Smart regulation technology of rainwater storage pond: efficiency analysis
-
摘要:
随着北京市海绵城市建设全域化推进，雨水调蓄池在城市雨水管理中得到日益广泛的应用，成为全市最主要的源头设施类型之一．但其具有数量众多、单个设施调蓄容积量小、位置分散的特征，以及存在未实现联动运行、自动化运行能力不足等问题．本文基于海绵设施精细化管控需求，研发以数值模拟、逻辑算法为核心，耦合在线感知、物联设备的雨水调蓄池智慧化调控技术，设计符合实际运行场景的调度策略．研究结果表明，智慧化调控技术应用，实现排水管网峰值削减率达4.5%~100%，片区流量峰值削减率可达11.81%．技术成果有效促进雨水调蓄池效益提升，为源头调蓄设施智慧化运行管理提供新思路．
Abstract:With comprehensive sponge city construction in Beijing, rainwater storage ponds have been increasingly used in urban stormwater management, and has emerged as among the most significant source control facilities． However, these facilities are characterized by a large number, small individual storage capacity, scattered locations, with issues such as lack of coordinated operation and insufficient automation capabilities． To meet the need for refined management and control of sponge facilities, smart regulation technology of rainwater storage ponds has been developed, centered on numerical simulation and logical algorithms, with integrated online sensing and Internet of Things (IoT) devices to design scheduling strategies tailored to actual operational scenarios． Data demonstrate that application of this technology can achieve a peak reduction rate from 4.5%-100% in the drainage network and up to 11.81% in sub-catchment flow, to effectively enhance performance of rainwater storage ponds, and provide new approach for intelligent operation and management of source control facilities．
-
Keywords:
- storage facilities /
- intelligent control /
- numerical modeling
-
0 引言
自1998年起，北京市开始逐步推广雨水综合利用，2017年印发《北京市人民政府办公厅关于推进海绵城市建设的实施意见》．以文件要求为指引，北京市紧密围绕首都城市战略定位，聚焦解决积水内涝、面源污染、水资源紧缺[1]等“大城市病”中的水问题，坚持“源头减排、过程控制、系统治理”路径，不断完善机制体制、强化雨水径流全过程管控、增强城市韧性保障．截至目前，全市共推进海绵城市建设项目近
