CN117829473A - 一种耦合多要素的海绵城市雨水径流智慧调控方法 - Google Patents
一种耦合多要素的海绵城市雨水径流智慧调控方法 Download PDFInfo
- Publication number
- CN117829473A CN117829473A CN202311732268.XA CN202311732268A CN117829473A CN 117829473 A CN117829473 A CN 117829473A CN 202311732268 A CN202311732268 A CN 202311732268A CN 117829473 A CN117829473 A CN 117829473A
- Authority
- CN
- China
- Prior art keywords
- control
- regulation
- max
- total
- runoff
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 230000009467 reduction Effects 0.000 claims abstract description 21
- 239000007788 liquid Substances 0.000 claims abstract description 18
- 230000008878 coupling Effects 0.000 claims abstract description 13
- 238000010168 coupling process Methods 0.000 claims abstract description 13
- 238000005859 coupling reaction Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 230000001105 regulatory effect Effects 0.000 claims description 42
- 230000001276 controlling effect Effects 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000001970 hydrokinetic effect Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 abstract description 8
- 238000012986 modification Methods 0.000 abstract description 2
- 230000004048 modification Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009301 bioretention Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Flow Control (AREA)
Abstract
本发明公开了一种耦合多要素的海绵城市雨水径流智慧调控方法，所述方法在空间层、模拟层和控制层三个维度对雨水径流调控策略优选，通过调控设施和智慧调度改造海绵城市系统多个要素，可降低基础设施的改造规模和经济成本。通过基于规则的控制策略和模型预测控制策略两种方式，兼顾降雨信息、液位情况、流量情况和内涝溢流等系统状态，耦合海绵设施和管网系统等多要素，结合暴雨洪水管理模型进行水文水动力模型构建，最终确定优化控制策略，并基于径流峰值削减程度、径流总量削减程度和内涝溢流总量控制程度的优化目标，评价智能调控策略有效性。
Description
技术领域
本发明涉及一种耦合多要素的海绵城市雨水径流智慧调控策略，具体涉及基于智能感知和实时控制算法的多要素海绵城市雨水径流智能调控设计方法。
背景技术
变化环境为城市雨洪管理问题带来了不确定性外部条件，为应对气候变化和急性冲击，增强城市防洪排涝系统韧性，对城市雨水径流进行智慧管理和优化调控是非常必要的。一种方式是建设一系列海绵基础设施要素(生物滞留池、雨水花园、绿色屋顶、透水路面等)来增强城市雨水渗透和集蓄利用能力。另一种方式是通过智能设备和智慧调度改造排涝系统，近年来利用分布式系统动态调控水工建筑物(如阀门、闸门和泵站)对实时状态进行响应，可降低基础设施的改造规模和经济成本。
