CN113626959B - 一种基于三维地理信息的污水管网水力模型建立方法 - Google Patents
一种基于三维地理信息的污水管网水力模型建立方法 Download PDFInfo
- Publication number
- CN113626959B CN113626959B CN202110786193.8A CN202110786193A CN113626959B CN 113626959 B CN113626959 B CN 113626959B CN 202110786193 A CN202110786193 A CN 202110786193A CN 113626959 B CN113626959 B CN 113626959B
- Authority
- CN
- China
- Prior art keywords
- sewage
- flow
- pipe network
- node
- sewage pipe
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 226
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 claims description 94
- 238000007689 inspection Methods 0.000 claims description 70
- 239000007788 liquid Substances 0.000 claims description 46
- 238000004088 simulation Methods 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000470 constituent Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000007796 conventional method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Sewage (AREA)
Abstract
本发明属于市政工程城市污水管网领域，本发明提供一种基于三维地理信息的污水管网水力模型建立方法，通过三维地理信息获取污水管网每个检查井节点与其周围建筑的物理对应关系，再根据此对应关系估算其人口数量作为先验信息，基于此人口比例使用优化算法确定区域内所有检查井节点的总入流量时间序列，再对每个检查井节点的流量波动系数进行优化计算，从而确定每个检查井节点的入流量时间序列，实现污水管网水力模型的准确建立，本发明提出了利用人口数据来代替污水管长/汇水面积数据作为污水管网流量校核的先验信息的方法，更加合理的解决了污水管网现有模拟技术普遍存在的多解问题，使在缺乏足够监测数据时的污水管网流量校核结果更加准确。
Description
技术领域
本发明属于市政工程城市污水管网领域，具体涉及污水管网水力模型建立方法。
背景技术
城市污水管网是维护城市水环境、防止疾病传播的重要城市基础设施，对保障城市的公共卫生和生态健康至关重要。近年来，随着人口增长和城市化加剧，污水管网的空间规模和结构复杂性也显著增加，加上系统老化现象，使污水管网的运行和管理过程中出现许多问题，其中一些典型问题包括管道淤塞、管道泄漏、雨污错接、非法排放、污水溢流等。这些问题严重污染城市水环境，威胁城市水安全，影响下游污水处理厂的正常运行，是城市黑臭水体的根本成因，亟待解决。
解决上述问题的一种方法是建立污水管网在线监测系统，通过在污水管网关键位置安装传感器以实时监测水深与流量，可以有效预警并定位淤塞、泄漏及非法排放等异常事件。但污水系统的监测传感器往往造价昂贵，维护困难，无法大范围高密度的覆盖整个城市污水管网，只能对监测点覆盖的小范围区域进行异常报警与诊断。因此，该方法通常需要结合精确的污水管网模型，通过模拟水力变量的动态行为并将其与有限的监测点数据作比较，判断是否出现异常情况。污水管网模型还可以模拟管网任意位置的水力参数，以便预测非监测点的水深和流量变化，帮助诊断与定位发生在非监测点的异常情况。
污水管网水力模型的准确程度会极大影响该方法中在线监测系统的预警性能，是在线监测系统的关键部分。而要保证水力模型的准确性，需要高时空分辨率的流量数据用以校核模型，这在实际工程中是很难获得的。为了解决这个问题，常用离线校准的方法，利用有限的监测数据来推算确定每个检查井节点的流量时间序列。此外，还有一些研究基于不同日之间的相同时间段的流量总体应该相近似这一假设，通过使用单日流量时间序列期望值来代表不同日的流量变化，来减少运算时间，但该方法存在的一个巨大缺陷是未考虑优化获得的污水流量时间序列的多解性，更具体的说，该方法仅能保证监测点处模拟值与监测值近似，无法保证非监测点的模拟值是否与真实情况近似，因为不同组合的非监测点模拟值都可能可以保证监测点的结果吻合，从而难以确定一个特定且唯一的、可以反映真实管网水力情况的流量合集，进而严重影响污水管网在线监测系统的效率和准确性。解决多解问题的常见办法是使用先验信息来约束校核结果，传统方法通常是按照管道长度或汇水面积来分配流量，因为通常较长的管道和较大的汇水区往往会排入更多污水。但这种预设不一定符合实际情况，如对于起传输作用的污水管道而言，尽管管道较长，但周围用户密度很低，污水流入量很小；而对搭设在大人口密度区域的管道，可能较短长度就会对应大量污水。同理，较大面积的汇水区也可能只有很低密度的建筑，导致其排放的污水量偏低。若直接使用管长和汇水面积作为先验信息校核污水管网模型，可能造成流量校核结果偏离实际，进而造成监测系统的误报和漏报。更合理的方法是使用对应的人口数量作为先验，因为人口即用户量与污水排放量是息息相关的，但人口数据相较管长而言更难获得，且存在较大波动性，难以直接在实际工程中应用。
