曾勇紅 練繼建 張金福

（天津大學建筑工程學院 天津 300072）

0 引 言

調(diào)水工程的供水水源一般遠離需水點負荷中心，必須采用多級泵站提水方式.建成的梯級泵站調(diào)水工程通常輸水線路長，各站之間流量、揚程聯(lián)系緊密，沿線區(qū)間分水工況復雜.如何保證安全可靠而又經(jīng)濟的供水成為運行管理的重要內(nèi)容.由于研究的復雜性和結(jié)構(gòu)的可分性，一般采用大系統(tǒng)分解協(xié)調(diào)原理將梯級泵站經(jīng)濟運行分為站內(nèi)和站間二級層次分別進行研究［1－2］.泵站站內(nèi)優(yōu)化調(diào)度的實質(zhì)是優(yōu)化選擇機組組合，使得機組盡可能在高效區(qū)運行；泵站間的優(yōu)化調(diào)度則主要研究以調(diào)水工程經(jīng)濟效益最優(yōu)為目標的各泵站流量、水位及揚程的時歷過程.文獻［3］建立了大型調(diào)水工程各梯級站水位優(yōu)化調(diào)度的數(shù)學模型，通過調(diào)整各梯級站間的水位來達到整個系統(tǒng)總能耗最小之目的.文獻［4］則考慮了電價的波峰、波谷變化規(guī)律以及級間棄水量等因素，提出了一種實時優(yōu)化運行的方案.為了克服常規(guī)實時優(yōu)化算法計算速度較慢和重復性差的缺點，文獻［5］首先采用遺傳算法離線計算優(yōu)化調(diào)度模型，再用人工神經(jīng)網(wǎng)絡(luò)訓練優(yōu)化結(jié)果，將訓練好的網(wǎng)絡(luò)用于在線調(diào)度.關(guān)于泵站經(jīng)濟運行的研究現(xiàn)狀，文獻［6］給出了一個好的總結(jié)和展望.

在制定日供水調(diào)度方案時，調(diào)度部門首先必須了解供水地區(qū)次日的需水量.在設(shè)計階段，有關(guān)部門根據(jù)上游地區(qū)所需水量，經(jīng)過嚴格論證而確定工程所需要的調(diào)水量，但在短期運行時，由于受氣候和經(jīng)濟等因素的影響，每天的實際需水量會與設(shè)計值存在一定的偏離，表現(xiàn)出較強的隨機性.已經(jīng)有多種預(yù)測日供水量的方法，包括回歸分析、神經(jīng)網(wǎng)路和支持向量回歸［7－11］.這些模型根據(jù)經(jīng)驗對研究對象的概率分布和相依性作某種簡化處理，基本能表征供水量的統(tǒng)計特性和一般變化規(guī)律，具有相對簡單、應(yīng)用方便的優(yōu)點，本質(zhì)上都屬于參數(shù)統(tǒng)計的范疇.但城市用水量的影響因素眾多，并存在大量的不可預(yù)測性和非統(tǒng)計性，采用這種簡化處理難以全面描述供水量受氣候和節(jié)假日影響的客觀規(guī)律.因此，本文采用基于數(shù)據(jù)驅(qū)動的非參數(shù)核函數(shù)回歸模型預(yù)測城市日需水量.該模型不需要預(yù)先設(shè)定研究對象的概率分布和相依形式，所容許的分布族寬廣，適用性強［12－13］.由于是對次日用水量進行預(yù)測，預(yù)見期相對較短，因而能克服非參數(shù)回歸外推困難的缺點，滿足預(yù)測精度要求.

1 多元核函數(shù)回歸模型

設(shè)Y 為被解釋變量，X 為d 維解釋變量，X1，X2，…，Xn為隨機變量X 的一個樣本，則Y 隨X變化的非參數(shù)Nadaraya－Watson 核回歸估計式為

式中：K（·）為核函數(shù)；h 為帶寬.可以看出，式（1）中的分母就是密度函數(shù)f（x）的核估計，而分子為∫yf（x）dx 的估計.

式（1）中的核函數(shù)滿足

滿足上述要求的核函數(shù)有多種，表1列出了非參數(shù)回歸分析中經(jīng)常采用的幾種形式.

