CN111027758B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111027758B CN111027758B CN201911180721.4A CN201911180721A CN111027758B CN 111027758 B CN111027758 B CN 111027758B CN 201911180721 A CN201911180721 A CN 201911180721A CN 111027758 B CN111027758 B CN 111027758B
- Authority
- CN
- China
- Prior art keywords
- monitoring point
- failure
- monitoring
- water quality
- pollution
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 268
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 207
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 230000009545 invasion Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 25
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 17
- 231100000719 pollutant Toxicity 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000011109 contamination Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 230000035622 drinking Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 8
- 238000010276 construction Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 239000000356 contaminant Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 1
- 230000003247 decreasing effect Effects 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
- 239000003673 groundwater Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了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。本发明首次提出了基于水质监测点失效的水质监测系统全局韧性高效评估指标,用于评估不同数量监测点失效工况下,水质监测系统抵抗污染物入侵的能力。同时,本发明提出了基于数据驱动的污染事件数据库构建方法,在优化模型求解过程中,直接读取数据库中相关数据对目标函数进行计算,避免了反复运行水力和水质模拟导致的时间花销,与传统方法相比,提高了优化模型万倍以上的求解效率,尤其在解决大型复杂的实际供水管网问题时,优势尤为明显。本发明提出了监测点重要程度量化方法,通过维护优先级高的监测点,可以降低供水系统的水质安全风险,保障供水安全。
Description
技术领域
本发明涉及市政工程和城市供水管网领域,具体涉及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。
背景技术
供水管网承担着将水厂处理后的饮用水输送至居民用户的任务,因此与人民的生活健康息息相关。然而,由于管网本身拓扑结构的复杂性及覆盖范围广的特性,使得供水管网极易受到外界污染物的入侵。例如,2016年5月北京发生的中水管道错接事件,导致大量的污水进入供水管网,经过很长一段时间才被发现,严重危害了居民的生活健康。近年来,通过在供水管网中优化布置一定数量的水质监测点,实现了对污染物入侵的及时监测并报警,提高了水质监测系统对污染物入侵的感知能力。
水质监测点的优化布置主要分为两个过程:(1)确定监测点优化布置目标函数,例如,最小化监测时间、最大化监测覆盖率和最小化受污染水量等。监测点布置通常为多目标优化问题,即选取多个目标函数,从不同角度衡量水质监测点对入侵事件的感知能力。(2)使用优化算法求解多目标优化模型,考虑多个目标之间的权衡关系,确定最优的监测点优化布置方案。
