国外大型调水工程渠道运行控制综述Word文档下载推荐.docx
《国外大型调水工程渠道运行控制综述Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《国外大型调水工程渠道运行控制综述Word文档下载推荐.docx（14页珍藏版）》请在冰点文库上搜索。
Keywords：
inter-basinwatertransfersprojects；
operation；
systemscontrol；
South-to-NorthWaterTransferProject
大型调水工程输水渠道的运行调度是工程设计和运行中十分关键的技术问题。
目前渠道控制理论中的难点集中在复杂边界条件下的水流运动与水力控制模型的非线性、同一水位下流量的多值性、水力模型参数的不确定性等带来的渠系输水控制问题。
早期的运行不考虑水动力学因素或者依靠经验处理水动力学因素的影响，在渠道系统里只设有少量的节制闸以控制局部渠段的水位。
这不仅减少了供水的灵活性，还会降低工程安全性。
对于跨流域长距离多渠道的大型调水工程，无论是从按时按量供水、最大限度满足用户需水要求的方面考虑，还是从渠道安全方面考虑，都需要进行全线运行控制调度。
国外对于渠道控制的研究开展得较早，也取得了一定的成果。
尤其在处理非线性偏微分圣维南方程组以及运行实践等方面，发展了一系列控制模型、控制方法及相应算法。
本文总结了国外关于渠道控制取得的一些成果，以期为南水北调工程运行控制提供借鉴。
1渠道运行控制理论
1.1基本模型
明渠输水渠道的运行控制是一个系统问题，渠道被节制闸门分割为多个渠池，各渠池在运行期间相互干扰、相互作用。
因此各节制闸门的开度应根据系统总体的水流状态变化来调节。
其基本模型为多渠池串联的多变量系统。
如图1所示：
1.2渠道运行控制的最基本水力学方程
考虑一般的缓坡渠道，在节制闸门开启或取水口流量变化的条件下，其渠道水流流态为非恒定渐变流，用以水位（z）、流量（Q）为变量的圣维南方程组来描述。
关于取水流量的影响，用取水口上下游渠池间流量关系描述，而闸门的影响则采用闸门出流公式计算。
即：
圣维南方程组
其中，方程
（1）为关于渠道运行控制系统的方程，方程
（2）为输出方程。
式中各矩阵的物理意义：
A矩阵表示系统内部各节点水深、流量的关系；
B矩阵表示闸门开度对各节点水深、流量的作用；
C矩阵表示渠道测量变量与状态变量之间的关系；
A、B矩阵联合反映了一个渠道系统的可控性，A、C矩阵联合反映了一个渠道系统的可测性。
上述方程构成了渠道控制的理论基础，是研究渠道水动力学对渠道输水影响的出发点。
2渠道控制模型
2.1完全线性模型
法国的学者Jean等人[2]在一个渠系范围内建立了简单动力学模型。
通过在稳定流动条件下对圣维南方程的线性化得到了一个河段输移矩阵，并对该矩阵做了相应的评价。
验证了短河段中波传播和长河段中延迟和有阻尼的波传播两种状态，结果表明，即使测量的断面与稳定流动状态差别很大，也能得到很高的精确度。
其误差主要源于汇合处节制闸的线性化处理。
但数学上的要求使得该模型的控制器设计十分复杂，而且目前只能用于各项同性的几何学中。
2.2完全非线性模型
Coron等人[3]在研究中提出了完全非线性模型，该模型直接应用了圣维南方程和内外边界条件来设计控制器。
但目前这一模型尚处于探索阶段，只是在某些特定的受限的系统中进行了尝试。
2.3无限线性转换函数
由于在设计控制器时难以应用完全线性或完全非线性方法，一些学者对其进行了改进。
Baume[4]综合了圣维南方程、线性化处理和拉普拉斯转换，建立了无限线性模型：
2.4有限非线性模型
Liu[5]等人在研究过程中用数值方法对圣维南方程组在空间、时间和空间上做了离散化处理[5]，建立了有限非线性模型。
这一模型的主要优点是简化了控制设计，几乎适用于各种类型的渠道系统，同时保留了渠道系统的非线性特点。
其缺陷在于，因基于数值方法，该模型对临界流量有要求；
