申请日2016.10.10
公开(公告)日2017.04.26
IPC分类号G06Q10/04; G06Q50/06; G06N3/12; G06K9/62
摘要
本发明公开了一种基于多目标混合遗传算法的污水再生回用数据处理方法，包括步骤：1、获取多层次水资源关系基本信息数据，建立基于城市集中式污水处理厂、集中式再生水厂间多层次数据配置关系;2、获取城市集中式污水处理厂、集中式再生水厂基本信息数据等数据信息;3、根据以上基本信息数据建立考虑水量平衡、供水能力、输水能力、需水能力、风险约束条件下的多目标数据配置模型，其中的目标函数为以水资源利用总量最大、水资源再生回用效益最大、子区人均缺水量最小建立的多目标函数;4、采用基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法求解得到不同情景下数据配置方案。本发明满足城市多目标多层次污水再生回用数据配置要求。
摘要附图
权利要求书
1.基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法，其特征在于，包括步骤：
步骤1，获取多层次水资源关系基本信息数据，建立基于城市集中式污水处理厂、集中式再生水厂间多层次数据配置关系;
步骤2，获取城市集中式污水处理厂、集中式再生水厂基本信息数据，获取尾水及再生水两种水资源各回用途径的供需预测数据，获取输配水数据、城市发展数据;
步骤3，根据以上基本信息数据建立考虑水量平衡、供水能力、输水能力、需水能力、风险约束条件下的多目标数据配置模型，其中的目标函数为以多类型数据最优建立的多目标函数;该多类型数据包括环境数据、效益数据、途径数据;
步骤4，采用基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法求解得到不同情景下数据配置方案。
2.如权利要求1所述的方法，其特征在于，所述步骤1具体包括：
步骤101，依据包括行政区划、水利条件、水资源利用工程的约束条件，将城市划分为多个子区;
步骤102，以各子区为单位，获取各子区中集中式污水处理厂、集中式再生水厂空间位置信息，获取集中式污水处理厂出水尾水去向信息，集中式再生水厂进水来源信息、集中式再生水厂出水去向信息;
步骤103，基于步骤102，建立基于集中式污水处理厂、集中式再生水厂的多层次数据配置关系，建立各集中式污水处理厂出水尾水、集中式再生水厂进水之间的关联关系，建立各集中式污水处理厂出水尾水回用去向关联关系，建立集中式再生水厂出水回用去向关联关系。
3.如权利要求1所述的方法，其特征在于，所述步骤2具体包括：
以各子区为单位，获取各集中式污水处理厂个数数据及空间位置分布数据信息、设计处理能力数据xi、出水尾水水质、出水尾水回用用途信息数据xw，获取集中式再生水厂个数及空间位置分布数据信息、设计处理能力数据xi’、进水来源信息、出水再生水水质、回用用途信息数据xj，获取市政输配水能力数据、费用系数c，获取各子区社会经济发展数据与承载人口数据b。
4.如权利要求1所述的方法，其特征在于，所述步骤3具体包括：
步骤301，确定数据配置模型的变量为(xi’j，xiw);
步骤302，建立水资源利用总量目标函数F1与多层次水量调度间的数学关系式，其中水资源利用总量目标函数以集中式污水处理厂出水利用量数据最大为表征：
MinF1(x)=Min∑(xi-xi’j-xw)
其中，i为集中式污水处理厂序号，i’为集中式再生水厂序号，j为集中式再生水厂回用用途序号，w为集中式污水处理厂除供给再生水厂外的回用用途序号，xi’j、xiw分别为各集中式再生水厂出水不同回用用途调配量与各集中式污水处理厂出水除供给再生水厂外的不同回用用途调配量;
步骤303，建立水资源再生回用效益目标函数F2与多层次水量调度间的数学关系式，并以多层次水资源调配效益数据最小为量化：
MinF2(x)=Min∑(xi’j×ci’j+xw×cw)
其中，ci’j、cw分别为集中式再生水厂出水及集中式污水处理厂出水除供给再生水厂外的不同用途在不同空间范围内的费用系数;
步骤304，建立子区人均缺水量目标函数F3与各层次水量调度间的数学关系式，该目标函数所包含个数取决于子区个数，并以各子区不同回用途径的供需人均缺水数据量最小为量化：
MinF3(x)=Min∑(xi’-xi’j)/b;
步骤305，确定所述数据配置模型的多目标函数为Min F(x)={F1(x)，F2(x)，F3(x)…Fn(x)};
步骤306，建立水量调度约束条件，包括供水能力约束、输水能力约束、需水能力约束等水量约束条件;
步骤307，根据以上基本信息数据建立基于城市集中式污水处理厂、城市集中式再生水厂多层次多目标数据配置模型，其中，所述数据配置模型为：
