业务交流

行业热点

国际交流

当前位置: 首页 > 业务交流 > 国际交流
模型工具:耦合python和 SWMM的城市排水系统模型预测算法
发布日期:

  原文信息
  题目: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
  作者单位:Dept. of Engineering Systems and Environment, Univ. of Virginia
  期刊:Environmental Modelling & Software
  时间:2019.7

  导读
  本文以python,swmm为基础工具,利用遗传算法,实现了城市排水系统模型预测算法。
  文章简介
  美国环境署EPA开发的SWMM模型具有开源性,这使其成为最为广泛使用的城市排水系统模型。但是SWMM是基于C语言开发的,二次开发困难较大。因此本文作者利用开源的PYSWMM程序包,利用python实现SWMM的二次开发,实现了SWMM的循环调用和逐时间步长结果快速读取。以上工具为构建城市排水系统模型预测算法奠定了坚实的基础。
  在此基础之上,本研究构建了如图1所示的模型预测算法框架,主要包括三部分:①pyswmm模块,利用python实现模型初始状态的快速计算。②SWMM模块,将模型初始状态通过热启动文件导入SWMM模型。③遗传算法模块,根据模型计算结果和成本函数,计算最优控制策略。
  本研究构建了如图2所示的虚拟案例区域排水系统,其控制设施包括2个调蓄池和2个闸门。优化目标为调蓄池利用率和内涝量。本研究比较了无控制、静态规则控制、模型预测控制等三类控制算法的控制效果,模拟结果如图3所示,可见模型预测控制的内涝控制效果最佳。
2023-11-02T08:50:40.png
  图1 基于pyswmm的城市排水系统模型预测算法框架
2023-11-02T08:50:45.png
  图2 虚拟案例区域示意图
2023-11-02T08:50:50.png
  图3 不同控制算法的模拟结果
  编者点评
  本文提供了一种在SWMM模型上实现模型预测控制的新思路,通过python二次开发工具包,结合遗传优化算法,实现了城市排水系统模型预测控制。但该优化方法由于需要实时演算大量情景,在系统较为复杂时就需要大规模的计算资源支持。因此,一类更适合城市排水系统实时控制的算法仍有待进一步开发。
  原文地址:https://www.sciencedirect.com/science/article/pii/S1364815218312325

Baidu
map