一种城市供水系统日计划调度决策方法

摘要

本发明公开了一种城市供水系统日计划调度决策方法。本发明首先构建以历史日需水量序列，控制点压力序列及日调度方案为基本调度关联数据单元的调度关联数据集合。然后通过相关预处理方法，剔除非正常工况日的数据单元。随后以需水量序列为特征属性，将集合分类成多个子集，并逐一通过统计检验方法，剔除子集中统计意义上不合理的数据单元。最后，以预测日需水量序列为特征属性，预测其所属分类，并给出合理的预测日计划调度方案。本发明摒弃了简单的人工经验，使得调度决策更加科学合理。同时，本发明的技术思想也适用于供水系统实时调度决策。

主权项

一种城市供水系统日计划调度决策方法，其特征在于该方法包括以下步骤：步骤1.历史日调度数据的收集与整理及调度关联数据集合的构建；首先，以天为单位，收集过去N天的系统调度数据记录；具体地，第j天的数据如下：需水量序列其中t₀为采样起始时刻，T_d为需水量采样周期，n_d为需水量序列长度；又可表为d_j,t为第j天第t个采样时刻的需水量，t＝1,2,…,n_d；控制点压力序列P_j＝[P_j,1,P_j,2,…,P_j,n]，其中i＝1,…,n，n为控制点数量，T_p为压力采样周期，n_p为压力序列长度；调度决策方案C_j，其为一天中具体的供水调度操作记录；然后，将第j天调度相关数据关联成一个调度关联数据单元e_j＝{D_j；P_j；C_j}；重复操作，构成调度关联数据集合E＝{e₁,e₂,…,e_N}；步骤2.调度关联数据集合的预处理；(1)剔除集合E＝{e₁,e₂,…,e_N}中含有供水管网系统特殊工况的数据单元；特殊工况指引起不可预见的需水量突增、突减的工况；(2)对各数据单元中的需水量序列，控制点压力序列进行缺失处理；若某数据单元中需水量序列或控制点压力序列数据缺失率较大，则将该数据单元剔除；反之，采用相关方法进行缺失处理；经(1)，(2)处理后，调度关联数据集合缩减为N_p<N；步骤3.调度关联数据集合的聚类处理；以需水量序列为特征属性对E进行聚类，得到K个不同需水量特征属性下的类别及子集：$E_1=\{e_{11},e_{12},...,e_{1s_1}\},E_2=\{e_{21},e_{22},...,e_{2s_2}\},\mathrm{...},E_k=\{e_{k1},e_{k2},...,e_{{\mathrm{ks}}_k}\},\mathrm{...},$且有s₁+s₂+…+s_k+…+s_K＝N_p，s₁,s₂,…，s_k,…,s_K分别为各子集的大小；步骤4.调度关联数据单元的统计检验；对于子集E_k，k＝1,2,…,K，将所包含的相应数据单元逐一进行统计检验，剔除未通过检验的数据元；步骤如下：(1)在某一子集E_k内，根据其所包含的所有数据单元分别计算n个控制点压力序列的平均值i＝1,…,n，及其标准差公式分别如下：$p_{i,t}=\frac{\underset{m=1}{\overset{s_k}{\Sigma }}{p}_{i,t}}{s_k},t=1,2,...,n_p,{\delta }_{j,t}=\sqrt{\frac{1}{s_k-1}\underset{m=1}{\overset{s_k}{\Sigma }}{(p_{i,t}-{\bar{p}}_{i,t})}^2}$(2)对控制点i，给定乘子L_i，及其压力变化区间i＝1,…,n；该区间表示了各个控制点压力序列一天中在各采样时刻可接受的波动范围；(3)对子集E_k包含的数据元e_j进行统计检验；具体为判断数据单元e_j的n个控制点压力序列是否全在给定区间内；若否，则剔除该数据单元e_j；重复ks_k次，完成对子集E_k所有数据单元的统计检验；(4)重复(1)，(2)，(3)共K次，完成对所有子集内数据单元统计检验与剔除操作；经(1)，(2)，(3)，(4)处理后，其数据单元数将进一步缩减：$E_2=\{e_{21},e_{22},...,e_{2r_2}\},\mathrm{...},E_k=\{e_{k1},e_{k2},...,e_{{\mathrm{kr}}_k}\},\mathrm{...},E_K=\{e_{K1},e_{K2},...,e_{{\mathrm{Kr}}_K}\};$其中r₁,r₂,…,r_k,…,r_K分别为各子集的大小，满足r₁≤s₁,r₂≤s₂,…,r_k≤s_k,…,r_K≤s_K，r₁+r₂+…+r_k+…+r_K＝N_pr，N_pr≤N_p；步骤5.日计划调度方案的生成；(1)根据需水量预测模型预测未来一天需水量序列同时构建预测日调度关联数据单元e＝{D,P,C}，其中P，C未知，分别为控制点压力序列及调度方案，D为预测得到的需水量序列；(2)以需水量为特征属性，对e其进行预测分类，找到所属调度关联数据类别及子集(3)在所属子集中，以需水量序列为特征属性计算预测日数据单元e其与各数据单元的相似度，并按相似度从大到小排序；选择具有相似度最大的数据单元，作为预测日调度关联数据单元，从而获得日计划调度方案；其中，相似度计算公式如下：$R_j=\frac{\underset{k=1}{\overset{n_d}{\Sigma }}{d}_k{d}_{j,k}}{\sqrt{\underset{k=1}{\overset{n_d}{\Sigma }}{d}_k^2\underset{k=1}{\overset{n_d}{\Sigma }}{d}_{j,k}^2}},j=k1,k2,...,{\mathrm{kr}}_k$步骤6.当日调度完成，根据当日实际调度数据构建关联数据单元e＝{D,P,C}，执行步骤1，步骤2，步骤3,步骤4更新调度关联数据单元集合，执行步骤5生成下一天的日计划调度决策方案。