[发明专利]一种城市供水管网优化方法

说明书

技术领域

本发明涉及一种城市供水管网系统设计与运行优化的方法,属于供水管网运行控制优化领域。

背景技术

水资源是人类不可缺少且无法替代的重要自然资源，随着城市化发展、人口的增长，社会对城市用水提出了更高的要求。同时，经济增长方式的转变和城市功能结构的优化，为城市供水工程建设发展提供了新的契机。

目前，一方面，供水管网设计与评价方法主要采用水力评价、水质评价和可靠性评价,单纯地从水力学、水质指标等角度评价供水管网设计与运行的状态，未能考虑供水管网设计与运行的经济效益,不能为供水管网节能、降耗提供技术方法与参考指标支撑。另一方面，主干管网非线性规划模型通常采用拟线性规划法、拉格朗日乘子法、梯度法、广义简约梯度法、罚函数法等算法进行求解，但这些算法的通用性和实用性较差，适用范围有限，当问题规模大、变量较多时，这些算法的求解速度和精度大大降低。

发明内容

本发明的目的是提供一种基于连续型Hopfield神经网络和退火算法的城市供水管网优化的方法,为城市供水管网设计与运行提供一种新的决策指标与优化方法。

为了达到上述发明目的,本发明提供的技术方案是:

本方法包括如下步骤：

A.采用年值法建立供水干管优化模型。首先以年费值作为供水管道干管的技术经济指标，将管道、加压水泵站的投资费和年经营费按照相同的年利率折算为管道系统使用期内一年的费用，从而建立目标函数。其次列举目标函数的约束条件，该目标函数同时受到管道系统的水力、节点水头、管段设计流量非负约束以及供水可靠性制约。

B.步骤A建立的模型是一个非线性混合离散优化模型，神经网络的一个重要应用就是解决混合离散优化问题。因此，利用拉格朗日函数（Lagrange Function）建立供水干管优化连续型Hopfield神经网络模型的能量函数 （Lyapunov函数）和优化变量的运动方程。

C.运用Hopfield神经网络和模拟退火混合计算的方法对步骤A建立的模型进行求解。（1）给定初始参数，其中为所有神经元的初始输入；为系统初始状态温度；为模拟退火算法中性能变差可接受的次数,即Metropolis抽样算法性能变差可接受的次数；为系统终了状态温度值。（2）给定各个设计参数的初始迭代点，令迭代参数。（3）计算各个神经元状态改变率。（4）进行管道稳定性校核和水力计算，并由下一时刻的各神经元状态计算出各设计变量的数值。（5）处理设计变量到要求的离散设计点上。（6）判断新设计参数是否使能量函数减少，如果是则令，并转向（5），否则进行下一步。（7）根据模拟退火算法原理判断当前设计方案的年折合费用是否比上一个最优点的设计方案的年折合费用更少，如果是则令，并转向（3），否则进行下一步。（8）判断搜索过程是否结束。如果不结束,则转向(7)。

本发明的有益效果：采用连续型Hopfield神经网络和退火算法相结合的算法，实现供水干管优化模型的最优解。该方法可作为实际干管铺设中管道外径、扬程、流量和加压水泵站数目选择的关键方法。与遗传算法等同类算法相比，本方法优点是(1)Hopfield神经网络是并行计算的，其计算量不随维数的增加而发生指数性质的“爆炸”，对于供水管网优化问题的高速计算特别有效；（2）Hopfield神经网络是按照一种联想记忆装置进行工作的，如果贮存的样本对应于网络的极小点，则当输入其附近的模式时，网络将“想起”极小点处的样本，进行误差自校正；（3）将Hopfield模型与SA算法结合，利用Hopfield算法构成主算法较快地得到可行解，用SA概率性逃离局部极小点而转移目标函数的其他极小点，从而提高优化性能和时间性能。

附图说明

图1为本发明实施例进行城市供水管网优化的方法流程图。

具体实施方式

以下结合附图对本发明作进一步说明。