CN109345044A - 一种基于可变长基因遗传算法的泵站优化调度方法 - Google Patents
一种基于可变长基因遗传算法的泵站优化调度方法 Download PDFInfo
- Publication number
- CN109345044A CN109345044A CN201811429164.0A CN201811429164A CN109345044A CN 109345044 A CN109345044 A CN 109345044A CN 201811429164 A CN201811429164 A CN 201811429164A CN 109345044 A CN109345044 A CN 109345044A
- Authority
- CN
- China
- Prior art keywords
- pump machine
- stop
- pump
- punisher
- speed
- 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.)
- Pending
Links
- 238000005086 pumping Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 13
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 11
- SPSXSWRZQFPVTJ-ZQQKUFEYSA-N hepatitis b vaccine Chemical compound C([C@H](NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CO)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](N)CCSC)C(=O)N[C@@H](CC1N=CN=C1)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C(C)C)C(=O)OC(=O)CNC(=O)CNC(=O)[C@H](C)NC(=O)[C@H]1N(CCC1)C(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CC(C)C)NC(=O)CNC(=O)[C@@H](N)CCCNC(N)=N)C1=CC=CC=C1 SPSXSWRZQFPVTJ-ZQQKUFEYSA-N 0.000 title claims abstract description 10
- 229940124736 hepatitis-B vaccine Drugs 0.000 title claims abstract description 10
- 238000005265 energy consumption Methods 0.000 claims abstract description 18
- 210000000349 chromosome Anatomy 0.000 claims description 16
- 239000010865 sewage Substances 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 6
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明涉及人工智能领域，更具体的，涉及一种基于可变长基因遗传算法的泵站优化调度方法，本发明能够动态调整泵机的数量，在泵机可随时停机检修、更换和拆装的条件下，以及满足泵站流量约束和减少泵机启停次数的条件下，保持算法有效性，并求得最佳泵机启停组合，达到功耗最小，并且适应度函数不仅仅考虑到了泵机的能耗问题，还将流量惩罚因素及泵机启停惩罚因素考虑进去，并利用sigmoid归一化函数将这三个因素进行归一化处理，防止了因数值相差较大而导致某一因素影响及微小的情况。
Description
技术领域
本发明涉及人工智能领域，更具体的，涉及一种基于可变长基因遗传算法的泵站优化调度方法。
背景技术
城市污水排放系统是城市给排水系统中的重要组成部分，承担收集和输送城市各类用户排放的废水和部分天然降水的任务，也是水污染防治和排涝减灾的骨干工程。通过科学的规划和设计可以帮助政府合理高效来处理污水排放问题，在最小能耗的情况下，将污水排放出去。
传统的污水传送泵站大都是由现场操作人员观测或者传感器检测到的前池水位信息对泵机进行启停调度，泵机启停频繁，容易造成泵机的损耗，且维护和检修费用较高。不合理的启停泵机容易造成高能耗低成效，泵机开启台数过少则易造成污水外溢。
而现有技术中采用的基于遗传算法的泵机优化调度方法在进行污水排放时，遗传操作中的基因长度往往设定为固定长度，这种固定长度的方式会造成在泵机出现损坏、更换或加装的情况下，需要重新对算法进行调整甚至重写，而且需要根据实际需求和供给对基因做一定的人为改造，干涉了算法自然选择的特性。因此，这类泵机优化调度方法通常比较适用于污水流量比较稳定，同时泵机不会出现经常损坏、更换或加装的情况下。
发明内容
为了解决现有技术中泵机优化调度方法适用范围小，且干涉了算法自然选择的特性的不足，本发明提供了一种基于可变长基因遗传算法的泵站优化调度方法。
为实现以上发明目的，采用的技术方案是：
一种基于可变长基因遗传算法的泵站优化调度方法，包括以下步骤：
步骤S1：从数据云端获取流经该泵站的污水量，并确定此时的最佳运行水位；
步骤S2：获取此时可运行泵机的型号信息及其数量参数，并将其作为遗传算法的参数之一；
步骤S3：用泵机启停关系组合作为遗传算法中的一个个体，个体染色体长度由上述泵机型号信息及其数量信息决定，其中，定速泵长度占一，变速泵占六，其中一单位长度是启停关系，剩下五单位是调速比；
步骤S4：为了加快收敛速度以及防止陷入局部最优解，初始化30个种群，分别对30个种群进行计算；
步骤S5：初始每个个体，分别计算每个个体的适应度值；开始迭代，若未满规定的迭代次数，则依次进行父代的选择、交互运算和变异运算，获得子代个体；
步骤S6：将所述最优个体对应的泵机启停作为结果，控制实际泵机。
优选的，步骤S3染色体的具体构建步骤如下：
根据获得的泵机型号信息及数量构造个体染色体，其中泵机按是否可调速分为定速泵和变速泵；其中定速泵由参数信息确定，在染色体中只需要一位来表示其启停状态即可，而变速泵需要一单位长度来表示其启停状态，需要五单位长度来确定其调速比；一条染色体即一个有效的泵机启停组，在启停状态位中，1表示泵机开启，0表示泵机关闭，由五位构成的调速比染色体分段中，由0和1组成，并用二进制转换十进制，将其转换成十进制数，乘于调速比系数即调速比，调速比系数取0.01。
优选的，步骤S5计算适应度值的方法如下：
步骤S501：用一个具有能耗系数KE表示单位体积液体输送能耗量，并以此计算泵机i的能耗Ei：
Ei＝Qi*KE
其中ρ为输送液体的密度，g为重力加速度，H为该时刻泵机的扬程，η为泵机的效率，a为效率的系数，Qi为该泵机当前需要排放的流量，KE为能耗系数。
步骤S502：计算泵站的总耗能E：
其中n为泵机台数；
步骤S503：计算惩罚因素Pp，由于泵机开启过多而导致浪费的流量差，应作为一种惩罚因素PQ，泵机的不断启停会造成仪器的损坏，因此，也因作为一个惩罚因素Pp。
其中Q为总流量，Qi为泵机i对应的污水量，n为泵机的台数，Si′为泵机i此时的启停状态，Si为泵机上一状态的泵机状态。
步骤S504：进行归一化处理；
由于E、PQ以及Pp的值相差太大，使用sigmoid函数进行归一化处理：
其中e为自然常数，E′为归一化后的能耗因素，PQ′为归一化后的流量惩罚因素，PP′为归一化后的泵机启停惩罚因素。
步骤S505：求解得出适应度函数为：
其中，α为能耗因素的系数，β为流量惩罚因素的系数，λ为泵机启停惩罚因素的系数。
与现有技术相比，本发明的有益效果是：
本发明能够动态调整泵机的数量，在泵机可随时停机检修、更换和拆装的条件下，以及满足泵站流量约束和减少泵机启停次数的条件下，保持算法有效性，并求得最佳泵机启停组合，达到功耗最小，并且适应度函数不仅仅考虑到了泵机的能耗问题，还将流量惩罚因素及泵机启停惩罚因素考虑进去，并利用sigmoid归一化函数将这三个因素进行归一化处理，防止了因数值相差较大而导致某一因素影响及微小的情况。
附图说明
图1为本发明的流程图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1所示，一种基于可变长基因遗传算法的泵站优化调度方法，包括以下步骤：
步骤S1：从数据云端获取流经该泵站的污水量，并确定此时的最佳运行水位；
步骤S2：获取此时可运行泵机的型号信息及其数量参数，并将其作为遗传算法的参数之一；
步骤S3：用泵机启停关系组合作为遗传算法中的一个个体，个体染色体长度由上述泵机型号信息及其数量信息决定，其中，定速泵长度占一，变速泵占六，其中一单位长度是启停关系，剩下五单位是调速比；
步骤S4：为了加快收敛速度以及防止陷入局部最优解，初始化30个种群，分别对30个种群进行计算；
步骤S5：初始每个个体，分别计算每个个体的适应度值；开始迭代，若未满规定的迭代次数，则依次进行父代的选择、交互运算和变异运算，获得子代个体；
步骤S6：将所述最优个体对应的泵机启停作为结果，控制实际泵机。
优选的，步骤S3染色体的具体构建步骤如下：
根据获得的泵机型号信息及数量构造个体染色体，其中泵机按是否可调速分为定速泵和变速泵；其中定速泵由参数信息确定，在染色体中只需要一位来表示其启停状态即可，而变速泵需要一单位长度来表示其启停状态，需要五单位长度来确定其调速比；一条染色体即一个有效的泵机启停组，在启停状态位中，1表示泵机开启，0表示泵机关闭，由五位构成的调速比染色体分段中，由0和1组成，并用二进制转换十进制，将其转换成十进制数，乘于调速比系数即调速比，调速比系数取0.01。
优选的，步骤S5计算适应度值的方法如下：
步骤S501：用一个具有能耗系数KE表示单位体积液体输送能耗量，计算泵机i的能耗Ei：
Ei＝Qi*KE
其中ρ为输送液体的密度，g为重力加速度，H为该时刻泵机的扬程，η为泵机的效率，a为效率的系数，Qi为该泵机当前需要排放的流量，KE为能耗系数。
步骤S502：计算泵站的总耗能E：
其中n为泵机台数；
步骤S503：计算惩罚因素Pp，由于泵机开启过多而导致浪费的流量差，作为一种惩罚因素PQ，另外泵机的不断启停会造成仪器的损坏，也因作为一个惩罚因素Pp。
其中Q为总流量，Qi为泵机i对应的污水量，n为泵机的台数，Si′为泵机i此时的启停状态，Si为泵机上一状态的泵机状态。
步骤S504：进行归一化处理；
由于E、PQ以及Pp的值相差太大，使用sigmoid函数进行归一化处理：
其中e为自然常数，E′为归一化后的能耗因素，P′Q为归一化后的流量惩罚因素，P′P为归一化后的泵机启停惩罚因素。
步骤S505：求解得出适应度函数为：
其中，α为能耗因素的系数，β为流量惩罚因素的系数，λ为泵机启停惩罚因素的系数。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种基于可变长基因遗传算法的泵站优化调度方法，其特征在于，包括以下步骤：
步骤S1：从数据云端获取流经该泵站的污水量，并确定此时的最佳运行水位；
步骤S2：获取此时可运行泵机的型号信息及其数量参数，并将其作为遗传算法的参数之一；
步骤S3：用泵机启停关系组合作为遗传算法中的一个个体，个体染色体长度由上述泵机型号信息及其数量信息决定，其中，定速泵长度占一，变速泵占六，其中一单位长度是启停关系，剩下五单位是调速比；
步骤S4：为了加快收敛速度以及防止陷入局部最优解，初始化30个种群，分别对30个种群进行计算；
步骤S5：初始每个个体，分别计算每个个体的适应度值；开始迭代，若未满规定的迭代次数，则依次进行父代的选择、交互运算和变异运算，获得子代个体；
步骤S6：将所述最优个体对应的泵机启停作为结果，控制实际泵机。
2.根据权利要求1所述的一种基于可变长基因遗传算法的泵站优化调度方法，其特征在于，步骤S3染色体的具体构建步骤如下：
根据获得的泵机型号信息及数量构造个体染色体，其中泵机按是否可调速分为定速泵和变速泵；其中定速泵由参数信息确定，在染色体中只需要一位来表示其启停状态即可，而变速泵需要一单位长度来表示其启停状态，需要五单位长度来确定其调速比；一条染色体即一个有效的泵机启停组，在启停状态位中，1表示泵机开启，0表示泵机关闭，由五位构成的调速比染色体分段中，由0和1组成，并用二进制转换十进制，将其转换成十进制数，乘于调速比系数即调速比，调速比系数取0.01。
3.根据权利要求1所述的一种基于可变长基因遗传算法的泵站优化调度方法，其特征在于，步骤S5计算适应度值的方法如下：
步骤S501：用一个具有能耗系数KE表示单位体积液体输送能耗量，并以此计算泵机i的能耗Ei：
其中ρ为输送液体的密度，g为重力加速度，H为该时刻泵机的扬程，η为泵机的效率，a为效率的系数，Qi为该泵机当前需要排放的流量，KE为能耗系数。
步骤S502：计算泵站的总耗能E：
其中n为泵机台数；
步骤S503：计算惩罚因素Pp，由于泵机开启过多而导致浪费的流量差，应作为一种惩罚因素PQ，泵机的不断启停会造成仪器的损坏，因此，也因作为一个惩罚因素Pp。
其中Q为总流量，Qi为泵机i对应的污水量，n为泵机的台数，S′i为泵机i此时的启停状态，Si为泵机上一状态的泵机状态。
步骤S504：进行归一化处理；
由于E、PQ以及的值相差太大，使用sigmoid函数进行归一化处理：
其中e为自然常数，E′为归一化后的能耗因素，P′Q为归一化后的流量惩罚因素，P′P为归一化后的泵机启停惩罚因素。
步骤S505：求解得出适应度函数为：
其中，α为能耗因素的系数，β为流量惩罚因素的系数，λ为泵机启停惩罚因素的系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811429164.0A CN109345044A (zh) | 2018-11-27 | 2018-11-27 | 一种基于可变长基因遗传算法的泵站优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811429164.0A CN109345044A (zh) | 2018-11-27 | 2018-11-27 | 一种基于可变长基因遗传算法的泵站优化调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109345044A true CN109345044A (zh) | 2019-02-15 |
Family
ID=65318470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811429164.0A Pending CN109345044A (zh) | 2018-11-27 | 2018-11-27 | 一种基于可变长基因遗传算法的泵站优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109345044A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581797A (zh) * | 2020-04-29 | 2020-08-25 | 南京南瑞水利水电科技有限公司 | 一种泵站实时优化调度方法及系统 |
| CN113987948A (zh) * | 2021-11-03 | 2022-01-28 | 江苏四联自动化科技有限公司 | 一种泵站出水流量智能测算方法及系统 |
| CN116596280A (zh) * | 2023-07-17 | 2023-08-15 | 青岛国源中创电气自动化工程有限公司 | 一种污水处理厂水泵组的协同调度方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102780235A (zh) * | 2012-08-02 | 2012-11-14 | 南通大学 | 一种基于遗传算法的抽水蓄能电站调度方法 |
| CN103762617A (zh) * | 2014-02-20 | 2014-04-30 | 华北电力大学 | 一种考虑风电机组运行健康程度的风电场优化调度方法 |
| CN106016605A (zh) * | 2016-05-26 | 2016-10-12 | 深圳达实智能股份有限公司 | 一种基于遗传算法的并联冷却泵控制方法及其装置 |
-
2018
- 2018-11-27 CN CN201811429164.0A patent/CN109345044A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102780235A (zh) * | 2012-08-02 | 2012-11-14 | 南通大学 | 一种基于遗传算法的抽水蓄能电站调度方法 |
| CN103762617A (zh) * | 2014-02-20 | 2014-04-30 | 华北电力大学 | 一种考虑风电机组运行健康程度的风电场优化调度方法 |
| CN106016605A (zh) * | 2016-05-26 | 2016-10-12 | 深圳达实智能股份有限公司 | 一种基于遗传算法的并联冷却泵控制方法及其装置 |
Non-Patent Citations (1)
| Title |
|---|
| 童立君: "基于遗传算法的水厂二级泵房智能调度系统的研究", 《中国优秀博硕士学位论文全文数据库（硕士）工程科技Ⅱ辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581797A (zh) * | 2020-04-29 | 2020-08-25 | 南京南瑞水利水电科技有限公司 | 一种泵站实时优化调度方法及系统 |
| CN111581797B (zh) * | 2020-04-29 | 2022-08-26 | 南京南瑞水利水电科技有限公司 | 一种泵站实时优化调度方法及系统 |
| CN113987948A (zh) * | 2021-11-03 | 2022-01-28 | 江苏四联自动化科技有限公司 | 一种泵站出水流量智能测算方法及系统 |
| CN116596280A (zh) * | 2023-07-17 | 2023-08-15 | 青岛国源中创电气自动化工程有限公司 | 一种污水处理厂水泵组的协同调度方法 |
| CN116596280B (zh) * | 2023-07-17 | 2023-10-03 | 青岛国源中创电气自动化工程有限公司 | 一种污水处理厂水泵组的协同调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345044A (zh) | 一种基于可变长基因遗传算法的泵站优化调度方法 | |
| WO2021109848A1 (zh) | 一种考虑提升量的生态流量确定方法 | |
| CN106951985B (zh) | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 | |
| CN113011662B (zh) | 一种区域企厂网河一体化联合优化调度的系统及方法 | |
| CN205193543U (zh) | 智能排水调度系统 | |
| CN108764573B (zh) | 一种面向内陆干旱区的水资源多维均衡配置系统 | |
| CN106026149B (zh) | 一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法 | |
| CN108876167A (zh) | 一种基于dpsir模型的滨海湿地生态安全评价方法 | |
| CN101714186B (zh) | 兼顾人类和生态需求的供水型水库调度图优化确定方法 | |
| CN106597879A (zh) | 一种污水处理提升泵优化调度方法 | |
| CN107563538A (zh) | 大电网平台下的面向关键水位控制的多目标水库群调度优化方法 | |
| CN106934496B (zh) | 耦合径流预报信息的水电站二维调度图绘制及使用方法 | |
| CN109139442A (zh) | 基于遗传算法的提升泵优先度控制方法、装置及存储介质 | |
| CN113449993B (zh) | 一种城市水源供水调度方法 | |
| CN104008425A (zh) | 基于引力搜索的水火电系统多目标调峰方法 | |
| CN112431772A (zh) | 圩垸区防汛排涝泵站群优化调度运行方法 | |
| CN110633849B (zh) | 一种基于启发式大系统分解协调思想的水资源配置方法 | |
| CN114358379A (zh) | 梯级水库旱限水位调度线优化方法、装置及系统 | |
| Zhang et al. | An optimal regulation method for parallel water-intake pump group of drinking water treatment process | |
| CN109214110B (zh) | 一种长距离提水工程优化调度方法 | |
| CN108197769B (zh) | 一种充分灌溉条件下直接补库的单库-多站系统水资源优化配置方法 | |
| CN112950096B (zh) | 厂网河一体化分类智能调度方法 | |
| CN107748930B (zh) | 一种充分灌溉条件下直接补渠的单库-多站系统水资源优化配置方法 | |
| CN109325610A (zh) | 一种面向多水源梯级泵站调水系统的分段线性调度方法 | |
| Fan et al. | Water distribution and scheduling model of an irrigation canal system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |
|
| RJ01 | Rejection of invention patent application after publication |