发明名称 一种基于滚动粒子群算法的城市明渠排水系统控制方法
摘要 本发明公开了一种基于滚动粒子群算法的城市明渠排水系统控制方法。该方法首先根据城市明渠系统进行建模,引入城市的未来24小时降雨预测量作为系统扰动,然后利用动粒子群算法对明渠水泵未来24小时的控制进行优化,以达到跟踪目标水位和减小能耗的目的。特别的,本发明方法针对传统粒子群算法算法模型误差大、对扰动抵抗力不强等缺点,引入了状态反馈和滚动优化,提高了控制系统的鲁棒性和实时性。本发明方法对城市明渠系统的建设具有重要的科学意义和应用价值。
申请公布号 CN105649177A 申请公布日期 2016.06.08
申请号 CN201610024681.4 申请日期 2016.01.14
申请人 浙江大学 发明人 杨秦敏;欧阳宇轩;鲍雨浓;王帅威;陈积明;卢建刚
分类号 E03F3/02(2006.01)I;E03F3/04(2006.01)I 主分类号 E03F3/02(2006.01)I
代理机构 杭州求是专利事务所有限公司 33200 代理人 邱启旺
主权项 一种基于滚动粒子群算法的城市明渠排水系统控制方法,其特征在于,包括以下步骤:(1)建立城市明渠排水系统模型系统状态转移方程为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>h</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>=</mo><mi>h</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>+</mo><mo>&lsqb;</mo><mrow><mo>(</mo><mi>d</mi><mo>(</mo><mi>k</mi><mo>)</mo><mo>-</mo><mi>u</mi><mo>(</mo><mi>k</mi><mo>)</mo><mo>&rsqb;</mo><mi>T</mi><mo>/</mo><mi>S</mi><mo>-</mo><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>0</mn></mrow><mrow><mn>23</mn><mo>-</mo><mi>k</mi></mrow></munderover><mi>&gamma;</mi><mo>(</mo><mi>i</mi><mo>+</mo><mi>k</mi><mo>)</mo></mrow><mi>e</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>,</mo><mi>k</mi><mo>=</mo><mn>0</mn><mo>,</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mn>23</mn></mrow>]]></math><img file="FDA0000906806240000011.GIF" wi="1374" he="135" /></maths>约束条件为:h<sub>min</sub>≤h(k)≤h<sub>max</sub>u<sub>min</sub>≤u(k)≤u<sub>max</sub>目标函数为:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>J</mi><mo>=</mo><mi>m</mi><mi>i</mi><mi>n</mi><munderover><mo>&Sigma;</mo><mrow><mi>k</mi><mo>=</mo><mn>0</mn></mrow><mn>23</mn></munderover><mi>J</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mi>m</mi><mi>i</mi><mi>n</mi><munderover><mo>&Sigma;</mo><mrow><mi>k</mi><mo>=</mo><mn>0</mn></mrow><mn>23</mn></munderover><mi>&alpha;</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><msup><mrow><mo>(</mo><mi>h</mi><mo>(</mo><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow><mo>)</mo><mo>-</mo><mover><mi>h</mi><mo>~</mo></mover><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><mi>&beta;</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mi>p</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mi>E</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000906806240000012.GIF" wi="1234" he="135" /></maths>其中:E(k)=A(u(k))<sup>2</sup>+Bu(k)+C系统各参数的解释如下:a.明渠水面面积S:被监控的城市明渠水面面积S根据实测得到。b.阶段总数k:取1天作为一个排水周期进行规划,将1天分为24个阶段,每个阶段持续一小时,阶段总数为24,设k为阶段变量。c.状态变量h(k):当前水位用h(0)表示,通过实地检测获得;将k个阶段之后的预期规划水位记为h(k),k=1,2,3…23,24。d.决策变量u(k):城市泵站通过排水泵的排水量来控制明渠的水位,设水泵在阶段k的排水量为u(k)。e.预测降水排放量d(k):城市的未来24小时预测降水排放量每小时更新一次,记未来时刻k的预测降水排放量为d(k)。f.状态误差反馈量e(k):设e(k)表示k个阶段之前,预期水位与实际水位的误差值。g.权重系数γ(k):γ(k)为e(k)的影响权重系数,它代表了k个阶段之前的状态误差反馈量对未来状态预测的影响;0&lt;γ(k)&lt;1,且γ(k)单调递减。h.约束条件:h<sub>min</sub>,h<sub>max</sub>分别表示水位的下限和上限。u<sub>min</sub>,u<sub>max</sub>分别表示最小排水量和最大排水量。i.目标函数:本系统以跟踪目标水位和节省总费为控制目标,J(k)表示k时刻的总代价,它包含与水位相关的代价与电费相关的代价两个部分。其中,α(k)与β(k)分别为k时刻的水位代价权重与电费代价权重;<img file="FDA0000906806240000013.GIF" wi="46" he="70" />为目标跟踪水位;p(k)为时刻k的预测电价;E(k)为时刻k的用电量;E(k)可近似为一个关于u(k)的二次函数。A、B、C为电机相关参数,可根据系统辨识实测得到。(2)对系统参数进行初始化,具体步骤如下:(2.1)实测得到明渠底面积S;(2.2)通过系统辨识得到电机用电量参数A、B、C;(2.3)设置目标跟踪水位<img file="FDA0000906806240000021.GIF" wi="63" he="70" />(2.4)初始化状态误差反馈量e(k),令e(k)=0,k=0,1,...,23;(2.5)设置权重系数α(k),β(k)和γ(k);(2.6)检测当前水位,并将其值赋给h(0)。(3)更新d(k):获取最新的城市未来24小时预测降水排放量,并将其值赋给d(k)。(4)更新p(k):获取最新的城市未来24小时的预测电价,并将其值赋给p(k)。(5)利用粒子群算法进行最优控制序列求解,具体为:从一个阶段的水位h(k)转向下一个阶段的水位h(k+1)时,根据步骤1中的系统状态转移方程求得u(k)的值。将h(k+1)和u(k)带入步骤1中的目标函数,则可求得总代价J(k)。把J(k)看作阶段k到阶段k+1的路径长度,则该控制问题转化为了一个从阶段0到阶段24的最短路径问题。采用经典粒子群算法可求得一条最优路径,从而得出预期最佳状态变量序列h(k),k=1,2,3…23,24,进而得出最优控制序列u(k),k=0,1,2…22,23。(6)输出u(0):控制水泵电机输出第一个控制量u(0),直到下一个阶段开始。(7)采集当前水位h(0):当下一个阶段开始后,检测当前水位,并将其值赋给h(0)。(8)滚动更新状态误差反馈量e(k),具体包括以下步骤:(8.1)将所有e(k)往后推移一位,舍弃原有的e(23),即:e(23)=e(22);e(22)=e(21);……;e(1)=e(0);(8.2)根据步骤5中得到的h(1)和步骤7中得到的h(0),更新e(0)的值:e(0)=h(1)‐h(0);(9)循环迭代:重复执行步骤3至步骤8直到结束控制,关闭系统,跳出循环。
地址 310027 浙江省杭州市西湖区浙大路38号