目前，常用于雨水系统调控的管理手段包括美国的最佳管理措施(BestManagement Practices，BMP)和低影响开发(Low impact development，LID)、英国的可持续排水系统(Sustainable Urban Drainage System，SUDS)、澳大利亚的水敏感型城市设计(Water Sensitive Urban Design，WSUD)，与此类似的，我国提出了海绵城市理念(SpongeCity)，这些手段主要通过增强自然空间和基础设施对雨水的调蓄能力，来实现减少暴雨径流和洪涝灾害防治，大多采用绿色与灰色基础设施等多要素相结合的方式，其中绿色基础设施是指绿色屋顶、雨水花园、透水铺装、植草沟、下凹式绿地等低影响开发(LID)设施，灰色基础设施通常指传统意义上的市政基础设施，是雨水系统的基础构成部分，一般包括管网系统、雨水井、雨水泵站、调蓄池等附属构筑物。近年来，利用低成本的传感器与控制器可实现雨洪系统管理的动态性和实时性，这一方向得到了广泛关注和研究，利用不同的雨洪管理技术手段组合，并结合智慧化设备和平台(如传感器、控制器和数据中心等)，是一种经济有效和可持续性的方法手段，可为应对变化环境下城市水资源挑战提供决策支持，对于提升城市雨洪管理和城市综合韧性具有极其重要的意义。
由于海绵城市雨水径流系统具有动态性、多目标性和不确定性等特征，对海绵城市雨水径流系统智能调控是指在海绵要素和排涝系统运行过程中，在线监测重要过程变量(例如降雨量、液位、流量等)，并依据实时监测数据和在线模型动态调整策略，利用实时控制智能算法，通过控制设备(阀门、闸门等)启闭程度对系统运行状态进行实时干预，实现排涝系统整体运行优化和雨水径流削减。常见的实时控制算法主要可分为启发式算法和基于优化的算法两大类，启发式算法是指基于经验或知识的算法，复杂程度低且易执行。模型是进行状态预测的重要工具，排涝系统实时控制使用到的模型可分为面向过程的模型和面向控制的模型。
发明内容
发明目的：为了实现多要素耦合、感知、控制的城市雨水径流调控，本发明提供一种耦合多要素的海绵城市雨水径流智慧调控方法。
技术方案：一种耦合多要素的海绵城市雨水径流智慧调控方法，包括海绵城市多要素组合应用、水文水动力模型构建和实时调控点位策略设计，步骤如下：
(1)海绵城市径流控制多要素空间分布位置解析；
(2)分布式系统智能感知和调控设施点位初步布设；
(3)基于暴雨洪水管理模型(storm water management model，SWMM)，对研究区城市排水管网、海绵要素和调控设施构建水文水动力学模型及参数率定；
(4)收集城市典型降雨场次数据，根据水文水动力学模型模拟初步确定无实时调控状态下不产生内涝溢流的场次降雨及排口流量峰值和总量水平。
(5)建立雨水径流控制优化目标，包括排口流量峰值、排口径流总量、内涝溢流总量，结合雨水径流控制优化目标，基于规则控制(rule-based control，RBC)和模型预测控制(model predictive control，MPC)确定实时控制优化策略，最后通过不同点位调控效果对比，确定调控点位分布策略。
进一步地，步骤(1)海绵城市径流控制多要素空间分布位置解析，为分布式感知调控设施选址做准备，所述多要素包括雨水桶、绿色屋顶、透水路面、调蓄池。
进一步地，步骤(2)分布式系统智能感知和调控设施点位初步布设采用随机布设方式，布设位置分为两类，一类是调蓄池出口附近，另一类是管网系统内部。
进一步地，步骤(3)构建水文水动力学模型及参数率定，考虑排水管网、海绵要素和调控设施，利用历史场次降雨率定模型基本参数。
进一步地，步骤(4)利用典型降雨场次数据，首先确定无实时调控状态下不产生内涝溢流的小降雨事件，其次是确定相应小降雨事件下的排口流量峰值(P，L/s)和总量水平(Q，m3)，用于调控方法优化效果的对照评价基准。
进一步地，步骤(5)建立雨水径流控制优化目标的目标函数为：
FV＝Vflood，original-Vflood
其中，PR代表径流峰值削减程度，Qmax，original是无调控状态下排口流量的峰值，Qmax是调控状态下排口流量的峰值，TVR代表径流总量削减程度，Voriginal，total是无调控状态下排口的径流总量，Vtotal是调控状态下排口流量的峰值，FV代表内涝溢流总量控制程度，Voriginal，total是无调控状态下系统内涝总溢流量，Vtotal是调控状态下系统内涝总溢流量。
进一步地，步骤(5)包括基于规则控制对管网内部流量进行控制，包括：
初始化液位预警阈值α∈(0.5，1)；
初始化调控设施开启程度Ot＝0＝1；
当HN_t＞α*HN_max，Ot＝1；
当0.5*Pmax≥Pt+1且HN_t＞0.5*HN_max，Ot∈(0.5，1)；
当0.5*Pmax<Pt+1且HN_t＞0.5*HN_max，Ot∈(0.5，1)；
当0.5*Pmax≥Pt+1且HN_t<0.5*HN_max，Ot∈[0，0.5]；
当0.5*Pmax<Pt+1且HN_t<0.5*HN_max，Ot∈[0，0.5]；
其中，HN_max表示目标节点的最大液位，HN_t表示目标节点当前时刻t的液位；Pmax表示降水峰值；Pt+1表示下一时刻t+1的降水量；Ot表示当前时刻t的调控设施开启程度，Ot∈[0，1]，0代表全部关闭，1代表全部开启。
进一步地，步骤(5)包括基于规则控制对海绵系统调蓄池进行调控，包括：
初始化水位阈值α1∈[0.5，1]，α2∈[0，0.5]；
初始化调控设施开启程度Ot＝0＝1；
当HS_t＞α1*HS_max，Ot∈(0.5，1]
当HS_t<α2*HS_max，Ot∈[0，0.5)
其余情况下，Ot＝0.5；
其中，HS_max表示调蓄池最高水位，HS_t表示当前时刻t的调蓄池水位；Ot表示当前时刻t的调控设施开启程度，Ot∈[0，1]，0代表全部关闭，1代表全部开启。
进一步地，步骤(5)包括基于模型预测控制对管网系统和海绵设施耦合的模型预测进行控制，包括：
初始化模型预测控制参数，控制目标参数，代价函数参数，优化参数；其中，模型预测控制参数包括：控制域，控制时间步，控制点位；控制目标参数包括目标节点和液位，目标管段和流量；代价函数参数包括节点内涝惩罚权重，内涝总量惩罚权重，流量/液位偏移惩罚权重；优化参数包括优化方法，内核数，进化代数，种群个体数；
初始化调控设施开启程度Ot＝0＝1；
将随机个体写入初始种群
运行SWMM模型并保存系统状态
通过变异、交叉操作，计算代价函数，评估控制候选方案
确定当前时刻t的调控设施开启程度Ot∈[0，1]，0代表全部关闭，1代表全部开启，进入下一时刻模拟。
本方法通过基于规则的控制策略和模型预测控制策略两种方式，兼顾降雨信息、液位情况、流量情况和内涝溢流等系统状态，耦合海绵设施和管网系统等多要素，结合暴雨洪水管理模型进行海绵管网水文水动力模型构建，最终确定时间层面和空间层面的优化控制策略，并基于径流峰值削减程度、径流总量削减程度和内涝溢流总量控制程度的优化目标，评价耦合时空优化的智能调控策略有效性。
有益效果：
通过比较多要素智慧调控得到的排口径流峰值和总量与无调控状态下排口径流峰值和总量，可知耦合多要素的海绵城市雨水径流智慧调控方法在小降雨条件下具有更优的径流削减表现。
与现有技术相比，本发明所提供的一种耦合多要素的海绵城市雨水径流智慧调控方法，将海绵要素、管网系统与实时控制耦合应用到城市雨水径流调控，显著效果如下：
1、综合利用海绵要素和管网系统现存空间对雨水径流的蓄滞作用，并结合实时调控策略进一步提升径流削减效果，减少新增基础设施的经济成本；
2、基于水文水动力模型，将分布式智慧感知和调控设施的空间分布点位选择与实时调控策略的优化同步结合起来，初步实现模拟一系统层面的耦合优化调控；
综上所述，本发明将海绵城市要素和基础管网系统结合起来，通过系统分布式感知调控，既能降低新增或改造基础设施的经济成本，又能实现雨水径流排涝系统时空模拟优化的整体性，为海绵城市智慧雨洪管理起到指导性作用，具有合理性和有效性。
附图说明
图1为本发明主流程图；
图2为本发明全流程图；
图3为实施例的研究区示意图。
具体实施方式
下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
本发明方法在空间层、模拟层和控制层三个维度对雨水径流进行智慧调控方法优选，将调控策略优化和调控点位优化相结合，提出了一种耦合多要素的海绵城市雨水径流智慧调控优化方法。本发明方法将海绵要素、管网系统与实时控制耦合应用，建立适用于小降雨事件的城市雨水径流多要素智慧调控方法，可有效降低雨水径流出口流量峰值和总量。如图1、2所示，该方法包括如下步骤：
(1)海绵城市径流控制多要素空间分布位置解析。
该步骤为分布式感知调控设施选址做准备，其中，多要素包括雨水桶、绿色屋顶、透水路面、调蓄池等要素。
(2)分布式系统智能感知和调控设施点位初步布设。
分布式系统智能感知和调控设施点位初步布设采用随机布设方式，布设位置分为两类，一类是调蓄池出口附近，另一类是管网系统内部。其中智能感知设施包括摄像头、液位计、流量计等，调控设施包括闸门、阀门等通过调节开度控制流量的设施，由于调控设施需要根据智能感知设施传输的数据进行调控，因此智能感知设施的布设点位与调控设施的布设点位相互对应。
