CN108975467A - 基于节点水龄的二次加氯方法 - Google Patents

基于节点水龄的二次加氯方法 Download PDF

Info

Publication number
CN108975467A
CN108975467A CN201810840124.9A CN201810840124A CN108975467A CN 108975467 A CN108975467 A CN 108975467A CN 201810840124 A CN201810840124 A CN 201810840124A CN 108975467 A CN108975467 A CN 108975467A
Authority
CN
China
Prior art keywords
water
node
chlorination
chlorine
age
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
CN201810840124.9A
Other languages
English (en)
Other versions
CN108975467B (zh
Inventor
信昆仑
蒋福春
张雪
孙林忠
王意宏
夏隽
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.)
Suzhou City Tap Water Co Ltd
Original Assignee
Suzhou City Tap Water Co Ltd
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 Suzhou City Tap Water Co Ltd filed Critical Suzhou City Tap Water Co Ltd
Priority to CN201810840124.9A priority Critical patent/CN108975467B/zh
Publication of CN108975467A publication Critical patent/CN108975467A/zh
Application granted granted Critical
Publication of CN108975467B publication Critical patent/CN108975467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00Treatment of water, waste water, or sewage
    • C02F1/50Treatment of water, waste water, or sewage by addition or application of a germicide or by oligodynamic treatment
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2303/00Specific treatment goals
    • C02F2303/04Disinfection
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Hydrology & Water Resources (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Treatment Of Water By Oxidation Or Reduction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于节点水龄的二次加氯方法。本发明通过在给定加氯点个数情况下,以全管网的按水量加权余氯水龄为最小目标函数进行优化,得出最佳选取二次加氯位置,然后在此基础上以合格水百分比和经济型为目标函数,进行最小加氯量的优化,得出加氯量和合格水关系的帕累托曲线,最后,在不确定条件下使得管网水质具有特定可靠性能达到至少特定的合格水量时的最小加氯量。