表1 常用核函數(shù)

理論和實踐證明，核函數(shù)的選擇對函數(shù)的估計精度影響不大，高斯核、Epanechikov核、三角核以及四權(quán)核甚至會導致相同的結(jié)果.根據(jù)中心極限定理，本文采用正態(tài)分布函數(shù).此時，核密度函數(shù)估計為

式中：C 為變量X 的協(xié)方差矩陣.

式（2）對數(shù)據(jù)的每一個分量用同一帶寬h 加以光滑，當數(shù)據(jù)點在某一方向上的變異比其他方向要顯著地大時，應(yīng)該根據(jù)X 分量的不同采用不同的帶寬.此時，多元密度估計表示為

此外，為了減少計算工作量，一種更加簡單的方法是先將數(shù)據(jù)作尺度變換，以降低數(shù)據(jù)點的各向變異，再對經(jīng)處理的數(shù)據(jù)使用估計式（2）進行計算.記S 為樣本協(xié)方差矩陣，作變換

則變換后的數(shù)據(jù)的樣本協(xié)方差矩陣為單位矩陣，消除了數(shù)據(jù)的各向變異性，從而可以采用同一帶寬h來進行估計.經(jīng)過變換后的數(shù)據(jù)的核密度估計為

帶寬對函數(shù)的估計精度有較大的影響.如果h選得過大，則估計的密度函數(shù)就越光滑，但偏差可能會較大；如果h選得太小，則估計的密度曲線和樣本擬合較好，但可能很不光滑.有多種估計h的方法，如插入法、極大似然交叉證實法和最小二乘交叉證實法等.本文采用一種簡單的基于經(jīng)驗的方法［14］.對于高斯核函數(shù)

這樣選擇的帶寬對于非高斯概率密度函數(shù)不一定是最優(yōu)帶寬，但對于高斯密度函數(shù)卻是一個保守而有效的估計.一種更加精確的帶寬估計式為

2 梯級泵站日優(yōu)化調(diào)度模型

多級泵站間的日優(yōu)化調(diào)度是在不改變現(xiàn)有設(shè)施的前提下，使梯級泵站系統(tǒng)日運行抽水電費成本總和最小，并滿足各種約束條件.數(shù)學上，目標函數(shù)可以表示為

滿足的約束條件分別為

抽水流量上下限約束

進水池水位上下限約束

出水池水位上下限約束

出水池與抽水流量的關(guān)系

各區(qū)段流量平衡

抽水功率上下限約束

式中：ρt 為t 時段的電價；qit為t 時段泵站i 的抽水流量（以下下標意義與此相同，不再重復）；e為泵站單耗；T 為時段持續(xù)時間長；L 為水位；τ 為區(qū)段內(nèi)流量時延；w 為區(qū)段內(nèi)的分水流量；P 為泵站抽水功率.

抽水能源單耗是在一定時間范圍內(nèi)，泵站抽水總耗電量與抽水總量的比值.根據(jù)這一定義，可得抽水功率與單耗的關(guān)系為

式中：k為單位換算系數(shù).

3 算例及分析

廣東省東江－深圳供水工程是向香港、深圳及東莞沿線城鎮(zhèn)提供東江原水及農(nóng)田灌溉用水的大型跨流域調(diào)水工程.供水工程主干管線的起點為太園泵站的東江取水口，終點為深圳水庫.供水工程主干線上除太園泵站外，還順次布置了蓮湖、旗嶺、金湖等3座大型泵站，經(jīng)過4級提水后，再經(jīng)過雁田隧洞自流至深圳水庫，全長約69km.

工程設(shè)計水平年為2010年，工程設(shè)計流量為100m3／s，設(shè)計年總供水量為24.23億m3，設(shè)計供水保證率Pα＝99%，供水對象為香港、深圳及東莞部分地區(qū)，總供水人口約2000萬人.

3.1 供水量預(yù)測

城市日用水量變化主要受社會經(jīng)濟活動（如節(jié)假日）和氣候條件（氣溫、陰晴、降雨等）兩方面因素的綜合影響，相同的影響因素在不同的季節(jié)也可能會有不同的表現(xiàn)，呈現(xiàn)出較強的非線性特征，適合采用基于數(shù)據(jù)驅(qū)動的核函數(shù)進行回歸分析.根據(jù)已有的文獻總結(jié)，本文選擇平均氣溫X1、最高氣溫X2和節(jié)假日指數(shù)X3（分1～9 九檔，周一到周日用1～7數(shù)字表示、黃金周用8表示、春節(jié)期間用9表示）作為核函數(shù)回歸模型的自變量因素.

