CN113409163B - 基于韧性城市的互相依赖的水电系统的功能恢复决策方法 - Google Patents
基于韧性城市的互相依赖的水电系统的功能恢复决策方法 Download PDFInfo
- Publication number
- CN113409163B CN113409163B CN202110799272.2A CN202110799272A CN113409163B CN 113409163 B CN113409163 B CN 113409163B CN 202110799272 A CN202110799272 A CN 202110799272A CN 113409163 B CN113409163 B CN 113409163B
- Authority
- CN
- China
- Prior art keywords
- water supply
- chromosome
- function
- supply system
- power
- 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
- 238000011084 recovery Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 24
- 210000000349 chromosome Anatomy 0.000 claims abstract description 59
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 114
- 238000012423 maintenance Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000010230 functional analysis Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005206 flow analysis Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000003902 lesion Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 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
- 238000000547 structure data Methods 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
- 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
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Marketing (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于韧性城市的互相依赖的水电系统的功能恢复决策方法,包括:S1、初始化数据:S2、随机生成若干条损伤构件序号的序列,这些序列作为染色体即为初始种群,设置染色体切片的身份编码和相应损伤状态下水电整体功能水平的信息池,并设置遗传算法的迭代次数;S3、判断需评估的染色体切片的身份编码是否已经存在于信息池中:若存在,则直接调用信息池中的水电整体功能水平;否则,计算获取水电整体功能水平;S4、对染色体进行操作,获得下一代染色体,如已经达到迭代次数,则基于适应性函数值选取最优染色体。本发明在优化互相依赖的水电系统的功能恢复决策方法时,能满足灾后恢复的时间紧迫性要求,从而能真正应用到实际灾害场景中。
Description
技术领域
本发明涉及一种基于韧性城市的互相依赖的水电系统的功能恢复决策方法。
背景技术
每当地震灾害发生,都会对城市的经济运行和社会活动造成巨大影响。韧性城市是防灾减灾领域中的新范式,要求城市能够有抵御灾害并从灾害中快速恢复过来的能力。作为城市必不可少的组成部分——关键基础设施系统,需要在灾后尽可能短的时间内恢复到正常的功能水平,从而对城市中的社会、经济和政府活动提供至关重要的支持。近年来,人们逐渐认识到关键基础设施系统是存在互相依赖关系的,如供水系统中的水泵需要电力系统供电才能维持正常运转、供水系统中水管的爆裂会影响交通系统的正常运行等。
但目前,考虑存在互相依赖关系的供水系统和电力系统的灾后恢复决策,由于需要对供水系统和供电系统的恢复进行整体优化,而非过往两个系统独立进行恢复决策,导致优化过程的决策变量数翻倍,优化所需的时间非线性增长,这就导致恢复决策难以满足灾后恢复的时间紧迫性要求,也就无法应用到实际的灾害应急中去。
发明内容
本发明为了克服以上技术的不足,提供了一种基于韧性城市的互相依赖的水电系统的功能恢复决策方法。
本发明克服其技术问题所采用的技术方案是:
一种基于韧性城市的互相依赖的水电系统的功能恢复决策方法,包括如下步骤:
S1、初始化数据:所述数据至少包括供水系统和电力系统的拓扑结构、构件,供水系统和电力系统的构件的初始物理损伤状况,维修损伤构件的维修资源的数量,建立供水系统与电力系统的依赖数据库;
