高层建筑火灾的火场供水调度控制方法研究

王蕾

摘要：在高层建筑火灾供水调度控制中，传统方法的供水量与需水量一致性系数较低。针对这一问题，提出一种新的高层建筑火灾的火场供水调度控制方法。将高层建筑水箱主阀门控制开度、水泵水压、水泵转差率以及水泵开关状态作为控制变量，以火场最低需水量为目标建立目标函数，再将供水最小成本作为子目标函数，通过设定约束条件，实现对高层建筑供水管网初始边界、最小服务水头、供水流量、水箱水位、水泵水压等参数的约束。在此基础上，寻求高层建筑火灾的火场供水调度控制最佳模式，切实保障队伍实战打赢能力的有效提升。

关键词：高层建筑；火场供水；调度控制；目标函数；人工蜂群算法

中图分类号：TU998.1       文献标识码：A       文章编号：2096-1227（2023）01-0037-03

火灾是公共危机事件的种类之一，具有危害度高、突发性强、随机性强等特点。任何环境中都存在或多或少的火灾隐患，火灾一旦发生，不仅会对起火点周边建筑和生态环境造成不同程度的破坏，产生较大的经济损失，同时还会对居民的生命安全造成巨大的威胁[1]。由于高层建筑内部结构比较复杂，且高度较高，并不是每个楼层都安装了水箱。因此，需要考虑火灾发生时火场供水调度控制问题。如果调取的水量太少无法满足火场消防用水，如果调取的水量太多将会造成用水浪费。如何在最短的时间内调取到最近的能够满足救火需求的水成了高层建筑火灾救援难题。由于目前现有的火场供水调度控制方法在实际应用中并没有达到预期控制效果，供水量与需求量一致性系数较小，已经难以满足高层建筑火灾的火场供水调度控制需求。为此，本研究提出了一种新的高层建筑火灾的火场供水调度控制方法。

1 方法设计

本文方法主要由三部分组成，首先根据火场供水调度控制目标建立目标函数，然后根据火场供水调度控制需求设定约束条件，最后结合约束条件对目标函数进行求解，从而设计出火场供水调度控制最优策略。

1.1  建立火场供水调度控制目标函数

对于高层建筑火灾的火场供水调度控制，首先需要确立火场供水调度控制目标，切实保障供水量要满足火灾救援需求量，同时还不能过多浪费水资源，因此此次选取高层建筑火灾的火场最低需水量为目标，以高层建筑水箱主阀门控制开度、水泵水压、水泵转差率以及水泵开关状态为控制变量，建立火场供水调度控制目标函数如下：

式中，Fmin表示高层建筑火灾的火场最低需水量；t表示高层建筑火灾的火场供水时间；wt表示时间t时高层建筑水箱的额定供水流量；y表示高层建筑各楼层变速泵的额定供水流量；s表示高层建筑各楼层变速泵的控制决策变量。该变量有0和1两个状态，0表示高层建筑各楼层变速泵开启状态，1表示高层建筑各楼层变速泵关闭状态[2]。

为了实现高层建筑火灾的火场供水调度控制节能，在保证供水量最小的同时还能确保高层建筑火灾的火场供水成本最低，在上述目标函数的基础上还设计了一个子目标函数，即高层建筑火灾的火场供水成本最低。高层建筑火灾的火场供水费用特指为火场供水过程中消耗的电能，而电能主要消耗在高层建筑各个楼层泵站水泵和阀门在火灾处置过程中的实际运转上，因此将高层建筑水泵和阀门作为火灾供水调度控制变量，得出高层建筑火灾的火场供水调度控制子目标函数，用公式表示如下：

式中，fmin表示高层建筑火灾的火场供水最小成本；n表示高層建筑火灾的火场所在楼层；kn表示第n个楼层供水调度时间间隔大小；d表示火场供水调度时间段的阶梯电价；x表示高层建筑供水系统的水泵数量；P表示高层建筑供水系统中水泵效率；a表示高层建筑供水系统的水泵扬程，水泵扬程主要与任意时刻高层建筑定速泵转差率以及开关状态相关；v表示高层建筑供水系统水泵的等效阻尼系数[3]。表示水泵数量。利用以上两个目标函数确保高层建筑火灾的火场供水量最小和成本最小，以此完成火场供水调度控制目标函数建立。

1.2  设定约束条件

高层建筑火灾的火场供水调度控制过程中，各个调度控制指令所对应的状态变量要满足相应的约束条件，因此在已经建立的目标函数基础上，还需要对目标函数求解设定约束条件。首先，以高层建筑火灾的火场供水调度时间周期为单位，对高层建筑供水系统的初始边界进行约束，要求高层建筑火灾的火场供水调度周期内水箱的初始时段水位与末期时段水位控制始终相等[4]。其次，已经建立的火场供水调度控制目标函数解要满足高层建筑供水管网服务区域内各节点自由水压，要始终满足最小服务水头约束条件，该约束条件用公式表示如下：

式中，Zi表示高层建筑供水管网服务区域内第i个水泵节点的自由扬程；mmin表示高层建筑供水管网规定的最低服务水头。

利用上述约束条件对火场供水调度控制目标函数解进行约束，不仅要满足该条件，同时还要满足火场供水流量约束条件[5]。高层建筑供水系统相对比较复杂，长时间运行过程中水泵设备极易出现低效运行或者高效运行等突发情况，当水泵处于低效运行状态时，水泵内的流量无法达到火场供水需求；而当水泵处于高效运行时，水泵内的流量会大于平均供水流量，如果在高层建筑火灾的火场供水过程中水泵内流量过大会导致水资源浪费，因此通过对水泵供水流量实施约束，使高层建筑火灾的火场供水始终处于最佳状态，该约束条件用公式表示如下：

式中，minR表示高层建筑火灾的火场供水流量最小值；R表示高层建筑火灾的火场供水流量；maxR表示高层建筑火灾的火场供水流量最大值。

最后对高层建筑火灾的火场供水调度周期内水箱水位进行约束。由于正常情况下高层建筑水箱水位会出现放空或者溢流的现象，为了满足高层建筑火灾的火场供水需求，高层建筑水箱水位要满足在火场供水调度周期内水箱水位始终在最高限值和最低限值范围之间[6]。除此之外，还设定了供水水压的约束条件，供水水压是高层建筑火灾的火场供水调度控制主要参数之一，如果水压过大，高层建筑火灾的火场供水过程中水量会增多，会造成水资源浪费；如果水压过小，高层建筑火灾的火场供水过程中水泵扬程无法达到火灾救援需求。因此，高层建筑火灾的火场供水水压要始终在最大限值和最小限值范围内，利用以上设定的约束条件对火场供水调度控制目标函数进行约束。

1.3  实现火场供水调度控制

结合设定的约束条件，利用ABC算法（人工蜂群算法）对高层建筑火灾的火场供水调度控制目标函数进行计算求解，从众多解中选取出最优的控制策略，其过程如下：

首先以蜜蜂食物源的位置作为目标函数解空间中的一个可能解，假设目标函数的解集合为N，该集合由n个火场供水调度控制策略组成，根据集合随机产生蜜蜂初始种群，从集合N中随机挑选一个解作为初始解。然后蜜蜂开始循环搜索食物，蜜蜂对应的初始解进行一次领域搜索，并使用适应度函数计算该解的适应度，用公式表示如下：

式中，f（x）表示初始解的适应度值；ρ表示蜜蜂按照食物链寻找到食物的概率；表示蜜蜂在该食物链上的行驶步长[7]。

利用上述公式计算出初始解的适应度，然后再从中随机挑选一个解，按照上述过程计算出该解的适应度，将其与初始解适应度进行比较，如果优于初始解适应度，则将其代替初始解适应度。如果小于初始解适应度，则保留旧的适应度，从集合N中对下一个解进行计算。按照上述过程将集合N中所有解进行计算，以适应度最高的解作为最优解输出，根据该解中的阀门动作间隔、次数、水泵水压、水量等向量数值作为最优控制依据，执行该解对应的火场供水调度控制策略，以此完成高层建筑火灾的火场供水调度控制。

2 实验论证分析

为验证上述设计的高层建筑火灾的火场供水调度控制方法的可行性，设计如下实验：

实验设定在某25层高层建筑中，层高为2.8m，火灾发生在12层，供水水箱在25层，每个楼层有3个动力水泵，3个阀门开关，共计75个动力水泵，75个阀门开关。此外，每个楼层还设有1个变速泵，并留有电控接口，实验利用此次设计方法与传统方法对该高层建筑火场的火场供水调度进行控制。

实验根据该高层建筑火灾的火场供水调度控制需求，建立了目标函数和约束条件，在ABC算法中采用大种群规模，设置算法迭代次数为100，蜜蜂数量为100只，算法的惯性权系数为0.15。

