CN109376925A - 供水管网节点流量动态自适应优化方法 - Google Patents
供水管网节点流量动态自适应优化方法 Download PDFInfo
- Publication number
- CN109376925A CN109376925A CN201811233607.9A CN201811233607A CN109376925A CN 109376925 A CN109376925 A CN 109376925A CN 201811233607 A CN201811233607 A CN 201811233607A CN 109376925 A CN109376925 A CN 109376925A
- Authority
- CN
- China
- Prior art keywords
- flow
- node
- water supply
- supply network
- model
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 89
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 11
- 230000007246 mechanism Effects 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims abstract description 6
- 238000004088 simulation Methods 0.000 claims description 24
- 230000035945 sensitivity Effects 0.000 claims description 17
- 230000004907 flux Effects 0.000 claims description 6
- 238000010206 sensitivity analysis Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012821 model calculation Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000012937 correction Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 241001269238 Data Species 0.000 abstract 1
- 238000005094 computer simulation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000013456 study Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000013589 supplement 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明从供水管网节点流量的随机性特征出发,探索一种基于不确定性分析的供水管网节点流量动态自适应优化方法,首先通过不确定性分析,计算敏感节点流量的概率分布,确定其合理优化区间;动态捕捉管网压力、流量等在线监测数据的变化,采用智能优化算法,实现管网敏感节点流量的动态自适应优化调整,本发明的有益效果:本发明提出了一种供水管网节点流量动态自适应优化机制,动态捕捉管网在线监测数据的实时变化,实现了敏感节点流量的快速响应校正;该技术通过不确定性分析,得到压力监测值的概率分布,进而通过反演计算,得到敏感节点流量的概率分布,使得节点流量优化的范围有据可循,同时也大大缩短了优化计算耗时。
Description
技术领域
本发明属于市政工程技术领域,具体涉及一种基于不确定性分析的供水管网节点流量动态自适应优化方法。
背景技术
给水管网作为给水系统中的重要组成部分,属于城镇国民基础设施,在城镇的成长发展中起着重要作用。给水管网仿真建模是实现供水系统现代化管理的必要手段与途径,它不仅有助于供水调度、优化运营管理,还是开展管网水质模拟、漏损定位等相关研究的基础。
城市供水管网模型是建立在一定的数学模型的基础上,因而数学模型与实际管网的拟合度制约着管网模型的精确度,一般来说,城市供水管网仿真模型的准确与否取决于以下四个方面:
1、供水管网属性信息(包括管网拓扑结构、管径、管长、节点标高等)的准确度;
2、供水管网图形信息(包括管网拓扑结构、地形图等)的准确度;
3、供水管网参数信息(包括节点流量、管道阻力系数、大用户用水量、水泵特性曲线等)的准确度。
对于其中的前两个方面,目前主要是通过针对性的补充复核调查、现场检测及补充试验校正等手段来有效提高其准确度。对于供水管网仿真模型的建立和研究而言,第三个方面中管网节点流量确定的是否合理,将直接关系到所构建的仿真模型的精度和准确度,而这也是目前研究的重点和难点。节点流量的确定是供水管网仿真建模的一个重要环节,由于用户用水的分散性、随机性和动态性,给管网仿真建模过程中节点流量的确定带来了一定的难度。
总结国内节点流量研究状况,其思路基本类似,只是对用户的分类方式、节点流量区域的划分、用户用水模式曲线及节点流量计算模型等的研究,基本上可以把节点流量的计算过程总结为三个部分:
1、用户的分类及节点流量区域的划分。该过程的目的是将用户在某种方式对应到相应的节点,并且对不同用户进行分类,最终转化为节点流量的计算;
2、用水量变化曲线的分析。对典型用户用水模式进行测试分析并绘制用水量变化曲线。
3、节点流量的计算与确定。建立供水管网节点流量计算模型,确定大用户及各节点用水量。
目前,在我国城市供水管网仿真建模过程中,以上传统节点流量计算方法虽然得到了广泛应用,但过多的依赖于各节点用水的观测数据,而各地区数据的真实性和完整性也难以有效保证,计算的节点水量往往与真实用水量相差较大,从而导致所构建的仿真模型的误差也较大。陈凌等(2006)通过供水管网GIS中的“水表上溯”来定位水力模型中的用水节点,并且利用营业收费数据来确定节点的平均用水;然而我国大部分城市的水表设施陈旧,“水表上溯”其数据的准确性难以验证,而营业收费数据仅能反应每个月或者每个季度用户用水量的情况,无法较为准确的反映出用户每日或24小时的用水量变化规律。公开号CN107563007A采用数值计算建立了一种对节点流量和管道阻力系数同时校正的方法,用于解决大型复杂的实际供水管网校正问题;但现实中的用户用水具有动态性和随机性,该方法作为一种参数校正方法,无法实现节点流量的实时动态调整。
综上所述,虽然目前伴随着计算机技术的发展,供水管网仿真建模技术得到了广泛的研究和应用,但是由于城市用户用水监控与记录设施及资料的缺乏性以及用户用水的随机性等原因,仿真模型中节点流量仍然难以准确把握,以往传统计算方法往往通过计算加校核的方式对节点流量及其变化模式加以量化,在仿真模拟过程中不再根据在线监测数据对节点流量进行动态适应性优化和调整,大大的影响了模拟的准确度甚至决策的合理性。
发明内容
针对上述问题,本发明从供水管网节点流量的随机性特征出发,探索一种基于不确定性分析的供水管网节点流量动态自适应优化方法。
本方法是通过以下技术方案来实现的:
(1)节点流量的初算
按照传统节点流量计算方法,将节点流量分为大用户流量、普通用户流量及漏失量三部分,初步计算各节点的基础节点流量;按照管网特征,对管网用户进行分类,并展开参数测试,分析各类用户的用水量变化规律并绘制相应曲线,计算各类用户的用水量变化模式;
(2)构建管网水力模型
(3)灵敏度分析计算
以所构建的供水管网水力模型为基础,建立节点流量对管网压力的灵敏度模型;以灵敏度计算分析结果为依据,筛选出灵敏度系数较高的节点,作为动态自适应优化的对象;
(4)不确定性分析
以筛选出的灵敏度系数较高的节点为对象,展开不确定性分析计算;采用蒙特卡洛方法建立概率分布模型,抽样生成敏感节点流量随机数,以随机数作为仿真模型的输入参数进行水力模拟计算,得到监测点压力值的概率分布,并绘制监测点压力的累积密度分布曲线;
(5)建立供水管网反演计算模型
采用BP人工神经网络建立供水管网反演计算模型;以所建立的微观管网水力模型为基础,采用敏感节点流量值与相应的监测点压力值进行模型训练,以监测点压力值的概率分布为输入数据,通过反演计算,获得敏感节点流量的概率分布,并存入管网节点流量动态优化数据库;
(6)供水管网节点流量动态自适应优化
以供水管网在线压力、流量监测数据为基础,建立节点流量动态自适应调整机制;以敏感节点流量为自变量,以压力监测点、流量监测点监测值与模拟值差值最小为目标,以敏感节点流量的概率分布为约束,建立动态自适应优化模型,实现供水管网敏感节点流量的动态自适应优化。
本发明的有益效果:
(1)本发明提出了一种供水管网节点流量动态自适应优化机制,动态捕捉管网在线监测数据的实时变化,实现了敏感节点流量的快速响应校正,克服了传统节点流量校核的延迟性和滞后性;
(2)该技术通过不确定性分析,得到压力监测值的概率分布,进而通过反演计算,得到敏感节点流量的概率分布,使得节点流量优化的范围有据可循,同时也大大缩短了优化计算耗时;
(3)该技术的发明与应用,依托管网在线监测数据,使得所构建的仿真模型与实际管网更加吻合,将大大提高所构建的仿真模型的精度;
(4)该技术能够灵活的运用于城市供水管网仿真建模过程中,特别是对于边界流量难以把握的开放式局域供水管网,该技术的应用效果则更为显著,因而具有广泛的适用性。
附图说明
图1为基于不确定性分析的供水管网节点流量动态自适应优化方法流程;
图2为敏感节点流量的不确定性分析流程;
图3为节点流量动态自适应优化调整机制。
具体实施方式
下面结合本发明实施例中的附图1-3,对本发明的技术方案做进一步说明。
步骤S1节点流量的初算
按照传统节点流量计算方法,将节点流量分为大用户流量、普通用户流量及漏失量三部分:
Qij={Qij大,Qij小,Qij漏}
按照管网特征,将管网用户分为办公、生活、商业等类别,并展开参数测试,分析各类用户的用水量变化规律并绘制相应曲线,计算各类用户的用水量变化模式;初步计算各节点的基础节点流量。
步骤S2构建管网水力模型
水力仿真模型:
式中:
GL——L个管段的非线性能量连续方程;
GN——N个节点的线性质量守恒方程;
GR——R个水池或水塔的方程。
步骤S3灵敏度分析计算
以所构建的供水管网水力模型为基础,建立节点流量对管网压力的灵敏度模型。
设节点i在k时段的流量由Qik变为Q′ik后,节点j在k时段的水压由Hijk变为H′ijk,则节点i对管网节点水压的灵敏度系数为:
以灵敏度计算分析结果为依据,筛选出N个灵敏度系数较高的节点{1,2,…,N},作为动态自适应优化的对象。
步骤S4不确定性分析
如图2所示,以筛选出的灵敏度系数较高的节点为对象,展开不确定性分析计算。相关研究表明,节点流量服从正态分布,利用蒙特卡洛方法生成M组敏感节点流量仿真值{Q1,Q2,…,Qi}i=1,2,…,M,将仿真值作为管网水力模型的输入,进而计算相应于各组节点流量的K个测压点压力{Hm1,Hm2,…,Hmj}j=1,2,…,K,根据模拟结果,计算测压点压力在不同概率下的置信区间[Hjmin,Hjmax]j=1,2,…,K,并绘制监测点压力的累积密度分布曲线;
步骤S5建立供水管网反演计算模型
采用BP人工神经网络建立供水管网反演计算模型;以所建立的微观管网水力模型为基础,采用敏感节点流量值与相应的监测点压力值进行模型训练,以监测点压力值的概率分布为输入数据,通过反演计算,获得敏感节点流量的概率分布,计算敏感节点的置信区间[Qimin,Qimax],并存入管网节点流量动态优化数据库;
步骤S6供水管网节点流量动态自适应优化
以供水管网在线压力、流量监测数据为基础,建立节点流量动态自适应调整机制,如图3所示;以敏感节点流量{Q1,Q2,…,QN}为自变量,以压力监测点、流量监测点监测值与模拟值差值最小为目标,以敏感节点流量的概率分布为约束,建立动态自适应优化模型,实现供水管网敏感节点流量的动态自适应优化。
st.Qimin≤Qi≤Qimax
式中:Hti,——第t种工况下第i个测压点的模型计算值和现场监测值;
Qtj,——第t种工况下第j个测流点的模型计算值和现场监测值;
nn,mm——分别为测压点和测流点数目;
Qi——敏感节点流量值;
——相应于管网压力、流量监测变化值的权重。
传统的节点流量计算方法主要采用比流量分配法,对管网中的大用户用水量进行测试并绘制用水量变化曲线,从而确定出基础节点流量及相应的比例变化模式。实践证明,此方法在实际工程中的应用效果并不理想,当部分节点流量发生较大变化时,模型中的节点流量则无法及时快速的进行适应性调整,这也是影响仿真模型模拟精度的一个最重要的因素。
本发明建立了一种供水管网节点流量动态自适应优化方法,首先通过不确定性分析,计算敏感节点流量的概率分布,确定其合理优化区间;动态捕捉管网压力、流量等在线监测数据的变化,采用智能优化算法,实现管网敏感节点流量的动态自适应优化调整,大大提高了所构建的仿真模型对于实际节点流量随机变化的适应能力。该技术通过对供水管网仿真模型中的节点流量进行动态调整,使得所构建的仿真模型与实际管网更加吻合,相较于传统的节点流量计算方法,将大大提高模拟精度。该技术能够灵活的运用于城市供水管网仿真建模过程中,特别是对于边界流量难以把握的开放式局域供水管网,该技术的应用效果则更为显著,因而具有广泛的适用性。
可理解的是,尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.供水管网节点流量动态自适应优化方法,其特征在于,包括如下步骤:
S1节点流量的初算
按照传统节点流量计算方法,将节点流量分为大用户流量、普通用户流量及漏失量三部分,初步计算各节点的基础节点流量;按照管网特征,对管网用户进行分类,并展开参数测试,分析各类用户的用水量变化规律并绘制相应曲线,计算各类用户的用水量变化模式;
S2构建管网水力模型
水力仿真模型:
式中:
GL——L个管段的非线性能量连续方程;
GN——N个节点的线性质量守恒方程;
GR——R个水池或水塔的方程;
S3灵敏度分析计算
以所构建的供水管网水力模型为基础,建立节点流量对管网压力的灵敏度模型;以灵敏度计算分析结果为依据,筛选出灵敏度系数较高的节点,作为动态自适应优化的对象;
S4不确定性分析
以步骤S2中筛选出的灵敏度系数较高的节点为对象,展开不确定性分析计算;采用蒙特卡洛方法建立概率分布模型,抽样生成敏感节点流量随机数,以随机数作为仿真模型的输入参数进行水力模拟计算,得到监测点压力值的概率分布,并绘制监测点压力的累积密度分布曲线;
S5建立供水管网反演计算模型
采用BP人工神经网络建立供水管网反演计算模型;以所建立的管网水力模型为基础,采用敏感节点流量值与相应的监测点压力值进行模型训练,以监测点压力值的概率分布为输入数据,通过反演计算,获得敏感节点流量的概率分布,并存入管网节点流量动态优化数据库;
S6供水管网节点流量动态自适应优化
以供水管网在线压力、流量监测数据为基础,建立节点流量动态自适应调整机制;以敏感节点流量为自变量,以压力监测点、流量监测点监测值与模拟值差值最小为目标,以敏感节点流量的概率分布为约束,建立动态自适应优化模型,实现供水管网敏感节点流量的动态自适应优化。
2.如权利要求1所述的供水管网节点流量动态自适应优化方法,其特征在于,步骤S1中节点流量的初算,按照传统节点流量计算方法,将节点流量分为大用户流量、普通用户流量及漏失量三部分:
Qij={Qij大,Qij小,Qij漏},
其中Qij为节点流量,Qij大为大用户流量,Qij小为普通用户流量,Qij漏为漏失量,
按照管网特征,将管网用户分为办公、生活、商业等类别,并展开参数测试,分析各类用户的用水量变化规律并绘制相应曲线,计算各类用户的用水量变化模式;初步计算各节点的基础节点流量。
3.如权利要求1或2所述的供水管网节点流量动态自适应优化方法,其特征在于,步骤S2中灵敏度分析计算,以所构建的供水管网水力模型为基础,建立节点流量对管网压力的灵敏度模型,
