供水管网余氯优化控制决策支持系统研究 149页

'同济大学环境科学与工程学院博士学位论文供水管网余氯优化控制决策支持系统研究姓名：马力辉申请学位级别：博士专业：市政工程指导教师：刘遂庆20070601 摘要壁反应系数校核方法研究，实验应用宏观模型和微观模型相结合的方法，加快水质模型的校核，缩短水质校核时间。为提高拟合精度，研究应用聚类分析方法对管壁反应系数进行分组。(3)为余氯优化控制决策建立更加可靠的数据支持，对供水管网水质监测点优化布置进行深入的研究。对监测点优化布置时，同时考虑灾害预警与常规监测进行研究，即将日常水质监测与污染灾害预防两个目标统一起来，研究常规监测意义下的管网污染灾害预警监控，提高水质监测点利用率。(4)对余氯优化控制决策数学模型进行研究。对余氯优化控制的决策过程、目标函数、约束条件等内容进行研究。分析当今研究热点——二次加氯特点，将其整合到余氯优化控制决策支持系统中。(5)余氯优化控制决策支持系统的决策应用．基于以上研究建立的微观水质模型和水力水质数据，建立宏观余氯模型，应用宏观模型与微观模型相结合的优化思想，实现供水管网余氯优化控制决策支持系统的决策支持。本文完成了如下创新成果：(1)基于“宏观优化，微观验证”的优化思想，完善供水管网优化调度基本理论体系，提出供水管网水力和水质优化控制系统的整合方案。提出余氯优化控制决策模型的决策控制目标、决策对象、解决方案，解决余氯优化控制决策支持系统的关键问题。(2)建立供水管网余氯衰减模型中主体水反应系数数学模型，为主体水衰减系数随外界条件变化进行优化调整建立依据，为管壁反应系数的校核提供更加准确的基准值。(3)针对大规模水质模型校核，提出应用宏观和微观模型相结合的优化思想，设计组合优化算法CORS-RBF-GA算法，实现供水管网水质模型中管壁反应系数的快速高效校核。(4)提出更加科学合理的水质监测点优化布置方法，将基于灾害污染预警为目的和基于常规监测为目的的优化布置方法相结合，使仅考虑小概率污染事件监测点布置包含常规监测的内容，从而提升水质监测设备的利用率，为余氯优化控制决策支持系统提供更可靠数据。关键词：供水管网，优化调度，余氯控制，模型校核，监测点布置Ⅱ AbstractABSTRACTWate：rDistributionSystem(WDS)isoneoftheurbanlifelines,andthestudyofitsoperationalmanagementplaysaveryimportantroleinurbanmanagement．TraditionaloperationalcontrolofWDSisonlyfocusedOnthehydralicobjectives,andthecontrolobjectivesincludehydraulicpressureandwaterquantity．BasedOilthisidea,many0ptimalSchedulingSystems∞ss)havebeenestablishedandbecomeoueofimportantmethodsintheoperationalmanagementofWDS．SincewaterqualitycontrolisthenecessarycontentofthemanagementofWDS，waterutilitiesestablishandranewtheOSSincludingcontrolofbothhydraulicandwaterqualityisinevitabletrendandurgentrequirementofinformatizationconstructionanddevelopment．OptimalcontrolsystemofchlorineresidueistheadvancedformofOSSandtakmthechlorineresidueascontrolobje蜘ve,wat81．qualitymodelasdecisionevaluationfoundation，waterqualitymonitoringnetworkaSdata80urc宅，controldecisionofchlorineresidueasanaly6calcore,executivefacilitiesofcontrolofchlorineresidueasrealizationmeaninordertoachievethetaskofscientificmanagementandcontrolofwaterqualityinWDS．TheDecisionSupportSystemofOp石malControlofChlorineResidue∞ssoccR)canprovidevariousmodels，real-timeand]fistoricdata，expert"sexperiencesandd∞ifionschemesforthedecisionmakers．Thepurposeofthispaperis：optimalcontrolofchlorineresidueisaddedbasedontheOSSofhydrauliccontrolinexistenceandDSSOCCRisestablishedinordertocontrolthechlorinemoresafelyandeconomically．ItwillreinforcetheabilityofdecisionmakerstomanagewaterqualityinWDS．mspaperhasfinishedtheresearchworks船follows．(1)TheintegratedframeandflowchartofDSSOCCRandtheOSSofhydrauliccontrolisstudied．111econtrolconceptandmodesofchlorineresidue．thetheoryandapplicationofOSS，therelationshipbetweencontrolofchlorineresidueand OSS．andthecontentofDSSOCCRi11．WDSa他analyzed．BasedOnaboveresearch．theintegratedschemeandflowchartaredesigned．(2)Studyonestablishmentthemodelofchlorineresiduewhielaissuitableforlarge-scaledWDS．11Study伽廿lemathemallcsmodelofbulkreactioncoefficientofelalorinedecayinWDS．Thedisinfectionmechanismofchlorineisstudie也experimentaboutbulkdecaycoefficientisdesigned，dataisabtainfromrealexperiments，noll—linearregressionisusedtoanalyzethedata,andthemathematicsmodelofbulkdecaycoefficientconsideringtheevironmentalchangeisobtained．2)StudyOnthecalibrationofpipewallreactioncoefficientofchlorinemodelinWDS111ecalibrationmethodofpipewalleoeffici印tofebJorinemodelforlarge·sealedWDSisstuded．111ecalibrationprocessisspeededupaccordingtocombinethemetaanddetailedmodel．AndclusteringmethodisusedtOenhancetheprecisionofchlorinemodel．(3)WaterqualitymonitoringSl{llSOrisdesignedoptimallyinordertogetmolereliabledataIntheprocessofoptimallocationofwaterqualitysensor,catastrophicwarningandroutinemornitoring躺optimizedtogether．Thesetwoobjectivesal"ecombinedintotheoptimallocationprocess．andthismethod啪makefullUSeofthecosilymonitoringequipments．(4)StudyOilthemathematicsmodelofDSSOCCR．Thedecisionprocess，objeelivefunctions．constraintconditions,solvingmethodanstudied．TheboosterchlorinationisanalyzedandintegratedtoDSSOCaRH(5)Study011theapplicationofDSSOCCR．Based013．aboveresearelafindingsincludingwaterqualitymodelanddata,amacl"omodelofOnelarge-sealedWDSisestablishedApplyingtheoptimaltheoryofcombinedmacroanddetailedmodel．theapplicationofDSSOCCRinreallarge-scaledWDSisrealized．Ⅲspapercompletedfourcreativeachievement∞follows：(1)Based013thethought,“usingntlac-l-Omodeltooptimizeanddetailedmodeltoverify”，thetheorysystemofOSSiswellestablishedwhichintegratesthecontroloflaydraulieandwaterqualityinWDS．11lispaperpresentsthedecisionⅡ AbsWactobjectives，decisiontargets,solvingschemeandsolvesthekeyproblemofDSSOCCRin、VDS．(2)EstablishthemathematiCSmodelofbulkreactioncoefficientofchlorinedecay．Thismodelmakestherelationshipbetweenthebulkreactioncoefficientandenvironmentalargumentssuch鳃chlorineconcentrationoutoffactory,totalorganiccarbon(TOC)，temperature．Italsoprovidesamoreaccuratefiducialvalueforcalibrationofpipewallreactioncoefficient．(3)Applyingthethoughtofcombiningbothmacroanddetailedmodeltooptimize，thispaperdesigna11eWcombinationalalgorithmCORS-RBF-GAThisalgorithmrealizesrapidlythecalibrationofpipewallreactioncoefficientofchlorinemodeloflarge-scaledWD$．(4)PresentamorescientificmothodofopIimallocationofwaterquality9钆s毗111ismethodwhichcombinesthecatastrophicwarningandroutinemornitoringtogethercarlenhancetheutilizationratioofthecostlymonitoringequipmentsandreliabilityofdata．Keywords：Waterdistributionnetworks,Optimalscheduling,Controlofchlorineresidue，Modelcalibration,Optimallocationofwaterqualityscnsol"Ⅲ 学位论文版权使用授权书本人完全了解同济大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版。本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。学位论文作者签名：马力芝搴)号；7『年3月弓D『日 同济大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名．3力啤撕口7年8月孑。日 第1章绪论1．1引言供水管网是城市的生命线工程之一，其运行管理方面的研究具有非常重要的价值和意义。由于水污染问题的突出，导致水资源由于水质型缺水日益严重。由此引发的一系列问题使我国城镇供水安全保障正面临严峻挑战。据2004年10月建设部对全国36个重点城市进行的城市供水水质监督检查报告数据，在采集的634个水样中，除公共供水合格率为90．11％外，二次供水合格率为80．83％，各类自建设施供水合格率只有45．12嘣”。为进一步提高城市供水水质，保障人民群众的饮用水安全，改善供水服务，推动城市供水行业的发展，建设部于2005年组织编写了《城市供水行业2010年技术进步发展规划及2020年远景目标》。提出了以保障安全供水、提高供水质量、优化供水成本、改善供水服务为总体目标的技术发展方向，提出了我国城市供水行业的技术进步奋斗目标和任务[21。并且指出了当前我国城市供水安全方面存在的薄弱环节，主要有：1．需要加强行业监测和行政监督，建立城市供水水质预警制度，完善供水水质监管的法律法规和标准；2．需要及时掌握城市供水水质动态，提高科学决策能力和应急能力，提高行业的信息化水平；3．需要在加强二次供水和自备井供水管理的同时，加大城市公共供水比例；4．需要城市供水水源保护得到进一步加强，水源预警和供水应急预案制度广泛实行。为使每个用户最终都能用上放心水的要求，需要在保证自来水厂的净水工艺高效稳定运行的同时，加大供水管网水质管理与控制水平。本文将从上述第2个薄弱环节入手，对供水管网的水质优化控制进行研究。 第1章绪论1．2研究课题的提出供水管网水力和水质模拟、优化调度、优化设计等都属于解决供水管网运行管理问题的方法，是计算机发明后，信息时代在供水系统中应用的重要产物，是新形势下解决供水管网问题的有力工具和手段。当今的供水界，上述的各类方法已经深入到生产、科研的各个方面，正在而且也将继续产生巨大的经济和社会效益。在这些方法中，供水管网优化调度是当今研究最活跃、最前沿的一个领域，是计算机、通讯、智能控制、优化等先进技术在供水系统中的科学整合，具有丰富的内涵和不断增值的空间。所谓供水管网优化调度是指在供水系统集中、全面和实时监控的基础上，运用现代化信息技术，采取智能化和优化控制理论和方法，安全可靠地将符合流量、压力和水质要求的水供应给用户，在最大限度提高供水系统安全可靠性的同时，降低供水运行成本，提高运行管理水平，提高供水企业的经济效益和社会效益【3】o传统的供水管网的运行控制，主要集中在水力因素(水量和水压)的控制上，并由此建立了供水管网优化调度系统。供水管网优化调度系统是供水企业运行管理的重要工具和手段，通常包括：数据采集与通信网络系统、数据库系统、调度决策支持系统和调度执行系纠31。国内外一些供水企业已经根据不同的目标和理念建立了相应的调度系统，如我国的南京、佛山等自来水公司。当今不断发展的技术条件，为迸一步丰富和发展供水管网优化调度系统的内涵，充分挖掘供水管网系统管理与控制的潜能提供了必要的基础。供水管网水质管理经过27年的发展【4】，供水管网水质控制方面的研究已经具备将传统基于水力控制的优化调度系统，发展到基于水力控制和水质控制的优化调度系统的时机和基础(如图1．1所示)。到目前为止，国内外只有少量文献研究将水质控制纳入供水管网调度系统中。而当前对供水管网水质控制、饮用水安全的需求在不断提高。所以，建立基于水力和水质控制的优化调度系统，完善现有优化调度的内容，深化供水企业对供水管网的运行控制能力，是供水企业信息化建设和发展的必然趋势和迫切要求。2 第1章绪论I⋯⋯⋯⋯⋯I图1．1优化调度系统发展趋势图1．3国内外供水管网水质优化控制理论研究进展由传统基于水力控制的优化调度系统扩展为水力水质综合控制的优化调度系统，就是在原有水力调度系统的基础上，增加水质优化控制的内容。需要扩充水质模拟、水质数据(采集、传输与存储)、水质优化控制决策、水质控制执行设施四部分的内容。而原优化调度系统中的其它数据采集、通信网络、数据库、水量预测、水力模型、调度执行设施等部分的内容可基于原水力调度系统，只对部分内容稍做修改即可。水质数据采集首要的内容是水质监测点的优化选择，当然也包括设备选型、安装调试等工作，这里仅对水质监测点优化布置进行研究；水质控制的执行设施也不再叙述。所以，水质优化控制系统的主要基本理论综述包括：水质模拟、水质监测点优化布置、水质优化控制决策三部分内容。1．3．1水质模拟研究进展l概述供水管网水质模拟由简单的稳态模拟发展到时变模拟(也称延时模拟、动态模拟)；模拟对象包括消毒剂、消毒副产物、细菌、腐蚀物、浊度等；单独开发或基于LewisRossman开发EPANET核心开发的商业软件也不断涌现，如HongYang、Cybernet／WaterCAD、I-120NET等。水质模型按照理论基础的不同可分为统计模型、递归模型和机理模型；按照水力状态可分为稳态模型和动态模型；按照模拟参数的不同又分为消毒剂衰水力水质综合优化调度系统 第1章绪论减模型、三卤甲烷模型、细菌模型、腐蚀物模型、浊度模型：按照模拟参数的个数不同可分为单因子模型和多因子模型；按照模型的详细程度分为宏观模型和微观模型。统计学模型主要采用回归模型、人工神经网络等数学工具建立的，考虑在输入和输出之间建立联系，而不考虑系统内部的细节和要求的模型。统计模型属于宏观模型的一种，同时也属于黑箱模型的一种。统计模型具有建模快速、模型求解快速的优点，该模型能够迅速应用于管理和控制，但是也存在着精度差的问题。近期主要应用的有自回归模型51、多元回归模型【6J、人工神经网络模型‘7·81等。最典型一类递归模型是I／O模型【9．埘(Input／Output，I／O)。]／O模型是一种递归回溯方法，该方法可以从输出节点开始，一直回溯到输入节点，从而建立输入和输出之间的关系。机理模型又分为一维模型和二维模型，其中一维模型应用最广。一维模型和二维模型在大管径的情况下，计算精度差别不大，但是在小管径管网的余氯衰减时，不能忽略管道的径向扩散【ll】。另外，“掣他1指出在低流量的情况下不能忽略径向扩散。Lee和Buchberger[”】通过研究管网流体发现弥散现象对浓度分布有很明显的影响，特别是在管道间歇性层流情况下，该差别尤为严重。一维模型以一维推流扩散方程(1．1)为基础建立水质模型的机理模型，通过推导获得节点、管段、清水池等位置的水质浓度【悼161。二维水质模型增加了径向的扩散项，运用变量分离技术和贝赛尔函数进行求解[17-19】。Ozdemir和Ucak[20,21]通过引入修正系数转化为一维模型求解。誓+昙(c【，)：见裳+R(c)(1．1)口Ⅲ“im式中：C一反应物质的浓度oR佑)一水中融解物质的产生和衰减速率项。单因子模型是指以往的水质模型在水质模拟过程中每次只能模拟一个指标如余氯，在模拟这个过程中假定其它物质足够参与反_应【16l。显然这是不合理的，因为在实际模拟的过程中，存在各种各样的交互过程，如化学与生物项的交互。ube一22】尝试将传统的EPANET软件扩展到多因子模拟的功能上来。由于多因子模型缺乏足够的数据支持，目前只有单因子模型可以实际应用。4 第1章绪论模型的求解方法主要有欧拉法和拉格朗日法，欧拉法包括有限差分法(Finite-DifferenceMethod，FDM)和离散体积法(DiscreteVolumeMethod，Dl、礓I)；拉格朗日法包括事件驱动法(Event-DrivenMethod，EDM)和时间驱动法(Time-DrivenMethod。TDM)，大量的文献对其进行了研究∽1￡2埘J。Munavalli等【27】提出了一个新的混合算法，讨论了降低水质浓度容差和水质模拟时间步长对新算法的影响。Constans[28l建立了以控制为目的的模型，该模型基于浓度输送反应方程的特征线法。应用各类方法的商业软件不断地涌现，童祯恭ll川对国内外的供水管网模拟的商业软件进行了总结。由于现在应用的消毒剂主要还是氯，所以本文只对余氯衰减进行综述。下面将对余氯衰减模型、消毒副产物模型、细菌模型进行简单的综述。2余氯衰减模型1896年，GeorgeW．Fuller第一次在Louisville实验室应用氯进行消毒，并且于1902年正式应用于净水厂。1947年9月13日，AWwA颁布了第一个供水管网消毒标准，使供水系统能够提供完整连续的得到保护【z9l。Rossman等【30，31引入基于物质转移的预测余氯的模型，设计了主体水和管壁反应模型，示意如图1．2所示。图1．2将供水管道划分为两部分，即主体水部分和克服管壁反应部分，主体水主要输送自来水，包含了平流推移和径向扩散两个方向的反应，最常见的一维模型忽略了径向扩散。