CN108197725A - 基于需水量先验信息的供水管网节点需水量校核方法 - Google Patents
基于需水量先验信息的供水管网节点需水量校核方法 Download PDFInfo
- Publication number
- CN108197725A CN108197725A CN201711279379.4A CN201711279379A CN108197725A CN 108197725 A CN108197725 A CN 108197725A CN 201711279379 A CN201711279379 A CN 201711279379A CN 108197725 A CN108197725 A CN 108197725A
- Authority
- CN
- China
- Prior art keywords
- water
- water requirement
- node
- requirement
- priori
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于需水量先验信息的节点需水量校核方法,属于供水管网节点需水量的校核方法。首先通过用户远传水表、水费账单和用户分布等信息估算先验需水量及其协方差矩阵;通过管网压力和流量传感器,获取管网压力和流量监测数据及其协方差矩阵;建立校核目标函数,并对目标函数线性化,获取节点需水量迭代步长,更新节点需水量;每次迭代完成后,计算目标函数对需水量的梯度向量,当梯度向量的模小于1,则终止迭代。本方法通过引入供水管网节点需水量先验信息,进而缩小节点算法搜索空间,提高节点需水量反演精度,为供水管网水力建模等提供科学依据。
Description
技术领域
本发明属于城市供水管网节点需水量的校核方法,具体是一种基于需水量先 验信息的供水管网节节点需水量校核方法。
背景技术
供水管网模型在实用前必须先进行校核,目的是使管网模型计算的结果与布 置在管网中的传感器监测到的数据一致。模型校核则是通过调节模型参数,使得 模型计算结果与传感器监测结果达到一致。管道糙率和节点流量是影响管网模拟 精度的主要参数。一般情况下,管道糙率变化范围不大,随时间变化也非常稳定, 不需要经常校核。而节点流量是随时间和空间变化非常大,即便经过校验后的模 型,一般在经过一段时间之后,误差变大,需重新校验。此外,节点数越多,复 杂度越大,工作量越大,往往需要数月才能完成,人力物力投入很大。因此,需 水量校核问题一直是管网水力建模的瓶颈。
当前需水量校核主要有两种方法,一种是使用隐式模型,采用随机寻优算法 (进化算法,粒子群算法等);另一种是采用数值方法,通过迭代求解。隐式模 型对于小的管网模型,计算速度快,精度高;但是对于规模较大的供水管网,则 计算速度慢,难以收敛。数值方法依靠监测数据,反推模型需水量,具有计算速 度快的优点,有利于建立实时水力模型。而目前基于数值的节点需水量校核算法 一般只考虑节点压力与管道流量传感器提供的监测信息,反演结果容易偏离真实 结果。
随着供水企业对数据采集与监视控制系统(SCADA)的不断完善,一般大 用户配有远传水表,可以及时获取大用户的需水量。同时用户账单,用户分布都 可以用来估计节点需水量。针对现有数值方法只根据监测信息反演需水量而导致 结果不可靠的问题,本发明通过引入先验需水量,将有利于提高节点需水量反演 精度。
发明内容
本发明之目的在于克服现有技术的不足,在原有的节点流量反演算法基础上, 引入节点需水量先验信息矩阵,从而提高节点流量的反演精度。
为实现以上目的,本发明采取以下步骤:
对于某一供水管网,有nn个节点,np个管段,ns个水源。其中压力监测点 数目为nh,流量监测点数目为nq。
1.通过用户远传水表、水费账单和用户分布计算先验需水量,并计算先验 需水量的协方差矩阵;
(1)计算先验需水量mp。
供水管网节点总需水量Q总:
其中,Q总为水厂总出水量;ni为远传水表的数量,为第i个远传水表的上 传流量;nj为用户账单数目,为校核时段第j个用户的账单需水量, 为账单总用水量,μ为需水量分配系数。Qa为其他用户总需水量 (没有远传水表和账单缺失的用户)
对于安装有远传水表和统计过收费账单的节点,其先验需水量或
对于没有远传水表且尚未统计收费账单的用户,其先验需水量按如下计算:
其中,pa节点对应的服务人口总数,pi为某个节点的服务人口数。
(2)计算先验需水量协方差矩阵。
先验需水量协方差矩阵为对角阵,有如下形式
其中,当迭代无法收敛时,可以适当增大对角元素,最大可取值
2.通过管网压力和流量传感器,获取监测数据并计算监测数据的协方差矩 阵。
监测数据取校核时段相邻3个监测数据的均值。协方差矩阵为对角阵,对角 元素为对应监测数据的方差,由以下公式计算:
其中γ为设备精度,p为监测值。
3.对校核方程进行线性化,获取节点需水量迭代步长,更新节点需水量;
校核目标函数为:
Eout=g(m)-dobs
Em=m-mp
其中dobs为监测值,CD为监测数据协方差矩阵;mp为需水量先验值,CM为 先验需水量协方差矩阵。m为模型校核过程中预测的节点需水量。Eout表示模型 输出值(节点压力,管道流量)与监测值的误差。Em表示模型预测节点需水量 与先验值的误差。该目标函数既保证了模型输出值与监测值的偏差最小,也保证 了校核的需水量与先验需水量偏差最小。
