上海城投（集团）有限公司科技创新计划项且(CTKY-DX-2020-012) 摘要 依托工业大数据技术、人工智能方法的精细化城市供水系统是未来上海城市 供水系统的发展方向。本项目以构建智能供水管网调度系统为目标，实现通过计 算机在线生成智能优化调度指令，并在在青东地区调度中进行示范应用。 本项目从提升数据质量入手，分别采用Smoothing Z-Score算法和TW-KNR 算法来对原始数据进行异常值识别和缺失值插补。并在此基础上基于灵敏度法和 投影法耦合的方法优化测压点布置以及采用DTW-Kmeans聚类算法优选压力控制 点来辅助调度方案生成。针对青东区城的常规调度，本项目基于深度学习模型构 建水厂、系站的压力预测模型，结合调度运行逻辑生成水厂调压，系站启闭以及 水库进水关水等指令。并采用训练数据集优选技术，筛选得分评价较高的数据作 为训练数据集优化调度模型预测效果。此外，为建立调度认证评估机制，本项目 构建评价模块和系统运行效果评价模块分别用于更新知识库以及对每日调度系 统的运行效果进行评价。对于异常工况，系统中集成管网异常突发事件侦测定位 模块利用孤立森林算法识别历史数据中高频组分异常值来侦测异常事件，并基于 机器学习算法和管网水力模型分析各测压点异常工况下压力变化数据与预测压 力变化数据的残差分布来进行异常事件定位。在项目执行期间形成的成果主要包 括：指定导则3部，论文3篇，申请发明专利2项，计算机软件著作权1项。在 技术指标方面，在6月15日至11月14日调度系统运行期间，调度方案采纳率 达96.29%；调度方案调控预期结果与实际对比平均偏差水厂为3.66%，泵站为 461%；调度方案实施对测压点造成的压力波动率为2.81%：同比去年能耗平均 下降3.05%：针对一次典型历史爆管事件案例分析，系统定位爆管点距离实际爆 管发生位置169.7m,均已达到项目技术指标的考核要求。 本研究结合实际案例，构建了水厂和增压泵站调度智能控制指令深度学习模 型，通过对历史运行数据中调度经验的学习，捕捉管网运行状态的变化规律，并 根据对未来状态的预判生成调度指令，与人工经验调度的对比验证了该智能实时 调度系统的优势及应用潜力，并通过引入在线水力模型等机制进一步提升深度学 习模型的泛化能力：同时通过构建智能调度方案的实时评价机制，从区域压力保 障及调度方案可靠程度等方面，进一步提升智能调度模型在实际应用中的安全性， 可靠性和方案采纳率
上海城投（集团）有限公司科技创新计划项目（CTKY-ZDXM-2020-012） I 摘 要 依托工业大数据技术、人工智能方法的精细化城市供水系统是未来上海城市 供水系统的发展方向。本项目以构建智能供水管网调度系统为目标，实现通过计 算机在线生成智能优化调度指令，并在在青东地区调度中进行示范应用。 本项目从提升数据质量入手，分别采用 Smoothing Z-Score 算法和 TW-KNNR 算法来对原始数据进行异常值识别和缺失值插补。并在此基础上基于灵敏度法和 投影法耦合的方法优化测压点布置以及采用 DTW-Kmeans 聚类算法优选压力控制 点来辅助调度方案生成。针对青东区域的常规调度，本项目基于深度学习模型构 建水厂、泵站的压力预测模型，结合调度运行逻辑生成水厂调压、泵站启闭以及 水库进水关水等指令。并采用训练数据集优选技术，筛选得分评价较高的数据作 为训练数据集优化调度模型预测效果。此外，为建立调度认证评估机制，本项目 构建评价模块和系统运行效果评价模块分别用于更新知识库以及对每日调度系 统的运行效果进行评价。对于异常工况，系统中集成管网异常突发事件侦测定位 模块利用孤立森林算法识别历史数据中高频组分异常值来侦测异常事件，并基于 机器学习算法和管网水力模型分析各测压点异常工况下压力变化数据与预测压 力变化数据的残差分布来进行异常事件定位。