S2、基于步骤S1得到的构件的初始物理损伤状况随机生成若干条损伤构件序号的序列,这些序列作为染色体即为初始种群,设置染色体切片的身份编码和相应损伤状态下水电整体功能水平的信息池,并设置遗传算法的迭代次数;
S3、判断需评估的染色体切片的身份编码是否已经存在于信息池中:
若存在,则直接调用信息池中的水电整体功能水平;
否则,使用功能分析方法计算获取水电整体功能水平,即对电力系统做直流潮流分析、对供水系统做水力分析计算;并计算染色体切片的身份编码,将身份编码和水电整体功能水平储存到信息池中,在染色体切片的水电整体功能水平的基础上,结合时间步长获取水电系统的时间累积功能损失,此即为染色体的适应性函数;
S4、至少使用选择、交叉和变异遗传算子对染色体进行操作,获得下一代染色体,如果已经达到迭代次数,则基于适应性函数值选取最优染色体。
进一步地,所述步骤S1中,供水系统和电力系统的拓扑结构是由节点和边构成的几何图形,其中,节点和边都是供水系统和电力系统的构件;在供水系统中,节点至少为水泵或水库,边为供水管道;在电力系统中,节点至少为变电站或发电站,边为输电线。
进一步地,所述步骤S1中,所述供水系统与电力系统的依赖数据库是指与供水系统中的水泵存在对应关系的电力系统中的变电站或发电站,其中,对应关系是指水泵需要电力维持正常运转,若对应区域的变电站或发电站损坏,即无法为水泵供电,水泵无法运转。
进一步地,所述步骤S1中,供水系统和电力系统的构件的初始物理损伤状况基于损伤程度自低到高依次划分为第一损伤状态、第二损伤状态、第三损伤状态、第四损伤状态和第五损伤状态;所述维修资源是指配备相应维修工具的单个施工队计数,并假设供水系统和电力系统各自有对应的维修资源且不可通用;假设一个损伤构件对应需要一个维修资源,维修时间随构件的损伤程度严重程度而增加。
进一步地,所述步骤S2中,一个染色体为一个序列,即由损伤构件序号1、2、3、…、N所组成的数字串,N为损伤构件的数目;一个染色体切片有一个相应损伤状态的水电系统对应,其中的损伤构件为相应染色体从第1个到第n个构件序号所组成的数字串,1≤n≤N;一个染色体切片的身份编码为将该切片中的各个序号作为数字2的指数再求和,得到的计算值;信息池为包含所有已经进行过功能分析的染色体切片的身份编码和水电功能水平的数据库。
进一步地,所述步骤S2中,一个染色体切片的水电整体功能水平,指对该染色体切片表示的水电系统进行功能分析,步骤为:
首先,对电力系统做直流潮流分析,根据各个供电服务区的供电情况,判断供水系统中的水泵能否正常运行;
然后,再进行供水系统的水力分析。
进一步地,所述步骤S3中,时间步长是指水电系统整体功能水平总体保持不变的最短维持时间;水电系统中正常发挥功能的构件的数量随着维修工作的进行逐渐增加;在某个时间步长内,如有构件修复完成,则根据水电系统新的拓扑结构重新进行功能分析,给出新的功能水平,否则沿用上一步长时间内的功能水平。
进一步地,所述步骤S3中,水电整体功能水平是指水电系统分别由不同的服务区组成,先通过功能分析获得各个服务区的水电供应功能水平,再根据不同服务区中用户数量的加权平均得到水电系统整体的功能水平,其中,功能水平以用户用水需求或用电需求满足的百分比来计量,100%表示完全满足,0表示完全没有供水或供电。
进一步地,水电整体功能水平的计算具体如下:
式中,和分别为第t天供水系统和电力系统的整体功能水平;和分别为第t天供水系统第i个服务区和第t天电力系统第j个服务区的功能水平;和分别为供水系统第i个服务区和电力系统第j个服务区的权重;和分别为供水系统第i个服务区和电力系统第j个服务区的用户数量。
进一步地,所述步骤S3中,水电系统的时间累积功能损失是通过计算恢复总天数减去恢复期内累加每天的功能水平的和得到,具体如下:
式中,Lw和Lp分别为供水系统和电力系统累计的功能损失值,即染色体的适应性函数;Tw和Tp分别为供水系统和电力系统恢复的总时间;t为恢复过程中的某一天。
本发明的有益效果是:
本发明在优化互相依赖的水电系统的功能恢复决策方法时,使用染色体切片的概念,并对染色体切片进行身份编码和识别,这加速了遗传算法中耗时最大的适应性函数评价这个过程,极大程度上减缓了由于水电系统间存在功能依赖性导致恢复优化的决策变量数目翻倍进而程序运行时间非线性增长的严重问题,使得恢复决策能够满足灾后恢复的时间紧迫性要求,从而能真正应用到实际灾害场景中去。
附图说明
图1为本发明实施例所述的基于韧性城市的互相依赖的水电系统的功能恢复决策方法的原理流程图。
图2为本发明实施例所述某城市的供水系统的拓扑图。
图3为本发明实施例所述某城市的电力系统的拓扑图。
图4为本发明实施例所述供水系统的恢复决策图。
图5为本发明实施例所述电力系统的恢复决策图。
具体实施方式
为了便于本领域人员更好的理解本发明,下面结合附图和具体实施例对本发明做进一步详细说明,下述仅是示例性的不限定本发明的保护范围。
如图1所示,本发明公开了一种基于韧性城市的互相依赖的水电系统的功能恢复决策方法,下面以某城市为例进行详细说明。
步骤S1、初始化数据:所述数据至少包括供水系统和电力系统的拓扑结构、构件,供水系统和电力系统的构件的初始物理损伤状况,维修损伤构件的维修资源的数量,建立供水系统与电力系统的依赖数据库。
具体地,供水系统和电力系统的拓扑结构是由节点和边构成的几何图形,其中,节点和边都是供水系统和电力系统的构件;在供水系统中,节点至少为水泵或水库,边为供水管道;在电力系统中,节点至少为变电站或发电站,边为输电线。其中,供水系统和电力系统的拓扑结构数据信息可以通过政府公开的数据或相关网站查到。
所述供水系统与电力系统的依赖数据库是指与供水系统中的水泵存在对应关系的电力系统中的变电站或发电站,其中,对应关系是指水泵需要电力维持正常运转,若对应区域的变电站或发电站损坏,即无法为水泵供电,水泵无法运转。
供水系统和电力系统的构件的初始物理损伤状况基于损伤程度自低到高依次划分为第一损伤状态、第二损伤状态、第三损伤状态、第四损伤状态和第五损伤状态,本实施例中,第一损伤状态、第二损伤状态、第三损伤状态、第四损伤状态和第五损伤状态分别为未受损状态、轻微受损状态、中等受损状态、严重受损状态和完全受损状态。
所述维修资源是指配备相应维修工具的单个施工队计数,即供水系统的维修资源是指配备了维修供水系统的维修工具的施工队,电力系统的维修资源是指配备了维修电力系统的维修工具的施工队,并假设供水系统和电力系统各自有对应的维修资源且不可通用。
假设一个损伤构件对应需要一个维修资源,维修时间随构件的损伤程度严重程度而增加。
图2和图3分别为所述某城市的供水系统和电力系统的拓扑图。该城市的市政供水是通过水泵将地下水抽出,该供水系统共有49个节点和98根输水管道,其节点具体包括6个水箱、9个水泵和34个用水节点;该电力系统共有59个节点和73根输电线,其节点具体包括8个源节点和51个变电站。假定供水系统和电力系统的维修资源各有5个。
步骤S2、基于步骤S1得到的构件的初始物理损伤状况随机生成若干条损伤构件序号的序列,这些序列作为染色体即为初始种群,设置染色体切片的身份编码和相应损伤状态下水电整体功能水平的信息池,并设置遗传算法的迭代次数。
一个染色体为一个序列,即由损伤构件序号1、2、3、…、N所组成的数字串,N为损伤构件的数目。
一个染色体切片有一个相应损伤状态的水电系统对应,其中的损伤构件为相应染色体从第1个到第n个构件序号所组成的数字串,1≤n≤N。
一个染色体切片的身份编码为将该切片中的各个序号作为数字2的指数再求和,得到的计算值。
信息池为包含所有已经进行过功能分析的染色体切片的身份编码和水电功能水平的数据库。
一个染色体切片的水电整体功能水平,指对该染色体切片表示的水电系统进行功能分析,步骤为:
首先,对电力系统做直流潮流分析,根据各个供电服务区的供电情况,判断供水系统中的水泵能否正常运行;
然后,再进行供水系统的水力分析。
步骤S3、基于步骤S2,判断需评估的染色体切片的身份编码是否已经存在于信息池中:
若存在,则直接调用信息池中的水电整体功能水平;
否则,使用功能分析方法计算获取水电整体功能水平,即对电力系统做直流潮流分析、对供水系统做水力分析计算;并计算染色体切片的身份编码,将身份编码和水电整体功能水平储存到信息池中,在染色体切片的水电整体功能水平的基础上,结合时间步长获取水电系统的时间累积功能损失,此即为染色体的适应性函数。
本实施例中,时间步长是指水电系统整体功能水平总体保持不变的最短维持时间;水电系统中正常发挥功能的构件的数量随着维修工作的进行逐渐增加;在某个时间步长内,如有构件修复完成,则根据水电系统新的拓扑结构重新进行功能分析,给出新的功能水平,否则沿用上一步长时间内的功能水平。
水电整体功能水平是指水电系统分别由不同的服务区组成,先通过功能分析获得各个服务区的水电供应功能水平,再根据不同服务区中用户数量的加权平均得到水电系统整体的功能水平,其中,功能水平以用户用水需求或用电需求满足的百分比来计量,100%表示完全满足,0表示完全没有供水或供电。
水电整体功能水平的计算具体如下:
式中,和分别为第t天供水系统和电力系统的整体功能水平;和分别为第t天供水系统第i个服务区和第t天电力系统第j个服务区的功能水平;和分别为供水系统第i个服务区和电力系统第j个服务区的权重;和分别为供水系统第i个服务区和电力系统第j个服务区的用户数量。
水电系统的时间累积功能损失是通过计算恢复总天数减去恢复期内累加每天的功能水平的和得到,具体如下:
式中,Lw和Lp分别为供水系统和电力系统累计的功能损失值,即染色体的适应性函数;Tw和Tp分别为供水系统和电力系统恢复的总时间;t为恢复过程中的某一天。本实施例中,计算得到供水系统的累计功能损失值为2.71,电力系统的累计功能损失值为6.72。通过计算得到的供水系统和电力系统的功能损失值,可以对恢复决策进行评估。
步骤S4、基于步骤S3,至少使用选择、交叉和变异等遗传算子对染色体进行操作,获得下一代染色体,如果已经达到迭代次数,则基于适应性函数值选取最优染色体。
供水系统和电力系统的最优恢复决策图分别如图4和5所示,图4和5所示的恢复决策同时体现了初始损伤构件以及其所需修复时间,本实施例中横轴以天为单位。本实施例在多次反复测试中,得到优化所需的时间在30分钟到1小时之间,能够满足灾后恢复的时间紧迫性要求,从而能真正应用到实际灾害应急中去。
以上仅描述了本发明的基本原理和优选实施方式,本领域人员可以根据上述描述做出许多变化和改进,这些变化和改进应该属于本发明的保护范围。
Claims (8)
