李建宇，高金良，喬怡超

(哈爾濱工業(yè)大學(xué) 市政環(huán)境工程學(xué)院，哈爾濱 150090)

結(jié)合夜間最小流量法的減壓閥經(jīng)濟效益模型

李建宇，高金良，喬怡超

(哈爾濱工業(yè)大學(xué) 市政環(huán)境工程學(xué)院，哈爾濱 150090)

為了對城市管道漏失進行有效控制，根據(jù)壓力驅(qū)動漏失水力模型結(jié)合夜間最小流量法，確定管網(wǎng)節(jié)點的漏失系數(shù)，建立考慮壓力引起漏失量的改良水力模型——減壓閥經(jīng)濟效益模型.該模型使用遺傳算法進行求解，以管道漏失量最小化為目標(biāo)函數(shù)，以減壓閥最大安裝數(shù)量、節(jié)點壓力流量方程、最大允許漏失率為約束條件，求出減壓閥安裝數(shù)量及安裝位置，再從所有可行解里面選擇一組花費最小的解作為最優(yōu)解.并以HJ分區(qū)為例詳細討論減壓閥經(jīng)濟效益模型的求解過程，對實際的管道漏失控制具有指導(dǎo)意義.

遺傳算法；夜間最小流量法；壓力驅(qū)動；漏失控制

中國大部分城市供水管網(wǎng)漏失率居高不下，許多供水單位為滿足管網(wǎng)末端最不利點的用水壓力需求直接對管網(wǎng)進行加壓，并未對沿途管網(wǎng)采取有效的降壓及保護措施，導(dǎo)致陳舊的管網(wǎng)不堪重負，爆管現(xiàn)象頻發(fā)，漏損現(xiàn)象嚴(yán)重，水質(zhì)易受到污染，導(dǎo)致飲用水衛(wèi)生安全隱患.而采取智能減壓閥是當(dāng)今減緩漏損情況的有力手段，如何在鋪設(shè)減壓閥前根據(jù)不同的位置及開度對減壓效益進行評估，從而確定最優(yōu)決策一直是需要解決的問題.

本文提出的減壓閥經(jīng)濟效益模型如圖1所示.

1 改進壓力驅(qū)動漏失水力模型

傳統(tǒng)壓力驅(qū)動節(jié)點流量模型[1]中節(jié)點流量為節(jié)點實際用水量與節(jié)點漏失量之和，需分別計算二者再疊加，可以更精確地反映管網(wǎng)實際運行工況，但存在復(fù)雜度太大的問題，增加了計算時間.在節(jié)點用水量受壓力影響較小的情況下，本文假定用水量與壓力無關(guān)，從而獲得更加簡潔實用的改進壓力驅(qū)動漏失水力模型.

圖1 減壓閥經(jīng)濟效益模型求解流程

對于壓力優(yōu)化控制分析，需要建立一個包含壓力相關(guān)漏失量的改進水力模型.漏失量通常分為背景漏失和爆管兩類.其中背景漏失代表管段、接頭和連接件等處產(chǎn)生的滲漏，取決于管道的服務(wù)壓力，因此，壓力控制的目的就是要減少這一部分的漏失.近年來，國內(nèi)外學(xué)者通過大量的實驗數(shù)據(jù)，得出了許多漏失量與管網(wǎng)服務(wù)壓力間的數(shù)學(xué)模型[2-5].在估計出管網(wǎng)背景漏失總量的大概值后，為了確保模型的準(zhǔn)確性需要將其按照比例分配至管網(wǎng)水力模型的每個節(jié)點上.根據(jù)實際工程經(jīng)驗，在接頭和連接件處最容易發(fā)生漏失，故背景漏失量分配標(biāo)準(zhǔn)按照各節(jié)點流量(或用戶連接數(shù))比例制定.

節(jié)點漏失與壓力間的經(jīng)驗關(guān)系式如式(1)所示.該式將被添加到標(biāo)準(zhǔn)的管網(wǎng)水力平衡方程式中，以形成一個適于壓力控制和漏失分析的拓展水力模型

(1)

假定漏失只在有流量的節(jié)點上產(chǎn)生，將這些節(jié)點記作Id.經(jīng)大量實驗證明，漏失指數(shù)α的影響因素包括管材、漏失類型和土質(zhì)等，其取值一般在0.5～2.5[6-8].

