基于NSGA-II算法的河道水质多目标优化调度方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116011756A(43)申请公布日2023.04.25(21)申请号202211700602.9G06F30/28(2020.01)(22)申请日2022.12.28G01N33/18(2006.01)G06F111/04(2020.01)(71)申请人清华大学G06F111/06(2020.01)地址100084北京市海淀区清华园1号G06F111/10(2020.01)(72)发明人刘小梅曾思育(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201专利代理师徐章伟(51)Int.Cl.G06Q10/0631(2023.01)G06Q10/04(2023.01)G06Q50/06(2012.01)G06Q50/26(2012.01)G06N3/126(2023.01)G06F30/27(2020.01)权利要求书3页说明书13页附图4页(54)发明名称基于NSGA-II算法的河道水质多目标优化调度方法(57)摘要本申请涉及一种基于NSGA‑II算法的河道水质多目标优化调度方法，其中，方法包括：基于目标河网的基础数据构建初始河道水动力水质模型，利用水质监测数据进行率定与验证，生成满足模拟结果与预设时长内目标河网的水质监测数据之间的误差满足预设精确标准要求的最终河道水动力水质模型，接入实时水量水质监测数据和降雨预报数据，构建提升该断面水质达标率的多目标优化调度模型，基于预设NSGA‑II算法将多目标优化调度模型与最终河道水动力水质模型进行耦合和迭代计算，得到目标河网系统在多目标下的最优调度策略，以执行最优调度策略的河道水质模拟。由此，解决了相关技术中，采用的权重系数法受主观影响较大，难以进行综合多目标的河道水质调度优化的技术问题。CN116011756ACN116011756A权利要求书1/3页1.一种基于NSGA‑II算法的河道水质多目标优化调度方法，其特征在于，包括如下步骤：基于目标河网的基础数据构建初始河道水动力水质模型；采集预设时长内所述目标河网的水质监测数据，并利用所述水质监测数据对所述初始河道水动力水质模型进行率定与验证，生成满足模拟结果与所述水质监测数据之间的误差满足预设精确标准要求的最终河道水动力水质模型；将所述最终河道水动力水质模型接入实时水量水质监测数据和降雨预报数据，并部署在目标在线系统中，针对存在考核断面水质超标的模拟时段作为待优化的基准方案，构建提升该断面水质达标率的多目标优化调度模型；以及在Python环境中，基于预设NSGA‑II算法将所述多目标优化调度模型与所述最终河道水动力水质模型进行耦合和迭代计算，以得到目标河网系统在多目标下的最优调度策略，并在所述Python环境下执行所述最优调度策略的河道水质模拟。2.根据权利要求1所述的方法，其特征在于，所述基础数据包括河网形状和河道断面形状数据、调度对象数据和污染负荷数据中的至少一项，其中，所述调度对象数据包括泵站或闸门的地理位置、设计参数及调度规则数据中的一项或多项；所述污染负荷数据包括排口位置及排污量、流域内各行政区的人口生活污水数据、农业污水数据、畜牧业污水数据及工业污水数据中的一项或多项。3.根据权利要求1所述的方法，其特征在于，所述采集预设时长内所述目标河网的水质监测数据，并利用所述水质监测数据对所述初始河道水动力水质模型进行率定与验证，生成满足模拟结果与所述水质监测数据之间的误差满足预设精确标准要求的最终河道水动力水质模型，包括：采集预设时长内用于率定及验证的目标河网的水质监测数据，其中，所述水质监测数据包括河道上重要排口处和安装有水质监测设备处的污染物浓度数据；随机抽取所述水质监测数据的其中部分数据以作为模型率定，并通过修正模型参数达到模型模拟结果与实测数据的吻合程度达到预设条件；在所述水质监测数据的剩余数据中随机抽取至少一次数据以作为模型验证，并用率定好的模型结果与所述实测数据进行比对，并进行误差评价。4.根据权利要求1所述的方法，其特征在于，所述多目标优化调度模型的优化目标为考核断面模拟时段内水质超标率最低且补水量最小，且决策变量为所述基准方案中可供调度的泵站或闸站的水工调度对象，以及约束条件为每个调度对象控制能力的上下限。5.根据权利要求4所述的方法，其特征在于，所述在Python环境中，基于预设NSGA‑II算法将所述多目标优化调度模型与所述最终河道水动力水质模型进行耦合和迭代计算，以得到目标河网系统在多目标下的最优调度策略，并在所述Python环境下执行所述最优调度策略的河道水质模拟，包括：在所述Python环境中，确定所述预设NSGA‑II算法的每项参数，其中，所述每项参数包括种群参数、最大迭代次数和变异概率；在所述Python环境中，定位所述