由于供水管网水力模型为非线性方程组,需要对其进行线性化。
(1)将先验需水量作为初始需水量,计算当前需水量下的灵敏度方程
根据水力学基本方程,可得
其中,为压力对节点需水量的灵敏度矩阵。qn为节点需水量。为管 网摩阻系数矩阵。A12为管网压力节点的关联矩阵。A01为管网已知压力节点(水 源)的关联矩阵,A01=A01 T。H、Q、qs分别为压力监测点列向量、流量监测点 列向量、水源出水量列向量。C0、C1、C2为常量。
同时对该方程两边进行差分可得:
从中提取压力传感器对应的行向量,得到压力监测点对节点需水量的雅 各比矩阵Ash;从提取流量传感器对应的行向量,得到流量监测点对 节点需水量的雅各比矩阵Asq;从中提取水源对应的行向量,得到 水源出水量对节点需水量的雅各比矩阵Asqt。则监测数据对节点需水量的雅各比 矩阵有如下形式:
目标函数的线性化形式:
mk+1=mk+Δm
其中,Δm为节点需水量迭代步长,mk为当前状态的节点需水量,mk+1为下 一步节点需水量。T为计算目标函数对需水量梯度向量。每次迭代完成后,当梯 度向量T的模小于1,则终止迭代.
本发明属于供水管网节点需水量的反演方法。本方法通过引入供水管网节点 需水量先验信息,进而缩小节点算法搜索空间,提高节点需水量反演精度,为供 水管网水力建模等提供科学依据。
附图说明
图1为J市供水管网图;
图2为J市需水量与先验值的误差。
具体实施方式
本发明的目的是提供基于先验需水量的节点需水量反演算法。通过构建含节 点先验需水量目标函数,缩小了变量的搜索空间,提高节点需水量的反演精度。 该发明为供水管网初步建模、压力管理和运营调控提供技术支撑。下面结合附图, 对本发明具体实施方式作进一步详细描述。
如图1所示,J市共有水源3个,需水节点491个,管段640个,管段总长 433.52千米,布置20监测点,2个流量监测点,水厂出水量已知。具体步骤如 下:
步骤1:收集资料,获取节点先验需水量
收集包括用户远传水表、水费账单和用户分布等信息,计算先验需水量mp, 先验需水量的方差为
步骤2:获取监测数据及其协方差矩阵
表1给出了前5个监测点的压力日报表
表1部分压力监测点24h日报表(m)
注:表中H1-H11为监测点编号
本案例校核时段为凌晨7:30(最高时),监测数据取7:30相邻3个监测数据 的均值,即为7:20,7:30,7:40三个时段的监测值的均值。由于监测设备相关参 数缺失,检测仪器的标准差同一取为0.3m,对应的方差为0.09m2。
表2部分压力监测数据相关性均值与标准差
步骤3:初始化需水量,进行管网平差,计算当前需水量下的误差矩阵。
先验需水量mp为初始需水量,然后进行水力平差计算。计算监测点实测值与 模型计算值的误差。表3给出了部分计算结果相对监测值的误差:
表3部分监测点误差计算
模型输出误差(流量,压力误差)为:
Eout=[257.99 -74.37 -183.62 -6.95 -6.10 -14.38 -72.04]T
需水量误差(当前需水量与先验需水量的误差)Em,由当前需水量减去先 验需水量计算得到。
步骤4:计算当前需水量下的水源、压力、流量监测点的雅各比矩阵,通过 求解线性方程组,获取节点需水量迭代步长,更新节点需水量。
计算监测点雅各比矩阵:
Ash=(A21A11A12)-1
Asq=A11A12Ash
则监测值对节点需水量的雅各比矩阵为:
此时,需水量调节量Δm由下式计算Δm:
mk+1=mk+Δm
通过求解上述方程,将解得的Δm用于更新节点需水量。表4给出了部分节 点的经过一次迭代的需水量调整过程。
表4部分节点需水量调整
步骤5:计算目标函数对需水量的梯度向量T,如果|T|<1,终止迭代。否则, 将更新后的节点需水量mk+1用于下一次迭代,直至|T|<1。
表5给出了所有20个节点压力校核值相对于监测值的误差,可以看到,模 型计算值与压力监测值之间几乎就不存在误差,表明该方法在压力校核方面的精 度。
表5 20个压力监测点的误差
图2给出了所有节点最终校核需水量相对于先验需水量的误差。从图中可以 看出72%节点的需水量与先验需水量的偏差小于1CMH,最大的偏差只有 15CMH。表明校核的需水量与先验需水量的偏差也是极小的。
综上,该发明用于校核供水管网需水量时,在保证监测点实测值与模型计算 值误差最小的情况下,也尽可能保证节点需水量与先验信息尽符合。同时,采用 协方差矩阵放松了寻优过程中的硬约束,解决了由于监测设备误差、先验信息不 准而导致校核无法收敛的问题。
Claims (4)
1.基于需水量先验信息的节点需水量校核方法,其特征在于,包括如下步骤:
(1)通过用户远传水表、水费账单和用户分布计算先验需水量及其协方差矩阵;
(2)通过管网压力和流量传感器,获取压力和流量实时监测数据及其协方差矩阵;
(3)建立校核目标函数,对校核目标函数线性化,获取节点需水量迭代步长,更新节点需水量;
(4)更新需水量后,计算目标函数对需水量梯度向量,当梯度向量的模小于1,则终止迭代,否则,返回步骤(3)继续更新节点需水量。
2.如权利要求1所述的基于需水量先验信息的供水管网节点需水量校核方法,其特征在于所述的步骤(1)具体如下:
1.1)计算先验需水量mp
供水管网节点总需水量Q总分为三部分,远传水表用户,有账单的用户、既没有远传水表也没有账单的用户。
对于安装有远传水表和统计过收费账单的节点,其先验需水量mp由下式计算:
或
其中为第i个远传水表的上传流量,为校核时段第j个用户的账单需水量,为账单总用水量,μ为需水量分配系数。
对于既没有远传水表也没有账单的用户,其先验需水量按如下计算:
其中,pa节点对应的服务人口总数,pi为某个节点的服务人口数;Q总为水厂总出水量,由水厂出厂流量传感器监测获得;Qa为既没有远传水表也没有账单的用户总需水量;ni为远传水表的数量,nj为用户账单数目。
1.2)计算先验需水量协方差矩阵
先验需水量协方差矩阵为对角阵,有如下形式
其中,
3.如权利要求1所述的基于需水量先验信息的供水管网节点需水量校核方法,其特征在于,所述的步骤(2)具体为:
监测数据取校核时段相邻3个监测数据的均值;
协方差矩阵为对角阵,对角元素为对应监测数据的方差,由以下公式计算:
其中γ为设备精度,p为监测值。
4.如权利要求1所述的基于需水量先验信息的供水管网节点需水量校核方法,其特征在于,所述的步骤(3)具体为:
校核目标函数为:
Eout=g(m)-dobs
Em=m-mp
其中dobs为监测值,CD为监测数据协方差矩阵;mp为需水量先验值,CM为先验需水量协方差矩阵,m为模型校核过程中预测的节点需水量,Eout表示模型输出值与监测值的误差,Em表示模型预测节点需水量与先验值的误差;
由于供水管网水力模型为非线性方程组,需要对其进行线性化,
(1)将先验需水量作为初始需水量,计算当前需水量下的灵敏度方程根据水力学基本方程,可得
其中,为压力对节点需水量的灵敏度矩阵,qn为节点需水量,为管网摩阻系数矩阵,A12为管网压力节点的关联矩阵,A01为管网已知压力节点的关联矩阵,A01=A01 T,H、Q、qs分别为压力监测点列向量、流量监测点列向量、水源出水量列向量,C0、C1、C2为常量;
同时对该方程两边进行差分可得:
从中提取压力传感器对应的行向量,得到压力监测点对节点需水量的雅各比矩阵Ash;从提取流量传感器对应的行向量,得到流量监测点对节点需水量的雅各比矩阵Asq;从中提取水源对应的行向量,得到水源出水量对节点需水量的雅各比矩阵Asqt,则监测数据对节点需水量的雅各比矩阵有如下形式:
目标函数的线性化形式:
mk+1=mk+Δm
其中,Δm为节点需水量迭代步长,mk为当前状态的节点需水量,mk+1为下一步节点需水量,T为计算目标函数对需水量梯度向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711279379.4A CN108197725B (zh) | 2017-12-06 | 2017-12-06 | 基于需水量先验信息的供水管网节点需水量校核方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711279379.4A CN108197725B (zh) | 2017-12-06 | 2017-12-06 | 基于需水量先验信息的供水管网节点需水量校核方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197725A true CN108197725A (zh) | 2018-06-22 |
CN108197725B CN108197725B (zh) | 2021-05-28 |
Family
ID=62573862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711279379.4A Active CN108197725B (zh) | 2017-12-06 | 2017-12-06 | 基于需水量先验信息的供水管网节点需水量校核方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197725B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119853A (zh) * | 2019-05-29 | 2019-08-13 | 浙江大学 | 基于时间序列监测数据分析的供水管网漏损报警阈值选取方法 |
CN110210724A (zh) * | 2019-05-15 | 2019-09-06 | 浙江大学 | 一种同时耦合多种先验概率分布的供水管网节点需水量校核方法 |
CN111080115A (zh) * | 2019-12-10 | 2020-04-28 | 合肥泽众城市智能科技有限公司 | 一种基于供水水力模型的用水量分配方法及装置 |
CN112113146A (zh) * | 2020-09-18 | 2020-12-22 | 同济大学 | 供水管网管道粗糙系数和节点需水量同步自适应校核方法 |
WO2022036820A1 (zh) * | 2020-08-18 | 2022-02-24 | 浙江大学 | 一种基于供水物联网数据同化的污水管网实时模拟方法 |
CN115470729A (zh) * | 2022-09-20 | 2022-12-13 | 厦门市政水务集团有限公司 | 供水分界线获取方法及计算机可读存储介质 |
