城市行业用水量变化与用水模式实例研究

程　桂，李翠梅，郜　阔

1)苏州科技学院环境科学与工程学院，江苏苏州 215009；2)同济大学环境科学与工程学院，上海 200092



Received：2015-09-23；Accepted：2015-10-26

Foundation：National Natural Science Foundation of China(51109153)；Science and Technology Project of Housing and Construction Department of Jiangsu Province(2014ZD96)

† Corresponding author：Professor Li Cuimei. E-mail：cuimeili@163.com

Citation：Cheng Gui，Li Cuimei，Gao Kuo. A case study of water consumption change and water-use pattern for city industries[J]. Journal of Shenzhen University Science and Engineering, 2016, 33(1): 49-54.(in Chinese)

【土木建筑工程 / Architecture and Civil Engineering】

城市行业用水量变化与用水模式实例研究

程桂1，李翠梅1，郜阔2

1)苏州科技学院环境科学与工程学院，江苏苏州 215009；2)同济大学环境科学与工程学院，上海 200092

摘要：采用层次聚类分析法，研究苏州高新区居民生活、机关事业单位、商业服务业、电子设备制造业、化工-医药-食品业、机械制造业和纺织-纸制品业等主要行业用水量时序变化过程，分析高新区内7大主要行业用水量变化规律．以行业用水特点为主要影响因素，进行用水模式分类研究，形成了不同行业用水模式，并以此为基础形成了苏州高新区总用水模式，分析高新区供水的节能潜力．研究结果可为苏州高新区供水调度提供参考．

关键词：给水工程；城市供水；用水量；用水模式；层次聚类法；节能

A case study of water consumption change and

当前，节能降耗[1]已成为一个全球性的研究热点．随着经济建设的发展，资源紧缺困境日益突出，节约能源已成为我国的基本国策．然而我国大多数供水企业现今仍采用人工经验运行模式，能源消耗较大．如果采用科学调度管理模式，使得调度时供水量尽可能地接近城市时段用水量，可以节约大量的供水能量消耗．用水模式指用户用水量的时序变化过程，与用户的用水性质、天气条件和节假日安排等因素密切相关．城市日用水量变化模式由各行业代表性用户变化模式组合形成，可以反映一天内各时段的用水量变化情况．

用水模式是供水系统设计、运营调度的重要资料，是送水泵站供水线设计的主要参考[2-6]．已有学者对用水模式的确定进行了研究，金波等[6]提出了城市用水模式的详细测定方案，以苏州市为例详细介绍了测定工作的细节；Pan等[7]将时用水量变化模式分为工作日、周六和周日3种情况进行研究；Nahm等[8]考虑季节、气候条件和节假日安排的影响，分别确定了相应的用水模式；侯煜堃等[9]采用聚类分析法，对郑州市16个大用户用水模式进行分类，根据主成分分析结果确定各自的用水模式曲线；马海宁[10]采用时间序列三角函数分析方法拟合了南方某市工业用水的用水模式曲线，可用于供水系统建模；贾宝秋等[11]通过多水源分时分级供水方式的研究，解决了逐时变化的城市用水量问题;麦志彦等[12-13]利用模式识别方法从历史数据中筛选出外界因素相似度高的进行预测，强化了历史数据与调度用水量的联系，提高了预测精度．本研究以苏州市高新区为例，采用层次聚类方法分析苏州市高新区用水模式，确定相应的用水模式曲线，根据得到的城市时用水模式曲线分析苏州市优化调度的节能潜力．

1用水模式数据采集方案

用户用水量统计数据纷繁复杂，甚至存在一定的遗漏，仅仅根据统计数据进行分类尚欠恰当，有必要对供水区域用户用水信息进行前期调研．调研主要从3个方面入手，包括用水对象、营业厅收费系统和典型用户的选择．

1) 用水对象.不同地区由于自然条件、生活习惯各异，用水模式也各不相同；同一地区不同行业也存在用水模式的差异；即便同一地区同一行业，由于个体技术水平、节水意识不同，用水模式也会存在一定的差别．所以，用水对象的背景调查对于准确测定用水模式十分重要．

2) 营业厅收费系统.营业厅收费系统登记了用户的用水类型、每月的用水量等相关信息．根据营业厅月度报表中的用户信息可以初步确定用水模式的类型，还可以从中选取各类用水模式中的代表性用户现场测定．营业厅报表中用户的用水性质是在用户申请报装时确定的．随着时间的变化，用户的用水规律可能发生了变化，并且同一类型的用户之间用水规律也可能存在较大的差异．有必要对用水模式进行进一步的调整和划分．

