[發明專利]一種基于BRB系統的供水管網建模方法

有效

• 申請號: 201310477641.1
• 申請日: 2013-10-12
• 公開（公告）號: CN103530818A
• 公開（公告）日: 2014-01-22
• 發明（設計）人: 徐哲;楊潔;孔亞廣;何必仕;薛安克
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

1.一種基于BRB系統的供水管網建模方法，其特征在于該方法包括以下步驟：

步驟1.收集管網運行的歷史數據，具體是：

從供水管網的SCADA系統和數據庫系統中獲取管網運行的歷史數據，所述的歷史數據包括水廠出廠壓力、水廠供水量、管網中增壓泵站壓力、管網中增壓泵站流量，管道上可控閥門的開啟程度、壓力監測點的壓力、流量監測點的流量、蓄水池水位和用戶用水量；

步驟2.確定供水管網模型的輸入變量和輸出變量，具體是：

（2-1）從實際獲得的管網運行的歷史數據出發，選取供水管網模型輸入輸出變量，輸入變量包括：水廠出廠壓力、水廠供水量、管網中增壓泵站壓力、管網中增壓泵站流量，管道上可控閥門的開啟程度；輸出變量包括：壓力監測點的壓力、流量檢測點的流量和蓄水池水位；

（2-2）根據選取的輸入變量和輸出變量，對管網運行的歷史數據進行篩選，得到僅含輸入變量和輸出變量的歷史數據，作為樣本數據；同時，將樣本數據分成兩部分，前一部分作為訓練數據集，后一部分作為檢驗數據集；

步驟3.建立基于BRB的供水管網模型，具體是：

基于BRB系統的模型為MISO模型，供水管網為MIMO模型；因此，基于BRB的供水管網MIMO模型為多個基于BRB的供水管網MISO模型的合成；基于BRB的供水管網MISO模型的建立步驟如下：

（3-1）確定規則庫中輸入向量和輸出向量

規則庫中輸入向量即為步驟2中選擇的輸入變量構成的向量，規則庫中輸出向量為步驟2中選擇的輸出變量的某一個；并設輸入向量U＝(U_i,i＝1,...,T)，輸出變量為O；

（3-2）建立初始規則庫

BRB系統中規則庫中的規則為：

Rk:IFU1isA1kΛU2isA2kΛ...ΛUTkisATkk]]>

THEN{(D1,β1k),(D2,β2k),···,(DN,βNk)},(Σi=1Nβik≤1),k=1,...L]]>

規則的權重：θ_k(k＝1,...,L)，輸入變量權重：δ₁,δ₂,...,

其中，L為規則的總數，為輸入向量，為第k條規則中第i輸入變量的參考值，D＝(D₁,D₂,...,D_N)為推理輸出向量，β_ik(i＝1,...,T_k)為推理輸出D_i的信任度；如果則稱第k條規則是完整的，如果則第k條規則被完全忽略；θ_k(k＝1,...,L)為第k規則在規則庫中的相對權重，δ₁,δ₂,...,為第k規則中各輸入變量的相對權重；

規則庫中可變參數為P＝(β_ik,θ_k,δ_j;i＝1,...,N;k＝1,...,L;j＝1,...,T)；為建立初始化規則庫，隨機初始β_ik，而θ_k，δ_j初始設定為1；

（3-3）訓練規則庫

初始規則庫通過學習訓練數據集中的輸入數據集和輸出數據集的映射關系，自動調整可變參數P＝(β_ik,θ_k,δ_j;i＝1,...,N;k＝1,...,L;j＝1,...,T)，最終獲得描述輸入向量U＝(U_i,i＝1,...,T)和輸出變量O關系的規則庫；

規則庫中的推理過程如下：

Step1：將輸入向量U＝(U_i,i＝1,...,T)轉換成信任分布：

S(U_i)＝{(A_i,j,α_i,j),j＝1,...,J_i}

其中J_i為參考值的個數，α_i,j為輸入U_i與參考值A_i,j的相似度；α_i,j計算如下：

如果A_i,j≤U_i≤A_i,j+1，則α_i,j+1＝1-α_i,j且對于j’＝1,...,J_i，j’≠j,j+1，有α_i,j’＝0

Step2：計算第k規則被激活的權重w_k：

wk=θk×Πi=1Tk(αi,jk)δi‾Σj=1L[θj×Πl=1Tk(αi,jl)δl‾],δi‾=δimaxi=1,...,Tk{δi}]]>

Step3：計算輸出變量O：

先計算輸出變量的信任分布O(U)＝{(D_n,β_n(U)),n＝1,...,N}，其中

{Dn}:βn(U)=μ×[Πk=1K(wk(U)βn,k+1-wk(U)Σi=1Nβi,k)-Πk=1K(1-wk(U)Σi=1Nβi,k)]]]>

{D}:βD(U)=μ×[Πk=1K(1-wk(U)Σi=1Nβi,k)-Πk=1K(1-wk(U))]]]>

μ=Σj=1NΠk=1L(wkβjk+1-wkΣj=1Nβjk)-(N-1)Πk=1L(1-wkΣj=1Nβjk)-Πk=1K(1-wk(U))]]>

β_D表示未知推理結果D_n的信任度，且滿足

如果信任規則是完整的，即有β_D(U)＝0，則最終的輸出為K條規則的綜合，表為O(U)＝{(D_n,β_n(U)),n＝1,...,N}，數值輸出為O(U)=Σn=1NDnβn(U);]]>

如果信任規則不完整，即有β_D(U)＞0，則最終的數值輸出具有上下界O(U)∈[O_min(U),O_max(U)]，其中

Omin(U)=Σn=1N-1u(Dn)βn(U)+u(DN)(βN(U)+βD(U))]]>

Omax(U)=u(D1)(β1(U)+βD(U))+Σn=2Nu(Dn)βn(U)]]>

至此，給定一個輸入U＝(U_i,i＝1,...,T)到規則庫就有一個輸出O；對于信任規則是完整情形，規則庫的訓練就是求解如下優化問題，其中H為訓練樣本個數，為訓練樣本實際輸出；

0≤βik,θk,δj≤1Σi=1Nβik=1]]>

對于信任規則不完整情形，規則庫的訓練就是求解如下優化問題

（3-4）檢驗規則庫

利用檢驗數據對（3-1）（3-2）（3-3）建立的規則庫進行檢驗，以評價模型的精度；精度的標準用來衡量；若ε(P)不符合建模精度要求，重復（3-1）（3-2）（3-3）重新建模；

至此，基于BRB的供水管網MISO模型已建立；

步驟4.建立基于BRB的供水管網MIMO模型

基于BRB的供水管網MIMO模型為多個基于BRB的供水管網MISO模型的合成；所以，根據輸出變量的個數，為每個輸出變量重復MISO模型的建模過程。

2.根據權利要求1所述的一種基于BRB系統的供水管網建模方法，其特征在于：所述的供水管網模型輸入還包括用戶用水量及系統輸入噪聲。