CN112950096B - 厂网河一体化分类智能调度方法 - Google Patents
厂网河一体化分类智能调度方法 Download PDFInfo
- Publication number
- CN112950096B CN112950096B CN202110460700.9A CN202110460700A CN112950096B CN 112950096 B CN112950096 B CN 112950096B CN 202110460700 A CN202110460700 A CN 202110460700A CN 112950096 B CN112950096 B CN 112950096B
- Authority
- CN
- China
- Prior art keywords
- water
- scheduling
- river
- model
- particle
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本发明涉及城市水量水质综合调度技术领域,为了实现各涉水要素的联合优化调度,提供了一种厂网河一体化分类智能调度方法,包括:步骤1、根据涉水要素建立厂网河一体化模型;步骤2、根据厂网河一体化模型设计调度模型;步骤3、采用多目标粒子群算法获取调度模型的解集;步骤4、根据步骤3得到的解集进行涉水要素的调度。采用上述步骤实现了各涉水要素的联合优化调度,保证了城市排水系统安全高效运转,充分发挥了水环境保障功能。
Description
技术领域
本发明涉及城市水量水质综合调度技术领域,具体是一种厂网河一体化分类智能调度方法。
背景技术
涉水设施在协调运行调度方面存在问题:首先是污水厂的处理负荷与污水分布不匹配,污水厂通常只能被动接收管网输送的污水,无法获得污水水量、水质的预报、预警,导致工艺调控滞后,可能造成高峰流量时厂前直接溢流排放,或是部分污水处理水质不达标排放等。然后是河水倒灌,管道、泵站高水位运行问题,发生大雨时,下游河道水位与排水系统水位倒挂,导致河水倒灌进入市政排水口,引发城市内涝;泵站、污水厂出于经济效益考虑,分别选择高水位和低负荷运行,导致整个系统高水位运行,加重了溢流污染。再就是城市水系统缺乏精细自动化水资源调配,闸站等调度规程依赖人工经验,自动化程度低;另外,需要精细制定污水厂尾水等水源的资源化利用和配置方案,以满足城市河道生态补水/景观补水,增强河道水动力等需求。综上,污水厂、排水管网、河道管理体制在时间和空间上的割裂,以及全局运营调度目标的缺失,使得排水系统不能完全发挥其应有的功能,城市水安全、水环境和水生态质量难以得到很好的保障。
1993年,第一届INERURBAN会议上针对河道水质控制提出了一体化城市模型这一概念,建立包括污水管网、污水处理厂和河道在内的一体化模型,把河道水质直接作为控制目标,取代了以往以厂前溢流总量作为替代指标来衡量水污染的方法。2015年有研究针对城市防洪排涝建立了河道-内陆一体化模型,考虑了河道对排水系统的回水效应。然而,这些一体化研究依旧是把整个排水系统分割成雨水管道系统和污水管道系统进行调度,而且在设计调度场景的时候并未真正的实现厂网河一体化的调度,而只是建立了一个集排水管网、污水厂和河道的一体化物理模型,在调度控制方面仅仅关注其中一个子模型,并未实现调度控制层面的一体化。一体化指的是通过多个子系统的集成保证达到系统最优性能,然后以此来调度各个子系统。因此,如何实现各涉水要素的联合优化调度从而有效保障城市水安全和流域水质达标,是当前城市防汛排涝和水环境研究的核心所在。此外,由于气候变化和人口增长的影响,城市水系统存在动态性,传统排水系统调度规则无法应对多变的环境,因此需要制定一种基于系统当前状态的动态调度方案,以充分利用现有排水系统的蓄排能力。
发明内容
为了实现各涉水要素的联合优化调度,本发明体供了一种厂网河一体化分类智能调度方法。
本发明解决上述问题所采用的技术方案是:
厂网河一体化分类智能调度方法,包括:
步骤1、根据涉水要素建立厂网河一体化模型;
步骤2、根据厂网河一体化模型设计调度模型;
步骤3、采用多目标粒子群算法获取调度模型的解集;
步骤4、根据步骤3得到的解集进行涉水要素的调度。
进一步地,所述涉水要素包括污水处理厂、蓄水池、水闸和泵站。
