[发明专利]一种供水系统调度代理决策方法

说明书

一种供水系统调度代理决策方法，步骤：1)收集输水工程的实测监测数据，包括水位、流量、闸门启闭情况。将样本数据分为训练集、测试集及预测集。2)构建BP神经网络模型，由输入层、隐含层、输出层组成。3)将训练集样本数据输入BP神经网络模型，训练过程包含信息传播过程和误差传播过程。4)输出调控决策步骤3)中已得到较为理想的BP神经网络模型，输出层的输出结果在区间[0,1]中，将输出结果进行反归一化处理，得到闸门的开度值，输出闸门的调控决策。本发明能够反映输水系统各要素间的相互联系和相互影响；可通过水位、目标流量等要素预测阀门开度值，结果可靠，可为实际调度管理提供参考；使调水决策更加智能准确，便于实际工程的运行管理。

技术领域

本发明属于长距离输水调度领域，涉及一种供水系统调度代理决策方法。

背景技术

为了解决水资源空间分布不均的问题，近年来我国修建了大量的长距离输水工程。输水工程运行调度方式作为影响工程运行效率和结构安全的关键环节，直接决定着工程效益，因此，为全面实现输水工程的建设目标，保证工程运行安全，针对长距离输水工程运行调度的研究十分必要。目前国内多采用明渠控制算法代替人工经验来进行明渠精准调控，主要根据明渠仿真模型的模拟结果构建优化调度模型，以此对控制策略进行优化。但优化模型计算耗时较长，尤其面对规模更大、拓扑关系更为复杂的输水工程时，计算时间将会更长，除此之外，优化模型大多基于圣维南模型或其衍生模型，受水流运行的复杂性，以及输水系统物理参数变化、测量误差等因素影响，所建模型的精度会随工程运行时间发生变化，所以这类方法并不适于在实际工程中应用。因此，在提高工程输水效率、发挥工程潜力、提升工程效益、保证工程安全的同时，如何选择最优的调度控制方案，解决长距离输水系统调控策略成为当前亟待解决的问题。

发明内容

为更快响应输水系统集中控制目的，满足用户“适时、适量”输水的需求，针对现有技术存在的问题，本发明提供了一种供水系统调度代理决策方法，用于代替优化调度模型进行输水系统阀门调度方案预测，该方法应用BP神经网络构建长距离输水系统运行调度模型，反映输水系统水位、流量与阀门开度间的映射关系，确定在不同目标情况下的输水系统调控策略。

为了达到上述目的，本发明采用的技术方案为：

一种供水系统调度代理决策方法，包括以下步骤：

步骤一：样本数据获取及处理

收集输水工程的实测监测数据，包括水位、流量、闸门启闭情况。假定阀门开度在时段内保持不变，样本数据处理为日平均输水流量。根据构建BP神经网络模型需求，将样本数据分为训练集数据组、测试集数据组及预测集数据组，且各组数据集由样本数据中随机组合获取。由于不同数据的范围及量纲不同，在进行神经网络模型训练前需对所有样本数据进行归一化处理，归一化公式为式(1-1)，归一化区间为[0，1]。

式中：x为样本数据原始值；x'为x所对应的归一化数值；x_min为样本数据中最小值；x_max为样本数据中最大值。

步骤二：构建BP神经网络模型

本发明采用三层BP神经网络，由输入层、隐含层、输出层组成，其特点是上下层之间各种神经元实行全连接，即下层的每一单元与上层的每一单元都实现权连接，而每层内的各个单元之间无连接。传递函数采用S型(sigmoid)函数。由于阀门开度与其初始状态、水位及目标需水量(输水量)有关，所以可以将当前状态下各个用户输水流量、时段内输水工程入口处水位值、时段内各个阀后水头值、各用户日需水流量作为输入层的输入因子。隐含层为闸门开度、流量、水位之间的非线性关系，由于隐含层节点个数决定网络结构，影响神经网络识别的准确率与计算复杂性，如果隐含层节点数量增加，虽使网络识别准确率提高，但同时也会导致网络结构更为复杂，增加计算时间，因而神经网络隐含层节点数量的选取十分重要。本发明采用的隐含层节点选择方法是经验公式法(1-2)。输出层的输出内容为闸门开度。