论文部分内容阅读
随着城市发展的不断进步,供水量与供水范围逐渐增大,对于供水系统运行经济效益与安全稳定性的要求也不断提高。当前我国大多数水厂的供水调度依然采用经验方法进行调控,造成供水压力高、能源浪费等问题。因此进行供水管网优化运维研究对于改善管网运行状况具有重要意义。本文利用建筑信息模型(BIM)技术建立水厂泵站三维可视化模型,同时集成各构件参数信息、位置信息。利用物联网技术实现管网运行数据的在线监测,实时显示于供水监控平台,使得供水调度更加直观。对比移动平均法和BP(Back Propagation)神经网络法两种用水量预测方法。移动平均法选取12天用水量数据作为数据样本,通过前11天数据计算第12天数据,并与实测数据比较。BP神经网络法选取14天用水量数据作为数据样本,前7天数据作为训练样本,第7天到第13天数据作为测试样本,第14天数据作为预测验证样本,以此构建三层BP神经网络,测试结果证明BP神经网络法具有更高的精度,满足供水管网优化运维精度要求。分析管网微观模型与管网宏观模型各自的实用性,结合城市供水实际调度需要,建立基于BP神经网络的管网分段宏观模型。将一天24小时划分为6个优化调度期,每个优化调度期内遵循同一个优化运行方案。模型输入值为Z市北水厂与腰站堡水厂的流量、压力值,输出值为8个测压点压力值,以10天的数据作为训练样本,第11天数据作为测试样本与预测验证样本,分析表明建立的管网宏观模型具有较高的精度,能够准确模拟出管网运行实际状态。建立供水系统两级优化调度模型,以供水费用最低为目标函数建立一级优化调度模型,引入罚函数概念将其转化为非约束性问题,借助粒子群算法求解;以水泵运行功率最小为目标函数建立二级优化调度模型,采用同样的方法转化为非约束性问题并借助遗传算法求解。以Z市供水系统为例,验证两级优化调度模型的有效性,结果表明,优化后的供水系统运行电耗降低且部分优化调度期出水压力降低,优化调度模型具有良好的节能优化效果与供水安全稳定性。