设节点i在k时段的流量由Qik变为Q′ik后,节点j在k时段的水压由Hijk变为H′ijk,则节点i对管网节点水压的灵敏度系数Yi为:
以灵敏度计算分析结果为依据,筛选出N个灵敏度系数较高的节点{1,2,…,N},作为动态自适应优化的对象。
4.如权利要求1至3任意一项所述的供水管网节点流量动态自适应优化方法,其特征在于,步骤S3中不确定性分析,以筛选出的灵敏度系数较高的节点为对象,展开不确定性分析计算,利用蒙特卡洛方法生成M组敏感节点流量仿真值{Q1,Q2,…,Qi}i=1,2,…,M,将仿真值作为水力模型的输入,进而计算相应于各组节点流量的K个监测点压力,根据模拟结果,计算监测点压力在不同概率下的置信区间[Hjmin,Hjmax]j=1,2,…,K,并绘制监测点压力的累积密度分布曲线。
5.如权利要求1至4任意一项所述的供水管网节点流量动态自适应优化方法,其特征在于,步骤S4中建立供水管网反演计算模型,采用BP人工神经网络建立供水管网反演计算模型;以所建立的管网水力模型为基础,采用敏感节点流量值与相应的监测点压力值进行模型训练,以监测点压力值的概率分布为输入数据,通过反演计算,获得敏感节点流量的概率分布,计算敏感节点流量的置信区间[Qimin,Qimax],并存入供水管网节点流量动态优化数据库。
6.如权利要求1至5任意一项所述的供水管网节点流量动态自适应优化方法,其特征在于,步骤S5中供水管网节点流量动态自适应优化,以供水管网在线压力、流量监测数据为基础,建立节点流量动态自适应调整机制;以敏感节点流量{Q1,Q2,…,QN}为自变量,以压力监测点、流量监测点监测值与模拟值差值最小为目标,以敏感节点流量的概率分布为约束,建立动态自适应优化模型,实现供水管网敏感节点流量的动态自适应优化,
st.Qimin≤Qi≤Qimax
式中:Hti,——第t种工况下第i个测压点的模型计算值和现场监测值;
Qtj,——第t种工况下第j个测流点的模型计算值和现场监测值;
nn,mm——分别为压力检测点、流量监测点的数目;
Qi——第i敏感节点的流量值;
——相应于管网压力、流量监测变化值的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811233607.9A CN109376925B (zh) | 2018-10-23 | 2018-10-23 | 供水管网节点流量动态自适应优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811233607.9A CN109376925B (zh) | 2018-10-23 | 2018-10-23 | 供水管网节点流量动态自适应优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109376925A true CN109376925A (zh) | 2019-02-22 |
CN109376925B CN109376925B (zh) | 2021-07-23 |
Family
ID=65400864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811233607.9A Active CN109376925B (zh) | 2018-10-23 | 2018-10-23 | 供水管网节点流量动态自适应优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376925B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110469893A (zh) * | 2019-08-26 | 2019-11-19 | 中国计量大学 | 一种基于比例压力调节的循环泵自适应控制方法 |
CN110762602A (zh) * | 2019-10-08 | 2020-02-07 | 华南理工大学 | 一种分布式能源供热管网储能的量化计算方法 |
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 |
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 |
CN112099542A (zh) * | 2020-09-10 | 2020-12-18 | 熊猫智慧水务有限公司 | 一种智能调压节水方法 |
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 |
WO2021000581A1 (zh) * | 2019-06-30 | 2021-01-07 | 浙江大学 | 一种提高供水串联管道瞬态水力模拟精度的节点流量优化分配方法 |
CN112818495A (zh) * | 2021-02-22 | 2021-05-18 | 成都四为电子信息股份有限公司 | 一种新型管道压降测算算法参数的动态修正方法 |
CN113756394A (zh) * | 2021-10-12 | 2021-12-07 | 上海城市水资源开发利用国家工程中心有限公司 | 一种基于减压阀的供水管网压力管理系统性能测试装置及方法 |