在项目执行期间形成的成果主要包 括：指定导则 3 部，论文 3 篇，申请发明专利 2 项，计算机软件著作权 1 项。在 技术指标方面，在 6 月 15 日至 11 月 14 日调度系统运行期间，调度方案采纳率 达 96.29%；调度方案调控预期结果与实际对比平均偏差水厂为 3.66%，泵站为 4.61% ；调度方案实施对测压点造成的压力波动率为 2.81%；同比去年能耗平均 下降 3.05%；针对一次典型历史爆管事件案例分析，系统定位爆管点距离实际爆 管发生位置 169.7m，均已达到项目技术指标的考核要求。 本研究结合实际案例，构建了水厂和增压泵站调度智能控制指令深度学习模 型，通过对历史运行数据中调度经验的学习，捕捉管网运行状态的变化规律，并 根据对未来状态的预判生成调度指令，与人工经验调度的对比验证了该智能实时 调度系统的优势及应用潜力，并通过引入在线水力模型等机制进一步提升深度学 习模型的泛化能力；同时通过构建智能调度方案的实时评价机制，从区域压力保 障及调度方案可靠程度等方面，进一步提升智能调度模型在实际应用中的安全性、 可靠性和方案采纳率。 同济大学智慧水务联合创新研发中心
上海域投（集团）有限公司科技创新计划项且(CTKY-7DX-2020-012) 1.项目概述 1.1.项目目标 根据《上海市城市总体规划(2017-2035年)》，至2035年，上海市将基本建 成卓越的全球城市。未来的供水系统必须能够契合上海作为具有世界影响力的社入 会主义现代化国际大都市的城市定位，满足人民对美好生活的追求。城投与水条◆ 集团作为国有企业主力军，以城市供水精细化、智能化为研究导向，依托买业大 数据技术、人工智能方法，提升城市供水服务质量，协助构建平稳、韧性、生态 高效的城市供水系统是未来上海城市供水系统的发展方向。， 本项目以供水管网优化运行和智能化调度为研究对象，并在青东供水区域开 展示范应用研究。分析该供水区域的水厂、泵站、管网运行状态，优化在线监测 系统，将水力模型与优化智能算法相结合，建立优化方案评估与认证机制，提升 供水调度水平，降低供水能耗，提高供水安全保障能力。 青东区域位于青浦东部与闵行区西部交界，服务面积约132km,涉及徐泾水 厂1座(20万m/)、以及新凤溪、华翔星站泵站3座，该区域也是进博会供 水安全保障区域。研究针对区域日常供水需求，通过对用水量预测制定调度计划， 通过计算机辅助决策生成智能调度方案，对厂站水泵启闭及工况频率、水库水位 过程等进行优化控制，提升精细化管控水平。 项目目标包括：)供水管网智能调度技术研究(2)研究成果在青东地区 的示范应用。将在所研究成果的基础上，开发青东区域供水智能调度系统，实现 在线生成优化的调度指令/方案，提出水厂/泵站的压力控制目标、泵站水库的进 水控制方案及突发状态下的应急调度方案，实现在青东地区调度中的示范应用。 1.2.项目内容 1.2.1.数据处理、压力监测点布置优化与压力控制点选择 高质量的数据是提供决策依据和调控的基础支撑，原始数据中存在数据缺失、 数据冗余、时间尺度不一致等多种问题，本研究拟采用数据统计、智能处理、异 常数据检测以及数据清洗等多种数据处理技术进行信息融合与分析处理，提升数 据质量。此外，还应综合考虑部分区域数据质量现状，在新装监测点数据质量有
上海城投（集团）有限公司科技创新计划项目（CTKY-ZDXM-2020-012） 1 1. 项目概述 1.1. 项目目标 根据《上海市城市总体规划(2017-2035 年)》，至 2035 年，上海市将基本建 成卓越的全球城市。未来的供水系统必须能够契合上海作为具有世界影响力的社 会主义现代化国际大都市的城市定位，满足人民对美好生活的追求。城投与水务 集团作为国有企业主力军，以城市供水精细化、智能化为研究导向，依托工业大 数据技术、人工智能方法，提升城市供水服务质量，协助构建平稳、韧性、生态、 高效的城市供水系统是未来上海城市供水系统的发展方向。 