论文部分内容阅读
近年来,供水管网损耗已经造成了很大的能源浪费,为了节约能源,许多的国家正在大规模地投资发展节能降耗的技术。对于我国而言,节能降耗已是大势所趋,因此,本文提出一种供水管网中泵组及阀门联合调度的新方法来节约供水成本,并通过T市的实际案例验证该方法的准确性。第一步,运用MATLAB,采用基于小波深度信念网络(SW-DBN)的时间序列组合模型对时供水量进行预测,该模型首先通过Symlets小波(SW)对数据分解,其次将各分解项分别带入DBN中训练,最后利用训练后的模型对新时刻进行预测。T市水厂时供水量预测的结果表明,1-8时预测值与实际值相对误差均小于5%、9-10时均小于10%,11-12时均小于20%,该模型符合精度要求,且与DBN模型比较精度有所提高。第二步,通过卷积神经网络(CNN)模型对水泵的出水压力进行预测,以水厂的出厂流量及SCADA压力监测点的数据为自变量,水厂水泵出水为因变量进行训练,最后利用训练后的模型对新时刻的出水压力预测。预测结果中水泵的出水压力预测值与实际值的误差均小于5%,满足精度要求。第三步,通过水泵运行的历史数据,对并联的水泵参数进行校核。以模拟流量之和逼近真实流量差值作为目标函数,拟合出接近水泵特性曲线,并运用MATLAB,通过布谷鸟算法(CS)进行校核。结果表明,其误差较小,△ b、△ k最大值仅为6.30、2.54×10-5。第四步,运用EPANET工具箱、MATLAB及C#联合编程,以水泵电耗费用最小值为目标函数,以各时刻水泵转速为自变量,在满足限定条件的前提下,运用布谷鸟优化算法(CS)进行一级调度,从而使水泵在各时刻最优工况下运行。以各时刻阀门开启度改变对管网流量的影响作为前提条件,建立管线流量灵敏度矩阵,并通过模糊C均值聚类模型(FCM)对管网进行实时分区,并以管网漏失费用最小值为目标函数,调整各分区阀门开启度,在满足限定条件的前提下,采用CS算法全局搜索进行优化求解,从而减少管网的漏损程度。通过T市供水管网系统的实例验证可知,案例模型优化后,水泵能耗及管网漏失费用共45938.59元,比单水泵调度花费节约5.04%,比单阀门调度花费节约2.06%,比传统方法花费减少5.67%。