当前世界环境

介绍

供水系统面临挑战的版,可持续性和弹性,包括过度使用由于人口增长,低估价值的水,演员之间缺乏协调,操作问题(老化、泄漏、质量),提高能源价格和需要应对气候变化问题。除其他外，这些方面是水务公司通过调整其基础设施和工作程序以及在其业务过程中实施新工具作出的反应。此外，对水务公司的资源效率和环境绩效的评估往往仍然缺乏一种整体的方法，从而导致存在一种被控制的知识和一套不相连和难以获得的资产，在许多情况下，这些资产与决策过程是分离的。具体来说，水能关系引起了许多WU的注意，这些WU往往采取相当大的措施来减少能源消耗和增加能源回收。在更广泛的背景下，水资源效率对吴彦祖来说也是至关重要的。它也被认为是全球水市场在未来几年将面临的最重要的多学科挑战之一。⁴

在各种发展层面的国家是众所周知的非收入水（传播，分布和消费中的损失）。例如，许多水分配系统会产生多达20％至40％的处理过的饮用水。

供水在许多情况下是许多过程中的主要和频繁效率的能量（生产，分布）。例如。近20％的加州（美国）总能源消耗遍布国家的水，而且整体上的美国与美国相似的数字约为6％。⁵

水质和缺水问题正达到危机的程度，公众的认识和关切正在增加。这与缔约方大会，特别是上一届巴黎COP21所指出的以气候变化为中心的事件相吻合，这将导致在碳足迹等方面的更多监管和执行。wu将不得不应对更强有力的立法，这将迫使他们调整其网络的常规操作和管理(O&M)，以应对这一挑战。水能关系问题引起了WU的注意，WU的管理者开始意识到，降低运营成本可以改善WU的资产负债表，从而为基础设施的维护等后续任务提供更好、更多的财务资源。将网络推广到未服务的社区或改善水质。运维范式的变化必须被巧妙地实现，并且对所有类型的WU都是可访问的。我们需要一个非结构性的解决方案，解决能源和水损失方面的运维效率提高问题。总体目标是允许WU以一种灵活的方式对其流程进行整体管理，最大限度地节约资源，最大限度地降低运营成本，同时保持服务质量和水平。

在此背景下，信息和通信技术(ICT)对于有效地满足新要求至关重要。最重要的技术是，首先，测量和控制网络的发展，使有必要的数据来了解系统的状态，执行管理和规划任务，并生成响应内部和外部请求的信息。其次,管理和决策支持系统的实现,将商业智能(BI)技术,使管理和使用所传播的信息控制网络和其他内部或外部定量或定性信息和集成的特定工具集帮助运行所必需的过程to drive the response actions: asset management, hydraulic models, GIS models, incident monitoring, management indicators, etc.

根据美国[6]和欧盟的政府研究，当联合考虑水和能源系统时，提高能源效率的潜力是非常重要的。⁷从配水系统的角度来看，分别处理电网和水网的问题，可以提高能源效率。⁸但是，考虑到它们也会造成挑战和调度优化问题。尽管有很多关于能源效率和分离的供水成本的研究和飞行员，但除了解决其他技术和经济方面，既不考虑在一起，也只有有限数量的试点或研究，除了解决其他技术和经济方面，与调度优化不同智能平台描述的问题。

如此多的信息的存在需要采用复杂的数据处理、系统分析和集成方法，能够将这大量的数据转换成有用的、可理解的信息，以支持决策，并最大限度地减少关于高度复杂问题的决策的不确定性。

在这类包含大量相关变量的复杂问题中，ICT解决方案，特别是作为人工智能(AI)算法和解决方案集合的决策支持系统，帮助实时分析历史数据，并从整体的方法检查管理策略，以提供考虑不同层次的操作变量(液压，能源，经济和商业规则)的建议。另一方面，这些工具通过模式识别等技术简化了问题。模式识别技术使用基于经验的方法，从过去的经验中学习，并能够支持从操作层面(小规模)到战略层面(大规模)的管理替代方案的采用。

简而言之，决策支持系统是为管理员和网络管理者提供支持和建议，以改善使用实时信息的决策，并在规划和分析最佳管理策略过程中引导它们。实施智能ICT解决方案的总体目标允许吴以通过最大化水和节能，并尽量减少运行成本，以保持效果和服务水平的同时，以灵活的方式全能地管理他们的过程。

材料与方法

德国卡尔斯鲁厄Stadtwerke Karlsruhe GmbH (SWKA)是德国卡尔斯鲁厄市约30万居民的能源(电力、天然气和远距离地区供热)和饮用水的当地供应商。卡尔斯鲁厄市持有其多数股份。

卡尔斯鲁厄附近地区气候温和，年平均气温10,4°C(12月至2月为1 - 2°C, 6月至8月为17 - 19°C)。年平均降雨量约920毫米/年，其中40 - 50%是在冬季。卡尔斯鲁厄附近地区的地下水位大约在地表以下1 - 10米，这取决于地形和水文情况。底土由砾石和砂石组成，储水量约为1.3比尔米^3.卡尔斯鲁厄附近地区的地下蓄水层的地下水。

SWK在卡尔斯鲁厄附近有四个水厂，从含水层上层的地下水中生产饮用水。原水的处理包括曝气和生物砂过滤除铁、除锰。每个自来水厂都有4台网络泵，泵速恒定(非变频控制)。四个水厂向卡尔斯鲁厄市提供的饮用水总量约为2000万立方米^3.或5.5亿美元^3.每天。

这个饮用水网络有900多公里长。卡尔斯鲁厄市的大部分地区都位于一个压力区，所有四个自来水厂都在这个压力区供水。与该压力区相连的是一个约20,000米的储水罐^3.位于街道高度约50米的地方，稳定和控制这个主要压力区的水压。

2009年，卡尔斯鲁厄市及其所有公司承诺每年减少2%的能源消耗和碳足迹。从那时起，在饮用水供应方面已经做出了很多努力，例如投资于更节能的地下水泵，为水处理设施、电力变压器、压缩机和电力照明提供供应。

SWKA目前的任务之一是优化每日泵送到配水网络的处理过的饮用水的时间表和储水罐的使用。为了实现这一目标，SWKA参与了欧洲范围内的研究项目WatERP 2012 - 2015。基于本研究项目的成果，Inclam集团开发了新的智能ICT解决方案“WatEner”，并将其应用于本文描述的卡尔斯鲁厄案例研究。

沃特纳将能源消耗的关键因素与饮用水供应的其他方面结合起来，提高供水网络的管理，以节约水、能源和经济成本，最终在水和能源两方面都取得效益。
在这种情况下，实施智能ICT解决方案的主要目标是通过决策支持系统(DSS)工具来响应在节能和减排方面的需求和要求，以在以下领域提供帮助:

• 饮用水需求预测

• 水箱的管理

• 输送网络的泵的泵送时间表

• 其结果是:网络泵的能源效率。

DSS负责指导用户制定更好的管理策略，包括短期(未来几天)甚至长期(网络投资规划)。DSS本身是一家集人工智能(AI)的方法和算法,目的是分析实时或历史数据,检查管理策略从整体的角度来看,提供管理建议和评估这些策略(或任何其他用户)提出的经济成本,水力问题和确定的政策。此外，决策支持系统负责存储、管理和赋予操作单元的WU技术人员可用的专业知识价值。最后，决策支持系统与水力建模软件相关联，用于评估开发策略，为WU现有模型增加价值。

整体方法由（i）AI方法的联动给出，（ii）AI算法应用于供水和（iii）现有的监测数据和液压模型。此链接允许考虑所有可用变量及其相互关系的评估，并提供各种观点的可行和有效的策略。

在卡尔斯鲁厄，主要有三种效应可以用来提高供水系统的能源效率。首先，储水罐内水位高低对供水管网压力有主导作用。地下水位越低，供水网络的压力就越低，因此，供水系统的网络泵的输出压力也就越低。然而，低压力并不会降低泵的功率消耗，因为它们不是变频控制的，但会增加泵的水输出，从而提高具体的能源使用[kWh/m]^3.泵的。

此外，通过均匀化水量的水输出，可以减少管道中水摩擦的平均能量损失。摩擦随管道中水速度的平方增加。因此，为了避免管道中的水的水平明显高于水的平均速度的区域和时间降低了水工作中的网络泵的输出处的平均压力，从而提高了它们的输出并提高了它们的特定能耗。

最后，由于过去的一些网络泵在过去的一些网络泵，通常比其他网络泵更能节能。操作泵的泵较小的泵很少提高平均能效。

此外，还必须考虑到，电价有时高，有时低。在德国的案例研究区，早上8点到10点和下午5点到9点之间的电价通常是最贵的，而午夜到早上6点之间的电价是最便宜的。不幸的是，这段时间恰好是饮用水需求最高的时期。