CN114542997A (zh) * | 2022-03-04 | 2022-05-27 | 夏泽鑫 | 一种基于数字孪生的供水管网异常漏损探测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530818A (zh) * | 2013-10-12 | 2014-01-22 | 杭州电子科技大学 | 一种基于brb系统的供水管网建模方法 |
CN105894130A (zh) * | 2016-04-25 | 2016-08-24 | 杭州电子科技大学 | 一种用于城市供水管网监测点的优化布置方法 |
CN106157173A (zh) * | 2016-07-15 | 2016-11-23 | 杭州电子科技大学 | 基于scada数据和实时模型的城市供水管网爆管在线定位方法 |
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 |
CN107949812A (zh) * | 2015-06-29 | 2018-04-20 | 苏伊士集团 | 用于检测配水系统中的异常的组合方法 |
-
2018
- 2018-10-23 CN CN201811233607.9A patent/CN109376925B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530818A (zh) * | 2013-10-12 | 2014-01-22 | 杭州电子科技大学 | 一种基于brb系统的供水管网建模方法 |
CN107949812A (zh) * | 2015-06-29 | 2018-04-20 | 苏伊士集团 | 用于检测配水系统中的异常的组合方法 |
CN105894130A (zh) * | 2016-04-25 | 2016-08-24 | 杭州电子科技大学 | 一种用于城市供水管网监测点的优化布置方法 |
CN106157173A (zh) * | 2016-07-15 | 2016-11-23 | 杭州电子科技大学 | 基于scada数据和实时模型的城市供水管网爆管在线定位方法 |
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 |
Non-Patent Citations (4)
Title |
---|
杜坤: "供水管网水力模型校核与漏损定位研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
王军慧: "供水管网的水力水质模拟及不确定性研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
王鸿翔: "供水管网水质模型校正及水质监控研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
董深: "基于水质保障的供水系统智能优化技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021000581A1 (zh) * | 2019-06-30 | 2021-01-07 | 浙江大学 | 一种提高供水串联管道瞬态水力模拟精度的节点流量优化分配方法 |
CN110469893A (zh) * | 2019-08-26 | 2019-11-19 | 中国计量大学 | 一种基于比例压力调节的循环泵自适应控制方法 |
CN110469893B (zh) * | 2019-08-26 | 2021-02-09 | 中国计量大学 | 一种基于比例压力调节的循环泵自适应控制方法 |
CN110762602A (zh) * | 2019-10-08 | 2020-02-07 | 华南理工大学 | 一种分布式能源供热管网储能的量化计算方法 |
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 |
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 |
CN112099542A (zh) * | 2020-09-10 | 2020-12-18 | 熊猫智慧水务有限公司 | 一种智能调压节水方法 |
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 |
CN112818495A (zh) * | 2021-02-22 | 2021-05-18 | 成都四为电子信息股份有限公司 | 一种新型管道压降测算算法参数的动态修正方法 |
CN113756394A (zh) * | 2021-10-12 | 2021-12-07 | 上海城市水资源开发利用国家工程中心有限公司 | 一种基于减压阀的供水管网压力管理系统性能测试装置及方法 |
WO2023060648A1 (zh) * | 2021-10-12 | 2023-04-20 | 上海城市水资源开发利用国家工程中心有限公司 | 一种基于减压阀的供水管网压力管理系统性能测试装置及方法 |
CN114542997A (zh) * | 2022-03-04 | 2022-05-27 | 夏泽鑫 | 一种基于数字孪生的供水管网异常漏损探测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109376925B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376925A (zh) | 供水管网节点流量动态自适应优化方法 | |
CN107355688B (zh) | 一种城镇供水管网漏损控制管理系统 | |
CN110168339A (zh) | 子网络水力建模的系统和方法 | |
CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
Tabesh | Implications of the pressure dependency of outflows of data management, mathematical modelling and reliability assessment of water distribution systems. | |
WO2023284060A1 (zh) | 一种基于地理三维信息的污水管网流量不确定性分析方法 | |
Fontanazza et al. | The apparent losses due to metering errors: a proactive approach to predict losses and schedule maintenance | |
CN109458563A (zh) | 一种开放式局域供水管网动态自适应仿真建模方法 | |
CN108758357B (zh) | 一种基于供水管网压力变化值分析的爆管定位方法 | |
CN115127037B (zh) | 一种供水管网漏损定位方法及系统 | |
CN115640881A (zh) | 一种基于lstm的水库入库径流预报模型的水库水位修正方法 | |
Mazzolani et al. | A methodology to estimate leakages in water distribution networks based on inlet flow data analysis | |
Shao et al. | Real-time water distribution system hydraulic modeling using prior demand information by formal Bayesian approach | |
CN113626959B (zh) | 一种基于三维地理信息的污水管网水力模型建立方法 | |
CN117469603B (zh) | 一种基于大数据学习的多水厂供水系统压力优化控制方法 | |
Preis et al. | Online hydraulic state prediction for water distribution systems | |
Guo et al. | Automatic setting of urban drainage pipe monitoring points based on scenario simulation and fuzzy clustering | |
CN111563332B (zh) | 基于夜间调压实测的城镇供水管网漏失定位方法 | |
Hingmire et al. | Probing to Reduce Operational Losses in NRW by using IoT | |
Koor et al. | Database driven updatable hydraulic model for decision making | |
Jiang et al. | Based on the metering zone water distribution network node flow research | |
Mason | Generalized Additive Model and Artificial Neural Networks for Water Demand | |
Patil et al. | HYDRAULIC ASSESSMENT AND CALIBRATION OF WATER DISTRIBUTION SYSTEM-A CASE STUDY | |
Ricca et al. | Reducing error in water distribution network simulations with field measurements | |
Martínez et al. | CALNET project: building and updating water distribution models from GIS+ CIS+ O&M+ SCADA |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Dong Shen Inventor after: Lv Mou Inventor after: Li Hongwei Inventor before: Lv Mou Inventor before: Dong Shen Inventor before: Li Hongwei |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |