CN110866327B - 不确定条件下供水管网可靠性的可信度模型的建模方法 - Google Patents
不确定条件下供水管网可靠性的可信度模型的建模方法 Download PDFInfo
- Publication number
- CN110866327B CN110866327B CN201910962510.XA CN201910962510A CN110866327B CN 110866327 B CN110866327 B CN 110866327B CN 201910962510 A CN201910962510 A CN 201910962510A CN 110866327 B CN110866327 B CN 110866327B
- Authority
- CN
- China
- Prior art keywords
- reliability
- node
- water
- model
- water supply
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 11
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims abstract description 19
- 229910052801 chlorine Inorganic materials 0.000 claims abstract description 19
- 239000000460 chlorine Substances 0.000 claims abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012821 model calculation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/06—Simulation on general purpose computers
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种不确定条件下供水管网可靠性的可信度模型的建模方法,模拟供水管网在不确定的水库水位、节点需水量、管段粗糙系数、余氯衰减系数条件下供水管网可靠性及可信度,采用供水管网水力及水质模型计算引擎EPANET软件求解,通过编制MATLAB程序代码调用EPANET工具箱实现模型模拟过程。不确定参数采用模糊数学的三角模糊数定义,通过运行模型求出模型输出变量的最大、最可能及最小值,定义输出变量的可信度,采用其中最小值作为计算管网系统可信度的依据。本发明的有益效果在于:本发明可以模拟在不确定条件下供水管网的可靠性及可信度。
Description
技术领域
本发明属于市政领域,涉及一种不确定条件下供水管网可靠性的可信度模型的建模方法。
背景技术
城市供水管网系统是一个复杂的系统,供水管网可靠性涉及机械可靠性、水力可靠性和水质可靠性,其中机械可靠度用于评估整个管网的连通情况,确定组件在任何时候均保持有效状态的概率;水力可靠度是指在特定情况下的指定时间段内,供水系统可以提供满足用户所需水量水压的概率;水质可靠性衡量供水管网水质满足饮用水水质标准的概率,大多采用余氯指标代替管网水质。
目前对于机械可靠性、水力可靠性研究的较多,而水质可靠性有与比较复杂,研究相对较少,而供水管网面临的不确定因素较多,如供水节点用户的需水量、水库水位、管道粗糙系数、管网余氯衰减系数等等,在不确定参数条件下计算的可靠度的可信程度如何在文献中比较少见,而供水管网设计在不确定条件下计算的可靠性的可信程度对于供水管网设计管理部门至关重要。
发明内容
本发明的目的:为考察供水管网在不确定输入参数条件下,通过水力模拟和水质模拟确定管网可靠性的可信度,在不确定条件下管网模拟的各输入参数采用三角模糊数表示,则模拟结果的输出参数也是三角模糊数,通过模糊数学的隶属度概念定义计算的管网可靠性的可信程度。
为了实现上述目的,本发明采用了如下的技术方案:
1.将供水管网的水力及水质模拟中的输入参数,如水库水位、节点需水量、管段粗糙系数、余氯衰减系数条件采用三角模糊分布表示,即每个输入参数都表示为[最小值、最可能值,最大值],利用EPANET计算引擎模拟管网在不确定输入条件下输出参数,如节点水压、节点水量、节点余氯浓度的变化,也采用三角模糊分布来表示,即输出参数也表示为[最小值、最可能值,最大值];
2.供水管网可靠性的可信度是由水压可靠性的可信度、水量可靠性的可信度组成。
其中节点水压可靠性的可信度采用公式(1)定义:
其中,Bj(P)为节点j时刻t的压力可靠性的可信度,和/>分别为节点j时刻t的模拟压力的最小值和最大值,/>为最小可接受压力水平,/>为最小期待压力水平。
节点流量可靠性的可信度采用公式(2)定义:
其中,Bj(Q)为节点j时刻t的流量可靠性的可信度,和/>分别为节点j时刻t的模拟流量的最小值和最大值,/>为节点j时刻t期待的节点流量。
节点水质可靠性的可信度采用公式(3)定义:
其中,Bj(C)为节点j时刻t的水质可靠性的可信度,和/>分别为节点j时刻t的模拟余氯浓度的最小值和最大值,/>为可接受的最小余氯浓度,/>为不可接受的余氯浓度。
节点j时刻t的综合可靠性的可信度Bj(com)采用公式(4)定义:
Bj(com)=min[Bj(P), Bj(Q),Bj(C)] (4)
管网系统可靠性的可信度采用式(5)——(6)定义
其中,BT(S)为时刻t管网系统可靠性的的可信度,BS为系统可靠性的的可信度。
本发明考虑了供水管网水力及水质模型中输入参数(自变量)的不确定性,并采用三角模糊数反应输入参数的不确定性,通过EPANET水力及水质计算引擎,动态模拟管网的输出参数(因变量)的变化,分别定义管网的水压可靠性、水量可靠性及水质可靠性,采取其中的最小值作为某节点某时段的可靠性,集成各时段及各节点的可靠性定义管网的系统可靠性。通过输出变量在不确定输入变量的影响下的变化范围(最大值、最可能值、最小值)定义节点可靠性的可信程度。并通过集成得到管网系统可靠性的可信程度。
