基于云计算的城市大规模供水管网系统可重构智能调度方法研究

Water supply system is the important symbol of urban civilization and modernization. It is of great significance to develop the efficient optimization scheduling theory and method of urban water supply system. The water supply network model of the existing optimal scheduling is not accurate with the low solving efficiency and the limited computing power. With the aid of network running large data, advanced modeling technology and intelligent optimization theory as the foundation, cloud computing architecture as a carrier, fast and exact of pipeline scheduling as the goal, this project puts forward the whole process solution of modeling, optimization decision to calculation. On the basis of forming the hydraulic microscopic model and water consumption prediction model, the project will construct the large-scale water supply network from the microscopic bi-level multi-objective optimization scheduling model, and the model will be revised dynamically; In order to adapt to the change of the requirements of dynamic scheduling tasks, the intelligent optimization algorithm, which is based on reconfigurable computing, will be researched and operator refactoring deployment mechanism will be designed. It is emphatically to provide flexible and efficient method of intelligent scheduling for the water supply network system. Finally the project will develop the distributed intelligent scheduling method for large-scale water supply network based on cloud computing to improve scheduling system efficiency. It has an important significance in improving the reliability of water supply system operation and economic benefit and provides effective intelligent scheduling system model and examples for other complex network system scheduling at the same time, which can promote the research and development in the related areas.

供水系统是城市文明和现代化的重要标志，发展高效的城市供水系统优化调度理论与方法极为重要。针对现有供水管网优化调度中模型不准确、求解效率不高、计算能力有限等问题，借助管网运行大数据，以先进的建模仿真技术和智能优化理论为基础，以云计算技术架构为载体，以快速准确管网调度为目标，提出从建模、优化决策到计算的全过程解决方案。在建立管网水力微观模型和用水量预测模型的基础上，构建大规模供水管网双层多目标优化调度模型，对模型实行动态修正策略；为适应动态调度任务需求的变化，研究基于可重构计算思想的智能优化算法，设计算子重构调配机制，着力为供水管网系统提供灵活高效的智能调度方法；最后发展基于云计算的大规模供水管网分布式智能调度方法，提高调度系统计算效能。项目研究对提高供水系统的可靠性运行与经济效益具有重要意义，同时也为其他复杂网络系统调度提供有效的智能调度模式与范例，以推进相关领域的研究与发展。

供水系统是城市文明和现代化的重要标志，发展高效的城市供水系统优化调度理论与方法极为重要。项目围绕针对现有供水管网优化调度中模型不准确、求解效率不高、计算能力有限等关键问题展开理论方法与应用研究。主要研究内容有：1）研究了基于智能学习机制的城市供水系统优化调度模型，项目利用智能系统机理构建了大规模供水管网双层动态多目标优化调度模型框架，提出基于混沌理论和连续深度信念神经网络的日供水量预测模型, 构建一种基于集成经验模态分解技术EEMD的双尺度深度信念网络日供水量预测模型, 建立了一种基于ARIMA(自回归整合移动平均模型)和CDBNN的时供水量混合预测模型, 研究出连续深度信念回声状态网络时供水量预测模型。2）研究了面向供水调度的高效可重构智能优化学习方法，利用智能算法无需问题本身强先验知识和具有解决黑箱问题特性以及其强感知学习能力，项目提出面向供水管网泵站电驱动系统参数估计的动态学习粒子群算法与分布式免疫智能学习方法，提出面向供水管网数据分析的先进型大间隔分布机学习分类方法、相似度度量学习方法、字典学习算法及多通道联合稀疏模型算法。3）研究面向云计算的大规模供水管网分布式调度方法，在面向供水调度云环境应用平台资源高效开发，项目提出了面向管网非线性系统参数估计的并行免疫粒子群算法；提出了基于多核计算架构的并行协同进化粒子群算法，提出了一种结合现代多核并行计算与生物启发智能学习理论的系统参数优化方法，构建了一种基于GPU的免疫动态微粒群并行智能方法，研究基于忆阻器的低功耗加速训练系统，提出双向可访问存储单元设计方法及系统，提出了数据复用数据流策略以及支持该复用数据流的忆阻快速计算架构。4）研发出面向城市供水调度的水量预测云平台原型系统并实现面向供水调度的日供水量智能预测实际水厂应用。项目研究取得了一系列有特色的创新性成果，项目研究成果为城市供水调度提供新颖有效的解决方案,同时也有利于发展智慧水务理论及应用。