《城市排水系统实时控制方法研究进展》魔法香蕉nanb

3、3.实时控制方法及发展历程

　　智慧化的实时控制技术越来越多地应用于城市排水系统以最大化地实时同步与供水、洪水和基流供应相关的结果。与传统的、被动的排水收集系统相比，RTC方法的主要优势就是能够利用现有的基础信息和实时环境情况(例如,环境监测和天气预报等)来调控排水系统的运行。
　　3.1 实时控制方法定义
　　城市排水系统的实时控制方法普遍是指通过在线监测排水系统重要的过程变量，如雨量、液位、流量和水质等，依据监测数据和在线模型动态调整控制策略，并通过流量控制设备（如阀门、水泵执行器等）对排水设施及污水处理厂运行进行实时干预[[[] 王浩正,刘智晓,刘龙志等.流域治理视角下构建弹性城市排水系统实时控制策略[J].中国给水排水, 2020, 36(14):66-75.]]，从而实现“源-管网-处理厂-出流河道”各部分的最优能力匹配，提高整个排水系统的运行效率。这种优化控制方式可以使得排水系统更加智能化、自适应和高效化，进一步确保城市排水系统的安全稳定和环境保护的可持续性。
　　实时控制系统是由多种硬件和软件要素构成的复杂系统，如图4。其中硬件部分主要包括传感器、控制器、执行器和控制中心等，软件部分则包括控制模型、控制算法以及降雨预测系统等。各要素之间协同工作，能够实现对城市排水系统的实时监测和控制，从而达到更加高效稳定的控制目标。

　　3.2 实时控制方法的研究现状
　　城市排水系统的RTC系统通常配备一个主动的排放口，并设计在暴雨事件发生之前及时地排放蓄积的雨水，以尽量减少不受控制的雨水溢出幅度和频率[[[] Wei D. Xu, Matthew J. Burns, Frédéric Cherqui, Sophie Duchesne, Geneviève Pelletier, Tim D. Fletcher,Real-time controlled rainwater harvesting systems can improve the performance of stormwater networks[J], Journal of Hydrology, Volume 614, Part A,2022,128503.]]。此处的收集雨水排放量需要通过当地气象局的降雨量预报与当前可用净空的比较来综合确定。现有的模型模拟和实证数据研究都证明了RTC方法在增强雨水滞留和削减洪峰流量方面的能力并且对供水的不利影响很小[[[] Stenfoft, P. A., Vezzaro, L., Mikkelsen, P. S., Grum, M., Munk-Nielsen, T., Tychsen, P. etc. Integrated model predictive control of water resource recovery facilities and sewer systems in a smart grid: example of full-scale implementation in Kolding[J]. Water Science and Technology 2018, 1766–1777. ]]。同时根据近几年的研究，RTC方法的应用还发现了通过模拟自然流态的持续低流量排放来恢复自然水流基流的可能性[[[] Xu, W., Fletcher, T., Duncan, H., Bergmann, D., Breman, J., & Burns, M. . Improving the multi‐objective performance of rainwater harvesting systems using real‐time control technology[J]. Water, 2018,10(2), 147. ]]。
　　城市排水系统在其配置和必须满足的需求方面正在迅速变化，RTC技术的控制目标也扩展到不仅仅限于单目标优化，即解决城市内涝方面的洪水、雨水溢流及污水处理厂的管网水量超负荷问题，还包括了水力资源的回收和利用以达到节能的目的[[[] van der Werf Job Augustijn,Kapelan Zoran,Langeveld Jeroen. Towards the long term implementation of real time control of combined sewer systems: a review of performance and influencing factors[J]. Water Science & Technology,2022,85(4).]]，达到多目标优化控制的目的。在城市排水系统的过渡、修复和建设中，RTC系统可能存在未开发的潜力。这里突出的研究空白可以指导RTC策略的进一步发展，并使城市排水系统更优化、更长期地实施实时控制。

　　3.3 策略生成方法角度的RTC方法
　　根据不同的优化控制策略生成方法，将排水系统RTC方法分为启发式控制（Heuristic control, HC）和模型预测控制（Model predictive control, MPC）[[[21] García, L., Barreiro-Gomez, J., Escobar, E., Téllez, D., Quijano, N. & Ocampo-Martinez, C. Modeling and real-time control of urban drainage systems: a review[J]. Water Resources, 2015, 85, 120–132. .]]。启发式控制的RTC方法是基于对系统的广泛知识（通过流量控制装置的设定位置或者基于模糊逻辑的控制），模型预测控制的RTC方法是基于系统的模型在每个特定的时间间隔计算流量控制装置的最佳设置。
　　3.3.1 启发式控制
　　为了在计算速度和效率方面测试不同的程序，Xu[[[22] Schütze, M., Lange, M., Pabst, M. & Haas, U. Astlingen – a benchmark for real time control (RTC)[J]. Water Science and Technology 2017 (2), 552–560. ]]等提出了一个可以开源获得的模型研究，这就是启发式控制的RTC。这是一种基于经验和感性判断的控制方法，该方法通过对排水系统运行情况的分析，结合专业知识和经验，设置不同的控制策略，使得系统运行更加稳定和高效。例如，在雨季来临之前可以通过提高排水泵站的运行速度，以便在暴雨到来时能够快速处理大量污水。
　　这种控制方法又可以被称为离线调蓄设施控制，可以通过对历史数据的收集和分析，建立数学模型并预测未来可能出现的问题，然后根据这些预测结果来制定控制策略。该方法可以在实际运行前进行模拟测试，避免控制错误引起的损失。但由于无法及时响应实时变化的环境，因此离线控制方法应用范围较为有限。
　　这种控制方法下的集水区是高度简化的，这一简化步骤是制定RTC策略和程序的关键部分，因此使用简化的汇水区作为基准并不符合RTC的复杂性[[[] Pedersen, A. N., Pedersen, J. W., Vigueras-Rodriguez, A., Brink-Kj?r, A., Borup, M. & Mikkelsen, P. S. Dataset for Bellinge: An Urban Drainage Case Study. Technical University of Denmark[J]. Collection, 2021]]。启发式控制通过离线优化生成控制策略，难以根据实际降雨径流过程实时调整控制规则，应用难度小但其控制效果具有局限性。
　　在各种研究的对比中，与基于优化的目标函数控制相比，启发式控制系统的表现较差，但也由于其相对简单的启发式规则，在集水区变化有限的情况下此类方法可以类似应用到不同的集水区[[[] Mollerup, A. L., Mikkelsen, P. S., Thornberg, D. & Sin, G. 2017 Regulatory control analysis and design for sewer systems[J]. Environmental Modelling & Software 66 , 2015, 153–166.]]。根据研究结论，短期降雨预报（临近预报）可以集成到启发式控制中）。然而目前并没有发现调查临近预报在启发式控制中的附加潜力的研究，并且临近预报的不确定性对控制潜力的影响也尚未得到研究。

　　3.3.2 模型预测控制
　　模型预测控制下的RTC技术通过将排水系统模型与优化控制算法深度耦合，基于降雨预报数据及系统运行状态监测数据实时在线地生成闸泵等流量控制设施的控制策略，并能够在每个优化控制时间窗内更新控制策略，保障系统在实际降雨排水全过程中高效运行[[[] LUND N S V, FALK A K V, BORUP M, etc. Model predictive control of urban drainage systems: A review and perspective towards smart real-time water management[J]. Critical Reviews in Environmental Science and Technology. 2018, 48(3): 279-339.]]。该方法需要通过对排水系统进行数学建模，并用预测控制算法对系统未来的运行状态进行预测，从而调整控制策略。例如，在预期降雨期间，可以通过模型预测算法预先调整系统的控制参数，以便更好地应对降雨带来的影响。
　　这种控制方法又可以被称为在线调蓄设施控制，通过实时监测排水系统的运行状态和环境参数，并根据实时的反馈信息进行控制。在线控制具有及时性、灵活性等优势，能够快速适应复杂多变的环境变化，保证排水系统的稳定与安全运行。例如，在暴雨期间，即使预测算法出现偏差，也可以通过在线控制方式进行实时调整以确保排水系统的正常运行。
　　但这种控制方法受限于对降雨预报精度以及模型计算速度的较高要求，排水系统模型预测控制方法尚未得到充分研究应用[[[] LIAO Z, ZHANG Z, TIAN W, etc. Comparison of Real-time Control Methods for CSO Reduction with Two Evaluation Indices: Computing Load Rate and Double Baseline Normalized Distance[J]. Water Resources Management, 2022. 36(12): 4469-4484. ]]，模型预测控制方法在实践中的缺乏研究也可归因于控制设置的复杂特性。
　　EPA SWMM模型的模型预测控制算法的实证[[[] Sadler, J. M., Goodall, J. L., Behl, M., Morsy, M. M., Culver, T. B. & Bowes, B. D. Leveraging open source software and parallel computing for model predictive control of urban drainage system using EPA-SWMM5[J]. Environmental Modelling & Software, 2019, 120, 104484. ]]有利于基于优化控制方法的实现。它允许操作员对模型预测控制有较低的入门点，并可以在开源代码中进行调整。在基于优化的算法中，应始终特别注意其不确定性，以确保计算出的最优设置能够充分反映系统。现阶段，短期高精度降雨预报取得巨大进展，计算机算力亦得到飞速提升，通过模型预测控制方法实现城市排水系统的多目标优化控制逐渐显现出应用潜力。
　　3.3.3 分析对比
　　在控制效果方面，模型预测控制方法相对于启发式控制方法更加准确地模拟排水系统的动态演化过程，并且可以在系统运行时实时调整控制规则以满足实际需求，因此其控制效果更好。在应用难度方面，启发式控制方法通过离线优化生成控制策略来控制排水系统，应用难度小；而模型预测控制方法需要深度耦合排水系统模型和优化控制算法，在实践中需要更高水平的技术支持，应用难度更大。
　　至于灵活性方面，由于而模型预测控制方法具有良好的实时性，因此可以更加灵活地对实时控制需求作出响应；而启发式控制方法难以根据实际降雨径流过程实时调整控制规则，因此灵活性较差。软硬件设施的要求方面来看，而模型预测控制方法需要更高计算能力和存储容量，而启发式控制方法只需要小型机器即可实现控制。
　　总之，虽然而模型预测控制方法应用难度高，但其相较于启发式控制方法的控制效果、灵活性等方面表现更出色。由于而模型预测控制方法需要更多的计算能力和存储容量，因此在实际应用时也需要相应的软硬件设施支持。同时，对于不同类型的排水系统，应该根据实际情况选取合适的控制策略生成方法来进行优化控制。

　　性能对比启发式控制方法模型预测控制方法
　　控制效果通过离线优化生成控制策略来控制排水系统，其控制效果相对模型预测控制方法略为逊色更加准确地模拟排水系统的动态演化过程，可以实时调整控制规则以满足实际需求，其控制效果更好
　　应用难度应用难度小，只需要进行离线优化即可需要深度耦合排水系统模型和优化控制算法，需要更高水平的技术支持，应用难度更大
　　灵活性难以根据实际降雨径流过程实时调整控制规则，因此灵活性较差具有良好的实时性，可以更灵活地对实时控制需求作出响应
　　软硬件设施只需要小型机器即可实现控制需要更高计算能力和存储容量的软硬件设施
　　3.4 实际控制范围角度的RTC方法
　　借鉴国外相关经验，按照系统实际控制管理的范围，将实时控制系统分成局部响应控制、全局优化控制和流域联合调度三种类别[[[] 王浩正,刘智晓,刘龙志等.流域治理视角下构建弹性城市排水系统实时控制策略[J].中国给水排水, 2020, 36(14):66-75.]]。在实际应用层面，不同的控制级别可以在一个系统中同时耦合存在。
　　3.4.1 局部响应控制
　　局部响应控制，可以说是实时控制程序的最简单形式，只利用本地或相邻传感器的实时监测数据，通过内置的控制算法计算出控制动作，进而通过执行器实现对受控过程的控制。由于这种低水平的信息集成，局部控制主要使用启发式程序，因此需要对系统有充分的理解或进行前置设定点优化。这种控制形式由于其简单的响应规则（If-then规则和模糊逻辑规则[[[] García, L., Barreiro-Gomez, J., Escobar, E., Téllez, D., Quijano, N. & Ocampo-Martinez, C. 2015 Modeling and real-time control of urban drainage systems: a review[J]. Advances in Water Resources ,2019, 120–132. ]]）而得到广泛应用。
　　例如，在一个泵站内安装智能控制器，控制该泵站内的所有泵的开启和关闭，就属于局部响应控制。当接收到某些临时信息或测量值等数据时，控制器可以自动调节泵的运行状态，以保持流量和水位稳定。此外，还可以根据不同的时间段、季节等因素制定不同的控制策略，以适应不同的工作条件和需求。
　　3.4.2 全局优化控制
　　城市排水系统的全局优化控制是指基于整个排水系统的集成模型和实时数据，通过采用先进的优化算法和决策支持系统，对排水系统的运行状态和控制策略进行综合分析和优化。该方法主要针对城市排水系统的高级别问题，例如减少涝灾、降低污染物排放和提高排水系统的效率等[[[] Sun, C., Romero, L., Joseph-Duran, B., Meseguer, J., Mu?oz, E., Guasch, R., Martinez, M., Puig, V. & Cembrano, G. a Integrated pollution-based real-time control of sanitation systems[J]. 2022, Journal of Environmental Management 269, 110798. ]]。
　　全局优化控制需要综合考虑降雨量、水位、流量、水质等多个因素，并根据实时监测数据和预测模型，制定相应的调度方案。该控制方法可以使用线性或非线性规划算法，以最小化综合成本或最大化系统性能指标为目标，同时满足约束条件，例如最大排放限制、设备运行限制等[[[] Palmitessa, R., Mikkelsen, P. S., Borup, M. & Law, A. W. K. Soft sensing of water depth in combined sewers using LSTM neural networks with missing observations[J]. 2021, Journal of Hydro-Environment Research. In Press. ]]。此外，全局优化控制还可以与其他控制模式结合使用，例如局部控制和分布式控制，形成多层次、多目标、多时间尺度的全局控制体系。通过逐步升级和改进控制方法和技术，城市排水系统的全局优化控制能够不断提高排水系统的稳定性、安全性和运行效率。
　　3.4.3 流域联合调度
　　城市排水系统的流域联合调度是指将城市排水系统中的多个子流域（例如汇水区、雨水桶等）作为整体进行调度。相比单独控制每个子流域，联合调度可以在全局角度上考虑不同子流域之间的交互影响，从而使整个系统达到更高的效率和稳定性[[[] Garofalo, G., Giordano, A., Piro, P., Spezzano, G. & Vinci, A. A distributed real-time approach for mitigating CSO and flooding in urban drainage systems[J]. Journal of Network and Computer Applications , 2017, 78,30–42. ]]。
　　与其他控制模式相比，流域联合调度具有整体统筹，长期规划，灵活适应等优势。流域联合调度可以对不同子流域之间的交互影响进行整体统筹，从而使整个系统达到更高的效率和稳定性；可以对城市排水系统长期规划进行协调和优化，确保系统的可持续发展，也可以根据变化的环境和需求灵活调整控制策略，以适应不同的工作条件和需求。
　　3.4.4 分析对比
　　与全局优化控制不同，局部响应控制通常使用简单的规则和启发式策略，并且重点在于快速反应并解决行动范围内的问题，而不需要考虑整个系统的总体效益，使其对操作人员更为简单易操作[[[] Mounce, S. R., Shepherd, W., Ostojin, S., Abdel-Aal, M., Schellart, A. N., Shucksmith, J. D. & Tait, S. J. 2020 Optimisation of a fuzzy logicbased local real-time control system for mitigation of sewer flooding using genetic algorithms[J]. Journal of Hydroinformatics, 2022 ,22 (2), 281–295. ]]。前提是高层架构的好处不够显著。这种控制方式一般适用于规模较小的排水系统、单一“厂－网”设施或单一绿色设施。
　　全局优化控制方法定位于跨排水分区或者整个城市层面的排水系统联调联控，这种情况下对实时控制系统要求较高，要求相互关联的执行器具备更高的执行效率，或者执行器间必须联合运行[[[] Montserrat, A., Bosch, L., Kiser, M. A., Poch, M. & Corominas, L. Using data from monitoring combined sewer overflows to assess improve, and maintain combined sewer systems[J]. Science of the Total Environment 2015, 505, 1053–1061. ]]，此时需考虑采用全局控制策略。相比于局部响应控制，全局优化控制覆盖设施更广，考虑的过程变量更多，能够对排水系统进行整体优化控制。
　　需要注意的是，流域联合调度需要对城市排水系统中不同子流域之间的关系和影响进行深入研究，并针对性地设计优化算法和决策支持系统[[[] Maiolo, M., Palermo, S. A., Brusco, A. C., Pirouz, B., Turco, M., Vinci, A., Spezzano, G. & Piro, P. On the use of a real-time control approach for urban stormwater management[J]. Water ,2020,12, 2842–2868.]]。此外，流域联合调度还需要与其他控制模式结合使用，形成多层次、多目标、多时间尺度的全局控制体系。针对大流域管理尺度，排水系统的组成跨越多个城市、管理单位之间，需要不同城市、单位、系统之间联合调度，并制定流域联合调度策略。流域联合调度能够实现大流域尺度下的整体最优，但因涉及技术、管理、地域政策等方面的融合而给系统建模、集成方法、协调策略以及计算效率带来不小的挑战[[[] Ebi, C., Schaltegger, F., Rüst, A. & Blumensaat, F. Synchronous LoRa mesh network to monitor processes in underground infrastructure[J]. IEEE Access 7, 2020, 57663–57677. ]]。

　　实际控制范围控制范围控制策略应用场景技术难度
　　局部响应控制用于规模较小的排水系统、单一“厂－网”设施或单一绿色设施，其重点在于快速反应并解决行动范围内的问题使用简单的规则和启发式策略，而不需要考虑整个系统的总体效益适用于规模较小、操作人员相对简单、快速响应问题的场景由于范围较小、控制策略相对简单，因此技术难度相对较低
　　全局优化控制定位于跨排水分区或整个城市层面的排水系统联调联控，能够对排水系统进行整体优化控制考虑的过程变量更多，能够形成多层次、多目标、多时间尺度的全局控制体系，并能够实现整体最优适用于跨排水分区或整个城市层面的排水系统联调联控，对实时控制系统要求较高需要涉及技术、管理、政策等方面的融合，带来不小的计算效率挑战
　　流域联合调度需要考虑不同子流域之间的关系和影响，以及跨越多个城市、管理单位之间的排水系统联合调度需要设计优化算法和决策支持系统，形成多层次、多目标、多时间尺度的全局控制体系，并与其他控制模式结合使用适用于大流域尺度下整体最优控制，跨越多个城市、管理单位之间的排水系统联合调度涉及技术、管理、地域政策多方面融合给系统建模、集成方法、协调策略以及计算效率带来挑战