进一步地,所述步骤2具体为根据厂网河一体化模型、雨水井积水历时及河道流速建立调度模型。
进一步地,当雨水井积水历时>15min时,所述调度模型采用水安全调度场景模型;当雨水井积水历时在0~15min之间时,所述调度模型采用水环境调度场景模型;当河道流速小于最小允许流速时,所述调度模型采用水生态调度场景模型。
进一步地,所述水安全调度场景模型为:
式中,F为泵站运行费用,α为单位抽水量的费用因子,q1jt为第j台泵站在第t时刻的抽水量,num为泵站总台数,Δt为模型迭代时间步长,T为调度总时间,Q为雨水井溢流量,qit为第i个雨水井在t时刻的溢流量,n为雨水井总数,Min为最小化函数;
所述水环境调度场景模型为:
式中,Fw为污水泵站运行费用,α为单位抽水量的费用因子,qwjt为第j台污水泵站在第t时刻的抽水量,num为泵站总台数,Δt为模型迭代时间步长,Qw为厂前溢流总量,qwt为污水处理厂前池在t时刻的溢流量,Cw为河道断面水质浓度超过阈值的总时间,cm为第m个河道断面水质浓度,c0为河道断面水质浓度的阈值,为第m个河道断面水质浓度超过阈值的时间,Ww为河道补水总量,qt为河道接收的补水流量,T为调度总时间,Min为最小化函数;
所述水生态调度场景模型为:
式中,C为水质浓度,ck为第k个河道断面的水质浓度,m为河道断面的总数,P为换水周期,Vi为第i条河道的蓄水量,qi为厂后尾水补给第i条河道的流量,n为区域河流总数,Min为最小化函数,max为最大值函数。
进一步地,步骤3所述的多目标粒子群算法的步骤为:
步骤B1、初始化参数:包括种群规模N、迭代次数M、粒子初始速度v0和位置x0、惯性权重w0及外部存档阈值,同时将外部档案空间初始化为空;
步骤B2、根据目标函数计算粒子的适应度值;
步骤B3、根据历史个体最优值pbest和当前粒子适应度值,更新个体最优值pbest:如果当前粒子支配历史粒子,则用当前粒子的适应度值更新个体最优值pbest,否则不更新;若不存在支配关系,则从当代粒子的适应度值和历史粒子的适应度值中随机选择一个更新粒子最优值pbest;
步骤B4、根据当前粒子的适应度值计算Pareto边界,将边界粒子加入外部档案空间,在外部档案空间中,根据支配关系筛选出Pareto边界粒子更新外部档案空间;同时采用轮盘赌法维护外部档案空间的规模;
步骤B5、计算并更新外部档案空间中的全体最优值gbest;
步骤B6、判断是否满足迭代终止条件,若否,根据速度更新公式、位置更新公式及惯性因子更新公式更新粒子的速度、位置和惯性权重,对不满足约束条件的粒子添加惩罚项,并返回步骤B2继续寻找Pareto非劣解集;若是,则迭代终止,输出Pareto非劣解集,算法结束。
进一步地,所述速度更新公式为:所述位置更新公式为:式中为第i个粒子在第t次迭代的粒子速度,ωt为第t次迭代的惯性权重,c1和c2为学习因子,r1和r2为(0,1)之间的随机数,为第i个粒子在第t次迭代的粒子位置,pbesti为第i个粒子时的最优值,gbesti为第i个粒子时外部档案空间中的全体最优值,所述惯性因子更新公式为ωt=ω2+(ω1-ω2)×(M-t)/M,式中,ω1为初始惯性权重,ω2为最大迭代次数时的惯性权重,t为当前迭代次数,M为迭代总次数。
进一步地,所述c1=c2=1.5,ω1=0.9,ω2=0.4。
进一步地,当所述调度模型为水安全调度场景模型时,约束条件包括水量平衡约束、河道过流能力约束、排水管网过流能力约束、闸门开度约束及泵站抽水过流能力约束;当所述调度模型为水环境调度场景模型时,约束条件包括水量平衡约束、河道过流能力约束、排水管网过流能力约束、闸门开度约束、泵站抽水能力约束及污水处理厂处理能力约束;当所述调度模型为水生态调度场景模型时,约束条件包括城市水系生态流速约束、泵站抽水能力约束及污水处理厂尾水补给能力约束。
本发明相比于现有技术具有的有益效果是:
厂网河一体化分类智能调度是以城市水安全、流域水质和河道水动力达标为目标,从水量、水质和水动力的角度对河道、排水管网、污水处理厂、水闸、泵站等进行统一调度和一体化管理,实现了各涉水要素信息化、自动化和智慧化运行的目标,保证了城市排水系统安全高效运转,充分发挥了水环境保障功能。
此外,在不同的调度情景中,设计了不同的调度模型,有利于明确调度目标、简化调度模型,更有利于充分发挥各涉水要素的水环境保障功能;采用相同的算法获取模型的解集也可以在一定程度上提高计算效率。
附图说明
图1为厂网河一体化分类智能调度方法的流程图;
图2为多目标粒子群算法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,厂网河一体化分类智能调度方法,包括:
步骤1、根据涉水要素建立厂网河一体化模型;根据实际涉水要素建立厂网河一体化模型,确定模型中可调控的污水处理厂、蓄水池、水闸和泵站数量;
步骤2、根据厂网河一体化模型设计调度模型;厂网河一体化模型决定了调度模型的具体调度对象;
步骤3、采用多目标粒子群算法获取调度模型的解集;
步骤4、根据步骤3得到的解集进行涉水要素的调度。
优选的,所述步骤2具体为根据厂网河一体化模型、雨水井积水历时及河道流速建立调度模型:当雨水井积水历时>15min时,调度模型采用水安全调度场景模型,此时的目标是为了防汛排涝,主要调度对象包括水闸和排涝泵站;当雨水井积水历时在0~15min之间时,调度模型采用水环境调度场景模型,此时的目标是溢流污染控制,主要调度对象包括污水泵站、调蓄池、河道补水断面和河道补水流量;当河道流速小于最小允许流速时,调度模型采用水生态调度场景模型,此时的目标是补水调度,主要的调度对象包括水闸和引配水流量。不同的积水量或河道流速采用不同的调度模型,由于目标不同,因此调度对象也不尽相同,采用这种方式更有利于充分发挥各涉水要素的水环境保障功能。
具体的,水安全调度场景模型基于泵站抽水量和雨水井溢流量监测数据,以水闸和排涝泵站为调度对象,以泵站运行费用最低、雨水井溢流量最小为调度目标,具体模型为:
式中,F为泵站运行费用,α为单位抽水量的费用因子,q1jt为第j台泵站在第t时刻的抽水量,num为泵站总台数,Δt为模型迭代时间步长,T为调度总时间,Q为雨水井溢流量,qit为第i个雨水井在t时刻的溢流量,n为雨水井总数,Min为最小化函数;
所述水环境调度场景模型基于泵站抽水量、调蓄池水位和厂前溢流量监测数据,以污水泵站、调蓄池、河道补水断面和河道补水流量为调度对象,以污水泵站运行费用最低、厂前溢流量最小、河道水质超标时间最短及河道补水量最小为调度目标,具体模型为:
式中,Fw为污水泵站运行费用,α为单位抽水量的费用因子,qwjt为第j台污水泵站在第t时刻的抽水量,num为泵站总台数,Δt为模型迭代时间步长,Qw为厂前溢流总量,qwt为污水处理厂前池在t时刻的溢流量,Cw为河道断面水质浓度超过阈值的总时间,cm为第m个河道断面水质浓度,c0为河道断面水质浓度的阈值,为第m个河道断面水质浓度超过阈值的时间,Ww为河道补水总量,qt为河道接收的补水流量,T为调度总时间,Min为最小化函数;
水生态调度场景模型基于河道流量和污水厂尾水流量监测数据,以水闸和引配水流量为调度对象,以河道污染物浓度最低、换水周期最短为调度目标,具体模型为:
式中,C为水质浓度,ck为第k个河道断面的水质浓度,m为河道断面的总数,P为换水周期,Vi为第i条河道的蓄水量,qi为厂后尾水补给第i条河道的流量,n为区域河流总数,Min为最小化函数,max为最大值函数。
如图2所示,本发明所采用的多目标粒子群算法是优化后多目标粒子群算法。其具体步骤为:
步骤B1、初始化参数:包括种群规模N、迭代次数M、粒子初始速度v0和位置x0、惯性权重w0及外部存档阈值,同时将外部档案空间初始化为空;
步骤B2、根据目标函数计算粒子的适应度值;
步骤B3、根据历史个体最优值pbest和当前粒子适应度值,更新个体最优值pbest:如果当前粒子支配历史粒子,则用当前粒子的适应度值更新个体最优值pbest,否则不更新;若不存在支配关系,则从当代粒子的适应度值和历史粒子的适应度值中随机选择一个更新粒子最优值pbest;
步骤B4、根据当前粒子的适应度值计算Pareto边界,将边界粒子加入外部档案空间,在外部档案空间中,根据支配关系筛选出Pareto边界粒子更新外部档案空间;同时采用轮盘赌法维护外部档案空间的规模;
步骤B5、计算并更新外部档案空间中的全体最优值gbest;
步骤B6、判断是否满足迭代终止条件,若否,根据速度更新公式、位置更新公式及惯性因子更新公式更新粒子的速度、位置和惯性权重,对不满足约束条件的粒子添加惩罚项,并返回步骤B2继续寻找Pareto非劣解集;若是,则迭代终止,输出Pareto非劣解集,算法结束。
所述速度更新公式为:所述位置更新公式为:式中为第i个粒子在第t次迭代的粒子速度,ωt为第t次迭代的惯性权重,c1和c2为学习因子,r1和r2为(0,1)之间的随机数,为第i个粒子在第t次迭代的粒子位置,pbesti为第i个粒子时的最优值,gbesti为第i个粒子时外部档案空间中的全体最优值,所述惯性因子更新公式为ωt=ω2+(ω1-ω2)×(M-t)/M,式中,ω1为初始惯性权重,ω2为最大迭代次数时的惯性权重,t为当前迭代次数,M为迭代总次数。发明人经试验后发现当c1=c2=1.5,ω1=0.9,ω2=0.4时算法性能最好。
当所述调度模型为水安全调度场景模型时,约束条件包括水量平衡约束、河道过流能力约束、排水管网过流能力约束、闸门开度约束及泵站抽水过流能力约束;当所述调度模型为水环境调度场景模型时,约束条件包括水量平衡约束、河道过流能力约束、排水管网过流能力约束、闸门开度约束、泵站抽水能力约束及污水处理厂处理能力约束;当所述调度模型为水生态调度场景模型时,约束条件包括城市水系生态流速约束、泵站抽水能力约束及污水处理厂尾水补给能力约束。
步骤3、采用多目标粒子群算法获取调度模型的解集的具体步骤为:
A1、确定控制调度时段,并运行一次厂网河一体化模型,对厂网河一体化模型进行初始化:闸门开度和泵站抽水量设为0;
A2、判断此时溢流井积水历时是否大于15min,若是进行A3;否则进行A7;
A3、采用水安全调度场景模型,进入A4;
A4、采用多目标粒子群算法初始化得到各个时段闸门的开度和泵站抽水量,通过多目标粒子群算法修改模型的“Control Rules”模块来更新不同时段的闸门开度和泵站抽水量,并对不满足约束条件的粒子施加惩罚项,进入A5;需要说明的是:多目标粒子群算法通过“Control Rules”模块控制厂网河一体化模型中涉水设施的状态,如泵站的状态、闸门的开度等;
A5、驱动厂网河一体化模型运行计算,得到调度后的泵站抽水量和雨水井的溢流量并将其传递给多目标粒子群算法,进入A6;
A6、利用多目标粒子群算法迭代寻优,寻找满足目标函数的粒子群,并将满足要求的粒子群保存起来;判断算法是否终止,若否,返回A4,若是,输出多组满足目标函数的排涝泵站抽水量、闸门开度的粒子群;
A7、判断雨水井历时是否>0,若是,进入A8,若否进入A12;
A8、采用水环境调度场景模型,进入A9;
A9、多目标粒子群算法初始化得到各个时段污水泵站抽水量、河道补水断面和河道补水流量,通过多目标粒子群算法修改模型的“Control Rules”模块来更新不同时段的泵站抽水量,并对不满足约束条件的粒子施加惩罚项,进入A10;
A10、驱动厂网河一体化数值模拟模型运行,得到调度后的污水泵站抽水量、厂前溢流量和河道水质并将其传递给多目标粒子群算法,进入A11;
A11、利用多目标粒子群算法迭代寻优,寻找满足目标函数的粒子群,并将满足要求的粒子群保存起来;判断算法是否终止,若否,返回A9;若是,输出多组满足目标函数的泵站抽水量、河道补水断面和河道补水流量的粒子群;
A12、判断河道流速是否小于最低允许流速,若是,进入A13,若否进入A8;当进入A8时:此时雨水井积水历时<0,河道流速大于最低允许流速,此时城市不发生内涝且河道水动力条件是满足的,因此只需要采用水环境调度场景模型即可;
A13、采用水生态调度场景模型,进入A14;
A14、多目标粒子群算法初始化得到各个时段污水泵站抽水量、闸门开度、河道补水断面和河道补水量,通过多目标粒子群算法修改模型的“Control Rules”模块来更新不同时段污水泵站抽水量,并对不满足约束条件的粒子施加惩罚项,进入A15;
A15、驱动厂网河一体化模型运行,得到调度后的污水泵站抽水量、厂前溢流量、河道水质和河道流速并传递给多目标粒子群算法,进入A16;
A16、利用多目标粒子群算法迭代寻优,寻找满足目标函数的粒子群,并将满足要求的粒子群保存起来;判断算法是否终止,若否,返回A14;若是,输出多组满足目标函数的各个时段污水泵站抽水量、闸门开度、河道补水断面和河道补水量的粒子群。
需要说明的是:本发明所提出的三种调度模型并不一定是单独使用,还有可能组合使用,如上述A13即可同时采用水生态调度场景模型和水环境调度场景模型,即在不发生城市内涝,流速小于最低允许流速的时候一定要采用水生态调度场景模型,但因为污水处理厂始终都在运行,所以可以运用污水处理厂中的尾水补充给河道,进行水环境与水生态的耦合调度。