管壁处只列出了腐蚀反应式，未列出其它反应内容(包括生物项内容的示意图请参见图1．3)。将供水管道分成主体水和管壁反应两部分，可以依据各部分的特点，使水质模型更灵活地应用，同时也容易在模型中包含或扩展其它反应物。Kb一主体水反应系数；Kw一管壁反应系数；NOM--自然有机物；DBP--消毒副产物图1．2余氯衰减模型示意图5 第1章绪论该模型在EPANET中实现，一些商业软件也采用这样的模式。但是，最近的研究(Clark[18】；Grayman[32J；DiGiano[33】)发现这样的方程式并不能完全代表实际的管道余氯需求，需要进一步深入的研究。人们为了简化计算最初仅将余氯衰减看作一级反应，随着研究的深入，人们为了改善余氯衰减的表达，做了大量相关的研究[34-36】。Munavalli[”1总结了所有反应级数和要参数校正的参数(见表1．1)。Powell掣38】通过比较六种模型得出结论主体水一级和整体一级优于其它模型。表1．1余氯反应级数和校正参数综合反应级数表达式R(C)校正参数主体水反应系数管壁反应系数1一毛Ⅲ气一丽kjw,llkfl丽％k。1O吨矿喇等，争k“2l屯乒纛‰气kl‘2O屯C。2--曲c等，争丸m，两项l—ka．vc,／瓴一气)一丽kjw,11％丽气k，两项O屯讹训一曲每，争k_a‘整体一级一k蒂4毛整体平行一级‘删C=co[xexp(一毛，)+(1一曲exp(一k2t)】h、k整体混合级⋯—d了C：一屯c一毛c：丘，缸破4G—管道i在t时刻的余氯浓度(megL)；Q一限制余氯浓度(mg／L)；缸，厂管道f的一阶主体水反应系数(s-1)；^删一二阶主体水反应系数(1Jmg／s)；k，广管道i的一阶管壁反应6 第1章绪论系数(m，8)；kw一管段i的零阶管壁反应系数(mg，m2，s)；知一管道i的质量传输系数(IIl，s)；知一管道i的总体反应系数(s一1)；幻一快速反应阶段的一级反应系数(s。)；岛一慢速反应阶段的一级反应系数(s一1)；‘，岛一衰减系数(s～，L／n∥s)；J一比例系数。Joncsllil以管材为参数，同时考虑余氯衰减和生物膜模型。而Ki锄e{40l指出余氯的衰减与管材没有很强的直接关系，但是与管道的腐蚀率有很强的关系。Bowerl41】研究发现管道的沉积物会改变余氯消耗、增加消毒副产物(DisinfectionBy-Products，DBPs)生成量、改变DBP的种类等。实际加氯之后，余氯衰减会有一个非常快的衰减过程[42,43】。Y蛐∥41和sh柚一451运用MonteCarlo模拟方法分析余氯模拟中数据不稳定性的传播。Huang[461运用贝叶斯统计和MarkovChainMonteCarlo描述和评价主体水衰减系数和管壁反应系数。Digiano等【47】比较了各类管式反应器确定管壁反应系数的优缺点。3消毒副产物模型目前，全球饮用水消毒绝大多数采用液氯或次氯酸钙处理，但现在从水中检测出的有机污染物近2000多种，这些有机物与水中的氯发生化学反应，生成致癌消毒副产物(DisinfectionBy．Products，DBPs，氯化消毒副产物中的主要有机物见表1．2)，严重危害人类的健康。1974年，氯消毒后的水检出三卤甲烷(THMs)【2们。1976年，美国国家癌症协会发现，氯仿对动物具有致癌作用。研究证实，卤乙酸(HAAs)的致癌风险较三卤甲烷(11nb)大10倍以上，其它消毒副产物的A．mcs实验也多呈阳性，存在着很强的致突变性流行病学研究发现，饮用水氯化消毒的量与膀胧癌、直肠癌等的发病率之间有相关性【4引。消毒副产物对生殖健康也有影响，但结论不一致【491。为保证饮用水安全，许多国家在饮用水标准中限定了TH]V[s，HAAs的最高浓度。如1979年，美国规定THMs低于80∥叽(USEPAl999c)，HAAs低于60／ug／L(USEPA2001)l，⋯，我国新的饮用水卫生标准(GB5479．2006)中规定，三氯甲烷低于0．06mg／L、一氯二溴甲烷低于0．1mg／L、二氯一溴甲烷低于O．06mg／L、三溴甲烷低于0．1mg，L，并且以上各类化合物的实测浓度与其各自限值的比值之和不超过l；卤乙酸中的二氯乙酸浓度低于50／zg／L，其它未做规定【51】。 第1章绪论表1．2氯化消毒副产物中的主要有机物。2’种类化合物氯仿(TCM)、溴仿(TBM)、一溴二氯甲烷(BDCM)、三卤甲烷(THMs)二溴一氯甲烷(DBCM)一氯乙酸(MCAA)、二氯乙酸(DCAA)、一溴乙酸卤乙酸(HAAs)(MBAA)、二溴乙酸(DBAA)二氯乙腈(DCAN)、三氯乙腈(TCAN)、溴氯乙腈(BCAN)、卤乙腈(HANs)二溴乙腈(DBAN)致诱变化合物(Mx)3一氯--4(二氯甲基)一5一羟基一2(5H)一呋哺卤代酮类(HKs)二氯丙酮(DCP)、三氯丙酮(TCP)卤代酚三氯酚、三溴酚卤代醛三氯乙醛／水合氯醛卤硝基甲烷三氯硝基甲烷Adams[53]分析了美国Missouri州各水厂的1997--2001的THMs、HAAs等之后发现，大部分服务人口少于10000人的水厂该指标都不达标；另外研究发现消毒副产物主要在水厂产生，在管网中生成极少，所以控制消毒副产物可以集中在水厂进行。大量的研究结果表明，在氯消毒技术中影响DBPs量和产生速率的因素包括：前体物的类型及浓度、投氯量、温度、pH值、溴化物和氨的浓度以及反应时间掣斗卯】。对消毒副产物前体物研究中通常采用：消毒副产物形成潜能、模拟配水系统测试、统一生成条件测试和紫外吸收等指标进行研究【5引。在THM$数学模拟方面，现场模型的精度明显低于实验室模拟精度瞪力。在模型形式方面，Clark[351通过研究发现THIns模型与氯消耗之间具有函数关系，并由此建立了数学模型。李欣博士【59，60I和Vasconcelos[161提出的公式为：T／HM=Co+[THee-Co】(1一exp(缸))(1．2)式中：七一三卤甲烷增长系数；刀n卵P一三卤甲烷生成潜能；cD一出厂水三卤甲烷浓度。SungWc61J提出了如下模型：TTHMs=a[OH一】’{Co[I-exp(-kr)]}。(【％54)。(Ⅱt弘矿(1．3)式中：Co[1一cxp(一打)】一从氯投加点到取样点的耗氯量；f一传输时间； 第1章绪论algae--藻类浓度；a，_，，m、n、p一指数系数。HarukiShimazut571运用下式进行了研究：DBPs=DBPs·eqx(1-cxp(一七×O+0))(1．4)式中：DBPs-eq--管网中消毒副产物的浓度；七一消毒副产物的增长速率。Clark等【砝631提出如下模型：咄=a,[Co—FCKo(唧l-K(唰))]．(1．5)式中：A，一消毒副产物i的形成比例。X一无量纲常数；甜一反应速率(s-1)。Elshorbagy掣“1通过计算出溴仿(Br)然后利用构造比例系数SN(式1．6)，通过优化计算算出各自比例，然后实现氯和四类THM的预测．Lint65】也运用优化算法优化THMs模型参数。昂=1[CH可CIo_mBrM](1．6)此外给水厂消毒副产物的数学模型，包括：经验模型、概率模型和机理模型三类№671。4生物膜模型在实际生产中，供水管网中残留的余氯不能杀灭所有细菌[6S-701，有机质混合物(腐质酸、棕黄酸、可生物降解的有机质(碳水化合物、蛋白质等))、适宜温度、低余氯残留等情况下会激发细菌的生长，因此在管壁处生物膜和管道输送水中都有可能存在细创711。由于饮用水属于贫营养生长环境，细菌在管壁的附着生长远比悬浮生长占优势，即形成生物膜，它是微生物、微生物分泌物和微生物碎屑以及被吸附有机物的复合体‘721。这些细菌会影响大肠杆菌的检出、产生异味、传染疾病等，因此控制细菌的再次繁殖是各国学者研究的热点之一。管壁生物膜的影响因素很多，包括水中的营养基质浓度、水流速度等水力9 第1章绪论因素、消毒剂的浓度、水中悬浮菌的数量、水温、管道材质和使用年限等。张向谊等对南方某市供水管壁上的生物膜进行了分析，分离得到的细菌、真菌、酵母、放线菌等微生物合计22种【硎。但到目前为止，有关研究尚处于初级阶段，在一个运行正常的给水管网中生物膜往往是一个小型的稳定生态系统，很难对实际生物膜的发生、发展和变化情况进行完整有效的监测【721。当然也有通过替代测试指标，来监控供水管网水质情况。如建立三磷酸腺苷和发光量之间的关系式，通过检测发光量，快速检测管道中的生物相水平，以起到预警功能【73】。为了分析管壁生物膜生长过程和生长条件，目前主要采用两类模拟方法：一类为类似于实际管网的管道模拟系统，另一类为规模更小的反应器模拟系统F4J。清华大学在澳门实际管网采样和实验室模拟进行给水管壁生物膜的活菌数、管壁生物膜的变化等方面的研究1721。l主体水中基质吸收和细菌细胞增长；2细菌细胞从主体水吸附到生物膜：3细菌细胞从生物膜脱落到主体水；4主体水中的细菌自然死亡：5主体水中的氯致细菌死亡：6主体水中的死细菌对BDOC的贡献；7主体水中的氯衰减；8生物膜中的细菌生长与基质利用；9生物膜中的细菌自然死亡；10生物膜中的氯致细菌死亡；1l生物膜中的死细菌对BⅨ)C的贡献；12氯的质量传输；13基质(BⅨ)C)的质量传输；14生物膜中的氯衰减。图1．3生物膜模型示意图 第1章绪论以往研究的细菌生长模型有两类，一类是基于吸附脱落概念而建立的，如SANCHO；另一类是基于生物膜概念建立的，如PICCOBIO[75·76I。Campo-[77】在实验室用环形反应器研究了生物膜的影响因素，建立了一个基于经验数据的数学模型。MunavalliI75l提出了一个新的而且简单的细菌模型框架，如图1．3所示。Pizarro[’78】将假设的均匀生物膜模型引入到与实际相符的不均匀生物膜模型中，运用自组织的细胞自动机(CelullarAutomata)模型模拟不均匀的生物膜。Butterfield[79l研究了不同基质对生物膜反应及基质吸收的影响。因为给水管网系统就如同一个大的反应器，许多物化和生物反应在其中发生，引起溶解成分、沉淀物质、管壁材料和水相之间的相互作用以及水相和气相之间的相互作用，再加上许多时空参数，例如水力停留时间、温度、流速等，它们的变化使得管网中的情况更为复杂，所以现阶段管网水质模型中细菌生长的数学模型是不可靠的。5供水管网水质模型校核研究进展供水管网水质模型校核是水质模拟基础性工作，是提高模型决策支持可信度的重要步骤，也是提高模型应用水平的前提。Walski等【帅】列出了许多研究人员强调模型校正的重要性。水质模型以水力模型为基础，在供水管网水力模型校核方面，陈宇辉【引】提出管网模型参数校验的自适应遗传模拟退火算法(AdaptiveGeneticAlgorithmandSimulatedAnnealing，AGASA)用于水力模型校核；许刚【韶1采用非支配分组遗传改进算法(NSGA-H)优化消防试验点和测压点，运用Max-Min蚁群算法进行优化校核。Lingireddy等【盯1、G6mez等【B41、Clark等1851运用遗传算法校正供水管网水力模型的参数；Boccclli[靳】运用马尔可夫链蒙特卡罗(MarkovChainMonteCarlo)校正算法，将空间联系引入模型校正的参数估计；Van【87】运用人工神经网络(ArtificialNepalNetworks，ANN)用于水力模型的校正，通过输入压力和流量获得管道的粗造系数；Salas掣船蟾用模糊逻辑捕捉人的校正知识，从而实现了校正过程的自动化。此外还有在水力模型校正过程中考虑漏捌8弘921；在模型中考虑测量和估计的不稳定性，从而判断校正的质量1931。水质模型的校正方法按照不同的分类方法可以分为：试错法和优化法；手工法和自动法；单一参数法和分组参数法；粗调法或宏观调整法和细调法或微观调整法。 第1章绪论对各类水质模型的研究中，余氯衰减模型已经具备在大规模管网应用的可能；消毒副产物模型在个别条件下可以应用，但精度较差：生物膜(或细菌)模型还需要更加深入的研究。所以供水管网水质模型的校核实际上就集中在余氯模型校正方面的研究。如上节所述，余氯衰减模型由主体水反应系数和管壁反应系数组成，其校核过程也是围绕确定这两个参数而展开的。主体水衰减系数通过烧杯实验确定IM]；现阶段没有方法可以实测确定管壁反应系数，因为很难构造符合现场实际情况的管道条件，只能通过现场实测数据与预测数据的比较进行校核管壁反应系数Ⅲl，通常是调整参数使模型预测值与现场数据之间的误差最小。供水管网水质模型校核的文献比较少，研究主要集中在三个方面：1示踪剂实验研究，本质上是为水质模型校核而实施的水力模型校核[94,951；2主体水反应系数方面的研究，实际上是为管壁反应系数校核提供很好的基准【36,96,97]：3管壁反应系数校核方面的研究，通过调整参数值，实现模型预测值与实测值误差最小【9}100I。虽然水力模型的校正思路和水质模型的校正思路一致，但是水质模型的校正将比水力模型更加耗时，有的甚至到上百倍。现在一些校正工具如Ha髓tad的达尔文校正器(DarwinCalibratorofI-IaestadMethods)199】运用GA方法优化相关参数，但是这种方法由于太长的计算时间，很难应用在大中规模的实际系统。1．3．2水质监测点优化布置研究进展监测供水管网的水质状况，提高供水水质的安全性是一个实际而又急待解决的问题，也是优化调度系统的重要组成部分。各国科学家对基于不同的概念和目的建立供水管网水质监测系统进行了研究，如基于常规监测、预警(EarlyWarningSystems。EWSs)、预警监溟g(EarlyWarningMonitoringSystems，EWMS)、污染预警(ContaminantWarningSystem，cws)等概念建立水质监测网。在水质监测点优化布置方面，基于各类目标的水质监测方法不断涌现。Lee[101·m1在1991年和1992年，提出了覆盖矩阵的概念，并利用整数规划方法优化获得最大覆盖的监测点布置，该方法在水质监测点优化布置领域引用次数12 第1章绪论最多，由此改造和派生的各类方法也层出不群。AnmKumax等[1031、HARMANT[‘叫、张怀宇等‘Ⅲ1、Woo等11061提出了类似的监测水量DC(DomandCoverage)、水质监测度等概念。Kessler在1998年，提出TN务水平(LevelofService)的概念，是指污染事件被发现前所污染的水量，并提出了有效监测范围DD(DetcctedDomain)的概念【1071。Berry掣108疑出了考虑实际各类成本的水质监测点优化布置方法，采用整数规划方法进行优化。邓涛提出应用动态水质路径方法进行水质监测点优化布置【m】。Robert-Nicoud掣2％信息熵引入到监测点布置中，Ozkul等【110J将熵用于评价水质监测网的时间和空间的采样性能。McKenna掣⋯·1121研究了水质监测点精度对水质监测的影响。Cart掣m】将不稳定分析引入监测点布置，对水质监测点布置运用整数规划进行了分析。类似整数规划有多篇文献发表【¨川71。Berry等⋯8】对整数规划进行改进实现了并行整数规划，也有比较整数规划和启发式搜索【¨们。Shastri[1201考虑管网运行中的各类不稳定性，运用随机规划确定水质监测点。Baranowski[12l】对污染事件发生后的管理进行了研究，并提出了有约束和无约束的一阶可靠度模型。Khanal[122J对污染事件进行了敏感度分析，研究发现节点流量和污染物投加量对污染影响指数(ExposureIndex，EI)，清水池容积在一些实例中影响比较大，投加历时会产生比较小的影响。Laird[123】反向确定污染物投加的时间和地点。此外还有2006年在美国Cincinnati召开的“供水管网系统分析”(WaterDistribudonSystemsAnalysis，WDSA2006)年会。出现了专门为供水管网水质监测设定的专门分领域(SessionD-3：BattleoftheWaterSensorNetworks)，有14篇文章发表。该专题研究采用“指定研究对象和目标，约稿共同研究”的形式，即要求参与者在设定两个供水管网和相同的监测点数的情况下，推荐监测点布置方法。用到优化方法有：启发式搜索【1驯、改进贪婪搜索【1251、混合整数线性规划‘12嗣、遗传算法【1271、迭代深化Pareto解方法(IterativeDeepeningofParetoSolutions)[12s]、噪声交叉熵监测点布置算法(noisyCross．EntropySensorLocatoralgorithm，nCESL)[129]、改进的遗传算法[130-”21、非劣解分层遗传算法(Non—DominatedSortedGeneticAlgorithm-II，NSGA-Ⅱ)[132,””、模仿进化过程的捕食一被捕食模型(Predator-Preymodel)【l川、强化遗传算法(CompetentGeneticAlgorithm，CGA)【13l】、节点流量粗略估计法【135·1蚓、各类经验估计法【1371。 第1章绪论1．3．3水质优化控制研究进展同时模拟管网中水体流动、物质传输、水质控制是一项非常复杂的课题，但考虑水力和水质的综合调度是供水企业必然的发展趋势，逐渐吸引了一些专家学者的研究。Percia[138]最早将水质因素考虑在优化调度当中来，并做了基本假定：稳定流；管道及水池中浓度迅速混合；忽略由于不同物质混合的化学反应。Percia将节点及水池的浓度作为约束条件，进行求解优化模型。Goldman[1391运用模拟退火优化方法加EPANET模型，研究同时满足水力和水质条件的调度模型，并在NorthMatinWaterDistrict，Novato中验证应用。Sakaryatl40]应用广义简约梯度法(GRG2)加EPANET进行综合优化调度，目标函数为：(1)最小化的浓度偏差；(2)最小化总泵运行时间；(3)最小化总能耗，运用拉格朗日惩罚函数形式进行多目标优化。Brdys[14l】考虑到同时控制水量和水质优化模型是非线性、高维、输出约束、混合整数模型，是一个相当复杂的系统，建立了二维分层结构模型。第一层为水力优化控制模型：第二层为水质反馈控制模型。Tamawski等【142】也提出了类似的两层余氯控制结构。WangZhong在其博士论文中论述了三类反馈控制方式【1431。美mCincinnati大学以Jam％GLroer教授为首的研究团队提出了∞模型【9，1o，143】用于供水管网水质控制。MunavaUi[144】应用遗传算法优化调度多水源氯投加量。Biscos045]通过建立最小化能量消耗和氯投加(及二次投加)目标函数进行综合调度，应用混合整数非线性规划进行模型求解。此外还有，Ostfeld[146l在非稳态情况下，进行多水质条件的综合设计和运行研究。Karamouz[147l应用随机序列遗传算法考虑水质因素的优化水源调度。1．3．4存在的问题水质优化控制的研究相对水力调度而言，具有内容复杂、控制因素多、数据缺乏、模型精度差、模拟时间长等特点。这些特点就使得水质优化调度面临诸多问题和困难，主要集中在以下几点。1研究内容分散，研究水质被动控制多，主动控制少14 第1章绪论由于水质研究的内容远比水力研究内容复杂的多，所以前期的研究大都集中在模型方面的研究，采取主动方式控制的供水管网中的水质研究的内容还是比较少。通过统计各部分研究发表文献的数量，可以得到图1．4，研究内容由多到少依次为水质模拟、其它内容研究(如管道腐蚀研究等)、监测点优化、水质优化控制。啊水质模拟a监测点优化口水质优化控制■其它图1．4各部分研究按文献发表数量统计图2水质模型校核方面的研究缺乏第1．3．1中汇总的各类模型中，余氯衰减模型和三卤甲烷模型已经达到现场大规模应用的阶段。但是国内外对供水管网水质模型校合的文献比较少。虽然水力模型的校正思路和水质模型的校正思路一致，但是水质模型的校正将比水力模型更加耗时，有的甚至到上百倍，很难应用在大中规模的实际系统。所以，需要寻求新方法去解决水质模型的校正问题。4水质监测点优化布置中灾害预警与常规监测的割裂供水管网的水质监测点是供水调度系统的前端和触角，水质监测点充当了水质预警的卫士功能，同时为供水优化调度系统提供数据来源。现阶段的研究将水质监测点的灾害预警与常规监测功能割裂开来，分别依据不同的标准进行研究。这样就大大降低了水质监测设备的利用率，因为水质污染灾害大多数是小概率事件，如果仅仅考虑这一目标，势必导致水质监测设备长时间闲置。而如果将水质监测设备，在灾害预警的基础上，同时又具有很强的常规水质代表性，这样可以充分利用昂贵的水质监测设备。能够更加有效的监控供水管网水质，从而提高优化调度系统的监控水平． 第1章绪论5水质优化控制中各类数据、模型的割裂以往的研究，在供水管网水质控制中需要在微观模型和宏观模型中进行选择，二者必选其一。而宏观模型和微观模型本来就是一对对立统一的矛盾，各具特色却又相互统一。充分灵活地应用两类模型的优点，规避各自缺点，提高水质优化控制的决策水平才是更加科学合理的。另外，以往的宏观模型的数据来源也单纯采用实际监测数据，割裂宏观模型与微观模型的联系，微观模型同样可以作为宏观模型的数据来源，这样宏观模型不仅可以作为实际监测数据的抽象，同时也可以作为微观模型的抽象。1．4研究内容及创新点1．4．1研究目的供水管网水质管理的是供水管网管理的重要内容，随着饮用水安全的需求的不断提高，控制供水管网水质显得尤为重要和突出。本文研究的目的主要是：在基于水力控制的优化调度系统基础上，增加余氯优化控制的内容，建立余氯优化控制决策支持系统，控制加氯的安全性和经济性，扩展和补充水力优化调度系统的水质安全保障条件。1．4．2研究内容如图1．1所示，本文所研究的内容主要集中在虚线框部分，本文的实质内容就是供水管网余氯优化控制决策支持系统的研究。要建立余氯优化控制决策支持系统，就需要进行三部分内容的研究：余氯模型建立、余氯监测网设计、余氯优化控制决策研究。围绕研究目的，本文主要对如下问题进行研究：(1)余氯优化控制决策支持系统与水力优化调度决策支持系统的整合框架与流程设计。