基于DEPSO算法的城鎮燃氣管網阻力辨識

1 概述

《國民經濟和社會發展第十四個五年規劃綱要和2035年遠景目標》明確提出“要探索建設數字孿生城市”。作為城市能源系統中不可或缺的一部分，針對城鎮燃氣管網系統的數字孿生技術研究也方興未艾。其中，管網系統的模型辨識作為物理系統映射至信息系統的基礎，是數字孿生系統中最重要的部分之一。一方面，管道內壁隨運行時間增加會發生腐蝕、磨損，但是其對管道摩擦阻力系數的影響難以估計；另一方面，燃氣管網中彎頭、三通等的局部阻力難以精確計算。由此帶來的相對誤差必須通過阻力辨識的手段予以消減，才能為管網的智能調控以及泄漏檢測提供技術上的支持。因此，作為管網數字孿生系統中的關鍵一環，管網系統的阻力辨識問題一直以來都是學界關注的焦點。

隨著管網規模不斷增大，傳統的數值算法在阻力辨識問題上逐漸失效，與此同時智能優化算法不斷興起，因此更多學者開始采用智能優化算法作為求解的手段。其中，被采用最多的就是遺傳算法(Genetic Algorithm，簡稱GA)和以遺傳算法為主體的混合算法

。時至今日，差分進化算法(Differential Evolution，簡稱DE)作為新興的智能算法之一，其在高維問題上相較遺傳算法展現出更好的收斂性以及魯棒性，不斷受到相關領域的重視

。已有學者將DE應用在供水管網阻力辨識問題中，取得了較GA更好的結果

。另外，在優化算法領域部分學者以DE以及與粒子群算法(PSO，Particle Swarm Optimization，簡稱PSO)為母體形成的混合算法(簡稱DEPSO)，在一系列高維的測試函數上都表現出了較DE、PSO算法更好的性能