Claims (5)
1.厂网河一体化分类智能调度方法,其特征在于,包括:
步骤1、根据涉水要素建立厂网河一体化模型,所述涉水要素包括污水处理厂、蓄水池、水闸和泵站;
步骤2、根据厂网河一体化模型设计调度模型,具体为:根据厂网河一体化模型、雨水井积水历时及河道流速建立调度模型:当雨水井积水历时>15min时,所述调度模型采用水安全调度场景模型;当雨水井积水历时在0~15min之间时,所述调度模型采用水环境调度场景模型;当河道流速小于最小允许流速时,所述调度模型采用水生态调度场景模型;
所述水安全调度场景模型为:
式中,F为泵站运行费用,α为单位抽水量的费用因子,q1jt为第j台泵站在第t时刻的抽水量,num为泵站总台数,Δt为模型迭代时间步长,T为调度总时间,Q为雨水井溢流量,qit为第i个雨水井在t时刻的溢流量,n为雨水井总数,Min为最小化函数;
所述水环境调度场景模型为:
式中,Fw为污水泵站运行费用,α为单位抽水量的费用因子,qwjt为第j台污水泵站在第t时刻的抽水量,num为泵站总台数,Δt为模型迭代时间步长,Qw为厂前溢流总量,qwt为污水处理厂前池在t时刻的溢流量,Cw为河道断面水质浓度超过阈值的总时间,cm为第m个河道断面水质浓度,c0为河道断面水质浓度的阈值,为第m个河道断面水质浓度超过阈值的时间,Ww为河道补水总量,qt为河道接收的补水流量,T为调度总时间,Min为最小化函数;
所述水生态调度场景模型为:
式中,C为水质浓度,ck为第k个河道断面的水质浓度,m为河道断面的总数,P为换水周期,Vi为第i条河道的蓄水量,qi为厂后尾水补给第i条河道的流量,n为区域河流总数,Min为最小化函数,max为最大值函数;
步骤3、采用多目标粒子群算法获取调度模型的解集;
步骤4、根据步骤3得到的解集进行涉水要素的调度。
2.根据权利要求1所述的厂网河一体化分类智能调度方法,其特征在于,步骤3所述的多目标粒子群算法的步骤为:
步骤B1、初始化参数:包括种群规模N、迭代次数M、粒子初始速度v0和位置x0、惯性权重w0及外部存档阈值,同时将外部档案空间初始化为空;
步骤B2、根据目标函数计算粒子的适应度值;
步骤B3、根据历史个体最优值pbest和当前粒子适应度值,更新个体最优值pbest:如果当前粒子支配历史粒子,则用当前粒子的适应度值更新个体最优值pbest,否则不更新;若不存在支配关系,则从当代粒子的适应度值和历史粒子的适应度值中随机选择一个更新粒子最优值pbest;
步骤B4、根据当前粒子的适应度值计算Pareto边界,将边界粒子加入外部档案空间,在外部档案空间中,根据支配关系筛选出Pareto边界粒子更新外部档案空间;同时采用轮盘赌法维护外部档案空间的规模;
步骤B5、计算并更新外部档案空间中的全体最优值gbest;
步骤B6、判断是否满足迭代终止条件,若否,根据速度更新公式、位置更新公式及惯性因子更新公式更新粒子的速度、位置和惯性权重,对不满足约束条件的粒子添加惩罚项,并返回步骤B2继续寻找Pareto非劣解集;若是,则迭代终止,输出Pareto非劣解集,算法结束。
4.根据权利要求3所述的厂网河一体化分类智能调度方法,其特征在于,所述c1=c2=1.5,ω1=0.9,ω2=0.4。
5.根据权利要求2所述的厂网河一体化分类智能调度方法,其特征在于,当所述调度模型为水安全调度场景模型时,约束条件包括水量平衡约束、河道过流能力约束、排水管网过流能力约束、闸门开度约束及泵站抽水过流能力约束;当所述调度模型为水环境调度场景模型时,约束条件包括水量平衡约束、河道过流能力约束、排水管网过流能力约束、闸门开度约束、泵站抽水能力约束及污水处理厂处理能力约束;当所述调度模型为水生态调度场景模型时,约束条件包括城市水系生态流速约束、泵站抽水能力约束及污水处理厂尾水补给能力约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460700.9A CN112950096B (zh) | 2021-04-27 | 2021-04-27 | 厂网河一体化分类智能调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460700.9A CN112950096B (zh) | 2021-04-27 | 2021-04-27 | 厂网河一体化分类智能调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112950096A CN112950096A (zh) | 2021-06-11 |