6000 项．基于地方标准(DB 11/685—2013)《雨水控制与利用工程设计规范》（修订后为（DB 11/685—2021)）《海绵城市雨水控制与利用工程设计规范》，建立“3、5、7”[2]雨水源头管控体系，其中“3”强调建设项目雨水调蓄设施配套规模要求．为此，人工雨水调蓄池[3−4]在城市雨水管理中得到越来越广泛的应用，与透水铺装、下凹式绿地等共同成为全市最主要的源头设施类型．随着海绵城市建设进入全域[5]推广阶段，雨水调蓄池数量和规模将持续增加．然而数量众多的雨水调蓄池仍普遍存在投资大、设计功能单一、利用效率较低等问题．
德国、日本等国家对雨水调蓄技术的研究和应用始于20世纪70年代[6−7]．早期专注于对调蓄设施容积设计方法优化和调蓄效果的研究[8−9]．随着应对雨水管理精细化需求不断提升，国外学者逐渐将研究方向转向雨洪控制设施和系统的动态化、数字化管理方式的优化．Shishegar等[10]提出了全局预测动态控制（GPDC）方法，应用于流域尺度的具有一定规模的调蓄设施动态管理，与静态控制相比，流域峰值流量平均减少了59%；Troutman等[11]提出负载平衡控制方法，应用于汇水面积67 km2的合流制排水系统及11个分布式雨水调蓄设施实时控制，模拟结果表明，系统出口雨天流量峰值平均降低94.17 %，雨天TSS负荷峰值平均降低104.47 % ．
近年来，在智慧水务推进建设的背景下，我国学者对排水系统优化控制技术的研究也日益关注．于磊等[12]通过实时控制方案设计和模拟，量化了合流制溢流削减量可达50%~100%；钟晔等[13]以优化调蓄设施运行效率为目标，构建SWMM与SUSTAIN组成的模拟系统，采用RTC调度方案，应用于某12 000 m3调蓄池及排水管网，基于历史降雨数据量化了实时控制方式应用，对调蓄池处理量提升率达到5%~30%，同步提升了区域合流制溢流污染削减量．
国内外研究结果表明，优化运行调度方式对提升雨水调蓄设施运行效率具有显著效果．然而上述研究多基于流域尺度或市政排水系统中布设的大中型调蓄设施，针对源头地块项目中位置分散、规模有限的调蓄池研究较少．
为此，本文在全面分析北京市源头雨水调蓄池建设和管理现状基础上，基于智慧水务发展和海绵设施精细化管控需求，研究构建雨水调蓄池智慧化调控技术，形成雨水源头调蓄设施智慧化运行管理新模式，旨在实现排水系统削峰控涝等目标智能调控[14]，发挥源头地块人工雨水调蓄池最大的功能和效益．与此同时，技术应用实现在不新增设施规模前提下，提高源头小区控制径流能力，助力城市韧性提升．
1 北京市雨水调蓄池现状
1.1 整体建设情况
截至2022年底，北京市建成区范围内雨水调蓄池数量已达2 376个，调蓄总能力达300.74万m3；2023年度设施建设数量和规模仍呈现增长趋势．雨水调蓄池主要分布于建筑小区、公园绿地2类项目．其中建筑小区类项目中建成调蓄设施数量占比达92%，设施规模合计约130万m3，达到全市调蓄规模总量的43.2%．基于单个设施规模分析，雨水调蓄池容积为10~10 000 m3，其中100~500 m3的设施数量占比约47%．但数据显示，已建成调蓄池中配套排水设备的数量占比不足18%．
1.2 设施运行维护情况
对120座建筑小区类项目中的雨水调蓄池现场抽查调研结果显示：70%以上的调蓄设施由物业管理公司为主体进行运行维护；尚有近26%处于失管状态．现场调研所涉及的雨水调蓄池中，配套排水泵及管路的占比仅67.9%．从资源回用角度分析，仅50%设施通过配套抽排水设备或临时抽水方式，将蓄集雨水应用于景观或绿化；其余调蓄设施待降雨后，将雨水排入市政管网，或由于无配套排水设备，设施处于“只蓄不排”状态．
1.3 问题分析
全市范围内已建成的雨水调蓄池具有数量众多、单个设施规模量小、位置分散的特征．随着海绵城市建设进入全域推广阶段，设施数量和规模将持续增加．然而由于调蓄池失管或维护状态不佳、配套排水设施不完善等原因，导致部分雨水设施建成后处于未运行或“只蓄不排”状态，未能实现调蓄设施对汛期场次降雨的削峰调蓄作用．