其中,该模型考虑了供水管网输入参数(自变量)的不确定性,将这种不确定性采用模糊数学的三角函数表示,利用EPANET计算引擎实现水力模拟和水质模拟;该模型衡量供水管网可靠性综合考虑了节点的水压可靠性、水量可靠性和水质可靠性,其中水质可靠性采用节点余氯指标进行衡量;该模型采用模糊数学的隶属度函数定义了可靠性的可信程度,由于输入变量的不确定性,通过EPANET计算引擎模拟的输出变量,如节点水压、节点流量及节点水质也具有不确定性,因此计算的节点及系统可靠性也具有不确定性,通过隶属度函数可以定义不确定的可靠性的可信程度。
与现有技术相比,本发明的有益效果在于:本发明可以模拟在不确定条件下供水管网的可靠性及可信度。
附图说明
图1为供水管网布置图。
图2为输入参数的三角模糊分布图。
图3为模型计算框图。
图4为三种不确定水平下供水管网可靠性的可信度比较图。
图5为自变量对因变量影响的敏感性分析图
具体实施方式
下面将结合本发明实施例中的附图,对本发明的技术方案进行完整清楚地描述。
本发明专利的具体实施方式如下:
1.如图1所示的供水管网,各管段的管长(m)、管径(mm)、管段编号、各节点的需水量、节点编号如图所示,各管段的粗糙系数为100,水库水位243.8m,管网水质模型采用一阶衰减模型,管壁衰减系数为-1/天。
2.将水库水位、节点水需求、管段粗糙系数、余氯衰减系数分别采用如图2所示的模糊数的三角形分布表示,采用三个不确定水平衡量参数的不确定性,不确定水平I将水库水位变化范围定义为±0.5m,节点水需求的不确定性水平定义为±5%变化,管段粗糙系数变化范围为±5,余氯衰减系数的不确定性水平定义为±10%变化;不确定水平II将水库水位变化范围定义为±1.0m,节点水需求的不确定性水平定义为±10%变化,管段粗糙系数变化范围为±10,余氯衰减系数的不确定性水平定义为±30%变化;不确定水平III将水库水位变化范围定义为±1.5m,节点水需求的不确定性水平定义为±30%变化,管段粗糙系数变化范围为±15,余氯衰减系数的不确定性水平定义为±50%变化。
3.通过图3所示的计算框图模拟管网在三个不确定水平下的水力水质参数的最大值、最小值及最可能值,通过公式(1)—(6)分别计算各节点水压可靠性的可信度、水量可靠性的可信度及水质可靠性的可信度,进而得到管网系统可靠性的可信度。
4.在不同不确定水平下的供水管网系统可信度如图4所示,不确定水平越高,供水管网的系统可靠性的可信度越低。
5.输入参数对管网系统输出参数(以第8节点第10时间段为例)的影响如图5所示,节点压力随水库水位线性增加,随节点需水量和管道粗糙系数线性减少,节点余氯浓度与水库水位、节点需水量和管道粗糙系数关系不大,随管道余氯衰减系数的增加线性降低。
Claims (3)
1.一种不确定条件下供水管网可靠性的可信度模型的建模方法,其特征在于,步骤为:采用三角模糊数反应输入参数的不确定性,通过EPANET水力及水质计算引擎,动态模拟管网的输出参数的变化,分别定义管网的水压可靠性、水量可靠性及水质可靠性,采取其中的最小值作为某节点某时段的可靠性,集成各时段及各节点的可靠性定义管网的系统可靠性,通过输出变量在不确定输入变量的影响下的变化范围定义节点可靠性的可信程度,并通过集成得到管网系统可靠性的可信程度;
具体步骤为:
1)估计模型自变量xi的最可能值b(xi);
2)设置模型模糊自变量的三角分布[a(xi),b(xi),c(xi)];
3)通过EPANET计算引擎模型模拟因变量yi的最可能值b(yi);
4)自变量xi在[a(xi),c(xi)]区间内变化,考虑所有自变量的可能组合;
5)通过EPANET计算引擎模拟预期的因变量参数,分别确定因变量的最大值和最小值;
6)判断是否完成所有因变量模拟;
7)若步骤6)的结论为否,则返回步骤4),若结论为是,则判断是否完成所有时间步长,若结论为否则返回步骤1),若结论为是,则结束;
所述步骤1)中的自变量xi包括水库水位、节点需水量、管道粗糙系数、余氯衰减系数;
所述步骤3)中的因变量yi包括节点水压、节点水量和节点余氯浓度。
2.根据权利要求1所述的一种不确定条件下供水管网可靠性的可信度模型的建模方法,其特征在于,通过因变量的最大值、最小值采用模糊数学的隶属度函数分别定义节点水压、节点水量、节点余氯浓度可靠性的可信度,通过采取其中最小值定义可靠性的综合可信度。
3.根据权利要求1所述的一种不确定条件下供水管网可靠性的可信度模型的建模方法,其特征在于,通过对各节点和各时段可靠性的可信度加权求和得到系统可靠度的可信度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962510.XA CN110866327B (zh) | 2019-10-11 | 2019-10-11 | 不确定条件下供水管网可靠性的可信度模型的建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962510.XA CN110866327B (zh) | 2019-10-11 | 2019-10-11 | 不确定条件下供水管网可靠性的可信度模型的建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110866327A CN110866327A (zh) | 2020-03-06 |
CN110866327B true CN110866327B (zh) | 2024-02-06 |
Family
ID=69652551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910962510.XA Active CN110866327B (zh) | 2019-10-11 | 2019-10-11 | 不确定条件下供水管网可靠性的可信度模型的建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866327B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182818B (zh) * | 2020-09-28 | 2022-07-15 | 中铁二院工程集团有限责任公司 | 雨水管网节点的可靠度分析优化方法 |