分析供水管网余氯控制概念和方式、供水管网优化调度的基本理论和调度实践、余氯优化控制与优化调度的关系、余氯优化控制决策支持系统等内容。在以上研究的基础上，设计了余氯优化控制决策支持系统的整合方案和流程。(2)研究建立适合大规模供水管网实际应用的余氯模型，包括：16 第1章绪论1)对供水管网主体水衰减系数数学模型进行研究。研究氯消毒机理及其影响因素，对供水管网水质模型进行实验设计，通过实验室实测获得相应的研究数据，对所获数据进行分析，获得可实际应用的供水管网主体水衰减系数数学模型。2)对供水管网管壁反应系数进行校核研究。实现大规模供水管网的管壁反应系数校核方法研究，实验应用宏观模型和微观模型相结合的方法，加快水质模型的校核，缩短水质校核时间。为提高拟合精度，研究应用聚类分析方法对管壁反应系数进行分组。(3)为余氯优化控制决策建立更加可靠的数据支持，对供水管网水质监测点优化布置进行深入的研究。对监测点优化布置时，同时考虑灾害预警与常规监测进行研究，即将日常水质监测与污染灾害预防两个目标统一起来，研究常规监测意义下的管网污染灾害预警监控，提高水质监测点利用率。(4)对余氯优化控制决策数学模型进行研究。对余氯优化控制的决策过程、目标函数、约束条件等内容进行研究。分析当今研究热点——二次加氯特点，将其整合到余氯优化控制决策支持系统中。(5)余氯优化控制决策支持系统的决策应用。基于以上研究建立的微观水质模型和水力水质数据，建立宏观余氯模型，应用宏观模型与微观模型相结合的优化思想，实现供水管网余氯优化控制决策支持系统的决策支持。1．4．3研究创新本文完成了如下主要研究成果：(1)基于“宏观优化，微观验证”的优化思想，完善供水管网优化调度基本理论体系，提出供水管网水力和水质优化控制系统的整合方案。提出余氯优化控制决策模型的决策控制目标、决策对象、解决方案，解决余氯优化控制决策支持系统的关键问题。(2)建立供水管网余氯衰减模型中主体水反应系数数学模型，为主体水衰减系数随外界条件变化进行优化调整建立依据，为管壁反应系数的校核提供更加准确的基准值。(3)针对大规模水质模型校核，提出应用宏观和微观模型相结合的优化思想，设计组合优化算法CORS．RBF．GA算法，实现供水管网水质模型中管壁反17 第1章绪论应系数的快速高效校核。(4)提出更加科学合理的水质监测点优化布置方法，将基于灾害污染预警为目的和基于常规监测为目的的优化布置方法相结合，使仅考虑小概率污染事件监测点布置包含常规监测的内容，从而提升水质监测设备的利用率，为余氯优化控制决策支持系统提供更可靠数据。1．4．4论文结构本文共分8章，各章的简要内容如下：第1章，首先提出了本论文研究的课题来源，随后介绍了水质优化控制基本理论的进展情况，并对存在的问题进行了分析，对研究目的、内容、结构、创新等内容进行了叙述。第2章，对供水管网余氯控制的概念和方式，优化调度的基本理论和实践，余氯优化控制与供水管网优化调度的关系，余氯优化控制决策支持系统进行了概括性论述。对余氯优化控制决策支持系统进行了框架设计，提出了宏观与微观模型相结合的优化思想，设计了余氯优化控制决策支持系统的整合方案和流程，解决了余氯优化控制决策支持系统的框架基础。第3章，确定了参与余氯衰减模型的主体水实验的影响因子，并对其进行了实验设计，通过分析建立了FS市供水管网余氯衰减模型中主体水衰减系数模型，为实际余氯衰减模型校核进行更合理的初始数据输入提供科学的依据。第4章，基于元模型、RBF网络、GA算法、CORS算法，设计CORS．RBF．GA算法，对该组合优化算法流程进行了详细的介绍。应用该算法对Fs市供水管网管壁反应系数校正进行了实例研究。针对FS市供水管网水质模型，分析了实际存在的问题。第5章，在基于污染事件的优化监测点布置中，加入节点水龄数据集约束，将这两个目标统一起来，实现了常规监测意义下的污染灾害预警监控。通过小规模管网和大规模管网的实际验证，证明了该方法的合理性和有效性，也对存在的问题指明了改进方向。第6章，首先介绍了水力优化调度决策模型的目标函数和约束条件。随后对余氯优化控制决策模型进行了比选，提出了余氯优化控制的推荐决策模型。将二次加氯优化投加做为余氯优化控制的内容，并对优化选址数学模型进行了18 第1章绪论比选。最后对余氯优化控制决策模型的目标函数、决策对象(控制和状态对象)、余氯优化控制的解决过程、决策模型的数学求解方法进行了叙述。第7章，首先对余氯优化控制决策支持系统软件设计进行了简要的设计，随后技巧性的建立人工神经网络宏观余氯模型，最后对FS市供水管网进行余氯控制决策分析，并对交叉墒和遗传算法应用于供水管网余氯优化控制决策过程进行了比较，充分证明了余氯优化控制决策支持系统存在的可行性和有效性。第8章，对本文做的工作进行了总结，并对未来工作进行展望。 第2章余氯优化控制决策支持系统的基本理论2．1余氯控制概念及方式2．1．1供水管网余氯简介由于消毒副产物、细菌等对象与余氯关系密切，如果余氯水平控制的合理，同时也可以对这些对象进行有效的遏制。所以本文所研究的水质控制仅考虑余氯控制部分内容。余氯量通常是指在投加氯以后，氯与水中化学物质作用后可供消毒的那部分剩余的氯量，常以氯的浓度表示。显然针对不同的杀菌目标，消毒所需要的最低余氯量是不同的。Ram在分析了各种氯投加方案之后，给出美国要求保持02m虮屈低标准的原因【1勰】。美国现在执行的标准是0．2．4．0mg／L，中国最新的规范也增加了余氯上限标型51】。我国的生活饮用水标准规定(‘生活饮用水卫生标准》(GB5749．2006))：氯与水接触大于30min；出厂水中游离氯小于4m班且大于0．3mg，L；管网末梢自由性余氯不低于O．05mg／lJ钉J。2．1．2余氯控制概念及方式控制就是使一个系统的输出变量达到预期参考值的过程，供水管网余氯控制就是使供水管网中各用户节点的余氯浓度达到预期控制目标的过程。余氯控制的受控对象为投加氯浓度；余氯控制的控制器是用来求解满足要求的投加氯决策方案产生器；余氯控制的执行机构就是调节投加氯的装置。在我国，大部分水厂的预加氯多采用流量比例投加方式(自动或手动控制)，而滤后加氯大都采用流量比例和余氯量复合闭环控制。传统的闭环控制信号采集点一般设在沉淀池进口、滤池出口／清水池出口、清水池出口、出厂水管道上，所以传统余氯控制仅仅是仅考虑水处理工艺，而未考虑供水管网变化的小型(局部)闭环控制。 第2章余氯优化控制决策支持系统的基本理论广义上的余氯控制应该是考虑整个运行系统范围内的运行目标而采用的各类调控手段的集合。余氯控制根据发生地的不同可以分为水厂加氯和二次加氯：按照控制方式分为开环控制和闭环控制。合理的余氯控制可以产生如下优势：●减少消毒副产物形成的可能；●减少氯的总投加量；●使供水管网用户节点的余氯浓度在限制范围内时空分布更加均匀；●减少从水厂到用户节点的消毒时间，从而降低消毒终端产物；●增加系统抵御和应对事故或蓄意污染物侵害的稳固性。如常见二次加氯就是一种高效的余氯浓度控制策略。该方法是一种分布式的补给技术，通过在供水管网中的氯投加高效点再次投加或补充氯，改变氯的浓度分布，提高供水水质。在具体控制研究方面，WangZhong在其博士论文中论述了三类反馈控制方式【¨31。图2．1为传统开环式余氯控制方式，图2．2为余氯投加控制方式，图2．3为泵阀控制方式，图2．4为泵阀与余氯投加联合控制。由于水力条件非常强烈的影响着供水管网的水质变化，所以，理想的控制方式应该是图2．4所述的泵阀和余氯投加联合控制，但这种方式也是最复杂的。余氯控制属于存在滞后时间的控制过程，滞后对象是一种很难控制的对象。具有滞后的过程，在输入作用下不能观察出它对输出产生的影响，因此控制问题就变的复杂了。基于这个原因，滞后就被认为是本来就存在于物理系统中最难控制的动态环节。水量预竺——叫水力状态r_|水质状态L·余氯浓度泵阀调度——·-．1l——叫余氯投加图2．1传统余氯控制方式 第2章余氧优化控制决策支持系统的基本理论图2．2余氯反馈控制方式1图2．3余氯反馈控制方式2余氯浓度图2．4余氯反馈控制方式3余氯浓度 第2章余氯优化控制决策支持系统的基本理论2．2供水管网优化调度理论与实践2．2．1供水管网优化调度理论基础供水优化调度的具体目标为：全面提升供水服务水平，提高水量、水压和水质的保证率；降低供水能耗、物耗和人力资源成本和提高经济效益。其发展方向是实现供水调度与控制的优化、自动化和智能化，最终实现与水资源控制、水处理过程控制及供水企业管理的一体化。供水优化调度在供水信息化建设方面，强调利用先进的计算机和通讯技术；在控制手段方面，积极引入智能化控制方法；在决策目标方面，除供水可靠性和经济性之外，特别增加了供水安全性的目标。供水管网优化调度是指：在对供水管网运行状态实施集中、全面和实时监控的基础上，运用现代化信息技术，以及智能化和优化控制理论和方法，安全可靠地将符合流量、压力和水质要求的水供应给用户，最大限度提高供水系统安全可靠性的同时，降低供水运行成本，提高运行管理技术水平，提高供水企业的经济效益与社会效益。供水管网优化调度是一个综合复杂的系统，是计算机、通讯、智能控制、优化等先进技术在供水管网系统中的科学整合，具有丰富的内涵和不断增值的空间。其理论基础是多学科交叉融合的结果，需要不同学科的科技人员共同努力才能完成。市政工程专业的理论基础主要包括：(1)供水管网模拟供水管网模拟是供水调度决策支持系统的评价工具，在整个调度系统中具有非常重要的地位。供水管网系统的数学模型包括水力模型和水质模型，通过进行供水管网水力和水质动态模拟，能够深入了解和掌握实时运行状态和运行效率，有效指导供水运行决策。(2)水量预测水量预测是根据过去若干时段或若干天的用水量记录数据并考虑影响用水量的各种因素，来预测未来一个时段、未来一天或几天的用水量，为供水系统的调度决策提供用水量数据。水量预测是调度决策的前提，它的准确度直接影响到管网水力模拟的精度．(3)优化调度决策 第2章余氯优化控制决策支持系统的基本理论供水优化调度决策是基于管网模拟建立调度决策数学模型，求解优化运行的决策变量，以得到管网系统中各供水设旎的控制参数和运行状态为最终目的。优化调度决策是供水管网优化调度系统的核心和中枢，起到了非常重要的作用。供水优化调度系统主要由以下四部分组成：1)数据采集与通信网络系统包括：检测水压、流量、水质等参数的数据采集和数据通讯网络：通讯网络与水资源调度系统、水处理监控系统、供水企业生产调度中心等联通，建立统一的接口标准与通信协议。2)数据库系统数据库系统是科学调度系统的数据中心，具有规范的数据格式和完善的数据管理功能。一般包括地理信息系统(GIs)、管网模型数据，各检测点的压力、流量、水质等实时状态数据，调度决策数据。3)调度决策支持系统调度决策支持系统是调度系统的中枢系统，主要具有供水管网动态模拟、用水量预测、调度优化决策、调度状态评估等功能。C4)调度执行机构由各种执行设备或智能控制设备组成，可以分为开关执行系统和调节执行系统。开关执行系统中控制阀门的开闭、水泵机组启停等；调节执行系统中控制阀门开度、电机转速等。2．2．2供水管网优化调度实践目前，我国大多数城市给水管网运行调度仍采用人工经验方式，由于供水系统的复杂性，管网压力分布不均，能源消耗较大，漏耗大，管网事故频繁，二次污染严重，传统的人工经验调度方式已不能满足现代化供水企业“加强管理，提高服务，增加效益”的要求。我国的科技工作者在借鉴和吸收国外经验的基础上，针对我国的实际国情创新地研究和应用于我国的部分水司，其中包括：南京【1删、佛山(3J、沈阳口50l、赤峰㈣】、杭州【”21等。这些研究项目推动了我国供水管网优化调度理论与实践的不断向前发展。如应用较成功的佛山市水业集团总公司(原佛山市供水总公司)供水科学调度项目，该项目在供水管网泵站能耗节约、压力均匀调节，爆管预 第2章余氯优化控制决策支持系统的基本理论防、特殊节假日调度、改扩建项目分析调节等方面取得了显著成就，是我国供水管网优化调度的最新成果和最高水平，研究成果已经达到世界先进水平。但是，目前国内外的供水管网优化调度仅是基于水力控制的优化调度，研究建立包括水质控制在内的优化调度系统的项目还比较少。在基于水力控制的优化调度系统基础上，研究建立水质优化控制系统，是时代发展的必然趋势和迫切要求。2．3余氯优化控制决策支持系统2．3．1余氯优化控制与供水管网优化调度关系供水管网优化调度系统实际是一个完整的、无缝的整体，应当包含水力优化调度，以保证供水管网运行节能、压力安全和流量保障等方面的要求，同时也应包含余氯优化控制的内容，控制加氯的安全性和经济性，为供水管网水质保障创造条件。供水管网优化调度系统由水力控制和水质控制两部分组成，水力控制是水质控制的基础，水力控制可以独立于水质控制而存在，水质控制却不能脱离水力控制的而存在。将二者分开是为了便于研究和阶段发展的需要，水力优化调度系统可以作为供水企业优化调度系统第一阶段研究和应用的内容，然后再增加水质优化控制的内容，即水质优化控制作为第二阶段研究和应用的内容。余氯优化控制系统作为供水管网优化调度系统的高级发展形式，以供水管网余氯为控制对象，以管网的水质模型为决策评价基础，以水质监测网为数据来源，以余氯控制决策为分析中枢，以调度执行设施为控制实现手段，从而达到供水管网水质科学管理和控制的目的。余氯控制在供水管网优化调度系统中可以作为决策目标或约束函数的形式而参加优化调度决策计算。目标函数形式较约束条件形式更精确，而约束条件则更灵活。在水力调度系统实现的基础上，余氯优化控制系统实际只需要扩充余氯模型、余氯数据采集、余氯控制决策、余氯控制执行设施四部分的内容，而优化调度系统中的其它数据采集、通信网络、数据库、水量预测、水力模型、调度执行设施等部分的内容可基于原水力调度系统。 第2章余氯优化控制决镱支持系统的基本理论2．3．2余氯优化控制决策支持系统决策支持系统(DecisionSupportSystems，DSS)是指具有辅助决策能力的高级计算机信息管理系统。它为企业和组织提供各种决策信息以及问题的解决方案，将决策者从低层次的信息分析处理工作中解放出来，使他们拥有更多的时间专注于晟需要决策智慧和经验的工作，从而提高决策的质量和效率。目前DSS已经发展成为多学科交叉的前沿学科，涉及计算机科学、管理科学、数学、信息管理学、人工智能、信息经济学，认知科学等多学科的理论，方法和最新技术【1531。决策支持系统将管理信息系统和模型辅助决策系统结合起来，将管理信息系统的数据处理与模型的数值计算融为一体，提高了辅助决策的能力。DSS实质上是在管理信息系统和运筹学的基础上发展起来的。在DSS出现之前，多模型辅助决策问题是靠人来实现模型间的联合和协调的。为了实现计算机自动组织和协调多模型的运行以及数据库中大量数据的高效存取和处理，达到更高层次的辅助决策能力。决策支持系统应运而生了。供水管网优化调度决策支持系统主要具有管网动态模拟、用水量预测、调度优化决策等功能。余氯优化控制决策支持系统是供水管网优化调度决策支持系统发展的高级形式，是供水管网水力水质综合优化调度决策支持系统的重要组成部分。余氯优化控制决策支持系统以多种模型、实时和历史数据、专家经验和方案结果等为基础，为决策者提供各类决策支持。这些决策支持概括起来就是模型库、数据库、专家知识库对决策的支持功能。模型库实现多个广义模型的组合辅助决策：数据库为辅助决策提供数据；专家系统利用知识推理进行定性分析。它们集成的综合决策支持系统相互补充和依赖，发挥各自的辅助决策优势，实现更有效的辅助决策。由于供水管网余氯控制是新生的研究内容，目前尚不能形成可以指导余氯优化控制专家知识系统，所以本文研究暂且不考虑余氯控制的专家库建立。余氯优化控制决策支持系统只需要在原有系统中增加余氯模拟、余氯优化控制决策(于水力优化调度系统整合)等内容即可，除此之外还需要建立决策的数据基础。(1)余氯模型舶 第2章余氧优化控制决策支持系统的基本理论建立供水管网系统余氯数学模型是分析、设计余氯优化控制决策支持系统的首要一步，通过余氯模拟可以获得供水管网余氯动态相应情况。管网余氯模型是余氯模拟的基础，是余氯优化控制决策支持系统的模型基础。利用余氯模型模拟余氯在管网中随时间、空间的分布，掌握管网余氯变化规律，为余氯优化控制决策方案提供评价依据。(2)数据基础余氯控制决策需要数据，决策支持系统可以帮助决策者更好的利用数据。余氯控制所需数据包括压力、流量、气候(温度、湿度等)、余氯等实时和历史数据。原有水力优化调度系统中的数据采集与通信网络和数据库系统为余氯优化控制系统提供必备的基础，只需在原系统中增加余氯的采集、传输和存储内容即可。(3)余氯优化控制决策数学模型余氯优化控制决策数学模型是产生余氯优化控制方案的核心部分，实现与原有水力优化调度系统水力控制内容的协调与整合。根据分析设定的决策流程、目标函数、约束条件，以余氯模型和数据(水力调度方案、余氯浓度、气候等数据)为基础，运用优化算法求解决策数学模型，产生该工况下余氯优化控制的推荐方案，为决策者提供备选控制方案。2．4余氯优化控制决策支持系统框架设计2．4．1宏观与微观模型相结合的优化思想如果要采用图2．2和2．4的形式控制水质，采用传统的详细模型就根本不能迅速地做出调度方案，这样就使得人们不得不转向宏观模型以解决快速决策的需求。美国Cincinnati大学以JamesGIn，e礅授为首的研究团队提出了I，O模型，也属于宏观模型的一种，也是为了解决计算问题而设立的。但是，仅通过I／O模型进行决策，忽略了除FO模型中控制节点之外的所有节点，这样的决策是不够合理的。数学模型是针对于现实世界的某一特定对象，为了一个特定的目的，根据 第2章余氯优化控制决策支持系统的基本理论特有的内在规律，做出必要的简化和假设，运用适当的数学工具，采用形式化语言，概括或近似地表述出来的一种数学结构。它或者能解释特定对象的现实性态，或者能预测对象的未来状态，或者能提供处理对象的最优决策或控制。现在研究的供水管网水质模型可分为两类模型，宏观水质模型和微观水质模型。这里讲的宏观模型是广义的宏观模型，是传统供水管网宏观模型和第4章讲的元模型的集合。传统供水管网宏观模型与元模型的区别在于，前者的数据来源于管网实际监测数据，后者来源于替代的详细模型。广义宏观模型将传统宏观模型和元模型结合起来，有利于将供水管网的数据资源整合在同一框架体系下，从而充分利用各类数据资源。不同的模型有不同的特点，即有不同优势和劣势。宏观模型从大的方面去观察，不涉及详细的模型内在机理，通常属于黑箱或灰箱模型。这类模型具有机理简单、建模方便快速、模型求解速度快等优点，但同时也具有精度差、适应性差、应对变化需重复建模等缺点。而供水管网微观水质模型从管网内部机理出发，推导、演变而实现的。该类模型具有精度高、适应性强、可拓展性强等优点，但也具有建模周期长、建模投入多、运算开支大、维护费用高等缺点。各类优化思想的精邃是，利用各类资源，取其所长、避其所短，在特定条件下最大化的发挥各类可用资源，以使其产生的效用最大。根据这一思想，寻求供水管网水质宏观和微观模型的协调运用，提高我们的应用水平。同时要考虑将宏观模型的优点与微观模型的优点结合起来，尽量避免二者的缺点。本章将应用宏观与微观模型相结合的方式建立余氯优化调度系统的流程图。2．4．2余氯优化控制决策系统的整合方案设计在原有水力优化调度系统之上增加余氯优化控制系统的内容，就需要对原系统增加和调整相应部分的内容。图2．5来自于FS市供水管网水力优化调度决策支持系统的框架图，在该图中对需要加入两部分内容：水质监测控制设施和数据(位于左上方)、水质微观模型和宏观模型(位于右端)。图中中央的虚线部分需要调整，包括调度决策控制、调度数据库、输入输出接口、调度模型库(调度决策模型和多目标评估模型调整)。 第2章余氯优化控制决策支持系统的基本理论图2．5优化调度决策支持系统余氯控制增加和调整方案框架图2．4．3水力水质综合优化调度流程无论是余氯优化控制决策，还是水力优化调度决策，都会遇到在优化过程中大量耗时的重复评价计算。余氯优化控制较水力优化调度而言，前者的评价计算耗时是后者的成百上千倍。对于大规模的管网，现阶段应用微观模型进行评价计算还不能解决计算时间长的问题，所以不得不寻求其它的方法来替代微观水质模型。本文采用“宏观优化、微观验证”的思想，即基于供水管网宏观余氯模型进行优化控制初始方案产生，供水管网微观余氯模型进行验证和评价，确定最终方案。这样可以充分利用宏观模型进行快速决策，微观模型进行详细验证和评价。同时也避免了仅通过加模型进行决策计算，从而忽略了除I／O模型中控制节点之外的所有节点运行状态的缺点。宏观模型可以考虑与水力宏观模型一起建模，也可以单独余氯建模，还可以并列建模。宏观模型与微观模型的组合，可以有以下几种方式： 第2章余氯优化控制决簧支持系统的基本理论1．水力余氯宏观模型——水力、余氯微观模型；2．余氯宏观模型——水力、余氯微观模型；3．水力宏观模型、余氯宏观模型(分别建模)——水力、余氯微观模型。供水管网水力水质综合调度流程图如图2．6所示。图中粗虚线表示离线调度过程，粗实线表示在线调度部分，细虚线表示宏观模型的数据来源，方形虚线框包含的部分分别为基于宏观模型的调度模块(上)和基于微观模型的调度模块(下)。否是l原方案I’＼三：：／图2．6供水管网水力水质综合优化调度决策流程图离线调度路线主要考虑24hr水量预测的离线调度，也可以考虑更长或更短时段的调度。离线调度经过离线水量预测之后，a路线是前面所述组合形式中的第一类(水力余氯一起宏观建模)或第三类(分别建模)，基于宏观模型进行优化调度；b路线是组合形式中的第二类，基于水力微观模型进行水力优化调度之 第2章余氯优化控制决策支持系统的基本理论后，基于余氯宏观模型进行余氯优化控制决策。在线调度路线在水量预测到调度模块之间有两条路线(如图2．6)，A路线表示基于宏观模型的优化调度，B路线是基于微观模型的优化调度。宏观模型的训练数据有两个来源，I为数据库中的历时数据(传统宏观模型的建模思想)，Ⅱ为来源于微观模型(第4章的元建模思想)，这样就扩展了以前仅建立边界条件与监测点之间关系的宏观模型，同时可以兼顾用户考虑重要的节点，这样也充分利用了微观模型的价值。