而建模过程中数值方法的引入也会带来一定误差。
但这类模型仍然相当精确。
2.5有限线性模型
有限线性模型可分为两大类。
一类建立在状态矢量空间上，本文开始所提到的最基本的线性化、离散化方法，即利用圣维南方程、质量/动量守恒建立的非线性部分为二次型的分布式模型就是此类模型的典型代表；
另一类则通过建立转化函数来简化多变量的问题。
但该方法所需的数据、存储空间以及计算时间较多，应用于大尺度系统中时会增加很多成本，只适用于较简单的线性多变量或单输入单输出转移函数模型，Schuurmans[6]在这方面研究成果显著。
除了研究基本水力学方程，还有一些学者尝试借鉴其他领域的模型来处理渠系控制问题。
如Toudeft[7]尝试将很多工业领域中都采用的中枢网络模型应用在灌渠系统中，但目前为止，这类实验都不是很成功。
Stringam和Merkley[8]则试图借助模糊控制理论，在灌渠系统中建立模糊数学模型，虽然在理论上很容易得到一个系统的非线性模型，但实际应用效果却不理想。
另外，还有学者提出皮式网络模型，该模型在很多与渠道系统类似的系统上都得到了很好的应用。
3渠道控制方法
3.1渠道运行状态反馈控制
整个渠系是一个状态空间系统，各渠段间相互影响、相互作用。
实际运行中，任何一点水位或流量的变化都会引起整个渠道水流状态的变化，所有的节制闸都会作出响应，重新调整开度；
而任何一个节制闸闸门开度的变化又将引起整个渠道各点水位的波动。
渠道运行系统控制器的设计目标就是令系统根据渠道目前的水流状态改变水流的边界条件（即调节各个节制闸门开度），使渠道水面线从目前位置平稳过渡到目标位置，直至系统达到稳定。
假设各节制闸门开度的变化与渠道水流状态的关系为：
U?
?
（t）=-KX?
（t）
其中，K―反馈矩阵，描述各节点根据当前水位、流量与目标状态的偏差来改变各节制闸闸门开度的过程。
设计反馈控制器，即给渠道系统施加一个恰当的开度系列使各点的水位和流量迅速趋向控制目标位置，其关键就在于确定反馈矩阵K。
3.2渠道运行控制方法
设计控制器时，通常需要根据渠道特点选用不同的控制方法。
最古老但应用也最广泛的控制器是添加在闭环系统中的PID控制器。
其中，P为比例，控制系统响应的快速性；
I为积分，控制系统的准确性，消除累积误差；
D为微分，控制系统的稳定性，具有超前控制作用。
PID控制器的原理就是在系统结构允许的条件下，权衡调整这三个参数以达到最佳控制效果，具有稳快准的控制特点。
但由于水动力学系统固有的延滞性、非线性等特点，以及各子系统之间相互作用的存在，很多学者尝试发展其他方法，主要有以下几种。
（1）预测控制。
预测控制是常用的多变量最优化方法。
它不是基于理想的闭环系统，而是一个遵循控制性能指标J最小原则的加权控制方法。
该方法通常应用于转化函数或状态矢量空间上的有限线性模型，将开环和闭环系统自然地结合了起来。
Malaterre和Rodellar[9]在预测控制方法的基础上提出了对多变量渠道集中控制的公式表达。
公式来自Preissmann隐函数离散化的圣维南方程，建立在线性矢量空间模型上，并利用该模型来计算控制动作，最后用这些控制动作校验一个定义在精确预测时间段上的性能标准。
控制器结合了kalman滤波器以改造态变数和简化过程中产生的对测定变量的未知扰动。
这一控制系统在2个渠池的完全非线性系统中得到了验证。
Malaterre等人[10]还尝试在ASCE2号渠道的前三个河段上应用广义预测控制技术（GPC）。
这项研究试图解决补偿时间延后问题并建立克服系统非线性问题的控制策略。
其目标是通过对上游流量和闸门的控制实现对各河段下游水位的调节控制。
墨西哥的Victor和Javier[11]建立了一个基于长期出流预测的预测控制系统。
利用上游的控制结构，在每个渠道的尾部维持水位恒定。
其二次成本函数的最小值对大尺度多变化的滞后具有敏感度。
这一预测控制系统在MaricopaStanfield管排区的MW支流上试运行，结果表明该控制系统可改善渠道运行。
（2）分散控制。
