整流器编程(IP)是一种强大的数学优化技术,它解决了涉及离散或整数约束变量的决策问题。 在水管网络设计和操作方面,IP为工程师和规划者提供了严格的框架,用于选择管道直径、定位泵和阀门以及安排维护活动,同时兼顾资本支出、运营成本和服务可靠性。 随着城市人口膨胀和水基础设施老化,对成本效益高、弹性强和可持续的解决方案的需求从未像现在这样大。 整流器编程提供了系统、数据驱动的应对这些挑战的方法,从而能够综合综合仅使用高压方法难以解决的复杂网络。

了解供水管道网络

供水管道网络是连接管道、水泵、储水罐、阀门和控制装置的复杂系统,这些装置将经处理的水从水库、水井或处理厂输送到住宅、商业和工业消费者。 这种网络的设计涉及多重、常常相互冲突的目标:尽量减少总成本(安装、能源、维护)、保证所有需求节点都有足够的压力和流量、保持水质(例如水龄低、消毒剂残留),并为紧急情况提供冗余。

这些网络通常以指向图的形式建模,其中节点代表交汇点、储罐和源点,边缘代表管道或阀门。 水流行为取决于质量(连续)和能量(伯努利方程,包括通过哈森-威廉斯或达西-魏斯巴赫公式的摩擦损失 ) 。 管道尺寸的离散性 — — 制造商生产的标准直径 — — 以及是否在指定地点安装泵的二进制决定,使整数编程自然适合这个领域。

整数编程的作用

整数编程是线性编程的一个子集,其中部分或所有决定变量都仅限于整数值. 当变量为二进制(0或1)时,模型被称为二进制整数程序(BIP);当变量可以取任何非负整数时,它是一个纯整数程序;当连续变量和整数变量同时出现时,它是一个混合整数程序(MIP). 在水管优化中,MIP配方是标准,因为它们在二进制设计决定的同时捕获连续流和压力.

IP的力量在于它能够编码逻辑条件和固定成本结构. 例如,安装一个管道,不管其最终的流量速率如何,都会产生固定的安装成本,使用一个泵会同时增加资本和可变能源成本. IP模型可以决定是否安装每个管道段(二进制),如果安装,则是否从一个离散的集(整流)中选择直径,同时确定节点压力和管道流量等连续变量.

IP模式的关键组成部分

水管网络优化的典型整数编程模型包括以下要素: 水管网络优化的整数编程模型包括: 水管网络优化的整数编程模型包括水管网络优化的整数编程模型,包括水管网络优化的整数编程模型,包括水管网络优化的整数编程模型,包括水管网络优化的整数编程模型,包括水管网络的整数编程模型,包括水管网络的整数编程模型,包括水管网络优化的整数编程模型,包括水管网络优化的整数编程模型,包括水管网络优化的整数编程模型,包括水管网络的整数,包括水管网络的整数,包括水管网络的整数,包括水管网络的整数,包括水管网络的整数,包括水管网络的整数,包括水管网络的整数,包括水管,水管网络的整数,包括水管网络的整数,包括水管,水管,水管,水管,水管,水管,水管,水,水管,水管,水管,水管

  • 判断变量: 对于每个潜在的管道段和直径,一个二进制变量表示其选择。同样,二进制变量代表泵、阀门和储水罐的安装。连续变量模型流速、压力和水位。
  • 目标功能: 目标通常是为了在规划范围内将总净现值成本降到最低,其中包括管道和泵基建成本,泵的能源成本(流量和头部的比例),以及经常性的维护成本,有些配方还包括对违反压力或水质超过的处罚.
  • 约束: 核心制约执行物理定律和操作要求. 每个节点(Kirchhoff的第一定律)的流畅连续性连接网络. 头部损失约束(使用Hazen-Williams方程线性化或通过片面线性化来近似)涉及流量,管道直径,长度与压力下降有关. 需求节点的压力约束确保了最低服务水平,而罐和储油层水平必须保持在容量限度以内. 额外的制约可能强制实施逻辑条件,比如如果选择了与之相关的管道,需要安装泵.

问题的复杂性 — — 从几十个管道直径为数百或数千个管段选择 — — 导致巨大的搜索空间。 没有整数编程,设计者往往会采取试验和过度或规则的方法,从而忽略大量成本节约。

使用整数编程的好处

将整数编程应用于供水管道网络设计,产生了重大的实际效益:

  • optimal Resources Group: IP与传统的heuristic设计相比,可以将总成本降低10–30%,特别是在具有多个压力区的大型网络中. Water Research(2015)[的研究显示,在现实世界中规模的网络上节省了18%.
  • 增强可靠性: 通过基于情景的制约,通过明确模拟故障情景(如管道断裂,泵故障),IP可以生成在预先确定的一组突发事件下维持服务的网络,从而增强复原力.
  • 替代物的疯狂评价:[ IP模型可以使用更新的成本数据,需求预测,或监管约束进行重运行,使规划者可以在几分钟内探索数千个设计设想.
  • 透明决策: 最佳解决方案伴随着双重变量(影子价格),这些变量表明紧缩约束的边际成本,帮助规划者优先投资.

现实世界的应用证实了这些好处. 巴塞罗那市在重新设计供水系统时采用了混合整流法,在降低成本12%的同时提高了压力可靠性(资料来源:]《清洁生产杂志》,2016年). 同样,美国许多水利设施现在都采用基于IP的工具进行总体规划(见[AWA准则[).

挑战和计算考虑

尽管有优点,但整数编程仍带有重大的计算负担。经典的管子大小问题为NP-硬,这意味着解决方案时间可以随网络大小而指数增长。对于拥有数百个管子的网络,CPLEX,Gurobi等商业解析器或开源替代器(如COIN-OR)可能需要数小时或数日才能找到经证明的最佳解决方案。这种计算强度源于需要在分支和分支或切分搜索树内解决大量线性编程放松。

为了管理复杂性,从业人员往往采用以下一种或多种战略:

  • 问题还原: 聚合需求节点,消除明显不理想的管道直径,并利用域知识减少变量计数.
  • 热学和元论:[ 遗传算法,模拟厌食,或粒子群优化可以快速提供良好的可行解决方案,尽管没有优化性保证.
  • 解析技术: 班德斯解析的方法将问题分为主(整)子问题和连续子问题,改善了某些网络地形的解析时间.
  • Parallel计算:[现代解析器可以利用多核心CPU甚至分布式计算来平行搜索树.

另一个挑战是处理非线性头部损失方程。 许多解析器需要线性约束; 因此, 哈曾-威廉斯或达西-魏斯巴赫公式的片面线性近似是常见的。 这些近似值的准确性必须与二进制变量的增加(对于每个近似值的片段)相谨慎平衡。 高级方法使用对流或二顺序锥编程来捕捉非线性,而不过分的盘状(见 关于优化的SIAM期刊, 2017 ) 。

水质量限制会增加更多的复杂性. 模拟氯衰变或水龄引入额外的状态变量和非线性动力学,通常需要在优化后单独采取模拟步骤——一种会错过最佳权衡的顺序方法. 研究人员正在积极开发综合IP模型,协同优化液压设计和水质动力学.

未来方向

水管网络优化中的整数编程前景光明,由算法和硬件的进步驱动。

  • 与机器学习结合:机器学习模型可以估计头部损失或需求模式,提供代理约束以减少IP环内完全液压模拟的需要. 深层学习也可以加速解脱器的根节点热度,改善初定界限.
  • Real-Time Optimation: 随着配备传感器和动器的智能水网的出现,整数编程可以在模型预测控制(MPC)框架内部署,以在时下调整泵调度表和阀门设置,平衡能量成本和压力稳定性,这需要近时溶液,推动分解和GPU解析器.
  • 恢复和气候适应: 未来模型将包含有条理的编程和强力优化,以应对水供应、需求增长和极端天气事件方面不确定的气候驱动变化。 两级的有条理的IP配方可以捕捉投资决策(第一阶段)和业务追索(第二阶段).
  • 多目标优化:现实世界的决定涉及成本、可靠性、水质和环境影响之间的权衡。 多目标IP可以产生帕雷托边界,帮助利益攸关方想象妥协,做出知情的选择。

结论

整流器编程为优化供水管道网络、提供可衡量成本节约、增强可靠性和对设计权衡的更深入了解提供了严格有效的数学框架。 尽管计算挑战依然存在 — — 特别是大规模、非线性或结构问题 — — 算法改进和混合整流器不断增强的动力正在稳步扩大可优化的前沿。 随着水基础设施面临城市化、气候变化和老化资产带来的越来越大的压力,整流器编程将在为未来开发高效、有弹性和可持续的水分配系统方面发挥关键作用。