結(jié)合HJ分區(qū)實際情況，根據(jù)文獻中的建議，本文取α為常數(shù)1.18[9]，而漏失系數(shù)ki取決于各節(jié)點的流量，可通過夜間最小流量法[1,10]得出.

夜間最小流量法一般取凌晨2～4點的夜間流量，由于此時用戶用水量處于全天最低點，漏損量所占比例最大，因此，根據(jù)夜間最小流量計算出來的漏失系數(shù)較為準(zhǔn)確.

根據(jù)英國水道協(xié)會(WRC)長期研究結(jié)果，夜間居民的平均用水量為1.7L/(戶·h)，則可得夜間最小流量時刻的管網(wǎng)漏失量計算公式為

用戶數(shù).

(2)

夜間最小流量時刻的漏失量等于各節(jié)點漏失量之和,即

(3)

假定漏失量與節(jié)點流量成正比[11]，引入比例因子β，各節(jié)點的漏失系數(shù)ki計算如下：

(4)

綜合式(3)、(4)得

由于在該模型中，夜間最小流量時刻的節(jié)點流量和壓力均已知，該比例因子β可由式(6)估計得到：

(6)

求得β后，分區(qū)內(nèi)每條管段的漏失系數(shù)ki即可求得.

以EPANET2.0平臺進行微觀水力模擬，算得各節(jié)點的漏失系數(shù)后，通過MATLAB軟件編寫程序?qū)⑦@些漏失系數(shù)值導(dǎo)入EPANET中，即可得到拓展的壓力驅(qū)動漏失水力模型.

2 減壓閥經(jīng)濟效益模型

減壓閥[12]控制方式一般有固定出口壓力控制、基于時間調(diào)節(jié)出口壓力控制、基于流量調(diào)節(jié)出口壓力控制以及基于最不利點的出口壓力閉環(huán)控制，考慮到DMA分區(qū)屬于三級分區(qū)，本文采用固定出口壓力控制，即將閥門開度設(shè)置為固定值，運行維護方便且十分低廉.

一般減壓閥的服役壽命為15 a，優(yōu)化的目標(biāo)是在給定投資費用收回年限和給定最大允許漏損量以及保證管網(wǎng)最不利點滿足最小壓力需求的前提下，尋找減壓閥的最優(yōu)安裝位置、開度及安裝數(shù)量.

2.1 目標(biāo)函數(shù)

該模型目標(biāo)函數(shù)是安裝減壓閥后年平均利潤最大，即

(7)

式中：f為15 a內(nèi)年平均利潤；c為單位水價，取0.6元/m3；qleak為未安裝減壓閥前分區(qū)的總漏損量，m3/d；f1為安裝減壓閥后分區(qū)的總漏損量，m3/d；f2為減壓閥投資成本，元.

(8)

(9)

式中cj為第j個減壓站的投資費用，元.

國產(chǎn)200X減壓閥具體投資費用見表1.

表1 國產(chǎn)200X減壓閥具體投資費用 元

Tab.1 Investment cost of 200X pressure reducing valve from China

型號單價型號單價DN1503060.00DN40014606.00DM2004330.00DN45017830.00DN2507425.00DN50021645.00DN30010090.00DN60032465.00DN35012026.00

此外，安裝費、現(xiàn)場測試費、減壓閥維護費用等其他費用為8 000元/個.

2.2 約束條件

2.2.1 最大允許漏失量率約束

(10)

式中：li為所有節(jié)點全天(24 h)漏失總流量，m3/h；Q為總流量，m3/h；RAL為最大允許漏失率.

2.2.2 水力平衡約束

管網(wǎng)水力平衡約束包括管段壓力損失方程(閉合環(huán)路水頭損失為0)和節(jié)點流量連續(xù)方程，如式(11)、(13)所示：

(11)

式中 Δhi為環(huán)路中管段水頭損失.

(12)

式中 ：hij為節(jié)點i和j之間的管道水頭損失，m；Cij為管道粗糙系數(shù)；kij為節(jié)點i和j之間管道的減壓閥開度，取值為0～1；dij為節(jié)點i和j之間的管道直徑，m；Lij為節(jié)點i和j之間的管道長度，m；Qij為節(jié)點i和j之間的管道流量，m3/h.

(13)

式中：qij為節(jié)點i相連管道的流量，m3/h；di為節(jié)點i用水量，m3/h；li為節(jié)點i漏失量，m3/h.

2.2.3 節(jié)點壓力約束

各節(jié)點供水壓力既要滿足最小服務(wù)水頭，又不能過高造成不必要的能源浪費，即

hi,min≤hi≤hi,max.

(14)

式中節(jié)點壓力的上下限hi,min和hi,max依據(jù)節(jié)點類型和實際情況具體定值，必須保證最不利點壓力的最小服務(wù)水頭，其他節(jié)點可相對寬松.

2.2.4 減壓閥數(shù)量約束

n≤Nv，

(15)

式中Nv為減壓閥最大安裝數(shù)量.

2.2.5 投資費用回收年限約束

(16)

式中y為費用回收年限，a.

則管網(wǎng)減壓閥優(yōu)化控制問題具體表示為

其中

subjectto:

hi,min≤hi≤hi,max,

n≤Nv,

3 經(jīng)濟效益模型求解

為了求解該減壓閥優(yōu)化控制模型，采用遺傳算法[13].遺傳算法主要包括染色體編碼、適應(yīng)度選擇、交叉、變異.

3.1 染色體編碼

該模型決策變量為減壓閥位置(位于哪個管道ID上)以及開啟狀態(tài)下每個時間段下的開度，浮點數(shù)編碼.值得注意的是，如果減壓閥開度為1，表明該管道未安裝減壓閥.每條染色體包括所有管道減壓閥鋪設(shè)位置以及開度信息.

3.2 適應(yīng)度選擇

個體能否被保留復(fù)制至下一代采用輪盤賭方式進行隨機選擇，即

(17)

從而，每條染色體被選擇的方式得以建立.

3.3 交叉

一組染色體(浮點數(shù))交叉的規(guī)則是構(gòu)造0～1之間的隨機數(shù)α和β，對于一對染色體ch1和ch2，通過交叉后得到ch1′和ch2′，滿足以下關(guān)系：

(18)

式中L、R分別代表定義區(qū)間的上下確界.

3.4 變異

變異是針對開度非1的減壓閥(即管道存在減壓閥)，將原有開度隨機變成(0～1)的任意開度.

4 算例模擬

算例取自文獻[1]中的HJ分區(qū)模型，具體參數(shù)可參考原文，管網(wǎng)拓撲如圖2所示，部分參數(shù)見表2.

該分區(qū)共有623個節(jié)點，其中329個節(jié)點有流量，每次使用遺傳算法模擬減壓閥位置及開度時，均需要重新使用夜間最小流量法計算β和ki，即將夜間最小流量法內(nèi)置于遺傳算法內(nèi).管段管徑均位于300 mm之下，且存在大量管徑小于100 mm的管段，管段具體管徑參考文獻[13].迭代次數(shù)取100次.

圖2 HJ分區(qū)管網(wǎng)拓撲結(jié)構(gòu)

夜間最小流量/(m3·h-1)分區(qū)用戶數(shù)/戶減壓閥最大允許安裝個數(shù)/個正常工況下流量/(m3·h-1)原漏損率/%最大允許漏損率/%40293221788.312.17

4.1 編碼

為了減少計算量，對算法進行優(yōu)化，假定減壓閥僅設(shè)在管徑較大的100條管段上，其他小管徑或者枝狀管網(wǎng)末端不考慮安裝減壓閥，則染色體長度為100位，分別代表100個管段ID對應(yīng)的減壓閥開度，樣本個數(shù)取200個，每個樣本有且僅有一個單位非1，且每個管段ID所對應(yīng)的同一閥門(非1)位置只有兩條染色體表示(代表200種情況，每種情況有且只有一個減壓閥安裝在對應(yīng)的管道ID上，同時可以保證每個管段上安裝閥門有不同的開度情況，方便交叉變異時進行保留)，所安裝的減壓閥開度隨機在(0～1)取值.這200個個體作為初始種群P0.

4.2 選擇

將100個個體代入目標(biāo)函數(shù)，由于全天各時段的每個節(jié)點壓力和管道流量已知，可以求得各自的漏損量及漏損率.如果此時有滿足漏損率<7%的情況出現(xiàn)，將其輸出至資源庫.如果有壓力不滿足18 m最小水頭，或閥門個數(shù)超過2個的情況，直接將其從資源庫剔除.使用輪盤賭方法選擇100條染色體，構(gòu)成種群Ri(i為代數(shù)).

4.3 交叉變異

對種群Ri的染色體進行交叉變異操作.交叉是將100條染色體隨機分成50對，每對進行交叉，如果是同一位置的減壓閥進行交叉，該染色仍然只有一個減壓閥，減壓閥位于不同位置的染色體交叉，則會產(chǎn)生兩個減壓閥.為滿足減壓閥最大個數(shù)為2的要求，設(shè)定當(dāng)染色體非1位置為2時，只能與同一位置的染色體交叉.交叉概率取80%.

變異則是隨即改變非1位置的數(shù)字，范圍為(0～1)，0和1不能取，變異概率取5%.

通過交叉變異后得到100條新的染色體Qi，與Ri合并，得到種群Pi+1.

再進行4.2的選擇操作，循環(huán)至100次的迭代次數(shù)為止.

最后對資源庫的染色體進行篩選，年均利潤最大的染色體就是所需的最優(yōu)解.流程圖如圖3所示.

圖3 求解HJ分區(qū)遺傳算法流程

在滿足漏損率低于7%及投資費用兩年回收的前提下，應(yīng)用減壓閥經(jīng)濟效益模型對HJ分區(qū)管網(wǎng)進行求解，最終最優(yōu)解為在管段分區(qū)入口處設(shè)置一個減壓閥，開度0.2為該算例的最優(yōu)解.優(yōu)化前后分區(qū)入口流量變化見圖4.

該管網(wǎng)在正常工況下總流量為496.75 L/s，未設(shè)置減壓閥時的管網(wǎng)漏失量為60.11 L/s，經(jīng)減壓閥優(yōu)化控制后的漏失量為32.78 L/s，漏失率由12.1%最多可下降至6.6%，滿足了漏損率低于7%的要求；減壓閥投資費用為40 465元，每年可節(jié)約因漏損造成的水費517 127元，3個月即可回收成本；安裝減壓閥帶來的年平均利潤為514 430元.

圖4 HJ分區(qū)減壓閥優(yōu)化控制前后入口流量

Fig.4 Partition pressure reducing valve inlet flow before and after optimization control

5 結(jié) 論

1)本文根據(jù)壓力驅(qū)動漏失水力模型結(jié)合夜間最小流量法，確定管網(wǎng)節(jié)點的漏失系數(shù)，代入遺傳算法內(nèi)，從而建立考慮壓力引起漏失量的改良水力模型.

2)傳統(tǒng)遺傳算法對全管網(wǎng)進行減壓閥位置和開度的優(yōu)化時，得到的結(jié)果往往因設(shè)置閥門數(shù)量過多而缺乏實際意義，本文中經(jīng)濟效益模型則以經(jīng)濟實用性對實際進行衡量.

3)將減壓閥優(yōu)化控制模型應(yīng)用到算例管網(wǎng)中，證明了該模型理論的可行性和實用性.

4)由于算例中最大安裝減壓閥個數(shù)較少，本文中算法比較適用于DMA分區(qū)中確定減壓閥相關(guān)信息.

[1] 喬怡超.供水管網(wǎng)減壓閥優(yōu)化控制研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),2014.

QIAO Yichao.Research on leakage control of water distribution system by on presure reducing valves[D]. Harbin： Harbin Institute of Technology, 2014.

[2] 董深,呂謀,盛澤斌,等. 基于遺傳算法的供水管網(wǎng)反問題流失定位[J]. 哈爾濱工業(yè)大學(xué)學(xué)報,2013, 45(2):106-128.

DONG Shen,LV Mou,SHENG Zebin,et al. Inverse transient leakage location of water supply network based on genetic algorithm[J]. Journal of Harbin Institute of Technology,2013, 45(2):106-128.

[3] GIUSTOLISI O, SAVIC D, KAPELAN Z. Pressure-driven demand and leakage simulation for water distribution networks[J]. Journal of Hydraulic Engineering, 2008, 134(5):626-635.

[4] SHAMMAS N K, KHALED H. Effect of pressure on leakage rate in water distribution networks[J]. Methods, 1993.

[5] NOACK C, ULANICKI B. Modeling of soil defensibility on leakage characteristics of buried pipes[C]//8th Annual Water Distribution Systems Analysis Symposium. Cincinnati, Ohio, USA,2006.

[6] THORNTON J, LAMBERT A. Progress in practical prediction of pressure: Leakage, pressure: Burst frequency and pressure: Consumption relationships[C]//Proceedings of IWA Special Conference ‘Leakage 2005’. Halifax, Nova Scotia, Canada, 2005.

[7] ULANICKI B, PRESCOTT S L. Anatomy of leakage[C]//Unpublished Notes Available from Process Control-Water Software Systems. The Gateway, Leicester, LE1 9BH, UK: De Montfort University, 2006.

[8] WU Z Y, SAGE P, TURTLE D. Pressure-dependent leak detection model and its application to a district water system[J]. Journal of Water Resources Planning & Management, 2010, 136(1):116-128.

[9] 高金良,李娟娟,鄭成志,等.區(qū)域供水管網(wǎng)盲源分離漏失量研究[J].哈爾濱工業(yè)大學(xué)學(xué)報,2015, 47(6):33-37.

GAO Jinliang，LI Juanjuan，ZHENG Chengzhi，et al. Study on leakage of regional distribution network using blind source separation[J]. Journal of Harbin Institute of Technology, 2015, 47(6):33-37.

[10]陳迪超,奚衛(wèi)紅,江標(biāo)初.供水管網(wǎng)主動漏損控制方法與管理流程[J].中國給水排水,2015,31(18):11-13.

CHEN Dichao, XI Weihong, JIANG Biaochu.Study on active control and management for water supply networks[J].China Water & Wastewater,2015,31(18):11-13.

[11]馬悅,高金良.管網(wǎng)供水壓力與漏失量關(guān)系研究[J].供水技術(shù),2013,7(5):15-18. MA Yue，GAO Jinliang. Study on the relations of water supply pressure and leakage[J]. Water Technology,2013,7(5):15-18.

[12] 黃鋼,金濤,周澤淵.協(xié)同進化遺傳算法在減壓閥優(yōu)化配置中的應(yīng)用[J].計算機與數(shù)字工程,2014,42(1):36-40.

HUANG Gang, JIN Tao, ZHOU Zeyuan. Application of co-evolutionary genetic algorithm in optimal pressure reducing valve placement[J].Computer & Digital Engineering, 2014,42(1):36-40.

[13]LING S H, LEUNG F H F. An improved genetic algorithm with average-bound crossover and wavelet mutation operations[J]. Soft Computing, 2007, 11(11):7-31.

(編輯 劉 彤)

Economic benefit model of reducing valve by minimum night flow

LI Jianyu, GAO Jinliang, QIAO Yichao

(Municipal and Environmental Engineering， Harbin Institute of Technology,Harbin 150090, China)

To effectively control the urban pipeline leakage, the study combines minimum night flow with pressure-driven leakage hydraulic model to calculate the leakage coefficient of network nodes and establish an enhanced hydraulic model considering pressure dependent leakage terms. The model uses the genetic algorithm to solve the problem, taking the minimized pipeline leakage loss as the objective function, the maximum installed number of the pressure reducing valve, the node pressure flow equation, and the maximum allowable leakage rate as the constraint conditions, to find out the installation number and locations of the pressure reducing valves. The one which costs the least is chosen from all the feasibilities as the optimal solution, and HJ area partition is taken as an example to illustrate in detail the calculation procedures of the decision support model. Our study possesses the guiding significance for the control of the actual pipeline leakage.

Genetic Algorithm; minimum night flow; pressure-driven; leakage control

10.11918/j.issn.0367-6234.201605095

2016-05-09

國家自然科學(xué)基金(51278148)；國家水體污染控制與治理科技重大專項(2014ZX07405002);廣東省教育部產(chǎn)學(xué)研結(jié)合項目(2011A090200040)

李建宇(1994—)，男，碩士研究生

高金良，16678993@qq.com

TU991

A

0367-6234(2017)08-0055-05