CN117113211A (zh) * | 2023-01-16 | 2023-11-24 | 杭州市水务集团有限公司 | 用于独居老人的智能化用水监测系统及其方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130073387A1 (en) * | 2011-09-15 | 2013-03-21 | Stephan HEATH | System and method for providing educational related social/geo/promo link promotional data sets for end user display of interactive ad links, promotions and sale of products, goods, and/or services integrated with 3d spatial geomapping, company and local information for selected worldwide locations and social networking |
CN103970610A (zh) * | 2014-04-30 | 2014-08-06 | 浙江传媒学院 | 一种供水管网中节点流量的监控方法 |
CN106870955A (zh) * | 2017-03-22 | 2017-06-20 | 浙江大学 | 服务于供水管网节点需水量反演的管网监测点优化布置方法 |
CN107016622A (zh) * | 2017-03-22 | 2017-08-04 | 浙江大学 | 一种含大用户用水信息的城市供水管网节点需水量反演方法 |
CN107122853A (zh) * | 2017-04-25 | 2017-09-01 | 杭州电子科技大学 | 一种供水管网实时调度系统及方法 |
CN107122519A (zh) * | 2017-03-27 | 2017-09-01 | 华南理工大学 | 一种城市供水管网压力监测点的优化布置方法 |
-
2017
- 2017-12-06 CN CN201711279379.4A patent/CN108197725B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130073387A1 (en) * | 2011-09-15 | 2013-03-21 | Stephan HEATH | System and method for providing educational related social/geo/promo link promotional data sets for end user display of interactive ad links, promotions and sale of products, goods, and/or services integrated with 3d spatial geomapping, company and local information for selected worldwide locations and social networking |
CN103970610A (zh) * | 2014-04-30 | 2014-08-06 | 浙江传媒学院 | 一种供水管网中节点流量的监控方法 |
CN106870955A (zh) * | 2017-03-22 | 2017-06-20 | 浙江大学 | 服务于供水管网节点需水量反演的管网监测点优化布置方法 |
CN107016622A (zh) * | 2017-03-22 | 2017-08-04 | 浙江大学 | 一种含大用户用水信息的城市供水管网节点需水量反演方法 |
CN107122519A (zh) * | 2017-03-27 | 2017-09-01 | 华南理工大学 | 一种城市供水管网压力监测点的优化布置方法 |
CN107122853A (zh) * | 2017-04-25 | 2017-09-01 | 杭州电子科技大学 | 一种供水管网实时调度系统及方法 |
Non-Patent Citations (1)
Title |
---|
蔡华强: ""城市供水管网DMA实时建模及应用研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210724A (zh) * | 2019-05-15 | 2019-09-06 | 浙江大学 | 一种同时耦合多种先验概率分布的供水管网节点需水量校核方法 |
CN110210724B (zh) * | 2019-05-15 | 2021-03-26 | 浙江大学 | 一种同时耦合多种先验概率分布的供水管网节点需水量校核方法 |
CN110119853A (zh) * | 2019-05-29 | 2019-08-13 | 浙江大学 | 基于时间序列监测数据分析的供水管网漏损报警阈值选取方法 |
CN110119853B (zh) * | 2019-05-29 | 2020-12-25 | 浙江大学 | 基于时间序列监测数据分析的供水管网漏损报警阈值选取方法 |
CN111080115A (zh) * | 2019-12-10 | 2020-04-28 | 合肥泽众城市智能科技有限公司 | 一种基于供水水力模型的用水量分配方法及装置 |
