【技术实现步骤摘要】
一种基于深度学习的城市供水系统闸泵群优化调度方法
[0001]本专利技术涉及超图卷积神经网络、应急防灾领域的计算机仿真技术,具体涉及一种基于深度学习的城市供水系统闸泵群优化调度方法。
技术介绍
[0002]城市供水系统是世界范围内的一个庞大的基础设施,从社会、工业和环境的各个方面来看,它对当代人类的生存至关重要。城市供水系统闸泵群优化调度是进行供水系统调度的基础技术手段,也是提高供水效率的重要非工程措施之一,对保障人民群众用水安全具有一定的现实意义。
[0003]目前,在进行城市供水系统闸泵群优化调度计算时,决策变量的选取会对计算结果产生很大的影响,目前决策变量的选取常常依据研究者的个人经验,有很大的主观性。且现有多目标供水系统闸泵群优化调度模型计算要迭代上千次对偏微分方程的求解,存在计算量大,耗时久的缺点。
技术实现思路
[0004]针对现有城市供水系统闸泵群优化调度模型存在的计算效率低、模型调试时间较长、决策变量选取偏离现实的问题,本专利技术提出了一种基于深度学习的城市供水系统闸泵群优化调度方法,将超图卷积神经网络与供水系统优化调度模型结合,实现闸泵群优化调度。
[0005]本专利技术的一种基于深度学习的城市供水系统闸泵群优化调度方法,该方法包括以下步骤:
[0006]步骤一、构建城市供水系统多目标闸泵群优化调度模型,优化模型的目的是确定最优的闸门和泵站操作,因此该模型的决策变量为闸门设计流量和泵站过流能力。模型由目标函数和约束条件构成。
[0007](1)目标函数 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的城市供水系统闸泵群优化调度方法,其特征是,所述方法按照以下步骤进行:步骤一、构建城市供水系统多目标闸泵群优化调度模型,确定最优的闸门和泵站操作,该模型的决策变量为闸门设计流量和泵站过流能力;所述模型由目标函数和约束条件构成;(1)目标函数该模型以泵站运行能耗最低、供水社会效益、水质污染指数为目标函数;
①
泵运行能耗以水泵电费表示目标函数表达式:其中:W
t
为t时刻水泵电费之和,w
t
为t时刻单位电费,N
p
为泵总数,E
jt
为t时刻水泵j的能耗率,X
jt
为t时刻水泵j的转速比;
②
供水社会效益以水量供需差表示目标函数表达式:其中:F2(x)为社会效益值,β
j
为缺水权重系数,X
ij
为水厂需水量;
③
水质污染指数以供水系统中BOD5、NH3
‑
N、二甲基异莰醇等污染物浓度表示目标函数表达式:其中:C
i
为供水系统水质浓度,mg/L;S
i
为该水质指标的标准值,mg/L;为该水质指标的标准值,mg/L;(2)约束条件
①
水源供水能力约束其中:为水源i的最小供水量;为水源i的最大供水量;
②
水厂时段净水能力约束:p
j,t”P
j,t
ꢀꢀꢀꢀꢀꢀ
(5)其中:p
j,t
为j水厂t时刻供水量;P
j,t
为j水厂t时刻净水量;
③
泵站过流能力约束:0≤Q
p
(t)≤Q
p,max
ꢀꢀꢀꢀꢀꢀ
(6)
其中:Q
p
(t)为第p个泵站t时刻抽排流量,m3/s;Q
p,max
为p个泵站最大设计流量,m3/s;D
p
(t)为泵站在t时刻入流量,m3/s;D
pb
为泵站抽排能力,m3/s;Z
p
(t
‑
1)为泵站在t时段初的前池水位,m;Z
yp
为泵站预排水位,m;
④
闸门设计流量约束:0≤Q
n
(t)≤Q
n,max
ꢀꢀꢀꢀꢀ
(8)其中:Q
n
(t)为第n个闸门在...
【专利技术属性】
技术研发人员:苑希民,刘奔,何立新,田福昌,曹鲁赣,
申请(专利权)人:天津大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。