城市给水泵站经济运行的研究

发布时间：2020-03-20 05:59

【摘要】：本文主要对用水量预测模型、优化调度模型和泵站经济评价模型进行了深入的研究。针对现有泵站的现状和存在问题,提出了相关解决方法和建议。本文首先总结了影响城市用水量的相关因素,同时分析了节假日、气温、季节等因素影响下的用水规律。通过合理利用该用水规律,对于日后的生产计划、水量预测以及后续的水厂调度都具有很好地指导意义。用水量的预测方法一般分为时间序列和解释性预测方法。两者各有优势,而劣势在于前者忽略了影响用水量负荷的因素,后者则可能由于考虑影响用水量因素过多反而对预测效果造成干扰。因此,本文将这两种预测方法,即ARMA时间序列预测模型和遗传算法优化BP神经网络构建的解释性预测模型,采用IOWGA算子进行组合,以解决单一预测方法在不同时刻预测效果不稳定的问题。并且通过实例证明组合预测效果要优于单一预测方法。给水泵站的经济运行,主要是要求在不同的调度时段,对水泵进行合理搭配。一方面要求各运行水泵能发挥最大效率,且满足供水水量及水压的要求。另一方面也希望在同等出水量情况下运行时所消耗的电能最小。本文采用Lingo软件对改造前后的水泵机组工况进行求解。经对比分析,改造后的水泵组年费用降低18.21%。同时提出一种改进的经济评价模型,并在实际案例中得到应用,这为日后的水泵机组改造提供了一种新的经济评价方法。
【图文】：

神经网络,灾变预测,逻辑操作,多层前馈神经网络

神经网络P 神经网络概述工神经网络（Artificial Neural Network, ANN)是在人类对大脑础上人工构造的能够实现某种功能的神经网络，实质是由简单的复杂网络，具有高度非线性，从而实现逻辑操作等[28]。目前广泛地应用到诸多领域，如电力负荷和灾变预测等，其中 80网络模型采用的是 BP 网络及其变化形式[29]。神经网络是一种多层前馈神经网络，其拓扑结构是由输入层层三部分构成，图 2-1 所示为具有一个隐含层的 BP 网络拓扑，X2，···，Xn表示有 n 个输入信号，Y1，，Y2，···，Ym表示 BP测值，wij和 wjk为该网络的权值。

相关图,Q统计量,相关图,水量

图 4-2 水量序列的相关图与 Q 统计量（3）模型参数估计Eviews 软件中包含有最小二乘法的参数估计模块，并结合相关统计量检验参数的显著性以及模型整体的显著性，根据模型所得的特征根来判断其倒数是否在单位圆内，从而检验模型本身的合理性。ARMA（3,0）、ARMA（3,1）、ARMA（3,2）以及 ARMA（3,3）模型参数估计结果见表 4-3、4-4、4-5 以及 4-6 所示。表 4-3 ARMA（3,0）参数估计结果Variable Coefficient Std. Error t- Statistic Prob.C 60785.51 607.5444 100.0511 0.0000AR(1) 0.545844 0.095332 5.725702 0.0000AR(2) -0.060462 0.152666 -0.396040 0.6932AR(3) 0.109547 0.162635 0.673575 0.5027SAGMASQ 3393401. 433849.4 7.821610 0.0000
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TU991.35

【参考文献】