CN111080115B (zh) * | 2019-12-10 | 2023-08-25 | 合肥泽众城市智能科技有限公司 | 一种基于供水水力模型的用水量分配方法及装置 |
WO2022036820A1 (zh) * | 2020-08-18 | 2022-02-24 | 浙江大学 | 一种基于供水物联网数据同化的污水管网实时模拟方法 |
CN112113146A (zh) * | 2020-09-18 | 2020-12-22 | 同济大学 | 供水管网管道粗糙系数和节点需水量同步自适应校核方法 |
CN112113146B (zh) * | 2020-09-18 | 2021-09-03 | 同济大学 | 供水管网管道粗糙系数和节点需水量同步自适应校核方法 |
CN115470729A (zh) * | 2022-09-20 | 2022-12-13 | 厦门市政水务集团有限公司 | 供水分界线获取方法及计算机可读存储介质 |
CN117113211A (zh) * | 2023-01-16 | 2023-11-24 | 杭州市水务集团有限公司 | 用于独居老人的智能化用水监测系统及其方法 |
CN117113211B (zh) * | 2023-01-16 | 2024-03-12 | 杭州市水务集团有限公司 | 用于独居老人的智能化用水监测系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108197725B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197725A (zh) | 基于需水量先验信息的供水管网节点需水量校核方法 | |
CN109376925B (zh) | 供水管网节点流量动态自适应优化方法 | |
CN106849078B (zh) | 一种计及死区非线性的电力系统稳态频率预测方法 | |
Begnudelli et al. | Conservative wetting and drying methodology for quadrilateral grid finite-volume models | |
CN103336891B (zh) | 一种用于配电网状态估计的伪量测生成方法 | |
CN110168339A (zh) | 子网络水力建模的系统和方法 | |
CN109409614A (zh) | 一种基于贝叶斯正则化神经网络的电力负荷预测方法 | |
CN107016622A (zh) | 一种含大用户用水信息的城市供水管网节点需水量反演方法 | |
CN105701568B (zh) | 一种启发式的配电网状态估计量测位置快速优化方法 | |
WO2015171196A1 (en) | Virtual flow measurement system | |
CN103106314A (zh) | 太阳能光伏电源输出功率的时序概率建模方法 | |
CN109726464A (zh) | 一种土石坝流热耦合模型参数敏感性分析构建方法 | |
Zhang et al. | Integrated hydrodynamic model for simulation of river-lake-sluice interactions | |
CN108205713A (zh) | 一种区域风电功率预测误差分布确定方法和装置 | |
CN112113146A (zh) | 供水管网管道粗糙系数和节点需水量同步自适应校核方法 | |
Wang et al. | Prediction of water quality in South to North Water Transfer Project of China based on GA-optimized general regression neural network | |
CN107655549A (zh) | 一种智能燃气表在线综合误差校准方法 | |
CN103489037A (zh) | 一种可发电风资源的预测方法 | |
Liu et al. | Based on BP Neural Network Stock Prediction. | |
CN109635452A (zh) | 一种高效的多峰随机不确定性分析方法 | |
CN107728099A (zh) | 一种用于广义流量仪表运行误差远程校准的虚拟支路修正拓扑模型 | |
CN108899910B (zh) | 一种对量测噪声鲁棒的数据驱动电网潮流方程线性化计算方法 | |
Zhengxiang et al. | Application and comparison of several intelligent algorithms on Muskingum routing model | |
Liu et al. | Simulation and analysis of return flow at the field scale in the northern rice irrigation area of China | |
CN110034559A (zh) | 基于切换系统模型的电力系统融合状态估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |