模型工具：耦合python和 SWMM的城市排水系統(tǒng)模型預(yù)測(cè)算法
題目：Leveraging open source software and parallel computing for model predictive control of urban drainage systems using EPA-SWMM5
作者：Jeffrey M. Sadlera, Jonathan L. Goodalla,*, Madhur Behla,b, Mohamed M. Morsya,c, Teresa B. Culvera, Benjamin D. Bowesa
作者單位：Dept. of Engineering Systems and Environment, Univ. of Virginia
期刊：Environmental Modelling & Software
時(shí)間：2019.7
導(dǎo)讀
本文以python，swmm為基礎(chǔ)工具，利用遺傳算法，實(shí)現(xiàn)了城市排水系統(tǒng)模型預(yù)測(cè)算法。
文章簡(jiǎn)介
美國(guó)環(huán)境署EPA開發(fā)的SWMM模型具有開源性，這使其成為最為廣泛使用的城市排水系統(tǒng)模型。但是SWMM是基于C語(yǔ)言開發(fā)的，二次開發(fā)困難較大。因此本文作者利用開源的PYSWMM程序包，利用python實(shí)現(xiàn)SWMM的二次開發(fā)，實(shí)現(xiàn)了SWMM的循環(huán)調(diào)用和逐時(shí)間步長(zhǎng)結(jié)果快速讀取。以上工具為構(gòu)建城市排水系統(tǒng)模型預(yù)測(cè)算法奠定了堅(jiān)實(shí)的基礎(chǔ)。
在此基礎(chǔ)之上，本研究構(gòu)建了如圖1所示的模型預(yù)測(cè)算法框架，主要包括三部分：①pyswmm模塊，利用python實(shí)現(xiàn)模型初始狀態(tài)的快速計(jì)算。②SWMM模塊，將模型初始狀態(tài)通過(guò)熱啟動(dòng)文件導(dǎo)入SWMM模型。③遺傳算法模塊，根據(jù)模型計(jì)算結(jié)果和成本函數(shù)，計(jì)算最優(yōu)控制策略。
本研究構(gòu)建了如圖2所示的虛擬案例區(qū)域排水系統(tǒng)，其控制設(shè)施包括2個(gè)調(diào)蓄池和2個(gè)閘門。優(yōu)化目標(biāo)為調(diào)蓄池利用率和內(nèi)澇量。本研究比較了無(wú)控制、靜態(tài)規(guī)則控制、模型預(yù)測(cè)控制等三類控制算法的控制效果，模擬結(jié)果如圖3所示，可見模型預(yù)測(cè)控制的內(nèi)澇控制效果最佳。
圖1 基于pyswmm的城市排水系統(tǒng)模型預(yù)測(cè)算法框架
圖2 虛擬案例區(qū)域示意圖
圖3 不同控制算法的模擬結(jié)果
編者點(diǎn)評(píng)本文提供了一種在SWMM模型上實(shí)現(xiàn)模型預(yù)測(cè)控制的新思路，通過(guò)python二次開發(fā)工具包，結(jié)合遺傳優(yōu)化算法，實(shí)現(xiàn)了城市排水系統(tǒng)模型預(yù)測(cè)控制。但該優(yōu)化方法由于需要實(shí)時(shí)演算大量情景，在系統(tǒng)較為復(fù)雜時(shí)就需要大規(guī)模的計(jì)算資源支持。因此，一類更適合城市排水系統(tǒng)實(shí)時(shí)控制的算法仍有待進(jìn)一步開發(fā)。
原文地址：https://www.sciencedirect.com/science/article/pii/S1364815218312325
來(lái)源：UrbanWaterGroup