CarlaSeatzu[12]在一个明渠河网中建立了集中参数测量模型，用矢量空间变量表达闸门开启与不同河段储水变化量之间的关系。
该模型用超经验函数表达。
在S=0处的级数展开提供了状态可变的、线性的、时间恒定的模型，相应地有一个有理转换矩阵。
通过解决最小二乘法问题建立按比例分配的完整分散型恒体积控制规律，进而优化控制器参数，在预期结构上施加反馈收益矩阵的影响。
它使得闭环转移函数成为一个指标函数，可在限定的频率范围内尽可能地接近。
并利用SIC软件比较了线性模型和非线性不稳定模型的状况。
Manuel，Jose和Juan[13]提出的是水位调节系统的数字化控制方法。
每个控制系统由两个控制器组成：
一个用于执行离散时间点上接收的为保证下游预期水位下达的流量控制指令；
一个用于执行当地的控制指令，通过调节闸门开度实现预期流量控制。
他们给出了通用控制方案的公式化描述，并提供了模拟结果来说明和讨论该方法在不同运行条件下的表现。
Sawadogo等人[14]利用提前控制理论，明确了子系统之间的相互作用，对能使每个水池闸门都自动运行的当地控制系统给出了公式化描述。
各控制器的目标是在外部条件变化的干扰下，维持各渠池下游水位不变。
此方法在明渠非线性模型中得到了验证，并实际运用于一个4河段渠道。
（3）最优控制。
最优控制也是一种较成熟的控制方法，本质上属于多变量控制法。
优化方法有多种类型：
线形优化、非线性优化以及利用线性二次型最优调节器（LQR）进行的优化。
经典的非线性优化针对的是开环系统，对错误和扰动很敏感。
为了引进一个封闭的回路，优化要被定期更新，因而此种方法较为复杂，并因时效性受到了限制，确定实际初始条件的要求也不容易得到满足。
而建立在状态空间上的LQR方法则结合了开环和闭环系统。
近年来，在一些河道上还试验了最小H2方法，其优势是具有可选择多变量控制器的结构，并有专门的分散控制器，可用于庞大的系统或实现分散控制。
Malaterre和Rodellar[15]研究了多变量最优（LQR）和多变量预测（MPC）控制器在2渠池渠系中的应用。
LQR闭合回路控制器的设计来自Riccat方程在无限时间区间内的稳态解；
MPC闭合回路控制器来自相同的最小化问题，但是是在有限的时间范围内求解。
两款控制器都使用了Kalman滤波器以消除对状态变量及来自于观测变量（上游和下游渠尾水位）减少的未知扰动。
这项研究在线性模型和完全非线性模型上均得到了验证。
Flavio和John[16]的预测控制理论（PCOM）是在渠道最优化实时控制方面将当前状态和目标状态结合了起来。
PCOM将一个有效的非线性最优控制算法应用到完全动力学控制的不稳定流动水力学模型上。
最优预测控制应用于所有沿岸建筑物、供水点及泵站，考虑了全渠道的水力学因素，为求解圣维南方程建立了Preissman型模型。
该算法产生了预测控制规则和在复杂水力学条件下系统的反馈控制。
缺水状态的水量平衡分配问题也可得到解决。
PCOM在巴西FormosoH工程三号主渠的几种工况下都运行良好。
Mario和Yang[17]等人则发展了可用于任意渠道系统上的自动闸门控制器设计方法。
这一设计利用了EL-FLO和RESET控制概念。
为保证上游闸门的平稳运行，增加了两个设计参数，对基本的参数也实行了最优化。
由于渠道水力学的复杂性，最优化模型是高次非线性的，应用分解和连续近似的方法对其求解。
在巴西东北部Caraibas的部分工程上的应用结果表明，该设计可减少多渠池渠道系统中水力学瞬时现象的影响。
为减少计算机运算的复杂性、遵循系统拓扑学关系并监控农业生产，Fawal和Georges等人[18]引入了一种分解的思想，在扩展拉格朗日方程的基础上建立了分解―调和模型。
该模型用于复杂灌溉系统，由水保持系统、渠道和管网连接的水供应/分配系统组成。
在传统的分解―调和模型中，价格分解―调和算法、子系统之间的偶合约束、或相关的拉格朗日系数都被用作调和变量。
而此模型的各子系统则引进了一些兼容性的约束，相关的拉格朗日系数被用作协调变量。