发明内容
为了克服背景技术中的上述缺陷，有效解决污水管网流量校核的多解问题，本发明首次提出一种基于三维地理信息的污水管网模型建立方法，首先通过三维地理信息将污水管网分区，并估算子区域内建筑物对应人口数量，将人口数分配至附近最近的污水管网检查井节点，从而获得检查井节点对应的人口先验信息，随后基于人口比例，使用优化算法确定子区域内所有检查井节点的总入流量时间序列，最后，在确定的总入流量时间序列基础上对每个检查井的流量调整系数进行优化计算，从而确定每个检查井节点的入流量时间序列，实现污水管网水力模型的准确建立。本发明的创新之处是在实时数据难以大量获得的情况下，创新性的使用易于获得的三维地理信息来解决污水管网流量校核的多解问题，在参数数据及其有限的前提下，建立准确的污水管网水力模型，为污水管网发生异常情况时的预警和诊断提供了关键性技术支撑。
具体地说，本发明所要解决的技术问题：提出一种基于三维地理信息的污水管网模型建立方法，通过三维地理信息获取污水管网每个检查井节点与其周围建筑的物理对应关系，再根据此对应关系估算其人口数量作为先验信息，基于此人口比例使用优化算法确定区域内所有检查井节点的总入流量时间序列，再对每个检查井节点的流量波动系数进行优化计算，从而确定每个检查井节点的入流量时间序列，实现污水管网水力模型的准确建立，为在污水管网异常情况的预警和诊断提供了关键性技术支撑。
为了实现上述目的，本发明提供以下技术方案：
本发明提供一种基于三维地理信息的污水管网水力模型建立方法，所述建立方法的步骤为：
(1)估算污水检查井节点h对应总人口数量P(h)；
(2)校核污水管网水力模型子系统每个时刻ta的总污水入流量qn(ta)；
(3)校核污水管网水力模型每个检查井节点h的污水流量调整系数kh；
(4)实现污水管网水力模型的准确建立与污水管网水力参数模拟。
进一步地，所述步骤(1)的具体过程为：
(11)基于污水管网的拓扑结构及组成构件的物理信息，初步构建污水管网水力模型；
(12)基于三维地理信息，进一步建立污水管网水力模型检查井节点h与周围建筑物间的物理映射关系，根据欧拉距离公式，将每个建筑物对应到与之空间距离最近的检查井节点h，具体公式如下：
其中，(xr，yr，zr)是以建筑物的底面建立平面几何中心坐标系的三维坐标；
(xh，yh，zh)是以检查井节点h的井口建立坐标系的三维坐标；
(13)将所有建筑物按功能性划分为住宅建筑r与公共建筑u，估算检查井节点h对应的所有住宅建筑r的总人口，具体公式如下：
其中，P(h)是与检查井节点h相关联的总人口估算值；
Vr(h)是与检查井节点h相关联的住宅建筑r的体积(单位m3)；
Rh是与检查井节点h相关联的所有住宅建筑r数量；
η是每建筑体积的平均居住人口数量(单位np/m3)；
Ar是住宅建筑r的居住率；
(14)估算检查井节点h对应的所有公共建筑u的污水排放量，具体公式如下：
DSu(t)＝TFu(t)×WSu(t)； 公式1-3
其中，DSu(t)是公共建筑u在t时刻的污水排放量；
WSu(t)是公共建筑u在t时刻的用水量；
TFu(t)是用水量与污水排放量在t时刻的转化系数。
进一步地，所述组成构件包括污水管道、检查井节点h。
优选的，所述污水管网的拓扑结构及组成构件的物理信息可由地理信息系统(GIS)获得。
进一步地，所述步骤(2)的具体过程为：
(21)基于已安装的N个污水流量计的位置将污水管网划分为N个子系统，每一个子系统内有唯一的一个污水流量计相对应，具有N个流量监测点，其中N仅表示数量，无实际意义；
(22)建立子系统流量优化单目标函数，具体公式如下：
最小化：
其中，
其中，MIh(ta)是ta时刻检查井节点h的污水入流流量；
MI(ta)是ta时刻所有检查井节点的污水入流流量；
qn(T)是第n个子系统在T时刻的所有检查井节点的总污水入流量，n＝1,2,3,,,N；
Hn是子系统内所有与住宅建筑关联的检查井节点；
Fm(MI(ta))是基于MI(ta)流量输入的污水管网水力模拟结果，包括检查井节点的液位和污水管道流量；
Te表示用于污水管网水力模型校核的液位和流量监测值的结束时间；
Tw是用于污水管网水力模型校核的开始时间；
ta是污水管网水力模型选定的校核时刻；
Q是决策变量矩阵，表示每个子系统总污水入流量时间序列矩阵；
i＝1，2，…，M，M表示液位监测点的数量；
n＝1，2，…，N，N表示与子系统一一相对应的流量监测点的数量；
F(Q)是以Q为决策变量的目标函数值；
T是污水管网水力模型的模拟周期，例如为24小时；
Δt是污水管网水力模型计算时间精度，例如为30分钟；
和/>分别表示ta时刻有液位监测的检查井节点i处的液位模拟值和有流量监测的污水管道n处的流量模拟值；
和/>分别表示t时刻有液位监测的检查井节点i处的监测值和有流量监测的污水管道n处的监测值；
w(ta)和fs(ta)分别表示ta时刻有液位监测的检查井节点的液位模拟值合集和有流量监测的污水管道的流量模拟值合集；
h(u)表示与检查井节点h相关联的公共建筑总数；
g()是线性转换函数，用于将液位和流量转换为同一量级，定义为：
式中，x表示液位和/或流量监测点的观测值或模拟值；
xmin和xmax为液位和/或流量监测点的观测值或模拟值的上限和下限；
(23)通过遗传算法求解子系统流量优化单目标优化模型F(Q)，得到每个子系统最优的总污水入流量时间序列矩阵Q。
进一步地，所述步骤(3)的具体过程为：
(31)建立污水管网水力模型检查井节点流量优化的单目标函数，具体公式如下：
最小化：
检查井节点h与住宅建筑关联；公式1-10
Fm(MIu(ta))＝[Ws(ta)；fs(ta)]； 公式1-11
kh∈[kmin,kmax]； 公式1-12
其中，K＝[k1,k2,...kH]T为决策变量；
F(K)为以K为决策变量的目标函数值；
kh表示检查井节点h的流量调整系数；
是经kh调整后的ta时刻单个检查井节点h的污水入流流量；
MIu(ta)是经K调整后的ta时刻所有检查井节点h的污水入流流量；
kmin和kmax表示检查井节点流量调整系数所允许的最小值和最大值；
优选的，kmin＝0.85，kmax＝1.15。
(32)利用进化算法求解优化模型污水管网水力模型检查井节点流量优化的单目标优化模型F(K)，得到每个检查井节点h最佳的污水流量调整系数kh。
进一步地，所述步骤(4)的具体过程为：
(41)根据三维地理信息，通过步骤(1)获得的检查井节点h对应总人口数量作为先验信息，按照步骤(2)初步校核污水管网子系统总污水入流量；
(42)根据步骤(41)获得的子系统总污水入流量，按照步骤(3)校核每个检查井节点的污水流量调整系数kh，确定每个检查井节点的单日入流量时间序列
(43)运行污水管网水力模型，模拟污水管网水力参数值。
优选的，模拟污水管网水力参数值包括模拟液位、流量等水力参数。
本发明具有以下有益效果：
(1)本发明提出了利用人口数据来代替污水管长/汇水面积数据作为污水管网流量校核的先验信息的方法，更加合理的解决了污水管网现有模拟技术普遍存在的多解问题，使在缺乏足够监测数据时的污水管网流量校核结果更加准确；
(2)本发明首次提出了使用三维地理信息估算检查井对应人口数量的方法，利用地理信息估算建筑物体积从而计算其对应人口数量，并建立污水检查井节点与周围建筑物物理联系，将建筑物人口数量映射至检查井节点，从而获取相对准确的先验信息，有效解决了污水管网数据严重缺乏的问题；
(3)本发明提出的两步优化方法，分别优化校核污水管网总入流量及单一检查井节点的调整系数，减轻了运算复杂程度，使污水管网水力校核过程更加高效；
(4)本发明优化了传统污水管网静态校核及离线模拟方法，减少了校核数据的获取难度，提升了准确性，是对城市排水管网管理研究领域的一个重要补充，为污水管网系统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是本发明的整体流程简图。
图2是检查井-建筑物物理联系的概念示意图。
图3是三维地图估算建筑物对应人口数量方法示意图。
图4是污水管网及周围建筑物分区示意图。
图5是实施例BKN污水管网系统及监测点布置图。
图6是实施例XZN污水管网系统及监测点布置图。
图7是检查井节点关联人口数量的密度分布情况曲线图。。
图8是实施例BKN监测点发明方法与传统方法的流量模拟值的比较图。
图9是实施例BKN监测点发明方法与传统方法的流量相对误差分布图。
图10是实施例BKN监测点发明方法与传统方法的液位模拟值的比较图。
图11是实施例BKN监测点发明方法与传统方法的液位相对误差分布图。
图12是实施例XZN监测点发明方法与传统方法的流量模拟值的比较图。
图13是实施例XZN监测点发明方法与传统方法的流量相对误差分布图。
图14是实施例XZN监测点发明方法与传统方法的液位模拟值的比较图。
图15是实施例XZN监测点发明方法与传统方法的液位相对误差分布图。
图16是实施例BKN监测点液位单日模拟值与观测值比较图。
图17是实施例XZN监测点流量单日模拟值与观测值比较图。
图18是实施例BKN非监测点发明方法与传统方法模拟值同对应供水节点流量观测值的比较图。
图19是实施例BKN非监测点发明方法与传统方法模拟值同对应供水节点流量观测值的比较图。
图20是实施例XZN非监测点发明方法与传统方法模拟值同对应供水节点流量观测值比较图。
图21是实施例XZN非监测点发明方法与传统方法对应供水节点流量观测值的比较图。
图22是实施例BKN用水量与污水排放量转化系数TF的密度分布图。
图23是实施例XZN用水量与污水排放量转化系数TF的密度分布图。
具体实施方式
以下结合附图对本发明的具体实施方式做详细描述，应当指出的是，实施例只是对发明的具体阐述，不应视为对发明的限定，实施例的目的是为了让本领域技术人员更好地理解和再现本发明的技术方案，本发明的保护范围仍应当以权利要求书所限定的范围为准。
本发明中的地理三维信息可以根据对实际实施地进行模拟的三维地图获得，该三维地图可根据现有技术中的地理信息数据库中获取。
如图1所示，本发明提供一种基于三维地理信息的污水管网水力模型建立方法，所述建立方法的步骤为：
S1，估算污水检查井节点h对应总人口数量P(h)；
S11，基于污水管网的拓扑结构及组成构件的物理信息，初步构建污水管网水力模型；
S12，基于三维地理信息，进一步建立污水管网水力模型检查井节点h与周围建筑物间的物理映射关系，如图2所示，根据欧拉距离公式，将每个建筑物对应到与之空间距离最近的检查井节点h，具体公式如下：
其中，(xr，yr，zr)是以建筑物的底面建立平面几何中心坐标系的三维坐标；
(xh，yh，zh)是以检查井节点h的井口建立坐标系的三维坐标；
S13，将所有建筑物按功能性划分为住宅建筑r与公共建筑u，估算检查井节点h对应的所有住宅建筑r的总人口，具体公式如下：
其中，P(h)是与检查井节点h相关联的总人口估算值；
Vr(h)是与检查井节点h相关联的住宅建筑r的体积(单位m3)，其值通过三维地理信息数据库计算获得，如图3所示；
Rh是与检查井节点h相关联的所有住宅建筑r数量；
η是每建筑体积的平均居住人口数量(单位np/m3)，其值通过官方人口普查数据或实地抽样调查获得；
Ar是住宅建筑r的居住率，也通过当地相关管理部门获得；
S14，估算检查井节点h对应的所有公共建筑u的污水排放量，具体公式如下：
DSu(t)＝TFu(t)×WSu(t)； 公式1-3
其中，DSu(t)是公共建筑u在t时刻的污水排放量；
WSu(t)是公共建筑u在t时刻的用水量，其值可通过目前已普遍安装的智能水表实时获得；
TFu(t)是用水量与污水排放量在t时刻的转化系数。
所述组成构件包括污水管道、检查井节点h和排污口。
优选的，所述污水管网的拓扑结构及组成构件的物理信息可由地理信息系统(GIS)获得。
S2，校核污水管网水力模型子系统每个时刻ta的总污水入流量qn(ta)；
S21，基于已安装的N个污水流量计的位置将污水管网划分为N个子系统，将污水流量计上游管网划分为该污水流量计覆盖的子系统区域，每一个子系统内有唯一的一个污水流量计相对应如图4所示，具有N个流量监测点，其中N仅表示数量，无实际意义；
S22，建立子系统流量优化单目标函数，具体公式如下：
最小化：
其中，
其中，MIh(ta)是ta时刻单个检查井节点h的污水入流流量；
MI(ta)是ta时刻所有检查井节点的污水入流流量；
qn(T)是第n个子系统在T时刻的所有检查井节点的总污水入流量，n＝1,2,3,,,N；
Hn是子系统内所有与住宅建筑关联的检查井节点；
Fm(MI(ta))是基于MI(ta)流量输入的污水管网水力模拟结果，包括检查井节点的液位和污水管道流量；
Te表示用于污水管网水力模型校核的液位和流量监测值的结束时间；
Tw是用于污水管网水力模型校核的开始时间；
ta是污水管网水力模型选定的校核时刻；
Q是决策变量矩阵，表示每个子系统总污水入流量时间序列矩阵；
i＝1，2，…，M，M表示液位监测点的数量；
n＝1，2，…，N，N表示与子系统一一相对应的流量监测点的数量；
F(Q)是以Q为决策变量的目标函数值；
T是污水管网水力模型的模拟周期，例如为24小时；
Δt是污水管网水力模型计算时间精度，例如为30分钟；
和/>分别表示ta时刻有液位监测的检查井节点i处的液位模拟值和有流量监测的污水管道n处的流量模拟值；
和/>分别表示t时刻有液位监测的检查井节点i处的监测值和有流量监测的污水管道n处的监测值；
w(ta)和fs(ta)分别表示ta时刻有液位监测的检查井节点的液位模拟值合集和有流量监测的污水管道的流量模拟值合集；
h(u)表示与污水检查井节点h相关联的公共建筑总数；
g()是线性转换函数，用于将液位和流量转换为同一量级，定义为：
式中，x表示液位和/或流量监测点的观测值或模拟值；
xmin和xmax为液位和/或流量监测点的观测值或模拟值的上限和下限；
S23，通过遗传算法求解子系统流量优化单目标优化模型F(Q)，得到每个子系统最优的总污水入流量时间序列矩阵Q。
S3，校核污水管网水力模型每个检查井节点h的污水流量调整系数kh；
S31，建立污水管网水力模型检查井节点流量优化的单目标函数，具体公式如下：
最小化：
检查井节点h与住宅建筑关联；公式1-10
Fm(MIu(ta))＝[Ws(ta)；fs(ta)]； 公式1-11
kh∈[kmin,kmax]； 公式1-12
其中，K＝[k1,k2,...kH]T为决策变量；
F(K)为以K为决策变量的目标函数值；
kh表示检查井节点h的流量调整系数；
是经kh调整后的ta时刻单个检查井节点h的污水入流流量；
MIu(ta)是经K调整后的ta时刻所有检查井节点的污水入流流量；
kmin和kmax表示检查井节点流量调整系数所允许的最小值和最大值，优选的，kmin＝0.85，kmax＝1.15。
S32，利用进化算法求解优化模型污水管网水力模型检查井节点流量优化的单目标优化模型F(K)，得到每个检查井节点h最佳的污水流量调整系数kh。
S4，实现污水管网水力模型的准确建立与水力参数模拟。
S41，根据三维地理信息，通过步骤S1，获得的检查井节点h对应总人口数量作为先验信息，按照步骤S2，初步校核污水管网子系统总污水入流量；
S42，根据步骤S41获得的子系统总污水入流量，按照步骤S3校核每个检查井节点的污水流量调整系数kh，确定每个检查井节点的单日入流量时间序列
S43，运行污水管网水力模型，模拟污水管网水力参数值。
优选的，模拟污水管网水力参数值包括模拟液位、流量等水力参数。
以下将以模拟实际的示例来说明本发明的方法在工程中的实际应用，示例不表示现实存在的例子，示例的说明表示本发明可以用于工程实践并且能够获得技术效果。
下面将以Benk和Xiuzhou两个城市的污水管网为例，城市Benk污水管网(记为BKN)由64个检查井节点、64条污水管道和一个排污口组成，污水管道的管长总计约9.4公里，平均污水管道坡度为0.65％，区域内总人口数量约为2.05万人，在BKN污水管网中安装有3个液位计和一个流量计(位置如图5所示)；城市Xiuzhou的污水管网(记为XZN)由1214个检查井节点、1214条污水管道和一个排污口组成，污水管道的管长总计约86公里，平均污水管道坡度为0.27％，区域内总人口数量约为10.75万人；在XZN污水管网中安装有8个液位计和3个流量计(位置如图6所示)。
BKN污水管网和XZN污水管网均分别监测仪表记录了某月31天无降雨情况下的历史数据，时间步长为30分钟，每个监测点使用了1488(31×24×2)个时间步长的数据用于模拟；污水管网水力模型热启动时间Tw＝3天，接下来的14天用于校核水力参数，最后的14天用于验证校核结果，在校核-验证过程中每个监测点使用了1344(28×24×2)个时间步长的数据。对于BKN案例和XZN案例，每个建筑体积的平均居住人口数量η分别采用0.96和0.97np/(100m3)，居住率Ar均采用100％，用水量与污水排放量转化系数TFj(t)均采用0.8，检查井节点的流量调整系数的最大值kmax和最小值kmin均采用1.15和0.85。参数校核的两个优化阶段都使用Borg进化算法进行计算，种群数量设置为500，最大迭代次数为100000，其余参数使用默认值。
如图7所示，分别展示了两个案例中检查井节点关联人口数量的密度分布情况。
如图8-23为BKN和XZN案例的验证阶段模拟结果。为评估效果，将本发明方法的结果与传统方法进行对比。考虑到信息采集难易程度，下述实施例中的传统方法选择使用管长作为先验信息进行计算，其他部分与发明方法相同(即都使用两阶段优化步骤，除先验信息外使用完全相同的参数设置)。
其中，如图8-15所示，直接比较BKN和XZN监测点的观测值与两种方法模拟值，以及它们的绝对误差情况，每个案例分别选择一个流量监测点和一个液位监测点作为例子，选择验证阶段的其中7天数据，此处选择第18至第24日进行比较；如图8-9所示，对于BKN案例的流量监测点，发明方法与观测值间的绝对误差平均值为8.78％，而传统方法为9.67％；如图10-11所示，对于该案例的液位监测点，发明方法和传统方法的绝对误差平均值分别为3.57％和3.63％。对于XZN案例，发明方法和传统方法在模拟流量值上的绝对误差平均值分别为6.29％和6.46％；对于液位值，其绝对误差平均值分别为4.50％和7.60％；如图16-17所示，两个监测点某一天(验证阶段)的两种方法模拟值与观测值的对比情况，可以清晰看出发明方法的模拟值比传统方法更加贴近真实的观测值。
为了整体评估所有监测点的模拟情况，统计了所有监测点的可决系数R2、NSE(Nash-Sutcliffe效率系数)和KGE(Kling-Gupta效率系数)的值，如表1-2所示；
可以看出，对于BKN案例，两种方法的评估结果相差较小；而对XZN案例，发明方法的评估结果则优于传统方法，且对于XZN案例的D1-D5监测点，传统方法的NSE值都明显偏低(低于0.8)，而发明方法的结果则依然优秀(大于0.85)，证明发明方法对大型管网的监测点水力模拟效果要优于传统方法。
表1：BKN案例监测点模拟结果评估
表2：XZN案例监测点模拟结果评估
如图18-21所示，比较BKN和XZN非监测点模拟效果，由于非监测点缺乏直接观测数据，采用目标检查井节点对应的供水节点智能水表数据作为标准进行对比。根据工程经验，污水流量值应为其关联供水节点用水量的80％左右。从图18-21可看出，传统方法在R1、R3和R4处的模拟值始终大于用水量数据，而在R2处则显著低于用水量数据，这两种情况都不符合实际工程经验。与之相反，发明方法模拟的污水流量值总体均略低与对应的用水量数据，符合工程实际，表明在没有液位计或流量计的检查井节点位置，发明方法能够较准确地模拟水力变量。
如图22-23所示，统计了所有对应供水节点具备用水量数据的检查井节点的用水量与污水排放量转化系数TF的分布情况。可以看出，传统方法的TF值则分散分布在远小于1和远大于1的部分，与实际情况不符；而发明方法的TF值集中分布在略小于1的部分，符合工程实际，表明发明方法能有效解决多解问题，在无监测信息的位置也能准确模拟污水水力参数。
由此可知，通过本发明所提出基于三维地理信息的污水管网水力模型建立方法，利用三维地图估算建筑物对应人口数量并建立建筑物与污水检查井节点物理联系，为缺乏足够监测信息的污水管水力网模型校核提供了先验信息，并使用两步优化的方法确定污水管网总入流量及各个检查井节点的流量调整系数，实现了整个污水管网液位和流量参数的准确模拟，解决了污水管网校核方面存在的多解问题，为解决污水管网存在的管道淤塞、管道泄漏、雨污错接、非法排放、污水溢流等问题提供了重要技术支撑，具有实际工程应用价值。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
Claims (2)
1.一种基于三维地理信息的污水管网水力模型建立方法，其特征在于，所述建立方法的步骤为：
(1)估算污水检查井节点h对应总人口数量P(h)；
具体过程为：
(11)基于污水管网的拓扑结构及组成构件的物理信息，初步构建污水管网水力模型；
(12)基于三维地理信息，进一步建立污水管网水力模型检查井节点h与周围建筑物间的物理映射关系，根据欧拉距离公式，将每个建筑物对应到与之空间距离最近的检查井节点h，具体公式如下：
其中，(xr，yr，zr)是以建筑物的底面建立平面几何中心坐标系的三维坐标；
(xh，yh，zh)是以检查井节点h的井口建立坐标系的三维坐标；
(13)将所有建筑物按功能性划分为住宅建筑r与公共建筑u，估算检查井节点h对应的所有住宅建筑r的总人口，具体公式如下：
其中，P(h)是与检查井节点h相关联的总人口估算值；
Vr(h)是与检查井节点h相关联的住宅建筑r的体积，单位为m3；
Rh是与检查井节点h相关联的所有住宅建筑r数量；
η是每建筑体积的平均居住人口数量，单位为np/m3；
Ar是住宅建筑r的居住率；
(14)估算检查井节点h对应的所有公共建筑u的污水排放量，具体公式如下：
DSu(t)＝TFu(t)×WSu(t)； 公式1-3
其中，DSu(t)是公共建筑u在t时刻的污水排放量；
WSu(t)是公共建筑u在t时刻的用水量；
TFu(t)是用水量与污水排放量在t时刻的转化系数；
(2)校核污水管网水力模型子系统每个时刻ta的总污水入流量qn(ta)；
具体过程为：
(21)基于已安装的N个污水流量计的位置将污水管网划分为N个子系统，每一个子系统内有唯一的一个污水流量计相对应，具有N个流量监测点，其中N仅表示数量；
(22)建立子系统流量优化单目标函数，具体公式如下：
最小化：
其中，
其中，MIh(ta)是ta时刻单个检查井节点h的污水入流流量；
MI(ta)是ta时刻所有检查井节点的污水入流流量；
qn(T)是第n个子系统在T时刻的所有检查井节点的总污水入流量，n＝1,2,3,,,N；
Hn是子系统内所有与住宅建筑关联的检查井节点；
Fm(MI(ta))是基于MI(ta)流量输入的污水管网水力模拟结果，包括检查井节点的液位和污水管道的流量；
Te表示用于污水管网水力模型校核的液位和流量监测值的结束时间；
Tw是用于污水管网水力模型校核的开始时间；
ta是污水管网水力模型选定的校核时刻；
Q是决策变量矩阵，表示每个子系统总污水入流量时间序列矩阵；
i＝1，2，…，M，M表示液位监测点的数量；
n＝1，2，…，N，N表示与子系统一一相对应的流量监测点的数量；
F(Q)是以Q为决策变量的目标函数值；
T是污水管网水力模型的模拟周期；
Δt是污水管网水力模型计算时间精度；
和/>分别表示ta时刻有液位监测的检查井节点i处的液位模拟值和有流量监测的污水管道n处的流量模拟值；
和/>分别表示t时刻有液位监测的检查井节点i处的监测值和有流量监测的污水管道n处的监测值；
Ws(ta)和fs(ta)分别表示ta时刻有液位监测的检查井节点的液位模拟值合集和有流量监测的污水管道的流量模拟值合集；
h(u)表示与检查井节点h相关联的公共建筑总数；
g()是线性转换函数，用于将液位和流量转换为同一量级，定义为：
式中，x表示液位和/或流量监测点的观测值或模拟值；
xmin和xmax为液位和/或流量监测点的观测值或模拟值的上限和下限；
(23)通过遗传算法求解子系统流量优化单目标优化模型F(Q)，得到每个子系统最优的总污水入流量时间序列矩阵Q；
(3)校核污水管网水力模型每个检查井节点h的污水流量调整系数kh；
具体过程为：
(31)建立污水管网水力模型检查井节点流量优化的单目标函数，具体公式如下：
最小化：
Fm(MIu(ta))＝[Ws(ta)；fs(ta)]； 公式1-11
kh∈[kmin,kmax]； 公式1-12
其中，K＝[k1,k2,...kH]T为决策变量；
F(K)为以K为决策变量的目标函数值；
kh表示检查井节点h的流量调整系数；
是经kh调整后的ta时刻单个检查井节点h的污水入流流量；
MIu(ta)是经K调整后的ta时刻所有检查井节点的污水入流流量；
kmin和kmax表示检查井节点流量调整系数所允许的最小值和最大值；
(32)利用进化算法求解优化模型污水管网水力模型检查井节点流量优化的单目标优化模型F(K)，得到每个检查井节点h最佳的污水流量调整系数kh；
(4)实现污水管网水力模型的准确建立与污水管网水力参数模拟；
具体过程为：
(41)根据三维地理信息，通过步骤(1)获得的检查井节点h对应总人口数量作为先验信息，按照步骤(2)初步校核污水管网子系统总污水入流量；
(42)根据步骤(41)获得的子系统总污水入流量，按照步骤(3)校核每个检查井节点的污水流量调整系数kh，确定每个检查井节点的单日入流量时间序列
(43)运行污水管网水力模型，模拟污水管网水力参数值。
2.根据权利要求1所述的一种基于三维地理信息的污水管网水力模型建立方法，其特征在于，所述组成构件包括污水管道、检查井节点h。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110786193.8A CN113626959B (zh) | 2021-07-12 | 2021-07-12 | 一种基于三维地理信息的污水管网水力模型建立方法 |
| PCT/CN2021/112928 WO2023284060A1 (zh) | 2021-07-12 | 2021-08-17 | 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 |
| US18/411,188 US20240184959A1 (en) | 2021-07-12 | 2024-01-12 | Sewage pipe network hydraulic model building method based on three-dimensional geographic information |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110786193.8A CN113626959B (zh) | 2021-07-12 | 2021-07-12 | 一种基于三维地理信息的污水管网水力模型建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113626959A CN113626959A (zh) | 2021-11-09 |
| CN113626959B true CN113626959B (zh) | 2023-12-08 |
Family
ID=78379592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110786193.8A Active CN113626959B (zh) | 2021-07-12 | 2021-07-12 | 一种基于三维地理信息的污水管网水力模型建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113626959B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115031801B (zh) * | 2022-04-15 | 2023-03-31 | 宁波大学 | 一种基于排水管道液位监测动态流量的方法 |
| CN116150930B (zh) * | 2023-04-20 | 2023-07-18 | 天津智云水务科技有限公司 | 基于3d地图信息的供水管网水力模型节点流量初始化方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592008A (zh) * | 2011-12-30 | 2012-07-18 | 华东师范大学 | 基于gis技术的城市排水管网设计系统及方法 |
| CN103697934A (zh) * | 2012-10-12 | 2014-04-02 | 中国水利水电科学研究院 | 城市市政污水管网的带压监测方法 |
| CN110196083A (zh) * | 2019-05-21 | 2019-09-03 | 浙江清环智慧科技有限公司 | 排水管网污染路径的监测识别方法、装置及电子设备 |
| CN112163301A (zh) * | 2020-07-24 | 2021-01-01 | 北京工业大学 | 一种供水管网水力模型的分散式校核方法 |
| CN112182984A (zh) * | 2020-08-18 | 2021-01-05 | 浙江大学 | 一种基于供水物联网数据同化的污水管网实时模拟方法 |
| CN112733443A (zh) * | 2020-12-31 | 2021-04-30 | 北京工业大学 | 一种基于虚拟监测点的供水管网模型参数优化校核方法 |
-
2021
- 2021-07-12 CN CN202110786193.8A patent/CN113626959B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102592008A (zh) * | 2011-12-30 | 2012-07-18 | 华东师范大学 | 基于gis技术的城市排水管网设计系统及方法 |
| CN103697934A (zh) * | 2012-10-12 | 2014-04-02 | 中国水利水电科学研究院 | 城市市政污水管网的带压监测方法 |
| CN110196083A (zh) * | 2019-05-21 | 2019-09-03 | 浙江清环智慧科技有限公司 | 排水管网污染路径的监测识别方法、装置及电子设备 |
| CN112163301A (zh) * | 2020-07-24 | 2021-01-01 | 北京工业大学 | 一种供水管网水力模型的分散式校核方法 |
| CN112182984A (zh) * | 2020-08-18 | 2021-01-05 | 浙江大学 | 一种基于供水物联网数据同化的污水管网实时模拟方法 |
| CN112733443A (zh) * | 2020-12-31 | 2021-04-30 | 北京工业大学 | 一种基于虚拟监测点的供水管网模型参数优化校核方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113626959A (zh) | 2021-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112182984B (zh) | 一种基于供水物联网数据驱动的污水管网实时模拟方法 | |
| 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 | |
| CN109376925B (zh) | 供水管网节点流量动态自适应优化方法 | |
| 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 | |
| CN108984823B (zh) | 一种合流制溢流调蓄池规模的确定方法 | |
| CN109784746A (zh) | 城乡统筹供水管网水力水质模拟平台 | |
| CN112101693B (zh) | 基于正交分析的现状城区河道水质达标分析方法 | |
| EP3475893A1 (en) | Method and apparatus for model-based control of a water distribution system | |
| CN102235575A (zh) | 用于检查管道泄露的数据处理方法及系统 | |
| US20230205943A1 (en) | Real-time simulation method of sewage pipe network based on water supply iot data assimilation | |
| CN113221439B (zh) | 一种基于bp神经网络的排水系统实时率定与动态预测方法 | |
| CN113011903A (zh) | 基于gis和水力模型的水污染精准溯源方法 | |
| CN104699991B (zh) | 基于灰色系统理论的城镇供热系统年供热量预测方法 | |
| Zhuang et al. | Impact of emerging water savings scenarios on performance of urban water networks | |
| CN116701970B (zh) | 基于双层相似度聚类的排水管网监测点优化布置方法 | |
| CN115048759A (zh) | 一种基于模型预测的污水管网外水入流量和入流点精确估计方法 | |
| CN114819322B (zh) | 湖泊入湖流量的预报方法 | |
| CN115238444B (zh) | 耦合swmm与gast模型的城市雨洪模拟方法 | |
| CN117966859A (zh) | 一种保障排水管网健康运行的在线监测系统及方法 | |
| Mathye et al. | Analysis of domestic consumption and background leakage trends for Alexandra township, South Africa | |
| CN113221440B (zh) | 一种排水系统监测点优化布置与实时全局反演方法 | |
| CN113792367A (zh) | 基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法 | |
| 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 | |
| CN116776779A (zh) | 排水管网的淤积检测方法及计算机可读存储介质 | |
| Ramalingam et al. | History of water distribution network analysis: over 100 years of progress |
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 |