1.一种基于韧性城市的互相依赖的水电系统的功能恢复决策方法,其特征在于,包括如下步骤:
S1、初始化数据:所述数据至少包括供水系统和电力系统的拓扑结构、构件,供水系统和电力系统的构件的初始物理损伤状况,维修损伤构件的维修资源的数量,建立供水系统与电力系统的依赖数据库;
S2、基于步骤S1得到的构件的初始物理损伤状况随机生成若干条损伤构件序号的序列,这些序列作为染色体即为初始种群,设置染色体切片的身份编码和相应损伤状态下水电整体功能水平的信息池,并设置遗传算法的迭代次数;
S3、判断需评估的染色体切片的身份编码是否已经存在于信息池中:
若存在,则直接调用信息池中的水电整体功能水平;
否则,使用功能分析方法计算获取水电整体功能水平,即对电力系统做直流潮流分析、对供水系统做水力分析计算;并计算染色体切片的身份编码,将身份编码和水电整体功能水平储存到信息池中,在染色体切片的水电整体功能水平的基础上,结合时间步长获取水电系统的时间累积功能损失,此即为染色体的适应性函数;
水电整体功能水平的计算具体如下:
式中,和分别为第t天供水系统和电力系统的整体功能水平;和分别为第t天供水系统第i个服务区和第t天电力系统第j个服务区的功能水平;和分别为供水系统第i个服务区和电力系统第j个服务区的权重;和分别为供水系统第i个服务区和电力系统第j个服务区的用户数量;
水电系统的时间累积功能损失是通过计算恢复总天数减去恢复期内累加每天的功能水平的和得到,具体如下:
式中,Lw和Lp分别为供水系统和电力系统累计的功能损失值,即染色体的适应性函数;Tw和Tp分别为供水系统和电力系统恢复的总时间;t为恢复过程中的某一天;
S4、至少使用选择、交叉和变异遗传算子对染色体进行操作,获得下一代染色体,如果已经达到迭代次数,则基于适应性函数值选取最优染色体。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1中,供水系统和电力系统的拓扑结构是由节点和边构成的几何图形,其中,节点和边都是供水系统和电力系统的构件;在供水系统中,节点至少为水泵或水库,边为供水管道;在电力系统中,节点至少为变电站或发电站,边为输电线。
3.根据权利要求2所述的方法,其特征在于,所述步骤S1中,所述供水系统与电力系统的依赖数据库是指与供水系统中的水泵存在对应关系的电力系统中的变电站或发电站,其中,对应关系是指水泵需要电力维持正常运转,若对应区域的变电站或发电站损坏,即无法为水泵供电,水泵无法运转。
4.根据权利要求1所述的方法,其特征在于,所述步骤S1中,供水系统和电力系统的构件的初始物理损伤状况基于损伤程度自低到高依次划分为第一损伤状态、第二损伤状态、第三损伤状态、第四损伤状态和第五损伤状态;所述维修资源是指配备相应维修工具的单个施工队计数,并假设供水系统和电力系统各自有对应的维修资源且不可通用;假设一个损伤构件对应需要一个维修资源,维修时间随构件的损伤程度严重程度而增加。
5.根据权利要求1所述的方法,其特征在于,所述步骤S2中,一个染色体为一个序列,即由损伤构件序号1、2、3、…、N所组成的数字串,N为损伤构件的数目;一个染色体切片有一个相应损伤状态的水电系统对应,其中的损伤构件为相应染色体从第1个到第n个构件序号所组成的数字串,1≤n≤N;一个染色体切片的身份编码为将该切片中的各个序号作为数字2的指数再求和,得到的计算值;信息池为包含所有已经进行过功能分析的染色体切片的身份编码和水电功能水平的数据库。
6.根据权利要求1所述的方法,其特征在于,所述步骤S2中,一个染色体切片的水电整体功能水平,指对该染色体切片表示的水电系统进行功能分析,步骤为:
首先,对电力系统做直流潮流分析,根据各个供电服务区的供电情况,判断供水系统中的水泵能否正常运行;
然后,再进行供水系统的水力分析。
7.根据权利要求1所述的方法,其特征在于,所述步骤S3中,时间步长是指水电系统整体功能水平总体保持不变的最短维持时间;水电系统中正常发挥功能的构件的数量随着维修工作的进行逐渐增加;在某个时间步长内,如有构件修复完成,则根据水电系统新的拓扑结构重新进行功能分析,给出新的功能水平,否则沿用上一步长时间内的功能水平。
8.根据权利要求1所述的方法,其特征在于,所述步骤S3中,水电整体功能水平是指水电系统分别由不同的服务区组成,先通过功能分析获得各个服务区的水电供应功能水平,再根据不同服务区中用户数量的加权平均得到水电系统整体的功能水平,其中,功能水平以用户用水需求或用电需求满足的百分比来计量,100%表示完全满足,0表示完全没有供水或供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110799272.2A CN113409163B (zh) | 2021-07-15 | 2021-07-15 | 基于韧性城市的互相依赖的水电系统的功能恢复决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110799272.2A CN113409163B (zh) | 2021-07-15 | 2021-07-15 | 基于韧性城市的互相依赖的水电系统的功能恢复决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113409163A CN113409163A (zh) | 2021-09-17 |