(3)基于暴雨洪水管理模型(storm water management model，SWMM)，对研究区城市排水管网、海绵要素和调控设施构建水文水动力学模型及参数率定。
具体地，本步骤利用历史场次降雨率定模型基本参数
(4)收集城市典型降雨场次数据，根据水文水动力学模型模拟初步确定无实时调控状态下不产生内涝溢流的场次降雨及排口流量峰值和总量水平。
具体地，本步骤利用典型降雨场次数据，首先确定无实时调控状态下不产生内涝溢流的小降雨事件，其次是确定相应小降雨事件下的排口流量峰值和总量水平，用于调控方法优化效果的对照评价基准。
(5)建立雨水径流控制优化目标：排口流量峰值、排口径流总量、内涝溢流总量，结合雨水径流控制优化目标，利用基于规则控制(rule-based control，RBC)和模型预测控制(model predictive control，MPC)确定实时控制优化策略，最后通过不同点位调控效果对比，确定系统智能感知和调控设施点位空间分布策略，即调控点位分布策略。
如图2所示，基于规则控制分别针对管网系统和海绵系统，管网系统内部流量的规则控制主要依据系统液位和降水情况设置调控规则，海绵系统调蓄池的规则控制主要依据调蓄池水位情况设置调控规则，海绵设施和管网系统耦合的模型预测控制则考虑更多参数，包括模型预测控制参数(控制域，控制时间步，控制点位)，控制目标参数(目标节点和液位，目标管段和流量)，代价函数参数(节点内涝惩罚权重，内涝总量惩罚权重，流量/液位偏移惩罚权重)，遗传算法优化参数(进化代数，种群个体数)等。
雨水径流控制优化目标的目标函数为：
FV＝Vflood，original-Vflood
其中，PR代表径流峰值削减程度，Qmax，original是无调控状态下排口流量的峰值，Qmax是调控状态下排口流量的峰值，TVR代表径流总量削减程度，Voriginal，total是无调控状态下排口的径流总量，Vtotal是调控状态下排口流量的峰值，FV代表内涝溢流总量控制程度，Voriginal，total是无调控状态下系统内涝总溢流量，Vtotal是调控状态下系统内涝总溢流量。本方法调控目标即最大化流峰值削减程度、径流总量削减程度、内涝溢流总量控制程度。
基于规则控制(RBC)对管网系统的调控算法如下：
下面以真实小流域概化的研究区为例，选取多场实测降雨和设计降雨，验证耦合多要素的海绵城市雨水径流智慧调控的适用范围、合理性和有效性。
1.1试验流域概况
如图3，研究区来源于面积为0.123km2的真实小流域，进一步可划分为93个子汇水区，排水管网包括80个节点，其中包含1个排水口和77条管道(管径范围为0.25～0.65m)，海绵设施包括雨水桶、透水路面、调蓄池三种类型，另外区域内还包含一个雨量站。海绵设施中各要素的参数设置如下：雨水桶的总储存量为1134m3，路面由多孔路面层(150mm)和下面的储存层(300mm)组成。调蓄池存储容量由函数曲线A＝ahb表示，当A＝800，b＝0.3时，总存储容量为630m3，调蓄池有三处候选点位：S_A，S_B，S_C。
试验区一共考虑6个实时感应和调控设施(flow control device，FCD)布设点位(site 0，site1，site 2，site 3，site 4，site 5)，FCD前的节点作为液位控制节点。设置原则主要考虑以下几类条件：1)包含海绵设施较多的区域；2)管网支流汇入干管的前后区域；3)管网系统排口附近区域。基于以上子流域划分、管网系统概化、海绵要素解析和调控点位布设，利用SWMM平台初步构建水位水动力模型并对模型进行率定和验证。
1.2降雨场次筛选
研究共选用了设计降雨和实测降雨两种情景，其中设计降雨重现期考虑3年一遇、5年一遇、10年一遇、50年一遇和100年一遇五种情况，实测降雨选用当地的六场短历时和长历时降雨过程，雨型包括长历时小降雨、短历时暴雨、单峰、多峰等。通过不同重现期的降雨场次模拟计算，初步筛选出调控策略的适用情况为低于调控区域设计重现期为3年一遇的降雨强度的小降雨。在该强度条件下，能够在实现径流削减目标的同时，不产生内涝溢流。本次案例中适用降雨场次如表1所示。
表1适用于调控方法的小降雨筛选结果
1.3实时调控表现
1)首先比较不同降雨场次的调控效果。根据雨水径流控制目标(排口流量峰值、排口径流总量、内涝溢流总量)，分别计算无调控状态下的评价基准值。首先不考虑调蓄池空间差异影响，调蓄池设在S_A处，分别计算RBC调控前后的管网系统排口径流情况，如表2所示。
表2基于RBC调控前后的管网系统雨水径流峰值和流量
由表中结果可知，在RBC调控前后，系统内涝溢流量均为0，流域出口径流峰值和总量均有一定削减效果，其中，排口流量峰值削减效果更为显著，PR最高可达60％左右。
2)再进行不同海绵设施(调蓄池)空间选址影响对比，以长序列降雨场次S6为例，对调蓄池选址S_A、S_B、S_C的系统表现进行对比，如表3所示。
表3长序列降雨场次模拟下不同调蓄池选址的系统表现对比
由表中结果可知，仅在调蓄池位于S_C处时，长序列模拟条件下满足雨水排口流量峰值、总量同步削减且不产生内涝溢流的情况。
3)最后对比不同管网调控点位差异。因此，调蓄池选择在S_C处，以3年一遇设计降雨为例，进行海绵设施和管网系统多要素耦合MPC调控策略优选。调控点位包含了调蓄池出口处的控制点(site_4)和管网系统内部多点位(site_0，site_1，site_2，site_3，site_5)。结果如表4所示。
表4 3年一遇设计降雨条件下多要素耦合MPC调控系统表现
| 峰值(L/s) | 总量(m3) | 内涝溢流(m3) | |
| 无调控 | 111.00 | 294 | 0 |
| MPC(site 0～5) | 92.61 | 286 | 0 |
| PR | TVR | FV | |
| 评价结果 | 16.6％ | 2.7％ | 0 |
由表中结果可知，MPC调控前后，峰值削减程度较大，PR达到16.6％，总量削减程度较小，TVR为2.7％，并且MPC调控前后内涝溢流总量均为0。因此，通过海绵设施和管网系统多要素耦合及智能调控策略优选，可进一步有效提升雨水径流调控效果。
综合以上实施例分析结果，本发明提出的调控方法均能耦合现有海绵城市基础设施要素和排水管网系统，在特定小降雨条件下，结合两种实时调控策略能有效提升雨水径流调控效果，削减径流峰值和总量，不产生内涝溢流。
Claims (9)
1.一种耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：包括如下步骤：
(1)海绵城市径流控制多要素空间分布位置解析；
(2)分布式系统智能感知和调控设施点位初步布设；
(3)基于暴雨洪水管理模型，对研究区城市排水管网、海绵要素和调控设施构建水文水动力学模型及参数率定；
(4)收集城市典型降雨场次数据，根据水文水动力学模型模拟初步确定无实时调控状态下不产生内涝溢流的场次降雨及排口流量峰值和总量水平；
(5)建立雨水径流控制优化目标，包括排口流量峰值、排口径流总量、内涝溢流总量，结合雨水径流控制优化目标，基于规则控制和模型预测控制确定实时控制优化策略，最后通过不同点位调控效果对比，确定调控点位分布策略。
2.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(1)海绵城市径流控制多要素空间分布位置解析，为分布式感知调控设施选址做准备，所述多要素包括雨水桶、绿色屋顶、透水路面、调蓄池。
3.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(2)分布式系统智能感知和调控设施点位初步布设采用随机布设方式，布设位置分为两类，一类是调蓄池出口附近，另一类是管网系统内部。
4.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(3)构建水文水动力学模型及参数率定，考虑排水管网、海绵要素和调控设施，利用历史场次降雨率定模型基本参数。
5.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(4)利用典型降雨场次数据，首先确定无实时调控状态下不产生内涝溢流的小降雨事件，其次是确定相应小降雨事件下的排口流量峰值和总量水平，用于调控方法优化效果的对照评价基准。
6.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(5)建立雨水径流控制优化目标的目标函数为：
FV＝Vflood，original-Vflood
其中，PR代表径流峰值削减程度，Qmax，original是无调控状态下排口流量的峰值，Qmax是调控状态下排口流量的峰值，TVR代表径流总量削减程度，Voriginal，total是无调控状态下排口的径流总量，Vtotal是调控状态下排口流量的峰值，FV代表内涝溢流总量控制程度，Voriginal，total是无调控状态下系统内涝总溢流量，Vtotal是调控状态下系统内涝总溢流量。
7.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(5)包括基于规则控制对管网内部流量进行控制，包括：
初始化液位预警阈值α∈(0.5，1)；
初始化调控设施开启程度Ot＝0＝1；
当HN_t＞α*HN_max，ot＝1；
当0.5*Pmax≥Pt+1且HN_t＞0.5*HN_max，ot∈(0.5，1)；
当0.5*Pmax＜Pt+1且HN_t＞0.5*HN_max，ot∈(0.5，1)；
当0.5*Pmax≥Pt+1且HN_t＜0.5*HN_max，ot∈[0，0.5]；
当0.5*Pmax＜Pt+1且HN_t＜o.5*HN_max，ot∈[0，0.5]；
其中，HN_max表示目标节点的最大液位，HN_t表示目标节点当前时刻t的液位；Pmax表示降水峰值；Pt+1表示下一时刻t+1的降水量；ot表示当前时刻t的调控设施开启程度，Ot∈[0，1]，0代表全部关闭，1代表全部开启。
8.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(5)包括基于规则控制对海绵系统调蓄池进行调控，包括：
初始化水位阈值α1∈[0.5，1]，α2∈[0，0.5]；
初始化调控设施开启程度Ot＝0＝1；
当HS_t＞α1*HS_max，Ot∈(0.5，1]
当HS_t＜α2*HS_max，Ot∈[0，0.5)
其余情况下，ot＝0.5；
其中，HS_max表示调蓄池最高水位，HS_t表示当前时刻t的调蓄池水位；Ot表示当前时刻t的调控设施开启程度，Ot∈[0，1]，0代表全部关闭，1代表全部开启。
9.根据权利要求1所述的耦合多要素的海绵城市雨水径流智慧调控方法，其特征在于：步骤(5)包括基于模型预测控制对管网系统和海绵设施耦合的模型预测进行控制，包括：
初始化模型预测控制参数，控制目标参数，代价函数参数，优化参数；其中，模型预测控制参数包括：控制域，控制时间步，控制点位；控制目标参数包括目标节点和液位，目标管段和流量；代价函数参数包括节点内涝惩罚权重，内涝总量惩罚权重，流量/液位偏移惩罚权重；优化参数包括优化方法，内核数，进化代数，种群个体数；
初始化调控设施开启程度Ot＝0＝1；
将随机个体写入初始种群；
运行SWMM模型并保存系统状态；
通过变异、交叉操作，计算代价函数，评估控制候选方案；
确定当前时刻t的调控设施开启程度Ot∈[0，1]，0代表全部关闭，1代表全部开启，进入下一时刻模拟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311732268.XA CN117829473A (zh) | 2023-12-15 | 2023-12-15 | 一种耦合多要素的海绵城市雨水径流智慧调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311732268.XA CN117829473A (zh) | 2023-12-15 | 2023-12-15 | 一种耦合多要素的海绵城市雨水径流智慧调控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117829473A true CN117829473A (zh) | 2024-04-05 |
Family
ID=90521954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311732268.XA Pending CN117829473A (zh) | 2023-12-15 | 2023-12-15 | 一种耦合多要素的海绵城市雨水径流智慧调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117829473A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118521103A (zh) * | 2024-05-28 | 2024-08-20 | 民航机场规划设计研究总院有限公司 | 一种针对高度建成区民用机场的高效径流总量控制装置及调度方法 |
| CN118607251A (zh) * | 2024-06-25 | 2024-09-06 | 中国水利水电科学研究院 | 基于高精度雨洪模拟的海绵城市溢流设施构建方法及系统 |
-
2023
- 2023-12-15 CN CN202311732268.XA patent/CN117829473A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118521103A (zh) * | 2024-05-28 | 2024-08-20 | 民航机场规划设计研究总院有限公司 | 一种针对高度建成区民用机场的高效径流总量控制装置及调度方法 |
| CN118607251A (zh) * | 2024-06-25 | 2024-09-06 | 中国水利水电科学研究院 | 基于高精度雨洪模拟的海绵城市溢流设施构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117829473A (zh) | 一种耦合多要素的海绵城市雨水径流智慧调控方法 | |
| CN111428972B (zh) | 基于耦合模型的调蓄工程环境效应评估方法及装置 | |
| CN109492259B (zh) | 一种城市水文模拟系统 | |
| Gao et al. | A novel multi-objective optimization framework for urban green-gray infrastructure implementation under impacts of climate change | |
| CN1312629C (zh) | 城市排水系统不确定水力学模型建模方法 | |
| Park et al. | Optimal design of stormwater detention basin using the genetic algorithm | |
| CN111737853B (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
| CN105868462B (zh) | 一种海绵城市源头控制设施设计的优化方法 | |
| CN104915575B (zh) | 一种基于层次物元可拓法的海绵城区生态指数的评价方法 | |
| CN101807045B (zh) | 基于数据的城市污水泵站系统建模方法 | |
| CN114676473B (zh) | 一种基于人工智能算法的绿色基础设施空间布局优化方法 | |
| CN111062125A (zh) | 海绵型综合管廊水文效应评估方法 | |
| CN115758886A (zh) | 基于雨洪管网模型与决策树算法的调蓄池优化布设方法 | |
| CN110232479A (zh) | 一种城市水库防洪补偿优化调度方法 | |
| CN114331186A (zh) | 一种排水厂网河智能调度方法及系统 | |
| CN113050430A (zh) | 一种基于鲁棒强化学习的排水系统控制方法 | |
| CN115730739A (zh) | 一种基于lstm神经网络的城市内涝积水预测方法 | |
| CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
| Bakhsipoor et al. | Water quality effects on the optimal water resources operation in Great Karun River Basin | |
| CN117929671A (zh) | 一种流域水环境预测预警方法、系统及计算机设备 | |
| CN115907429B (zh) | 基于pso算法的合流制溢流优化控制方法及装置 | |
| CN114936505B (zh) | 一种城市雨水井多点位水深快速预报的方法 | |
| Kazemnadi et al. | Adaptive reservoir operation considering water quantity and quality objectives: Application of parallel cellular automata and sub-seasonal streamflow forecasts | |
| Stec et al. | Effect of development of the town of Przemysl on operation of its sewerage system | |
| Qiu et al. | A rainwater control optimization design approach for airports based on a self-organizing feature map neural network model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |