CN107122519A - 一种城市供水管网压力监测点的优化布置方法 - Google Patents

Abstract

本发明公开了一种城市供水管网压力监测点的优化布置方法，包括以下步骤：S1、获取城市供水管网基础数据，利用EPANETH软件进行供水管网的水力平差计算，构建城市供水管网水力模型；S2、根据城市供水管网水力模型，求解压差矩阵、最短距离矩阵、水量影响模糊相似矩阵，确定城市供水管网压力监测点优化布置模型的约束条件；S3、确定模型目标函数，构建城市供水管网压力监测点优化布置模型；S4、利用粒子群算法求解城市供水管网压力监测点优化布置模型，确定最优压力监测点及各压力监测点的监测区域。该方法具有原理简单、易于实现和效率高的特点，且符合布点的代表性、可比性以及可行性要求。

Description

一种城市供水管网压力监测点的优化布置方法

技术领域

本发明涉及城市供水管网压力监测点的优化布置技术领域，具体涉及一种结合压力相关性及水量影响模糊相似矩阵的监测点优化布置方法。

背景技术

随着城市用水规模的不断扩大和管网使用年限的增长，水资源的浪费越来越严重。依靠原来传统的方式对供水管网进行监测和控制已经远远不能满足现在的需要。在科学技术发展日新月异的今天，全面、有效、实时、准确地对城市供水管网进行全方位的监控，已经成为管理部门当前的主要问题。

城市供水管网的水压，作为管网运行质量的重要参数，不仅可以直接反映城市供水管网的服务质量，也是全面掌握供水管网的运行状态以及对整个供水管网系统实施正确调度的重要参数。其监测结果的好坏直接关系到是否可以有效地代表管网的整个运行状况，直接关系到能否满足供水企业的调度需求。

迅速全面地获得管网的水压信息，有利于利用计算机进行实时优化调度，以保证供水质量、运行安全、节水节能和运行效率。同时，积累管网实测水压资料可以校验管网微观分析的计算结果，为管网水力模拟计算的参数值提供校核数据，合理进行管网的改造和扩建，永久性测压点正是根据这些要求而设置的。由于测压点必须采用测压设备，故投资大，这就要求选用尽可能少的、具有代表性的测压点安装测压设备，因此其位置的选择也尤为重要。具体来说，城市供水管网实时监控系统中，在供水管网中布置压力监测点，其主要目的有:

(1)掌握供水管网正常工作时的压力分布状况。管网的压力分布状况，是供水管网系统工作状况的反映，同时也是保证供水管网服务质量的重要信息。(2)管网监测点的数据异常变化，都有可能是管网异常事故发生的征兆，通过观察和分析监测到的压力数据，可以分析推断事故的发生情况以及由此造成的影响。(3)获得管网工况的监测量，作为供水管网状态估计，以及供水管网优化调度的基础数据。(4)管网压力监测也是对管网漏水量监控的需要，节点的水压值能有效地反映管网的漏水情况。

而城市供水管网压力监测点的优化布置主要解决下列三个方面的问题:(1)确定压力监测点数目；(2)确定压力监测点的位置；(3)确定每一压力监测点所能监测到的区域。

因为压力监测点的数目主要取决于资金投资的多少，并且如果压力监测点数量未知，决策变量就是压力监测点的数量与位置的组合，属于复合优化问题，在计算精度与广度上都会困难很多，而且在实际的城市供水管网中一般都是先确定管网监测点数量，然后进行监测点布设置，所以本发明将监测点的个数作为已知的约束条件，针对城市供水管网压力监测点的位置和监测区域的确定，进行了监测点优化布置的研究，对于供水管网水力模型中监测点布置的优化计算不易得到确定结果、运行数据不能完全代表管网状况的问题，提出结合节点压力分布、管网拓扑结构、压力波动相似程度的压力监测点优化模型。

发明内容

本发明的目的是针对上述现有技术的不足，提供了一种结合压力相关性及水量影响模糊相似矩阵的城市供水管网压力监测点的优化布置方法，具有原理简单、易于实现和效率高的特点，且符合布点的代表性、可比性以及可行性要求。