Description

基于节点水龄的二次加氯方法
技术领域
本发明涉及一种供水管网二次加氯优化方法,尤其涉及一种基于节点水龄的对供水管网加氯点和加氯量进行有效选取的方法。
背景技术
1974年,Rook等人在氯化后的高色度水中检测出三氯甲烷(THMs),并确认具有致癌性,随后,美国环保局对美国80多个主要城市的不同水源的自来水出水进行调查,最终确认在氯化过后的自来水中广泛存在THMs。从此,研究者开始对氯消毒及消毒副产物(DBPs)进行大量的研究,迄今为止,已发现的饮用水消毒副产物已经超过500种且仍然在不断增加。此外,多项研究可表明,DBPs的生成速率与浓度与氯投加量成正相关关系,这意味着,在出厂水中,投加越多量的氯,则产生致癌物质的量越大,用户承担的风险就越高。美国要求三卤甲烷总量在0.08mg/L之内,欧洲和日本均要求为 0.1mg/L,而我国在《生活饮用水卫生标准》已经明确规定,三卤甲烷中各种化合物的实测浓度与其自限值的比值之和不超过1。
然而,随着我国城市的不断发展,人口城镇化的比率越来越高,城市的范围也变得越来越大,为了满足管网末端的余氯要求,有些供水企业不得不在出厂水处加大氯投加量。该措施一方面增加了管网中的消毒副产物的量,增加居民患癌风险,另一方面供水企业自身也为了个别用户用水而增加投入,因此,该方法显然是不经济的。而二次加氯方案的提出一定程度上解决了该问题,二次加氯(或多级加氯)即在供水管网中除水厂外,在一个或多个高效点处增设氯投加点,由水厂及这些氯投加点共同实现管网的消毒功能。然而,实际二次加氯过程中,极少数是通过理论推算选取性质较好的加氯点以及优化加氯量的,大多数因为操作方便等问题直接将投加点设置在泵站处,虽然这种方式简便易行,但从长远的角度看,其并没有将二次加氯的优势完全发挥出来,因此根据合适的方法,选取合适的加氯位置,确保节省加氯量,同时又能保证供水的安全性,是一个值得研究的问题。
发明内容
本发明的目的在于提供一种基于节点水龄的二次加氯方法,以克服现有技术中存在的不足。
为实现上述发明目的,本发明提供一种基于节点水龄的二次加氯方法,其包括如下步骤:
S1、给定管网模型,确定初始加氯点;
S2、以全管网的按水量加权余氯水龄为最小目标函数进行遗传算法优化,得出最佳选取二次加氯位置,得到加氯点位置;
S3、以合格水百分比和经济型为目标函数,进行最小加氯量的优化,得出加氯量和合格水关系的帕累托曲线;
S4、根据I/O水质模型,通过EPANET模拟得到每个节点在特定时刻对下游节点的影响系数;
S5、对节点影响系数进行抽样,并计算在该影响系数的情况下管网一周期的最小余氯投加浓度,在计算余氯最小投加浓度时,以合格水百分比作为条件,重复分析,得到投加量的分布数据;
S6、得出最小加氯量不同的置信度及相对应的置信区间,根据置信度选取在合格水达到特定百分比时的总加氯量。
作为本发明的基于节点水龄的二次加氯方法的改进,所述定管网模型中节点水龄的公式为:
式中:为沿节点i的第n条供水路径,水从水源流到节点i所流经的时间;为流经第n条供水路径的水量;Ui为节点i所有上游水源供水路径的集合。
作为本发明的基于节点水龄的二次加氯方法的改进,所述定管网模型中余氯水龄的公式为:
式中:Wij为节点i在时刻j的余氯水龄;Tij为节点i在时刻j的水龄;ηkij为j 时刻节点i中水由节点k流来的百分比;nb为二次加氯点数;n为管网节点总数。
作为本发明的基于节点水龄的二次加氯方法的改进,所述步骤S2还包括:
建立二次加氯选址模型,根据节点余氯水龄的概念,提出如下基于水龄的二次加氯选址模型:
式中:Wij为节点i在时刻j的余氯水龄;qij为第i个节点在时刻j的需水量; Q为模拟周期内水源总出水量;t为模拟周期时刻数;n为管网节点总数。
作为本发明的基于节点水龄的二次加氯方法的改进,基于建立的二次加氯选址模型,所述步骤S2还包括:通过整数索引来表示加氯点的位置,最小索引为1,最大索引为节点的个数。
作为本发明的基于节点水龄的二次加氯方法的改进,根据管网加氯经济型要求,设定加氯量优化模型并求解,具体步骤如下:
(1)确定加氯方式为流量比例加氯方式,流量比例加氯为根据上游进入该点的总流量,向水中投加相应质量的氯;
(2)建立加氯量优化模型,主要目标函数为加氯效果及经济性,其中加氯效果用合格水百分比表示,加氯经济性则直接用总加氯量表示。
作为本发明的基于节点水龄的二次加氯方法的改进,所述合格水百分比为:
式中:为节点i在k时刻的用水量;为合格水乘子,若则为1,其余为0;D为一周期内总供水量,供水余氯浓度要求上下限分别取为4mg/L 和0.2mg/L。
作为本发明的基于节点水龄的二次加氯方法的改进,所述总加氯量为:
式中:nb为加氯点个数;ui为第i个加氯点的加氯浓度;为j时刻进入加氯点i的流量;Δt为水力步长。
作为本发明的基于节点水龄的二次加氯方法的改进,所述步骤S6具体包括:
(1)确定节点余氯影响系数所服从的概率分布,选择正态分布作为影响系数的默认分布;
(2)以最小加氯量优化模型为基础,以确定的合格水百分比为条件,对模型进行蒙特卡洛模拟,根据分布可抽样得到对应的影响系数值,从而进行蒙特卡洛模拟得到最小加氯量的分布。
作为本发明的基于节点水龄的二次加氯方法的改进,所述步骤S6还包括:
根据(2)的分析模拟情况得到最小加氯量的不同置信度及相对应的置信区间,根据该结果,得到在确定置信区间内,合格水达到确定百分比时的最小加氯量。
与现有技术相比,本发明的有益效果是:本发明通过在给定加氯点个数情况下,以全管网的按水量加权余氯水龄为最小目标函数进行优化,得出最佳选取二次加氯位置,然后在此基础上以合格水百分比和经济型为目标函数,进行最小加氯量的优化,得出加氯量和合格水关系的帕累托曲线,最后,在不确定条件下使得管网水质具有特定可靠性能达到至少特定的合格水量时的最小加氯量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基本流程图;
图2为加氯点选址流程图;
图3为加氯量优化流程图;
图4为实施例中管网的示意图;
图5为二次加氯点数为2时加氯量-合格水百分比变化图;
图6为二次加氯优化后50h水质情况图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
如图1至3所示,本发明的基于节点水龄的二次加氯方法包括如下步骤:
S1、给定管网模型,确定初始加氯点;
具体地,建立二次加氯选址模型。
结合节点水龄含义,定义余氯水龄的新概念,根据所求目标,基于节点水龄、余氯水龄建立目标函数,通过遗传算法,找出最适加氯位置,具体步骤如下:
(1)节点水龄概念,节点水龄可以表示源水经过水厂的一系列处理后,从水厂出厂开始算起,经过供水管网到达某节点所经历的时间,称为该节点的节点水龄,用公式表达节点水龄的定义式为:
式中:为沿节点i的第n条供水路径,水从水源流到节点i所流经的时间;为流经第n条供水路径的水量;Ui为节点i所有上游水源供水路径的集合。
从而,节点水龄可以直接通过EPANET等软件的水质分析模块直接进行模拟计算。
根据节点水龄概念,定义余氯水龄概念,即氯到达节点所经过的流行时间,可用下式表示:
式中:Wij为节点i在时刻j的余氯水龄;Tij为节点i在时刻j的水龄;ηkij为j 时刻节点i中水由节点k流来的百分比;nb为二次加氯点数;n为管网节点总数。
