[发明专利]一种考虑再生水的多水源多用户分质供水优化配置方法有效
申请号: | 202110397076.2 | 申请日: | 2021-04-13 |
公开(公告)号: | CN113111583B | 公开(公告)日: | 2022-05-17 |
发明(设计)人: | 郭玉雪;许月萍;刘晶;王奕童;王贺龙 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/00;G06N7/08;G06Q10/04;G06Q10/06;G06Q50/06;G06F111/06 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 万尾甜;韩介梅 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 考虑 再生 水源 多用户 供水 优化 配置 方法 | ||
1.一种考虑再生水的多水源多用户分质供水优化配置方法,其特征在于,包括以下步骤:
步骤1,获取水资源系统基本信息数据;
步骤2,明确“取-用-排-回”全过程对象,进行复杂水资源系统概化;其中,“取”为供水水源,“用”为用水户,“排”为污水处理厂,“回”为污水处理厂再生水回用;
步骤3,构建考虑再生水的多水源多用户分质供水多目标优化配置模型;
步骤4,提出一种基于改进多目标鲸鱼算法对步骤3的多目标优化配置模型进行求解,确定合理的优化配置方案集合
所述步骤4具体包括以下步骤:
步骤4-1,初始化算法参数和种群,外部归档集NEA赋空集;其中,种群规模大小为Np,外部归档集个数为Ne,最大迭代次数为Ngen,决策变量个数为Nd,目标函数个数Nobj,约束条件的个数Ncon,Tent映射迭代次数Ntent;采用混沌Tent理论初始化鲸鱼种群其中Xi表示第i个鲸鱼个体,xi,n表示第i个鲸鱼个体第n个决策变量位置,i=1,2,...,Ne,n=1,2,...,Nd;
步骤4-2,计算种群中每个个体的适应度值和约束惩罚值,按照以下约束支配原则进行非支配排序:解个体Xi约束支配解个体Xj当且仅当:①解Xi是可行解而解Xj为不可行解;②解Xi与Xj都不是可行解,但解Xi的约束惩罚值小于Xj;③解Xi与Xj都是可行解,但解Xi的适应度值支配解Xj;
步骤4-3,按照约束支配结果计算所有个体的非支配排序等级和拥挤距离为迭代t次后第j个个体的非支配排序等级,为迭代t次后第j个个体的拥挤距离,j=1,2,...,Np,同时将各排序等级内的边界点赋予无穷大的距离;
步骤4-4,更新外部归档集;将种群内所有个体与外部归档集NEA合并,采用精英保留策略,选取Ne个个体进行外部归档集NEA更新:选取非支配排序等级为rank=1的个体,若等级为1的个体数量大于Ne,则选择拥挤距离较大的前Ne个个体;若不足,则依次选择排序等级为rank=rank+1中拥挤距离较大的个体,直至外部归档集NEA包含的个体数为Ne;
步骤4-5,最优个体选择;在外部归档集NEA中按照以下规则选取X*,定义X*为全局最优的鲸鱼个体:在排序等级为1的集合中,若其个体数量等于1,则选择此个体作为全局最优个体X*;若其个体数量位于[2,Nobj]之间,则随机选择个体作为全局最优个体X*;若其个体数据大于Nobj,则省略边界个体,在剩余个体内选择拥挤距离最大的个体作为当前最优个体X*;
步骤4-6,采用随机搜索策略寻找猎物、改进的包围猎物和气泡攻击的方式对种群中的所有鲸鱼个体进行更新,具体如下式:
随机搜索策略
改进的包围猎物:
式中,t为当前迭代次数,D为鲸鱼个体与目标猎物之间的距离,Xt表示第t次迭代后的鲸鱼个体,表示第t次迭代后的鲸鱼最好个体,即局部最优解;表示第t次迭代后的随机鲸鱼个体;表示鲸鱼种群在第t次迭代的自适应权重,i表示第i个鲸鱼个体;A=2a×rand1-a,C=a×rand2,rand1和rand2表示(0,1)之间的随机数;a为收敛因子,随着迭代次数增加从2减少到0,a=2-2t/Ngen;
改进的气泡攻击:
式中,b为用于限定对数螺旋形状的常数,l为-1到1之间的随机数;Pi为概率选择收缩保卫机制参数,Pi=0.5;e是自然底数;
步骤4-7,计算种群中每个个体的适应度值和约束惩罚值,将更新后的新种群与外部归档集NEA进行合并,按照步骤4-3和4-4更新外部归档集NEA;
步骤4-8,判断迭代次数是否已达到Ngen,若是,则终止运行并输出外部归档集NEA中的可行解集合;若否,返回步骤4-3;
步骤4-9,整理输出不同可行解对应的水库供水量、河道翻水量、外调水量、再生水回水量以及再生水价格。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110397076.2/1.html,转载请声明来源钻瓜专利网。