CN113409163B true CN113409163B (zh) | 2022-10-04 |
Family
ID=77686427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110799272.2A Active CN113409163B (zh) | 2021-07-15 | 2021-07-15 | 基于韧性城市的互相依赖的水电系统的功能恢复决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113409163B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046819A (zh) * | 2019-04-16 | 2019-07-23 | 韧科(浙江)数据技术有限公司 | 城市基础设施系统灾后耦联恢复分析方法 |
CN111626603A (zh) * | 2020-05-26 | 2020-09-04 | 中国石油化工股份有限公司 | 一种具有遗传算法的油田有序用电系统及其有序用电分配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10439433B2 (en) * | 2017-03-01 | 2019-10-08 | University Of Central Florida Research Foundation, Inc. | Adaptive power grid restoration |
CN107895221B (zh) * | 2017-10-25 | 2021-09-28 | 北京微肯佛莱科技有限公司 | 市场环境下梯级水电站中长期调度与检修计划优化方法 |
US10886736B2 (en) * | 2018-12-13 | 2021-01-05 | Mitsubishi Electric Research Laboratories, Inc. | Post-disaster topology detection and energy flow recovery in power distribution network |
-
2021
- 2021-07-15 CN CN202110799272.2A patent/CN113409163B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046819A (zh) * | 2019-04-16 | 2019-07-23 | 韧科(浙江)数据技术有限公司 | 城市基础设施系统灾后耦联恢复分析方法 |
CN111626603A (zh) * | 2020-05-26 | 2020-09-04 | 中国石油化工股份有限公司 | 一种具有遗传算法的油田有序用电系统及其有序用电分配方法 |
Non-Patent Citations (4)
Title |
---|
Life-cycle analysis (LCA) to restore community building portfolios by building back better I: Building portfolio LCA;Yingjun Wang等;《Structural Safety》;20201231;全文 * |
城市基础设施韧性评估与敏感性分析;周诗伟等;《武汉理工大学学报(信息与管理工程版)》;20200615(第03期);全文 * |
基于灾后恢复过程解析的城市韧性评价体系;缪惠全等;《自然灾害学报》;20210228;第30卷;全文 * |
基于韧性曲线的城市安全韧性建模;李瑞奇等;《清华大学学报(自然科学版)》;20191031(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113409163A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Movahednia et al. | Power grid resilience enhancement via protecting electrical substations against flood hazards: A stochastic framework | |
Dehghani et al. | Optimal life-cycle resilience enhancement of aging power distribution systems: A MINLP-based preventive maintenance planning | |
Espinoza et al. | Risk and resilience assessment with component criticality ranking of electric power systems subject to earthquakes | |