该定义表明,余氯水龄的含义是余氯由投加的时刻到达节点的时刻所经历的衰减时间,而不同水流路径上的加氯点对下游节点j造成的影响不同,若直接用j的水龄减去上游节点的水龄则不能体现出由不同路径的水量不同而带来的水质的差异,因此在上游节点水龄Tkj后乘以水流百分比nkij,式中加氯点个数 nb是由决策者自行给定的。
S2、以全管网的按水量加权余氯水龄为最小目标函数进行遗传算法优化,得出最佳选取二次加氯位置,得到加氯点位置;
具体地,建立二次加氯选址模型,根据节点余氯水龄的概念,提出如下基于水龄的二次加氯选址模型:
式中:Wij为节点i在时刻j的余氯水龄;qij为第i个节点在时刻j的需水量;Q为模拟周期内水源总出水量;t为模拟周期时刻数;n为管网节点总数。
该式的含义是使得全管网的按水量加权余氯水龄最小,加上水量权重因子可以突出不同时刻不同节点的重要性,若某节点用水量大,则该节点对全局造成的影响就会较大。
进一步地,进行模型求解时,本模型的主要决策变量为加氯点的位置,在 EPANET中,加氯点的位置通过整数索引来表示,最小索引为1,最大索引为节点的个数,因此本模型可采用遗传算法工具箱Gatbx予以求解。
S3、以合格水百分比和经济型为目标函数,进行最小加氯量的优化,得出加氯量和合格水关系的帕累托曲线;
S4、根据I/O水质模型,通过EPANET模拟得到每个节点在特定时刻对下游节点的影响系数;
S5、对节点影响系数进行抽样,并计算在该影响系数的情况下管网一周期的最小余氯投加浓度,在计算余氯最小投加浓度时,以合格水百分比作为条件,重复分析,得到投加量的分布数据。
具体地,进行加氯量优化时,通过上述步骤能够得到管网的合适加氯位置,然后,根据管网加氯经济型要求,设定加氯量优化模型并求解,具体步骤如下:
(1)确定加氯方式为流量比例加氯方式,流量比例加氯的含义是根据上游进入该点的总流量,向水中投加相应质量的氯,可以理解为向节点来水中的单位体积中投入固定质量的氯,可简单理解为对来水中的余氯浓度提高固定数值。
(2)建立加氯量优化模型,主要目标函数为加氯效果及经济性,其中加氯效果用合格水百分比表示,加氯经济性则直接用总加氯量表示。
主要目标函数:
①合格水百分比,所谓合格水,就是余氯浓度在要求上下限之内的水,合格水百分比即指合格水量占一周期当中总水量的百分比,用数学式表达如下:
式中:为节点i在k时刻的用水量;为合格水乘子,若则为1,其余为0;D为一周期内总供水量。供水余氯浓度要求上下限分别取为 4mg/L和0.2mg/L。
②加氯经济性,加氯经济性直接采用加氯量之和表示,本发明以流量比例加氯作为加氯方式,因此在水量不变的情况下,加氯量即为每个加氯点的浓度与体积之积,如下式所示:
式中:nb为加氯点个数;ui为第i个加氯点的加氯浓度;为j时刻进入加氯点i的流量;Δt为水力步长。在本步中,可以获得在确定条件下的加氯量和合格水的帕累托关系,通过帕累托关系,可以获得在想要的合格水百分比条件下最小的加氯量。
S6、得出最小加氯量不同的置信度及相对应的置信区间,根据置信度选取在合格水达到特定百分比时的总加氯量。
具体地,进行余氯不确定性分析时:
对实际应用还应做余氯不确定性分析,在上述已有的模型基础上,考虑实际情况,根据蒙特卡洛模拟的相关原理,可以得到最小加氯量的分布。具体步骤如下:
(1)确定节点余氯影响系数所服从的概率分布,在节点余氯影响系数概率分布的选择上,有正态分布、均匀分布及三角分布等多种情况,正太分布因在误差研究方面具有广泛应用,本发明选择正态分布作为影响系数的默认分布。
本发明利用标示水流流行时间的指标为节点水龄来对每个节点的标准差进行赋值。对余氯随机变化的程度进行假设,发明设定,对于研究周期内水龄最小(Tmin)的节点a余氯影响系数其有99%的概率分布在确定值的80%到120%之内,即:
而对于水龄最大(Tmax)的节点b,设定其随机余氯影响系数只有 80%的概率分布在确定值的80%到120%之间,即:
以上关系进行变化,根据正太分布的相关理论,对于任意节点j的影响系数,假设其与水龄有线性关系,则
上式即为在节点余氯随机性研究中确定各时刻各节点影响系数所服从的概率分布的标准差的公式。
(2)以上述最小加氯量优化模型为基础,以确定的合格水百分比为条件,对模型进行蒙特卡洛模拟,根据影响系数的平均值及(1)中式所求得的标准差,根据该分布可抽样得到对应的影响系数值,从而进行蒙特卡洛模拟得到最小加氯量的分布。
(3)结果分析,根据(2)的分析模拟情况可以得到最小加氯量的不同置信度及相对应的置信区间,根据该结果,可以得到在确定置信区间内,合格水达到确定百分比时的最小加氯量,与(2)中的确定条件下的最小加氯量相比,优化了结果,使其更加符合实际。
下面结合实施例对本发明的技术方案进行举例说明。
实施例
本实施例主要通过3个步骤实现供水管网二次加氯的优化,具体如下:
1、加氯点选址
如图4所示为该管网示意图,针对加氯点为1、2、3个的情况进行试验,水力步长为1h,水质模拟步长为15min,对只有水源点加氯的情况下49-72h内的余氯水龄进行计算,结果为10.53h,根据上述模型,对加氯点数量为1、2、3 的情况及选址及其对应的余氯水龄进行了计算。如表1所示。
二次加氯点个数 选址结果 余氯水龄(h)
1 1、17 7.46
2 1、5、17 6.18
3 1、5、9、17 4.92
表1
2、加氯量优化
根据上述模型,采用经济性与合格水量作为目标函数进行加氯量优化,优化中设置合格水量下限为90%。对无二次加氯点的初始情况以及上述三种二次加氯点选址情况分别进行NSGA-Ⅱ优化,初始种群为50个个体,遗传代数为500代,图5为二次加氯点数为2时加氯量-合格水百分比变化图,表2为该情况下加氯量对合格水提升关系。选择96%合格水作为要求点,优化得最适加氯点为1、5、7,总投加量为85.00Kg/d。
表2
3.最小加氯量蒙特卡洛模拟
假设节点余氯的影响系数服从正态分布,其均值即为模拟读取值,对节点影响系数进行抽样,并计算在该影响系数的情况下管网一周期的的最小余氯投加浓度,在计算余氯最小投加浓度时,以特定的合格水百分比作为条件(本例选取96%),重复10000次分析,得到投加量的分布数据,根据最小加氯量概率分布,得出最小加氯量不同的置信度及相对应的置信区间,以100%置信度为结果,表示有100%的把握使得管网合格水百分比至少达到96%,此时总加氯量为 96.25Kg/d,此时1、5、7各节点投加氯量分别为1.27mg/l,0.76mg/l,1.38mg/l。图6为二次加氯优化后50h水质情况图,可以看出,余氯分布较均匀,能有效提升供水安全性。
综上所述,本发明通过在给定加氯点个数情况下,以全管网的按水量加权余氯水龄为最小目标函数进行优化,得出最佳选取二次加氯位置,然后在此基础上以合格水百分比和经济型为目标函数,进行最小加氯量的优化,得出加氯量和合格水关系的帕累托曲线,最后,在不确定条件下使得管网水质具有特定可靠性能达到至少特定的合格水量时的最小加氯量。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种基于节点水龄的二次加氯方法,其特征在于,所述基于节点水龄的二次加氯方法包括如下步骤:
S1、给定管网模型,确定初始加氯点;
S2、以全管网的按水量加权余氯水龄为最小目标函数进行遗传算法优化,得出最佳选取二次加氯位置,得到加氯点位置;
S3、以合格水百分比和经济型为目标函数,进行最小加氯量的优化,得出加氯量和合格水关系的帕累托曲线;
S4、根据I/O水质模型,通过EPANET模拟得到每个节点在特定时刻对下游节点的影响系数;
