CN103258235A - 一种基于改进人工鱼群算法的供水管网改扩建优化方法 - Google Patents

一种基于改进人工鱼群算法的供水管网改扩建优化方法 Download PDF

Info

Publication number
CN103258235A
CN103258235A CN201310177391XA CN201310177391A CN103258235A CN 103258235 A CN103258235 A CN 103258235A CN 201310177391X A CN201310177391X A CN 201310177391XA CN 201310177391 A CN201310177391 A CN 201310177391A CN 103258235 A CN103258235 A CN 103258235A
Authority
CN
China
Prior art keywords
water supply
reorganization
expansion
supply network
artificial fish
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310177391XA
Other languages
English (en)
Other versions
CN103258235B (zh
Inventor
徐哲
车栩龙
杨洁
孔亚广
薛安克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201310177391.XA priority Critical patent/CN103258235B/zh
Publication of CN103258235A publication Critical patent/CN103258235A/zh
Application granted granted Critical
Publication of CN103258235B publication Critical patent/CN103258235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于改进人工鱼群算法的供水管网改扩建优化方法。本发明首先由EPANET对改扩建后的供水管网运行过程进行模拟仿真，得出的模拟数据通过BP神经网络方法建立供水管网模型，然后对改扩建后管网运行时的供需压差、改扩建费用作为评价指标，建立一个优化模型，采用改进人工鱼群算法分别对管径和供水量进行优化计算。本发明充分发挥了EPANET的水力计算能力和BP神经网络的非线性拟合能力，建立的模型简单易实现，随着训练数据的增加，模型的精确度也能进一步的提高，而且通过改进的人工鱼群算法用于供水管网的优化，可以克服局部极值的缺点，收敛速度快。

Description

一种基于改进人工鱼群算法的供水管网改扩建优化方法
技术领域
本发明属于给排水控制技术领域，涉及一种基于改进人工鱼群算法的供水管网改扩建优化方法。
背景技术
城市供水管网系统是一个由泵站、输水管渠、配水管网、调节构筑物等多种设施构成的输配水系统，是城市基础设施的重要组成部分。随着我国城市建设的加快和人民生活水平的提高，老旧供水系统已无法满足生活生产的需求，供水管网系统的修复、改建和扩建工程量也逐渐增大。因此对供水管网系统的改扩建进行科学合理的规划设计，在保证供水质量和供水安全的前提下，不仅可以节省政府对管网建设资金的投入，而且提高了供水管网运行的可靠性，具有重要的现实意义。
经过对现有文献检索发现，Jagdish等在文章Optimal Design of Water Distribution Networks via Particle Swarm Optimization（2009 IEEE International Advance Computing Conference，pp.1314-1316）中通过数值结果证明了粒子群算法的鲁棒性，并且该优化方法可以有效地用于供配水管网系统。Matteo Nicolini在文章Optimal pressure management in water networks: increased efficiency and reduced energy costs（Defense Science Research Conference and Expo，2011）中在供水管网的水压优化方面，提出了一种基于遗传算法的优化方法，使用一个单目标的遗传算法用于模型校准和非支配排序遗传算法解决多目标问题，并证明了该方法的有效性。哈尔滨工业大学的张鑫在硕士论文《沈阳市供水管网改扩建规划模型研究》（2008.12）中结合沈阳市供水管网的改扩建工程，应用灰色预测方法预测用水量，采用遗传算法结合微观水力模型求解供水管网改扩建优化模型。江苏工业学院的张凤娥在《给水排水》（2007年第33卷第11期，200-202）发表的“EPANET水力模型在供水管网优化中的应用”论文中为了优化乡镇供水管网系统的布置，应用EPANET验证供水管网的运行情况，并根据平差结果对管网进行优化调整，得到满足水压要求的供水管网敷设方案。
在管网优化算法中，传统的优化方法往往需要先建立复杂的微观模型再进行优化计算，而且优化结果的准确性和稳定性还需改进，因此建立一个相对简单且可靠性高的水力模型及改进优化方法显得尤为必要。
发明内容
本发明的目的在于克服现有方法中的不足，在供水管网的改扩建工程中，结合EPANET水力平差模型和BP神经网络的优点，建立一个供水管网的神经网络模型，并提出了一种基于改进人工鱼群算法的优化方法进行管网模型的优化。人工鱼群算法与传统方法相比具有优化速度快、克服局部极值、鲁棒性强及对搜索空间有一定自适应能力的优点，可以实现对供水管网的有效优化。
本发明是通过以下技术方案实现的，首先由EPANET对改扩建后的供水管网运行过程进行模拟仿真，得出的模拟数据通过BP神经网络方法建立供水管网模型，然后对改扩建后管网运行时的供需压差、改扩建费用作为评价指标，建立一个优化模型，采用改进人工鱼群算法分别对管径和供水量进行优化计算。
为了达到上述目的，本发明的一种基于改进人工鱼群算法的供水管网改建优化方法是通过以下技术方案实现的：
1. 采用EPANET软件对某一区域供水管网的运行过程进行模拟仿真，获得改扩建后供水管网运行的模拟数据。
2. 根据此数据采用BP神经网络方法建立供水管网模型，实现对各个节点流量和压力的精确预测。
3. 以改扩建管网费用最低和供需压力差最小作为目标函数，将水压、管径规格最为约束条件，建立求解改扩建最优方案的数学模型。
4. 采用改进人工鱼群算法对模型进行优化计算，求解得管网管径和水厂供水量的最优方案。
上述步骤1所述的采用EPANET软件对某一区域供水管网的运行过程进行模拟仿真，获得改扩建后供水管网运行的虚拟数据，其具体步骤如下：
（1）对供水区域的调查，确定原有的供水管网和改扩建后新敷设的管网走向情况，直接在EPANET上绘制管网图，或从已有的CAD图中导入供水管网图到EPANET，初步确立管网的拓扑特性。
（2）在不同的供水量和管径的情况下，由EPANET进行供水管网水力平差计算，得到管网虚拟运行时各个节点流量和压力的数据，以此数据作为BP神经网络的训练样本。
上述步骤2所述的根据此数据采用BP神经网络方法建立供水管网模型，实现对各个节点流量和压力的精确预测，其具体步骤如下：
（1）根据步骤1采集到的数据，将供水量、管径作为网络的输入，节点压力作为网络的输出，训练一个BP神经网络。
（2）由于管网参数和模拟数据与实际的供水管网系统存在一定的误差，通过对节点流量和压力的预测，并与实际测得的数据比较，对BP神经网络模型进行校正，提高模型的精度。
上述步骤3所述的以改建管网费用和供需压力差为目标函数，将水压、管径规格最为约束条件，建立求解改扩建最优方案的数学模型，其具体步骤如下：
（1）节点的供需压力差，各节点水压满足最小服务水头，各测压点的供水压力与所需压力之差的平方和 
Figure 201310177391X100002DEST_PATH_IMAGE002
最小：
                                       
