一种同时耦合多种先验概率分布的供水管网节点需水量校核方法技术

本发明专利技术公开了一种同时耦合多种先验概率分布的供水管网节点需水量校核方法，属于城市供水管网节点需水量的校核方法。首先通过用户远传水表、水费账单和用户分布等信息估算需水量的先验概率分布；通过布置在管网的传感器，获取管网压力和流量监测数据；通过最大化节点需水量后验概率密度函数，建立需水量校核目标函数。随后对目标函数进行线性化，通过不断迭代，求解节点需水量。本方法通过建立需水量概率模型，确保需水量在合理的区间内被调整，降低了需水量的不确定性，提高节点需水量校核精度，为供水管网水力建模等提供科学依据。

A Checking Method for Water Demand of Nodes in Water Supply Network Coupled with Multiple Prior Probability Distributions

【技术实现步骤摘要】
一种同时耦合多种先验概率分布的供水管网节点需水量校核方法
本专利技术属于城市供水管网节点需水量的校核方法，具体涉及一种同时耦合多种先验概率分布的供水管网节点需水量校核方法。
技术介绍
供水管网需水量校核指的是，调整节点需水量，使得管网模型计算的结果与布置在管网中的传感器监测到的数据一致。在需水量校核中，待校核的节点成千上万，而可用的监测数据是有限的。这就引起了校核过程中的欠定问题，进而引发校核模型的误差。需水量校核面临的主要问题是没有充足的监测数据来计算出所有的节点需水量。需水量校核可以分为“试错法”、“分析法”和“优化法”。“试错法”主要通过工程经验，反复调整节点需水量来让模型输出与监测数据达到一致。这种传统的方法可以应用到离线小规模管网中。对于大规模管网模型校核则主要使用“分析法”和“优化法”。“分析法”使用管网水力方程组来求解模型的未知参数。然而这种方法需要让未知参数的数量等于监测点的数量，并且无法量化监测数据误差对校核的影响。相应的，“优化法”越来越受到更为广泛的实用。常用的优化算法包括，启发式算法，数值算法，和奇异值分解算法。启发式算法可以在监测点数目少于节点需水量数目的情本文档来自技高网...

【技术保护点】
1.一种同时耦合多种先验概率分布的供水管网节点需水量校核方法，其特征在于，包括如下步骤：(1)建立需水量多种先验概率分布模型；(2)建立多先验‑监测数据耦合的贝叶斯后验概率分布模型，同时耦合多种先验概率分布，最大化参数后验概率密度函数，建立校核目标函数；(3)对校核目标函数线性化，获取节点需水量调整量，更新节点需水量。

【技术特征摘要】
1.一种同时耦合多种先验概率分布的供水管网节点需水量校核方法，其特征在于，包括如下步骤：(1)建立需水量多种先验概率分布模型；(2)建立多先验-监测数据耦合的贝叶斯后验概率分布模型，同时耦合多种先验概率分布，最大化参数后验概率密度函数，建立校核目标函数；(3)对校核目标函数线性化，获取节点需水量调整量，更新节点需水量。2.如权利要求1所述的一种同时耦合多种先验概率分布的供水管网节点需水量校核方法，其特征在于所述的步骤(1)具体为：根据小区远传水表实时提供的需水量时间序列数据x，对小区时间序列在时间步长T上进行集聚，计算获取单一小区i的需水量xi和标准差δi：节点需水量为单个小区需水量在空间上的集聚，集聚后的节点j需水量均值Xj和标准差σj为：将概率分布不同的需水量节点分到不同的组，相同概率分布的需水量构成一个需水量向量，该向量服从概率分布ρg：Xg＝[X1,X2…Xj…Xm]TXg～ρg(Xg)其中Xj为节点j的需水量，Xg为分组后的节点需水量；所有的节点需水量X由各组节点需水量构成：X＝[Xg(1),Xg(2)…Xg(n)]T由概率的乘法原理可知，包含多种先验概率分布的概率密度函数为：3.如权利要求1所述的一种同时耦合多种先验概率分布的供水管网节点需水量校核方法，其特征在于所述的步骤(2)具体为：将先验概率分布与似然概率分布相乘，得到节点需水量的后验概率分布：通过最大化后验概率密度函数的对数(maxIn[P(X)])获取目标函数J(X)：其中，Y为监测值；X为整体节点需水量；P(X)为后验概率密度函数；g(X)为代表了模型输入为X时，模型输出值；为第i组节点需水量的联合概率密度函数；CD为监测数据协方差矩阵；m需水量分组数量；nobs为监测点数量。4.如权利要求1所述的一种同时耦合多种先验概率分布的供水管网节点需水量校核方法...

【专利技术属性】
技术研发人员：邵煜，楚士鹏，张土乔，俞亭超，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33