8-戴俊龍-高度自動化控制在排水系統調度中的應用.pdf

《8-戴俊龍-高度自動化控制在排水系統調度中的應用.pdf》由會員分享，可在線閱讀，更多相關《8-戴俊龍-高度自動化控制在排水系統調度中的應用.pdf（27頁珍藏版）》請在三個皮匠報告上搜索。

1、戴俊龍2023年3月L0L1L2L3L4L5等級劃分人工駕駛輔助駕駛半自動駕駛等級劃分超高度自動駕駛全自動駕駛自動化程度弱強等級叫法轉向、加減速控制對環境的觀察激烈駕駛的應對L0人工駕駛駕駛員駕駛員駕駛員L1輔助駕駛駕駛員+系統駕駛員駕駛員L2半自動駕駛系統駕駛員駕駛員L3高級自動駕駛系統系統駕駛員L4超高度自動駕駛系統系統系統L5全自動駕駛系統系統系統L0L1L2L3L4L5等級劃分遠程手動控制輔助決策控制規則控制（RBC）模型實時控制（RTC）高級模型實時控制（ARTC)無人化全自動調度自動化程度弱強等級設備啟停、過程調參對環境的觀察對超量來水工況的應對應對工況L0運行人員運行人員運行人員

2、-L1運行人員+系統運行人員+系統運行人員-L2系統運行人員+系統運行人員旱季穩定工況L3系統系統運行人員部分L4系統系統系統所有非極端工況L5系統系統系統全部確定障礙目標在環境中的位置：激光雷達+GNSS(GPS)+攝像頭障礙目標運動機理模型+經驗模型預測下一時刻目標位置預測數據與監測數據合并，并通過Kalman濾波處理實現精準預測根據預測結果制定本車輛的行徑路線RNN處理循環計算檢測水量的入流節點在整個排水系統中的分布雨量計+流量計+液位計排水管網機理+經驗模型預測下一時刻對下游水量影響（模擬無法安裝監測設備的關鍵點位）結合臨測數據和上下游實時監測數據對模型進行校準，提高預測精度根據預測結

3、果制定水量轉輸設施的設定值GPC循環計算預測排水系統在某個預測時域內水量充滿度的分布情況 全域評估分析確定下游收水邊界條件根據溢流總量、內澇風險、能耗等控制目標建立成本函數，通過尋優算法計算被控設施的設定值無人駕駛排水實時調度構建對象模型根據控制變量數量及對象模型的復雜程度選擇Gain scheduled PID、預估控制器、MPC控制FSFB若系統滿足可觀且可控的條件就可進行全狀態反饋控制（FSFB）。FSFB需要根據控制對象的物理特征構建對應的對象模型即空間狀態方程，對系統內能量轉換和外部能量輸入對系統狀態的影響進行完全表征，那么通過對FSFB增益矩陣的調整就可以不受局限的將閉環系統的特征

4、根進行配置橫向動力學模型：出自橫向的風力，以及曲線行駛時的離心力等縱向動力學模型：受總驅動阻力、加速、減速等的影響?；颇_模型：輪胎方向和輪胎速度方向的夾角方向盤控制動力學模型水文徑流模型：非線性水庫模型、霍頓入滲模型、LID模型 水力傳輸模型：圣維南方程組、馬斯京根模型、PULS模型、曼寧公式水質計算：地表累積沖刷、沉淀與降解概述：無論是運動學模型、動力學模型或是水文水力模型，我們研究的對象都是非線性的，這意味著其狀態方程隨著工況的變化而變化，而線性模型預測控制較非線性模型預測控制有更好的實時性，且更易于分析和計算。與無人駕駛一樣，排水調度控制的線性化本質也是從某個特征工況的初始狀態?處重新

5、描述非線性系統()，即由低次到高次的多項式累加來擬合?鄰域的函數()值。系統狀態的變化率是由系統當前設狀態與外部控制量輸入決定的。很明顯若能求得系統狀態的變化率就能實現預測控制。設，=(,)1.差分化輸入為,輸出為2.泰勒公式展開()=(?)+?(?)1!(?)+(?)2!(?)?，僅保留1階導項忽略高階項可得出()(?)=?(?)1!(?)，即()=?(?)3.針對(,)，用雅可比矩陣進行求解，=(,);=(?,?);=(?,?);4.x=Ax+Bu這樣轉化為了一個范圍內的線性模型，而現代控制理論將=+作為系統的空間狀態方程。通過求解線性化的狀態矩陣A和B，這樣我們就可以得到執行機構在?處的

6、線性狀態方程，我們可以對該狀態下的系統特性進行分析，調節控制器等等。比如汽車在?速度下的動力學線性空間狀態方程,某段管網在?液位、流量下的水力學線性空間狀態方程，當我們求解了足夠多的?就能對被控對象在各種環境下進行極有效的控制。常用方法江南泵站節點迎江路泵站節點平政橋泵站節點解放路泵站節點江濱泵站節點征潤州上島節點雨水處理廠節點作為源頭減排、過程控制及現狀灰色系統的補充，鎮江提出了老城區連片綜合治理的設計方案-鎮江市沿金山湖CSO截流管道系統工程（下稱“CSO截流管道”），該工程的服務面積充分有效地覆蓋上述五個片區，可以充分協調空間利用，綜合達到提高排澇標準、改善金山湖水環境質量。7座豎井全長

7、6.2km、DN4000的頂管末端多功能泵站雨水處理廠氧化塘生態濕地工程附屬泵站改造二級管道工程8.75km2 實施步驟 控制目標制定 旱/雨季產流計算 線性化處理 對象模型搭建 邊界條件設立 控制邏輯組態 讀取各泵站實時液位值；計算各泵站及上游管網已調蓄容積及污染物負荷量；進行調蓄容積及污染物負荷量的加權平均；反解污染物負荷設定值求出對應各泵站液位設定值；設定值下發全局優化成本函數通訊方式雨季產匯流計算中除不透水率、流域面積、特征寬度、坡度可以經過測量和計算獲得，其余參數如不透水區曼寧系數、透水區曼寧系數、不透水區洼蓄量、透水區洼蓄量和管道曼寧系數需與臨測數據進行率定。以NSE作為擬合度評價

8、標準，通過對連續降雨期間的其中3場典型降雨情境下的NSE進行計算，其值均大于0.5，體現了Simuwater模型良好的擬合度。2017/8/82017/8/122017/8/29SWMM模型計算結果通過 Simuwater 控制模型建立以上游管網節點的旱、雨季產流流量作為自變量的預測響應函數，對各個泵站的收水系統進行線性化描述。以無限流方式在Simuwater中進行各工況的階躍響應試驗，并在模型中擬合出對應的時域數學模型進行封裝。管段截面圖線性化時域傳遞函數Simuwater 建模研究范圍內的排水設施主要包括7座大口徑管道豎井，6.2km、DN4000管道，末端多功能泵站，5座淺層泵站，末端集

9、中雨水處理廠，上游一二級管道，上游附屬泵站。深隧系統末端存在多種運行工況，隧洞內水體會出現非滿流、無壓滿流、壓力流等不同流態。主要有兩類水力過渡（瞬變流）過程流影響管道系統的安全性：重力涌流和壓力涌流。鎮江大口徑管道系統為典型的重力涌流過渡過程流 且 末 端 泵 站 的 最 大 排 澇 能 力 為30m3/s。為盡可能降低填充過程中的瞬時負壓、摻氣和涌流，需開展相關模型研究約束大口徑管道在臨界狀態各豎井入流峰值流量以規避涌浪和冒溢風險。超標降雨設計雨型采用1年一遇、2年一遇、3年一遇、5年一遇的2hr短歷時P.C.雨型和30年一遇24hr長歷時的K.C.雨型，應用模型模擬各入流豎井在無限流條件

10、下的流量過程線，確定各豎井的峰值流量分配。WHY控制流程圖Matlab 仿真建模應用聯合調度控制后，系統動態特性顯著提升，優化大口徑管道填充過程，有效的削減系統溢流污染物總量（水量和水質）實現了核心控制目標。120mm 降雨聯合調度控制總排澇量減少43.92%，排澇泵啟閉次數減少18.3%。典型年60mm降雨總排澇量減少36.43%，排澇泵啟閉次數降低70.4%。大口徑人流總量（m ）淺層泵站排澇總量（m ）3 3 010203 對泵站監測數據進行分析，包括制圖、制表，尋找調度優化區間 建立排水管網模型，模擬汛期調度情景，優化調度策略根據污水排放總量、季節變化等因素，設定不同控制目標：l旱季：

11、節能降耗和泵站間污水優化平衡l雨季：盡可能利用管網存儲空間，避免冒溢l冬季：在旱季基礎上穩定各泵站出流。01基于大數據可視化的實時監視0203分目標設定控制規則基于模型的調度方案效果評估三大決策支持功能aba.智能調控期間，湯家橋、王家塘液位較為平衡b.切出智能調控后，湯家橋液位受降雨影響上升，但王家塘液位反而增大，二者液位差增大，平衡性降低黃色面積 王家塘流量藍色線條 王家塘液位(青標)綠色線條 湯家橋液位(青標)紅色虛線 上游泵站來水淺紅色區域 調控期間a.智能調控前，湯家橋液位已超過臨界液位（青標1.54m），而王家塘液位較低（低于0m），液位明顯不平衡；b.投入智能調控后，通過變頻調節

12、王家塘流量，使得湯家橋液位有效降低，并維持在臨近液位附近；同時王家塘液位仍在安全范圍（不超過青標0.8m）abab黃色面積 新惠家塘流量藍色線條新惠家塘液位(青標)綠色線條新惠家塘液位(青標)紅色虛線 上游泵站來水淺紅色區域 調控期間a.新惠家塘和江邊液位均較高，通過智能調控的變頻調節，使得兩者液位相對平衡；當上游來水量減少后，兩邊液位下降的過程較為同步b.切出智能控制后，新惠家塘液位先上升又降低，而江邊液位整體升高，二者變化關系不一致，液位平衡性降低aba.上游來水量波動，通過智能調控，調節新惠家塘流量，使新惠家塘、江邊液位均相對穩定aababa.開始調控前，老惠家塘液位已超過高高液位（青標

13、0.8m），調控期間通過增加流量，使得老惠家塘液位逐漸降低b.切出智能調控后，老惠家塘關泵導致液位升高aba.開始調控前，老惠家塘液位已超過高高液位（青標0.8m），調控期間通過增加流量，使得老惠家塘液位逐漸降低b.切出智能調控后，老惠家塘關泵導致液位升高，操作不合理，液位過高存在冒溢風險黃色面積 老惠家塘流量藍色線條老惠家塘液位(青標)綠色線條老惠家塘液位(青標)紅色虛線 上游泵站來水淺紅色區域 調控期間aba.調控前，江邊廠液位超過臨界液位（青標2.5m），三個泵站的液位均不超過高高液位b.調控期間，通過控制流量，使得江邊廠液位降低，三座泵站液位合理升高；上游來水減少后，液位同步下降aba

14、.調控前，江邊廠液位超過青標3.5m，三個泵站的液位均不超過青標0.5m（低于高高液位）b.調控期間，通過控制流量，使得江邊廠液位逐漸下降，新惠家塘、王家塘液位合理升高，老惠家塘液位維持在高高液位（青標0.8m）附近ba藍色線條 王家塘液位(青標)黃色線條 新惠家塘液位(青標)綠色線條 老惠家塘液位(青標)紫色線條 江邊廠液位（青標）紅色虛線 上游泵站來水淺紅色區域 調控期間ab平均液位指標統計智能調控期間，和非智能調控期間的平均液位指標，結果如下所示。旱季情況下，調控期間液位略高于非調控期間，但不超過安全液位范圍；降雨情況下，調控期間液位明顯低于非調控期間，部分泵站下降1m左右黃海（青標）液

15、位/mab泵站處于高液位的時長占比統計智能調控期間，和非智能調控期間，泵站處于高液位的時長占比，結果如下所示。旱季情況下，調控期間江邊、新龍的高液位占比下降約10%；降雨情況下，調控期間老惠家塘、湯家橋、江邊、新龍的高液位占比明顯下降，下降約30%50%高液位時長占比（%）不同泵站的液位平衡性指標。液位平衡差值/m 旱季情況下，液位平衡性稍微提高 降雨情況下，液位平衡性明顯提高，新惠家塘-江邊、王家塘-湯家橋、新惠家塘-老惠家塘的液位平衡差值降低0.5m左右同時給予兩個系統0.02的階躍輸入，并補償線性系統在u0處的輸出損失。理想動力學模型傳遞函數基本非常接近，放大就會發現存在一定的偏移量，只有在trimming點處2者輸出的結果才會是一致的。但若初始化狀態稍作變化，那么整個系統特性將大相徑庭。對于排水系統也一樣，管網液位、流速、底泥厚度、污水粘稠度都會影響系統的初始化狀態。所以如何提高細化線性化模型如何提高系統的適應性是我們未來要持續研究的課題。+Model always wrong but sometimes is useful