基于智能优化算法的供水管网漏损定位分析

介绍了一种结合累积和(CUSUM)算法和优化算法的供水管网漏损监测与定位方法。该方法针对形成时间短但对供水管网压力影响大的大中型漏损,适用于分区计量(DMA分区)的供水管网,且分区内只有一个流入点,用户用水流量平均分配在各个节点。通过CUSUM算法对管网入口流量进行连续监测,判断是否漏损。若发生漏损,则通过对任意一节点进行漏损模拟,将模拟得出的监测点压力变化与实际值相对比,找到最符合实际的节点为漏损点。该方法能够迅速准确地定位漏损节点,减少因管道漏损而造成的直接和简介经济损失,对城市建设有着重大的意义。

一种用于给水管网多目标优化的改进差分算法

针对标准差分算法无法有效处理给水管网多目标优化问题,提出一种新的算法——改进差分算法。首先,采用Pareto最优原理和非支配排序策略,建立多目标优化机制,保障算法对多个目标的协调与寻优;其次,采用精英策略取代差分算法原有的选择策略,确保每次寻优均能得到基于全局的最优个体,提高寻优效率。河内管网的优化案例表明,改进的差分算法是一种可行的、适用于给水管网多目标优化的方法。

基于差分进化快速非支配排序的供水管网多目标优化设计

本文提出了一种基于差分进化快速非支配排序的方法,对供水管网多目标进行了优化。在算法中,采用差分进化代替带精英策略的非支配排序遗传算法中的进化方法,并在快速非支配排序后采取去除相同解的方法保证解的多样性。然后以"管网造价"和"管网弹性"为优化目标,对某管网进行优化,得到最优解方案,并结合真实解对本算法的合理性进行了验证。

基于改进卡尔曼滤波的供水管网爆管检测研究

根据SCADA系统监测的流量及压力信号检测爆管时,监测误差及用水量随机波动形成的背景噪音会掩盖较小爆管信号。利用卡尔曼滤波能有效从背景噪音中识别爆管信号,但存在爆管检测精度偏低、误报率较高的缺点。改进了传统卡尔曼滤波法,对卡尔曼滤波残差进行累积和运算,选取0.5倍标准差为累积和阈值、3倍标准差为检测阈值进行爆管检测。应用数值仿真验证算法,结果表明:普通卡尔曼滤波检测信号不稳定,爆管检出信号断断续续且持续时长小于实际爆管时长,非爆管时段出现11次误报;改进卡尔曼滤波法检测信号稳定,爆管检测信号持续时间大于实际爆管发生时间,非爆管时段仅出现1次误报。相较于普通卡尔曼滤波法,改进卡尔曼滤波法将非爆管时段理论误报率由16%降至2.8%,同时放大了爆管信号强度、持续时间,提高了爆管时段爆管检出成功率。