市政管网优化技术研究现状和趋势.docVIP

市政管网优化技术研究现状和趋势 　　摘 要：水资源是人类社会及其经济活动发展的基础之一，随着人口增长和社会经济的高度发展，水资源短缺已成为突出的社会问题及制约国内国民经济可持续发展的重要因素，本文从多种技术论述了当前市政管网优化技术研究现状，并从多个角度对发展趋势进行了展望。 　　关键词：市政；管网；优化 　　中图分类号：F294.9 文献标识码：A 　　 　　引言 　　 随着国内城市化进程的加快，水资源开发利用的中心逐步转向城市用水，导致近年来城市缺水态势异常严峻，因此加强城市水资源基础设施建设及其优化对解决城市水资源短缺异常重要，市政管网是城市水系统的重要组成部分，因此对其建设的优化也凸显重要，管网优化包括布置优化、设计优化及算法优化等，该类优化对降低运行经费、提高系统可靠性及节能降耗和促进新技术的发展及应用均具有现实意义，且对水资源可持续发展也有重要意义。 　　1 市政管网优化技术研究现状 　　1.1 遗传算法的应用 　　遗传算法是模拟生物在自然环境内的遗传和进化过程而创造出来的可适应全局性搜索的算法。该方法由密执安大学Holland教授等人创建，其不同于传统搜索算法，是首先随机产生一个初始解并根据一定的编码方式对其编码，实现群体内每个个体均为所求解问题的一个解，并将其称为染色体，而在后期内染色体的进化被称为遗传，染色体的优劣以其适应度进行评价，其中对编码后的群体根据一定的概率进行选择称为父代，而被交叉或变异的父代所产生的新的群体则成为子代。城市管网的优化设计一般以初始流量分配作为初始解，之后通过不断评价和迭代运算直至得到符合条件的解，其基本思想类同于遗传算法，同时由于管网设计的主要对象是具有离散性质的管径，利用遗传算码中编码空间与解空间一一对应的性质可直接得到标准管径组合，因此可避免类似于其他算法在计算后对管径进行调整所带来的误差。 　　该方法具有以下优点，由于管网优化设计较为复杂，遗传算法可为问题的解决提供新的途径，该算法课处理离散变量函数的优化问题而避免了后期对管径的调整，同时该算法内编码空间与问题空间相对应的特性使最终求解更接近工程实际，而以往的算法所得出的管径只能反映在某流量下最为经济的管径而往往不同于市售管径，且市售管径类别很少而在一定程度上增加了设计优化的难度，而遗传算法则可从根本上解决该问题；该方法最终可得到多个接近最优解的方案以给设计人员提供比较，因在计算过程中对遗传群体的选择、交叉等生成新的遗传群体而方便设计人员在其中进行选择，更多的选择可更大限度的满足管网优化中经济性、可靠性等方面的要求；该方法通过随机搜索的方法而善于解决全局优化的问题，因此其比梯度搜索更为先进，且属于仿生优化方法；其操作对象属于一组而非一个可行解，因此大大增加了其搜索轨道，而在更大程度上保证了并行性；该方法利用目标的取值信息而无需梯度较高的价值信息因此更适合于大规模、高度的非线性的不连续多峰值函数的优化，因此具有很强的通用性。但该方法在编码问题的单调性、遗传算子的简单性以及参数设置的不通用性等方面具有局限性，存在诸如计算过程中存在局部寻优能力较差、前后期进化速度不一致的早熟现象等缺陷。 　　近年来该算法在市政管网设计优化中得到了广泛应用，具体包括以管网投资最小为最终目标来研究应用单亲遗传算法进行树状管网的优化布置，将标准遗传算法中坐标轮换寻优法进行局部微调来获得精度较高的管网水力平衡计算；利用该算法对供水管网压力监测点优化布置模型来求解并验证求解算法的可行性及优化模型的准确性等。 　　1.2 序列二次规划法 　　该方法的实质是利用Kuhn．Tucker最优化条件所形成的非线性方程，并通过迭代计算来求解相应的二次规划问题进行替代，即将原来的求解过程转化为一个二次规划序列的求解过程，将原问题的二次展开式作为规划问题的二次目标函数，其包含了目标与约束函数的二次信息，一般情况下其二阶导数矩阵由变尺度的思想通过先前迭代点的梯度信息逐步生成，该方法综合利用了KT条件、变尺度、线性及二次近似等有效手段，且其是在一级最优化的基础上，结合水源具体情况来确定水泵的型号及其调速比，但由于一级优化也是一个非线性优化问题因此其求解过程也较为繁琐，因此一般采用广义简约梯度法，但该方法具有较多的重分析次数，同时采用该方法时的迭代过程中需要大量的反迭代计算而需要大量的时间。 　　该方法所采用的迭代序列一般从不可行域逐步逼近可行域，并且需在极限情况下方可实现完全约束的效果，因此不利于尽快求解，因此应妥善处理约束条件，同时由于采用了近似线性的方法来简化约束条件及目标函数，因此采用该方法会导致计算结果超出约束边界，多采取利用最不利点满足最小服务水头的要求；在优化设计中通常采用齿行法来进行优化迭代，即在每次迭代后通过射线步将计算结果拉至最为