水利论文我国泵站优化运行的现状

来源：核心期刊咨询网时间：2016-03-01 10:1112

摘要：近年来，随着南水北调等大型跨流域调水工程的建设运行，泵站和泵站群开始发挥日益重要的作用。同时，依托于计算机技术的迅速发展，我国对于泵站和泵站群的优化运行研究也取得了丰硕的成果。目前比较成熟的泵站优化运行理论分析方法有系统分析法、动态规划法

　　本篇水利论文主要探讨我国对于泵站和泵站群的优化运行研究成果。　《水利水电技术》是水利部主管的水利水电行业的综合性技术刊物,对国内外公开发行。她以介绍我国水利水电工程的勘测设计施工运行管理和科学研究等方面的技术经验为主,同时也报道国外的各项先进技术。目前,本刊发行遍及全国各地,并有国外订户。是我国水利水电科技刊物中创刊较早影响范围较大发行量较多的刊物。

　　近年来，随着南水北调等大型跨流域调水工程的建设运行，泵站和泵站群开始发挥日益重要的作用。同时，依托于计算机技术的迅速发展，我国对于泵站和泵站群的优化运行研究也取得了丰硕的成果。目前比较成熟的泵站优化运行理论分析方法有系统分析法、动态规划法、遗传算法、粒子群算法等，针对上述方法近年来的发展研究状况进行了综述，比较了不同方法的优劣和适用性，并对泵站优化研究未来的发展方向进行了分析和预测。

　　关键词：调水工程;泵站优化;方法发展;对比分析

　　泵站工程通过机电提水设备及其配套建筑物，给水流增加能量，使其满足兴利除害要求，是综合性复杂系统工程，被广泛地应用于国民经济的各个部门。应用的部门和领域不同，它们发挥的作用也不同，常见的有排水泵站、给水泵站、灌溉泵站、防洪除涝排水泵站，跨流域调水泵站等等[1]。这些泵站规模大、机组数量多，且大部分都是常年运行，耗能巨大。因此，开展泵站优化运行研究，提高泵站运行经济效益和社会效益，就显得意义重大。

　　近年来，随着泵站工程规模的扩大和复杂程度的提高，泵站的优化运行也面临着更多更复杂的问题。例如在梯级泵站调水系统中，各级泵站依次串联、水力联系密切，泵站之间水位、流量互相影响。梯级泵站的优化运行，既要考虑梯级泵站之间的扬程优化、泵站内并联机组之间的流量优化分配，同时还需考虑泵站在允许扬程、功率范围内能够安全运行，如果输水河道有通航要求，还需满足最高最低通航水位的要求;在城市供水系统中，供水泵站由于水量和压力变化频繁，且多数安装了调速装置，采用定速泵与调速泵结合、并联运行的方式，在对机组进行优化调度时，需要同时考虑供水管网的流量和压力要求，以及调速泵的调速率约束。

　　此外，由于泵站内水泵机组类型的不同，优化调度的调节方式也不同，如针对离心泵的变频调节和针对轴流泵的半调节和变角全调节。因此，对泵站的优化运行研究是一个复杂的综合性问题，方法也多种多样，本文针对这些方法近年来的发展研究现状进行了综述，并对泵站优化研究未来的发展方向进行了分析和预测。

　　1传统优化算法的发展状况

　　1.1系统分析法

　　泵站优化运行研究是运用现代计算机技术，通过最优化算法，寻求满足约束条件的最优解的方法。最优化技术中适用范围最广的基本数学方法是由美国数学家贝尔曼(R·Bellman)等人创建的动态规划方法[2]，可以分析系统的多阶段决策过程，以求得整个系统的最优解决方案。这种基于系统分析思想的优化方法目前仍被广泛应用于泵站的优化运行研究中。文献[3]利用系统分析的思想，提出了一种符合水泵并联运行特性的最小流量偏差模型，弥补了常用泵站效率优化模型的不足，并与最小轴功率模型进行了对比，系统地总结了二者的特点及其适用范围;文献[4]根据大系统分解协调理论，建立了梯级泵站水位优化调度数学模型，并采用微增率法、动态规划法等方法进行求解;文献[5]针对轴流泵站运行效率低的问题，应用系统分析方法建立数学模型，确定求解方法，经泵站测试，提高了运行效率;文献[6]利用混沌优化技术，针对定速泵和转速泵混合运行的情况建立优化数学模型，对等式约束采取增加惩罚函数、不等式约束采用变量尺度变换和平移的办法，得出优化运行方案;文献[7]针对串联泵站之间调蓄容积较大的情况，利用动态规划法求解，通过调控串联泵站间的水位达到优化运行目标;文献[8]综合考虑泵站特征扬程时间分布规律、不同工况调节方式、变工况优化运行以及运行费用等因素，提出定量选择水泵机组工况调节方式的方法，为大型泵站在不同运行条件下选择水泵机组工况调节方式提供了依据。

