

3.2.1 预案数字化管理

（1）利用大数据挖掘技术，对历史运行数据进行抽取，形成数字化预案记录。

（2）根据泵站数字化管理功能所构建的节点泵站及上游末端泵站关系进行关联性数字化预案提取。

（3）根据节点泵站的泵机排水量变化作为预案的开始时间至后次泵机排水量变化为截止时间，对应抽取其上游泵站泵机的开停车记录作为预案的过程记录（包括上游泵站对应开停车所对应的液位数据信息）。

（4）基于数据分析技术，对历史预案中小流量影响因子（排水泵站）进行标注，并在后续预案提取阶段进行选择，可根据预案运行评价结果，对小流量影响因子进行动态调整（各节点泵站所对应小流量影响因子可进行独立设置及优化调整）。

3.2.2 预案评价指标管理

基于排水泵站运行调度决策需求，构建预案评价指标及权重体系，对所存储各项预案进行数字化评价，为后续预案择优提取提供基础数据支撑。

将预案评价指标及权重进行数字化管理，包括并不限于如下指标：

（1）预案累积持续时间。

（2）目标节点泵站水位偏离度。

（3）上游泵站单位时间切换车次数。

（4）总超出警戒水位次数（含上游泵站）。

根据不同的节点泵站可以设定不同评价标准的权重及评价基础，系统将基于历史数据进行比对分析，相关系统所输出调度预案是否被执行，如系统所输出相关调度预案未被执行，则评价系统将不会对上述预案进行数字化评价，并记录系统将各预案被应用次数。

3.2.3 预案评价指标修正

预案评价指标修正功能基于人工智能技术进行构建，可基于运行调度人员对各次预案执行评价结果对相关评价指标及权重进行修正，以不断完善系统评价规则，为预案择优化提取应用提供基础支撑。

基于预案评价需求，预案评价指标功能将采用遗传算法为核心构建。

3.2.4 资源池构建

（1）历史预案基于可用设备设施资源池为基础进行择优化提取，故必须先行构建可用资源池。

（2）系统基于排水泵站数字化管理功能及各上游泵站实时运行水位构建调度决策资源池，高液位泵站（根据接近开车水位进行排序）优先投入运行，低液位泵站（根据接近停车水位进行排序）优先退出运行（高、低液位为基于与目标设定开、停车水位数值进行比较，并根据接近程度进行排序，而非绝对液位数值排序）。

（3）根据目标节点泵站流量影响程序不同，系统将对大流量影响泵站及小流量影响泵站单独进行资源队列构建。

3.2.5 历史预案提取

根据目标节点泵站设定排水量目标，基于历史预案提取，并择优选择，对上游节点泵站（历史大流量因子泵站）进行调度决策，并基于资源池对泵机进行优化调度、控制，以实现目标节点泵站流量平衡的目标。

历史预案提取原则如下：

（1）基于节点泵站泵机状态变化时间作为预案开始提取时间，至上游末端节点泵站与目标节点泵站流量平衡时作为预案提取终止时间（相关历史运行预案流量平衡后信息将存储，不再进行提取）。

（2）预案提取信息将包括目标节点泵站排水量设定值及预案开始时间目标节点泵站水位值，并根据预案评价指标，对预案提取过程中目标节点泵站液位的近似区间进行不断优化。

3.3 人机交互应用功能

人工交互应用功能将以人机界面输出各项调度决策指令供运行管理人员参照后执行，并可提供各类数据分析、决策功能。

3.3.1 运行调度决策页面

运行调度决策页面可基于运行调度决策功能输出各类调度决策指令，由人工参照后执行，并基于执行后历史数据侦测功能，动态消除、刷新各类调度决策信息，以系统化方式指导排水泵站日常运行调度工作。

3.3.2 资源动态管理页面

资源动态管理页面可显示各排水泵站设备设施资源情况及开、停车队列信息，并可由人工对相关基础信息核查后，强制相关设备设施进入可用资源队列。

3.3.3 数据动态分析页面

运行管理人员可经由数据动态分析页面对运行调度决策系统相关运行数据进行分析、评价，相关分析页面包括并不限于如下：

（1）可调用运行曲线图（含以数据框方式显示水位时间偏离度、上游单位时间泵机切换次数、泵站及上游泵站水位累积超限次数、预案累积持续时间等统计信息）。

（2）可调用累积排水量柱状图（含小时级别、日级别、月级别累积流量数据），将同时显示目标设定流量与实际排水量（实际排水量数据将基于流量计数据进行采集），并进行比对。

4 结束语

基于人工智能技术的排水运行调度决策系统可实现人工调度经验的系统化学习、优化，并基于评价体系进行数字化评价，将有效弥补人工调度经验、计算力的不足，有效降低排水泵站运行调度决策对人的依赖性。

基于人工智能技术的排水运行调度决策系统可实现上游各末端支线泵站的调度决策功能，为后续综合考虑管网负荷、水位情况，末端污水处理厂平稳输送需求及防汛泵站截流对管网的影响的调度决策应用提供基础借鉴。