本项目以供水管网优化运行和智能化调度为研究对象，并在青东供水区域开 展示范应用研究。分析该供水区域的水厂、泵站、管网运行状态，优化在线监测 系统，将水力模型与优化智能算法相结合，建立优化方案评估与认证机制，提升 供水调度水平，降低供水能耗，提高供水安全保障能力。 青东区域位于青浦东部与闵行区西部交界，服务面积约 132km 2，涉及徐泾水 厂 1 座（20 万 m 3/d）、以及新凤溪、华翔、星站泵站 3 座，该区域也是进博会供 水安全保障区域。研究针对区域日常供水需求，通过对用水量预测制定调度计划， 通过计算机辅助决策生成智能调度方案，对厂站水泵启闭及工况频率、水库水位 过程等进行优化控制，提升精细化管控水平。 项目目标包括：（1）供水管网智能调度技术研究（2）研究成果在青东地区 的示范应用。将在所研究成果的基础上，开发青东区域供水智能调度系统，实现 在线生成优化的调度指令/方案，提出水厂/泵站的压力控制目标、泵站水库的进 水控制方案及突发状态下的应急调度方案，实现在青东地区调度中的示范应用。 1.2. 项目内容 1.2.1. 数据处理、压力监测点布置优化与压力控制点选择 高质量的数据是提供决策依据和调控的基础支撑，原始数据中存在数据缺失、 数据冗余、时间尺度不一致等多种问题，本研究拟采用数据统计、智能处理、异 常数据检测以及数据清洗等多种数据处理技术进行信息融合与分析处理，提升数 据质量。此外，还应综合考虑部分区域数据质量现状，在新装监测点数据质量有 同济大学智慧水务联合创新研发中心
上海城投（集团）有限公司科技创新计划项目(CTKY-DXM-2020-012) 较大改善的基础上进行差别化加权和信息融合分析处理，进一步提升数据质量， 这些高质量数据将为后续研究工作打下坚实基础。 及时准确掌握供水管网的运行状况是供水企业进行管网日常运营管理和供 水调度的基础，而供水管网监测点布置就是进行管网数据采集、支撑掌握管网运 行状态的重要环节。采用智能算法等对供水管网监测点布置进行分析、优化，根 据测点压力值、压力变化值、测点的联通拓扑关系和位置等属性，综合考虑流量◇ 等其他因素影响，对现行监测点的数量和空间布局进行优化。 除此之外，调度员进行调度时通常会根据各自经验选取一个或多个大量管网 监测点中的压力值作为一个或者某几个来进行调度指令下达的依据。为了优化和 选取合理压力控制点具有现实意义支撑辅助调度方案生成，根据目前管网测压点 布局现状与管网运行情况，采用聚类分析技术，进行关键压力控制点遴选和确定： 并按需更新关键压力控制点，满足辅助调度运行要求。) 本项研究内容的价值点在于规范化监测数据，规范化压力监测点与控制点， 为经验调度和智能调度提供基础支撑。一火 1.2.2.供水调度方案优化与方案评估 青东地区内有多个水库增压泵站，泵站存在水库增压、管道叠压、跨越直供 等不同运行模式，通过对水库系站附近区域压力和流量监测点历史数据的分析和 特征模式提取，分析水库泵站不同运行工况对于附近区域和关联区域的压力和流 量影响规律，结合厂站内机泵的能效曲线，给出水库泵站进水调节和水库水位控 制的优化方案建议。⊙ 建立调度方案的量化评估方法和机制，多维度展现调度方案特征，包括：管 网运行安全、综合压力、综合能耗评估、厂站水库关键节点运行情况、管网运行 状态等多方面的评估以及方案签名等。通过对方案进行量化评估和优选，构建增 量方案库，实现专家库内方案优质，辅助调废员选择方案。 本项研究内容的价值点在于确保专家库内方案优质，方案经过优化、评估和 认证，为调度员所认可，易于采纳，有效提升方案采纳率 1.2.3.基于深度学习的用水量预测方法 以历史用水量数据为基础，结合气象气温、降水、节假日等对用水量有影响 2
