预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115994487A(43)申请公布日2023.04.21(21)申请号202310091672.7F17D5/06(2006.01)(22)申请日2023.01.17(71)申请人安徽建筑大学地址230000安徽省合肥市经济技术开发区紫云路292号(72)发明人谢陈磊陈杰方潜生蒋婷婷汪明月杨亚龙李善寿朱徐来张睿李雪飞赵红宇田政冯择优(74)专利代理机构合肥市浩智运专利代理事务所(普通合伙)34124专利代理师郑浩(51)Int.Cl.G06F30/27(2020.01)G06N3/006(2023.01)权利要求书3页说明书7页附图3页(54)发明名称一种基于改进灰狼优化算法的供水管网漏损定位方法(57)摘要一种基于改进灰狼优化算法的供水管网漏损定位方法,属于供水管网漏损控制技术领域,解决现有技术在判定供水管网漏损位置和漏损量时存在的成本高、误差大、效率低问题;根据实际供水管网的拓扑关系和管件运行参数,在EPANET软件中建立供水管网正常工况下微观水力模型;调用EPANET工具箱,获取漏损工况下模拟供水管网模拟压力监测点数据;采集实际供水管网观测压力监测点数据,结合模拟压力监测点数据构建目标函数;基于改进灰狼优化算法构建漏损定位模型,将个体狩猎考虑在灰狼个体位置更新中,获得全局最优解,判定管网漏损位置和漏损量,提高了算法的收敛速度,判断时间快、判定准确,硬件成本低,对不同管网均有很好的适用性。CN115994487ACN115994487A权利要求书1/3页1.一种基于改进灰狼优化算法的供水管网漏损定位方法,其特征在于,包括以下步骤:S1、将实际供水管网的拓扑关系和管件运行参数分别导入到EPANET软件中,建立正常工况下实际供水管网微观水力模型,供水管网节点个数为N个,设置S个监测点监测管网压力变化情况;S2、在管网N个节点中选取任意一个节点的额外需水量模拟M种管网漏损工况,调用EPANET工具箱,执行水力分析,获取M种管网漏损工况下S个监测点模拟压力数据;S3、采集实际漏损供水管网S个监测点的观测压力监测点数据,构建M种管网漏损工况下第m个工况的目标函数,采用决策变量表示模型的解,并设置约束条件限定决策变量的变化范围;所述的构建M种管网漏损工况下任意一个工况m的目标函数如下:所述的模拟压力数据矩阵表示如下:所述的观测压力监测点数据表示如下:Pobs={Pobs1,Pobs2,Pobsnp…,Pobss}所述的无量纲系数的计算公式如下:其中,minimize()为最小化函数,np=1,2,…,S,表示节点压力索引,M表示管网漏损工况的数量,m=1,2,…,M,表示M种管网漏损工况中的第m个工况,m表示M种管网漏损工况中的第m个工况,wnp表示对应np节点压力的无量纲系数,Psimmnp表示模拟压力数据矩阵中的第m行、第np列的元素,Pobsnp表示观测压力监测点数据向量中的第np个元素;S4、基于改进的灰狼优化算法构建漏损定位模型,求目标函数最优解,判定管网漏损位置和漏损量。2.根据权利要求1所述的基于改进灰狼优化算法的供水管网漏损定位方法,其特征在于,步骤S3中所述的采用决策变量表示模型的解,具体表示为:Xi=(LNj,qj),i=1,2,...,M,j=1,2,...,N,LNj表示漏损节点j处节点索引,N表示供水管网节点个数,qj表示节点j处漏损量。3.根据权利要求2所述的基于改进灰狼优化算法的供水管网漏损定位方法,其特征在于,步骤S3中所述的约束条件的公式如下:0≤Δqn≤QL,n∈{1,...,N}其中,Δqn表示节点需求的变化间隔,QL表示管网内所有节点的最大需水量。4.根据权利要求3所述的基于改进灰狼优化算法的供水管网漏损定位方法,其特征在于,步骤S4中所述的基于改进的灰狼优化算法构建漏损定位模型,求目标函数最优解,判定2CN115994487A权利要求书2/3页管网漏损位置和漏损量的方法具体如下:(1)初始化阶段:初始化M个灰狼个体Xi=(LNj,qj),灰狼个体数量等于管网漏损工况数量,设置灰狼优化过程中迭代次数t,t=1,2,...,T,其中T表示最大迭代次数,计算个体适应度,适应度大小表示为目标函数f(x)的值;(2)狩猎搜索阶段:每个灰狼个体Xi都具有找到最优位置的能力,在第t次迭代时,狩猎搜索认为Xa(t)、Xβ(t)、Xδ(t)三只灰狼更靠近最优位置;保存获得的Xa(t)、Xβ(t)、Xδ(t)最优位置,并强制所有灰狼个体Xi(t)根据三只最优灰狼Xa(t)、Xβ(t)、Xδ(t)位置来更新Xi(t)在t+1次迭代时的候选位置;(3)运动和更新阶段:通过比较灰狼个体Xi(t)的两个候选位置Xi‑GWO(t+1)和Xi‑DLH(t+1)