Figure 201310177391X100002DEST_PATH_IMAGE004
                                （1）
式中，
Figure 455644DEST_PATH_IMAGE002
为供需压差的目标函数，
Figure 201310177391X100002DEST_PATH_IMAGE006
 (j=1,2,…,M)为j节点水压，
Figure 201310177391X100002DEST_PATH_IMAGE008
为j节点处最小服务水头，M为管网节点数。
（2）供水管网的改建费用，这里主要是受管网管径影响的管网建设费用
Figure 201310177391X100002DEST_PATH_IMAGE010
最低：
                                          
Figure 201310177391X100002DEST_PATH_IMAGE012
                             （2）
式中，
Figure 646585DEST_PATH_IMAGE010
为管网改扩建费用，
Figure 201310177391X100002DEST_PATH_IMAGE014
为管段i的管径，为管段i的单位长度造价，
Figure 201310177391X100002DEST_PATH_IMAGE018
为管段i的长度，N为需改建的管段数。
（3）节点水压约束条件：
                            
Figure 201310177391X100002DEST_PATH_IMAGE020
                   （3）
式中，
Figure 201310177391X100002DEST_PATH_IMAGE022
为j节点处最大允许水头。
（4）标准管径约束条件，指供水管网的管径必须满足标准管径规格，其表达式如下：
                                                （4）
式中，{D}为标准管径的集合。
（5）结合目标函数
Figure 932816DEST_PATH_IMAGE002
和，采用乘除法将多目标问题化为单目标问题求解，建立的供水管网系统优化模型为：
                      
Figure 201310177391X100002DEST_PATH_IMAGE026
                     （5）
                          
Figure 201310177391X100002DEST_PATH_IMAGE028
              （6）
上述步骤4采用改进的人工鱼群算法对模型进行优化计算，求出管网管径和水厂供水量的最优方案，首先以式（5）作为目标函数，式（6）作为约束条件，在供水方案不变的情况下采用改进的人工鱼群算法对管径进行优化，然后以式（1）作为目标函数，式（3）作为约束条件，仍采用改进的人工鱼群算法对供水量进行优化，得到最终的改扩建管网优化方案。改进的人工鱼群算法具体步骤如下：
（1）鱼群初始化，初始化人工鱼群的各项参数，包括人工鱼数N、移动步长Step、感知距离Visual、试探次数try_num、最大迭代次数MAXGEN、拥挤度因子
Figure 201310177391X100002DEST_PATH_IMAGE030
。
（2）评价所有个体，选最优个体在公告板记录。
（3）各人工鱼执行追尾行为，设人工鱼当前状态为
Figure 201310177391X100002DEST_PATH_IMAGE032
，搜索当前感知距离内的伙伴数
Figure 201310177391X100002DEST_PATH_IMAGE034
及伙伴中
Figure 201310177391X100002DEST_PATH_IMAGE036
为最小的伙伴，如果
Figure 201310177391X100002DEST_PATH_IMAGE038
，表明伙伴
Figure 201310177391X100002DEST_PATH_IMAGE040
的状态具有较高的食物浓度并且其周围不太拥挤，则朝伙伴
Figure 307264DEST_PATH_IMAGE040
的方向移动一步；否则，随机选择一个方向，向该方向移动三步，称之为执行随机行为。
（4）各人工鱼执行聚群行为，设人工鱼当前状态为
Figure 805241DEST_PATH_IMAGE032
，搜索当前感知距离内的伙伴数
Figure 248992DEST_PATH_IMAGE034
及中心位置，如果
Figure 340576DEST_PATH_IMAGE038
，表明伙伴中心
Figure 223081DEST_PATH_IMAGE042
具有较高的食物浓度并且其周围不太拥挤，则朝伙伴的中心方向移动一步；否则，随机选择一个方向，向该方向移动三步，执行随机行为。
本发明利用EPANET软件模拟改扩建后的供水管网运行过程，将得到虚拟数据采用BP神经网络方法得到一个神经网络模型，并采用改进的人工鱼群算法对模型进行优化，以保证管网运行的最佳状态。本发明的特点在于，充分发挥了EPANET的水力计算能力和BP神经网络的非线性拟合能力，建立的模型简单易实现，随着训练数据的增加，模型的精确度也能进一步的提高，而且通过改进的人工鱼群算法用于供水管网的优化，可以克服局部极值的缺点，收敛速度快。
附图说明
图1为本发明的原理框图；
图2为本发明改进的人工鱼群算法的流程示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明的原理如图1所示，对某一区域的供水管网系统进行改扩建，在原有管网的基础上敷设新的管网，采用EPANET水力平差模型计算改扩建后节点的流量和压力值，基于此数据建立供水管网的BP神经网络模型，然后确定优化的目标函数，采用改进的人工鱼群算法对供水管网的管径及供水量进行优化。本发明的一种基于改进人工鱼群算法的供水管网改扩建优化方法，该方法具体步骤如下：
1. 采用EPANET软件对某一区域供水管网的运行过程进行模拟仿真，由此获得虚拟的实验数据，根据此数据采用BP神经网络方法建立供水管网模型，实现对各个节点流量和压力的精确预测。
2. 以改建管网费用和供需压力差为目标函数，将水压、管径规格最为约束条件，建立数学模型。
3. 采用改进人工鱼群算法对目标函数进行优化计算，以求出管网管径和水厂供水量的最优方案。
以下对本发明作进一步的说明：
1. EPANET水力平差模型进行计算
对某一区域的供水管网系统进行改扩建，在保持原有管网的基础上敷设新的管网，采用EPANET进行水力平差计算，得到供水管网改扩建后的虚拟数据，其具体步骤如下：
（1）对供水区域的调查，确定原有的供水管网和改扩建后新敷设的管网走向情况，直接在EPANET上绘制管网图，或从已有的CAD图中导入供水管网图到EPANET，初步确立管网的拓扑特性。
（2）在不同的供水量和管径的情况下，由EPANET进行供水管网水力平差计算，得到管网虚拟运行时各个节点流量和压力的数据，以此数据作为BP神经网络的训练样本。
2. BP神经网络建模
根据EPANET水力平差计算得到的数据，建立供水管网的BP神经网络模型，其具体步骤如下：
（1）根据步骤1采集到的数据，将供水量、管径作为网络的输入，节点压力作为网络的输出，训练一个BP神经网络。在该区域中，有3个供水点，新敷设10段管网，9个用水点，则可以建立输入节点为13，输出节点为9的一个BP神经网络。
（2）由于管网参数和模拟数据与实际的供水管网系统存在一定的误差，通过对节点流量和压力的预测，并与实际测得的数据比较，对BP神经网络模型进行校准，以提高模型的精度。
3. 确立优化目标函数
以改扩建管网费用和供需压力差作为优化的目标函数，将水压、管径规格最为约束条件，其具体步骤如下：
（1）节点的供需压力差，各节点水压满足最小服务水头，各测压点的供水压力与所需压力之差的平方和
Figure 513248DEST_PATH_IMAGE002
最小：
                                       
Figure 190217DEST_PATH_IMAGE004
                                （1）
式中，
Figure 565835DEST_PATH_IMAGE002
为供需压差的目标函数，
Figure 189714DEST_PATH_IMAGE006
 (j=1,2,…,M)为j节点水压，
Figure 331458DEST_PATH_IMAGE008
为j节点处最小服务水头，M为管网节点数。
（2）供水管网的改扩建费用，这里主要是由管网管径大小决定的管网建设费用最低：
                                          
Figure 307821DEST_PATH_IMAGE012
                             （2）
式中，
Figure 469812DEST_PATH_IMAGE010
为管网改建费用，为管段i的管径，
Figure 18922DEST_PATH_IMAGE016
为管段i的单位长度造价，
Figure 103553DEST_PATH_IMAGE018
为管段i的长度，N为需改建的管段数。
（3）节点水压约束条件：
                            
Figure 69235DEST_PATH_IMAGE020
                   （3）
式中，
Figure 250818DEST_PATH_IMAGE022
为j节点处最大允许水头。
（4）标准管径约束条件，指供水管网的管径必须满足标准管径规格，其表达式如下：
                             
Figure 643753DEST_PATH_IMAGE024
                   （4）
式中，{D}为标准管径的集合。
（5）结合目标函数
Figure 481259DEST_PATH_IMAGE002
和
Figure 47369DEST_PATH_IMAGE010
，采用乘除法将多目标问题化为单目标问题求解，建立的供水管网系统优化模型为：
                      
Figure 848290DEST_PATH_IMAGE026
                     （5）
                          
Figure 474444DEST_PATH_IMAGE028
              （6）
4. 改进的人工鱼群算法优化
以式（5）作为目标函数，式（6）作为约束条件，在供水方案不变的情况下采用改进的人工鱼群算法对管径进行优化，之后以式（1）作为目标函数，式（3）作为约束条件，仍采用改进的人工鱼群算法对供水量进行优化，得到最终的改扩建管网优化方案。改进的人工鱼群算法流程图如图2所示，其具体步骤如下：
（1）鱼群初始化，初始化人工鱼群的各项参数，包括人工鱼数N=10、移动步长Step=0.1、感知距离Visual=1、试探次数try_num=100、最大迭代次数MAXGEN =100、拥挤度因子
Figure 533666DEST_PATH_IMAGE030
=0.618。
（2）评价所有个体，选最优个体在公告板记录。
（3）各人工鱼执行追尾行为，设人工鱼当前状态为
Figure 841151DEST_PATH_IMAGE032
，搜索当前感知距离内的伙伴数
Figure 935009DEST_PATH_IMAGE034
及伙伴中为最小的伙伴，如果
Figure 278583DEST_PATH_IMAGE038
，表明伙伴
Figure 186496DEST_PATH_IMAGE040
的状态具有较高的食物浓度并且其周围不太拥挤，则朝伙伴
Figure 134860DEST_PATH_IMAGE040
的方向移动一步；否则，随机选择一个方向，向该方向移动三步。
（4）各人工鱼执行聚群行为，设人工鱼当前状态为，搜索当前感知距离内的伙伴数
Figure 136631DEST_PATH_IMAGE034
及中心位置
Figure 785918DEST_PATH_IMAGE042
，如果
Figure 851439DEST_PATH_IMAGE038
，表明伙伴中心
Figure 990296DEST_PATH_IMAGE042
具有较高的食物浓度并且其周围不太拥挤，则朝伙伴的中心方向移动一步；否则，随机选择一个方向，向该方向移动三步。

Claims (3)

1. 一种基于改进人工鱼群算法的供水管网改扩建优化方法，其特征在于：首先由EPANET软件对改扩建后的供水管网运行过程进行模拟仿真，得出的模拟数据通过BP神经网络方法建立供水管网模型，然后对改扩建后管网运行时的供需压差、改扩建费用作为评价指标，建立一个优化模型，采用改进人工鱼群算法分别对管径和供水量进行优化计算。
2.根据权利要求1所述的供水管网改扩建优化方法，其特征在于：由EPANET对改扩建后的供水管网运行过程进行模拟仿真，得出的模拟数据通过BP神经网络方法建立供水管网模型，具体是：采用EPANET软件对某一区域供水管网的运行过程进行模拟仿真，获得改扩建后供水管网运行的模拟数据，采用BP神经网络方法建立供水管网模型，实现对各个节点流量和压力的精确预测。
3.根据权利要求1所述的供水管网改扩建优化方法，其特征在于：对改扩建后管网运行时的供需压差、改扩建费用作为评价指标，确立一个优化模型，采用改进人工鱼群算法分别对管径和供水量进行优化计算，具体是：以改扩建管网费用最低和供需压力差最小作为目标函数，将水压、管径规格最为约束条件，建立求解改扩建最优方案的数学模型，采用改进人工鱼群算法对模型进行优化计算，求出管网管径和水厂供水量的最优方案。
CN201310177391.XA 2013-05-13 2013-05-13 一种基于改进人工鱼群算法的供水管网改扩建优化方法 Active CN103258235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310177391.XA CN103258235B (zh) 2013-05-13 2013-05-13 一种基于改进人工鱼群算法的供水管网改扩建优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310177391.XA CN103258235B (zh) 2013-05-13 2013-05-13 一种基于改进人工鱼群算法的供水管网改扩建优化方法

Publications (2)

Publication Number Publication Date
CN103258235A true CN103258235A (zh) 2013-08-21
CN103258235B CN103258235B (zh) 2016-01-27

Family

ID=48962137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310177391.XA Active CN103258235B (zh) 2013-05-13 2013-05-13 一种基于改进人工鱼群算法的供水管网改扩建优化方法

Country Status (1)

Country Link
CN (1) CN103258235B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550776A (zh) * 2015-12-16 2016-05-04 上海市水利工程设计研究院有限公司 一种基于调度设计联合优化的给水管网优化方法
CN105649177A (zh) * 2016-01-14 2016-06-08 浙江大学 一种基于滚动粒子群算法的城市明渠排水系统控制方法
CN105701561A (zh) * 2015-12-31 2016-06-22 上海市水利工程设计研究院有限公司 一种基于给水管网规划设计要求的管网优化方法
CN108717584A (zh) * 2018-05-11 2018-10-30 同济大学 一种供水管网多目标分区方法
CN108764540A (zh) * 2018-05-16 2018-11-06 杭州电子科技大学 基于并行lstm串联dnn的供水管网压力预测方法
CN109914523A (zh) * 2019-03-21 2019-06-21 杭州电子科技大学 基于区块化和叠压增压的供水管网低压改善方法
CN111460689A (zh) * 2020-04-24 2020-07-28 中国水利水电科学研究院 一种面向未来期的供水管网水力可靠性测算方法
CN111475901A (zh) * 2020-03-27 2020-07-31 三禹水务科技(苏州)有限公司 一种基于差分算法的城市供水系统优化设计方法
CN111680429A (zh) * 2020-06-19 2020-09-18 苏州华控清源系统科技股份有限公司 水箱主动调蓄方法及系统、电子设备、存储介质
CN113642760A (zh) * 2021-06-21 2021-11-12 广州市自来水有限公司 服务于大型改扩建供水管网的区域泵站优化选址方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102174994A (zh) * 2011-03-11 2011-09-07 天津大学 城市供水管网事故爆管在线定位系统
CN102564496A (zh) * 2012-01-09 2012-07-11 云南电力试验研究院（集团）有限公司电力研究院 基于bp神经网络和人工鱼群的变电设备微观分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102174994A (zh) * 2011-03-11 2011-09-07 天津大学 城市供水管网事故爆管在线定位系统
CN102564496A (zh) * 2012-01-09 2012-07-11 云南电力试验研究院（集团）有限公司电力研究院 基于bp神经网络和人工鱼群的变电设备微观分析方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550776A (zh) * 2015-12-16 2016-05-04 上海市水利工程设计研究院有限公司 一种基于调度设计联合优化的给水管网优化方法
CN105701561A (zh) * 2015-12-31 2016-06-22 上海市水利工程设计研究院有限公司 一种基于给水管网规划设计要求的管网优化方法
CN105649177A (zh) * 2016-01-14 2016-06-08 浙江大学 一种基于滚动粒子群算法的城市明渠排水系统控制方法
CN108717584A (zh) * 2018-05-11 2018-10-30 同济大学 一种供水管网多目标分区方法
CN108717584B (zh) * 2018-05-11 2022-08-16 同济大学 一种供水管网多目标分区方法
CN108764540A (zh) * 2018-05-16 2018-11-06 杭州电子科技大学 基于并行lstm串联dnn的供水管网压力预测方法
CN109914523B (zh) * 2019-03-21 2021-04-30 杭州电子科技大学 基于区块化和叠压增压的供水管网低压改善方法
CN109914523A (zh) * 2019-03-21 2019-06-21 杭州电子科技大学 基于区块化和叠压增压的供水管网低压改善方法
CN111475901A (zh) * 2020-03-27 2020-07-31 三禹水务科技(苏州)有限公司 一种基于差分算法的城市供水系统优化设计方法
CN111460689A (zh) * 2020-04-24 2020-07-28 中国水利水电科学研究院 一种面向未来期的供水管网水力可靠性测算方法
CN111460689B (zh) * 2020-04-24 2020-11-27 中国水利水电科学研究院 一种面向未来期的供水管网水力可靠性测算方法
CN111680429A (zh) * 2020-06-19 2020-09-18 苏州华控清源系统科技股份有限公司 水箱主动调蓄方法及系统、电子设备、存储介质
CN113642760A (zh) * 2021-06-21 2021-11-12 广州市自来水有限公司 服务于大型改扩建供水管网的区域泵站优化选址方法
CN113642760B (zh) * 2021-06-21 2024-04-05 广州市自来水有限公司 服务于大型改扩建供水管网的区域泵站优化选址方法

Also Published As

Publication number Publication date
CN103258235B (zh) 2016-01-27

Similar Documents

Publication Publication Date Title
CN103258235B (zh) 一种基于改进人工鱼群算法的供水管网改扩建优化方法
CN102541015B (zh) 一种能效智能控制系统及方法
CN107563007B (zh) 一种供水管网模型快速校正方法
CN109376925B (zh) 供水管网节点流量动态自适应优化方法
CN109635501A (zh) 一种基于水力模型的降低供水管网漏损方法
CN105260607A (zh) 一种串并联耦合的多模型水文预报方法
CN107800157A (zh) 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN103902783B (zh) 一种基于广义逆向学习差分算法的排水管网优化方法
CN103438611B (zh) 一种太阳能地源热泵系统优化设计方法
CN110443418A (zh) 基于ga-bp神经网络的城市用水量预测方法
CN108614915B (zh) 基于情景驱动的水文模型自由组建策略方法
CN103425743A (zh) 基于贝叶斯神经网络算法的蒸汽管网预测系统
Nam et al. Assessment of irrigation efficiencies using smarter water management
CN106650053A (zh) 一种基于usrams的雨水管网优化设计方法
CN101916313A (zh) 一种城市给水管网功能优化的方法
CN102842066A (zh) 一种生物质炉燃烧优化的建模方法
CN106557843A (zh) 一种用能需求预测方法
CN103577896A (zh) 一种大规模电网整定计算的区域划分方法
CN101899820B (zh) 面向河流生态系统保护的流域地表水可利用量确定方法
CN113110057A (zh) 一种基于人工智能的热力站节能控制方法及智能决策系统
CN107145958A (zh) 一种基于改进粒子群算法的市政排水管网智能化排水调度方法
Boghetti et al. Building energy models with Morphological urban-scale parameters: A case study in Turin
CN115455621A (zh) 一种基于仿生原理的供热系统拓扑结构优化方法
CN101908177A (zh) 一种利用智能电网调控用户碳排放量的方法
CN109426901A (zh) 一种中长期用电预测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20130821

Assignee: HANGZHOU ZHIBIN TECHNOLOGY Co.,Ltd.

Assignor: HANGZHOU DIANZI University

Contract record no.: X2021330000077

Denomination of invention: An optimization method for reconstruction and expansion of water supply network based on improved artificial fish swarm algorithm

Granted publication date: 20160127

License type: Common License

Record date: 20210818