基于DE与BP神经网络的城市供水系统节能优化调度研究分析-工业工程专业论文.docxVIP

Thesis Submitted to Tianjin University of Technology for the Master’s Degree Study of Power Optimal Scheduling of Water Distribution System Based on Differential Evolution and BP Neural Network By Liu Jun Supervisor Yuan Qingmin March 2015 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取 得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得 天津理工大学 或 其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研 究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 天津理工大学 有关保留、使用学位论文 的规定。特授权 天津理工大学 可以将学位论文的全部或部分内容编入 有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编， 以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子 文件。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 摘要 随着城市规模的不断扩大，供水系统作为城市运行的重要保障，不断发展成为大型 复杂系统，在当前供水稳定与节约能源的双重要求下，对供水系统进行优化调度的研究 是十分必要的。供水系统优化调度研究分为用水量预测、供水管网模型、优化调度决策 三个部分，其中用水量预测为调度提供供水目标值，管网模型用于衡量调度是否满足用 户需求。 本文在对用水量预测的研究中，通过了解城市用水量预测的常用方法，并分析用水 量时间序列变化特征；运用 BP 神经网络方法构建了用水量预测模型，模型为三层网络 结构，其中隐含层节点数通过反复比较确定为 9 个；将 T 市 7 天的用水量数据作为模型 训练样本，对下一日 24 个时段用水量进行了仿真预测，结果显示模型具有一定的精度 与适用性，预测结果可用于优化调度决策。 在对供水管网模型的研究中，分析了微观模型与宏观模型建立的方式与方法，运用 BP 神经网络方法建立测压点供水管网宏观模型，其中网络结构为三层，隐含层节点数 确定为 7 个；将水厂泵站流量与管网总流量作为输入，测压点压力作为输出，采用 T 市 数据对模型进行了验证，显示出模型可服务于优化调度决策。 最后针对当前供水系统节能降耗的需求，根据供水系统运行特点，利用合理划分调 度期的方式，建立了以节能为目标的优化调度模型；采用 DE（差分进化算法）对模型 进行求解，应用实数编码将决策变量表示为进化种群中的个体；运用罚函数法对约束条 件进行转换，并使用加法和乘法的形式进行组合，构建了适应度函数；采用标准差分策 略进行变异操作；以 T 市中心城区供水系统为例，验证了模型与差分进化算法求解的有 效性，并与遗传算法求解结果进行了对比；所得优化调度方案具有良好的节能效果。 关键词:供水系统 优化调度 差分进化算法 BP 神经网络 Abstract With the continuous expansion of the city, water distribution system as an important guarantee develops to a large and complex system, in the current dual requirements of stable water distribution system and energy saving, it is very necessary to study on the optimal scheduling of water distribution system. The optimal scheduling of water distribution system research is divided into three parts: the forecast of water consumption, water distribution network model and optimal scheduling decision. This dissertation studies the prediction of water consumption firstly, through understanding the com