IGC WDSS（供水调度决策支持系统）由上海敢创科技开发，其从"经验调度"到"模型驱动"的转变，核心在于用水力模型+多目标优化算法替代了传统调度员的人工经验判断。以下是这一转变的完整技术路径：

一、经验调度的痛点

传统人工调度存在明显局限：

1、决策依据单一：完全依赖调度员个人经验和历史惯例，难以应对复杂多变的管网工况。

2、目标难以权衡：通常只关注单一目标（如保压），能耗、压力、漏损、水质等多个目标只能靠"拍脑袋"权衡，顾此失彼。

3、响应被动滞后：采取事后调整的方式，高峰/低谷切换不及时，造成大量能耗浪费。

4、调度精度粗糙：供水比例凭感觉分配（例如两水厂简单按5:5均分），导致高能耗厂站"大马拉小车"，而低能效厂站却未得到充分利用。

二、模型驱动的技术架构

IGC WDSS 的模型驱动体系由五大模块构成，形成"感知—预测—建模—优化—执行"的闭环：

1. 水力模型引擎（核心底座）

基于管网GIS、SCADA实时压力/流量数据、在线水表水量，构建高精度管网水力模型。通过实测值与模拟值的误差分析、校核迭代，使模型计算结果与真实运行状态等效。

2. 水量预测模型

结合历史水量变化规律、节假日、气象等因素，利用预测算法建立城市水量预测模型，为调度提供未来24小时的需水量基准。

3. 多工况聚类分析

从历史运行数据中提取工况特征（水厂产能、前池水位、机泵状态、出厂压力/流量等），采用K-means聚类算法对相似工况归类。同类工况只需一次水力计算，在保证精度的前提下大幅提升搜索效率。

4. 多目标优化数学模型

（1）建立两级优化架构：

一级优化：在满足管网稳定运行的前提下，确定各厂站最佳出水压力与流量。

二级优化：基于一级结果，优化厂站水泵开停组合。

（2）目标函数综合考虑以下维度：

经济性：水泵运行能耗最小化、电费成本最低。

安全性：节点压力在允许范围内、管网压力平稳。

可靠性：水厂缺水量最小化。

设备寿命：水泵启闭次数最少、运行平滑。

约束条件包括：水压上下限、水量上下限、水泵效率区间、调速泵转速区间、水箱液位安全区间等。

5. 智能搜索算法引擎

采用遗传模拟退火算法（镶嵌式）进行方案寻优。该算法将遗传算法的全局搜索能力与模拟退火算法的局部精细搜索能力结合，计算精度可达0.001 m，远超SCADA测点0.1 m的测量精度。

三、多目标优化引擎的工作流程

整个引擎的工作流程如下：

第一步：数据输入——SCADA实时数据和GIS管网拓扑同时进入系统。

第二步：水量预测——水量预测模型根据历史规律和气象因素，输出未来24小时的需水量预测。

第三步：水力模拟——水力模型引擎基于预测水量，模拟管网运行状态。

第四步：工况聚类——K-means算法对当前工况进行聚类分析，降低计算维度。

第五步：优化建模——多目标优化模型启动一级和二级优化，确定厂站出水参数和水泵组合。

第六步：智能寻优——遗传模拟退火算法在可行解空间中搜索最优方案。

第七步：方案输出——生成最优调度方案（水泵开关组合、转速设定等）。

第八步：自动执行——方案自动下发至厂站控制系统，30秒内完成执行反馈。

四、实际应用成效

以深圳FY水司为例，IGC WDSS模型驱动调度相比人工经验调度取得了显著成效：

1、供水比例优化：人工调度时两座水厂凭经验按5:5均分供水；模型驱动后，系统根据能耗最优原则自动调整为4:6，让高能耗厂站适当减供，低能耗厂站增供。

2、出厂压力动态化：经验调度采用固定高扬程；模型驱动后，高能耗水厂出厂压力降低1~1.5米，低能耗水厂适当提压，整体压力分布更均衡。

3、压力稳定性提升：主控点压力全天波动从2.5米降至1.7米，波动幅度降低32%，管网爆管风险明显减少。

4、能耗显著下降：配电能耗从123.77 kW·h/km³降至120.1 kW·h/km³，下降约3%。

5、调度效率飞跃：人工制定方案需要数小时，模型驱动系统仅需40秒以内即可完成寻优。

6、执行响应提速：从人工电话通知或手动操作，转变为30秒内自动下发执行指令，与厂站控制系统无缝对接。

五、总结：从"人治"到"数治"的本质跃迁

IGC WDSS 的转型本质上是将调度知识从"人脑中的经验"沉淀为"模型中的规则"：

1、经验调度是调度员凭感觉判断"开几台泵、压力设多少"，属于单点、静态、主观的决策方式。

2、模型驱动则是系统基于实时水力模型和预测模型，自动搜索满足安全性、经济性、可靠性等多目标的最优解，属于全局、动态、量化的决策方式。

通过水力模型提供"数字孪生"能力，多目标优化引擎提供"智能决策"能力，IGC WDSS 实现了从"人工被动响应"到"模型主动优化"的范式转变。