3) 典型用户的选择.根据营业厅月度报表和行业人员经验，选择每一类别用水模式内的典型用户．选取原则为：① 用户用水量大，随机性小，且优先选择用水量较大的用户；② 选取的代表性用户用水模式要全面；③ 所选用户要有相对便利的监测条件，确保顺利取得实测数据．

2用水模式数据处理

2.1数据处理流程

由于用水过程具有随机性、不可控制性和周期性，因此需要对获取的数据进行筛选，剔除异常数据，最大限度地减少实测数据带来的误差．对于用水模式实测原始数据，一般进行如下处理：

1)完整性判断．分析原始数据是否完整，对于个别遗漏可通过内插法补足，以保证其完整性．如数据缺失过多，应重新测量．

2)剔除异常数据．对于存在明显错误的原始数据(如个别时段用水量异常增多，不符合常理的极高或极低水量等)，应及时剔除，避免影响到数据内在规律的表达．

3)相关聚类分析．为提高供水管网建模过程中节点流量分配的准确度，需要根据用户用水量数据进行科学、合理地分类，找到每一类用户的用水模式．聚类分析根据数据内在特性进行合理的分类，可以避免个人经验等主观分类的误差．

2.2聚类分析

2.2.1聚类分析概念的界定

聚类分析(cluster analysis)是根据“物以类聚”的原理，对数据进行分类的一种多元统计分析方法．在没有先验知识的情况下，可以按数据各自的特性来进行合理的分类．层次聚类需要定义样本的类间距离关系，一般用于定义距离的统计量包括“欧氏距离”、“马氏距离”、“两项距离”和“明氏距离”[14]．层次聚类首先将每个样本都归入一类，然后将不同类之间类间距离最近的进行合并，重新计算类间距离，直到所有的样本都归于一类．在计算类间距离的过程中，有6种不同的方法可以选用，分别是最短距离法、最长距离法、类平均法、重心法、中间距离法和离差平方和法．

Matlab软件中提供了2种聚类分析方法，一种是clusterdata函数，可以对样本进行一次聚类．该方法用户的选择较少，也无法更改距离计算方法．另一种是分布聚类，聚类过程由pdist、linkage和cluster等函数综合处理样本数据，得到聚类结果．

2.2.2Matlab聚类分析

本研究采用层次聚类方法对11个代表性用户样本进行层次分解，并分析用户24 h用水量变化，进而判别用水模式的分类情况．借鉴以往聚类分析参数的选定，为评价11组用水量数据的相似程度，本研究采用欧氏距离和Pearson相关系数进行计算，算法如下：

1) 欧氏距离

其中，m为用户数； Dij代表i和j两用户间的欧氏距离； Xik和Xjk分别代表i和j两用户用水量数据的相似程度值．

2) Pearson相关系数

欧式距离越近说明两者关系越密切，归纳为一类的可能性很大，越远说明属于不同类，本研究采用离差平方和法进行聚类分析，通过计算并类后的离差平方和增量来判断是否可并为一类，如果并类后的离差平方和增量最小，就可并为一类，否则重新计算直到并类完成．

3实例研究

3.1苏州高新区行业用水分类及用水量变化

苏州高新区自来水厂营业厅月度报表中统计大用户为108户(月用水量≥10 000 m3为大用户)，大用户合计水量占全区总用水量62%以上，可以代表高新区用水特性． 月度报表中根据登记的用水性质，将用户分为居民生活用水、电子设备制造业用水和机械制造业用水等14类用水类型．

城市用水量预测[15]一般由长期预测和短期预测组成，在此选取苏州市高新区2013年11月17日至23日期间108户大用户用水量采集数据．数据间隔取1 h，通过高新区内布置的无线水表远传系统自动采集．部分未安装智能远传水表用户，由人工抄表采集，时间间隔为1 h．

为尽可能地消除设备和人为读数误差，取2013年11月17日至23日用水量数据各时段的平均值作为聚类分析样本，总计108个样本，24个聚类指标．利用Matlab内置的聚类函数编程计算．考虑用水模式的代表性和普遍性，苏州高新区行业用水最终分为7类(表1)．

表1　苏州高新区用水模式分类

图1　苏州高新区主要行业用水模式曲线Fig.1　Water demand pattern curves in main industries in Suzhou National High-Tech Zone