　　1.2动态规划法

　　动态规划法近年来的运用也得到了发展，我国的学者们针对泵站运行的实际情况，考虑各种因素，应用动态规划法展开研究，取得了丰富的成果。文献 [9]基于曲面拟合，构造了水泵效率、叶片角度与扬程和流量之间的连续函数关系，可以迅速准确地确定某一组扬程和流量下对应的效率和叶片角度，利用动态规划法建立优化模型，得到的优化方案比现行方案可以节约大量电费;文献[10]结合某镇供水管网系统的特征，基于传统观点和最优化理论，建立多级串联加压泵站变时优化调度模型，并用动态规划法求解，得出每级泵站在一个调度周期内开泵的最佳时段;文献[1113]运用动态规划法，考虑分时电价和站下水位变化过程，针对不同泵站的具体情况，确定出泵站日运行优化方案，取得了明显的节约费用的效果;文献[14]在此基础上，还考虑了泵站变负荷运行(100%负荷、 80%负荷、60%负荷)条件下，优化运行产生的效益偿还相应配套功率的变频装置投资的能力，进行了对比分析;文献[15]考虑清水池调节容积，运用动态规划法对含定速泵或双速泵的取水泵站进行了优化运行研究。

　　对泵站的优化运行研究有时不仅涉及泵站间的优化，还涉及到泵站内多机组优化运行以及单机组日优化运行，因此就需要对优化模型进行分解研究。我国的学者们在动态规划法的基础上，引入系统分解理论，形成了大系统分解动态规划聚合求解方法。文献[16]针对多机组叶片全调节泵站，建立日优化运行数学模型，以泵站日电费最小为目标，提出了大系统分解动态规划聚合求解方法，可解决站内各机组之间性能存在差异的最优化运行问题;文献[17]在此基础上，考虑站间不同工况调节方式以及不同负荷运行条件，进行了深入研究，提出了当工况调节方式、时段划分及日均扬程都不同的条件下，并联泵站群日优化运行问题的解决方法;文献[18]引入基于DPSA(动态规划逐次渐进)的传统分解聚合模型，以系统费用最小为目标，提出了针对多决策变量复杂非线性系统优化问题的解决方法;文献[19]考虑区间用户用水过程，建立梯级泵站群优化运行数学模型，采用大系统二级分解动态规划聚合法和追赶法求解，对并联泵站群日均扬程进行了优化。

　　2人工智能优化算法的研究现状

　　随着计算机技术的发展，基于人工智能算法的泵站优化运行研究日益成熟，目前研究使用较多的人工智能算法有遗传算法、粒子群算法、蚁群算法等。

　　2.1遗传算法

　　遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。它是由美国的J.Holland教授1975 年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，使它可以应用于泵站优化运行研究。文献[2021]针对扬程变化频繁、变幅大的泵站，考虑分时电价影响，建立优化模型，采用遗传算法求解，达到了降低泵站运行费用的目的;文献[22]针对梯级泵站联合运行时的优化调度问题，运用大系统分解协调模型，采用遗传算法进行求解，解决了单个泵站多型号机组分时段运行时的优化调度问题;文献[23]针对变频调速泵站的优化问题，以总功率最小为目标函数，建立优化运行数学模型，采用遗传算法求解;文献[24]根据引滦入津工程的实际情况，提出泵站优化设计思路，在分析泵站优化模型理论的基础上，用遗传算法进行求解，达到了节能的目的。

　　随着最优化理论和人工智能算法研究的日益成熟，神经网络、退火算法等计算方法越来越多地与遗传算法结合起来，运用于泵站的优化调度当中。文献 [25]针对叶片可调节泵站，以总耗能最小为优化目标，建立了泵站间和站内经济运行优化数学模型，采用遗传算法求解，对相似工况利用人工神经网络进行预测，平均误差仅为199%，求解精度和可靠性都较高;文献[26]通过建立BP神经网络模型，构造了一个以扬程、流量为输入变量，模型阈值和权值为系数的非线性函数，建立变频调速机组的优化调度模型，采用遗传算法求解;文献[27]通过考虑泵站输水河道水力损失，以泵站机组总功率最小为目标函数，建立优化数学模型，并采用退火遗传算法求解，得到的优化运行方案运行总功率可减小1565%，节能效果显著;文献[28]针对泵站在变工况运行时，水泵组合不合理、效率低的问题，建立以泵站总功率最小为目标函数的优化数学模型，利用模拟退火遗传算法确定并联运行泵的台数，调速泵的调速率及泵的流量分配，实现泵站的优化运行。文献[29]结合实际工程中水泵切换次数应保持较少的要求，采用一种实用的胞腔排出双种群遗传算法对模型求解，比传统遗传算法可更快捷、更有效地获得泵站最优调度方案;文献[30]以泵站运行能耗最小为目标函数，将遗传算法与混合遗传算法相结合，生成一种新的混合遗传算法，通过用新的方法处理约束条件，客服了遗传算法易早熟和易收敛等缺陷，提高了收敛速度;文献[31]在遗传算法中引入SQP局部搜索，对随机生成的初始解集进行搜索改进，提高了算法的稳定性，比同等条件下的动态规划法计算结果更优，用时更短。

　　2.2粒子群优化算法

　　粒子群优化算法(PSO) 是一种进化计算技术，由Eberhart博士和Kennedy博士提出，源于对鸟群捕食行为的研究[32]。该算法同遗传算法类似，都是基于迭代的优化算法，但它比遗传算法更容易实现，因为它没有遗传算法计算时的交叉和变异，因此没有很多需要调整的参数。它通过粒子在解空间追随最优的粒子进行搜索，产生从无序到有序的演化过程，从而得到最优解。文献[33]以系统泵站总输入功率最小为优化目标，综合考虑输水水力损失、蒸发损失与渗漏损失，建立优化模型，运用模拟退火粒子群优化算法，得到站内优化方案，解决了基本粒子群算法早期收敛速度快，后期收敛速度慢，容易陷入局部极小值的问题;文献[34]同样为克服粒子群优化算法易早熟、迭代后期收敛速度慢的缺点，采用混合粒子群算法求解，并且对比分析了免疫粒子群算法(IAPSO)、基本粒子群算法(PSO)和自适应惯性权重粒子群算法(APSO)的不同，证明免疫粒子群算法(IAPSO)收敛速度更快，搜索精度更高;文献[35]对比分析了遗传算法(GA)、基本粒子群算法(PSO)与模拟退火粒子群算法(SAPSO)的异同点，从理论上得出粒子群算法较遗传算法更简单、高效，并把这三种方法都运用于某泵站的优化调度，得出模拟退火粒子群算法(SAPSO)更适用于大型泵站优化运行问题的求解。

　　2.3蚁群算法

　　蚁群算法是一种模拟进化算法，用来在图中寻找优化路径的机率型算法[36]，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。初步的研究表明该算法具有许多优良的性质，比如它能将问题求解的快速性、全局优化特征以及有限时间内答案的合理性结合起来。这种优越的问题分布式求解模式经过相关领域研究者的关注和努力，已经在最初的算法模型基础上得到了很大的改进和拓展。但是蚁群算法在泵站优化研究中还没有得到广泛的应用，取得的研究成果很有限。文献[37]利用蚁群算法的优点，合理设置约束条件和目标函数，建立泵站单机组优化数学模型，用蚁群搜索方法进行求解，通过构造基于问题成分的有向赋权图，用人工蚁搜索问题的可行解集，利用状态转移规则和信息素更新逐步逼近最优解。与同等条件下的动态规划法和其他优化求解算法相比，结果更优，计算用时更少。这一研究表明该算法在泵站优化运行研究方面有较高的实用价值，有待我们做进一步深入研究。

　　3泵站优化运行研究的发展趋势

　　可以看出，近年来随着计算机技术的发展，对于泵站运行的优化研究也更进一步，各种优化算法在泵站的优化运行研究中的应用日益成熟，已经能更快更有效的解决不同的实际问题，提升泵站运行效率，取得不错的节能效果。但是随着越来越多大型调水工程的兴建，泵站应用的场合越来越复杂，发挥的作用也更加重要，而针对泵站优化运行的研究还没有形成相对完整的理论体系，今后还应在当前研究进展的基础上，开展以下方面的研究。

　　3.1新的、更有效的优化算法的研究

　　目前，常用于求解泵站优化运行的方法如动态规划法、遗传算法、粒子群算法等，都已经研究得比较成熟，而像蚁群算法，虽然已经被证明了在泵站优化运行中具有较高的实用性，但是还未被广泛深入研究，具有很大潜力，此外可能还有更科学、更有效的优化算法等待我们去研究和发现。

　　3.2全面、系统地考虑影响泵站运行的因素

　　当前的研究都是在具体的情况和特定的条件下展开的，后续的工作可以从研究优化方法的普遍适用性着手，不能仅局限于泵站本身的优化运行，而要着眼于泵站所处的水环境、大系统，以及运行过程中从泵站到机组多层次的优化调度，形成相对完整的泵站优化运行理论体系。

　　3.3优化方案的节能评价

　　研究泵站的优化运行，最终目的是为了节约能耗。而由于约束条件和数学模型本身的局限性，当前的研究只考虑在采取某种调节措施下，泵站可以达到的节能效果，往往忽略了采取调节措施本身也会消耗能量，得到的结果可能并不代表真正的节能效果。因此，后续的研究可以考虑加入节能评价这一环节，或者把采取调节措施引起的能源消耗加入到约束条件当中，这样得到的结果才更贴近真实的节能效果，才符合我们开展泵站优化研究的初衷。

　　3.4与自动化控制系统的结合

　　实现计算机自动化控制是当前泵站运行管理的趋势。对泵站优化运行的研究最终要落实到实际调度中，才能真正达到节能的目标。而随着泵站工程规模的大型化、复杂化，对自动化控制也提出了更高的要求，因此在研究泵站优化运行的同时，也要开展和自动化控制系统结合的研究，只有科学研究和实际应用很好地结合起来，才能最大程度地实现泵站优化运行的经济效益和社会效益。

转载请注明来自：http://www.qikan2017.com/lunwen/lig/7934.html