与此同时，全市建成区范围内建设于源头地块的雨水调蓄池，基本处于分散运行状态，依靠管理人员经验、采用人工调控方式，导致自动化运行能力不足、人工运行维护成本高、维护水平参差不齐；传统全过程雨水调蓄运行方式下，无法实现项目、地块、区域等不同空间尺度上基于降雨条件、下垫面特征的智能调度和联动．与此同时，由于雨水调蓄池进水端缺少调控装置，导致初期雨水进入，收集的雨水水质较差，进而影响了后续的回用．
2 智慧调控技术与实现路径
2.1 智慧化调控整体思路
针对上述建设和运行管理中存在的问题，在智慧水务顶层设计框架下，以优化调控方式、提升运行效率为目标，构建雨水调蓄池智慧化运行技术．该技术结合区域下垫面情况、雨水管网系统、设施现状，对排水系统局部改造、增加调蓄池进水端加装控制装置、感知设备；进行数值模型构建和预测，识别排水系统流量变化过程；基于RTC实时控制[15−17]技术原理，耦合逻辑判断规则与数值模拟方法，判别排水系统流量峰值，对调度规则和策略进行优化[12]；将调度策略生成模块集成于控制系统平台中，构成集“监测-模拟-调度”于一体的智慧化运行模式．实现雨水调蓄池运行管理和调度决策的自动化、精准化、高效化，对设施功能最大化和效益持续化起到积极促进作用．
2.2 调控系统构建
雨水调蓄池智慧化运行技术的研发和应用，需要对区域排水系统、控制系统进行优化和升级，如图1所示，包括雨水调蓄池和排水管网改造、调蓄设施控制部件和计量传感装置配置、控制平台搭建等．
对雨水调蓄池及排水管网进行改造．增设调蓄设施进水口、出水口，其中进水口与上游雨水管道直接连接，具备汇水范围内雨水的收集、调蓄、存储、传输功能；通过出水口实现与下游雨水管网主干管或支管连接．设置与雨水调蓄池连接管路并联的旁路雨水管线，该旁路管线具备对上游汇水范围内雨水的收集、传输功能，且与下游雨水管网主干管或支管连接．
配置调蓄设施控制和计量传感装置．与雨水调蓄池进水口连接的雨水管线设置进水控制装置；综合考虑主干管水位顶托和倒灌风险，于雨水管线上同时加装控制装置，实现以感知监测数据信息为触发条件，具备可调控进水时间、流量、水流方向功能．增加在线监测与计量传感装置，布设于雨水调蓄池、雨水管道中实现对调蓄设施水位、雨水管网流量、水质等数据的实时监测和传输．
基于基础设施和硬件配置，构建耦合数值模型、调控规则算法、在线感知设备、物联设备的雨水调蓄设施控制平台，通过数据的交互、模拟计算、调度规则生成、控制执行，实现雨水调蓄池统筹调配．
2.3 调控策略构建与优化
2.3.1 基于模型构建调度策略设计
采取数值模型构建与模拟预测的方法，提出排水系统调度控制策略[18−19]．基于排水系统流量峰值削减的控制目标，策略生成路径如图2所示．
1）基于SWMM数值模型，构建覆盖区域下垫面类型、源头海绵设施、排水管网、末端排口的全过程排水系统模型．基于排水系统内建设的单个或多个雨水调蓄池设计参数，分别核算单个设施调蓄规模及对应降雨量．
2）模拟初始状态下管网系统流量变化趋势．降雨过程中，调蓄设施进水控制阀门处于关闭状态；与雨水调蓄池并联的旁路雨水管道上阀门处于开启状态，雨水通过旁路管线向下游排水管网排水．
3）识别目标管线流量峰值（Q0）及峰值出现时间（T0）．通过Visual Studio 2022平台调用SWMM模型动态链接库（dll文件）方式启动计算引擎，实现模拟结果参数调取与核算．其中，Q0为基于SWMM数值模型对场次降雨全过程目标管段流量变化模拟结果中所识别出的最大流量值．
4）根据设施调蓄规模，推算可调度峰值雨量（Q2）、调度时段（T1~T2）．如图3所示，Q2表征调蓄设施调蓄能力，采用2 a一遇标准降雨进行模拟，基于设施容积规模，以调蓄池开始蓄水至蓄满停止时间周期内对应的降雨量大小表征；T1~T2表征调蓄操作起止时间，T1和T2时间点对应的雨水管道流量为Q1．
5）根据参数识别结果，生成调度策略．即当目标管线流量达到Q1、对应时间达到T1时，调蓄设施进水控制阀门开启，雨水进入调蓄设施．当调蓄设施雨量达到最大调蓄规模Q2、对应时间达到T2时，调蓄设施进水控制阀门关闭，雨水由旁路雨水管线排出．
综上所述，通过SWMM数值模拟结果，以及Hydraulics-Controls模块中控制规则编辑功能，可依据排水系统流量变化条件调整控制变量（控制阀门启闭）．虽初步实现基于入流条件判断的削峰调控运行，但受局部的反馈控制限制[20]，对于多参数、多系统协同控制策略设计和生成仍具较大局限性．
