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。
图1基于pyswmm的城市排水系统模型预测算法框架
图2虚拟案例区域示意图
图3不同控制算法的模拟结果
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。
UrbanWaterGroup