Min F(x)={F1(x)，F2(x)，F3(x)…Fn(x)}
式中，xi’jmin、xi’jmax分别为集中式再生水厂i’在不同回用用途j中调配数据的下限与上限，xiwmin、xiwmax分别为集中式污水处理厂i在除供给再生水厂外其它回用用途w中调配数据的下限与上限。
5.如权利要求1所述的方法，其特征在于，所述步骤4具体包括：
步骤401，根据步骤1-步骤3获取的信息数据，确定多年入模参数，包括多年时间T、xi、xi‘、xi’jmin、xi’jmax、xiwmin、xiwmax、ci’j、cw、b;
步骤402，设定混合遗传算法参数：确定初始种群个数G，子种群数SN，每个子种群个体数量M，遗传代数GEN;
步骤403，对目标函数进行约束处理：当目标函数决策变量不满足约束条件时，将其适应度函数值取为接近于零的一个小于预设阈值的数值，确定输出的决策变量符合约束条件;
步骤404，基于内点法对xi’j，xiw进行初始化种群;
步骤405，以二进制编码代表变量，根据个体适应度的大小利用约束非支配排序方法进行排序;
步骤406，计算每个种群个体的每个目标函数值，进行选择、交叉、变异操作，排序个体进行随机交叉、变异并成对比较，依据适应度大小比较值，依次将当前种群中的非劣解归为第一与第N个前沿面，并依据动态存档方法依次从各前沿面选取具有代表性的个体，根据筛选后的个体数量，动态调整种群，直到选择个体至达到所设定值;
步骤407，判断是否达到预定的遗传代数GEN，若没有达到，转到步骤405，继续下一轮的全局搜索，否则，输出动态外部归档集中的Pareto最优解集;
步骤408，分别代入步骤401中的多年数据，重复步骤402-步骤409，得到多年Pareto最优解集P1，P2，P3…PN;
步骤409，分别对多年Pareto最优解集P1，P2，P3…PN进行聚类筛分，分别得到离散度最小的P1K、P2K、…PNK的多年基于动态连续规划的最优解集;
步骤410，根据多年基于动态连续规划的最优解集P1K、P2K、…PNK，进一步设立不同目标约束条件情景并进行目标值筛分，得到基于模型目标最优动态解集。
6.如权利要求5述的方法，其特征在于，所述步骤409具体包括：
步骤4091，设立不同K值，分别运行步骤401-步骤407，以数据集标准差为指标，通过比较K值产生聚类方案间的离散性，确定聚类效果最好的K值并为下一步所用;
步骤4092，分别对多年Pareto最优解集P1，P2，P3…PN进行聚类筛分，分别得到P1、P2、…PN的K个聚类组;
步骤4093，以数据集标准差为指标，分别对P1、P2、…PN的K个聚类组进行数据离散性分析，得到离散度最小的P1K、P2K、…PNK的多年基于动态连续规划的最优解集。
7.如权利要求5所述的基于多目标混合遗传算法的多层次城市污水再生回用配置动态处理方法，其特征在于，所述步骤410具体包括：
步骤4101，依据模型设立的目标，分别设立基于水资源利用总量最大、水资源再生回用效益最大、子区人均缺水量最小及上述各约束条件的平均情景;
步骤4102，根据步骤409所得P1K、P2K、…PNK的基于动态处理的连续多年最优解集，以模型目标值为筛分条件，分别得到步骤4101所设情景条件下决策情景的数据配置方案。
说明书
基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法
技术领域
本发明涉及城市集中式污水再生回用领域，涉及多层次城市污水数据动态处理方法，尤其涉及一种基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法。
技术背景
城市集中式污水再生回用是一个涉及多个空间分散水源、多种水资源类型和多种回用途径的复杂数据处理问题，首先，城市集中式污水厂处理后的出水尾水可直接作为集中式再生水厂的水源，在水资源短缺的城市还存在长距离调配再处理回用的途径，再次，城市集中式再生水厂的出水可回用于城市杂用、工业、景观、农业等类别，故城市集中式污水再生回用涉及多层次的调配数据及其数据间关系，其回用途径及配置量决策问题最终可概化为一个多约束多阶段的动态、长期、复杂线性系统的控制问题。尤考虑到污水水源性质的特殊性，其回用过程中可能引发的生态环境、社会及经济投资影响间的利益决策，更增加了其优化求解的复杂程度。现针对于集中式污水再生回用数据配置方法的研究较少，多集中于水库水资源数据处理及配置问题，问题所解决目标也从单一因素过渡至多因素协同最优，多目标优化调度问题的求解先后有传统算法及各类仿生智能算法，传统算法在解决多目标问题时需要通过赋予各目标权重以形成单一目标才可求解，且最终将只产生一个解，该方法多适用于最终决策问题;研究者现多应用智能算法通过仿生原理以解决多目标问题的协同最优，具有代表性的包括遗传算法、蚁群算法、粒子群算法等，智能算法在解决多目标优化问题时具有全局寻优效果较好的特点。
遗传算法(Genetic Algorithm)由John H.Holland于1975年提出，是以自然选择和遗传理论为基础的算法，模拟自然界生物进化过程，采用人工进化的方式对目标空间进行随机优化搜索，它将问题域中的可行解看做是群体的一个个体或染色体，并将每一个个体编码成符号串形式，模拟达尔文的遗传选择和自然淘汰的生物进化过程，对群体反复进行基于遗传学的操作(遗传、交叉和变异)，从而达到高效全局寻优的目的。后逐步发展的改进遗传算法通过应用动态存档的方法，提高了原有算法在解决多目标问题上存在的全局优化不理想等问题，是应用于水资源多目标优化配置领域的热点算法。但该遗传算法在解决多目标多约束问题时仍存在全局收敛慢、所得解可能不为全局最优的问题。且由于遗传算法将产生不只一个解，不利于决策者提供规划年城市集中式污水再生回用具体方案。而在遗传算法解决多目标多约束城市集中式污水再生回用配置的线性规划问题并缩小最终解集范围为决策提供参考方面的相关文献目前仍没有。
发明内容
本发明所要解决的技术问题在于，针对城市集中式污水多层次再生回用的多目标多约束线性控制问题，通过建立多目标函数及相关约束模型，引入混合遗传算法对模型进行求解并对解集进行预筛分，提供一种基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法，实现城市集中式污水再生回用的多层次长期优化控制，为城市污水再生回用配置提供客观依据。
具体而言，本发明所要解决的技术问题，进一步为：将空间分散性强的集中式污水处理厂间的关联关系数据，进行城市层面上的宏观回用途径分析，提供一种基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法，该方法将集中式污水处理厂出水尾水(去向包括供给集中式再生水厂或进一步远距离调配)、集中式再生水厂出水(去向为供给城市区域各再生回用用途)的多层次多规划年城市污水回用作为一个动态整体系统进行水量数据的分析和数据间动态关系的分析，为污水回用的进一步决策提供客观数据依据。首先以水量平衡与水资源成本为基础建立多目标函数及相关约束线性模型，进而引入基于内点的混合改进遗传算法对所构建模型进行求解并对所得Pareto解集进一步聚类和目标值预筛分，最终得到城市集中式污水回用方案数据，以解决现有集中式污水回用以需定供、城市层面回用设计欠缺系统性的问题。
为了解决上述技术问题，本发明提供了一种基于多目标混合遗传算法的污水再生回用数据处理方法，包括步骤：
获取多层次水资源关系基本信息数据，建立基于城市集中式污水处理厂、集中式再生水厂间多层次数据配置关系;
获取城市集中式污水处理厂、集中式再生水厂基本信息数据，获取尾水及再生水两种水资源各回用途径的供需预测数据，获取输配水数据、城市发展数据。优选地，可采用以下方式：
以各子区为单位，获取各集中式污水处理厂个数数据及空间位置分布数据信息、设计处理能力数据xi、出水尾水水质、出水尾水回用用途信息数据xw，获取集中式再生水厂个数及空间位置分布数据信息、设计处理能力数据xi’、进水来源信息、出水再生水水质、回用用途信息数据xj，获取市政输配水能力数据、费用系数c，获取各子区社会经济发展数据与承载人口数据b等信息;
根据以上信息数据建立考虑水量平衡、供水能力、输水能力、需水能力、风险约束条件下的多目标数据配置模型，其中的目标函数为以水资源利用总量最大、水资源再生回用效益最大、子区人均缺水量最小建立的多目标函数;
采用基于多目标混合遗传算法的多层次城市污水再生回用配置数据动态处理方法求解得到不同情景下数据配置方案。
实施本发明，具有如下有益效果：
(1)满足城市集中式污水多层次再生回用数据配置的需求;
(2)利用传统内点算法产生遗传算法初始种群，可提高初始种群的遍历性、随机性及多样性，可避免遗传算法在多约束多目标条件下随机初始种群质量差及集中于某些局部区域以致算法陷入局部最优的问题。
(3)遗传算法采用动态更新机制的外部归档集法，以进一步确保非劣解多样性，加快全局收敛。
(4)基于动态连续性水量调配原则，采用聚类法与目标值筛分法对遗传算法解集进行决策预筛分处理，保证了单一水厂长期调配的水量稳定性与水厂长期运行的有效性。
(5)基于目标值的情景决策预筛分方法，可进一步从基于动态连续性水量调配的多年Pareto最优解集中选择不同最优配置方案，有效提高了数据配置方案的运算速率与方案执行效率。