一种基于蜘蛛群智算法的供热调度最优化方法

    公开(公告)号:CN111340272A

    公开(公告)日:2020-06-26

    申请号:CN202010093799.9

    申请日:2020-02-14

    摘要: 本发明公开了一种基于蜘蛛群智算法的供热调度最优化方法,包括如下步骤:步骤1:对多约束供热调度优化问题进行数学描述,从实体视角构建问题的优化目标函数,根据约束构建限制条件;步骤2:对步骤1限制条件中的每个二级供热评价指标使用蜘蛛群优化算法寻找当前指标的最优解,输出所有指标构成的最优解集;步骤3:将最优解集代入限制条件和目标函数,判断是否符合优化目标函数,否则继续执行步骤2。本发明提出的基于蜘蛛群智算法的供热调度最优化方法,设计了启发式优化规则,指导针对不同供热实体的供热运行调度策略制定,提高供热调度的合理性与准确性。

    一种基于生成对抗网络及强化学习的智能渗水检测方法

    公开(公告)号:CN111311577A

    公开(公告)日:2020-06-19

    申请号:CN202010093816.9

    申请日:2020-02-14

    IPC分类号: G06T7/00

    摘要: 本发明公开了一种基于生成对抗网络及强化学习的智能渗水检测方法,采用GAN算法作为水网管线水流量补全的算法工具,基于当前网络小样本数据模拟生成供水网络,利用节点属性信息、链路属性信息以及当前供水网络质量数据,动态模拟生成大规模供水网络管线可用状态数据;将原始数据和生成数据一起作为基于Q学习的强化学习模型的输入信息,进行训练学习,以试错的机制与环境进行交互,通过最大化积累奖赏的方式,实现渗漏水的智能检测。本发明克服了已有的大多数智能渗水检测算法都存在的训练标记样本量不足的问题,并利用Q学习建立强化学习模型实现对供水系统中渗漏水故障点的检测,节省了人工成本,并在一定程度上提高了检测效率和精确度。