CN112967765A (zh) * | 2021-03-12 | 2021-06-15 | 扬州大学 | 一种环状给水管网的余氯优化模型及其管径优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968529A (zh) * | 2012-11-14 | 2013-03-13 | 上海城市水资源开发利用国家工程中心有限公司 | 一种供水管网模型计算结果不确定性区间的量化方法 |
CN103294847A (zh) * | 2013-04-12 | 2013-09-11 | 杭州电子科技大学 | 基于水力平差的供水管网模型模糊辨识方法 |
-
2019
- 2019-10-11 CN CN201910962510.XA patent/CN110866327B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968529A (zh) * | 2012-11-14 | 2013-03-13 | 上海城市水资源开发利用国家工程中心有限公司 | 一种供水管网模型计算结果不确定性区间的量化方法 |
CN103294847A (zh) * | 2013-04-12 | 2013-09-11 | 杭州电子科技大学 | 基于水力平差的供水管网模型模糊辨识方法 |
Non-Patent Citations (3)
Title |
---|
刘思然.供水管网健康状态动态评价方法研究及应用.《中国优秀硕士学位论文全文数据库 (基础科学辑)》.2018,(第12期),第1-84页. * |
田川.基于管网性能评价的管网更新优化模型研究.《中国优秀硕士学位论文全文数据库 (基础科学辑)》.2017,(第3期),第1-81页. * |
田川.基于管网性能评价的管网更新优化模型研究.《硕士电子期刊》.2017,第1-81页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110866327A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376925B (zh) | 供水管网节点流量动态自适应优化方法 | |
CN111651312B (zh) | 一种基于边缘计算的设备故障三级双向预警方法及系统 | |
CN108894282B (zh) | 市政管网运行安全动态预警方法 | |
Nazif et al. | Pressure management model for urban water distribution networks | |
CN103903452B (zh) | 交通流短时预测方法 | |
CN110866327B (zh) | 不确定条件下供水管网可靠性的可信度模型的建模方法 | |
Delelegn et al. | Multi-objective optimisation of cost–benefit of urban flood management using a 1D2D coupled model | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CIĞIZOĞLU | Suspended sediment estimation for rivers using artificial neural networks and sediment rating curves | |
CN111898831B (zh) | 一种实时洪水概率预报实用化方法 | |
Hu et al. | Water quality risk assessment for the Laoguanhe River of China using a stochastic simulation method | |
CN110929359A (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
Simonovic | Risk in sustainable water resources management | |
Mannina et al. | Receiving water quality assessment: comparison between simplified and detailed integrated urban modelling approaches | |
CN110751176A (zh) | 一种基于决策树算法的湖泊水质预测方法 | |
CN111077806B (zh) | 一种用于移动机器人的电量管理系统 | |
CN111027758B (zh) | 一种针对供水管网水质监测系统的全局韧性高效评估方法 | |
CN117422165A (zh) | 一种基于低碳排放的城市输水系统水量预测方法及系统 | |
CN114818211B (zh) | 一种基于mike+构建污水收集系统量化模拟技术方法 | |
CN111177873B (zh) | 一种供水管网可靠性模型的建模方法 | |
CN114819322B (zh) | 湖泊入湖流量的预报方法 | |
CN114970171A (zh) | 考虑产流结构不确定性的水文模型及对地表地下水文过程影响的量化方法 | |
CN109837862B (zh) | 基于生态水位衔接的河流梯级开发设计和调度运用方法 | |
Dilini et al. | Effective water management in the mahaweli reservoir system: Analyzing the inflow of the upmost reservoir | |
CN110322063B (zh) | 一种耗电功率仿真预测方法及存储介质 |
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 |