在WatEner推出之前，储水箱在夜间用较低的能源价格加水，在需水量和能源价格都很高的白天排放到配电网。WatEner的整体方法被用于重新设计网络泵的泵时间表，从而结合上述效果来优化系统的能源效率。对于最优解决方案的定义，重要的是，供水必须永远不中断，尽可能高的水质不处于任何风险中，能源成本也应尽可能低。

为了展示重新设计泵送计划对能源消耗和能源成本的影响，我们选取了2015年3天的历史数据作为例子:2015年用水量最低的一天是元旦，用水量显著增加的一天是炎热的夏季。

结果与讨论

图4显示了在午夜到2015年3月10日的午夜到午夜的水运作总产量和水储罐的总产量之前和之后的差异。那天的饮用水量的总饮用水量为54,500米^3.．水厂网络水泵能耗总计12192 kWh (0.2237 kWh/m)^3.）这导致能源成本为2038€（0.0374€/ m^3.）.图5描述了优化前后网络泵的相应调度。

图4:卡尔斯鲁埃的总饮水消耗量(实红线)，优化前(实黄线)和优化后(虚线)的储水罐的地下水位，以及优化前(实蓝线)和优化后(虚线)的水厂总产量^th2015年3月。

10的饮用水消耗^th2015年3月（图4中的红色实线）在午夜和凌晨6点之间非常低，然后可以观察到最高的需求，凌晨7点至上午9点（人们洗澡）。之后，它表现出略微下降至下午4点，然后在晚上7点左右的第二次，最小的最大值（洗澡的人），最后再次下降。除了平台知道并能够识别的一些“特殊”天（如新的一年）之外，通常会重复每日消费模式，并能够识别，提供同样良好的需求预测。在那些特殊的日子里，峰值需求从早上7点和上午9点转移，并且可以始终满足夜晚需求的11点到达。

在这两种情况下，储水箱都是在晚上11点到早上6点之间注满水的(在优化实黄线之前，在优化虚线之后)。最初，在优化之前，这是水工程总输出最高的时间(实蓝色线)。为了在晚上使用相对便宜的能源，储水箱被完全填满了地下水位，从大约2米(需要/需要的最低高度)到大约7.5米。通过优化的泵计划，避免了非常高的产量(蓝色虚线)，储罐只注满约5米。

在当天，在优化之前，水的总输出必须明显低于平均值，以清空储罐到所需的至少2米。使用优化的泵时间表，水工的总产量更接近平均水平。

原始泵时间表是由操作水厂的技术人员实时创建的，对系统的观察行为作出反应。这包括约20个切换操作。另一方面，使用预测的耗水和液压建模，预先计划了优化的泵时间表。因此，只有8个切换操作更简单。

随着优化泵的应用，网络泵的能量消耗将减少916千瓦时或7.5％。这将使能源成本降低147欧元或7.2％。乘以365天，储蓄总计高达约54,000欧元。成本降低的百分比小于能量减少的百分比，因为夜间的廉价能量较低用于填充储水罐。

泵的优化结果安排元旦2015(图6和图7)最少的饮用水消费在2015年和2015年炎热的夏天(图8和图9)饮用水消费非常高在2015年显示类似的照片。

新的一年的一天显示出一种非常有趣的饮用水量模式（图6中的固体红线）。饮用水量增加，凌晨1点左右，可能是人们在午夜和睡前侧面冲洗厕所。显然是一个公共假期，大多数人然后开始这一天。这一天的饮用水量的总饮用水量仅为42,200米^3.这仅仅是一个普通工作日饮用水消耗量的四分之三。水厂网泵能耗总计9550 kWh (0.2263 kWh/m)^3.)，导致能源成本为1599欧元(0.0379欧元/百万欧元)^3.）.

最初，实时创建的泵计划有14个切换操作。优化的、预先计划好的泵计划只需要6次切换操作。采用这种优化的泵计划，网络泵的能量消耗将减少772千瓦时，即7.6%。这将导致能源成本减少122欧元或7.7%。

3的饮用水量模式^{理查德·道金斯}2015年7月(图8中的实线红线)，因为一个非常炎热的夏天显示了第二个强烈的饮用水消耗最大值是在晚上，当很多人下班回家后第二次浇花园或淋浴。当天的饮用水总消耗量高达75000米^3.这比平均工作日的饮用水量高近40％。水工中网络泵的能耗增加到17,250千瓦时（0.2300千瓦时/米^3.)，导致能源成本为2888欧元(0.0385欧元/立方米)。

最初，实时创建的泵计划有12个切换操作。优化的、预先计划好的泵计划只需要5次切换操作。采用优化的泵计划，网络泵的能源消耗将减少1065千瓦时或6.2%。这将导致能源成本减少173欧元或6.0%。

表1总结了使用智能ICT解决方案WatEner的整体方法对卡尔斯鲁厄四个自来水厂的网络泵的抽水时间表进行优化的结果。

表1:使用智能ICT解决方案WatEner优化泵调度的结果总结

必须指出,节省和投资回报率,可以实现在很大程度上依赖于自来水的规模(人口),能源成本在每个特定情况下/地区和许多其他因素——这是网络的初始状态之前WatEner等实现一个解决方案。
在一个发达国家的中型城市(30万居民)测试了该工具后，预计较大城市和超大城市以及发展中国家城市的预期结果至少与西北欧试点取得的结果一样好。

获得的结果表明，在合理投资的情况下，水-能关系问题的非结构性解决方案可以对若干问题(气候变化、碳足迹、用水单位资产负债表和水损失)产生巨大影响。

这些结果是通过改变WU的操作范式来解决WU的主要问题:

• 整体愿景。可以评估整个供应网络中的不同节能策略，从而提高网络其他部分的储蓄和防止低效率。

• 整合和使用现有的监控基础设施和液压模型。

• 动态适应于在供水网络中发生的连续运行问题，例如网络的某些部分临时停止或服务限制以维护或失败。

• 提供有用的建议的灵活性，无论监测技术水平的水务设施。
  

结论

与传统方法相比，用于供水网络管理的智能ICT工具具有多种优势，它们高度关注数学模型。此外，大数据/数据分析范式是不够的，因为它没有能力包含在运营管理改进过程中获得的知识。人工智能方法有助于处理专家管理人员的知识，并灵活地允许随着时间的推移丰富运营战略，帮助管理战略的持续改进。

一方面，纯数学解没有考虑到水网日常运行环境的变化;人工智能通过包括机器学习技术，能够根据网络运行过程中获得的新知识进行进化，从而有助于管理改进。该平台具有适应政策或指示更改、知识改进或基础设施修改的能力。

另一方面，智能ICT解决方案提供了一种灵活的方式来进行所需的分析，以进行全面的网络管理;所描述的人工智能方法独立于监测级别、网络基础设施或水务公司的特定目标。它只依赖于网络管理者的知识，通过在日常运营管理过程中，在多准则分析中添加变量和规则，提供了一种维护和改进管理策略的机制。
吴务管理城市配水系统正面临社会经济，可持续性和恢复力挑战，包括由于人口增长而过度使用，低估了水价值，行动者之间缺乏协调，运营问题（老龄化，泄漏，质量），更高的能源价格还需要回应气候变化问题。尽管如此，对Wu的资源效率或环境表现进行了评估，仍然缺乏整体方法。智能ICT解决方案填补了这个差距。

通过使用像WATENER这样的ICT工具，运营管理人员可以更有效地管理供水和分销网络，动态响应短期需求的波动，并考虑在供应，网络压力，最小流量等连续性等边界条件下同样的方式，该平台提供了一种高度可靠的需求预测系统，基于消费区，需求模式和历史数据，还包含定制和参数化系统来校准和评估结果。

例如，在一个拥有3万居民的欧洲西北部城市卡尔斯鲁厄的案例研究表明，通过使用智能ICT解决方案的整体方法，该城市的自来水系统的网络泵所消耗的能源有可能节省约7%。

参考

1. Caf。Bases Para Una agenda del Agua enasméricadel sur。（2015）。

2. 美国政府能源部。水-能源关系:挑战与机遇。(2014)。

3. 阿米尔·卡恩，智能实用。智能水-能源关系。(2014)。

4. Royan Fredrick，全球env。水市场。全球智能水市场“发掘水和行业的实际价值”（2012年）。

5. 《水市场评论》。简要回顾世界水市场的挑战和机遇。（2012）

6. 电力研究所。美国电力消费供水和治疗 - 未来半个世纪。水和可持续性。4，（2012）

7. 欧盟EIP水。迈向可持续能源的进展。（2015）。

8. Nogueira。传统供水系统的能源和水力效率。(2014)。