根据实际情况，将高层建筑火灾的火场供水水泵流量上限和下限设定为5.16L/s和1.35L/s，高层建筑水箱水位的上限设定为11.26m，水箱水位的下限设定为8.48m，水泵水压上限设定为3.48MPa，水泵水压下限设定为1.86MPa。实验共对该高层建筑火灾的火场供水调度控制8次，每次供水量与实际需求量如表1所示。

实验对每次调度控制数据进行记录，利用SFHIA软件计算出控制策略执行后高层建筑火灾的火场供水量与实际需求量的一致性系数值，一致性系数取值范围为0～1，数值越大表示供水量与实际需求量越相符合，火场供水调度控制精度越高；相反，数值越小表示高层建筑火灾的火场供水量与实际需求量差距越大，火场供水调度控制精度越低。

实验将高层建筑火灾的火场供水量与实际需求量的一致性系数值作为检验两种控制方法的评价指标，利用电子表格对SFHIA软件计算结果进行记录。表2为两种方法应用下供水量与需求量一致性系数对比表格。

从表2中数据可以看出，应用本文方法后，火场供水量与需求量一致性系数值较大，平均为0.998，说明应用此次设计的火场供水调度控制方法，火场供水量基本与需求量一致，不存在供水不足或者供水過多问题。而应用传统方法后，火场供水量与需求量的一致性需求值较小，平均值为0.786，远远小于本文方法。因此，实验结果证明了本文设计的高层建筑火灾的火场供水调度控制方法能够满足火场供水需求，可以根据火场用水需求量进行准确供水调度控制，相比较传统方法更适用于高层建筑火灾的火场供水调度控制。

3 结语

此次结合高层建筑火灾的火场供水调度控制需求，采用ABC算法设计了一种新的控制方法，对高层建筑火灾的火场供水调度周期内的水阀开关、水泵水压、高程、水量等参数进行控制，并利用实验证明该方法在高层建筑火灾的火场供水调度控制方面具有较高的可行性和可靠性，有效提高了高层建筑火灾的火场供水调度控制精度，对实现高层建筑火灾的火场供水节能降耗，降低高层建筑火灾的火场供水成本具有重要的现实研究意义。

参考文献：

[1]肖建峰.大型城市综合体灭火救援作战策略探讨——基于成都新世纪环球中心实例分析[J].今日消防，2020，5（6）：105-109.

[2]慕睿鹏.基于消防救援工作实际探究高层建筑火灾扑救中的不利因素[J].今日消防，2020，5（2）：85-87+123.

[3]张自力，张强，张增烁，等.基于在线水力模型系统的供水管网优化调度开发与应用[J].城镇供水，2020（6）：65-72.

[4]彭安帮，马涛，刘九夫，等.考虑生态补水目标的丹江口水库供水调度研究[J].水文，2021，41（3）：82-87.

[5]许安春.以固为主、固移结合在高层建筑火灾扑救实战中的应用[J].消防界（电子版），2020，6（23）：80-81.

[6]王冬，王颖，邵豫霞.基于免疫进化布谷鸟算法的升钟水库供水优化调度研究[J].四川水利，2021（S1）：19-23.

[7]钱睿智，陈静，李章林，等.扬州市中心城区河网闸泵联合调度优化研究与应用[J].江苏水利，2019（12）：18-22.

Research on the fire scene water supply

scheduling control method for high-rise building fires

Wang Lei

（Huhhot Municipal Fire and Rescue Brigade Special Firefighting and Rescue Detachment，Inner Mongolia Huhhot  010010）

Abstract：In the scheduling control of water supply for high-rise building fires， the consistency coefficient between water supply and water demand of the traditional method is low. To address this problem， a new method of fire water supply scheduling control for high-rise building fires is proposed. The control opening degree of the main valve of the water tank of the high-rise building， the water pressure of the pump， the pump turning difference rate and the pump switching state are taken as the control variables， and the objective function is established with the minimum water demand at the fire scene as the target， and then the minimum cost of water supply is taken as the sub-objective function， and the constraints on the parameters such as the initial boundary of the water supply network of the high-rise building， the minimum service head， the water flow rate， the water level of the water tank and the water pressure of the pump are realized by setting the constraints. On this basis， the best mode of fire scene water supply scheduling control of high-rise building fire is sought out to effectively guarantee the effective improvement of the team's ability to fight and win in combat.

Keywords：high-rise building; water supply; scheduling control; objective function; artificial bee colony algorithm