上海城投（集团）有限公司科技创新计划项目（CTKY-ZDXM-2020-012） 2 较大改善的基础上进行差别化加权和信息融合分析处理，进一步提升数据质量， 这些高质量数据将为后续研究工作打下坚实基础。 及时准确掌握供水管网的运行状况是供水企业进行管网日常运营管理和供 水调度的基础，而供水管网监测点布置就是进行管网数据采集、支撑掌握管网运 行状态的重要环节。采用智能算法等对供水管网监测点布置进行分析、优化，根 据测点压力值、压力变化值、测点的联通拓扑关系和位置等属性，综合考虑流量 等其他因素影响，对现行监测点的数量和空间布局进行优化。 除此之外，调度员进行调度时通常会根据各自经验选取一个或多个大量管网 监测点中的压力值作为一个或者某几个来进行调度指令下达的依据。为了优化和 选取合理压力控制点具有现实意义支撑辅助调度方案生成，根据目前管网测压点 布局现状与管网运行情况，采用聚类分析技术，进行关键压力控制点遴选和确定； 并按需更新关键压力控制点，满足辅助调度运行要求。 本项研究内容的价值点在于规范化监测数据，规范化压力监测点与控制点， 为经验调度和智能调度提供基础支撑。 1.2.2. 供水调度方案优化与方案评估 青东地区内有多个水库增压泵站，泵站存在水库增压、管道叠压、跨越直供 等不同运行模式，通过对水库泵站附近区域压力和流量监测点历史数据的分析和 特征模式提取，分析水库泵站不同运行工况对于附近区域和关联区域的压力和流 量影响规律，结合厂站内机泵的能效曲线，给出水库泵站进水调节和水库水位控 制的优化方案建议。 建立调度方案的量化评估方法和机制，多维度展现调度方案特征，包括：管 网运行安全、综合压力、综合能耗评估、厂站水库关键节点运行情况、管网运行 状态等多方面的评估以及方案签名等。通过对方案进行量化评估和优选，构建增 量方案库，实现专家库内方案优质，辅助调度员选择方案。 本项研究内容的价值点在于确保专家库内方案优质，方案经过优化、评估和 认证，为调度员所认可，易于采纳，有效提升方案采纳率。 1.2.3. 基于深度学习的用水量预测方法 以历史用水量数据为基础，结合气象气温、降水、节假日等对用水量有影响 同济大学智慧水务联合创新研发中心
上海域投（集团）有限公司科技创新计划项且(CTK-DXW-2020-012) 的因素分析，采用长短时记忆神经网络根据智能调度所需的时间步长进行用水量 预测。门控单元神经网络(GRU)是目前主流的适用于时间序列数据预测的深度 学习算法，对具有周期性规律的时问序列数据具有良好的预测精度。本研究拟将 GU与卷积神经网络等局部数据特征提取的网络结果相结合，进一步提升用水量 预测的精度。 用水量预测结果将作为输入用于供水管网智能调度模型的调度方案生成。 1.2.4.基于增量式知识库的供水管网智能调度 基于青东地区的日常供水调度，以经济性和效益性等作为优化目标，以供水 安全和供水保障作为约束条件，构建供水系统优化调度模型，生成优化调度指令。 构建专家决策模块，设计一种基于增量方案库的供水管网智能调度系统框架，支 撑供水系统优化调度模型的离线分析和在线修正。调度指令经调度成效评估模块 分析评价后将与评估结果共同存储于调度知识库，实现基于动态的增量式方案库 的供水管网智能调度。 本项研究内容的价值点在于提供一个可行的、通用的智能调度框架和方案， 为青东地区调度示范和后续的应用推广莫定基础。 1.2.5.突发事件快速诊断、区域定位及应急处置方案 针对爆管/停系等突发事件情况下的诊断和决策，本研究拟通过城市供水管 网数据的点、面结合分析，开展突发事件的协同报警研究。协同报警一方面对监 测点运行数据进行统计分析，对历史数据进行回归建模，分析当前时刻和未来时 刻管网中是否会出现潜在事故风险等安全故障，并给出风险点位置估计范围和可 能影响的区域及风险估计类型：另一方面，将基于数据特征提取的管网报警和水 厂入泵站的调度过程或其他重要变动进行点、面结合，对供水系统中可能会产生 人安全事故的风险节点进行分析，提高协同报警成效。 本项研究内容的价值点在于推动智能预报警系统建设，对运行异常情况进行 侦测和预报警，提升异常反应速度，提升管网运行安全性。 3
上海城投（集团）有限公司科技创新计划项目（CTKY-ZDXM-2020-012） 3 的因素分析，采用长短时记忆神经网络根据智能调度所需的时间步长进行用水量 预测。门控单元神经网络（GRU）是目前主流的适用于时间序列数据预测的深度 学习算法，对具有周期性规律的时间序列数据具有良好的预测精度。本研究拟将 GRU 与卷积神经网络等局部数据特征提取的网络结果相结合，进一步提升用水量 预测的精度。 用水量预测结果将作为输入用于供水管网智能调度模型的调度方案生成。 1.2.4. 基于增量式知识库的供水管网智能调度 基于青东地区的日常供水调度，以经济性和效益性等作为优化目标，以供水 安全和供水保障作为约束条件，构建供水系统优化调度模型，生成优化调度指令。 构建专家决策模块，设计一种基于增量方案库的供水管网智能调度系统框架，支 撑供水系统优化调度模型的离线分析和在线修正。调度指令经调度成效评估模块 分析评价后将与评估结果共同存储于调度知识库，实现基于动态的增量式方案库 的供水管网智能调度。 本项研究内容的价值点在于提供一个可行的、通用的智能调度框架和方案， 为青东地区调度示范和后续的应用推广奠定基础。 1.2.5. 突发事件快速诊断、区域定位及应急处置方案 针对爆管/停泵等突发事件情况下的诊断和决策，本研究拟通过城市供水管 网数据的点、面结合分析，开展突发事件的协同报警研究。协同报警一方面对监 测点运行数据进行统计分析，对历史数据进行回归建模，分析当前时刻和未来时 刻管网中是否会出现潜在事故风险等安全故障，并给出风险点位置估计范围和可 能影响的区域及风险估计类型；另一方面，将基于数据特征提取的管网报警和水 厂、泵站的调度过程或其他重要变动进行点、面结合，对供水系统中可能会产生 安全事故的风险节点进行分析，提高协同报警成效。 本项研究内容的价值点在于推动智能预报警系统建设，对运行异常情况进行 侦测和预报警，提升异常反应速度，提升管网运行安全性。 同济大学智慧水务联合创新研发中心
上海城投（集团）有限公司科技创新计划项且(CTKY-DX-2020-012) 项目总体技术路线如图1-1所示： 青东供水管网 资料及调度现状调研 力监占 优化布置方案研究 管网智能调度 爆管/停泵突发事件 技术方案构相 诊新与定位研究 研发中心 管网智能调度系统 模块开发 青东供水示范区应用 图1技术路线图 1.3。考核指标与预期成果 1.3.1.考核指标 (1)混合水力模型的数据那动调度方案采纳率达到95%（特例情况除外）： (2)调度方案对于关键监测点的调控预期结果与实际结果偏差不超过%（特 例情况除外)： (3)调度方案同比节能1%： (4)调度方案实施造成的压力波动大于5KPa的不多于3%： (⑤)爆管等风险源发生时能给出分钟级别的报警并给出爆管区域的范围（初 定5km以内，与测点密度和分布及爆管位置有关)。 1.3.2.形成成果 (①)管网监测点优化布置技术导则： g
上海城投（集团）有限公司科技创新计划项目（CTKY-ZDXM-2020-012） 4 项目总体技术路线如图 1-1 所示： 图 1-1 技术路线图 1.3. 考核指标与预期成果 1.3.1. 考核指标 (1) 混合水力模型的数据驱动调度方案采纳率达到 95%（特例情况除外）； (2) 调度方案对于关键监测点的调控预期结果与实际结果偏差不超过 5%（特 例情况除外）； (3) 调度方案同比节能 1%； (4) 调度方案实施造成的压力波动大于 5KPa 的不多于 3%； (5) 爆管等风险源发生时能给出分钟级别的报警并给出爆管区域的范围（初 定 5km 以内，与测点密度和分布及爆管位置有关）。 1.3.2. 形成成果 (1) 管网监测点优化布置技术导则； 同济大学智慧水务联合创新研发中心