基于宏观模型的优化调度位于流程图上端的虚线矩形框。位于下端实线矩形框是基于微观模型的调度模块，可以充当宏观模型调度方案的验证器，也可以单独产生离线或在线调度的优化方案。这里的基于微观模型的在线调度应该考虑如FS市供水管网系统优化调度模式，并不是简单的优化调度，而是充分考虑各类运行合理性的优化调度。2．5本章小结本章首先对供水管网余氯控制的概念和方式进行了叙述，指出了供水管网余氯控制的最佳形式。随后总结了供水管网优化调度的基本理论和调度实践，指出了当前优化调度仍以水力优化调度为主。紧接着分析了余氯优化控制与供水管网优化调度的关系，并对余氯优化控制决策支持系统进行了概括性论述。最后对余氯优化控制决策支持系统进行了框架设计，提出了宏观与微观模型相结合的优化思想，设计了余氯优化控制决策支持系统的整合方案和流程，解决了余氯优化调度决策支持系统的框架基础。 第3章余氯模型中主体水反应系数数学模型供水管网余氯模型中余氯衰减分为两部分，主体水反应和管壁反应，常见的主体水衰减系数通过烧杯实验获得。以往的余氯衰减模型中常常仅考虑一个统一的主体水反应参数。未考虑其随环境和时间的变化。本章在概括余氯模拟和氯消毒分析的基础上，通过实验和分析建立供水管网余氯衰减模型的主体水反应系数的数学模型，以此为依据随外界环境调节主体水反应系数，从而为随后的管壁反应系数校核提供更加科学合理的基础。3．1余氯优化控制决策支持系统模型基础供水管网水质模拟利用计算机模拟水质参数和某种污染物质在管网中随时间、空间的分布，或者模拟某种水质参数产生变化的机理。应用供水管网水质模拟技术，可以对管网水质进行模拟和监控，掌握管网水质变化规律。预测和控制供水管网水质在时间／空间上的变化和分布，实现提高管网水质和安全性管理，提高管网水质优化化管理水平。3．1．1微观水质模型反应方程式等+c驴见塞州c)(3．1)式中：丑(c)一水中溶解物质的产生和衰减项。随流传输项昙(c∽远大于分子扩散项D．罢昙，所以上面方程可以写成下戚a魄面的形式：孥婴．I-Ut旦掣：R(Gkf))(3-2)西缸⋯～ 第3章余氯模型中主体水反应系数数学模型假设节点处的水流混合是瞬间完成的，t时刻以节点k为起点的第1条管段上起点的浓度q(O，f)等于第k个节点在t时刻的浓度cI(f)：艺gq呜，f)c『(O，f)=q(f)=笪生百一(3．3)艺岛式中：Qi一管段j中的流量(m3／h)似卜．水流方向指向k的管段的集合；．，一集合舻)中的元素；尼一集合忙)中的元素个数。如果考虑蓄水构筑物内部物质浓度的变化，则计算方程如下：坐≯=妻}cI@力Q『一耋，‘-力岛+矗(G)(3．4)式中：G一蓄水构筑物内部在时刻的浓度(IⅡg几)；％一蓄水构筑物在时刻的蓄水体积(L)；{乃}-·蓄水构筑物进水管的集合；仍}一蓄水构筑物出水管的集合。Rossman掣30，311引入了一个数学模型，将供水管道中发生的复杂反应综合起来，将管道中的反应分为主体水反应和管壁反应。由此推导出实际分析的数学模型，如表I．I。如主体水反应和管壁反应同时考虑一级反应，就会推导出式(3．5)。’一毛一，气一而kjw,llk4面白(3．5)式中：kf-层流层到管壁的余氯传质系数，可用舍伍德数(Sh)来表示：kf=Sh(D，d)--当Re<2300，Sh=3．65．+嵩100然4[／坐L)Re‰S。](3．6)+．““’当Re>2300时，,Sh=O．023Re”＆”3(3．7) 第3章余氯模型中主体水反应系数数学模型故层流层中，0=【3．65+D_一d(3．8)式中：Re—雷诺0leyaolds)数0Re=ud／y)；Sc—施密德(Schmidt)数r如：Sc--v／D)；v—水的运动粘滞系数(20"C时，为O．09m2／d)；D—余氯在水中的扩散系数(20"C时，为1．0"104m2／d)；U—水的流速(m，s)；d—管径；L—管壁沿水流方向长度细)；rhi—水力半径(过水断面，湿周，对于给水管为d／4)。对于供水管网水质模型，除了依靠水力模型获得管道的流向、流速、流量等数据外，根据式(3．5)所示，还需要获得主体水衰减系数和管壁反应系数。3．1．2微观水质模型计算方法供水管网的水质模型求解方法主要有欧拉法和拉格朗日法二种解法。欧拉法是基于给水管网的整个空间拓扑结构，把管道系统分成一系列固定的，相互联系的控制单元体，当水流流过它们时，记录其在边界上或单元体体积内的变化，研究的是管网中的浓度场。它的优点在于能够迅速达到场的稳定状态，缺点在于当管网的规模较大时划分的单元体较多会费时。欧拉法包括有限差分法(Finite·DifferenceMethod，FDM)和离散体积法(DisclcteVolumeMethod。DVM)。拉格朗日法是在分析时间内将管网水划分成水流柱，前后两段水流柱不发生混合，它们之间存在分界面。通过对小块水流柱的跟踪，了解水流中物质微粒在不同的水力情况下的运动规律，进而求解出水质方程。它的优点在于得到的分析结果比较多，算法实现比较容易，特别是在分析节点水龄时较为简单直接。缺点在于对于流速偏低的管段计算比较费时，系统计算需要经过一段时间才能达到稳定的状态。拉格朗日法包括事件驱动法(Event-DrivenMethod，EDM)和时间驱动法(Timo-DrivonMethod。TDM)，混合算法(EDMNET)忙”。FDM它把溶解物质的一维推移方程转化为有限差分形式，体积元素在某时刻的浓度可以用它上游相邻体积元素在前一时刻的浓度并考虑反应来计算，得到一组以该时刻体积元素浓度为未知数的代数方程，结合初始条件和边界条件 第3章余氯模型中主体水反应系数数学模型求解，其结果用于下一时刻的计算。FDM的准确率依赖于水质步长的取值。DVM是利用时间驱动水质模型来跟踪管网中物质的瞬间浓度。它把每根管道分成一系列相等尺寸、完全混合的体积单元。在每个连续的水质时间步长里t每一个体积单元里物质的浓度首先发生反应，然后被传输到下游的体积单元。当附近的体积单元是连接节点时，把进入该节点的质量和流量与从其它管段流到该点的流量和质量相加，然后取它们的加权平均值作为该节点的浓度值。对所有的管道都进行这些反应／输送步骤，直到每个节点的物质混合浓度计算出来，并流入到流出节点的各管道的第一个体积单元里。DVM的准确率也是依赖于水质时间步长的长短。TDM是在固定的时间间隔内不断的更新管网状态。它对管道中水流分成一系列不重叠的小块，并标记它们的浓度和尺寸。每隔一个固定的时间步长将分界面向前推进并计算浓度变化，随着时间推进，管道中上游水流小块在水流流入管道时尺寸会增加，与此同时，下游的水流小块在流离管段时尺寸会减小相同的大小。在上游水流小块和下游水流小块之间的水流尺寸保持不变。在新的水力条件发生变化之前，水流不断地依次重复这些步骤。TDM的准确率依赖于所取的时间步长以及水柱体内浓度变化的允许值。EDM与TDM的区别在于：整个管网条件的更新不是依据固定的时间段，而是在管网确实发生变化才进行的。即每当上游一个分界面到达下游节点时，就得重新计算其余分界面的位置和浓度。该方法不要求事先规定离散空间单元和时间步长值，而是通过分析输配水管网的水力及水质特性，定义其过程中有特殊意义的所谓“事件”，由事件的发生顺序，自动确定合理的空间和时间离散点，管网系统的水力和水质状态只在这些离散点上发生变化，从而实现管网水质变化的动态模拟。EDM方法的核心就是构建好事件(包括水力事件及水质事件)发生的序列表。Rossman[24l通过对以上四种数值计算方法比较得出：对某实际管网物质浓度的计算，四种算法的准确率大体相当；在模拟管网中化学物质的转输时，从计算机内存使用及计算效率方面来说，用拉格朗日法较好；时间驱动法对模拟节点水龄较有效；但欧拉法相对简单，计算时存储效率较高。EDMNET是在EDM的基础上对EDM进行修改，实现水质时间步长和系统事件同时控制模型的求解，设计该模型的主要目的是尽可能的考虑节点浓度的变化，节点浓度在TDM和EDM发生的各个时刻点上都进行计算，从而更好 第3章余氯模型中主体水反应系数数学模型的模型现有的浓度变化。Mtmavalli等[271通过应用比较分析，EDMNET较EDM和TDM能够降低水质浓度容差和水质模拟时间步长对新算法的影响。但是，该方法同时也增加了计算时间。3．1．3微观水质模型校核体系供水管网的现代管理需要水质模型能够精确预测供水管网水质的动态变化，而水质模型在应用前需要进行校正。对各类水质模型的研究中，余氯衰减模型已经具备在大规模管网应用的可能，消毒副产物模型在个别条件下可以应用。生物膜(或细菌)模型还需要更加深入的研究。所以供水管网水质模型的校核实际上就集中在余氯模型校正方面的研究。对于余氯衰减模型的校核，包括表3．1所示的三部分内容，表中详细列出了水力、水质模型校核的参数和方法，其中示踪剂分析是为提高水力模型的精度而进行的，主要是为建立更可靠的水质模型而进行的工作。对于具体的水质模型校核应该遵循第1列所示的校核顺序，才可以得到满意的校核结果。表3．1水力及水质模型校核对比表顺序校核对象校核参数校核方法各注手工校核手工粗调自动校核：自动细调1节点流量◆迭代试错法l传统水力模型◆显式校验法2粗糙系数◆隐式校验法◆瞬交流分析法◆灵敏度分析法1节点流量手工调整细调：实质上是2示踪剂分析调整水力模型，为2粗糙系数自动调整水质模型服务。1主体水反应系数烧杯实验3水质模型校核手工校核2管壁反应系数自动校核广义的水质模型校核应该包括水力模型校核和示踪剂分析在内，因为这是水质模型校核的基础。对于狭义的水质模型校核，即表3。1中列出的第3项内容，主体水反应系数主要通过烧杯实验来获得，管壁反应系数通过拟合实测数 第3章余氯模型中主体水反应系数数学模型据来获得。所以科学合理的确定主体水衰减系数是进行校核的前提和重要性工作，确定管壁反应系数是水质模型校核的核心工作。3．2氯消毒及其影响分析水的氯化消毒是饮用水消毒中使用最为广泛、技术最成熟的方法。尽管已经发现这种消毒方法本身对人体健康有可能构成威胁，但是在现阶段，普遍认为这种潜在性的威胁与水中病原体的危险性相比是相当小的，不应当因考虑消毒副产物的影响而降低消毒水平。在相当长的一段时间内，氯仍然可能是最普遍的消毒剂之--[m】。余氯测量有化学法(Chemistry)、紫外线法(UltravioletMethods)、连续安培计滴定法(ContinuousAmperometricTitrationMethod)、碘量法滴定(IodomctrictitrationMethod)、比色法(N-N-diethyl—P-Phenylenediamine，DPD)、无色母体晶体紫色显示法(LeucoCrystalViolet，LCV)、化学光法(Chemiluminescence)、荧光法(Fluorescence)、电极法(ElectrodeMethods)等。安培计滴定法用于实验室标准精确比较，三种比色法中最常用的要数DPD法；荧光法和化学光法用于低浓度的余氯测定【155-1鲴。影响氯消毒效率的因素有：目标生物特征(种类、浓集程度、分布和在水中的聚集状态)、氯的特征(性质、浓度、状态和接触时间)、被消毒水的性质、混合情况、温度等。下面分别对各项影响因素进行分析，从而确定参与实际实验的主要因子。(1)目标生物特征微生物对消毒的敏感性，或者说各种有机体对于某一种消毒剂的抵抗力是有显著差别的。同一种目标生物对不同的消毒剂的敏感性也是不同的，因此在设计和评判各种消毒系统时，要注意选择合适的处理对象和标准。由于本次实验是在已经设计好的系统上进行的，所以消毒剂的选择不予考虑。有机体的浓度之所以重要，是因为高浓度的微生物需要较高的药剂量，周时微生物个体之间的结团会阻碍消毒剂的杀灭作用。有机体的浓度是作为一项影响因素进行考虑的，通常都将总有机碳(TOC)作为生物量的大小来度量．所以TOC将作为主体水实验的一个影响因子。37 第3章余氯模型中主体承反应系数数学模型在实际的消毒操作环境中，微生物被水中的其他物质(如悬浮物和胶体颗粒等)所保护的程度，以及其他可能与消毒剂反应的物质的竞争程度都会影响杀菌效果。在供水管道中的水大部分不含悬浮物，故此项不予考虑。(2)氯特征微生物的灭活并不是瞬间完成的，整个消毒过程是一系列连续发生的物理、化学和生化反应的结合。因此所谓消毒的动力学方程应当被看成是描述实验数据的一种简化的函数表达式。一般而言，显然消毒剂浓度越高，与微生物的接触时间越长，总的杀灭效率就越高。在其他条件不变时，某种消毒剂对某一种微生物的杀灭程度与消毒剂的浓度和反应时间成正比。所以，氯初始浓度作为将作为主体水实验的一个影响因子。(3)被消毒水的性质被消毒水的性质对消毒有显著影响，水中存在的物质对消毒效果的干扰大致有以下几个方面：1)悬浮的颗粒固体和有机物能吸附细菌和病毒，因此被有机物或悬浮物杂质包裹的有机体会妨碍消毒剂与微生物的接触或延迟消毒剂的作用，使微生物逐渐产生对药物的适应性，难以被化学消毒剂或物理作用杀灭。2)如果消毒剂是一种氧化剂，则水中的还原剂、有机物或其他可氧化物质，一般都将消耗投药量，生成络合物、取代产物或氧化产物，有时生成低弱或根本没有杀灭能力的化合物。3)一些物质能与消毒剂作用，改变其消毒能力，例如碘化物能降低单质碘的杀菌效果。4)卤素消毒剂及许多卤素衍生物可在水中水解和离解，形成一种或几种与原物质杀灭效率差别显著的化合物。5)水的pH可以影响微生物的带电情况、消毒剂分子的离解情况以及消毒作用的化学剂微粒的带电情况，从而影响消毒的效果，通常在pH较低或较高的条件下许多微生物比较容易被杀死，例如采用氯消毒时pH对消毒效果的影响十分显著。因素1)—4)情况复杂不考虑在本次实验中，因素5)易于操控将作为主体 第3章余氯模型中主体水反应系数数学模型水实验的一个影响因子。(4)混合情况消毒剂必须与水均匀混合。实验证明消毒剂加注以后的快速混合能明显提高初始消毒的效果。通常，我们总是假设所有实验情况均是均匀混合的。(5)温度温度对消毒速度所产生的影响表现在一下方面：1)与微生物正常生活环境相差悬殊的温度可直接抑制微生物的活动，影响杀菌效率；2)温度影响消毒剂扩散速度；3)温度影响化学反应速度，通常温度越高杀灭速度越快，实验显示氯杀灭大肠杆菌的反应的活化能在pH=7时约为34～50kJ／mol，处于化学反应的数量级范卧1541。所以温度也作为主体水实验的一个影响因子。综上我们确定TOC、氯初始浓度、pH值、温度作为主体水实验的影响因子，测量余氯在这些影响因素共同作用下随时间变化的情况，从而确定主体水衰减系数。3．3实验设计简介本实验以南方城市Fs市沙口水厂和石湾水厂为研究对象，下面对实验设计情况进行简要的介绍。(1)实验目的通过本次实验获得主体水衰减系数，针对水温、初始氯浓度、TOC和口H四个影响因素，开展系数试验，制定Fs市供水管网余氯主体水衰减随这4个因素变化的模型。(2)方法烧杯实验(3)仪器 第3章余氯模型中主体水反应系数数学模型总有机碳分析仪(岛津TOC-VCPH)、便携式DPD余氯测定仪、pH测定仪、恒温磁力搅拌器、烧杯。(4)试剂浓硫酸，氢氧化钠，腐殖酸，次氯酸钠，氯化铵(磷酸氢二钾，磷酸二氢钾)。(5)采样常规水质对余氯衰减实验采用Fs市的沙口水厂、石湾水厂三个流程水共四个点，各取样1个，共4个水样；四个因素变化试验采用沙口水厂取样点取样5个。3．4实验分析3．4．1实验数据经过FS市水技术研究与监测中心的辛勤工作，获得了如下实验数据，详细数据参见表3．2-3．6。表3．2常规水质对余氯衰减实验水样石湾一流程石湾二流程石湾三流程沙口水厂pH7．617．667．687．70TOC2．172．391．981．65(mg／I,)水温26．0(℃)间隔时余氯间隔时余氯间隔时余氯间隔时余氯间(mill)(mgn,}间(min)(rag／L)间Cmin){rag／L}间(mm)(mg／L)100．88O0．97O1．050O．6220．8820．9721．052O．6235O．885O-965l，055O．624100．8710O．95lOl_0410O．6l5300．8430O．93301．0l30O．606600。7960O．90600．96600．5871200．73120O．831200．90120O．5240 第3章余氯模型中主体水反应系数数学模型8180O．661800．781800．821800．489300O．553000．653000．68300O．42104200．45420O．58420O．60420O．321l660O．32660O．466600．496600．251213000．1713000．2413000．2913000．09131800O．001800O．0218000．051480O．oo表3．3温度对反应速率的影响水样12345pH8．158．168．208．198．20ToCL712．502．35(mg／L)水温510152025(℃)间隔余氯间隔余氯间隔余氯间隔余氯间隔余氯时间(min)(rag／L)(mg／L)(mg，L)(min)l00．540O．56O0．66O0．390O．3820．542O．5620．662O．392O．38350．5350．5650．6650．395O-384100．52100．56100．66100．38100．375300．52300．54300．6630O．3630O．31660O．51600．5360O．65600．3360O．257120O．51120O．51120O．65120O．29120O．2081800．491800．481800．641800．24180O．1193000．483000．433000．60300O．173000．04104000．474200_384200．584200．131l5400．466000．3210300．435400．10121240O．381440O．211500O．237800．03131720O．291920n162460O．11142670O．2128700．052980O．001541400．141655650．054I 第3章余氯模型中主体水反应系数数学模型表3．4初始浓度对反应速率的影响水样12345pH8．058．108．118．12ToC2．352_35L2．352．642．57(rag／L)水温26．0(℃)间隔时余氯间隔时余氯间隔时余氯间隔时余氯间隔时余氧间(min)Crag／L)间(rain)(mg／L)间(min)(miCE)问(min)(rag／L)间(min)(mg／L)l00．45O0。78O1．24O1．6602．2020．452O．7721_2321．6422，1835O．4450．7651．2251．6252．164100．44100．75101．22101．59102．145300．42300．74301．18301_57302．096600．39600．70601．14601．54602．037120O．361200．651201．081201．461201．948180O．29180O．601800．99180l，29180l，829300O．253000．5l300O．893001．193001．63lO4200．19420O．424200．744201．Ol4201．43117800．067800．217800．49780O．657800．9614500．0214500．211450O．2414500．461890O．oo1890O．0018900．1221200．092760O．01表3．5TOC对反应速率的影响水样12345pH7．958．088．Ol8．007．97TOC2．144．246．708．2511．11(rag／L)水温26．O℃间隔时余氯间隔时余氯间隔时余氯间隔时余氯间隔时余氯间(mm)(mg／L)间(mill)Crag／L)间(min)(mg／L)间(min)(rag／L)间(min)(mg／L)100．6500．6700．650O．88O0．872O．652O．672O．6520．882O，87 第3章余氯模型中主体水反应系数数学模型35O．655O．6650．645O．8850．864100．6410O．66100．6410O．87lOO．865300．6430O．65300．6030O．8630O．856600．62600．62600．5760O．83600．827120O．57120O．571200．491200．761200．748180O．531800．541800．43180O．681800．649410O．424100．434100．32410O．554100．491011000．1511000．171100O．0811000．1111000．12表3．6pH对反应速率的影响水样l2345pH3．05．07．O9．011．0ToC2．69mg／L水温26．O℃间隔时余氯间隔时余氯间隔时余氯间隔时余氯间隔时余氯问(min)Crag／L)间(rnin)(n虮)间(min)(mg／L)间(min)(mg／L)间(mm)(rag／L)lOO．53OO．6600．740O．7000．6020．532O．6620．732O．692O．60350．5050．6350．735O．675O．594lO0．4910O．5910O．72100．6410O．585300．47300．51300．6930O．62300．57660O．43700．4560O．68600．60600．547120O．37120O．42120O．601200．541200．4781800_321800．34180O．55180O．521800．4593000．23300O．3l3000．483000．463000．37104200．21410O．274000．423900．424600．3l116500．18640O．246250．356100．38600O．271213400．131335O．1213250．1813100．