基于布谷鸟优化算法的城市供水优化调度

孟琦凯; 池勇志; 姜参参; 焦茹媛; 何怡; 郑效旭; 付晓青; 庄绪亮; 徐圣君

doi:10.20040/j.cnki.1000-7709.2026.20242370

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于布谷鸟优化算法的城市供水优化调度

水利枢纽、水利建筑物 | 更新时间：2026-02-25

- 基于布谷鸟优化算法的城市供水优化调度
- 基于布谷鸟优化算法的城市供水优化调度
- 水电能源科学 2026年44卷第1期页码：152-156
- 作者机构：
  
  1. 天津城建大学环境与市政工程学院
  2. 中国科学院生态环境研究中心
  3. 中国科学院大学资源与环境学院
  4. 长三角(义乌)生态环境研究中心
- 作者简介：
- 基金信息：
  
  国家重点研发计划(2022YFC3203800);浙江省“尖兵”“领燕”科技计划项目(2023C03131,2023C03132)
- DOI：10.20040/j.cnki.1000-7709.2026.20242370
  中图分类号： TP18;TU991.6
- 纸质出版：2026
- 稿件说明：
移动端阅览
孟琦凯, 池勇志, 姜参参, 等. 基于布谷鸟优化算法的城市供水优化调度[J]. 水电能源科学, 2026,44(1):152-156.

孟琦凯, 池勇志, 姜参参, et al. 基于布谷鸟优化算法的城市供水优化调度[J]. 2026, 44(1): 152-156.
孟琦凯, 池勇志, 姜参参, 等. 基于布谷鸟优化算法的城市供水优化调度[J]. 水电能源科学, 2026,44(1):152-156. DOI： 10.20040/j.cnki.1000-7709.2026.20242370.

孟琦凯, 池勇志, 姜参参, et al. 基于布谷鸟优化算法的城市供水优化调度[J]. 2026, 44(1): 152-156. DOI： 10.20040/j.cnki.1000-7709.2026.20242370.

摘要

如何利用数字化模拟技术对二供系统与城市主体供水系统进行协同优化，以实现管网漏损控制和能耗减少，并达成双碳目标，已成为供水行业亟待解决的重要需求。为此，引入水费与电费之和作为目标函数，结合EPANET 2.2、MATLAB及EPANET-MATLAB-Toolkit进行联合编程，提出了一种基于布谷鸟算法的水泵及二供系统进水量实时调度优化模型，并将该优化模型在一个小型供水管网中进行验证。结果表明，在24 h内的调度后，优化后供水总费用减少了3.5%

其中水费降低了0.63%

电费降低了9.9%。所构建的优化模型为未来供水管理的绿色、安全及智能化转型提供了参考与借鉴。

Abstract

关键词

Keywords

references

王晴怡,王彤,康炳卿,李钟毓,许德伦,赵红斌,洪磊,刘嘉祥.基于聚类分析法的二次供水错峰调蓄研究[J].水电能源科学,2023(06).

曹金宇,信昆仑,周立典,高雨妃,张雪,蒋福春,陈伟.基于低位水箱调度的二级泵站供水能耗优化[J].环境工程,2023(06).

徐凤.与时俱进促进发展——国家标准《建筑给水排水设计标准》（GB 50015-2019）修订介绍[J].给水排水,2020(07).

王彤,杨军.M市供水泵站优化调度模型及应用[J].水电能源科学,2019(07).

Ahmed Negm,Xiandong Ma,George Aggidis.Deep reinforcement learning challenges and opportunities for urban water systems.[J].Water research,2024.

Rajwar Kanchan,Deep Kusum,Das Swagatam.An exhaustive review of the metaheuristic algorithms for search and optimization: taxonomy, applications, and open challenges.[J].Artificial intelligence review,2023.

Qiang Xu,Qiuwen Chen,Siliang Qi,Desuo Cai.Improving water and energy metabolism efficiency in urban water supply system through pressure stabilization by optimal operation on water tanks[J].Ecological Informatics,2015.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据