该方法在Delabunuo灌溉渠系中得到了应用。
最优化控制已被广泛用于系统构造和子系统需求的定义以及运行方案的建立。
但当分析瞬态性能要求时，最优控制就会出现问题，这些问题基本上都用模拟方法解决。
在美国电气及电子工程师学会（IEEE）成员Ilya和Anna[19]所做的研究中，说明了这类最优控制问题是如何出现的，以及如何用最优控制技术进行数字化求解。
（4）实时控制。
关于渠道系统最优化运行的研究很多。
但目前最优化控制方法还没有得到实时应用。
很多优化模型并没有考虑操作者所面临的实际制约。
相比于最优控制，实时控制的概念更为简单明了。
随着实时控制越来越多的应用，支持大规模并行处理的通信系统的建立成为其中一个重要的难题。
流量控制是该通信子系统的一个重要组成部分。
Clemmens[20]尝试用状态向量代表真正的物理变量从而架构一个增益矩阵的子集，得到了简单的比例积分（PI）控制。
此外，该研究采用分层次控制架构将人工控制和开环控制施加于状态反馈控制器之上，以增加可操作度。
这个控制系统目前应用于盐河治理工程上游的亚利桑那运河上。
Jong和Matt[21]在研究中讨论了每种控制方法在性能和建设费用上的性价比。
他们设计了一个模拟器进行实验，根据整体的规划调整了决策的优先级。
而实际河网规模较大，水源区和目的节点的平均距离都有所增加。
在到达目的地之前，沿渠道的信息传送在每个节点处都会有滞后损失。
因此，渠系尺寸的增加会导致更多的资源消费、拥塞，及过时信息的出现。
实时系统中，当信息错过了有效期，就失去了价值。
在Jong和Matt设计的系统中，过时信息会被自动消除，这对大型渠道的控制很有意义。
在渠道实时控制方面还有很多新的尝试。
如在南佛罗里达州水资源管理区超过1600公里的渠系上，有人开发应用了一套决策支持软件以满足该区域水质管理、洪水控制等多目标的要求。
4渠道控制算法
不同的控制方法会采用和制定不同的控制算法。
已有的控制算法多基于单渠段控制，不能很好地解决多渠段运行中存在的滞后、蓄量变化、渠池间耦合作用等问题。
对于多渠段，国内外多采用现代控制理论状态空间法进行计算，即将整个渠系看作一个状态空间系统，运用状态估计、反馈等方法反映各个状态向量的关系，进行最优控制，该方法可以较好地解决多渠段控制问题。
各种算法的设计技术、控制逻辑（类型和方向）和变量选择（控制变量，测量变量，控制行动变量）有很大的不同。
以上述差别为标准，总结和比较渠系控制中的各类算法，见表1。
由于成本低，PID类（包括P1D及PI）控制在渠道输水自动控制中应用最广泛。
1952年，美国加州中央流域Friantkem渠道上应用了一种叫做LittleMan的控制方法。
1979年Buyalski等人研究了一种名为电子水位过滤器补偿+复位（EL-FLO）的就地控制算法，在传统的比例+积分控制中加入过滤水位波动的模块，以消除水位波动的影响，在Coming、Coalinga等渠道上得到了广泛的应用。
P+PR控制法是一种比例+比例复位算法，应用于Umattilla等流域工程。
传统PID控制方法的问题是水位降落速度不易控制，往往会产生较大的水位降落速度以及较大的超调量。
预测控制算法本身就是一种计算机控制算法，对模型精度要求较低，具有前馈控制作用。
其原理是用连续的在线有限优化，即滚动优化，取代传统的最优控制，在优化过程中利用实测信息不断进行反馈校正，在一定程度上克服了不确定性的影响，增强了控制的鲁棒性，尤其适用于大时滞的控制过程。
该算法调整灵活，易于处理系统输入输出约束，能大大提高多渠段运行控制系统的动态性能和稳健性。
其中，模型预测控制（MPC）出现于20世纪70年代中后期，在欧美工业领域取得了成功的应用。
分散控制中在中、小型灌区自动化系统中应用较多的为三节点式控制技术。
三节点分别是：
关―无控制动作；
开（设置点以上）―调节闸门降低水位；
开（设置点以下）―调节闸门抬高水位。
美国垦务局设计的Little-Man位置机电式自动控制闸门便可用于控制闸门上游或下游的水位，即通过设定迟滞时间、闸门动作时间和闸门稳定工作时间进行调节。
该方法很难在保证恒定流量期稳定的同时，满足对流量变化快速响应的要求，只适合于单个或几个孤立的建筑物控制。
但三节点控制技术不需测量闸门位置，因此仍会得到应用。
BIVAL则是一种等容积就地自动控制模型，控制方法与P+PR法相似，只是控制点在渠段的中央，曾应用于Sahe等渠道。
最优控制问题的求解受明渠非恒定流方程和渠道运行控制系统状态方程的约束。
在不同的模型中会建立不同的最优性能指标，寻找最优的闸门开度系列，达到总体综合最优。
模糊控制理论是近年发展起来的智能控制理论，能够很好地处理非线性问题且不依赖于被控对象的数学模型。
然而模糊控制器采用固定的控制规则，一般不考虑不同阶段的误差及其变化的权重问题，控制性能不是十分理想。
启发式控制技术属于反馈式闭环控制，根据输入变量和经验数据确定闸门系数，计算实际流量并与目标流量进行比较，输出闸门位移值。
该技术比较简单，但当闸门下游水位在自由出流和淹没出流之间变化时，难以保证水位稳定。
模型反演式中，比较有特点的是GateStroking型。
它采用特征线网格法计算渠道在各个时刻、各个位置的水位、流量变化，从而确定闸门的控制规律。
5渠道控制的其它研究方向
在渠道运行研究方面，除了运行控制，还有学者进行了其他方面的研究，如以色列的Dani，Uri[23]等人在其灌渠系统最优化运行的研究中考虑了多重水质水源供水的影响。
他们建立的模型综合考虑了多重水质保持及稀释节点等因素，将一般非线性优化模型分解成线性约束下的非线性目标函数并使用推算梯度法进行解决。
其目标函数包括水源处的水成本，与渠网水动力学间接相关的水运送费用，水处理成本，由于水质差引起灌溉作物产量减少的成本。
该方法的试运行在敏感度测试和降低成本方面效果显著。
而斯里兰卡的Renault[24]则对灌溉建筑物的运行灵敏度作了专门的研究，以实现或维持渠系网络的预期状态。
建筑物和渠道之间的相互作用是渠道控制和渠道在自运行过程中产生扰动的主要原因之一。
这些扰动取决于运行模式及水流对渠道建筑物的敏感度。
对于高度敏感的结构，小进流量也会产生相对变化较大的出流。
Renault建立了一套用于鉴定敏感结构的敏感性指标，并论证了它们的评价效果。
6结论
大型调水工程输水渠道运行控制方案设计关系到渠道的输水效率和工程安全，是工程设计和运行中十分关键的技术问题。
本文对国外大型渠系的运行控制模型和方法进行了综述，认为在控制器的设计中，反馈矩阵K的确定是设计的核心。
为了确定K，很多学者提出了不同的控制方法和控制标准。
我国的南水北调工程是一项多目标特大型水资源配置工程，工程规模巨大、涉及范围很广、沿程分水口门多、全程水量过程变化较大，渠道运行控制更为复杂，国外的技术和经验为工程设计和调控提供了很好的借鉴。
可以预见，在考虑水动力学响应的条件下，对多渠池串联而成的渠系进行综合的运行控制，使调水工程的运行满足安全和经济两个条件，将成为南水北调中线工程渠道运行控制的研究重点。
参考文献：
[1]M.Gomez，J.Rodellar，F.Vea，J.Mantecon，J.Cardona.DecentralizedPredictiveControlofMulti-ReachCanals.0-7803-4778-l1/981998IEEE：
3885-3890.
[2]Jean-PerreBAUME，JacquesSAU，Pierre-OlivierMalaterrs.ModellingofIrrigationChannelDynamicsforControllerDesign.0-7803-4778-l/981998IEEE：
3856-3861.
[3]CoronJ.-M.，B.d’Andrea-Novel，G.Bastin.ALyapunovApproachtoControlIrrigationCanalsModeled
升级会员 