本发明的目的可以通过如下技术方案实现：

一种城市供水管网压力监测点的优化布置方法，所述方法包括以下步骤：

S1、获取城市供水管网的基础数据，利用EPANETH软件进行供水管网的水力平差计算，构建城市供水管网水力模型；

S2、根据城市供水管网水力模型，求解压差矩阵、最短距离矩阵、水量影响模糊相似矩阵，确定城市供水管网压力监测点优化布置模型的约束条件；

S3、确定模型目标函数，构建城市供水管网压力监测点优化布置模型；

S4、利用粒子群算法求解城市供水管网压力监测点优化布置模型，确定最优压力监测点及各压力监测点的监测区域。

进一步地，所述步骤S1中，城市供水管网的基础数据包括节点基本需水量、高程、管段长度、管网拓扑结构等，利用EPANETH软件进行供水管网的水力平差计算，得到城市供水管网的压力、流量等运行数据。

进一步地，所述步骤S2的具体过程为：

S21、根据步骤S1构建的城市供水管网水力模型，求解任意两节点间的压力差：

P(i,j)＝|H_i-H_j|

其中，H_i、H_j分别表示基准工况下节点i、j的水压，i＝1、2、3……n，j＝1、2、3……n，得到压差矩阵[P]_n×n，其中n为城市供水管网水力模型的n个节点；

S22、利用迪杰斯特拉(Dijkstra)算法求解任意两节点间的最短距离，得到最短距离矩阵[D]_n×n；

S23、利用欧氏距离法求解水量影响模糊相似矩阵[R]_n×n，公式如下：

其中，X(i,j)表示j节点流量变化对i节点的压力影响系数，得到影响系数矩阵[X]_n×n，H_i、H_j分别表示基准工况下节点i、j的水压，H′_i、H′_j分别表示j节点流量改变后节点i、j的水压，X'(i,j)表示对影响系数矩阵[X]_n×n进行标准化计算后得到的水量影响标准矩阵[X']_n×n，表示水量影响标准矩阵[X']_n×n中第j列元素的平均值，示水量影响标准矩阵[X']_n×n中第j列元素的标准差，X”(i,j)表示对水量影响标准矩阵[X']_n×n进行处理得到的水量影响极值标准矩阵[X”]_n×n，和分别表示水量影响标准矩阵[X']_n×n中第j列元素中最小和最大的元素，r(i,j)表示节点i、j的欧式距离，得到水量影响模糊相似矩阵[R]_n×n，反映节点i、j水压波动相似程度，i＝1、2、3……n，j＝1、2、3……n；

S24、确定城市供水管网压力监测点优化布置模型的约束条件，公式如下：

P(i,j)<h，D(i,j)<d，R(i,j)>λ

其中，P(i,j)表示节点i、j的压力差，D(i,j)表示节点i、j的最短距离，R(i,j)表示节点i、j的欧式距离，h、d、λ表示根据城市供水管网水力模型给出的设定值。

进一步地，所述步骤S3的具体过程为：

S31、城市供水管网压力监测点优化布置目标为，与某一压力监测点满足压力相关性条件和需水量变化条件的节点个数的最大化，目标函数公式如下：

maxT＝count(Ax₁∪Ax₂…∪Ax_m)

其中，T表示某一布设方案内满足约束条件的所有连接节点集合的元素个数，x_i表示第i个压力监测点的节点编号，Ax_i表示与监测点x_i满足节点压力相关性和需水量变化条件的节点集合，m表示从n个节点中选取的压力监测点的数量；

S32、构建城市供水管网压力监测点优化布置模型，公式如下：

maxT＝count(Ax₁∪Ax₂…∪Ax_m)

s.t.X＝{X₁、X₂……X_n}

Ax_i＝{j|P(X_i,j)<h,D(X_i,j)<d,R(X_i,j)>λ}

其中，i＝1、2、3……n，j＝1、2、3……n，n为城市供水管网水力模型的n个节点，m表示从n个节点中选取的压力监测点的数量，x_i表示第i个压力监测点的节点编号，X表示m个压力监测点的集合，Ax_i表示与监测点x_i满足节点压力相关性和需水量变化条件的节点集合，P(X_i,j)表示压差矩阵[P]_n×n第X_i行、第j列的元素，D(X_i,j)表示最短距离矩阵[D]_n×n的第X_i行、第j列的元素，R(X_i,j)表示水量影响模糊相似矩阵[R]_n×n的第X_i行、第j列的元素，h、d、λ表示根据城市供水管网水力模型给出的设定值。

