一种供水管网水质监测点多目标优化模型快速计算方法

摘要

本发明提供了一种供水管网水质监测点多目标优化模型快速计算方法，包括以下步骤：S1、校核供水管网水力模型参数；S2、设置水质模拟相关参数；S3、设置突发性污染事件相关参数；S4、结合步骤S1‑S3，进行分布式多线程并行计算，建立突发性污染事件数据库；S5、基于步骤S4中的突发性污染事件数据库，求解水质监测点多目标优化模型。本发明有益效果：提供一种基于数据驱动的供水管网水质监测点多目标优化模型快速计算方法。优化问题求解过程中，直接读取数据库中相关数据对目标函数进行计算，避免了反复运行水力和水质模拟导致的时间花销，提高了水质监测点优化模型的求解效率，满足了模型优化方法在大型供水管网中应用的要求。

说明书

技术领域

本发明属于市政工程和城市供水管网领域，尤其是涉及一种供水管网水质监测点多目标优化模型快速计算方法。

背景技术

供水管网由于其庞大的空间覆盖范围及复杂的拓扑结构，极易受到意外事故或人为蓄意破坏。近年来，我国城市出现了多起管网水质突发性污染事故，例如：内蒙古赤峰市自来水沙门氏菌污染事件；甘肃兰州供水管网苯污染事件和浙江台州、江苏启东及河南汝阳等地的自来水投毒事件。这些事件严重危及了居民生命安全，同时也造成了重大的经济损失和社会影响。为保障供水管网水质安全，相关规定明确提出，供水管网中应增加水质在线监测设备，对供水水质突发性污染事故进行实时监控。

水质监测点的布置是管网水质在线实时监控的前提。最理想的方案是在管网中每个节点设置一个水质监测点，然而，考虑到投资成本及维护成本，该方案不可行。目前，最广泛使用的方法是以经济成本、检测时间和检测范围为目标，将水质监测点布置转换为多目标优化问题，并使用优化算法求解有限数量的监测点位置，即能节约投资成本，又能保证在短时间内监测到更大范围的污染物入侵。传统水质监测点优化布置方法的主要缺点是在多目标优化求解过程中，需要反复计算水力模型和水质模型，尤其是对于大型供水管网，整个计算时间耗时漫长，例如：使用遗传算法对某城市管网进行水质监测点优化布置，该城市管网具有3439个节点和3512根管道。每个节点分别作为污染源并分别在0:00,1:00，…,24:00时刻发生污染，则共有82536(3439×24)个突发污染事件。遗传算法种群大小设置为100，运行100代，总共进行10000次目标函数计算。目标函数每计算一次需运行82536次管网水力和水质模拟，耗时约5分钟，则总计算时间约为833小时(34天)。考虑到计算效率，该方法很难应用于大型供水管网系统中的水质监测点优化布置。因此，为了提高计算效率，对传统方法进行改进变得至关重要。

发明内容

有鉴于此，本发明旨在提出一种供水管网水质监测点多目标优化模型快速计算方法，提供一种基于数据驱动的供水管网水质监测点多目标优化模型快速计算方法。优化问题求解过程中，直接读取数据库中相关数据对目标函数进行计算，避免了反复运行水力和水质模拟导致的时间花销，提高了水质监测点优化模型的求解效率，满足了模型优化方法在大型供水管网中应用的要求。

为达到上述目的，本发明的技术方案是这样实现的：

一种供水管网水质监测点多目标优化模型快速计算方法，包括以下步骤：

S1、校核供水管网水力模型参数；

S2、设置水质模拟相关参数；

S3、设置突发性污染事件相关参数；

S4、结合步骤S1-S3，进行分布式多线程并行计算，建立突发性污染事件数据库；

S5、基于步骤S4中的突发性污染事件数据库，求解水质监测点多目标优化模型。

进一步的，在步骤S1中，供水管网水力模型参数包括节点需水量、管道阻力系数和阀门状态。

进一步的，在步骤S2中，水质模拟相关参数包括水质模拟时间步长Δt、水质模拟总历时T。

进一步的，在步骤S3中，通过在节点持续注入污染物质模拟突发性污染事件。

进一步的，在步骤S4中，基于MPI进行分布式多线程并行计算，每个线程处理等量的突发性污染事件；

针对每一个突发性污染事件，运行管网水力和水质模型，记录每个节点污染物浓度大于C_{min}时经历的时间和节点索引，形成突发性污染事件数据库；

所述MPI为Message-Passing Interface。

进一步的，在步骤S5中，多目标优化模型中：

决策变量：

X＝(x

最小化污染事故平均检测时间：

最大化污染事故检测范围：

式中,

x

ns——需要布置的水质监测点数量；

m(i,t)——节点i(i＝1,2,…,D)在t(t＝0,1,…,T)时刻作为污染源时，水质监测点检测到该污染事件所需的最短时间，若该事件没有被监测点检测到，则m(i,t)＝0，否则，m(i,t)>0。

进一步的，本方案公开了一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，所述处理器用于执行一种供水管网水质监测点多目标优化模型快速计算方法。

进一步的，本方案公开了一种服务器，包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行一种供水管网水质监测点多目标优化模型快速计算方法。

进一步的，本方案公开了一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现一种供水管网水质监测点多目标优化模型快速计算方法。

