一种水箱动态调蓄方法与流程

本发明涉及水箱供水系统
技术领域：
，尤其涉及一种水箱动态调蓄方法。
背景技术：
：目前水务终端供水分为两部分，一部分是市政管网直供水，一部分是通过加压设备进行二次供水。其中，水箱就是二次供水的一种方式，其方法为将自来水泄在水箱中，当用户供水高峰时期，就利用水箱的水进行供应，解决水不够的问题。目前行业内水箱普遍采用浮球阀进行液位控制，浮球阀的控制方式特点在于，一旦监测到水箱液位下降，就会打开阀门向水箱进水。而通常液位下降一般发生在用户用水高峰期，这样容易导致水箱在用户用水高峰期集中向市政管网取水，造成市政管网压力骤降，影响直供区用户用水。采用浮球阀进行液位控制存在以下问题：(1)浮球阀控制逻辑简单，且不符合实际居民用水需求；(2)城市大量水箱无法进行合理蓄水调度，导致高峰期用水量不足；(3)没有根据用户用水习惯，进行精细化水箱的蓄水。技术实现要素：针对现有技术中存在的上述问题，现提供一种水箱动态调蓄方法。具体技术方案如下：本发明公开一种水箱动态调蓄方法，应用于水箱供水系统中，所述水箱供水系统包括多个终端设备，每个所述终端设备用于记录用水区域的每个水箱的日用水量，其中，所述水箱动态调蓄方法具体包括以下步骤：步骤s1、预先测量每个所述水箱的物理尺寸参数，并根据所述水箱的物理尺寸参数构建一蓄水初始顺序，所述物理尺寸参数包括每个所述水箱的高度参数、周长参数以及面积参数中的一类参数；步骤s2、预先设置每个所述水箱的蓄水开始时刻、蓄水结束时刻、蓄水预计时间以及水箱进口流速；步骤s3、根据所述蓄水开始时刻、所述蓄水结束时刻、所述蓄水预计时间以及所述水箱进口流速对所述蓄水初始顺序进行排序，以处理得到多个水箱蓄水顺序；步骤s4、采用遗传算法对多个所述水箱蓄水顺序进行优化，以确定所述水箱的蓄水顺序并输出；步骤s5、按照输出的所述蓄水顺序控制外部的蓄水装置依次对所有的所述水箱进行蓄水。优选的，于所述步骤s1中，根据所述物理尺寸参数由高至低对所述水箱进行排序，以构建所述蓄水初始顺序。优选的，于所述步骤s3中，对所述蓄水初始顺序进行排序的过程中，包括蓄水基础排程与时间限制排程；所述蓄水基础排程是根据所述水箱的放置点以及放置空间对所述蓄水初始顺序进行排序，以处理得到一蓄水基础顺序列表；所述时间限制排程是根据所述水箱的时间排程对所述蓄水基础顺序列表进行优化，以处理得到多个所述水箱蓄水顺序，所述时间排程包括所述水箱的蓄水开始时刻、蓄水结束时刻以及蓄水预计时间。优选的，所述蓄水基础排程的实现过程包括以下步骤：步骤s30、按照所述蓄水初始顺序对每个所述水箱进行排序；步骤s31、获取顺序为第一位的所述水箱的放置点以及放置空间；步骤s32、判断所述放置点是否在所述时间排程的限制区域内，且所述放置空间是否满足放置其他所述水箱；若是，则放置合适的所述水箱，并实时更新未放置的所述水箱的放置点与放置空间，并按照所述蓄水初始顺序获取顺序为下一个的所述水箱的放置点以及放置空间，直至所有的所述水箱全部放置完毕，以得到多个所述水箱蓄水顺序；若否，则转向所述时间限制排程。优选的，所述时间限制排程的实现过程具体包括以下步骤：步骤s33、获取未放置的所述水箱；步骤s34、根据所述水箱的所述时间排程生成新的放置点，并在新的所述放置点放置所述水箱；步骤s35、在放置所述水箱之后更新所述放置点，并判断是否有剩余的所述水箱；若是，则返回所述步骤s33；若否，则结束进程。优选的，于所述步骤s4具体包括以下步骤：步骤s40、预先定义每个所述水箱蓄水顺序为一个算子，定义每个所述水箱为一个种群，并将多个所述算子进行顺序编码，生成一顺序数字编码；步骤s41、对每个所述种群以及所述算子的遗传参数进行初始化，以生成一初始种群，所述遗传参数包括算子的最大遗传代数、重复代数以及所述种群的评估限制值；步骤s42、采用一适应度评估函数，对所述初始种群中的每个所述算子的适应度大小进行计算，以输出每个所述算子的适应度评估值；步骤s43、对所述初始种群中的所述适应度评估值高的所述算子分别进行选择运算、交叉运算以及变异运算，以处理得到新一代的所述算子；步骤s44、反复执行所述步骤s43，根据一预设的终止判断步骤对新一代的所述算子进行选择，以确定生成一最优算子；步骤s45、根据所述最优算子确定唯一的所述水箱的蓄水顺序并输出。优选的，于所述步骤s42中，所述适应度评估函数通过以下公式得到：y＝k1*h+k2d+k3t；其中，y用于表示所述适应度评估值；h用于表示当前所述种群的最大流量；d用于表示所述算子的实际流量的方差；t用于表示所述算子的剩余活动时间；k1、k2、k3用于表示权重。优选的，预设的所述终止判断步骤包括：判断每一代的所述算子的适应度评估值是否大于所述评估限制值；若是，则继续遗传；若否，则结束遗传，将当前的所述算子作为最优算子并输出；或将每一代的所述算子连续遗传第一预设代数，并判断连续遗传所述第一预设代数之后的遗传结果是否相同；若是，则输出当前的所述算子作为最优算子并输出；若否，则继续遗传；或将每一代的所述算子连续遗传第二预设代数，并将连续遗传第二预设代数的遗传结果作为最优算子并输出。优选的，所述第二预设代数大于所述第一预设代数。优选的，于所述步骤s41中，所述最大遗传代数初始化设置为50代；和/或所述重复遗传代数初始化设置为20代；和/或所述评估限制值初始化设置为500。本发明的技术方案有益效果在于：提供一种水箱动态调蓄方法，对用水区域的所有水箱的蓄水时间进行优先级排列，确定每个水箱的蓄水顺序，实现错峰调蓄，以确保供水周期内足够供水。附图说明参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。图1为本发明的实施例的水箱动态调蓄方法的步骤流程图；图2a-2d为本发明的实施例的水箱动态调蓄方法的放置点的实施例的结构示意图；图3a-3c为本发明的实施例的水箱动态调蓄方法的放置空间的实施例的结构示意图；图4为本发明的实施例的水箱动态调蓄方法的蓄水基础排程的步骤流程图；图5为本发明的实施例的水箱动态调蓄方法的时间限制排程的步骤流程图；图6为本发明的实施例的水箱动态调蓄方法的步骤s4的步骤流程图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。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。下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。本发明包括一种水箱动态调蓄方法，应用于水箱供水系统中，水箱供水系统包括多个终端设备，每个终端设备用于记录用水区域的每个水箱的日用水量，其中，水箱动态调蓄方法具体包括以下步骤：步骤s1、预先测量每个水箱的物理尺寸参数，并根据水箱的物理尺寸参数构建一蓄水初始顺序，物理尺寸参数包括每个水箱的高度参数、周长参数以及面积参数中的一类参数；步骤s2、预先设置每个水箱的蓄水开始时刻、蓄水结束时刻、蓄水预计时间以及水箱进口流速；步骤s3、根据蓄水开始时刻、蓄水结束时刻、蓄水预计时间以及水箱进口流速对蓄水初始顺序进行排序，以处理得到多个水箱蓄水顺序；步骤s4、采用遗传算法对多个水箱蓄水顺序进行优化，以确定水箱的蓄水顺序并输出；步骤s5、按照输出的蓄水顺序控制外部的蓄水装置依次对所有的水箱进行蓄水。通过上述水箱动态调蓄方法的技术方案，如图1所示，该水箱动态调蓄方法中，首先预先测量每个水箱的物理尺寸参数，物理尺寸参数包括每个水箱的高度参数、周长参数以及面积参数中的一类参数，然后根据物理尺寸参数由高至低对水箱从左到右，从下到上的顺序进行排列，以构建蓄水初始顺序，例如，根据水箱的周长来筛选，水箱越规整，越靠前排列；根据水箱的面积来筛选，水箱的面积越大，越靠前排列；根据水箱的高度来筛选，水箱的高度越高，越靠前排列，减小因为个别高度过高放在最后排列，而导致整个排列的高度增加。进一步地，预先设置每个水箱的蓄水开始时刻、蓄水结束时刻、蓄水预计时间以及水箱进口流速，并根据蓄水开始时刻、蓄水结束时刻、蓄水预计时间以及水箱进口流速对蓄水初始顺序进行排序，以处理得到多个水箱蓄水顺序。需要说明的是，每个水箱的蓄水结束时刻、蓄水开始时刻以及蓄水预计时间可以进行预先设置或根据终端设备采集用水区域的每个水箱的日用水量分析得到或可以采用现有技术中的分析方法得到，在此不再赘述。进一步地，采用遗传算法对多个水箱蓄水顺序进行优化，以确定水箱的蓄水顺序并输出，最后按照输出的蓄水顺序控制外部的蓄水装置依次对所有的水箱进行蓄水。进一步地，对用水区域的所有水箱的蓄水时间进行优先级排列，确定每个水箱的蓄水顺序，实现错峰调蓄，以确保供水周期内足够供水。在一种较优的实施例中，于步骤s3中，对蓄水初始顺序进行排序的过程中，包括蓄水基础排程与时间限制排程；蓄水基础排程是根据水箱的放置点以及放置空间对蓄水初始顺序进行排序，以处理得到一蓄水基础顺序列表；时间限制排程是根据水箱的时间排程对蓄水基础顺序列表进行优化，以处理得到多个水箱蓄水顺序，时间排程包括水箱的蓄水开始时刻、蓄水结束时刻以及蓄水预计时间。在该实施例中，该放置点可以作为排程的基石，在考虑蓄水排程的流程之前，首先引入放置点的概念，以下列实施例说明。例如，任意水箱的排序从原点开始，会产生两个新的放置点，包括在右上角和右下角，当放入新的放置点则有以下三种情况：a.新放入的水箱比原来的水箱矮，则正常产生放置点(a)，如图2a所示；b.新放入的水箱和原来的水箱齐平，则产生的放置点和临近水箱的放置点重叠，该方向无新的放置点，与原来的放置点相同，依然是放置点(b)，如图2b所示；c.新放入的水箱比原来水箱高，则新放置点需要平移至水平线上的其他水箱或边缘位置(c)，如图2c所示，在图2c中标出除新增的放置点，不包含该情况下所有的放置点；例如图2d所示，所有的放置点为4个。进一步地，放置点包含放置点的位置和该放置点的放置空间(长w，高h)，在产生新的放置点时，会有以下两种特殊情况，例如图3a、3b所示。其中，时间限制也会对放置点产生影响，考虑水箱的启动时间与结束时间以及综合考虑放置点与放置空间，这样时间限制所产生的空间和放置点的交集会产生一个新的放置空间，如图3c所示。进一步地，如图4所示，蓄水基础排程的实现过程包括以下步骤：步骤s30、按照蓄水初始顺序对每个水箱进行排序；步骤s31、获取顺序为第一位的水箱的放置点以及放置空间；步骤s32、判断放置点是否在时间排程的限制区域内，且放置空间是否满足放置其他水箱；若是，则放置合适的水箱，并实时更新未放置的水箱的放置点与放置空间，并按照蓄水初始顺序获取顺序为下一个的水箱的放置点以及放置空间，直至所有的水箱全部放置完毕，以得到多个水箱蓄水顺序；若否，则转向时间限制排程。在该实施例中，该蓄水基础排程是在根据水箱的放置点以及放置空间，按照从左到右以及从下到上的顺序匹配所有的放置点和当前水箱。进一步地，如图5所示，时间限制排程的实现过程具体包括以下步骤：步骤s33、获取未放置的水箱；步骤s34、根据水箱的时间排程生成新的放置点，并在新的放置点放置水箱；步骤s35、在放置水箱之后更新放置点，并判断是否有剩余的水箱；若是，则返回步骤s33；若否，则结束进程。该实施例中，该时间限制排程按照从下到上的顺序获取放置点，并和水箱的时间限制范围生成新的放置空间，新的放置点和水箱匹配并放置，添加新的放置点，更新被影响的放置点。上述技术方案，以实施例来进行说明，例如，一个排序方案的排序顺序为：水箱1、水箱2、水箱3、水箱4、水箱5，首先取出水箱1，对比放置空间能否放下其余水箱，且放置点是否在蓄水时间限制区域内，如果所有放置点都不在水箱1的蓄水时间范围内，就取出水箱2，直到按排序顺序顺延找到在限制区域内的水箱为止(这里需要说明的是，每个水箱的限制区域是不同的)；假如，水箱2符合匹配条件，则安置水箱2，即这水箱排序变为：水箱1、水箱3、水箱4、水箱5，然后，重新从水箱1开始重复查找匹配安置点，直到所有水箱都无法匹配，则进入时间限制排程，以处理得到多个水箱蓄水顺序。可拓展的，有十种排序方式，将转化为10个时间表。进一步地，对用水区域的所有水箱的蓄水时间进行优先级排列，确定每个水箱的蓄水顺序，实现错峰调蓄，以确保供水周期内足够供水。上述蓄水基础排程与时间限制排程根据水箱的放置逻辑对给定顺序的水箱进行排程，得到可以满足时间限制条件的排程方案，但该方案并不一定是优秀的方案，该方案可以视为遗传算法中的一个个体或算子，遗传算法根据遗传父代优秀基因更容易遗传的原理，在一定的种群和遗传代数中找到近似最优解。其中，每个水箱的蓄水初始顺序和时间限制都是固定的，因此，在时间限制排程之后，会处理得到多个水箱蓄水顺序，采用遗传算法对多个水箱蓄水顺序进行优化得到最大适应度的最优算子，以处理得到水箱的唯一蓄水顺序。例如，水箱1、水箱2、水箱3、水箱4以及水箱5的排序方式，最终会处理得到一个时间排序表，如表一所示。表一水箱2水箱1水箱4水箱3水箱50点2点3点4点5点在一种较优的实施例中，如图6所示，于步骤s4具体包括以下步骤：步骤s40、预先定义每个水箱蓄水顺序为一个算子，定义每个水箱为一个种群，并将多个算子进行顺序编码，生成一顺序数字编码；步骤s41、对每个种群以及算子的遗传参数进行初始化，以生成一初始种群，遗传参数包括算子的最大遗传代数、重复代数以及种群的评估限制值，例如，算子的最大遗传代数可以设定为50代、重复代数可以设定为20代以及种群的评估限制值可以设定为500；步骤s42、采用一适应度评估函数，对初始种群中的每个算子的适应度大小进行计算，以输出每个算子的适应度评估值；其中，适应度评估函数通过以下公式得到：y＝k1*h+k2d+k3t；其中，y用于表示适应度评估值；h用于表示当前种群的最大流量；d用于表示算子的实际流量的方差；t用于表示算子的剩余活动时间，水箱的剩余活动时间t指的是所有的水箱允许的最晚时间-实际最晚完成的时间；k1、k2、k3用于表示权重。步骤s43、对初始种群中的适应度评估值高的算子分别进行选择运算、交叉运算以及变异运算，以处理得到新一代的算子；其中，将选择、交叉、变异算子根据激活函数作用于群体，其中激活函数指初始设定的概率，例如设置交叉激活概率为0.8，表示有80％的可能性发生交叉，20％的可能性不会发生交叉。该实施例是根据选择算法和适应度评估值选择可以遗传下一代的方案，例如，评估值越低，被选中的可能性越低，选择算法可以引用jgap的bestselect算法直接引用的接口进行运算，在此不再赘述。步骤s44、反复执行步骤s43，根据一预设的终止判断步骤对新一代的算子进行选择，以确定生成一最优算子；该步骤中，预设的终止判断步骤包括：判断每一代的算子的适应度评估值是否大于评估限制值；若是，则继续遗传；若否，则结束遗传，将当前的算子作为最优算子并输出；或将每一代的算子连续遗传第一预设代数，并判断连续遗传第一预设代数之后的遗传结果是否相同；若是，则输出当前的算子作为最优算子并输出；若否，则继续遗传；或将每一代的算子连续遗传第二预设代数，并将连续遗传第二预设代数的遗传结果作为最优算子并输出。其中，第二预设代数大于第一预设代数，例如，第二预设代数可以设置为50代，第一预设代数设置为20代。步骤s45、根据最优算子确定唯一的水箱的蓄水顺序并输出。进一步地，对用水区域的所有水箱的蓄水时间进行优先级排列，确定每个水箱的蓄水顺序，实现错峰调蓄，以确保供水周期内足够供水。例如，最大遗传代数初始化设置为50代；和/或重复遗传代数初始化设置为20代；和/或评估限制值初始化设置为500。例如，在前20代，每一代的最优算子的适应度评估值对比评估限制值，如果评估限制值大于500，则继续遗传；如果评估限制值小于500，则结束遗传，当前算子可以作为最优解输出。例如，如果遗传代数大于20代之后，每一次对比完最优评估值之后，对比最优解是否继续连续20代相同，如果相同，则输出当前算子为最后输出；如果不相同，则继续遗传。例如，直到达到50代，则输出当前最优算子为最后输出。进一步地，采用遗传算法对多个水箱蓄水顺序进行优化得到最大适应度的最优算子，以处理得到水箱的唯一蓄水顺序。可拓展的，采用遗传算法，在十个水箱蓄水顺序方案中，判断最优的排序时间表是否能够满足条件，并将其余的排序时间表进行比较和优势结合，衍生出新的排序时间表，在形成的十个方案中，直至得到一个满足条件的方案为最优方案。需要说明的是，水箱的排程可以看做是一个np问题(np问题是指存在多项式算法能够解决的非决定性问题，而其中np完全问题又是最有可能不是p问题的问题类型)，理论上来说结果可穷尽，但水箱基数一旦过大，所消耗的计算资源和时间将花费较多，而且通常对于蓄水排程的要求不一定需要达到最优解，只要满足错峰条件即可。因此，该方案利用遗传算法解决此类问题，该最优方案实际上是局部最优解。以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。当前第1页12