根据分类情况，在各自用水模式类别内选择典型用户，拟合用水模式曲线．根据2013年11月17日至23日采集的典型用户用水量数据，确定苏州高新区7类用水模式曲线，如图1．从图1可见，不同行业的用水量模式区别较大．电子设备制造业和纺织-纸制品业等生产性行业用水高峰期与居民生活用水高峰明显错开．以电子设备制造业为例，由图1(a)可见，电子设备制造业用水量在10∶00—11∶00和17∶00—18∶00达到最大值；从图1(b)可看出，7∶00—8∶00和21∶00—23∶00是居民用水的高峰期．这与苏州地区的行业特点和居民生活习惯相符．

考虑各行业用水量在苏州高新区总用水量中所占比例，以此作为各行业用水量权值，加权求得苏州高新区用水模式曲线，可以表示苏州高新区总用水量的时序变化．由图1(h)可看出苏州高新区总用水呈典型双驼峰状，在8∶00达到全日最高峰(占全天用水量的5.27%)，21∶00达到全日另一个峰值(占全天用水量的5.04%)，3∶00达到全日最低值(占全天用水量的2.54%)．

3.2苏州高新区供水分级供水分析

图2为苏州高新区总用水量与典型二泵站供水模式比较图，图中阴影部分代表供水量与用水量的差值．由图2可得因供水模式与用水模式间的差异导致的日电耗损失W．

图2　苏州高新区典型分级供水模式分析图 Fig.2　The analysis of typical classification water supply pattern in Suzhou National High-Tech Zone

(1)

其中， Q为供水量与用水量的差值水量； H为水泵扬程； t为水泵运行时间； ρ为水的密度； g为重力加速度； η1和η2分别为水泵与电机效率值，均取80%．由式(1)可得W≈4 958 kW·h．江苏省2012年供水行业采用一般工商业电价标准，为0.882元/(kW·h).可知导致的日损失约为4 373元，因此江苏省应施行分时电价政策．

结语

用水模式是城市供水系统运营管理的重要参考，直接反映了用户的用水量时序特征．以苏州高新区为例，采用聚类分析法研究了该区主要行业的用水规律，并根据典型供水模式与苏州高新区总用水模式比较，分析了高新区的节能潜力．研究表明，根据行业分类用水模式，符合行业用水特征，可以较好地模拟用户的用水量变化，城市供水系统参照用水模式调度运行，可以降低运行能耗．

引文：程桂，李翠梅，郜阔．城市行业用水量变化与用水模式实例研究[J]. 深圳大学学报理工版，2016，33(1)：49-54.

参考文献/ References：

[1] 张晓慧. 基于供水管网优化调度的系统节能分析[D]. 太原：太原理工大学, 2012.

Zhang Xiaohui. System energy saving analysis based on water supply pipe network optimization scheduling[D]. Taiyuan：Taiyuan University of Technology, 2012.(in Chinese)

[2] 赵洪宾. 给水管网系统理论与分析[M].北京: 中国建筑工业出版社, 2003.

Zhao Hongbin. The theory and analysis of water supply network system[M]. Beijing: China Building Industry Press, 2003.(in Chinese)

[3] 张志磊, 蒋白懿, 王烨,等. 供水管网系统用水模式确定与分析[J]. 供水技术, 2014，8(2):42-44.

Zhang Zhilei, Jiang Baiyi, Wang Ye, et al. Determination and analysis of water supply system for water supply network[J]. Water Supply Technology, 2014，8(2): 42-44.(in Chinese)

[4] 刘春霞, 王琰, 沈磊,等. 城市典型用户四季用水模式变化规律的确定及分析[J]. 供水技术, 2015，9(4)：49-52.

Liu Chunxia, Wang Yan, Shen Lei, et al. Determination and analysis of the rugulate typical four seasons of water consumption patterns in the city[J].Water Supply Technology, 2015，9(4)：49-52.(in Chinese)

[5] 谢善斌, 金波, 刘遂庆. 基于不确定性度量的给水管网用户的用水模式分析[J]. 中国给水排水, 2011，27(7):59-62.

Xie Shanbin, Jin Bo, Liu Suiqing. The analysis of water consumption patterns of water supply network users based on uncertainty measurement[J]. China Water and Wastewater, 2011，27(7): 59-62.(in Chinese)

[6] 金波, 蒋怀德. 城市用水模式测试方法探讨[J]. 中国给水排水, 2011，27(20):39-42.

Jin Bo, Jiang Huaide. Testing method of urban water consumption[J]. China Water and Wastewater, 2011，27(20): 39-42.(in Chinese)

[7] Pan W, Xu C. Demand forecasting for water distribution system[J]. Civil Engineering Systems, 1992,9(2):105-121.

[8] Nahm E S, Woo K B. Prediction of the amount of water supplied in wide-area waterworks[C]// Proceedings of the 24th Annual Conference of the IEEE. Seattle，USA: IEEE Press, 1998.

[9] 侯煜堃, 赵春会, 俞国平, 等. 自来水用户用水模式的确定方法研究[J]. 中国给水排水, 2008,24(15):63-68.

Hou Yukun, Zhao Chunhui, Yu Guoping, et al. Research on the determination method of water user’s water consumption in China[J]. China Water and Wastewater, 2008,24(15): 63-68.(in Chinese)

[10] 马海宁. 给水管网水力建模的用水模式研究[J]. 给水排水, 2008,24(1):109-111.

Ma Haining. Study on the hydraulic modeling of water supply pipe network[J]. Water Supply and Drainage, 2008，24(1): 109-111.(in Chinese)

[11] 贾宝秋, 张秀双, 付明庆, 等. 多水源管网供水方式研究[J]. 沈阳建筑大学学报自然科学版, 2012,28(5):915-920.

Jia Baoqiu, Zhang Xiushuang, Fu Mingqing, et al. Research on the mode of water supply of multi source network[J]. Journal of Shenyang Construction University Natural Science Edition, 2012,28(5): 915-920.(in Chinese)

[12] 麦志彦, 何中杰, 汪雄海. 基于主影响因素的城市时用水量预测[J]. 浙江大学学报工学版, 2012，46(11):1968-1974.

Mai Zhiyan, He Zhongjie, Wang Xionghai. Prediction of urban water consumption based on main influence factors[J]. Journal of Zhejiang University Engineering Edition, 2012，46(11): 1968-1974.(in Chinese)

[13] 廖青桃. 基于用水模式识别的城市短期用水量动态预测方法[J]. 现代物业, 2013，12(8):8-10.

Liao Qingtao. City short of water pattern recognition based on dynamic water consumption forecasting method[J]. Modern Property Management, 2013，12(8): 8-10.(in Chinese)

[14] 杨海斌. 一种新的层次聚类算法的研究及应用[D]. 兰州：西北师范大学, 2011.

Yang Haibin. A new research and application of hierarchical clustering algorithm[D]. Lanzhou: Northwest Normal University, 2011.(in Chinese)

[15] 丁华, 张志勇, 潘绍明. 欧氏距离法在电测深找水中应用的可行性探讨[J]. 物探与化探, 2001,25(4):285-289.

Ding Hua, Zhang Zhiyong, Pan Shaoming. The feasibility explore of applying Euclidean distance to find sounding water in electric[J]. Geophysical and Geochemical Exploration, 2001,25(4): 285-289.(in Chinese)

【中文责编：坪梓；英文责编：之聿】

water-use pattern for city industries

Cheng Gui1, Li Cuimei1†, and Gao Kuo2

1)College of Environmental Science and Engineering, Suzhou University of Science and Technology,

Suzhou 215009, Jiangsu Province, P.R.China

2)College of Environmental Science and Engineering, Tongji University, Shanghai 200092, P.R.China

Abstract：By using the hierarchical clustering analysis method, we study the process of water consumption change over time in main industries about residents, institutions, business services, electronic equipment manufacturing, chemicals-medicine-food industry, machinery manufacturing and textile-paper products in Suzhou National High-Tech Zone, and analyze the regularity of water consumption change in 7 major industries. Taking the characteristics in water-use for different industries as the main influence factor, we classify water demands into several patterns of water use in different industries. On the basis we obtain the total water consumption model in Suzhou National High-Tech Zone and discuss the energy saving potential in water supply in Suzhou National High-Tech Zone. This paper can provide a reference for water supply dispatch in Suzhou National High-Tech Zone.

Key words：water supply system；city water supply; water consumption; water consumption pattern; hierarchical clustering method; energy saving

作者简介：程桂(1991—)，男，苏州科技学院硕士研究生.研究方向：管网与设备系统最优化．E-mail：18206210535@163.com

基金项目：国家自然科学基金资助项目(51109153)；江苏省住建厅科技基金资助项目(2014ZD96)

中图分类号：TU 991.31

文献标志码：A

doi：10.3724/SP.J.1249.2016.01049