城市给水系统的化调度研究.pdfVIP

中文摘要 本文介绍了城市给水系统优化调度的主要内容，针对优化调度模型的现状和 存在问题，对用水量预测模型、供水系统工况模型和优化调度模型进行了深入的 研究。 时用水负荷一般受气象、季节情况、居民活动及工业生产状况等因素的影响， 具有周期性和趋势性特点。由于传统的经验非线性预测方法(如神经网络)具有 局部极小点等不足，本文引入了采用结构风险最小化准则的支持向量机(SVM) 算法。并采用SVMdark优化支持向量机核函数的参数，缩短了预测的时间，同 时提高了时用水负荷峰值的预测精度。经北方某市开发区时用水量预测实践，结 果表明了该算法的合理和有效性。 由于供水系统是非常复杂的动态非线性系统，在实际管网的运行中，很难以 一个或几个统一的显式函数关系描述管网的工况。考虑到管网宏观模型不但能描 述整个管网的工作状态，而且建模所需成本低，运行速度快，本文提出了基于支 持向量机算法建立的压力宏观模型。通过对开发区实际管网的实践，验证了所建 模型的合理性，较好地解决了供水系统优化调度研究中宏观建模的问题。 以压力宏观模型替代复杂的管网水力平衡方程，建立了大型供水系统的多目 标混合离散变量的直接优化调度模型。并提出了对各约束条件处理的方法，采用 非线性模型求解软件Lingo求解优化调度模型，以期更好地解决多目标离散变量 的全局优化问题，有效解决变量和约束多的城市供水系统直接优化调度问题。这 些算法经算例分析，验证了其合理性和实用性。 关键词：用水量预测；宏观模型；优化调度；支持向量机；Lingo ABSTRACT Maincontentsfor of water was optimaloperationmunicipalsupplysystem allusiont0statusand problem model， introduced,in quo existing ofoptimaloperation themodelofwater modelofwater and systemoptimal prediction,state supply modelweredelvedinto． operation isaffected of Becausewaterdemand by hourly dwellersandtheconditionofindustrial hasthecharacteristicsof production,it andtrend．Sincetraditional methods，such periodicity expericnecnonlinearitylearning asNeural thedefectoflocal Vector Network,have minima,SupportMachine(SVM) which riskminimizationrule．SVMdarkWas arithmeticWasin仃oducedhasstructural time to ofSVM’Score thatthe adoptedoptimizeparameters function,SO ofprediction Wasshortenedand