基于主影響因素的城市連續(xù)時用水量預測與調(diào)試.pdf

1、科學的城市用水量預測與調(diào)度在水資源合理利用、使有限資源發(fā)揮好的社會效益方面不可低估的作用,同時也是保障城市供水系統(tǒng)安全、節(jié)能、高效運行的有效途徑之一。隨著城市化進程的深入及供水網(wǎng)絡的覆蓋面積不斷擴大,城市用水量日益提高,而各種用水量影響因素更趨于復雜多變,給預測與調(diào)度帶來了很大的困難。特別是短時用水量的預測,而這是作為給水系統(tǒng)優(yōu)化調(diào)度的重要前提,其預測的準確性、穩(wěn)定性及實時性將影響供水系統(tǒng)的供水質(zhì)量和節(jié)能效果,一般預測方法較難兼顧到各指

2、標間的平衡。因此,如何結合客觀影響因素,深入挖掘用水時序規(guī)律,建立合理有效的用水預測模型,及實現(xiàn)供水優(yōu)化調(diào)度策略是急需解決的難題。
　　 論文簡述了城市給水預測控制系統(tǒng)的研究發(fā)展概況,在調(diào)研的基礎上,著重就用水量主因素的求解方法、連續(xù)時用水模式識別和分階段預測方法建模等關鍵問題做了探索與深入研究,提出了基于主影響因素的城市連續(xù)時用水量預測方法,建立了供水系統(tǒng)的一級優(yōu)化調(diào)度決策模型,經(jīng)理論分析及仿真研究結果表明:該方法有效,可為城

3、市供水系統(tǒng)的調(diào)度提供科學、可靠的決策依據(jù)。
　　 針對實際數(shù)據(jù)采集系統(tǒng)長時期運行中可能出現(xiàn)的異常情況,提出改進的分步灰色關聯(lián)分析法能較好地解決異常采集數(shù)據(jù)的過濾及直接量化影響因素與非直接量化因素的關聯(lián)度求取,而后采用K-mesns聚類法找出主要影響因素作為控制算法輸入量修正日用水量模型輸出,得到較好的預測效果；為滿足供水系統(tǒng)優(yōu)化調(diào)度的實時性需求,論文探求了從日到時及更小時間尺度的連續(xù)時段用水量分配模式:通過分析時用水特性曲線,對

4、模糊聚類法對初始聚類中心敏感及易陷入局部收斂的缺陷,引入聚類中心距離評價函數(shù)及非線性約束條件,并用自適應慣性因子粒子群算法優(yōu)化模糊聚類法的計算過程,對相似度較高的相關歷史連續(xù)時用水模式進行識別,并以最小二乘支持向量機(LS-SVM)求出預測曰的連續(xù)時用水模式曲線,獲得連續(xù)時用水預測值；最后,以滿足用戶水壓、用水量需求為條件,以系統(tǒng)總運行費用最低為目標,建立供水系統(tǒng)一級調(diào)度決策模型。依據(jù)蕭山某用水大戶用水量實例數(shù)據(jù)仿真,并和幾種常用的時間