进一步地，所述步骤S4的具体过程为：

S41、初始化粒子群速度V_t、位置X_t、粒子数s、粒子长度l、惯性权重ω、学习因子c₁、学习因子c₂、最大飞翔速度v_max以及终止条件，设置依据如下：

粒子数s的取值范围为20～40，粒子长度l即问题解的长度，惯性权重ω使其随迭代次数增加在1.4～0间递减或取0.6～0.75间的定值，学习因子c₁＝c₂、取0～4，最大飞翔速度ν_max等于粒子范围宽度，终止条件即到达最大迭代次数或最优位置满足目标函数的最小允许误差；其中，第t个粒子的位置表示为向量第t个粒子的速度表示为向量t＝1、2、3…s，k＝1、2、3…l；

S42、计算每个粒子的适应度值T(t)；

S43、对每个粒子，用它的当前适应度值T(t)和个体极值Pbest(t)比较，如果T(t)>Pbest(t)，则用T(t)替换Pbest(t)；

S44、对每个粒子，用它的当前适应度值T(t)和全局极值gbest比较，如果T(t)>gbest，则用T(t)替换gbest；

S45、更新每个粒子当前的飞翔速度和所在位置并限制粒子飞翔速度，公式如下：

其中，k＝1、2、3…l，个体极值Pbest(t)的位置记为全局极值gbest的位置记为r₁和r₂是[0,1]内变换的随机数；

S46、如果满足终止条件，输出全局极值gbest与其对应位置P_g，以及个体极值Pbest(t)与其对应位置P_t，否则重复步骤S42-S46；

S47、根据输出的全局极值gbest与其对应位置P_g，确定满足约束条件的所有连接节点集合的元素个数T与压力监测点节点编号x_i，以及与监测点x_i满足节点压力相关性和需水量变化条件的节点集合Ax_i。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明结合压力相关性及水量影响模糊相似矩阵，采用粒子群算法对城市供水管网压力监测点优化布置模型进行求解，具有原理简单、易于编程、效率高等优点。

2、本发明的城市供水管网压力监测点的优化布置方法，具有全面性和实用性，极大、有效，快速、准确地实现了城市供水管网压力监测点的优化布置。

附图说明

图1为本发明城市供水管网压力监测点的监控系统的结构示意图。

图2为本发明城市供水管网压力监测点的优化布置方法的步骤流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例：

如图1所示，城市供水管网实时监控系统主要由监控中心、通讯网络以及现场监控终端RTU组成。具体可细分为测控设备(传感器、泵站、水闸等控制执行设备)、现场测控模块、通讯网关、远程GPRS-DTU(Data Transfer Unit，数据转换单元)、监控中心、信息服务终端。现场监控终端RTU包含现场测控模块、短程通讯网络、远程GPRS-DTU。基于3C+S(Computer、Communication、Control、Sensor)技术，采用设备层—控制层—调度层—信息层的多层次体系结构，统一的技术平台(统一的数据协议、通讯网络、数据库共享)，通过异网(互联网Internet、手机短信GSM、电话网络PSTN、ZigBee网络、GPRS网络、计算机局域网LAN)通信网络，按照测控设备(传感器、控制执行设备)+现场测控模块+ZigBee短程通讯网络+现场无线通讯网关+GPRS远程通讯网络+管理中心服务器+异网通信网络+信息服务终端的系统结构，设计城市供水管网实时监控系统方案。通过现场测控设备(传感器、控制执行设备)测量供水管网的运行参数和设备工况参数，智能测控模块采集上述参数，并通过ZigBee短程通讯网络传送到现场无线通讯网关，再通过无线通讯网络传送到管理中心服务器处理，最后将相关服务信息通过(移动)互联网传送到信息服务终端，实现城市供水管网的数据采集、监控、调度和信息服务。

本实施例结合压力相关性及水量影响模糊相似矩阵，提供了一种城市供水管网压力监测点优化布置方法，流程图如图2所示，包括以下步骤：

步骤一、构建城市供水管网水力模型；

步骤二、求解压差矩阵；

本步骤中，根据步骤一构建的城市供水管网水力模型，求解任意两节点间的压力差：

P(i,j)＝|H_i-H_j|

其中，H_i、H_j分别表示基准工况下节点i、j的水压，i＝1、2、3……n，j＝1、2、3……n，得到压差矩阵[P]_n×n，其中n为城市供水管网水力模型的n个节点；

步骤三、求解最短距离矩阵；

本步骤中，利用迪杰斯特拉算法求解任意两节点间的最短距离，得到最短距离矩阵[D]_n×n；

步骤四、求解水量影响模糊相似矩阵；

本步骤中，利用欧氏距离法求解水量影响模糊相似矩阵[R]_n×n，公式如下：

其中，X(i,j)表示j节点流量变化对i节点的压力影响系数，得到影响系数矩阵[X]_n×n，H_i、H_j分别表示基准工况下节点i、j的水压，H′_i、H′_j分别表示j节点流量改变后节点i、j的水压，X'(i,j)表示对影响系数矩阵[X]_n×n进行标准化计算后得到的水量影响标准矩阵[X']_n×n，表示水量影响标准矩阵[X']_n×n中第j列元素的平均值，示水量影响标准矩阵[X']_n×n中第j列元素的标准差，X”(i,j)表示对水量影响标准矩阵[X’]_n×n进行处理得到的水量影响极值标准矩阵[X”]_n×n，和分别表示水量影响标准矩阵[X']_n×n中第j列元素中最小和最大的元素，r(i,j)表示节点i、j的欧式距离，得到水量影响模糊相似矩阵[R]_n×n，反映节点i、j水压波动相似程度，i＝1、2、3……n，j＝1、2、3……n；

步骤五、确定城市供水管网压力监测点优化布置模型的约束条件；

本步骤中，确定城市供水管网压力监测点优化布置模型的约束条件，公式如下：

P(i,j)<h，D(i,j)<d，R(i,j)>λ

其中，P(i,j)表示节点i、j的压力差，D(i,j)表示节点i、j的最短距离，R(i,j)表示节点i、j的欧式距离，h、d、λ表示根据城市供水管网水力模型给出的设定值。

步骤六、确定城市供水管网压力监测点优化布置模型的目标函数；

本步骤中，城市供水管网压力监测点优化布置目标为，与某一压力监测点满足压力相关性条件和需水量变化条件的节点个数的最大化，目标函数公式如下：

maxT＝count(Ax₁∪Ax₂…∪Ax_m)

其中，T表示某一布设方案内满足约束条件的所有连接节点集合的元素个数，x_i表示第i个压力监测点的节点编号，Ax_i表示与监测点x_i满足节点压力相关性和需水量变化条件的节点集合，m表示从n个节点中选取的压力监测点的数量；

步骤七、构建城市供水管网压力监测点优化布置模型；

本步骤中，构建城市供水管网压力监测点优化布置模型的公式如下：

maxT＝count(Ax₁∪Ax₂…∪Ax_m)

s.t.X＝{X₁、X₂……X_n}

Ax_i＝{j|P(X_i,j)<h,D(X_i,j)<d,R(X_i,j)>λ}

其中，i＝1、2、3……n，j＝1、2、3……n，n为城市供水管网水力模型的n个节点，m表示从n个节点中选取的压力监测点的数量，x_i表示第i个压力监测点的节点编号，X表示m个压力监测点的集合，Ax_i表示与监测点x_i满足节点压力相关性和需水量变化条件的节点集合，P(X_i,j)表示压差矩阵[P]_n×n第X_i行、第j列的元素，D(X_i,j)表示最短距离矩阵[D]_n×n的第X_i行、第j列的元素，R(X_i,j)表示水量影响模糊相似矩阵[R]_n×n的第X_i行、第j列的元素，h、d、λ表示根据城市供水管网水力模型给出的设定值。

步骤八、利用粒子群算法求解城市供水管网压力监测点优化布置模型。

本步骤的具体过程为：

一、初始化粒子群速度V_t、位置X_t、粒子数s、粒子长度l、惯性权重ω、学习因子c₁、学习因子c₂、最大飞翔速度v_max以及终止条件，设置依据如下：

粒子数s的取值范围为20～40，粒子长度l即问题解的长度，惯性权重ω使其随迭代次数增加在1.4～0间递减或取0.6～0.75间的定值，学习因子c₁＝c₂、取0～4，最大飞翔速度ν_max等于粒子范围宽度，终止条件即到达最大迭代次数或最优位置满足目标函数的最小允许误差；其中，第t个粒子的位置表示为向量第t个粒子的速度表示为向量t＝1、2、3…s，k＝1、2、3…l；

二、计算每个粒子的适应度值T(t)；

三、对每个粒子，用它的当前适应度值T(t)和个体极值Pbest(t)比较，如果T(t)>Pbest(t)，则用T(t)替换Pbest(t)；

四、对每个粒子，用它的当前适应度值T(t)和全局极值gbest比较，如果T(t)>gbest，则用T(t)替换gbest；

五、更新每个粒子当前的飞翔速度和所在位置并限制粒子飞翔速度，公式如下：

其中，k＝1、2、3…l，个体极值Pbest(t)的位置记为全局极值gbest的位置记为r₁和r₂是[0,1]内变换的随机数；

六、如果满足终止条件，输出全局极值gbest与其对应位置P_g，以及个体极值Pbest(t)与其对应位置P_t，否则重复步骤一至六；

七、根据输出的全局极值gbest与其对应位置P_g，确定满足约束条件的所有连接节点集合的元素个数T与压力监测点节点编号x_i，以及与监测点x_i满足节点压力相关性和需水量变化条件的节点集合Ax_i。

本实施例的城市供水管网水力模型根据某地区供水管网实际数据建立，总供水能力为5992L/s，包括78条管段和53个节点，其中编号51、52、53为水源节点，编号50为水库节点总水头为76.95m。该城市供水管网的节点基础数据如表1、2、3所示，其中，表1为连接节点数据，表2为水源节点数据，表3为管段数据。

表1

表2

表3

根据该城市供水管网的节点基础数据，使用EPANETH及MATLAB软件，按照如上所述的一种城市供水管网压力监测点优化布置方法的步骤进行计算，结合本算例实际情况，设置h为10m，d为4000m，λ为0.87，粒子群算法初始化粒子数为20，粒子长度为5，种群大小为100，v_max为49，c₁和c₂为1.5，ω为1，算法运行4次得到的优化布置方案如表4所示。

表4

本实施例得出的两组解{5，27，18，35，40}和{40，18，5，27，29}，节点35和29位置相近，并且表示节点(29，35)的欧式距离r(29,35)＝0.93，压力差P(29,35)＝5.05，水力波动相似，压差也符合相似的条件，是水力状况相似的点，因此本实施例选取{40，18，5，27，29}作为压力监测点。

以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (5)

1.一种城市供水管网压力监测点的优化布置方法，其特征在于，所述方法包括以下步骤：

S1、获取城市供水管网的基础数据，利用EPANETH软件进行供水管网的水力平差计算，构建城市供水管网水力模型；

S2、根据城市供水管网水力模型，求解压差矩阵、最短距离矩阵、水量影响模糊相似矩阵，确定城市供水管网压力监测点优化布置模型的约束条件；

S3、确定模型目标函数，构建城市供水管网压力监测点优化布置模型；

S4、利用粒子群算法求解城市供水管网压力监测点优化布置模型，确定最优压力监测点及各压力监测点的监测区域。

2.根据权利要求1所述的一种城市供水管网压力监测点的优化布置方法，其特征在于：所述步骤S1中，城市供水管网的基础数据包括节点基本需水量、高程、管段长度、管网拓扑结构，利用EPANETH软件进行供水管网的水力平差计算，得到城市供水管网的压力、流量运行数据。

3.根据权利要求1所述的一种城市供水管网压力监测点的优化布置方法，其特征在于，所述步骤S2的具体过程为：

S21、根据步骤S1构建的城市供水管网水力模型，求解任意两节点间的压力差：

P(i,j)＝|H_i-H_j|

其中，H_i、H_j分别表示基准工况下节点i、j的水压，i＝1、2、3……n，j＝1、2、3……n，得到压差矩阵[P]_n×n，其中n为城市供水管网水力模型的n个节点；

S22、利用迪杰斯特拉算法求解任意两节点间的最短距离，得到最短距离矩阵[D]_n×n；

S23、利用欧氏距离法求解水量影响模糊相似矩阵[R]_n×n，公式如下：

<mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>H</mi> <mi>i</mi> </msub> <mo>-</mo> <msubsup> <mi>H</mi> <mi>i</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> <mrow> <msub> <mi>H</mi> <mi>j</mi> </msub> <mo>-</mo> <msubsup> <mi>H</mi> <mi>j</mi> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> </mrow>

<mrow> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>X</mi> <mi>j</mi> <mi>a</mi> </msubsup> </mrow> <msubsup> <mi>X</mi> <mi>j</mi> <mi>s</mi> </msubsup> </mfrac> </mrow>

<mrow> <msup> <mi>X</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mi>X</mi> <msup> <mi>j</mi> <mi>min</mi> </msup> <mo>&amp;prime;</mo> </msubsup> </mrow> <mrow> <msubsup> <mi>X</mi> <msup> <mi>j</mi> <mi>max</mi> </msup> <mo>&amp;prime;</mo> </msubsup> <mo>-</mo> <msubsup> <mi>X</mi> <msup> <mi>j</mi> <mi>min</mi> </msup> <mo>&amp;prime;</mo> </msubsup> </mrow> </mfrac> </mrow>

<mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> <mo>-</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msup> <mrow> <mo>(</mo> <msup> <mi>X</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> <mo>-</mo> <msup> <mi>X</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>

其中，X(i,j)表示j节点流量变化对i节点的压力影响系数，得到影响系数矩阵[X]_n×n，H_i、H_j分别表示基准工况下节点i、j的水压，H′_i、H'_j分别表示j节点流量改变后节点i、j的水压，X'(i,j)表示对影响系数矩阵[X]_n×n进行标准化计算后得到的水量影响标准矩阵[X']_n×n，表示水量影响标准矩阵[X']_n×n中第j列元素的平均值，示水量影响标准矩阵[X']_n×n中第j列元素的标准差，X”(i,j)表示对水量影响标准矩阵[X']_n×n进行处理得到的水量影响极值标准矩阵[X”]_n×n，和分别表示水量影响标准矩阵[X']_n×n中第j列元素中最小和最大的元素，r(i,j)表示节点i、j的欧式距离，得到水量影响模糊相似矩阵[R]_n×n，反映节点i、j水压波动相似程度，i＝1、2、3……n，j＝1、2、3……n；

S24、确定城市供水管网压力监测点优化布置模型的约束条件，公式如下：

P(i,j)<h，D(i,j)<d，R(i,j)>λ

其中，P(i,j)表示节点i、j的压力差，D(i,j)表示节点i、j的最短距离，R(i,j)表示节点i、j的欧式距离，h、d、λ表示根据城市供水管网水力模型给出的设定值。

4.根据权利要求1所述的一种城市供水管网压力监测点的优化布置方法，其特征在于，所述步骤S3的具体过程为：

S31、城市供水管网压力监测点优化布置目标为，与某一压力监测点满足压力相关性条件和需水量变化条件的节点个数的最大化，目标函数公式如下：

maxT＝count(Ax₁∪Ax₂……∪Ax_m)

其中，T表示某一布设方案内满足约束条件的所有连接节点集合的元素个数，x_i表示第i个压力监测点的节点编号，Ax_i表示与监测点x_i满足节点压力相关性和需水量变化条件的节点集合，m表示从n个节点中选取的压力监测点的数量；

S32、构建城市供水管网压力监测点优化布置模型，公式如下：

maxT＝count(Ax₁∪Ax₂……∪Ax_m)

s.t.X＝{X₁、X₂……X_n}

Ax_i＝{j|P(X_i,j)<h,D(X_i,j)<d,R(X_i,j)>λ}

其中，i＝1、2、3……n，j＝1、2、3……n，n为城市供水管网水力模型的n个节点，m表示从n个节点中选取的压力监测点的数量，x_i表示第i个压力监测点的节点编号，X表示m个压力监测点的集合，Ax_i表示与监测点x_i满足节点压力相关性和需水量变化条件的节点集合，P(X_i,j)表示压差矩阵[P]_n×n第X_i行、第j列的元素，D(X_i,j)表示最短距离矩阵[D]_n×n的第X_i行、第j列的元素，R(X_i,j)表示水量影响模糊相似矩阵[R]_n×n的第X_i行、第j列的元素，h、d、λ表示根据城市供水管网水力模型给出的设定值。

5.根据权利要求1所述的一种城市供水管网压力监测点的优化布置方法，其特征在于：所述步骤S4的具体过程为：

S41、初始化粒子群速度V_t、位置X_t、粒子数s、粒子长度l、惯性权重ω、学习因子c₁、学习因子c₂、最大飞翔速度v_max以及终止条件，设置依据如下：

粒子数s的取值范围为20～40，粒子长度l即问题解的长度，惯性权重ω使其随迭代次数增加在1.4～0间递减或取0.6～0.75间的定值，学习因子c₁＝c₂、取0～4，最大飞翔速度ν_max等于粒子范围宽度，终止条件即到达最大迭代次数或最优位置满足目标函数的最小允许误差；其中，第t个粒子的位置表示为向量第t个粒子的速度表示为向量t＝1、2、3…s，k＝1、2、3…l；

S42、计算每个粒子的适应度值T(t)；

S43、对每个粒子，用它的当前适应度值T(t)和个体极值Pbest(t)比较，如果T(t)>Pbest(t)，则用T(t)替换Pbest(t)；

S44、对每个粒子，用它的当前适应度值T(t)和全局极值gbest比较，如果T(t)>gbest，则用T(t)替换gbest；

S45、更新每个粒子当前的飞翔速度和所在位置并限制粒子飞翔速度，公式如下：

<mrow> <msubsup> <mi>v</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mi>&amp;omega;</mi> <mo>*</mo> <msubsup> <mi>v</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>+</mo> <msub> <mi>c</mi> <mn>1</mn> </msub> <msub> <mi>r</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>-</mo> <msubsup> <mi>x</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>c</mi> <mn>2</mn> </msub> <msub> <mi>r</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mi>g</mi> <mi>k</mi> </msubsup> <mo>-</mo> <msubsup> <mi>x</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> </mrow>

<mrow> <msubsup> <mi>x</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>=</mo> <msubsup> <mi>x</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>+</mo> <msubsup> <mi>v</mi> <mi>t</mi> <mi>k</mi> </msubsup> </mrow>

<mrow> <msubsup> <mi>v</mi> <mi>t</mi> <mi>k</mi> </msubsup> <mo>=</mo> <mo>|</mo> <mo>-</mo> <msubsup> <mi>v</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>k</mi> </msubsup> <mo>,</mo> <msubsup> <mi>v</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>k</mi> </msubsup> <mo>|</mo> </mrow>

其中，k＝1、2、3…l，个体极值Pbest(t)的位置记为全局极值gbest的位置记为r₁和r₂是[0,1]内变换的随机数；

S46、如果满足终止条件，输出全局极值gbest与其对应位置P_g，以及个体极值Pbest(t)与其对应位置P_t，否则重复步骤S42-S46；

S47、根据输出的全局极值gbest与其对应位置P_g，确定满足约束条件的所有连接节点集合的元素个数T与压力监测点节点编号x_i，以及与监测点x_i满足节点压力相关性和需水量变化条件的节点集合Ax_i。