2.3.2 智慧化调度策略仿真优化
历史监测数据显示，建成区范围内近70%降雨量超过10 mm的场次降雨表现为多峰雨型特征，且峰值出现时间和持续时间存在差异．场次降雨特征差异及其所导致的排水系统流量变化，叠加系统内雨水调蓄池单体规模限制，加剧了设施调度策略的复杂性．
针对实际降雨特征，基于实时控制（RTC）技术和模型预测控制算法[21]（MPC），耦合监测感知数据、数值模型、逻辑判断[22]规则，对策略进行仿真优化．在数值模拟构建的基础上，集成以“降雨量、雨型特征、管网流量峰值”为3项关键参数，以“降雨量与设施调蓄能力匹配程度，雨型单峰或多峰差异性特征，雨水管网系统流量变化趋势与峰值表现特征，调蓄水量与设施最大调蓄能力一致性程度”为4项逐级判断条件；通过模拟预测、数据交互、反馈校正过程，设计生成符合排水系统运行场景的“三参数四工况”智慧化调度策略，如图4所示．
“三参数四工况”智慧化调度策略，适用于单峰和多峰等不同类型的降雨，可以根据不同的入流条件，自动判断，主动调控，改变原有调蓄池的被动接收来水的状态，破解雨水调蓄池智能、有效滞蓄技术难题．
3 智慧调控技术示范及应用效果
3.1 研究区域概况
选择通州区某排水分区作为示范区开展技术应用成效分析．该排水分区[23]总面积约121.17 hm2，如图5所示．研究区用地类型涉及居住、公共设施、绿地与广场等；包括建筑小区6座、学校3座、公建3处，服务人口约1.3万人．该区域为合流制排水分区，汛期雨污合流水沿雨水管道排出，末端通过3 200 mm×2 000 mm箱涵式合流制排口排入下游河道．
3.2 系统构建
基于汛期溢流污染控制、排水系统削峰控涝等目标，结合研究区内雨水调蓄池现状，通过改造调蓄设施、构建排水模型、搭建管理平台、实施智慧化调度策略等方式，提升雨水调蓄池运行效率和系统排水能力．
3.2.1 数值模型构建与率定
采用SWMM软件构建研究区排水系统数值模型，如图6所示．基于区域资料和实际排水情况，搭建管网拓扑结构、采用泰森多边形划分排水单元；结合市政道路检查井位置，手动连接排水节点．排水模型共划分183个子汇水区域，包含198段管道、196个排水节点；将系统内雨水调蓄池以雨水桶形式概化．此外，模型中所涉及的下垫面数据，采用2019年高分卫星影响解译结果；曼宁系数、管网糙率等参数基于率定结果确定；入渗率相关参数，采用现场监测数据．
降雨数据采用研究区内雨量站单点数据，采集频率5 min·次−1；排水管网末端排口安装流量监测设施，动态监测流量变化过程．选取20190517和20190728这2场次降雨监测结果，对模型进行率定；2场降雨情景下，纳什系数NSE分别为0.905、0.842，均方根误差RMSE为0.112、0.130，平均相对偏差BIAS为0.826和0.795，拟合效果较好．
3.2.2 调蓄设施改造与概化
研究区内建有雨水调蓄池4座，分别标记为S1、S2、S3和S4，设施规模如表1所示．上述调蓄设施进水口分别与雨水管线L11、L21、L31、L41连接，出水口分别与排水管线L1、L2、L3和L4连接．对雨水调蓄池及配套系统进行改造，并在SWMM数值模型中进行概化；系统中调蓄池与配套设备改造示意如图1所示．设施进水口增设进水控制阀门，分别标记为ORI1、ORI3、ORI5、ORI7；设置旁路雨水管线L12、L22、L32、L42，及配套控制阀门ORI2、ORI4、ORI6、ORI8；旁路雨水管线下游分别连接L1、L2、L3和L4．研究区排水系统末端排口以L0表示．
表 1 雨水调蓄池调蓄能力调蓄设施名称 高/m 面积/m2 有效容积/m3 可调蓄雨量/mm S1 4 85 340 16.19 S2 4 105 420 20.20 S3 3 40 120 10.19 S4 4 49 196 18.56 3.2.3 控制平台搭建
构建以数值模型和逻辑算法为核心，结合GIS+BIM 技术，耦合在线感知、物联设备的雨水调蓄池管控平台，如图7所示．平台应用层和数据层中集成“三参数四工况”智能调度策略模块，通过多源信息的汇聚、融合、模拟计算，快速生成适用于不同目标条件下的调度规则；通过规则的读出与执行，实现调蓄设施的智慧化调度．与此同时，智慧调度规则实施前后的效果对比和调蓄操作提示可在雨水调蓄池控制系统页面进行展示．
3.3 智慧化调控效果
以2021—2022年4场次典型降雨，对雨水调蓄池智慧调度效果进行验证分析，典型场次降雨特征如表2和图8所示．典型场次降雨时间为8.3 ~23.0 h不等，场次降雨量为6.2~83.0 mm，雨型包含单峰和多峰．
表 2 典型场次降雨信息降雨场次 降雨量/mm 降雨时间/h 雨型特征 20210616 6.2 8.3 单峰 20210625 37.0 22.0 单峰 20220629 28.2 10.0 多峰 20220727 83.0 23.0 多峰 以典型场次降雨过程为输入数据，基于“三参数四工况”智能调度策略，耦合SWMM数值模型和逻辑判断算法，根据调蓄设施规模、汇水条件、雨水管线流量过程，逐一对4个调蓄设施设计生成差异性调度策略，如表3所示．
表 3 调度指令信息降雨场次 管线流量信息 调蓄设施调度指令 管线 峰值流量Q0/（m3·s−1） 峰值出现时间 调蓄设施 启动调蓄时间 结束调蓄时间 20210616 L1 0.02 20∶00∶00 S1 13∶50∶00 降雨结束 L2 0.02 21∶15∶00 S2 13∶50∶00 降雨结束 L3 0.02 20∶40∶00 S3 13∶50∶00 降雨结束 L4 0.01 13∶00∶00 S4 13∶50∶00 降雨结束 20210625 L1 0.49 21∶50∶00 S1 21∶40∶00 21∶55∶00 L2 0.72 22∶00∶00 S2 21∶35∶00 22∶00∶00 L3 0.38 21∶50∶00 S3 21∶45∶00 21∶55∶00 L4 0.16 22∶30∶00 S4 21∶40∶00 23∶20∶00 20220629 L1 0.13 01∶50∶00 S1 01∶05∶00 03∶10∶00 L2 0.15 02∶00∶00 S2 01∶10∶00 04∶20∶00 L3 0.11 01∶25∶00 S3 01∶10∶00 01∶55∶00 L4 0.02 03∶25∶00 S4 01∶10∶00 03∶50∶00 20220727 L1 0.52 14∶55∶00 S1 14∶50∶00 15∶00∶00 L2 0.75 15∶05∶00 S2 14∶55∶00 17∶05∶00 L3 0.44 15∶00∶00 S3 14∶55∶00 15∶10∶00 L4 0.17 03∶15∶00 S4 02∶30∶00 14∶45∶00 基于降雨特征差异，将4场次典型降雨分为3种类型，针对性实施符合实际运行场景的调度模式，并对比分析雨水调蓄池智慧调度应用效果．
模式1：降雨量小于设施调蓄能力的降雨，以20210616场次降雨为例．针对此类降雨量较小的场次降雨，采用降雨全过程收集的调度策略．降雨过程中，雨水蓄集至调蓄设施，待降雨结束后，向下游排水管线排水．
模式2：降雨量大于设施调蓄能力、单峰特征降雨，以20210625场次降雨为例．针对此类型降雨，根据雨量和流量变化，识别管线流量峰值，结合设施能力进行调蓄．调控效果如图9所示．对比传统雨水调蓄池运行方式，排水管网峰值削减率可达到13.8%~39.8%，基于4个调蓄设施规模、汇水区域、管网排水条件等因素影响，设施间效果存在差异．
模式3：降雨量大于设施调蓄能力、多峰特征的场次降雨，以20220629和20220727这2场次降雨为例．对降雨期间雨水管网系统中流量特征峰进行逐一标记，判断并识别最大峰值流量及其时间节点，针对所识别流量峰值进行调度．该调度模式下，基于降雨量差异，场次降雨量<30 mm时，排水雨水管网峰值削减率可达到50%~100%，如图10所示．降雨量达>83 mm的暴雨级别时，调控效果有所下降，管网峰值削减率约达4.5%~17.6%，如图11所示，与源头地块内应用的小型雨水调蓄池单体容积有限相关[24]．为应对大雨、暴雨以上场景下的洪涝风险，在对调蓄池优化调度的基础上，需进一步强化雨水径流的组织和管控，对“源头-过程-末端”排水系统内具有雨水滞蓄功能各类设施联合调度，强化区域雨水滞蓄效果和风险应对能力．
智慧化调控技术的应用，同时实现单点设施到复杂系统联合调度突破．综合区域下垫面特征、上下游排水管线输水条件相结合的调度方式下，对比传统运行效果，研究区末端雨水干管峰值削减率可达11.81%，如表4和图12所示，实现片区排水系统峰值流量削减目的．
表 4 研究区应用效果对比降雨时间 降雨量/mm 雨水管道 传统运行流量峰值 智慧调控流量峰值 调控效果/% Q0/（m3·s−1） 20210616 6.2 L0 0.23 0.23 全过程调控 20210625 37.0 L0 3.88 3.75 3.35 20220629 28.2 L0 1.27 1.12 11.81 20220727 83.0 L0 4.24 4.24 — 4 结论
1）目前，全市建成区范围内已建成雨水调蓄池数量达2 376个，调蓄能力超过300万m3，并呈持续增长趋势．数量众多的雨水调蓄池存在单体调蓄容积小、位置分散、配套排水设施不完善等实际情况和问题，导致降雨期间削峰调蓄作用不佳；叠加设施信息“孤岛”严重、自动化运行能力不足问题，难以满足智慧化、精细化、系统化运行和管理需求．
2）基于RTC实时控制技术原理，通过耦合在线感知、物联设备、数值模拟、逻辑算法，研发雨水调蓄池智慧化调控技术，提出“三参数四工况”调度策略．智慧化调度技术具备入流条件“主动适应、自动判断、精准调控”功能，针对不同特征降雨“全覆盖、全适用”．应用效果表明，基于降雨特征、设施规模、汇水区域、管网排水条件等差异，对比传统雨水调蓄池运行方式，排水管网峰值削减率可达到4.5%~100%；排水系统末端干管峰值削减率可达11.81%，实现片区峰值削减目的．
3）基于智慧城市、韧性城市等建设要求，强化海绵设施精细化管控、提升场次降雨径流管控能力已成为新趋势．智慧调控技术对提升人工雨水调蓄设施精准化调度管理水平、发挥设施功能和效益提供有力的技术支撑；与此同时，技术成果应用可与智慧水务等工作融合推进，实现排水分区、区域、流域等不同空间尺度范围内调蓄设施的联合调度模式，不仅降低人员维护成本、时间成本，而且有效缓解城市内涝问题、减少内涝治理等方面的投资．此外，实现排水系统削峰控涝智能调控的同时，基于排水系统中设置的水质监测设施和回用目标要求，也可对调蓄池入流雨水蓄排进行控制，实现雨水资源蓄集回用，有效提升非常规水资源使用效率．
4）技术成果不仅可以应用于全市源头地块内雨水调蓄设施，也可拓展至市政公共调蓄设施、地表坑塘、湖泊，充分发挥调蓄设施、自然水体在缓解城市内涝、优化水资源利用结构、降低面源污染等方面作用，实现社会环境和经济效益最大化．
-
表 1 雨水调蓄池调蓄能力
调蓄设施名称 高/m 面积/m2 有效容积/m3 可调蓄雨量/mm S1 4 85 340 16.19 S2 4 105 420 20.20 S3 3 40 120 10.19 S4 4 49 196 18.56 
下载: 导出CSV
表 2 典型场次降雨信息
降雨场次 降雨量/mm 降雨时间/h 雨型特征 20210616 6.2 8.3 单峰 20210625 37.0 22.0 单峰 20220629 28.2 10.0 多峰 20220727 83.0 23.0 多峰
下载: 导出CSV
表 3 调度指令信息
降雨场次 管线流量信息 调蓄设施调度指令 管线 峰值流量Q0/（m3·s−1） 峰值出现时间 调蓄设施 启动调蓄时间 结束调蓄时间 20210616 L1 0.02 20∶00∶00 S1 13∶50∶00 降雨结束 L2 0.02 21∶15∶00 S2 13∶50∶00 降雨结束 L3 0.02 20∶40∶00 S3 13∶50∶00 降雨结束 L4 0.01 13∶00∶00 S4 13∶50∶00 降雨结束 20210625 L1 0.49 21∶50∶00 S1 21∶40∶00 21∶55∶00 L2 0.72 22∶00∶00 S2 21∶35∶00 22∶00∶00 L3 0.38 21∶50∶00 S3 21∶45∶00 21∶55∶00 L4 0.16 22∶30∶00 S4 21∶40∶00 23∶20∶00 20220629 L1 0.13 01∶50∶00 S1 01∶05∶00 03∶10∶00 L2 0.15 02∶00∶00 S2 01∶10∶00 04∶20∶00 L3 0.11 01∶25∶00 S3 01∶10∶00 01∶55∶00 L4 0.02 03∶25∶00 S4 01∶10∶00 03∶50∶00 20220727 L1 0.52 14∶55∶00 S1 14∶50∶00 15∶00∶00 L2 0.75 15∶05∶00 S2 14∶55∶00 17∶05∶00 L3 0.44 15∶00∶00 S3 14∶55∶00 15∶10∶00 L4 0.17 03∶15∶00 S4 02∶30∶00 14∶45∶00
下载: 导出CSV
表 4 研究区应用效果对比
降雨时间 降雨量/mm 雨水管道 传统运行流量峰值 智慧调控流量峰值 调控效果/% Q0/（m3·s−1） 20210616 6.2 L0 0.23 0.23 全过程调控 20210625 37.0 L0 3.88 3.75 3.35 20220629 28.2 L0 1.27 1.12 11.81 20220727 83.0 L0 4.24 4.24 —
下载: 导出CSV
-
[1] 张伟,王家卓,车晗,等. 海绵城市总体规划经验探索:以南宁市为例[J]. 城市规划,2016,40(8):44 [2] 于磊,潘兴瑶,马盼盼,等. 北京雨水管控体系下年径流总量控制率实现效果分析[J]. 中国给水排水,2019,35(19):121 [3] 宫永伟,李小宁,李俊奇,等. 建筑与小区雨水调蓄设施的径流控制效果分析[J]. 给水排水,2015,41(6):57 doi: 10.3969/j.issn.1002-8471.2015.06.013 [4] 焦春蛟,吕谋,张士官,等. 不同模式雨水调蓄池与低影响开发组合对雨洪控制的效果[J]. 科学技术与工程,2019,19(34):336 doi: 10.3969/j.issn.1671-1815.2019.34.049 [5] 张辰,吕永鹏,邓婧,等. 上海市系统化全域推进海绵城市建设体系与技术研究[J]. 环境工程,2020,38(4):5 [6] OKOYE C O,SOLYALı O,AKıNTUĞ B. Optimal sizing of storage tanks in domestic rainwater harvesting systems:a linear programming approach[J]. Resources,Conservation and Recycling,2015,104:131
[7] AL-HAMATI A A N,GHAZALI A H,MOHAMMED T A. Determination of storage volume required in a sub-surface stormwater detention/retention system[J]. Journal of Hydro-Environment Research,2010,4(1):47 doi: 10.1016/j.jher.2009.12.002
[8] HONG Y M,YEH N,CHEN J Y. The simplified methods of evaluating detention storage volume for small catchment[J]. Ecological Engineering,2006,26(4):355 doi: 10.1016/j.ecoleng.2005.12.006
[9] GUPTA K,SAUL A J. Suspended solids in combined sewer flows[J]. Water Science and Technology,1996,33(9):93 doi: 10.2166/wst.1996.0185
[10] SHISHEGAR S,DUCHESNE S,PELLETIER G,et al. A smart predictive framework for system-level stormwater management optimization[J]. Journal of Environmental Management,2021,278:111505 doi: 10.1016/j.jenvman.2020.111505
[11] TROUTMAN S C,LOVE N G,KERKEZ B. Balancing water quality and flows in combined sewer systems using real-time control[J]. Environmental Science:Water Research & Technology,2020,6(5):1357
[12] 于磊,李荣,严玉林,等. 实时控制技术对合流制排水系统溢流污染削减效果模拟研究[J]. 武汉大学学报(工学版),2023,56(8):1013 [13] 钟晔,紫檀,甄晓玥. 实时控制系统提升调蓄池处理能力的模拟研究[J]. 给水排水,2021,47(4):144 [14] 刘鹏,王经盛. 不同模式雨水调蓄池提升排水系统雨洪控制效果的模拟评估[J]. 给水排水,2012,48(增刊1):475 [15] 韩冠宇,邱依婷,王浩正,等. 城市排水系统混合逻辑动态(MLD)建模方法及应用[J]. 给水排水,2022,58(3):131 doi: 10.13789/j.cnki.wwe1964.2021.10.13.0006 [16] HAI T ,TIAN L I . Present situation and development trend of real time control of urban drainage system[J]. China Water & Wastewater,2009,25(24):11.
[17] JAFARI F,JAMSHID MOUSAVI S,YAZDI J,et al. Real-time operation of pumping systems for urban flood mitigation:single-period vs. multi-period optimization[J]. Water Resources Management,2018,32(14):4643 doi: 10.1007/s11269-018-2076-4
[18] 杨萌祺,徐智伟,王一茗,等. 面向实时控制的排水系统深度LSTM神经网络模型[J]. 中国给水排水,2023,39(1):105 [19] PUIG V,CEMBRANO G,ROMERA J,et al. Predictive optimal control of sewer networks using CORAL tool:application to Riera Blanca Catchment in Barcelona[J]. Water Science and Technology:a Journal of the International Association on Water Pollution Research,2009,60(4):869 doi: 10.2166/wst.2009.424
[20] 陈俊,戴俊龙,古燕霞,等. 基于模型的复杂排水系统控制逻辑模拟仿真[J]. 中国给水排水,2022,38(20):102 [21] 王一茗,马振华,杨萌祺,等. 机理和数据混合驱动的排水系统控制模型构建方法[J]. 环境工程,2022,40(6):204 [22] 许光明,戴俊龙,曲亚纯,等. 面向排水系统实际运行场景的控制策略优化方法[J]. 中国给水排水,2023,39(2):100 [23] 于磊,马盼盼,潘兴瑶,等. 海绵城市源头措施对合流制溢流的减控效果研究[J]. 北京师范大学学报(自然科学版),2019,55(4):476 [24] 李俊德,范功端. 融合进水调度控制的雨水调蓄设施多目标优化设计[J]. 中国给水排水,2022,38(9):111
计量
- 文章访问数: 154
- HTML全文浏览量: 32
- PDF下载量: 12