為了檢驗預(yù)測模型的有效性，選取2004 年6月1日至2004年8月31日的日用水量序列作為研究樣本，留出最后1周的樣本點作為檢驗樣本.這樣，用于預(yù)測模型測試的樣本點為2004年6月1日至2004年8月24日間共85個觀測值.為了對比，本文也建立了測試樣本的線性回歸模型，該模型為

2個模型測試結(jié)果見表2.表中EMSE，EMAE，EMAPE和EMAX分別表示均方誤差、平均絕對誤差、平均相對絕對誤差和最大相對絕對誤差，其計算公式分別為

表2 統(tǒng)計指標

由表2可見，對4個回歸統(tǒng)計考核指標，非參數(shù)核函數(shù)回歸的擬合效果都要優(yōu)于線性回歸模型.

3.2 梯級泵站優(yōu)化

3.2.1 進水池水位控制 太園泵站進水池水位受東江上游來水量和天文潮汐的影響，其年、月、日及每日的不同時段均不同，進水池水位不受控制.其他泵站進水池水位均按目標水位進行控制，實際運行中，各站進水池目標控制水位的選取應(yīng)考慮以下幾個方面：（1）溢流堰防洪閘的狀態(tài)及其外江的水位情況.當溢流堰防洪閘關(guān)閉或外江水位較高時可適當降低其進水池目標控制水位；（2）相關(guān)區(qū)段水工設(shè)施的特殊要求，如檢修需要控制水位在某范圍等；（3）當系統(tǒng)出現(xiàn)小的擾動時不應(yīng)造成溢流，如相關(guān)區(qū)段分水流量的下降而造成溢流.

根據(jù)實際運行經(jīng)驗，正常情況下，本文中各站進水池目標控制水位按表3的有關(guān)值進行控制.

表3 各站進水池目標控制水位

3.2.2 出水池水位控制 各泵站出水池水位L0與泵站抽水流量q 及泵站出水建筑物的糙率有關(guān).在泵站出水建筑物的糙率保持不變時，各泵站出水池水位僅與泵站抽水流量相關(guān).對近2年實際運行數(shù)據(jù)進行分析發(fā)現(xiàn)，各泵站出水池的水位和抽水流量存在一定的線性相關(guān)，可以統(tǒng)一表示為

將式（19）代入式（10）中，可以得到約束

綜合上式和式（8），可以得到抽水流量的可行域為

3.2.3 抽水能源單耗與流量的關(guān)系 當各泵站進水池選取某個控制水位值后，泵站抽水能源單耗僅由泵站的抽水流量決定.根據(jù)對近兩年實際運行數(shù)據(jù)的分析，用四次多項式擬合各泵站抽水能源單耗與泵站的抽水流量關(guān)系具有較高的精度，即

3.2.4 優(yōu)化調(diào)度結(jié)果分析 對近2年的統(tǒng)計計算表明，太園－蓮湖、蓮湖－旗嶺、旗嶺－金湖各區(qū)段的延遲時間分別約為30，30 和60 min.因此，考慮到渠道的調(diào)蓄作用和計算的方便，模型中的計算時段取30min.考慮到電網(wǎng)的峰谷電價以小時為單位進行劃分，選擇30min作為一個計算時段也便于最終結(jié)果的歸并.按照用電負荷曲線劃分電價的峰平谷時間，其大小見表3.

表3 峰平谷電價

采用非參數(shù)核函數(shù)回歸模型預(yù)測下1周的日供水量，根據(jù)預(yù)測的日供水量分別計算每日的優(yōu)化調(diào)度方案.圖1表示了2004年8月31日的優(yōu)化調(diào)度結(jié)果，該天的預(yù)測日供水量為686萬m3.由圖1可以看出，各泵站的流量加減次序基本一致，加減時間點的差異取決于各區(qū)段的流量延遲時間.