241300O．1l1318300．Ol1825O．0l1810O．0317950．0717800．Ol以下分别对相关的数据进行分析。 第3章余氯模型中主体水反应系数数学模型3．4．2常规衰减分析分别采集石湾一流程、二流程、三流程和沙口水厂的4个出厂水水样，进行常规余氯衰减实验，获得数据如图3．1和图3．2。对每个实测数据(Ci)除以0时刻实测数据CCo)然后取对数，即可绘制出图3．2，所得曲线近似为直线，所以主体水衰减反应属一级反应。如图3．2，在常规情况下，各水厂的主体水反应系数是不同的，石湾二流程和三流程衰减系数相近，石湾一流程和沙口水厂衰减系数相近。石湾三流程的衰减系数最大，为一1．32／天；沙口水厂的最小，为一2．32／天。说明由于各水厂根据水源水质、工艺、控制方式等不同，会造成主体水衰减系数存在显著差异。3．4．3温度影响分析在化学反应的影响因素中，温度影响是最显著的。本文选择5、10、15、20、250C进行实验，其它条件均调整至相同初始条件。如图3．3所示，温度对余氯的衰减影响非常大，温度越高衰减越快。根据图3．3分析，最大的衰减系数为一0．33／天，最小为一10．60／天。依据An-hennius公式【157】：=鱼疋=A．eR(7+273’(3．9)式中：‰一为主体水衰减系数；点a一活化能，是指在一定的条件下，为使反应进行，反应物超出一般分子平均能量的那部分能量(KJ／m01)；彳一常数，与反应物的浓度和温度有关：R一气体常数(KJ／(m01．K)，K为绝对温度单位)；7．-摄氏温度(。C)。F从以往的文献，导可以从6000K到16000Id％，97,”Sl。根据计算Fs市供水管』【F网的睾=13518K，A=一5E+20，预测值与实测值比较图如图3．4所示。矗所以，温度对主体水反应系数的经验公式可以确定为：．-．．．1．．3．．—51—8毛=(-5E+20)·er+2”(3．10) 第3章余氯模型中主体水反应系数数学模型3．4．4初始浓度影响分析实验所得数据绘制如图3．5所示，经过取对数处理获得图3．6。经过研究发现‰与1／Co具有很强的线性关系(如图3．7所示)，表3．760罗列本文及前期文献中的拟合结果。3．4．5TOC影响分析TOC是自来水水质中有机物的通用度量方式，一般情况下，有机物浓度越高，余氯衰减越快。本文固定其它反应条件，比较管网中TOC与‰的关系，二次曲线拟合精度较高，相关系数达到0．7，用三角函数拟合相关系数可以达No．85效果较其它文献要好。拟合公式为：％=O．01360／ck)2—0．2851(1／e∞)·1．1599R2=O．70(3．11)瓦=1．42sin(1．02Ck／Croc)+1．23R2=0．85(3．12)式中：c岳、己Ⅸ一分别为1．0c的浓度和平均浓度(mg／L)．图3．10中，拟合Kb．1是公式(3．11)，拟合Kb．2是公式(3．12)3．4．6pH影响分析根据图3．11我们可以看出不同pH值对余氯主体水衰减的影响不是很强烈，但是不同pH值却对整个衰减过程的不同阶段有不同的影响。如pn=-7表现出明显的一级反应特征，其它则会出现阶段性特征，如pX-X=3时，在300min时有一个明显转折。由于出厂水的pH值一般比较稳定，所以没有对其进行量化的必要，本文只是对其特征进行定性分析。 第3章余氯模型中主体水反应系数数学模型1．2拿1粤o．8蜊06鸯}0，4囊oz0k犁畦n憋氏—I二鼍：二=三≥是—■—-=奢三喜羹b。05001000时闻(sin)--0--石湾一流程—p-石湾二流程—f卜-石湾三漉程+沙口水厂0-0．2曼-0．4一_o．6-0．8图3．1各水厂常规主体水衰减曲线’。童～。心～NN，N0500时间(Bin)+石湾一流程—B一石湾二流程—×一石湾三流程—·一沙口水厂图3．2各水厂常规主体水衰减系致确定曲线、=—————●一一二———1——～————～l＼O50100150200250300350时间(1ain)—扣5℃—_．一10℃—卜15℃----m--20℃—_．一25℃图3．3不同温度下余主体水衰减系数确定曲线0O2468020Ol一^ou≥uuc_【 第3章余氯模型中主体水反应系数数学模型2．521．5lO．501210：8圭6盆420▲≯}?∥f二j《／．，051015202530温度(摄氏度)+实铡值—·一预测值图3．4不同温度下余主体水衰减系数确定曲线L0＼‘卜＼呶o■之≥；＼．．—王’～≤i：，≈—；迤。一05001500200025003000时问(min)--o-．-0．45mg／L—和0．78mg／L—．-1．24mg／L—◆-1．55mg／L—．-2．20mg／LO．200．00§吨20言一0．40三-0．60—0．80一1．00图3．5不同初始浓度下的主体水衰减曲线"k—KS沁j＼＼‘＼、020040060080010∞时间(min)—●卜0．45mg／L—{-0．78mg／L—◆一1．24mg／L—}1．66mg／L··----—-220mg／L图3．6不同初始浓度情况下的主体水衰减系数确定曲线^1／盒Ⅲv世爱■谣 第3章余氯模型中主体水反应系数数学模型一1—1．5o一2占一2．5鸯一3—3·5—4●L飞飞■＼1O0．5l1．522．5l／c0+实测曲线一拟合曲线图3．7Kb与l／C0关系图表3．7前期文献及本文拟合结果比较表文献毛R2Hallamorl)【蚓瓦=0．8“1／Co)O．78Powellorl)阳瓦=O．014(I／Co)0．78Hua(h‘1)pq蚝=0．018(1／Co)-o．0240．99本文(d。1)(考虑负值)％=·1．2875(1／Co)·O．73750．99130．8粤0．6蓑¨鬈o．20‘·太聪、心N05001000时问(min)·----一214mg／L—_卜4．24mg／L—--6．70mg／L—．-8．25mg／L—．_11．1lmg／L图3．8不同TOC情况下的余氯衰减曲线 苎!童叁壑堡型±圭堡查垦堡墨墼鍪兰堡型砥埝|、≮j§～N。05001000时间(min)-=o-．-2．14mg／L—．_4．24mg／L—}6．70mg／L—．_8．25mg／L—1卜II．1lmg／L图3．9不同TOC情况下的余氯衰减系数确定曲线-I-I．4乏一1．8盆-2．2—2．6-30．50O．00曼一0．502一I．00—1．50—2．00弋IK一．二Y／1～05lO15TOC(哪／L)—--一实测Kb⋯-拟台Kb_l一拟合Kb-2图3．10‰与TOC实测与拟合关系图鸭逢妊N’O500100015002000时问(min)+pH=3．---Fe--pH=5—-●一pH=7—‘卜_pH=9+pH=ll图3．II不同pH值情况下的余氯衰减系数确定曲线5O515250加1屯^03／gvc_【 第3章余氯模型中主体水反应系数教学模型3．4．7综合公式运用非线性回归方法对实验数据(表3．2．3．5)进行分析，可以确定综合公式如下：乜：(4．82E+18)(1／巳)【一1．25s呱_1,4=7—Cro—c)+4．29]．P筹K2：0．68(3．13)LⅨ通过前面的数据分析获得的主体水衰减系数与由公式(3．13)预测出来的结果比较如图3．12所示，误差分析结果见表3．8。由于，本次实验数据相对较少，共24组数据，从图3．12中可以看出在第9个数据预测误差较大，需要数据不断积累然后才能进一步提高拟合精度。1210穹8兰6上窖420口一J『^枷∥N产哆p■■斟．．．．．．丫■．．135791113151719数据点+实铡Kb+预测Kb图3．12各类实测数据与综合预测结果比较图表3．8实测与综合预测数据分析表平均误差-0．033最大误差0．505最小误差-0．004相关系数0．680至此，我们就根据实验实测数据和非线性回归理论建立FS市供水管网余氯衰减模型中主体水衰减系数模型。这样我们在实际的运行中就可以根据实际的天气(温度)、生物量(TOC)、余氯初始浓度等变化，调整主体水衰减系数的输入值，从而使每次水质模拟更接近于实际情况。主体水衰减系数数学模型的确50 第3章余氯模型中主体水反应系数数学模型立会产生如下影响：1)为随环境变化调整主体水系数提供依据；21为更加准确拟合管壁反应系数提供了更高的基础a3．5本章小结本章首先对余氯优化控制决策支持系统的模型基础进行了简要介绍，包括反应方程式、计算方法、校核体系。随后从分析氯消毒特点及分析影响氯消毒效率的因素入手，确定了参与实验的影响因素因子。然后对余氯衰减模型的主体水实验进行了实验设计。最后基于非线性回归理论，对Fs市供水管网实测数据进行了分析。通过分析建立了FS市供水管网余氯衰减模型中主体水衰减系数模型，该数学模型不仅为随环境变化调整主体水系数提供依据，也为实际余氯衰减模型校核进行更合理的初始数据输入提供科学的依据． 第4章余氯模型中管壁反应系数校正本章提出组合优化算法——CORS-RBF-GA算法，对余氯衰减模型的管壁反应系数进行校正，该算法具有快速高效的特点，能够很好的应用于大规模供水管网的水质模型校核过程中。为了提高系数拟合精度，本章采用了系统聚类分析的方法对管壁反应系数进行了分组。4．1算法基础4．1．1元模型与神经网络基础(1)元模型基础元模型是通过实验设计的有限采样点及其由此获得的函数值，建立原函数的近似函数模型，建立元模型的主要目的是为了减少原函数的计算成本、时间【坫91。元模型可以作为一个更加详细模型的替代模型，可以应用于模型的理解、预测、优化、校正等方面【1鲫。元模型与详细模型和问题实体关系图如图4．1所示，该图反应了这三者之间深刻的关系。如果充分利用该关系，即利用元模型计算速度之长、同时取详细模型精确之所长，各取所长可以达到意想不到的效果。元模型的建模需要经过三个阶段：估计(Estimation)、分析(Analysis)、确认(Validation)，该模型可以包括定量或定性因素【16”。元模型的估计是确定一个实验设计策略，使输入变量和输出变量更多样，而且以更加高效的方式组织。这些输入和输出的变量，用于估计模型的参数。采样点设计可以采用：比例设计、拉丁超立方体法、中心复合法、正交矩阵法等【15蚋。分析是为了检验各种假设的有效性、拟合的适合度。确认是最后一步，确定应用的拟合模型a元模型建模过程详见图4．2。各类元模型都可以转化为多项式回归形式模型，如式(4．1)所示。 第4章余氯模型中管壁反应系数校正】，：艺羔岛以(_)J．1kl!(4．1)式中：y-输出变量；j，_输入变量；埘一输入变量的维数；口一多项式的项数。元模型分为参数和非参数形式【162]，最常见的元模型类型有多项式回归模型、样条模型、vaiging模型和神经网络模型160]。元模型可以模拟原模型的局部或全部。当应用元模型时，应该在精度和计算时间、局部和全局信息等这些问题上做出适当的取舍。元模型在供水管网中的应用，到目前为止非常有限，Lingireddy等【1部1使用人工神经网络(ANN)代替KYPIPE模型，用于管道的租糙系数的校正。该粗糙系数优化通过遗传算法(GA)链接ANN获得，供水管网中应用元模型可以提高水力模拟速度达两倍以上，显示了ANN元模型在供水管网优化中能够很大提高计算效率。此外也有其它，将ANN作为替代模型应用于供水管网中的实例【‘辑‘6叼。但是C,-6mez[84增出，神经网络在应用前必须进行校正，所以类似于神经网络的方法，单独应用是不够的，需要其它方法的介入。图4．1元模型、详细模型和问题实体关系图 第4章余氯模型中管壁反应系数校正图4．2元模型建模流程图(2)人工神经网络基础人工神经网络是高级的建模技术，能够模拟极端复杂的函数。特别能够克服非线性函数的维数灾问题，能够适应连续变量和离散数字变量。单个神经网络就能够模拟所有的模拟响应曲面，而多项式回归则仅仅拟和响应面的局部，即响应面的子集。人工神经网络(ArtificialNeuralNetworks，ANN[；)也简称为神经网络(NNs)或称作连接模型(ConnectionistModel)，是对人脑或自然神经网络(NaturalNeuralNetwork)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。现代神经网络开始于1943年McCulloch和Pitts的开拓性工作，现在已经发展成了包括多层感知器、径向基函数网络、支持向量基、委员会机器、自组织系统、递归网络等内容，已经成为智能计算发展的一个主流方向【16”。人工神经网络可以用硬件方法实现，包括集成电路式、光电式、光电混合 第4章余氯模型中管壁反应系数校正式，以及未来的分子处理器和量子处理器；也可以用软件的方法，利用传统计算机按神经网络方法进行模拟，建立通用软件包，还可以接入神经网络加速板，或在专用的并行处理阵列机上进行模拟。1)人工神经网络的特点人工神经网络的以下几个突出的优点使它近年来引起人们的极大关注：(a)可以充分逼近任意复杂的非线性关系；(b)所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性；(c)采用并行分布处理方法，使得快速进行大量运算成为可能；(d)可学习和自适应不知道或不确定的系统；(c)能够同时处理定量、定性知识。2)人工神经网络的主要方向神经网络的研究可以分为理论研究和应用研究两大方面。理论研究可分为以下两类：(a)利用神经生理与认知科学研究人类思维以及智能机理。(b)利用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经网络模型，深入研究网络算法和性能，如：稳定性、收敛性、容错性、鲁棒性等；开发新的网络数理理论，如：神经网络动力学、非线性神经场等。应用研究可分为以下两类：(a)神经网络的软件模拟和硬件实现的研究。(b)神经网络在各个领域中应用的研究。这些领域主要包括：模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。随着神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用定将更加深入。(3)径向基函数在神经网络的背景下，隐藏单元提供一个“函数”集，该函数集在输入模式(向量)扩展至隐藏空间时为其构建了一个任意的“基”，这个函数集中的函数就被称为径向基函数(RadialBasisFunctions，RBF)。RBF利用了多维空间中传统严格插值的研究成果，实现在多维空间中寻找一个能够最佳拟合训练数据的曲面【l鲫，这也正是RBF应用于元建模的最根本原因。 第4章余氯模型中管壁反应系数校正RBF最早被Hardy应用于拟合不规则的地理数据【162】，RBF在所有的前馈网络中拥有最佳拟合能力，能够出色拟合任意确定性和随机响应函数【169】。RBF由输入层、隐层和输出层组成，函数形式为：八x)=∑wj矿(|I工一而D(4．2)I=1式中：斗一为采样点数；石一输入变量；≯一基函数；而一基函数的中心；㈣一1p范数(通常为Euclidean范数)：Ⅵ一加权系数。RBF实际上是n个基函数的线性加权组合，最常用的基函数有：细样条函数：矿(，)=r2log(c：2)，O选择初始点设置i-l：有限初始集SI_{x1，．．⋯．瓢)￡D，该集合元素参加性能函数计算； 第4章余氧模型中管壁反应系数校正Q>计算性能函数计算性能函数f在点(c_SI)处的值。更新最佳性能函数的存储值；<3>执行循环体①拟合和更新响应面根据数据集D；={(x，，(砌：工∈si}，拟合与更新响应面模型，，；②选择备选点选择备选点Xk+i，作为性能函数计算点。Xk+i为以下约束优化问题的最优解。minf；(x)(4．9)约束条件：I卜一_0≥届△，，_，=l，⋯，k+i-I，os∥≤l，JED；(4．10)△，=毋缸。艘州i一_6(4．11)’．。mDl‘J4+f-l¨Ⅷ③计算性能函数计算性能函数f在点(_cSl)处的值，更新最佳性能函数的存储值。I丘．一彳I量F转到⑤；否则进行④。④更新信息i≥1000，则转到⑤，否则继续进行。墨+1=墨u{鼍“}；D⋯=Diu{(xk+『，厂(‘+f))}；i=i+1返回①⑤计算结束，输出结果(2)CORS算法收敛性证明设D￡∥；厂：D—R是一个连续函数；A是优化算法，k)。。为迭代集。定理1【1711： 第4章余氯模型中管壁反应系数校正D为紧集，于全局最小。定理2：D为紧集，下条件：当且仅当迭代集{矗}均在D上都为稠密集，连续函数在D上收敛{％)。￡R。，假如存在严格增长的正整数序列{珥)，。，h满足如I墨刚‰一x。k[[-->口m。a。xI。ra—in[y一耳』O-‘a-1(4·12)那么A收敛于珀q全局最小点。证明：设存在{墨}。。且‘=I“rain—l慨一黾l(4·13)如果{矗}在D上不是紧集，那么存在工∈D和口卜o，以工为中心盯为半径的球，不包括{毛}；卜卜V七芝1(4．14)从(4．13)一(4．14)可以得出：最2a学1“rainI-10)，一圳≥a盯卜oVf≥1(4·15)让a盯=占，J。≥占对于所有的f>-1；慨一～l芝￡(i>j)因为，D是有界紧集；设B包含D是一个超曲面，边缘尺寸为』；，r为正整Z、，口数，将B分为一个等尺寸的超曲面，每个子超曲面边缘尺寸为丢号，{坼}。的任意两个点不同时属于一个子超曲面，但是这与{而}。为一个无限独立点集矛盾。 第4章余氯模型中管壁反应系数校正得证。推论：任何COILS法都包含至少一个非零的输入点，可以使任何响应面模型以及任何初始评价点，收敛到任何连续函数的最小点。式(4．10)显然满足(4．12)，所以推论显然成立。4．1．3简单遗传算法基础遗传算法(GeneticAlgorithm)是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。它是由美国的J．Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力：采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代智能计算中的关键技术之一。1)遗传算法与自然选择遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律，是具有“生存+检测”的迭代过程的搜索算法。遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。作为一种新的全局优化搜索算法，遗传算法以其简单通用、鲁棒性强、适于并行处理以及高效、实用等显著特点，在各个领域得到了广泛应用，取得了良好效果，并逐渐成为重要的智能算法之一。2)遗传算法的基本步骤习惯上把Hollandl975年提出的GA称为传统的GA。它的主要步骤如下：编码：GA在进行搜索之前先将解空间的解数据表示成遗传空间的基因型串结构数据。这些串结构数据的不同组合便构成了不同的点。初始群体的生成：随机产生N个初始串结构数据，每个串结构数据称为一60 第4章余氯模型中管壁反应系数校正个个体，N个个体构成了一个群体。GA以这N个串结构数据作为初始点开始迭代。适应性值评估检测：适应性函数表明个体或解的优劣性。不同的问题，适应性函数的定义方式也不同。选择：选择的目的是为了从当前群体中选出优良的个体，使它们有机会作为父代为下一代繁殖子孙。遗传算法通过选择过程体现这一思想，进行选择的原则是适应性强的个体为下一代贡献一个或多个后代的概率大。选择实现了达尔文的适者生存原则。交换：交换操作是遗传算法中最主要的遗传操作。通过交换操作可以得到新一代个体，新个体组合了其父辈个体的特性。交换体现了信息交换的思想。变异：变异首先在群体中随机选择一个个体，对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。同生物界一样，GA中变异发生的概率很低，通常取值在O．001．-4)．01之间。变异为新个体的产生提供了机会。3)．遗传算法的特点遗传算法作为一种快捷、简便、容错性强的算法，在各类结构对象的优化过程中显示出明显的优势。与传统的搜索方法相比，遗传算法具有如下特点：●搜索过程不直接作用在变量上，而是在参数集进行了编码的个体。此编码操作，·使得遗传算法可直接对结构对象(集合、序列、矩阵、树、图、链和表)进行操作。●搜索过程是从一组解迭代到另一组解，采用同时处理群体中多个个体的方法，降低了陷入局部最优解的可能性，并易于并行化。●采用概率的变迁规则来指导搜索方向，而不采用确定性搜索规则。·对搜索空间没有任何特殊要求(如连通性、凸性等)，只利用适应性信息，不需要●导数等其它辅助信息，适应范围更广。由于遗传算法的以上特点，使得遗传算法的应用领域不断扩大。目前遗传算法所涉及的主要领域有自动控制、规划设计、组合优化、图象处理、信号处理、人工生命等。可见，遗传算法的应用研究已从初期的组合优化求解拓展到了许多更新、更工程化的应用方面，已经成为一项标准优化方法．61 第4章余氯模型中管壁反应系数校正4．1．4聚类分析基础俗话说：“物以类聚，人以群分”，在自然科学和社会科学中，存在着大量的分类问题。所谓类，通俗地说，就是指相似元素的集合。聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法。聚类分析起源于分类学，在古老的分类学中，人们主要依靠经验和专业知识来实现分类，很少利用数学工具进行定量的分类。随着人类科学技术的发展，对分类的要求越来越高，以致有时仅凭经验和专业知识难以确切地进行分类，于是人们逐渐地把数学工具引用到了分类学中，形成了数值分类学，之后又将多元分析的技术引入到数值分类学形成了聚类分析。聚类分析内容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。聚类分析计算方法主要有如下几种：a)分裂法(Partit／oningMethods)：给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，KflA，j=l，⋯，k+i—l，_∈s0s∥sl(4．