摘要：【目的】 为了应对城市内涝与合流制溢流频发导致的排水系统运行挑战，以及传统水力模型计算能力的瓶颈，本文提出了1种基于时序图神经网络（TGNN）和强化学习（RL）的排水系统智能调度方法。【方法】 本文阐述了1种耦合TGNN与RL的算法，搭建了“状态预测-决策优化”的智能调度模型，使用TGNN预测管网运行状态，采用RL实现最小化内涝积水与溢流体积，兼顾预测精度与调度效率，并将其应用于H市某排水系统。【结果】 TGNN具有较高的预测精度，单步预测纳什系数可达0.999 9；TGNN计算速度相较于暴雨洪水管理模型提高约25倍；在各测试降雨情景下，内涝积水与溢流的总体积为现状规则控制的40%～67%；在监测数据稀疏时，仍能够准确预测管网运行状态且调度效果相近。【结论】 本文提出的基于TGNN和RL的排水系统智能调度方法，能够对排水系统运行状态进行精准快速的预测，并削减内涝和溢流体积，提高了排水系统的运行效率并且具备较好的鲁棒性，为推动排水系统提质增效提供参考。

关键词：时序图神经网络；强化学习；排水系统；状态预测；实时控制方法

基金资助：国家自然科学基金(52470109)

下载

查看