基于水质监测点优化布置方案,建立水质监测系统,能够及时有效的监测污染物入侵事件。然而,评估水质监测系统对污染时间的监测能力除了考虑水质监测点的优化布置之外,还应考虑监测点的失效。管网中的水质监测仪器容易受到外界影响(例如,地下水淹没或人为蓄意破坏)或本身属性(例如,信号传输失败或计量误差)而导致失效。因此,对于一个给定的水质监测系统,非常有必要了解其在监测仪器失效工况下的韧性,即水质监测系统在不同数量和不同位置监测点失效情况下对污染入侵事件的监测能力,从而为降低供水系统的水质风险提供重要指导。然而,目前缺少对复杂供水系统水质监测系统的韧性评估方法。为弥补该空白,本发明首次提出了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,旨在最大程度了解监测系统在仪器失效工况下的韧性,进而为降低供水系统的水质安全风险提供依据和支撑。
发明内容
本发明所要解决的技术问题:提出了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,对水质监测点失效进行全局韧性高效评估,以确定不同失效工况对监测系统能力的影响程度以及每个监测点的重要程度,进而实现水质监测系统的有效维护与管理,最大程度降低供水系统的水质安全风险,保障供水安全。
本发明具体采用的技术方案如下:
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,其步骤如下:
S1:建立全局韧性评估指标函数,具体公式如下:
式中,Rmax(L),Rmin(L),Rmean(L)分别为监测点失效等级为L时,水质监测系统全局韧性最大、最小、平均值;所述监测点失效等级为L表示失效监测点数量为L;表示监测点失效等级为L时,失效监测点组合方案集合,其中K为组合方案总数量;为监测点失效等级为L时,第k种组合方案的性能指标函数,k=1,2,…K,定义如下:
式中,M为污染入侵事件数量;N为管网系统中需水量节点数量;为监测点失效等级为L且组合方案为时,污染入侵事件Ei在t时刻使管网系统受污染的总水量,i=1,2,…,M;为t时刻管网系统总供水量;为监测点失效组合方案时,污染入侵事件Ei在至Ti时段内对供水管网的性能累计损失;为污染入侵事件Ei开始入侵的时间,为污染入侵事件Ei被水质监测系统首次监测到的时间,为污染入侵事件Ei未被水质监测系统监测到的情况下,全部被用户饮用的时间;为监测点失效组合方案时,污染入侵事件Ei在t时刻对供水管网的影响水平,定义为受污染水量占总供水量的比值;表征了监测点失效组合方案时,M个污染入侵事件对供水管网水质监测系统的平均影响水平;水质监测系统的全局韧性评估指标通过计算所有的监测点失效组合方案得出,其值越大,表明污染事件入侵后,用户饮用的污染水量越少,水质监测系统对污染入侵事件的监测性能越强;
S3:按照步骤S31~S33建立污染入侵事件数据库:
S31:基于供水管网模型,建立所有可能的污染源集合Φ={C1,C2,...,CN},其中Cq表示选择节点q作为污染源,q=1,2,...,N;N为管网系统中需水量节点总数量;
S32:针对污染源Cq,模拟P个污染入侵事件,其中P为节点需水量模式长度,每个时刻作为一个污染入侵事件,则总共M=N×P个污染入侵事件;
S33:针对每一个污染入侵事件Ei,记录污染入侵事件的开始注入时间运行管网水力和水质模型,分别计算每个水质监测点j监测到污染物浓度大于污染物浓度最低检测下限Cmin时的时间被用户饮用的总污染水量以及管网中污染物浓度低于Cmin时的时间时间表示污染水全部被用户饮用;其中j=1,2,...,TL;若事件Ei未被监测点j监测到,则由此形成污染入侵事件数据库;
S4:求解全局韧性评估指标函数:针对每一个监测点失效等级L,L=1,2,...,TL,基于所述污染入侵事件数据库,使用遗传算法从该等级对应的种失效监测点组合方案中选取Rmin(L)和Rmax(L)分别对应的监测点失效组合方案,并保留遗传算法计算过程中该监测点失效等级的所有监测点失效组合方案计算结果,然后根据公式1-3计算Rmean(L);
S5:量化监测点重要程度:考虑每个监测点失效等级L中的最不利情况,将Rmin(L)对应的监测点失效组合方案中含有的全部监测点作为被选中点;再针对全部监测点失效等级,统计每个监测点被选中作为失效监测点的概率;根据监测点被选中作为失效监测点的概率高低,量化该监测点重要程度。
作为优选,所述的P=24,即分别在0:00,1:00,…,23:00注入污染物质模拟污染入侵事件。
作为优选,所述的步骤S5中,每个监测点被选中作为失效监测点的概率计算公式如下所示:
式中,Pse(i)为监测点i被选中作为失效监测点的概率;TL为供水管网中水质监测点的数量;γ(i,j)为指示函数,若监测点i在监测点失效等级L=j时被选中作为失效监测点,则γ(i,j)=1,否则γ(i,j)=0。
作为优选,所述的步骤S5中,计算得到的监测点i被选中作为失效监测点的概率越高,则设置该监测点重要程度越大,被维护的优先级越高;通过维护优先级最高的若干监测点,降低供水系统的水质安全风险,提高水质监测系统的韧性,保障供水安全。
本发明还可以提供一种供水管网重点维护监测点识别方法,即利用上述针对供水管网水质监测设备布置的全局韧性评估方法获取概率Pse(i)最高的若干监测点。
相对于现有技术而言,本发明具有以下优点:
①本发明首次提出了基于仪器失效的水质监测系统全局韧性评估指标,用于评估不同失效工况下水质监测系统的污染入侵监测能力。
②本发明提出了基于数据驱动的污染事件数据库构建方法,在优化模型求解过程中,直接读取数据库中相关数据对目标函数进行计算,避免了反复运行水力和水质模拟导致的时间花销,与传统方法相比,提高了优化模型万倍以上的求解效率,尤其在解决大型复杂的实际供水管网问题时,优势尤为明显。
③本发明提出了监测点重要程度的量化方法,通过维护优先级高的监测点,可以降低供水系统的水质安全风险,保障供水安全。
④本发明是对供水管网水质监测系统管理研究领域的一个重要补充,为水质监测点的管理提供了重要的技术支撑,具有很好的推广和实际工程应用价值。
附图说明
图1是本发明具体实施路线图。
图2是水质监测点失效方案示意图(以4个监测点为例)
图3是水质监测系统全局韧性评估计算过程示意图。
图4是实施例中某城市供水管网系统及水质监测点布置图。
图5是本实施例水质监测系统全局韧性评估计算结果。
图6是本实施例水质监测点重要程度排序结果。
图7是本实施例6个关键水质监测点(按重要程度排序)。
具体实施方式
下面通过附图和实施例对本发明进行具体阐述,以便本领域技术人员更好地理解本发明的实质。
参见图1,一种针对供水管网水质监测设备布置的全局韧性评估方法,其步骤如下:
S1:建立全局韧性评估指标函数,具体公式如下:
式中,Rmax(L),Rmin(L),Rmean(L)分别为监测点失效等级为L时,水质监测系统全局韧性最大、最小、平均值;所述监测点失效等级为L表示失效监测点数量为L;表示监测点失效等级为L时,失效监测点组合方案集合,其中K为组合方案总数量;为监测点失效等级为L时,第k种组合方案的性能指标函数,k=1,2,…K,定义如下:
式中,M为污染入侵事件数量;N为管网系统中需水量节点数量;为监测点失效等级为L且组合方案为时,污染入侵事件Ei在t时刻使管网系统受污染的总水量,i=1,2,…,M;为t时刻管网系统总供水量,DQj(t)为t时刻管网系统中第j个需水量节点的供水量;为监测点失效组合方案时,污染入侵事件Ei在至Ti时段内对供水管网的性能累计损失;为污染入侵事件Ei开始入侵的时间,为污染入侵事件Ei被水质监测系统首次监测到的时间,为污染入侵事件Ei未被水质监测系统监测到的情况下,全部被用户饮用的时间;为监测点失效组合方案时,污染入侵事件Ei在t时刻对供水管网的影响水平,定义为受污染水量占总供水量的比值;表征了监测点失效组合方案时,M个污染入侵事件对供水管网水质监测系统的平均影响水平。水质监测系统的全局韧性评估指标通过计算所有的监测点失效组合方案得出,其值越大,表明污染事件入侵后,用户饮用的污染水量越少,水质监测系统对污染入侵事件的监测性能越强。
在公式1-4中,在后续的每一次计算时,和计算截止时间Ti均通过管网水力和水质模型针对当前的失效监测点集合模拟得到。污染事件Ei,污染物投加时间为2小时,随着时间推移及污染水被居民饮用,供水管网中的污染水量所占比例先增后减。
S2:定义监测点失效方案:即对于每一个监测点失效等级L,确定该监测点失效等级下所有的种失效监测点组合方案,表示排列组合。需要具体说明书的是,为监测点失效等级L时,所有的失效监测点的方案集合,共有种方案(TL为管网系统中水质监测点总数量)。如图2所示,以4个监测点为例,监测点失效等级L=1,L=2,L=3和L=4时,监测点失效方案数量分别为4种、6种、4种和1种。针对该示例,考虑所有监测点失效等级(L=1,2,3,4)监测点失效组合方案K=15。基于这些方案,便可以计算每个监测点失效等级L时,水质监测系统的全局韧性最小、最大、平均值。
S3:按照步骤S31~S33建立污染入侵事件数据库:
S31:基于供水管网模型,建立所有可能的污染源集合Φ={C1,C2,...,CN},其中Cq表示选择节点q作为污染源,q=1,2,...,N;N为管网系统中需水量节点总数量;
S32:针对污染源Cq,模拟P个污染事件,其中P为节点需水量模式长度,每个时刻作为一个污染事件,则总共M=N×P个污染事件。本实施例中,P=24,即分别在0:00,1:00,…,23:00注入污染物质模拟污染事件。
S33:针对每一个污染事件Ei,记录污染事件的开始注入时间运行管网水力和水质模型,分别计算每个水质监测点j污染物浓度大于Cmin(污染物浓度最低检测下限)时的时间管网中污染物浓度低于Cmin时的时间(此时表示污染水全部被用户饮用)和被用户饮用的总污染水量,其中j=1,2,...,TL;若事件Ei未被监测点j监测到,则由此,即可形成突发性污染入侵事件数据库。此步骤中,时间时间和被用户饮用的总污染水量均可以在管网水力和水质模型模拟过程中获得,其中时间取所有水质监测点首次检测到污染物的时间;而若管网中所有水质监测点都没有检测到污染物,表明所有被污染的水均被用户消耗了,因此获取管网水力和水质模型模拟下管网中污染物浓度低于Cmin时的时间
S4:求解全局韧性评估指标函数。全局韧性评估优化计算过程如图3所示,针对每一个监测点失效等级L=1,...,TL(TL为管网中水质监测点总数量),基于所述污染入侵事件数据库,每一种监测点失效组合方案均可以根据公式1-1和公式1-2计算出Rmin(L)和Rmax(L),由于Rmin(L)和Rmax(L)都是从中选取出一组使得最小或最大,因此Rmin(L)和Rmax(L)分别对应一组特定的监测点失效组合方案。使用遗传算法从该等级对应的种失效监测点组合方案中选取Rmin(L)和Rmax(L)分别对应的监测点失效组合方案,并保留遗传算法计算过程中该监测点失效等级的所有监测点失效组合方案,然后利用所有监测点失效组合方案的结果根据公式1-3计算Rmean(L)。
S5:量化监测点重要程度。基于上述优化模型计算结果,即可以得出不同监测点失效等级对应的水质监测系统对污染物入侵监测能力的最大、最小、平均指标。考虑每个监测点失效等级L中的最不利情况,即Rmin(L)对应的方案,将Rmin(L)对应的监测点失效组合方案中含有的全部监测点作为被选中点;再针对全部监测点失效等级,统计每个监测点被选中作为失效监测点的概率;根据监测点被选中作为失效监测点的概率高低,确定该监测点重要程度。
每个监测点被选中作为失效监测点的概率计算公式如下所示:
式中,Pse(i)为监测点i被选中作为失效监测点的概率;TL为供水管网中水质监测点的数量;γ(i,j)为指示函数,若监测点i在监测点失效等级L=j时被选中作为失效监测点,则γ(i,j)=1,否则γ(i,j)=0。
例如,监测点i在总共6个失效等级中(总共6个水质监测点)被选中5次,则监测点i被选中作为失效监测点的概率Pse(i)=83.3%。
上述过程中,计算得到的监测点i被选中作为失效监测点的概率越高,则设置该监测点重要程度越大,被维护的优先级越高。在实际的管网维护时,可以通过维护优先级最高的若干监测点,降低供水系统的水质安全风险,提高水质监测系统的韧性,保障供水安全。
下面基于该方法,将其与具体实施例结合,以展示其具体技术效果,方法的具体步骤不再赘述。
实施例
下面将本发明的上述方法应用到某城市供水管网(如图4所示)。该管网由1个水厂、3439个需水量节点和3512跟供水管道组成,该供水管网中共有30个水质监测点。图5显示了本发明方法水质监测系统全局韧性评估结果,从图中可以看出,针对不同的监测点失效等级L,可以得出供水管网水质监测系统对污染事件监测性能指标的最大、最小和平均值。考虑Rmin对应的所有监测点失效等级,即监测点失效数量从1个,2个直到全部失效,统计每个监测点被选中作为失效监测点的概率以量化每个监测点的重要程度,如图6所示,从图中还可以得出Rmin情况下,每个监测点失效等级对应的监测点失效组合方案。图7显示了前6个最关键监测点(三角形标记),三角形标记的6个关键监测点具有最高的失效被选中概率,例如监测点29的概率为100%,即30个监测点失效等级,每次监测点29都会被选中作为失效监测点,说明该监测点重要程度最大,被维护的优先级最高,通过维护优先级高的监测点,可以降低供水系统的水质安全风险,提高水质监测系统的韧性,保障供水安全。
由此可知,通过本发明所提出的方法通过对水质监测点失效进行全局高效韧性评估,量化每个监测点的重要程度,通过优先维护关键监测点,既降低了水质监测点的维护管理难度,又有效的实现了水质监测系统管理,最大程度降低供水系统的水质安全风险,保障了供水安全,具有很好的推广和实际工程应用价值。
以上所述的实施例只是本发明的一种较佳的方案,然其并非用以限制本发明。有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (5)
1.一种针对供水管网水质监测系统的全局韧性高效评估方法,其特征在于,步骤如下:
S1:建立全局韧性评估指标函数,具体公式如下:
式中,Rmax(L),Rmin(L),Rmean(L)分别为监测点失效等级为L时,水质监测系统全局韧性最大、最小、平均值;所述监测点失效等级为L表示失效监测点数量为L;为监测点失效等级为L时,失效监测点组合方案集合,其中K为组合方案总数量;为监测点失效等级为L时,第k种组合方案的性能指标函数,k=1,2,…K,定义如下:
式中,M为污染入侵事件数量;N为管网系统中需水量节点数量;为监测点失效等级为L且组合方案为时,污染入侵事件Ei在t时刻使管网系统受污染的总水量,i=1,2,…,M;为t时刻管网系统总供水量;为监测点失效组合方案时,污染入侵事件Ei在至Ti时段内对供水管网的性能累计损失;为污染入侵事件Ei开始入侵的时间,为污染入侵事件Ei被水质监测系统首次监测到的时间,为污染入侵事件Ei未被水质监测系统监测到的情况下,全部被用户饮用的时间;为监测点失效组合方案时,污染入侵事件Ei在t时刻对供水管网的影响水平,定义为受污染水量占总供水量的比值;水质监测系统的全局韧性评估指标通过计算所有的监测点失效组合方案得出,其值越大,表明污染事件入侵后,用户饮用的污染水量越少,水质监测系统对污染入侵事件的监测性能越强;
S3:按照步骤S31~S33建立污染入侵事件数据库:
S31:基于供水管网模型,建立所有可能的污染源集合Φ={C1,C2,...,CN},其中Cq表示选择节点q作为污染源,q=1,2,...,N;N为管网系统中需水量节点总数量;
S32:针对污染源Cq,模拟P个污染入侵事件,其中P为节点需水量模式长度,每个时刻作为一个污染入侵事件,则总共M=N×P个污染入侵事件;
S4:求解全局韧性评估指标函数:针对每一个监测点失效等级L,L=1,2,...,TL,基于所述污染入侵事件数据库,使用遗传算法从该等级对应的种失效监测点组合方案中选取Rmin(L)和Rmax(L)分别对应的监测点失效组合方案,并保留遗传算法计算过程中该监测点失效等级的所有监测点失效组合方案计算结果,然后根据公式1-3计算Rmean(L);
S5:量化监测点重要程度:考虑每个监测点失效等级L中的最不利情况,将Rmin(L)对应的监测点失效组合方案中含有的全部监测点作为被选中点;再针对全部监测点失效等级,统计每个监测点被选中作为失效监测点的概率;根据监测点被选中作为失效监测点的概率高低,量化该监测点重要程度。
3.如权利要求1所述的针对供水管网水质监测系统的全局韧性高效评估方法,其特征在于,所述的P=24,即分别在0:00,1:00,…,23:00注入污染物质模拟污染入侵事件。
5.如权利要求1所述的针对供水管网水质监测系统的全局韧性高效评估方法,其特征在于,所述的步骤S5中,计算得到的监测点i被选中作为失效监测点的概率越高,则设置该监测点重要程度越大,被维护的优先级越高;通过维护优先级最高的若干监测点,降低供水系统的水质安全风险,提高水质监测系统的韧性,保障供水安全。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911180721.4A CN111027758B (zh) | 2019-11-27 | 2019-11-27 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911180721.4A CN111027758B (zh) | 2019-11-27 | 2019-11-27 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027758A CN111027758A (zh) | 2020-04-17 |
CN111027758B true CN111027758B (zh) | 2022-05-03 |
Family
ID=70202521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911180721.4A Active CN111027758B (zh) | 2019-11-27 | 2019-11-27 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027758B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610334A (zh) * | 2021-05-14 | 2021-11-05 | 上海同渠工程咨询有限公司 | 碳汇能力计量监测点的智能规划方法、系统、终端和存储介质 |
CN113312398A (zh) * | 2021-05-14 | 2021-08-27 | 上海同渠工程咨询有限公司 | 水土保持监测点的智能规划方法、系统、终端和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228920A (ja) * | 2013-05-20 | 2014-12-08 | 三菱電機株式会社 | 水安全計画支援システム |
CN104299169A (zh) * | 2014-09-26 | 2015-01-21 | 华中科技大学 | 一种污水处理系统信息安全在线风险分析方法及系统 |
CN107908889A (zh) * | 2017-11-24 | 2018-04-13 | 南通大学 | 部分监测点预先选定的水质监测网络多目标优化部署方法 |
-
2019
- 2019-11-27 CN CN201911180721.4A patent/CN111027758B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228920A (ja) * | 2013-05-20 | 2014-12-08 | 三菱電機株式会社 | 水安全計画支援システム |
CN104299169A (zh) * | 2014-09-26 | 2015-01-21 | 华中科技大学 | 一种污水处理系统信息安全在线风险分析方法及系统 |
CN107908889A (zh) * | 2017-11-24 | 2018-04-13 | 南通大学 | 部分监测点预先选定的水质监测网络多目标优化部署方法 |
Non-Patent Citations (2)
Title |
---|
给水管网耦合优化调度模型的建立及应用;郑飞飞;《中国给水排水》;20080930;全文 * |
考虑可靠性的给水管网水质传感器多目标优化选址模型;黄亚东;《传感技术学报》;20070831;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111027758A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230054713A1 (en) | Method for determining contribution rate of pollution load in water quality assessment section of annular river network system based on water quantity constitute | |
CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
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 | |
Diao et al. | Risk analysis of flood control operation mode with forecast information based on a combination of risk sources | |
Hu et al. | Water quality risk assessment for the Laoguanhe River of China using a stochastic simulation method | |
CN113011903A (zh) | 基于gis和水力模型的水污染精准溯源方法 | |
CN111737853A (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
Zahari et al. | Klang River water quality modelling using music | |
CN105303007A (zh) | 一种采用融合技术建立尼尔基水库水生态风险预警模型的方法 | |
CN108931619A (zh) | 一种火电厂废水处理设备寿命预测方法及装置 | |
Tu et al. | Bivariate design of hydrological droughts and their alterations under a changing environment | |
Wang et al. | Water quality model establishment for middle and lower reaches of Hanshui River, China | |
CN110555545B (zh) | 一种基于时空特征的生活污水产污负荷量测算方法 | |
CN108122077A (zh) | 一种水环境安全评价方法及装置 | |
Huang et al. | An integrated model for structure optimization and technology screening of urban wastewater systems | |
CN113626959A (zh) | 一种基于三维地理信息的污水管网水力模型建立方法 | |
Xie et al. | Optimal scheduling of automatic flushing devices in water distribution system | |
CN107292527B (zh) | 一种城市排水系统性能评估方法 | |
Oprea et al. | SBC-MEDIU: A multi-expert system for environmental diagnosis | |
Xie et al. | Integrated water risk early warning framework of the semi-arid transitional zone based on the water environmental carrying capacity (WECC) | |
Liu et al. | Study of artificial water replenishment for wetland restoration | |
Wen et al. | Numerical simulation of water environment capacity from wet, normal, and dry years: taking the Luo River as an example | |
CN111047213A (zh) | 基于多要素联合判别的中长期水资源量临界预警指标方法 | |
CN113781276B (zh) | 一种污水管网流量不确定性分析方法 | |
CN111177873B (zh) | 一种供水管网可靠性模型的建模方法 |
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 |