S5、对节点影响系数进行抽样,并计算在该影响系数的情况下管网一周期的最小余氯投加浓度,在计算余氯最小投加浓度时,以合格水百分比作为条件,重复分析,得到投加量的分布数据;
S6、得出最小加氯量不同的置信度及相对应的置信区间,根据置信度选取在合格水达到特定百分比时的总加氯量。
2.根据权利要求1所述的基于节点水龄的二次加氯方法,其特征在于,所述定管网模型中节点水龄的公式为:
式中:为沿节点i的第n条供水路径,水从水源流到节点i所流经的时间;为流经第n条供水路径的水量;Ui为节点i所有上游水源供水路径的集合。
3.根据权利要求1所述的基于节点水龄的二次加氯方法,其特征在于,所述定管网模型中余氯水龄的公式为:
式中:Wij为节点i在时刻j的余氯水龄;Tij为节点i在时刻j的水龄;ηkij为j时刻节点i中水由节点k流来的百分比;nb为二次加氯点数;n为管网节点总数。
4.根据权利要求1所述的基于节点水龄的二次加氯方法,其特征在于,所述步骤S2还包括:
建立二次加氯选址模型,根据节点余氯水龄的概念,提出如下基于水龄的二次加氯选址模型:
式中:Wij为节点i在时刻j的余氯水龄;qij为第i个节点在时刻j的需水量;Q为模拟周期内水源总出水量;t为模拟周期时刻数;n为管网节点总数。
5.根据权利要求4所述的基于节点水龄的二次加氯方法,其特征在于,基于建立的二次加氯选址模型,所述步骤S2还包括:通过整数索引来表示加氯点的位置,最小索引为1,最大索引为节点的个数。
6.根据权利要求5所述的基于节点水龄的二次加氯方法,其特征在于,根据管网加氯经济型要求,设定加氯量优化模型并求解,具体步骤如下:
(1)确定加氯方式为流量比例加氯方式,流量比例加氯为根据上游进入该点的总流量,向水中投加相应质量的氯;
(2)建立加氯量优化模型,主要目标函数为加氯效果及经济性,其中加氯效果用合格水百分比表示,加氯经济性则直接用总加氯量表示。
7.根据权利要求6所述的基于节点水龄的二次加氯方法,其特征在于,所述合格水百分比为:
式中:为节点i在k时刻的用水量;为合格水乘子,若则为1,其余为0;D为一周期内总供水量,供水余氯浓度要求上下限分别取为4mg/L和0.2mg/L。
8.根据权利要求6所述的基于节点水龄的二次加氯方法,其特征在于,所述总加氯量为:
式中:nb为加氯点个数;ui为第i个加氯点的加氯浓度;为j时刻进入加氯点i的流量;Δt为水力步长。
9.根据权利要求1所述的基于节点水龄的二次加氯方法,其特征在于,所述步骤S6具体包括:
(1)确定节点余氯影响系数所服从的概率分布,选择正态分布作为影响系数的默认分布;
(2)以最小加氯量优化模型为基础,以确定的合格水百分比为条件,对模型进行蒙特卡洛模拟,根据分布可抽样得到对应的影响系数值,从而进行蒙特卡洛模拟得到最小加氯量的分布。
10.根据权利要求9所述的基于节点水龄的二次加氯方法,其特征在于,所述步骤S6还包括:
根据(2)的分析模拟情况得到最小加氯量的不同置信度及相对应的置信区间,根据该结果,得到在确定置信区间内,合格水达到确定百分比时的最小加氯量。
CN201810840124.9A 2018-07-27 2018-07-27 基于节点水龄的二次加氯方法 Active CN108975467B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810840124.9A CN108975467B (zh) 2018-07-27 2018-07-27 基于节点水龄的二次加氯方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810840124.9A CN108975467B (zh) 2018-07-27 2018-07-27 基于节点水龄的二次加氯方法

Publications (2)

Publication Number Publication Date
CN108975467A true CN108975467A (zh) 2018-12-11
CN108975467B CN108975467B (zh) 2021-10-01

Family

ID=64551354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810840124.9A Active CN108975467B (zh) 2018-07-27 2018-07-27 基于节点水龄的二次加氯方法

Country Status (1)

Country Link
CN (1) CN108975467B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110204021A (zh) * 2019-06-06 2019-09-06 清华大学 一种基于用户反馈的龙头水水质保障方法
CN113651402A (zh) * 2021-08-31 2021-11-16 哈尔滨天达控制股份有限公司 一种水处理加氯控制方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707027A (zh) * 2012-06-12 2012-10-03 浙江大学 水中加氯后余氯衰减的快反应需氯量的确定方法
CN203625095U (zh) * 2013-12-03 2014-06-04 安徽舜禹水务实业有限公司 一种大容积水箱用二次供水水质监测净化装置
CN204529417U (zh) * 2014-11-26 2015-08-05 北京国电德安电力工程有限公司 新型二氧化氯加药系统
CN105825047A (zh) * 2016-03-11 2016-08-03 广州地理研究所 基于gis的管网末梢水质模拟方法
CN108320060A (zh) * 2018-03-14 2018-07-24 成都市自来水有限责任公司 一种基于城市供水管网人工水质监测点选址方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707027A (zh) * 2012-06-12 2012-10-03 浙江大学 水中加氯后余氯衰减的快反应需氯量的确定方法
CN203625095U (zh) * 2013-12-03 2014-06-04 安徽舜禹水务实业有限公司 一种大容积水箱用二次供水水质监测净化装置
CN204529417U (zh) * 2014-11-26 2015-08-05 北京国电德安电力工程有限公司 新型二氧化氯加药系统
CN105825047A (zh) * 2016-03-11 2016-08-03 广州地理研究所 基于gis的管网末梢水质模拟方法
CN108320060A (zh) * 2018-03-14 2018-07-24 成都市自来水有限责任公司 一种基于城市供水管网人工水质监测点选址方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
伍悦滨等: "《用节点水龄量度给水管网的水质状况》", 《给水排水》 *
瞿玲芳等: "《城乡统筹供水管网加氯优化及水质均匀度评价》", 《给水排水》 *
马力辉等: "《城市供水管网二次加氯研究进展》", 《环境污染与防治》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110204021A (zh) * 2019-06-06 2019-09-06 清华大学 一种基于用户反馈的龙头水水质保障方法
CN113651402A (zh) * 2021-08-31 2021-11-16 哈尔滨天达控制股份有限公司 一种水处理加氯控制方法和装置
CN113651402B (zh) * 2021-08-31 2022-03-08 哈尔滨天达控制股份有限公司 一种水处理加氯控制方法和装置

Also Published As

Publication number Publication date
CN108975467B (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
Alcamo et al. World water in 2025
Li et al. Quantifying the sustainability of water use systems: Calculating the balance between network efficiency and resilience
CN108975467A (zh) 基于节点水龄的二次加氯方法
CN110689283B (zh) 基于地下水模型的河系与渠系交错供水模拟方法及装置
Wu et al. Green efficiency of water resources in Northwest China: Spatial-temporal heterogeneity and convergence trends
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
US11295245B2 (en) Method and system for ecological operation of total phosphorus export of cascade hydropower station
CN107609679A (zh) 一种年调节水库发电调度图的多参数优选绘制方法及系统
Qu et al. T21 China 2050: A tool for national sustainable development planning
CN105825047A (zh) 基于gis的管网末梢水质模拟方法
CN106599562B (zh) 基于概率加权fdc法的河流生态需水量计算方法
CN113469528A (zh) 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法
Pang et al. Bayesian networks for environmental flow decision-making and an application in the Yellow River estuary, China
Mohammad Ashrafi Two-stage metaheuristic mixed integer nonlinear programming approach to extract optimum hedging rules for multireservoir systems
Yin et al. Suitable range of reservoir storage capacities for environmental flow provision
CN109103881A (zh) 适用于多场景的电力负荷预测方法
Sung et al. How government policies affect the export dynamics of renewable energy technologies: A subsectoral analysis
CN114841475A (zh) 一种基于二维变量随机模拟的水资源优化分配方法
CN103530700A (zh) 城区配电网饱和负荷综合预测方法
Safavi et al. Conjunctive use of surface and ground water using fuzzy neural network and genetic algorithm
Zhang et al. Water resources optimal allocation model for coordinating regional multi-level water resources managers’ interests
CN105574325B (zh) 一种结合人口指标的中长期用电量预测方法
Bai et al. Study on multi-objective optimal operation of Xiaolangdi Reservoir based on NNIA algorithm
Wang et al. An Improved Method for Evaluating Regional Resource Carrying Capacities: A Case Study of the Tarim River Basin in Arid China.
CN110578317B (zh) 一种水文模型水库泄水量模拟方法

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
CB03 Change of inventor or designer information

Inventor after: Zhang Xue

Inventor after: Xinkunlun

Inventor after: Jiang Fuchun

Inventor after: Sun Linzhong

Inventor after: Wang Yihong

Inventor after: Xia Juan

Inventor before: Xinkunlun

Inventor before: Jiang Fuchun

Inventor before: Zhang Xue

Inventor before: Sun Linzhong

Inventor before: Wang Yihong

Inventor before: Xia Juan

CB03 Change of inventor or designer information