CN112950096B true CN112950096B (zh) | 2022-06-07 |
Family
ID=76233546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110460700.9A Active CN112950096B (zh) | 2021-04-27 | 2021-04-27 | 厂网河一体化分类智能调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950096B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114477329B (zh) * | 2022-02-22 | 2023-01-06 | 江苏舜维环境工程有限公司 | 一种水泥厂集成化水处理装置 |
CN117454784A (zh) * | 2023-10-07 | 2024-01-26 | 珠江水利委员会珠江水利科学研究院 | 一种水闸挡潮排涝联合调度降维方法、系统及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100043489A (ko) * | 2008-10-20 | 2010-04-29 | 한국건설기술연구원 | Dem을 이용한 하천네트워크 생성방법 |
CN102750589A (zh) * | 2012-06-30 | 2012-10-24 | 北京师范大学 | 水环境与水生态安全保障管理系统 |
CN107145958A (zh) * | 2017-03-20 | 2017-09-08 | 广东工业大学 | 一种基于改进粒子群算法的市政排水管网智能化排水调度方法 |
CN109800914A (zh) * | 2019-01-16 | 2019-05-24 | 河海大学 | 一种适用于滨海地区水资源的多目标优化调度方法 |
CN110796328A (zh) * | 2019-08-29 | 2020-02-14 | 杭州鲁尔物联科技有限公司 | 一种城区水系智能水质水量调度方法 |
CN111476676A (zh) * | 2020-04-02 | 2020-07-31 | 中国水利水电科学研究院 | 一种城镇小流域分类分级智能调度方法 |
CN111880431A (zh) * | 2020-06-19 | 2020-11-03 | 中国市政工程华北设计研究总院有限公司 | 一种综合性的城市排水系统联合调度实时仿真控制方法及所用系统 |
-
2021
- 2021-04-27 CN CN202110460700.9A patent/CN112950096B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100043489A (ko) * | 2008-10-20 | 2010-04-29 | 한국건설기술연구원 | Dem을 이용한 하천네트워크 생성방법 |
CN102750589A (zh) * | 2012-06-30 | 2012-10-24 | 北京师范大学 | 水环境与水生态安全保障管理系统 |
CN107145958A (zh) * | 2017-03-20 | 2017-09-08 | 广东工业大学 | 一种基于改进粒子群算法的市政排水管网智能化排水调度方法 |
CN109800914A (zh) * | 2019-01-16 | 2019-05-24 | 河海大学 | 一种适用于滨海地区水资源的多目标优化调度方法 |
CN110796328A (zh) * | 2019-08-29 | 2020-02-14 | 杭州鲁尔物联科技有限公司 | 一种城区水系智能水质水量调度方法 |
CN111476676A (zh) * | 2020-04-02 | 2020-07-31 | 中国水利水电科学研究院 | 一种城镇小流域分类分级智能调度方法 |
CN111880431A (zh) * | 2020-06-19 | 2020-11-03 | 中国市政工程华北设计研究总院有限公司 | 一种综合性的城市排水系统联合调度实时仿真控制方法及所用系统 |
Non-Patent Citations (2)
Title |
---|
Chunfen Zeng 等.Modeling Water Allocation under Extreme Drought of South-to-North Water Diversion Project in Jiangsu Province, Eastern China.《frontiers in Earth Science》.2020,第1-11页. * |
刘丙军 等.珠江三角洲网河区水量水质联合优化调度模型研究.《人民珠江》.2015,第74-78页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112950096A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112950096B (zh) | 厂网河一体化分类智能调度方法 | |
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 | |
CN1312629C (zh) | 城市排水系统不确定水力学模型建模方法 | |
CN110880048B (zh) | 一种梯级水库生态随机优化调度模型及求解方法 | |
CN108431700B (zh) | 用于生成适于被发送至水排放网络中的致动器的控制信号的方法 | |
CN102183972B (zh) | 一种城市排水系统蓄水池水位的控制方法 | |
CN109447405B (zh) | 一种承担调峰任务的一库多级式梯级库群短期计划制定方法 | |
CN111476676B (zh) | 一种城镇小流域分类分级智能调度方法 | |
CN103277291A (zh) | 一种单级泵站优化调度方法 | |
Sun et al. | Cyber-physical systems for real-time management in the urban water cycle | |
CN113515096A (zh) | 一种基于气象大数据的排水设施智能调度方法 | |
CN110555239A (zh) | 一种基于排水管网模型的河涌水闸优化调度方法 | |
CN105243502A (zh) | 一种基于径流区间预测的水电站调度风险评估方法及系统 | |
CN111340316B (zh) | 一种智慧供水管理方法及系统 | |
CN113590676B (zh) | 基于梯级联合等效防洪库容的流域防洪调度方法及系统 | |
CN104008425A (zh) | 基于引力搜索的水火电系统多目标调峰方法 | |
CN116011656A (zh) | 一种基于模型预测控制的泵闸群防洪调度方法及系统 | |
CN114792071A (zh) | 基于机器学习技术的排水泵站优化调度方法 | |
Yan et al. | A multi-objective optimal control model of cascade pumping stations considering both cost and safety | |
CN110163420B (zh) | 一种基于分解文化进化算法的多目标生态调度方法和系统 | |
CN109214110B (zh) | 一种长距离提水工程优化调度方法 | |
Sun et al. | Advanced integrated real-time control of combined Urban drainage systems using MPC | |
CN116335259A (zh) | 一种排水泵站以及调度方法、装置、设备和系统 | |
CN111476477A (zh) | 基于发电效益目标的梯级水电站中长期优化调度方法 | |
CN116307094A (zh) | 一种基于多目标粒子群算法的城市供水优化调度方法 |
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 |