相对于现有技术，本发明所述的一种供水管网水质监测点多目标优化模型快速计算方法具有以下有益效果：

(1)本发明所述的一种供水管网水质监测点多目标优化模型快速计算方法，现有水质监测点多目标优化模型计算方法计算目标函数的过程中，需要反复计算水力模型和水质模型，整个计算时间耗时漫长，而本发明方法采用数据驱动方法，构建突发性污染事件数据库，多目标优化模型计算过程中，直接读取数据库中相关数据对目标函数进行计算，避免了反复运行水力和水质模拟导致的时间花销，提高了水质监测点优化模型的求解效率，尤其在解决大型复杂的实际供水管网水质监测点优化布置问题时，优势尤为明显；

(2)本发明所述的一种供水管网水质监测点多目标优化模型快速计算方法，突发性污染事件数据库建立和读取过程具有很好的并行性，容易实现多计算机多线程分布式并行计算，进一步提高了模型计算效率；

(3)本发明所述的一种供水管网水质监测点多目标优化模型快速计算方法，突发性污染事件数据库构建之后，当供水管网需要增加水质监测点时，优化模型可以继续使用该数据库，不需要重复构建，避免了因构建数据库产生的时间花销。本发明具有原创性，是对供水管网水质监测点优化布置研究领域的一个重要补充，为供水管网水质突发性污染事件的智能化在线监控提供了重要的技术支撑，具有很好的推广和实际工程应用价值。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明基于数据驱动的管网水质监测点多目标优化模型快速计算方法总流程图；

图2是本发明突发性污染事件数据库构建流程图；

图3是小型供水管网模型拓扑结构图和节点需水量时变化系数图；

图4是某城市大型供水管网模型拓扑结构图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

本方法的总体核心技术方案如下：

(1)校核供水管网水力模型，使得模型精度满足应用要求；

(2)基于管网模型，模拟突发性污染事件：针对每个节点i(i＝1,2,…,D)，模拟24个突发性污染事件，即分别在0:00,1:00，…，23:00持续注入浓度为100mg/L的污染物质，每个时刻作为一个突发性污染事件，则总共24×D个突发性污染事件；

(3)基于MPI(Message-Passing Interface)，进行分布式多线程并行计算，每个线程处理等量的突发性污染事件。针对每一个突发性污染事件，运行管网水力和水质模型，记录每个节点污染物浓度大于C

(4)基于突发性污染事件数据库，按照图1计算流程，使用进化算法(例如：遗传算法)求解水质监测点多目标优化模型。该多目标优化模型描述如下：

决策变量：

X＝(x

最小化污染事故平均检测时间：

最大化污染事故检测范围：

式中,x

ns——需要布置的水质监测点数量；

m(i,t)——节点i(i＝1,2,…,D)在t(t＝0,1,…,T)时刻作为污染源时，水质监测点检测到该污染事件所需的最短时间，若该事件没有被监测点检测到，则m(i,t)＝0，否则，m(i,t)>0.

在具体实施过程中，本方案基于数据驱动的管网水质监测点多目标优化模型快速计算方法总流程如图1所示，其中构建突发性污染事件数据库是本发明内容，参见图2，具体实施步骤如下

(1)校核供水管网水力模型参数，包括节点需水量、管道阻力系数和阀门状态，使得模型准确度满足应用要求；

(2)设置水质模拟相关参数，包括水质模拟时间步长Δt，水质模拟总历时T。时间步长Δt与水质计算精度有关，为保证水质计算精度，通常选取Δt＝5分钟。模拟总历时T需要保证水源点发生污染，污染物质能够扩散到管网末端，通常选取T＝96小时，针对大型管网，可选取T＝196小时，具体数值需通过管网水质模拟确定；

(3)设置突发性污染事件相关参数。通过在节点持续注入污染物质模拟突发性污染事件，污染物浓度为100mg/L,注入速率为125L/h。针对每个节点i(i＝1,2,…,D)，模拟24个突发性污染事件，即分别在0:00,1:00，…，23:00开始持续注入污染物质，每个时刻作为一个突发性污染事件，则总共24×D个突发性污染事件；

(4)基于MPI(Message-Passing Interface)，进行分布式多线程并行计算，每个线程处理等量的突发性污染事件。针对每一个突发性污染事件，运行管网水力和水质模型，记录每个节点污染物浓度大于C

(5)基于突发性污染事件数据库，按照图1计算流程，使用进化算法(例如：遗传算法)求解水质监测点多目标优化模型。

以一小型供水管网为例(如图3a所示)，演示突发性污染事件数据库建立过程。该管网已经过校核，精度满足应用要求。该管网由4个节点、5根管道和1个水库组成，地面高程为0米，水库水位为24米，节点基本需水量、管道长度和管道阻力系数如图3a所示。4个节点具有相同的用水量时变化曲线(如图3b所示)，每个时刻节点需水量等于该节点基本需水量与用水量时变化系数的乘积。水质模拟时间设置为5分钟，总模拟历时设置为96小时。每个节点i(i＝1,2,3,4)，分别在0:00,1:00，…，23:00开始持续注入污染物质(浓度100mg/L,注入速率125L/h)，总共96(4×24)个突发性污染事件。然后基于MPI，使用4个线程进行并行计算，每个线程处理一个节点，及24个突发性污染事件。以节点J1为例，针对每一个突发性污染事件，运行管网水力和水质模型，记录每个节点污染物浓度大于0.01mg/L(污染物浓度最低检测下限)时经历的时间(检测时间)和节点索引,计算结果为：

J

因此，本发明的方法提高了水质监测点优化模型的求解效率，且数据库构建之后，当供水管网需要增加水质监测点时，优化模型可以继续使用该数据库，不需要重复构建，避免了因构建数据库产生的时间花销，满足了模型优化方法在大型供水管网中应用的要求，具有很好的推广和实际工程应用价值。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。