圖1 泵站優(yōu)化抽水流量

圖2表示了電價對泵站加減流量的影響.注意為了清晰起見，圖中僅僅選擇了太園和金湖泵站的流量過程線.從圖2中可以看出，電價對加減流量的調(diào)整具有較強的引導作用.當電價較高時，泵站將以較小的流量抽水；當電價較低時，泵站的抽水流量將增加.由于首級泵站沒有流量的延時，這一特點反映在太園泵站上尤其明顯.對于最末一級泵站，由于流量的延遲時間較長，流量的調(diào)整時刻與電價的峰谷時刻存在一定的不一致，但總體趨勢不變.這反映出優(yōu)化調(diào)度能充分發(fā)揮峰谷調(diào)度的優(yōu)勢，以節(jié)省系統(tǒng)運行的費用.通過與當天的常規(guī)調(diào)度方案相比較，優(yōu)化調(diào)度方案能節(jié)省約3.42%的抽水電費成本.

圖2 電價對泵站加減流量的影響

4 結(jié) 論

1）基于數(shù)據(jù)驅(qū)動的非參數(shù)回歸要明顯優(yōu)于多元線性回歸的擬合效果.而且，由于預(yù)見期較短，非參數(shù)回歸也能用于預(yù)測次日的供水量.

2）電價對加減流量的調(diào)整具有較強的引導作用，但各泵站加減時間點受流量延遲時間的影響.

3）由于受資料的限制，本文僅僅考慮了泵站間的流量優(yōu)化過程，沒有考慮各流量如何在泵站內(nèi)的分配過程，這可能會導致在實際運行時機組不能完全執(zhí)行優(yōu)化的調(diào)度指令，導致系統(tǒng)整體優(yōu)化效益的降低.

［1］李黎武，施 周.取水泵站優(yōu)化調(diào)度的分解－協(xié)調(diào)模型研究［J］.中國給水排水，2006，22（21）：14－17.

［2］朱勁木，龍新平，劉梅清，等.東深供水工程梯級泵站的優(yōu)化調(diào)度［J］.水力發(fā)電學報，2005，24（3）：123－127.

［3］賈仁甫，王 紅，金明宇，等.調(diào)水工程中梯級泵站的優(yōu)化調(diào)度研究［J］.揚州大學學報，2006，9（2）：69－73.

［4］熊曉明，劉光臨.梯級泵站的實時優(yōu)化調(diào)度研究［J］.農(nóng)業(yè)機械學報，2005，36（12）：81－83.

［5］鄢碧鵬，杜曉雷，劉 超，等.基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的泵站經(jīng)濟運行研究［J］.農(nóng)業(yè)機械學報，2007，38（1）：80－82.

［6］楊 飛，于永海，徐輝.國內(nèi)梯級泵站調(diào)水工程運行調(diào)度綜述［J］.水利水電科技進展，2006，26（4）：84－86.

［7］呂 謀，趙洪賓，高金良，等.城市日用水量預(yù)測的實用動態(tài)模型［J］.哈爾濱建筑大學學報，1998，31（3）：39－44.

［8］JAIN A，VARSHNEY A K，JOSHI U C.Short－term water demand forecast modeling at IIT Kanpur using artificial neural networks［J］.Water Resources Management，2001（15）：299－321.

［9］李玉華，王 征.螞蟻算法在日用水量預(yù)測中的應(yīng)用研究［J］.哈爾濱工業(yè)大學學報，2005，37（1）：60－62.

［10］ZHOU S L，MCMAHON T，WALTON A，et al.Forecasting operational demand for an urban water supply zone［J］.Journal of Hydrology，2002，259：189－202.

［11］柳景青，俞亭超，張土喬.城市日用水量需求預(yù)測的等維新息SVR 建模方法［J］.浙江大學學報：工學版，2006，40（7）：1230－1234.

［12］PAUL H K，BRANI V.Nonparametric statistics with applications to science and engineering［M］.New York：Wiley－Interscience，2007.

［13］王文圣，馬吉讓，向紅蓮，等.一種徑流隨機模擬的非參數(shù)模型［J］.水利水電技術(shù)，2002，33（2）：8－10.

［14］SCOTT D.Multivariate density estimation，theory，practice and visualization［M］.New York：John Wiley，1992.