US20090287530A1 (en) | Plan execution control apparatus, plan execution control method, and plan execution control program | |
Borghei et al. | A multi-objective optimization scheme for resilient, cost-effective planning of microgrids | |
Nayak et al. | Optimal recovery from disruptions in water distribution networks | |
Aghaie et al. | Advanced progressive real coded genetic algorithm for nuclear system availability optimization through preventive maintenance scheduling | |
CN107301479B (zh) | 基于自然灾害风险的输电系统多场景规划方法 | |
CN112464575A (zh) | 一种基于贝叶斯网络的大坝群风险评估方法和设备 | |
Tonmoy et al. | Vulnerability of infrastructure to Sea Level Rise: A combined outranking and system-dynamics approach | |
CN113409163B (zh) | 基于韧性城市的互相依赖的水电系统的功能恢复决策方法 | |
Sathe et al. | Optimizing location and relocation of response units in guarding critical facilities | |
US11361236B2 (en) | Ensemble forecast storm damage response system for critical infrastructure | |
Wang et al. | Resilience enhancement for multistate interdependent infrastructure networks: from a Preparedness Perspective | |
Blagojević et al. | Risk-informed resilience assessment of communities using lack of resilience surfaces | |
CN115169138A (zh) | 一种基于解析法的电力系统多层次恢复力评估方法和系统 | |
Gillette et al. | Analyzing water/wastewater infrastructure interdependencies. | |
Zhang et al. | A fragility-weighted topological network for resilient assessment of overhead power distribution system subjected to hurricane winds | |
Ramadan | A bi-objective inspection policy optimization model for finite-life repairable systems using a genetic algorithm. | |
Mamo et al. | Prioritization of Municipal Water Mains Leakages for the Selection of R&R Maintenance Strategies Using Risk Based Multi-Criteria FAHP Model | |
Wu et al. | Selection of Post-Disruption Recovery Strategy for Resilience | |
Fard et al. | Targeted Hardening of Electric Distribution System for Enhanced Resilience against Earthquakes | |
Rosen et al. | Probabilistic resilience assessment of smart power systems | |
Alghamdi et al. | Modelling frameworks applied in smart distribution network resiliency and restoration | |
Joshi et al. | Power grid resilience against natural disasters via line reinforcement and microgrid formation |
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 |