技术特征：
1.一种基于模糊神经网络和遗传算法的供水管网优化调度方法，其特征在于：s1、随机产生多个初始个体，构成初始种群，其中个体的染色体编码包含该供水管网内各水厂供水泵站的供水流量和压力参数；s2、将个体中各水厂供水泵站的供水流量和压力参数输入经训练的神经网络模型，预测供水管网中各测点的流量和压力值；所述神经网络模型的训练数据集包含大量供水管网内各水厂供水泵站的供水流量和压力参数，以及与供水泵站流量和压力参数对应的供水管网内各测点的流量和压力实测值；s3、基于个体中各水厂供水泵站的供水流量和压力参数，以及预测得到的各测点流量和压力值计算该个体的适应度函数值；s4、基于种群中各个体的适应度函数值进行遗传算法中的选择、交叉、变异，构成新一代的种群；s5、转至步骤s2，直至遗传代数达到设定代数，得到经遗传算法优化的各水厂供水泵站的供水流量和压力参数。2.根据权利要求1所述的基于模糊神经网络和遗传算法的供水管网优化调度方法，其特征在于：所述各水厂供水泵站的供水流量和压力参数和各测点的流量和压力均具有约束条件，包括：供水泵站日供水能力约束、供水泵站提升扬程约束、测点压力约束、水量供需平衡约束。3.根据权利要求1所述的基于模糊神经网络和遗传算法的供水管网优化调度方法，其特征在于：所述基于个体中各水厂供水泵站的供水流量和压力参数，以及预测得到的各测点流量和压力值计算该个体的适应度函数值，包括：基于个体中各水厂供水泵站的供水流量和压力参数计算能耗目标函数值f1，基于预测得到的各测点流量和压力值计算管网可靠性目标函数值f2，基于个体的能耗目标函数值及相应的管网可靠性目标函数计算该个体的适应度函数值。4.根据权利要求3所述的基于模糊神经网络和遗传算法的供水管网优化调度方法，其特征在于，所述能耗目标函数值f1，包括：式中：ρ
‑‑
表示水的密度，kg/m3；g
‑‑
表示重力加速度，g/s2；q
ij
—表示j泵站在i时段内的流量(m3/h)；h
ij
—表示j泵站在i时间内的扬程(m)，基于供水泵站的供水流量和压力参数计算得到；m—表示厂站向管网供水的时间段数(一般为24小时)；n—表示供水系统中泵站总数量。5.根据权利要求3所述的基于模糊神经网络和遗传算法的供水管网优化调度方法，其特征在于，所述管网可靠性目标函数值f2，包括：
式中：q
i
—节点流量，m3/s；h
i
—节点i实测水压，kpa；—节点i的最低要求水压，kpa；n—表示供水系统中节点数量。6.根据权利要求3所述的基于模糊神经网络和遗传算法的供水管网优化调度方法，其特征在于，所述基于个体的能耗目标函数值及相应的管网可靠性目标函数计算该个体的适应度函数值，包括：其中，f为适应度函数；c为常数；f为目标函数，f＝αf1+βf2，0≤β≤1，7.一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～6任意一项所述基于模糊神经网络和遗传算法的供水管网优化调度方法的步骤。8.一种计算机设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～6任意一项所述基于模糊神经网络和遗传算法的供水管网优化调度方法的步骤。
技术总结
本发明涉及一种基于模糊神经网络和遗传算法的供水管网优化调度方法。本发明的技术方案为：S1、随机产生多个初始个体，构成初始种群；S2、将个体中各水厂供水泵站的供水流量和压力参数输入经训练的神经网络模型，预测供水管网中各测点的流量和压力值；S3、基于个体中各水厂供水泵站的供水流量和压力参数，以及预测得到的各测点流量和压力值计算该个体的适应度函数值；S4、基于种群中各个体的适应度函数值进行遗传算法中的选择种群、种群交叉、种群变异以及参数优化，构成新一代的种群；S5、重复步骤步骤S2～S4，直至遗传代数达到设定代数，得到经遗传算法优化的各水厂供水泵站的供水流量和压力参数。本发明适用于供水管网优化调度的技术领域。调度的技术领域。调度的技术领域。
技术研发人员：申屠华斌 周华 王韶伊 黄森军
受保护的技术使用者：中国电建集团华东勘测设计研究院有限公司
技术研发日：2022.11.18
技术公布日：2023/3/28