19) 第4章余氯模型中管壁反应系数校正o．5≤2婴s1．5i,k=l，⋯，m(4．20)xtx)式中：A，=掣吲n。fin鼻一一II；i一覆盖点，事先设定的覆盖整个曲面的点；厂一为RBF上点；x(0，石例一向量X中第i和第k个元素；M一向量X的维数。式(4．19)约束的目的是使算法朝着未知领域搜索，防治算法早熟于异常点。为了实现局部和全局寻优，声用于控制优化过程。当∥为高值时，实现全局搜索；当卢为低值时，实现局部搜索。式(4．20)约束是为了限制管壁反应系数各组之间的差异，因为管壁反应系数差别不会超出非常大的限制。步骤7：获得备选解通过研究发现，不同组合值可以获得对供水管网水质相同的影响，所以考虑在收敛处选择特定数量的备选解，用于随后步骤的检验。步骤8：备选解泛化能力检验由于不同组合值可以对校核数据产生近似的误差积累，所以单纯靠优化算法不能寻到理想解。借鉴人工神经网络泛化能力检验思路，可以准备一批新数据进行泛化能力检验，从中选出理想解。前期的优化过程可以看作是一个“曲线拟合”问题，通过管壁反应系数组合优化达到预测曲线能够很好的拟合实测曲线。如图4．4所示，可以看出非线性映射1和非线性映射2在样本训练点可以达到相同的误差，但是经过泛化(推广)发现泛化l和泛化2之间存在着巨大的差异。从以上分析，可以看出步骤8必不可少．本算法由MATLAB语言编写，调用MATLAB2006a中的RBF和GAT具箱，水质模拟由EPANET程序库中的EPANET2．dll来完成，将EPANET2．dll集成到主程序中。 第4章余氯模型中管壁反应系数校正卜茂V．爪．V："XV．八h’7D0246810输入4．3实倒研究图4．4过拟合现象+非线性映射1——非线性映射2·泛化1●泛化2实例选取FS市供水管网，供水管网布置如图4．5所示。该管网有6909+节点、7452根管段，管道总长5131ml，管网内部未设清水池，FS市共有四座水厂(如第4章所示)，有近四十个水力监测点，有六个水质监测点(如图4．5正方形点所示)。水质监测点监测项目包括：余氯、浊度、pH、温度。水力模型在FS市水业集团公司何芳和同济大学的陈宇辉博士的共同努力下进行了校正，水力模型经过了手工校正和自适应遗传模拟退火算法(AdaptiveGeneticAlgorithmaadSimulatedAnnealing，AGASA)t妇Etsu。延时模拟时间长度选择72d",时，水力时间步长为15分钟，水质时间步长设定为5分钟。水力边界条件根据实际供水数据设定，水力数据经过了动态数据处理，水质数据经过人工处理，将粗大误差、遗失数据等数据进行了处理。本文从两方面对实例进行分析研究：4．2．1节进行单个主体水反应参数和单个管壁反应系数的组合研究，以获得直观的响应面图形，以便于读者获得直观的印象：4．2．2节是Fs市大规模模型进行实际研究，以第4章中获得的主体水反应系数为基准，运用聚类分析方法对管壁反应系数进行了分组，然后应用前面论述的方法对FS市大规模供水管网水质模型进行了研究。086420习餐 第4章余氯模型中管壁反应系数校正4．3．1两系数组合分析本实例不设置供水管网水质模拟中的主体水反应系数，同时也不对管壁反应系数进行分组，主体水反应系数和管壁反应系数都将作为误差曲面的自变量。两个参数的取值范围都设为【．6，O】，单位分别为l／天(一级)、m／天(一级)。枚举144(12x12)个评价点，进行水质模拟，获得分别以主体水反应系数和管壁反应系数为自变量的误差曲面如图4．6．4．7所示。图4．6为144个数据对应的全部误差响应曲面，为了表达更清楚除掉部分边缘数据后可以得到图4．7。从图4．7可以看出可以有许多管壁反应系数与主体水反应系数的组合达到接近相同的误差值，所以从图形分析也印证了COI塔．RBF．(认算法中步骤8的重要性。如前所述，在实际运用水质模型时，首先固定主体水反应系数，获得一个比较准确合理的基准后，再通过拟合获得管壁反应系数。4．3．2大规模管网研究1聚类分析为了提高校正的精度，本文采用聚类分析方法对管壁反应系数进行分类，将管道的管壁反应系数分成6组。Q型系统聚类分析用于分析各管段的类别属性。本文运用SPSS14．0软件对供水管道进行了聚类，输入变量为管径、管材、管长、粗糙系数、建造时间、流量、流速、位置因素(平均坐标X、平均坐标y)，输入数据如表4．1所示，由于篇幅有限具体数据不再全部列出。聚类分析结果如图4．8所示，聚类分析结果如表4．2所示，本文随后的研究与分析都是依据该分类结果进一步分析的。 苎!!叁墨堡型主笪壁垦生墨墼墼垩图4．5FS市管网布置图图4．6基于主体水反应和管壁反应系数的误差曲面(全部数据) 第4章余氯模型中管壁反应系数校正图4．7基于主体水反应和管壁反应系数的误差曲面(部分数据)图4．8聚类分析结果图7l 表4．1聚类分析输入数据样例表管径管长流量流速管道名称(mm)管材(m)粗糙系数建造时间(Us)(m／s)平均坐标x平均坐标y014000486．57117．331987-9-291197．620．78402774．9250492．47O．0l0()oOO．0199．281987—4．29O．000，00400779，1747805．3936526500O0．0190．251986．1l-290，00O．00403834．8045881．321200O24．3590．251986-4．19．1．970．06404780．5050898．601-0．1500OO。0l90。251986-11-29O。00O。OO403849．1545881．1910100O62．90108．301987．5．240．00407162．5051568．1010m12000O．Ol99．281987-4．290．000．oo400807．8447805．3738991700OO．0190．251987．3-25OJDoO．00403823．5445979．4740210600OO．0l90．251986．11_29-545．821．93403871．3045868．99100O64．1190．251986-4．19．2．01O．26407320．oo48939．30100070150011．1090．2519864．192．06O．12405317．0046169．1010007l10000．5090．251986-4．19O．000．00405313．oo46172，5010007315004．4990．251986-4—192．060．12405311．0046173．75100317400O215．2190．251986-4．1911．40O．09405341．0046176．901003234000128．1390．251986-4．1910．15O．08405228．5046052．30100326800O4．0590．251987．2．28627．981．25405253．oo46061．701003271200O332．1290．251987-2-28．923．750．82405128．0l4595276100363200010．6090．251986-4．19．14．720．47405137，5045991．051003732000116．8790．251986-4．1913．740．44405200．5046017．70100375150O11．4090．251986-4．19O．oo0．00405258．5046041．45100379150O201．0290．251986-4．1913．740．78405235．0045944，15100387800014．9090．251987．2-28509．8l1．01405249．0045850．60100393800O186．7190．251987-2-28509．8l1．0l405256．5045950．50l00403150O2．5790．251986-4—195．22O．30405266．0046043．70100404800021．0690．251987．2-28515．031．024052595046051．65100414400046．08108．301986-4．19112．950．90405245．5046032．30l00419150O38．8990．2S1986-4一19O．340．02405202，0045874．20l0042l100O10．5590．251986-4．190．340．04405186．5045884．55l00427300073．8290．251986-4．1918．540．26405034．0045851．95l00433300068t3790．251986-4．1918．54O．26加5086．5045900。lO100434300O24．1390．251986-4．1918．54O．26405122．0045929．50l00442100O15．4090．251986．4-190．00O．oo405137．0046007．75100453100O6．7690．251986-4．190m0．00405160．5046037．45100687100O59．7490．251986．4．19．3．070．39405392．0046010．30 第4章余氯模型中管壁反应系数校正表4．2聚类分析结果表管道名称聚类值类型管道名称聚类值类型管道名称聚类值类型O25807．3214093564．084791318．636l1978．7824l268．16280423864．23521707．7234393569．0748l1974．3531369．15344203．45382160952．87l41766．11345399．582831859．95658417．09446365．21284306463．3l261676．812475437．861851315．38471696．732481526．553861497．72381110．623491515．543881509．28693823．6365047360．3I2891510．56610299680．1225l1500．263901820．8161l3845．46652101321．613911674．2561274566．77l53366．912921183．533131047．156543“．812931585．2461474562．63l551254．892941653．0061574559．16156101317．143951187．Ol3162901．372571392．9239647306．3321774556．341587200．444971509．0741974556．381591492．283981514．54620125603．26260101310．353991532．496212842．816617157．1641001374．556222845406627155．0641011494．4l6231468454637148．1341021454．“6241722．794647148．364103306461．492251741．1l4651488．5931041425．6l6271220．454661854．513105】533．506282930．786672116．2231061571．446291201．634681976．283107365943．215301513．09469352741．134108365942．945311484．69470352741．544109471159．642321009．24271943．1041102419，516331025．422722041．323111471159．6l234499．872733742．1331122164．99635234171．996742221．2361132173．896 第4章余氯模型中管壁反应系数校正2优化计算初始评价点的选择在本算法中，往往是比较重要的，因为它直接影响到RBF网络的拟合效果。虽然高级的K—P设计、拉丁超曲面采样设计、贝叶斯采样设计等方法会改善神经网络元模型I”51，但是笔者通过研究发现，在自变量的可行区间内，简单的均衡离散网格取点可以获得满意的效果，所以本文采用该方法进行研究，初始评价点选择128个(2X幻。运用CoRS—RBF-GA算法进行优化计算，可以观察整个训练及优化过程如图4．9所示。图4．9中数据从l到128数据上下起伏，表现了该评价点覆盖整个可行域，从而使得RBF能够代表整个近似空间。选择100点作为初始训练RBF样本点。28个作为RBF泛化能力检测点，以此优化RBF网络中Gaussian函数的c值。图4．10为整个优化过程，从该图可以发现，在优化初期误差值上下振荡，然后就趋于平滑。这里有两方面的原因，一方面是由于整个优化过程的进行使曲线不断平滑，还有一方面原因是由于部分误差高的值被中等误差点代替。这时要注意防治代替点使评价点矩阵奇异化，可以适当对参数进行调整然后再运行。为了测试不同优化条件对整个优化过程的影响，笔者比较了四种不同的优化过程，优化过程如图4．1l所示。第～个序列是仅仅两个参数优化，与实例I情况相同，但需优化主体水反应系数和管壁反应系数。从图中我们可以发现，序列1很快达到优化点，但是由此获得的整体误差高于其它序列。第二个序列是不进行第一次优化，即不对RBF网络中Gaussian函数的c值进行优化，采用人为设定值。从图中可以发现。优化过程在初期发生了剧烈的振荡，但是随着拟合RBF的数据增多，优化过程趋于平滑。该过程说明如果不对c值进行优化，就增加了RBF自我调整的时间，同时RBF拟合精度也是不可靠的。第三个序列是在约束条件式(4．20)作用的情况下进行优化的。序列三在初期振荡后很快恢复到平滑状态，说明分布参数c的优化起到了作用。第四个序列是在无约束条件式(4．20)作用的情况下进行优化的，该序列在初期有短暂的振荡，然后变得倾斜向下。但是该算法最大的问题是在第22和28个数之间有几个跃起，查看评价点发现一些边界点如【-0．5，一6．0，-6．0，一3．5，-4．2，-6．O】，证明初始评价点和新增评价点拟合的RBF网络，在边界处不能很好的拟合水质模型，而在网络中心却能很好的拟合，而这些边界值在直观上是不可能的。 第4章余氯模型中管壁反应系数校正∞50剁40咄30埔201003025刺20鬈15105O30j|lII25嗤20确15】0II．I．㈣川⋯．．．。。’I⋯”1．1llP州l^．．．．1163146617691106121136151l∞181196评价点序列图4．9算法应用全过程图6^^一lnJ＼．I6ll162126313641柏5l566l硒7176评价点序列图4．10优化过程图a．●^Y。八^■．上拟!渺～：。‘．一。。一八人。一⋯-⋯，一⋯一’⋯r‘‘6ll162l26评价点序列一1．两参数一3．有约束⋯····2．无分布参数优化—-．一4．无约柬图4．11不同条件下优化过程图 第4章余氯模型中管壁反应系致校正监测点的校正效果如图4．12所示，从图中可以看出在每天凌晨3点左右至8点左右会出现一个模拟值高于实测值的现象。该问题虽然不影响算法本身的效率及应用价值，但是针对供水管网水质模拟却存在着需要深入研究的内容。为保证小节内容的完整性，该问题将在随后进行分析。o．25o0．230．15越爱0．1蜃张0．050弋脞渺娜4．4分析4．4．1算法分析97193289时间段图4．12一监测点预酒与实铡比较图一实测值一预测值CORS-RBF．GA算法能够大幅减少费时的详细模型运转的次数，所以可以大幅减少优化时间。CORS-RBF-GA算法与传统算法(EPANET链接GA算法)相比，具有快速高效的特点。COPS-RBF．GA算法应用于供水管网水质模型中管壁反应系数校正过程，计算时间仅为GA算法的lO．3％，详细耗时比较参见表4．3。每次水质模拟需要3分钟，所以获得总评价点及相应水质模拟值需要128X3分，即为6小时24分。GA的参数采用100代20个种群。泛化能力检查选择12天的数据，最后确定管壁反应系数的理想值。为了能够更好的应用CORS-RBF-GA算法，以下几点应该注意：l初始评价点数目应该足够，当多于两个参数时应该取大于100个点：2分布参数c值应该优化，这样可以提高RBF的拟合水平i3两参数间应该考虑参数之间的合理化约束，如式(4．20)： 第4章余氯模型中管壁反应系数校正4泛化能力检查能够减少局部目标值的影响，可以提高优化解的推广能力。表4．3两算法计算时间比较表方法评价点数据c值优化优化泛化能力检查Tb翻100,"J,时GA100d"．时(100x20x3分l6-／,时24分24,时35分1小时30分coRS．RBF-GA1分104,时30分(128x3分)(50x3分+50x6秒l(10x3x3分)4．4．2存在问题针对上一节凌晨3点左右至8点左右会出现一个模拟值高于实测值的问题，经过分析发现，主要有如下原因。l水质监测点的安装位置的影响在监测干管或大口径管段上的水质浓度时，一般安装水质监测设备时必须从大管径管段上引出一段DN≤200mm的细管，然后从细管上开孔再安装水质监测设备(如图4．13所示)，而不是将水质监测设备直接安装在主干管或大口径管段上，而这段细管一般都是封闭或接普通用户的，当此管封闭或用户停止用水时，该管内的水流速比较缓慢甚至处于静止状态，那么节点水龄就相应的延长，那么细管段的水质浓度与大管径管段的水质浓度就会有所不同，所测得的数据就不能很准确的反映实际管网中的水质浓度，水质监测设备离主干管距离越远，测得的水质浓度就越不准确，所以此情况也是产生数据误差的原因之一口2监测仪器安装接口对监测值的影响在城市供水管网中，在管道顶端开孔引出管道中自来水，然后经过水质监测设备测定水流的水质情况，测定水返回管道或大部分直接排走。在管壁处开孔必然就造成水质监测设备，在很大程度上测量的是供水管道管壁处水质情况(如图4．14所示。)。给水管道管壁上，在实际运行中会形成生物膜或结垢，不同的管壁必然会有不同的组合形态，这一领域的问题大部分仍然处于研究阶段，所以就造成实际模拟的困难。但是，在管道流体中，从管道中心轴到管壁处存在着浓度梯度，余氯从高 第4章余氯模型中管壁反应系数校正浓度的管轴处向低浓度的管壁方向的转移，达到逐步均匀的过程称为扩散。在紊流中，流体微团以时均速度运行，而以脉动速度扩散；在层流中，流体微团以宏观速度运行，而以分子无规则运动扩散，即分子扩散。模型中干管中的水流流速比较大，多呈紊流状态，所以管壁处和管段中心处的余氯混合的比较均匀，而管网支管尤其是管网末端的水流流速则比较慢，多呈层流状态，管壁处与中心处的余氯浓度差异比较大，管壁处的水质是管道中水质最差的部分，所以管网末端模型值与实测值差异会很大。3模型的限制管网水力模型是管网水质模型的基础，水质模拟的结果受水力模型的限制，水力模型的精度直接影响到水质模型的计算，从宏观角度分析，将水力模型划分为若干个区域，各区域的总用水量模拟值之和与实测值之和基本接近，但从微观角度分析，当追踪到每一条支管的每个节点流量时，模拟值和实测值可能存在很大的差异，因为实际管网末端节点用水量随时间和空间的变化很大，模型只能从大的方向上基本反映实际管网运行情况，而无法真实反映具体每一个节点的用水情况，所以这对水质模拟的结果，尤其是对位于管网末端的水质浓度模拟的结果造成一定影响。此外，如第l章所述，传统一维模型较二维模型在特定工况下存在着精度不高的问题，还有待深入进行研究。封闭或用户萨一孓三叶(；：图4．13水质监测设备在管用安装示意图呈W暑 第4章余氯模型中管壁反应系数校正水质监测设备生物膜与结垢管道流速分布4．5本章小结图4．14管道内部结构与流速分布示意图本章首先简要叙述了元模型、RBF网络、GA算法、COPS算法、聚类分析算法，随后设计了COILS．RBF．GA算法，并且对该组合优化算法流程进行了详细的介绍，从而更加深刻的理解该算法。该算法降低了在管壁反应系数校正过程中水质模拟的次数，从而提高了计算速度；该算法中增加了优化解泛化功能的检验内容，实验证明这是非常有效的改进。在详细阐述该算法的基础上对FS市大型供水管网进行了研究，首先为了直观地获得不同参数组合对模型误差响应面的影响情况，进行了两参数组合分析，随后又对该市管网进行实际应用研究。为提高校核精度．运用系统聚类分析方法对管壁进行聚类分析。最后，分析了实际存在的问题，提出水质研究中需要深入研究的问题。 第5章供水管网水质监测点优化布置供水管网的水质监测点是供水调度系统的前端和触角，为供水管网余氯优化控制决策提供数据来源；水质监测点同时充当了水质预警的卫士功能。如何充分利用昂贵的水质监测设备提高其利用价值，是非常值得研究的课题。本章将利用水质模型实现基于污染灾害预警和常规代表性水质监测的水质监测点优化布置。利用该方法建立的水质监测网能够更加有效的利用水质监测设备，增强监控管网水质的能力，同时为余氯优化控制决策提供更有代表性、更加准确的数据支持。5．1监测点优化布置模型5．1．1问题描述监测供水管网的水质状况，提高供水水质的安全性是一个实际而又急待解决的问题。各国科学家对基于不同的概念和目的建立供水管网水质监测系统进行了研究，如基于常规监测、预警(EarlyWarningSystems，EWSs)、预警监测(EarlyWarningMonitoringSystems，EWMS)、污染预警(ContaminantWarningSystem，CWS)等概念建立水质监测网。如由美国国家环保局国土安全研究中心(EPA"sNationalHomelandSecurityResearchCenter，NHSRC)和水设施保护部(WaterInfrastructureProtectionDivision，WIPD)发起和资助的三阶段规划项目，用于测试和评价供水预警系统。该项目包括水质监测点监测布置及检测水平研究、监测数据获得和分析研究、通讯链接及协议研究、决策支持及应急响应研究。获取更多信息可以登陆www．epa．gov／nhsrc．网站。当设计监测点布置时应该考虑如下问剐”q：(1)监测的目标及数据如何使用；(2)位置和数量是否有约束；80 第5章供水管网水质监测点优化布置(3)需要多少监测点；(4)监测点需要具备的特征；(5)监测点应该布置在那里。综合所有研究及应用需求，不难发现实际的供水管网水质监测点布置的研究按照监测内容要求，可以分为常规监测要求和预警监测要求。常规监测包括定期强制在整个供水范围内展开水质采样工作，和常规日常管理下的水质实时监测。另一类事件是应付突发事件的发生而设置的监测设备，尤其是低概率、高影响的污染事件。以往的研究大多集中在单一方面，即要么注重常规监测、要么注重预警监测，而没有统一考虑两者的结合，从而未发挥监测设备的最大功效。5．1．2解决方案水质监测点优化布置时，同时考虑灾害预警与常规监测，首要考虑的问题是两者的组合形式。水质污染事件是灾害性的，对居民或社会造成非常严重的影响，所以水质监测点的灾害预警是首要的，而常规监测是第二位的，这样就应该以灾害预警为主，常规监测为辅。水龄可以作为常规水质监测一个替代指标，将供水管网各节点水龄以约束条件的形式综合到基于灾害预警的水质监测点优化布置中。供水管网水质监测点优化布置设计的基本框架如图5．1所示。5．1．3目标函数综合各类水质监测点优化的目标函数，大致有如下几种类型：(1)最大化水量静态及延时覆盖；(2)最大化水龄静态及延时覆盖；(3)最小化检测时间；(4)最小化污染人口；(5)最小化污染水量；(6)最小化污染区域；(7)最大化检测可能性；(8)最大化检测仪器的期望冗余度； 第5章供水管网水质监测点优化布置(9)最大化系统的可靠度。图5．1综合水质监测点优化布置流程图第(1)和(2)项是常规实时监测布置的两个主要目标，第(8)项既可以作为常规实时监测布置的目标，也可以作为预警监测的目标函数。第(3)一(7)项都是用于基于突发事件的预警类监测的目标函数，其中第(3)、(4)、(5)，(7)项，作为2006年在美国Cincinnati召开的“供水管网系统分析”(WaterDistributionSystemsAnalysis)年会上，SessionD．3(BattleoftheWaterSensorNetworks)的特定设计目标函数。第(6)项个别文献出现过，主要是统计污染供水管线的长度。第(9)项为依据作者设计需要，由相关指标转化而来。第(4)项数据的获得需要相应GIs数据，数据要求比较高。本文选择第(3)、(4)、(7》项作为目标函数进行优化，考虑的主要原因有：●第(7)项最大监测可能性是从另一个角度确定的覆盖关系，所以，不必在总体目标函数中考虑第(1)项；·水龄因素以约束条件的形式参加优化计算，充分考虑常规水质监测的 第5章供水管网水质监测点优化布置需求；●第(4)项中人口分布函数无法获得，其它文献中的比例折算没有太大意义，所以略去此项；·以上未提项目都在其它目标函数中能够充分体现，没有必要重复出现，所以不选用这些目标函数。所以。本次研究的目标函数为：minZ,=E∞)(5．1)rainz2=E(％)(5．2)一乙2专善珥(5．3)以上式中：吖J一数学期望；式(5．1)中所示的缸为所有监测点中的最小监测到污染的时间；式(5．2)中所示的％为所有被污染的节点水量之和；式(5．3)中所示的西为是否监测到污染发生的指示数，即当污染事件监测到时，函=l；否则，dt=O。式(5．3)中所示的Ⅳ为所有污染事件的采样数。5．1．4约束条件水龄加入监测点优化布置的优化函数中，主要是考虑将常规监测内容与各类污染事件组合到一起，实现水质监测点功能的最大化。具体作法为：通过对供水管网进行水质计算，获得供水管网各节点水龄直方图，然后根据水质监测点数，对所有节点划分相应水龄段的数据集，然后优化过程中从响应数据集约束中选出最优水质监测点布置。(详细过程请参考实例研究)除了水龄节点数据集约束外，水质监测点还应该有其它约束，如用地、建筑物结构、水质监测点成本、通讯及电力成本、运行维护成本等11邶】。如果获得这些监测点的约束数据，将会大大简化图5．1中第5部分优化的工作量，从而提高运算的合理性和速度。如用地选择，本公司内部用地应优先选择建立监测点。本文无法获得这些数据，所以这些约束不予考虑。 第5章供水管罔水质监测点优化布置5．1．5各类假设模拟供水管网水质污染事件是一项非常艰巨的任务。总之，一个污染事件联合概率变量实现，这些变量包括：位置、开始事件、强度、历时等。事故污染可能由于各类压力损失，如供水管网漏损点高压漏损、低压污染的现象，还有停电、爆管等事故时造成的污染‘117·1771。所有的这些就使得研究工作进行之前，不得不进行各类假设。这些假设包括：●水力条件；●污染事件假设(时间、地点、历时、浓度、污染物特点等)：●监测设备(监测能力)：●企业的反应和应急能力根据分析本文随后的两个实例，有如下假设：●两个实例分别为96小时和48小时延时模拟，水力条件选择有代表性的时段；●现有的大部分研究都是基于恒定污染物进行研究的111’·122】，本文也是基于恒定污染物进行研究的；●污染事件采样运用MonteCarlo模拟方法中相应方法，对各类污染事件进行采样；·监测设备假设，没有监测限制，一旦发现污染物，即认为发现污染；●企业的反应能力和应急能力，在本文中表现为发现污染事件后的延时水平。不同延时水平只是表现在最后的优化结果数值上，对优化结果没有实质的影响，本文设为立即采取操作，即延时为0。5．2求解方法5．2．1算法实现本章采用MATLAB编程实现，类似于第5章的实现方法，调用EPANET2动态链接库。当前EPANET有两种用法【1301：●EPANET在优化之前获得的所需数据都存储于计算机内存，这种方法节 第5章供水管网水质监测点优化布置省计算时间，但需消耗大量内存；·EPANET在优化过程中使用，这种方法节省计算内存，但时间消耗大。本章将采用第一种方式实现，这样可以大幅提高运算速度。在图5．1中第5步的优化运算过程中发现，在代码优化的基础上，运行速度仍然偏慢。所以尝试混合编程方式，考虑利用具有很强计算优势的C．H计算引擎来实现优化计算中大规模的重复操作。通过VC-H编程实现该部分内容，编辑打包成-dll文件形式，在MATLAB环境下调用该d11文件。具体作法为：通过MATLAB为C提供的接口，将各类污染事件数据库．mat文件导入C_阡环境中，然后利用c++代码实现特定监测点情况下的评价。优化过程实际就是不断产生监测点布置方案，重复调用该．dll进行评价的过程。c++读取MATLAB中．mat格式文件时用到的文件如表5．1所示，用到的MABLAB函数有：matOpcn、matClosc、matGetNcxtVariableInfo、matGetVariable、mxGetM，mxG既N、mxGctData。表5．1c++读取I帆TLAB中．mat格式文件时用到的文件地址文件司Ⅵ枷。AB>、bin＼win32lflmmt．dU，、ext锄、includelibmx．dll，libmaLdef,libmx．dcf；matrix．h，math、cxtemU北h岫2、1cclibmat．1ib．1ib啦．1ib通过研究发现由C-H编写的程序与MATLAB单独编程，实现的时间相差无几，说明C++并未改善计算的效率。在高性能的计算机上运行发现，可以大幅提高计算速度，尤其是多核计算机，可以成倍提高运算速度，也可以采用并行遗传算法(ParallelGeneticAlgorithm，PGA)等方法进行实际运算。以上说明，编程语言对计算速度影响不大，而计算机硬件改善会显著改变计算性能，同时也可以考虑尝试并行遗传算法等方法。本文均在lenovo／Cerelonl．4G／500M的计算机上实现。笔者曾简单测试过第4章提到的COILS·RBF—GA以及第6章交叉熵(Cross—En仃opy，CE)方法。COILS-RBF—GA虽然计算速度快，但是产生解的质量较差。而CE方法每次只能实现单目标优化，如果实现多目标优化的任务，需要两阶段优化，即先优化单项内容，然后再优化多目标内容1129】。另外交叉熵每代需要N=cn次评价，c 第5章供水管网水质监测点优化布置为常数，一般取5scsl0，n为节点数，这样对于大规模管网是一项不小的计算开支。基于上述原因，选定用综合性能优良的NSGA--II方法实现优化计算，下面简单叙述一下NSGA一Ⅱ多目标优化方法。5．2．2NSGA一Ⅱ多目标优化(1)多目标优化经典的多准则决策可以划分为两个重要的领域：多属性决策和多目标决策。本质上前者是研究己知方案的评价选择问题，而后者是研究未知方案的规划设计问题。多目标优化(MultiobjectiveOptimizationProblem，MOP)研究多于一个的数值目标函数在给定约束条件下的最优化问题。由于从一定意义上说，实际的最优化问题一般都是含有多个目标的，因此MOP的理论和方法在现代经济和社会发展中具有十分广阔的应用范围，它是进行经济、科技、军事和文化中重大科学决策和规划的有力工具。MOP的两个主要起源是：一是在经济学中F．Y．Edgeworth(1874)和V．Pareto(1906)关于均衡竞争和经济福利的研究，一是在数学中G．Gangter(1895)和F．Hausdorff(1906)的有序空间理论的建立。在50年代，H．W．Wuhn和A．W．Tucker(1951)有关向量极值理论的研究，G。Debreu(1954)结合评价均衡方面的工作以及L．Hurwiez(1958)把问题推向抽象空间的尝试，为这一学科的形成做了重要的前期准备。直至70和80年代经过众多学者的努力，终于建立起多目标规划的基本理论基础，使它成为应用数学的一个新的学科分支。因为多于一个的数值目标可以表示为一个向量目标，所以MOP也称向量极值问题。与只含有一个数值目标函数的单目标数学规划不同，对于一个给定的多目标规划问题，同时使其中各个目标函数都达到最优的最优解是不存在的。因此，多目标规划的研究中，通常是考虑使它的向量目标函数在某种意义下为非劣的所谓有效解，MOP理论主要是研究它关于各种意义下的有效解的理论。[178]根据决策者的偏好作用于决策过程的时机不同，可以分成以下四判”9】：1没有偏好信息可供借鉴，只有搜索过程。86 第5章供水管网水质监测点优化布置2预先使用偏好信息，选择过程在搜索过程之前发生。3搜索过程中采用偏好信息，使得搜索和选择过程融合在一起。4搜索完成后采用偏好信息进行决策，即选择过程在搜索过程之后。第一类情况不采用决策者的任何偏好信息，并假设存在一种全局准则可以指导整个搜索过程。在第二类情况中，各种目标根据决策者的偏好信息聚合成一个复合目标，可以借助传统的单目标优化方法进行求解，譬如权重聚合方式的构造过程就是在搜索过程中借助了偏好信息。第三类情况允许决策者在搜索的期间交互地确定和调整偏好与搜索方式，搜索步骤和偏好选择过程混合在一起，可以根据决策者的偏好信息不断地调整搜索方式。第四类情况是先实施搜索过程，在决策者抉择之前就已经由搜索过程产生了一组比较满意的备选方案，然后借助多属性决策分析的方法从有限方案集里进行最终选择。解决MOP问题的最终手段是在各子目标之间进行协调权衡和折衷处理，使各子目标函数尽可能地达到最优，因此MOP的最优解与单目标优化问题的最优解有着本质的区别。Pareto优胜：对于决策变量a、ba卜b(a优于b)：当且仅当厂0)>厂(6)。a2b(a弱优于b)：当且仅当，(口)2f(6)。a—b(a无差别于”：当且仅当厂(口)牛≠f(6)Af(口)术≠f(6)。Pare!to最优解：对于集合A∈石，，决策向量工∈X，为非劣的当且仅当：’3a∈A：a卜J，即当且仅当x在Xf中是非劣的，决策向量x才是Parcto最优解。所有的Pareto最优解的集合称为Parcto最优集，Parcto最优集中的所有解都是非支配的(Non-dominated)。Parcto最优集的大小往往是无穷大，显然，有限规模的种群不可能获得整个最优集，这时获得一个能代表最优集的有限子群是可行的。多目标优化算法的一个主要研究热点主要集中在如何近似问题的Parcto最优解集。传统的多目标优化方法是将各个子目标聚合成一个带正系数的单目标函数，系数由决策者决定，或者优优化方法自适应调整。常见的古典方法有加权法、约束法、目标规划法和极小极大法等。盯 第5章供水管两水质监测点优化布置进化算法(EvolutionaryAlgorithms，EAs)是模拟由个体组成的群体的集体学习过程，其中每个个体表示给定问题搜索空间中的一点，进化算法从随机生成的初始群体出发，通过随机选择(在某些算法中是确定的)、变异和交叉(有时也会被完全省去)过程，使群体进化到搜索空间中越来越好的解个体所在的区域。由于进化算法的优点，使得迄今为止还没有找到其它方法比EAs更能有效的解决MOP问膨"91。多目标进化算法(MultiObjectiveEvolutionaryAlgorithms，MOEAs)种类较多，仍然有一些理论问题值得进一步研究和探讨。VanVeldhuizen等人从决策者的角度将MOEAs分为三类：先验法、渐进法、后验法。目前大多数MOEAs属于后验法，另外，近年来出现的算法都有一个共同的特征，例如倾向构造一个外部种群以保留算法获得的非劣解。MOEAs常使用如下选择机SmJ．．并列选择法、权重系数变化法、排序选择法、共享函数法和外部辅助选择法等。(2)NSGASrinivas和Deb在1994年提出非劣分类遗传算法(NondominatcdSortingGeneticAlgorithm，NSGA)，该算法与简单遗传算法(SimpleGeneticAlgorithm,SGA)的过程类似，但选择操作算子不同。NSGA基于对多目标解群体进行逐层分类，每代选种配对之前先按解个体的非劣关系进行排序，并引入基于决策向量空间的共享函数法。在对个体进行排序之后，找到的非劣解点被赋予一个很大的假设适应度值，它们作为第一批非劣前端。由于它们都是Pareto最优的，因此赋予了相同的适应度值，保证每个个体都具有相同的复制机会。另外在种群中采用共享机制来保持进化的多样性。每一个非劣的个体共享一个赋予给它的伪适应度值。共享机制采用一种可认为使对话的适应度值，这个适应度值的计算方式是将该个体的原始适应度值除以该个体周围包围的其它个体数目。在执行共享机制之后，其余个体按照相同方式，执行下一个非劣解点前端的辨识过程。当整个群体被分割成各种前端之后，根据伪适应度值进行复制。位于第一个前端上的个体具有最大的适应度值，因而得到最多的复制机会。这种方式使得算法快速收敛，同时共享机制有助于将群体尽可能在前端上均匀分布。通过计算位于相同级别前端上的个体的共享函数来实现共享过程。通过累计位于某一前端的所有个体的共享数值作为小生境数目。B8 第5章供水管网水质监测点优化布置这种算法可以很好地搜索非劣解的区域，而且可以使种群很快收敛到这一区域。算法效率主要体现在伪适应度的赋值上，能够解决目标函数为任意数量的问题，且不管它们属于最大化问题还是最小化问题。同时由于是在变量空间中进行比较，所以允许具有相同目标函数的不同解存在，允许存在多个不同的等效解。有些研究者认为这种算法的主要缺点是计算效率较低，计算复杂度为0(此Ⅳ3)(M为目标数量，N为种群大小)，未采用精英保留策略，共享函数盯需要预先确定。(3)NSGA--ⅡDeb等学者在2000年对原始的NSGA进行改进，提出改进型非劣遗传算法(NondominatedSortingGeneticAlgorithm，NSGA--H)。对NSGA的最大改进是根据产生的各种非劣前端，采用更好的记帐策略，从而减少算法运行的整体时间，这种记帐策略还可以用于密度估计和拥挤比较。密度估计操作算子用于估计某个个体周围所处的群体密度，方法是计算两个解点之间的距离远近程度。拥挤比较操作算子是为了形成均分布的Pareto前端。这与原始的NSGA中的共享机制产生的效果类似，但不在采用小生境参数，一进化结果对这个参数的选择很敏感。拥挤比较算子需要计算每个个体的非劣级别和拥挤距离值。在计算完成这些数值之后，偏序结果就产生。这种排序结果表明，如果两个个体具有不同的非劣级别，进行比较，则选择低级别的个体。7否则，如果两个个体具有相同的非劣级别，则具有较大矩形提的个体被选中，因为该个体的邻居距其较远。NSGA一Ⅱ算法的其余部分与原始的NSGA相同。由于NSGA一Ⅱ采用了快速非劣排序，新的多样性保持策略，使得其计算复杂度为o(mu2)(M为目标数量，N为种群大小)，比原始算法的计算复杂度略有降低。5．3小规模管网实例研究5．3．1小规模管网简介及参数选择该管网是2006年在美国Cmcmati召开的“供水管网系统分析”年会中，供水管网水质监测点优化布置专题(SessionD-3：BattleoftheWaterSensor 第5章供水管网水质监测点优化布置Networks)采用的管网1。感谢美国Cincinnati大学的JamesGUber教授提供该管网资料。供水管网布置如图5．2所示，基本数据资料如表5．2所示。表5．2小规模实验管网基本数据表项目数目节点数126水池数l水塔数2管道数168水泵数2阀门数8图5．2小规模实验管网布置图污染事件的设定：污染物质：恒定物质(管网中不反应)；污染流量：125L／hr；污染物浓度：230，OOOmg／L；投加历时：2hr、5hr、10hr：延时长度：96hr；水力时间步长：liar；水质时间步长：5min； 第5章供水管网水质监测点优化布置污染浓度门限值：0．3mg／L。取样设定：单源污染：以均匀概率分布对所有节点进行采样，投加时刻为1—24小时整点时刻，共126X24个污染情况；双源污染：以均匀概率分布对所有两个节点进行采样，投加时刻为1--24小时整点时刻，共c‰x24个污染情况。注释：各节点污染事件发生的概率是不同的，重要性也不相同，而假定该小规模管网污染事件发生概率是均匀，是为了简化计算。同时，还是污染流量、污染浓度进行假定，鉴于硬件设备的限制，如果考虑太多情况将会大大增加计算内容，从而无法完成本次研究。NSGA一Ⅱ的参数经过相应的优化比较，发现种群数不能小于50，代数不能小于200代，尤其是对于随后研究的监测点数目较多的情况时，更不能少于该值。算法主要参数的选择见表5．3。表5．3算法主要参数选择参数参数值种群数50代数200交叉概率0．9变异概率l／N’交配池个体数目25锦标赛选择数目2·N为变量个数5．3．2不同监测点数目比较通过大量的枚举数据实验，获得了相同监测点数量下(5个，历时2hr)，不同布置方案产生的三个目标函数分布图(图5．3)。通过研究发现，三个目标函数在优化后会收敛于一个最终最优点，而不是一组Pareto最优解。不同的监测点数量会获得不同的优化布置方案，布置方案如表5．4所示。通过表5．4中不同监测点数量下的目标函数值，经过分析可以获得图5．4_5．6，9I 第5章供水管网水质监测点优化布置决策者可以根据实际需要确定最佳监测点数目。图5．3三目标组合分布图表5．4不同监测点数目比较检测点数监测点布置(JUNCTION-)Z。(1lr)Z：(103Gallon)Z。(％)511。83，100．116，12l24．5925．1788．10611．45，83，100，i16，12120．0423．3491．26711,45，65，83，ioo，116，12120．2020．8991．26811,45，65，83，100，116，121，12419．5514．2492．06911,35,45，65，83，100，116，121，12418．6312．6292．0611,35,45，68，72，83，100，116，1017．008．6l92．06121，12411,35,45,65,68,72,83，100,1116．948．5892．06l16，121，12411，20，35A5，65，68，70，83，1216．886．4292．06100，116，121，124Il，14，20，35，45，65，68，70．1515．465．8l92．2983，85，100，109，116，121，1241l，14，20，24，35,45，57，65，68，70，77，2013．724．4192．8683，87，95，100，109,112，116，121，124 第5章供水管网水质监测点优化布置051015监舅点教图5．4不同监测点数目与检出时间关系图051015监测点数图5．5不同监测点数目与污染水量关系图0510监测点数图5．6不同监测点数目与检出率关系图、j??^．H_．；；船∞坫埔00一皇一星鲁茁球÷■’、t、-～．；；拍∞巧加00一uo"【．【日望一啊*球孵～．．．●．———-’’’‘●√????／』钳g：眈虬5：舳昭盯^{6一辟习辑 第5章供水管网水质监测点优化布置图5．75个和20个监测点布置图5．3．3不同污染历时比较在前面假设的条件下，笔者分别对污染事件的不同投加历时进行了分析，分析发现，投加历时对监测点优化布置几乎没有影响，结果如图表6．5所示。分析其原因主要有：●投加量足够大，所以污染事件很快就会被检出。实际情况可能更复杂，应该考虑不同投加强度概率下的历时影响，这里需要更加深入的研究。·简化了仪器的监测水平，这方面的因素在实际应用中影响比较小。表5．5不同污染历时比较表投加历时检测点(JUNCTION一)Z1Z2Z32小时118310011612124．5925．1788．105小时118310011612124．5925．1788．1010小时1183100儿612124．5925．1788，105．3．4单污染源与多污染源比较单源污染和双源污染时，优化计算结果可以获得相同的布置方案。但是双源污染时，却可以获得更优的目标函数值，主要的原因是双源污染是同时发生，增加了监测的机会。94 第5章供水管网水质监测点优化布置表5．6单污染源与多污染源比较表l污染情况检测点(JUNCTION-)Z1Z2Z3l单源污染118310011612l24．5925．1788．10I双源污染1l8310011612111．1221．3892．065．3．5综合水质监测点布置比较通过水质计算获得各节点的水龄，水龄分布的直方图如图5．8所示。节点水龄≤18和≥65小时的节点，将不设为备选节点。主要原因有：●出厂水有水厂的处理做保障，而且出厂水节点一般都设有水质监测点；●管网末端节点在EPANET软件中是做过处理的，由此产生的水质数据是不可靠的，这些节点必须排除在备选方案集中。而且设置昂贵在线监测设备的利用率不高，除非用水量大、非常重要、整体销售给其它大用户的情况，再考虑设置。比如考虑设置5个监测节点，那么将18<水龄<65小时的分成5段：第一时间段水龄集为(JIj『NClrl0N-)：{30，31，46，54，55，106，117，118}：第二时间段水龄集为：{2l，22，23，24，25，32，33，43，44，45，48，49，50，53，56，58，59，68，95}：第三时间段水龄集为：f6，8，9，17，18，20，26，27，28，29，35，37，47，51，52，57，60，61，62，67，69，70，89，90，91，92，93，94，96，97，98，103，113，114l：第四时间段水龄集为：f4，5，12，19，39，40，63，64，65，66，72，73，74，77，79，80，8l，82，84，85，86，87，88，99，瞳蜊，101，115，恒崮，124}；第五时间段水龄集为：{0，2，3，14，15，41，42，7l，75，76，78，幽，102，109，110，119，120，127}； 第5章供水管网水质监测点优化布置器图5．8水龄分布直方图前面获得的监测点布置方案，如几INCTIoN．11、83、100、116、121五个监测点的布置方案，在以上第四、第五水龄集中有三个(带框节点)，节点JUNCTION-11属于水龄大于65个小时数据集，节点／UNCTION．121节点水龄剧烈变化，主要由于水塔TANK-131进水和出水对管网水力条件影响。在JUNCTION-121设置是合理的，水流方向会在一天中有变化，所以水力冲刷对水质影响严重，监测很有必要。其它节点主要设置在下游节点，尤其是几瑚CTlob卜83设置在管网末梢。表5．7列出了有无水龄约束的情况下，供水管网水质监测点优化布置比较结果表，图5．9显示了有无水龄约束的对比情况，除两点]UNCTION．100和121布置相同外，其它都略微进行了调整。通过比较我们发现，有水龄约束的情况较无水龄约束的情况下，指标Z1、z2、z3质量都有所下降。如前所述，各节点污染事件发生的概率是不同的，重要性也不相同，而假定该小规模管网污染事件发生概率是均匀，这样简化也增加了两者之间的差距。另外随着监测点数增加，这种差异会越来越小。 第5章供水管网水质监测点优化布置表5．7有无水龄约束的监测点优化布置比较表项目检测点(JUNCTION一)Z1Z2Z3l无水龄约束118310011612124．5925．1788．10l有水龄约束17458111012129．8445．9979．37图5．9有无水龄约束的优化监测点对比图这样处理有以下好处：●避免了在管网末端节点，这些显然不合理的节点设置监测点；●提高了水质监测点在各水龄特征上分配的均匀性，这样更能全面的反应整个供水管网的水质特征。供水管网水质监测点优化布置不是提供自动布置方案，工程师们可以使用他们的知识和经验来确定假设的有效性和可能的监测点位置1180]。本文只是提供一个思路，有经验的工程师可以依据自己的偏好进行决策。5．4大规模管网实例研究大规模管网实例选择如图5．3所示的供水管网，管网的概要信息如表5．8所示。卯 第5章供水管网水质监测点优化布置表5．8小规模实验管网基本数据表项目数目节点数6909水池数O水塔数O管道数7452水泵数25管长513kin污染事件的设定：污染物质：恒定物质(管两中不反应)；污染流量：125L／llr；污染物浓度：230,000mg／L；投加历时：2hr：水力时间步长：liar；延时长度：48hr：水质时间步长：5min：污染浓度门限值：0．3mg／L。取样设定：按照MonteCarlo重要性采样方法进行采样，分别选取按照节点水量(分布如图5．103、管径(图5．11、表5．9)进彳亍，投加时刻为1—24小时整点时刻，共800X24个污染情况。本实例研究不设双源污染。该管网各节点水龄分布的直方图如图5．12所示．大多数节点的水龄在54,时左右，水龄在35d,时左右的节点(位于图右端)，主要是管网末梢的节点，如前所述，在监测点优化布置备选方案中将不考虑这些节点，这也是设计水龄集的另一个意义所在。监测点优化过程与上小节的实例相同，这里不再叙述。优化结果布置如图5．13所示，优化的性能指标如表5．10所示。从表5．10可以看出即使采用20个优化点也不可能有很高的污染监测率，所以需要更加深入的研究解决这一问题，随后将具体分析解决思路。各优化布置节点的水龄如表5．11、5．12所示，各节点的水龄呈现比较均匀的分布可以相对的表达管网的代表水质，用户可以根据自己的需要开发相应的表现界面。 第5章供水管网水质监测点优化布置300—250j200羹150《100铲500L■●L101201节点图5．10节点水量分布示意图LL1L—L一．1l∞l2∞13∞1节点图5．11管段等级分布示意图表5．10设5个和20个监测点的优化结果表5节点20节点J701623J5084J68362371220、J681636J085l、J684637J0063、J70163483283673、5953、318、J673631435、n7304、J70啾；4151015J677641J0033、J679634J0139、6190、J688635822095J7146331165、J676649J001l、J69664313088、N6836、J702625JO004、N6240、107、185J7046415354、J68862956386最小监测时间：12．4hr最小监测时问：8．7hr污染水量：1069．2矗污染水量；90．O功3检出率：15．9％检出率：32．4％529630晕僻蒜神鞘舢 第5章供水管网水质监测点优化布置表5．9各种型号管径等级转化表DN22001600140012001000900800700600500400350300l等级13121l1098765432l曩咂争图6．12管网节点水龄直方图表5．11设5个监测点的各点水龄数据表节点名水龄(11r)J701623J50842，24J7016348328364．42J704641510155．34J6886358220955．601858．86l∞ 第5章供水管网水质监测点优化布置表5．12设20个监测点的各点水龄数据表节点名水龄(k)节点名水龄(1lr)J683623712201．08J676649J001l7．6659532．6361908．27J6SS629563862．68J67764lJ00338．783183．04N68369．04n73044．88J696643130889．24J679634JOl394．95739．74J71463311654．13N624010．141075．49J681636J0851lo．26J6736314356．57J704641535411．30J684637J00637．34J702625J000412_36现在针对表5．10所显示的优化结果检出率不高现象，而实际情况下我们不可能设置非常多的水质监测点以保证非常高的检出率。在小规模实例管网，如果设置20个监测点，监测点与节点比为15．5％，而针对大规模实例管网要有这么大的设置比例则需要1085个监测点，所以这是不现实的。对于小概率的污染事件，一味提高污染事件检出的比例是不合适的。笔者认为可以对整个供水管网系统进行彻底的脆弱性分析，采取措施减少可能发生污染事件，即主动采取措施提高供水管网的可靠度。这样可以集中应对可能发生的、较大概率的污染事件，。从而降低水质监测点数目，提高水质监测点的利用率。5．5本章小结监测供水管网的水质状况，提高供水水质的安全性是一个实际而又急待解决的问题，是余氯优化控制系统中非常重要的环节，是决策支持的依据。以往的研究都是将小概率的灾害预警和与常规监测分开考虑的，这样就大大降低水质监测点的利用效率。本章在基于污染事件的优化监测点布置中，加入节点水龄数据集约束，将这两个目标统一起来，实现了常规监测意义下的污染灾害预警监控。通过小规模管网和大规模管网的实际验证，证明了该方法的合理性和有效性，也对存在的问题指明了改进方向。lOl 第5章供水管网水质监测点优化布置图5．13设5和20个监测点的优化布置图 第6章余氯优化控制决策模型6．1水力优化调度决策模型水力优化调度决策是余氯优化控制决策的基础，余氯优化控制决策是建立在水力优化调度决策数据之上的，所以有必要首先分析水力优化调度的决策模型。6．1．1水力调度优化目标函数水力优化调度系统～般以供水管网运行费用最优为控制目标，以微观水力模型为调度方案评价基础。供水运行成本费用主要包括水处理制水成本和泵站供水电耗两部分。(1)制水成本水厂制水总成本G应该考虑各水厂取水和水处理的各项成本费用(包括人力资源费用)的总和。Ⅳcs=∑c。J踢(6．1)1-1式中：叼一各供水厂制水成本(元，m3)，包括取水和净水过程的各项成本费用；9一向各供水厂供水量(m‰)；N一承r令数。(2)泵站电耗泵站供水电耗。为：Ⅳo=∑％q，hpf(6．2)I-!式中：劬一泵站单位扬程和单位供水量的电费(元／(m3·m))，简称扬水成本；l∞ ——笙!皇叁墨垡垡墼型盗堕堡型仉一泵站流量(m3／h)；b—泵站扬程(m)；肼一泵站总数。其中扬水成本的计算方法如下：铲坠360半0r／,=击36717,㈦名s，⋯，M瓶s，‘。．。⋯一，‘’‘、V⋯式中：局～电价(元，(kW．h))o_17』—泵站在调度时段内的平均效率(％)。(3)运行成本费用供水运行成本费用G应包括制水费用和泵站供水电耗两部分。G=G+G--yc。，岛+∑f：，q，‰(6．4)6．1．2约束条件(1)管网水力条件约束主要指的是管网流量连续性方程和能量平衡性方程，如(6．5)式所示。f∑(±吼)+奶=oj--1，2,3，．．．，Ⅳ【赢一HⅡ=啪?一h一㈦，2轧埘伯j’式中：i—管段编号。_，一节点编号；M—管段数目：Ⅳ一节点数目：卯—管段i流量(m3／h)7O一节点，流量(m3／h)。珥7，上b一分别表示管段i起点和终点的节点压力(m)：西一以节点_，为终点的上管段集合；却—管段i的摩阻系数； 第6章余氟优化控制决策模型b—管段f上增加的压力(m)．(6．5)式是管网平差的基本方程，这方面的约束已经体现在管网的微观模型模拟的过程中。(2)泵站水力条件约束曲泵站的供水压力约束H饵哪。≤H一≤H呻。。(6．6)式中：喝t—泵站i供水压力(m)；正‰胁—泵站i供水压力最小值(m)；上‰。—泵站i供水压力最大值(m)。b1水泵供水流量约束g，蛔如≤叮一≤叮肼_Ⅱ(6．7)式中：q耐一水泵i供水流量(m3／h)：qp／m／n—水泵i供水流量最小值(m3／h)；q加一水泵i供水流量最大值(m3／h)。c)水泵的供水压力约束办舳≤ppi≤弗触(6．8)式中：p阳一水泵i供水压力(m)；Petm．h一水泵i供水压力最小值(m)；胁。一水泵i供水压力最大值㈣。d)水泵的供水流量约束q舢≤口∥≤叮胂(6．9)式中：锄一水泵i供水流量(o，11)；q：咖加一水泵i供水流量最小值(m3／h)；qpi,,,oz一水泵i供水流量最大值(m3Pa)。e)水泵数量约束Np‰。h≤N咄≤N呻。：t6．10)式中：坼m一第i泵站k类泵开机台数；％曲嘲一第i泵站k类泵最小开机台数；％曲。一第i泵站k类泵最大开机台数。(3)控制点压力约束 第6章余氯优化控制决策模型‰≤Ha≤‰(6．11)式中：肛第i控制点k时段的供水压力㈤：玩b咖一第i控制点k时段的最小供水压力(m)；王‰。一第i控制点k时段的最大供水压力㈤。(4)主控点与泵站压力相关性约束供水管网主控点与泵站有很强的相关性，不同的泵站对供水管网主控点的影响是不同的。获得这些相关性可以使优化过程更迅速快捷，避免搜索不必要的解空间，从而快速辅助决策。供水管网主控点与泵站的相关性数据可以通过灵敏度分析获得，建立主控点与泵站之间的联系实际也是微观水力模型的宏观提炼。(5)水泵操作合理性约束供水科学调度主要的调控对象是水泵。在实际运行中，水泵(包括电机)的操作根据其机械性能制定了一系列维护检修等方面的规定，或者说，水泵日常操作并不是随意控制的，它的运行要遵守一定的规程。因此，在优化调度系统中必须考虑水泵的操作规程，这样才能产生比较合理的方案。FS市尝试将水泵运行工况划分为九种状态，分别是：待开状态、初运状态、续运状态、超运状态、待停状态、休整状态、待运状态、超停状态、检修状态。实际运行中，每一台水泵均处于上述九种状态之一。随着时间的推移，以及调度指令的下达，水泵的状态会发生改变。调度系统决定操作某一台水泵必须要根据其现有状态，才能作出合理的选择，例如某台水泵正处于初运状态，按合理性要求，它是不能立即停机的。(6)水处理流程均衡性约束城市管网系统一般由多水源供水，每个水源均对应有水处理流程。由于每个水处理流程供水成本存在着差别，有的还存在较大的差别，因此，在决策过程中，单纯考虑节约能耗，往往会造成一个水处理流程因供水成本低而超负荷运行，另一个水处理流程由于供水成本高而常期低负荷运行甚至完全停止运行。这种调度方案在实际管网运行管理中，显然是不合理的。在实际供水系统的运行中，各水处理厂的运行是保持有一定均衡性的，这对整个管网的运行可靠性也是有利的。 第6章余氯优化控制决策模型(7)清水池水位约束由于清水池是水量贮存和调节设施，它除了贮存规定的事故用水量以外，主要调节的是水厂与二泵站供水之间的差异。清水池在整个供水系统中起到了联动缓冲作用，所以清水池水位约束应该纳入供水管网水力优化调度系统中来。在决策系统中，清水池水位仅作为选择调度方案的约束条件，通过限制泵站水泵最大开启台数来实现。6．2余氯优化控制决策模型比选6．2．1余氯优化控制目标常见的余氯控制目标有：·最小投加量目标，也是DBP减少的替代模型；●最佳期望目标浓度。(1)最小投加量模型最小化的投加氯量将会产生前面所述的许多优点如减少DBPs等，根据这一原则，很直观的可得：目标函数为：min羔艺聊(6．12)约束条件为：弓“s芎≤c_严；J=l"⋯，，l一；m=∥，⋯，／』+nh—l(6．13)^f?≥0；i=l，⋯，nb；k=l’⋯，仇(6．14)式中：M?一投加点i投加周期k时段内，总消毒剂的投加量(mg／L)；c_一节岗监测时间间隔m之后，消毒剂的浓度(rag／L)；c严，尹一监测节点消毒剂的最小和最大允许的浓度(rag／L)；口一监测时间的开始；％一所有可能设置二次加氯泵站的节点数； 第6章余氯优化控制决策模型^一水力循环时间步长数(等于监测时间步长数)。(2)最佳期望浓度模型氯会随时问衰减，余氯在管网中的时空分布呈现很大的波动性。管网中余氯分布最好的方式便是均匀的达到某一期望水平(c·)，与期望余氯浓度的差值便成为衡量用户水质的标准。量化这种偏差可以采用不同的方法，由于平均时空偏差的平方具有很好的统计意义，而且不是氯投加变量，最佳模型的表达形式如下：rainz(瓦)=丢粪去喜[qo)--C"]2(6．·s)式中：乃一规划范围的时间长度01)；c删一节点i在时刻t的消毒剂浓度(rag／L)：^一节点总数。在给定氯衰减级数和固定投加点的情况下，该种方式的优化目标函数可以使模型能够更加接近实际。输出浓度依赖于加氯点的输入浓度，优化投加量问题转化成乃趋于无限时投加量最小。此外还有类似公式(6．16)：矗^2minZ=nlill艺∑111in{o"mink(f)一矿，矿一q㈣(6．16)‘一‘一、’‘⋯·’l⋯o’由于公式(6．16)最小值只有零，没有什么意义【140]，所以二次形式建议采用公式(6．15)。6．2．2决策模型比较表6．1中很明确的显示了最佳期望浓度模型(6．15)的优越性，在计算机飞速发展的今天，模型计算求解已经不是模型应用的瓶颈了。所以通过比较，笔者建议使用最佳期望浓度模型形式作为余氯优化控制的决策模型。当考虑有限时段余氯浓度优化时，也可以使用多目标规划进行研究，因为此时式(6．15)中乃较小，不能同时包含最小投加量的内容。l∞ 第6章余氯优化控制决策模型表6．1优化投加量模型比较表模型分类最小投加量模型最佳期望浓度模型1．改善管网水质分布；实现功能减少总投加量2．减少投加量1．易于理解水质和水力之间的关系；2．不需要严格的水力周期。接近优点模型求解简单于实际应用；3．引入期望输出浓度c·，降低优化问题维度；4．计算要求不严格。1．易受水力周期影响；2．计算过程维度高：缺点计算量相对大3．实际应用中。为满足要求需要做必要处理，如TD,by_【⋯l采用修剪处理。1．Berry082]1．Propato[ts4l模型应用2．Constansin3)2．Propato0sfJ6．3二次加氯问题6．3．1概述供水管网二次加氯是大型供水管网余氯优化控制一种重要形式，是一种高效的余氯浓度控制策略，但在中小型供水管网通常不需要考虑二次加氯。在传统模式下，大型供水企业不得不面临两难的选择：一方面，由于氯在管网中长时间停留而发生衰减消耗，如果净水厂不增加过量的消毒剂量，就不能满足管网中许多关键点的余氯浓度要求；另一方面，过高的氯浓度将会产生气味，从而增加消费者的投诉。另外，过量的氯将会导致消毒副产物(DisinfectantBy-Products，DBPs)，这些物质将会危害人体的健康。所以，供水企业不得不在保持供水管网所有节点的余氯浓度要求和防止气味及消毒副产物增加这对矛盾中采取折衷。二次加氯是一种分布式的补给技术，通过在供水管网中的氯投加高效点再次投加或补充氯，改变氯的浓度分布，提高供水水质。二次加氯研究分为两部分内容，优化选址和优化余氯投加两部分。优化选址与优化投加可以同时进行， 第6章余氯优化控制决镱模型也可以分开进行。笔者认为加氯点选址优化与加氯量优化宜分开进行，主要考虑：a)加氯量优化是相对简单的工作，而加氯点选址涉及因素复杂；b)加氯点选址优化一次完成，长期使用，而加氯量优化宜随时间和环境变化而进行调整；c)加氯量优化以结构性决策为主，而加氯点选址优化以结构性和非结构性决策为主，所以加氯量优化相对容易整合在余氯优化控制决策支持系统中。6．3．2优化选址数学模型优化余氯投加可以采用公式(6．12)或(6．15)形式进行优化，其内容已经包含在余氯优化控制决策支持系统中了。对于优化选址可以采用如下模型：(1)覆盖模型1基于水力模型模拟计算，在有限现场监测点的情况下，Lee-Deininger算法可以根据用户用水量发现最佳的覆盖集，从而确定最佳的现场监测点。该方法实际是管网中的监测点应该覆盖最大的其它管网节点水量。引入“覆盖”或“覆盖节点”是为了建立联系，从而通过管网的其它节点的监测结果评价管网水质。如监测节点i从节前获得足够的水，那么说节点i覆盖节岗。因此，由于节点i覆盖节前，我们可以能够通过节点i的水质浓度推导出节厕的浓度。为了选择二次加氯点，需要象Lee和Deininger那样控制下游节点而不是上游节点。当一个节点选择为加氯点时，下游节点的水质可以通过一些假设而进行评价。借鉴以上方式可以建立优化问题：hmax艺坝(6．17)，约束条件：啦艺_s一(6．18)，∑形(f，D而一乃20(6．19)llo 第6章余氯优化控制决策模型式中：日一节点i水量(m3／d)；珊一所有可能设置二次加氯泵站的节点数；痒一节点数：％一最大二次加氯泵站数；溉一是否在i点设置二次加氯点，0为不在该点设置，1表示设置；弗一代表一个覆盖点，0为不覆盖，1为覆盖。约束(6．18)限N--次加氯点的最大数量。约束(6．19)限制管网中不同的节点，通过这个约束，使得监测节点j至少由一个二次加氯节点i覆盖，那么节点j的水量是足够控制的。(2)覆盖模型2覆盖模型2寻求确定最小化的二次加氯点，对于确定的节点和时段，这些加氯点能够提供完全的余氯覆盖。余氯覆盖序列由各个监测点和监测时段产生，并且保证各个监测点和时段由至少一个二次加氯点决定，因此导致完全的覆盖。该模型的关键步骤是确定一个节点是否被覆盖。优化问题为：min罗x,(6．20)约束条件为：荟啦!m⋯％吼．．，K(6．21)N：={“巧2c血，(6．22)耳={o，1)f_1，⋯，nb(6．23)式中：而一与覆盖模型l一样，是否在i点设置二次加氯点，0为不在该点设置，1表示设置；N；一监测点．，在时段k的余氯覆盖集；‰一规定设置二次加氯泵站的节点数；置一时段数；c；一节点，在k时刻的浓度(rag／L)：Cmie一管网预设最低浓度(rag／L)；％一所有可能设置二次加氯泵站的节点数。 第6章余氯优化控制决策模型覆盖集N：包括可能的二次加氯点i，该加氯点的浓度为c“，并且由此推导出的各节点j在时刻k余氯浓度大于c‘。在时交的水力条件下，该覆盖集能够通过消毒剂的一级衰减得到线性重叠141。根据前面的I，o模型c≯n：c“(0≤a：≤1)，相应的二次加氯点浓度为c“。因此覆盖集又可以定义为N：={fIⅡ：≥叩=c”／c“}。残余参数叩=c“／c“是一个有用的衡量消毒剂残留的设计参数，直接影响着优化模型的位置和数量。(3)优质水模型优质水模型基于管网水力和水质模型，假定水力情况和氯浓度能够在一定的时间内进行分析。将节点余氯浓度在限制范围内的消耗水量认为是优质水的范畴，其余则为不合格水。24小时内优质水的总量称为总优质水量，所有节点的总优质水量必须保留在一个能够接受的浓度范围内。该模型以总优质水量代替节点数量，作为优化的目标函数，该模型表示为：Ⅳ23max／"／--／QW=K∑∑巧(6．24)l-Im约束条件为：攻=0当岛