CN105323321A - 水联网系统 - Google Patents
水联网系统 Download PDFInfo
- Publication number
- CN105323321A CN105323321A CN201510784258.XA CN201510784258A CN105323321A CN 105323321 A CN105323321 A CN 105323321A CN 201510784258 A CN201510784258 A CN 201510784258A CN 105323321 A CN105323321 A CN 105323321A
- Authority
- CN
- China
- Prior art keywords
- water
- data
- information
- database
- networked system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种水联网系统,包括:传感设备、服务器及终端设备;所述传感设备,用于采集涉水信息;所述服务器,用于获取开放数据,将所述涉水信息及开放数据进行预处理和同化,存储至数据库,并提取所述数据库中数据进行分析模拟,并将分析模拟的结果推送所述终端设备。上述的水联网可提高来水和需水预报精度,实现水资源精准调配和过程管控,减少无效灌溉和灌溉损失,提高水资源利用效率和效能。
Description
技术领域
本发明涉及水信息技术领域,尤其涉及一种水联网系统。
背景技术
我国是一个水资源相对紧缺的国家,水资源时空分布严重不均,同时水资源利用效率低,缺水与浪费水并存。面对经济增长、人口增加、耕地资源有限和水资源短缺,以需定供的传统粗放式的灌溉方法和落后的灌溉技术已不适应现代水资源高效利用和可持续发展的要求。
传统区域水资源优化配置手段主要是通过对水资源系统诸要素的模拟预测,采用水资源优化配置模型对区域水资源进行长期发展规划和短期优化配置。由于不确定来水条件、多个利益主体的不同用水预期等带来的水资源系统的固有复杂性,传统固定规则的配置和调度技术通常难以全面反映水资源系统内多重供需关系的影响,因而不能真正实现水资源的高效利用。
物联网在水利行业发展面临水的存在形式多样性、流动性、环境多变性,水的形态变化、存在形式多样且在不同介质中的运动规律复杂,来水、需水、耗散过程千变万化且捕捉困难,导致涉水信息要素采集难以快速、准确、全覆盖的获取;农业灌溉供水存在多水源、从水源到田间过程水分耗散且感知困难,涉水信息存在形式多样且分散在不同部门,时间序列数据与相对静态的地理数据、监测数据与视频监控等结构化与非结构化数据、农业生产与作物价格、涉水信息等多源、异质、异构、分布式数据并存且大数据处理技术缺失。水与其它商品不同,在自然界处于不断循环中,不同形式的水还可以相互转化,这就导致了物联网的很多技术和系统架构难以直接移植到水资源管理。
因此,提出一种专门针对水资源高效利用的水联网系统成为亟待解决的问题。
发明内容
针对现有技术中的缺陷,本发明提供一种水联网系统,提高来水和需水预报精度,减少灌溉损失,提高水资源利用效率和效能。
本发明提供一种水联网系统,包括:
采集设备、服务器及终端设备;
所述采集设备,用于采集涉水信息,以及获取开放数据;
所述服务器,用于将所述涉水信息及开放数据进行预处理和同化,存储至数据库,并提取所述数据库中数据进行分析模拟,并将分析模拟的结果推送所述终端设备。
优选地,所述采集设备,具体用于采集灌区环境信息、水源状态信息、水量水质计量信息以及水资源调度设施感控信息。
优选地,所述采集设备通过互联网、通信网、无线自组网、各接入网以及水利专网中的至少一种将所述涉水信息传输至所述服务器。
优选地,所述开放数据包括:全球海温数据、全球天气预报、粮食期货价格以及遥感监测信息。
优选地,所述服务器,具体用于提取所述数据库中的数据进行水情预报、需水预测以及水库多目标实时调度。
优选地,所述服务器,还用于年耕作计划制定、月旬调度计划制定、实时调度方案制定、多水源联合调配、水权交易以及水资源效能评价。
优选地,所述服务器,还用于将所述涉水信息及开放数据进行数据清洗、数据集成、数据转换和数据归约,以形成统一格式的水资源管理数据存储于所述数据库。
优选地,所述服务器,还用于提取全球河网数据、土地利用数据、水源分布数据、引排水渠系数据、引水口门数据以及耕地数据并进行数据转化,以形成数字地图存储于所述数据库。
优选地,所述数据库包括:实时监测数据库、水资源数据库、基础地理数据库、视频数据库、遥感监测数据库、粮食价格数据库、模型参数数据库、水情预报成果数据库、水资源调度数据库以及备份数据库。
由上述技术方案可知,本发明的水联网系统,通过采集设备采集涉水信息,获取开放数据,服务器将所述涉水信息及开放数据进行预处理和同化,并存储至数据库,最后提取所述数据库中数据,经过各模块进行分析模拟,并将分析模拟的结果推送所述终端设备。由此,有效地提高来水和需水预报精度,提高水资源利用效率和效能。
附图说明
图1为本发明实施例提供的水联网系统的结构示意图;
图2为本发明实施例提供的水联网系统的功能示意图;
图3为本发明实施例提供的多水源联合调配方法的流示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例,都属于本发明保护的范围。
图1示出了本发明一实施例提供的水联网系统的结构示意图,如图1所示,本实施例的水联网系统包括:采集设备11、服务器12以及终端设备13。
采集设备11,用于采集涉水信息,以及获取开放数据;
服务器12,用于将所述涉水信息及开放数据进行预处理和同化,存储至数据库,并提取所述数据库中数据进行分析模拟,并将分析模拟的结果推送所述终端设备13。
本实施例的水联网是物联网在水利行业的应用,以下简称水联网。为方便理解将水联网分为三个层次:第一层为感知层;第二层为传输层;第三层为应用层。
感知层通过采集设备11采集涉水信息,在实际应用中,还可采用接触和非接触监测设备、感知设备、全球定位系统或其它涉水信息采集方式,实现与水相关信息的实时采集。
传输层利用互联网、通信网、无线自组网等各种接入网或水利专网,将感知层采集的信息和开放数据进行传输。
应用层可通过服务器12实现感知层采集的信息的应用服务以及智慧处理,从而实现各种水源预测、需水预测、供需水精准配送。
优选地,上述的感知层和传输层之间通过用户网络接口相连,传输层与应用层之间通过应用网络接口相连。
本实施例的水联网系统,通过采集设备采集涉水信息,获取开放数据,服务器将所述涉水信息及开放数据进行预处理和同化,并存储至数据库,最后提取所述数据库中数据,经过各模块进行分析模拟,并将分析模拟的结果推送所述终端设备。由此,有效地提高来水和需水预报精度,提高水资源利用效率和效能。
在实际应用中,感知层通过采集设备11采集灌区环境信息、水源状态信息、水量水质计量信息以及水资源调度设施感控信息。
具体地,灌区环境信息包括灌区作物生长环境感知信息,可利用遥感和通量塔监测灌区大气的温湿度、风速、辐射、CO2浓度、水汽通量,作为需水预测、作物耗水计算和生态需要计算的基本参数;
水源状态信息包括:降雨、蒸发、河流水位、水库水位、渠道水位、地下水位和土壤墒情等,可利用涉水信息传感设备引入到各种形态、存在各种介质中的水的监测中,实现“实时感知、水信互联”,包括直接接触监测和非接触类的感知方式;
水量水质计量信息包括:水量和水质计量感知信息,包括引水、供水、用水和排水水量和水质的实时监测计量信息,水库入库、出库、渠道断面流量、引水口门流量、地下水开采量、灌区排水、工业引水水量和水质的监测计量信息;
水资源调度设施感控信息的采集可利用PLC感控能力和智能技术通过各种网络反馈到水资源调度设施,令各种调度设施的状态和控制最大程度的数据化,把所有设施通过射频识别等信息传感设备与现有的互联网、通信网及蓝牙等各种接入网和办公网等各种专用网连接起来,实现智能化识别、控制和管理。
此外,上述的采集设备11,还用于获取开放数据,获取公共或开放机构的专业信息,包括全球海温数据、全球天气预报、粮食期货价格以及遥感监测信息等宏观决策信息。
水联网依托各网络接入方式,通过感知技术,实现对水和涉水管理设施信息的采集,实现实时感知和水信互联。
在实际应用中,采集设备11除了通嵌入物理水网的传感设备获取涉水信息外,在物理网和Web2.0技术下,还可获取社交网络信息。例如,可设计应用程序,集成手持设备、PC机和互联网服务器等设备的多种服务。公众用户使用终端设备接入水联网平台,可查看与自己相关的流域状态信息、预测结果,通过改变边界条件进行模拟预测。
第二方面,传输层用于涉水信息及开放数据的传输。具体地,可通过互联网、通信网、无线自组网等各种接入网和水利专网,将采集设备11采集的涉水信息及开放数据进行传输。
第三方面,应用层服务器12,用于将所述涉水信息进行数据清洗、数据集成、数据转换和数据归约,以形成统一格式的水资源管理数据存储于所述数据库。
在实际应用时,由于各种涉水信息为不同时间、不同空间、不同采集设备或采集方式获取到的信息,因此为多源异构数据,在提取这些数据进行分析模拟之前,需要对采集的各涉水信息、开放数据信息以及其它水相关的信息进行数据预处理和同化,即对上述的各数据进行数据清洗、数据集成、数据转换和数据归约,以形成统一格式的水资源管理数据存储于数据库。
此外,上述服务器12,还用于提取全球河网数据、土地利用数据、水源分布数据、引排水渠系数据、引水口门数据以及耕地数据并进行数据转化,以形成数字地图存储于所述数据库。
优选地,为方便数据提取,上述的数据库可包括:实时监测数据库、水资源数据库、基础地理数据库、视频数据库、遥感监测数据库、粮食价格数据库、模型参数数据库、水情预报成果数据库、水资源调度数据库以及备份数据库。
进一步地,上述的服务器12通过提取相关数据利用水利模型进行水情中长期预报、中短期径流预报、作物需水预测、地下水量模拟、考虑中长期水情-市场和作物价格的种植结构优化、考虑短期降雨-水情-需求的多水源精准配送分析等。进一步地,可根据上述各分析模拟结果进行年尺度、月旬尺度以及实时高度分析。
在实际应用时,上述的各功能可通过编程集成于功能模块中,建立功能模型,实现相应的分析模拟功能。
举例来说,水情预报模型,用于中长期预报、中尺度预报和短期预报。
中长期水情预报利用大数据气象-水文遥相关方法,基于区域长期气象、水文资料,从水循环和大气物理过程的机理出发,采用向量机和神经网络等方法挖掘水文要素年际变化的气象因子,如海平面温度、太阳辐射、大气环流特征量、积雪量等与相关水文要素的关系,建立遥相关和时间序列耦合的预报模型;
中尺度预报,根据区域特点选用中尺度的数值模式,由全球预报模式降尺度作为中尺度数值模式的边界条件,模拟预报未来天气,由预报天气模拟预报水文要素,利用中尺度数值天气模拟技术,将天气预报的结果与水文模型结合起来,延长对水文情势预报的预见期;
短期预报,是利用水联网信息采集层获取的地面自动观测站、雷达、遥感等观测手段对降水、融雪、土壤墒情等的感知信息,采用多源数据融合技术综合分析多种源数据得到输入数据,采用分布式水文模型和地下水模拟模型,识别和验证相关参数,预测包括积雪面积及消融情况、土壤墒情、河道径流、水库入流、地下水状态等,并定量评价预报的不确定性。
需水预测模型,用于灌溉需水、城市需水和生态需水预测。
水资源的利用效率取决于供水对需水的满足程度和时机,不同时空尺度的需水预测是水资源实时调度与管理的关键。基于WEB2.0的交互式平台,用水户直接参与到实时的需水预测过程中,同时将气象监测是气象预报信息耦合到需水预测中,构建气象-用户耦合的交互式需水预测模型;实时的需水预测提供新的方法和模型,包括气象-用户耦合的交互式农业灌溉需水预测、城市需水预测和生态需水预测。这些预测技术可以为水资源实时调度与管理提供不断更新的实时目标。所述农业灌溉需水预测采用作物水分生产函数与水分敏感指数确定,同时利用作物非充分灌溉制度的模拟-优化模型,建立合理的水量与产量关系模式,达到在水分利用效率、产量及经济效益三方面的有效统一。
水库多目标实时调度模型,用于水库汛限水位的实时动态调整、确定水库放水(包括供水和泄洪)时机与顺序、确定水库蓄水时机与顺序、确定水库放水量和泄水量以及最优策略的定量分析。
水库实时调度的不确定性风险对冲水库的基本功能是调节水资源在时间上的不均匀性,以满足供水、防洪、发电和生态等多个相互竞争的目标。基于水联网和来水预报的水库多目标实时调度,对水库调度中存在的诸多权衡进行优化,包括时间尺度上的权衡(现在与未来)、空间尺度上(上下游水库之间)的权衡和目标尺度上的权衡(供水、防洪等目标之间)。
优选地,上述的服务器12,还用于年耕作计划制定、月旬调度计划制定、实时调度方案制定、多水源联合调配、水权交易以及水资源效能评价。
具体地,年耕作计划制定,即分析国际作物和粮食价格变化趋势,利用中长期水情预报分析未来一年水情变化,种植决策实现动态需求分析,确定区域作物种植结构;
月旬调度计划制定,即利用数据驱动模式,自动滚动预报来水情况,确定各种水源(地表水、地下水、雨水等)可利用量,根据土壤墒情、作物长势等实时感知,分析需水量;
实时调度方案制定,首先驱动短期降水预报模型和土壤墒情实时监控模型,预判未来24h-72h是否有降雨过程和作物需水程度,判断需要灌溉时,在接收到水量调配请求后进行动态配水,利用水库调度、渠道水流模拟、地下水模拟和水量调控等模块,实现水量的供需精准配送。
多水源联合调配,是将实时径流预报与需求目标相结合,在考虑水库调度的基础上联合优化本地水与外调水、地表水与地下水、常规水与非常规水、新鲜水与再生水等多种水源,在实时管理的层面最大程度满足动态的用水需求。
水权交易,是基于各种水源状态评估和未来需水预测的基础上,构建水权交易撮合模型,在流域内实现水权的在线交易,以提高水资源的产出效益最大化。
水资源效能评价,是对水资源需求和供给的时空匹配的准确性、及时性和高效性进行评价。水资源利用效率的提高取决于水联网的性能及服务能力,水资源利用效能取决于配水的准确性和及时性,水资源利用的效益取决于在水资源保障可靠性下的用水对象结构。建立供水胁迫条件下的粮食产量产值预估模型。
上述的水联网服务器12由各涉水数学模型集成,是一个具有实时,自驱动、多要素多过程集成模拟的模型体系,具有实时自驱动的特征。涉水状态、过程和预测的模拟模型以数据为中心,在云计算端自动运行。水联网的使用者,无论是专业用户还是公众用户,都不需要直接操作程序和数据,水联网能够自主处理数据、自动运行各类模型程序,利用传输网络直接将用户关注的信息推送给用户。多模型集成模拟可以减少外边界条件和数据交换,促进对自然规律的整体认识。水联网要进行覆盖水循环全过程的集成模拟,涉及大气模式、地表水文模型、植被水文模型、土壤和地下水文模型,以及用水模型。这样,大气水、地表水、植被水、土壤水等间的转化,以及人类的用水过程,都只是模型的内边界条件,减少了单过程模拟中外边界条件带来的不确定性。各类模型自动运行的驱动机制是:基于各类输入数据包括:水文、气象、水质等实测数据,天气预报数据,遥感数据,用水决策数据等,提取水事件,分析事件的属性及其影响的时空范围,根据水事件在云计算端发起相应时空范围内的时空区域选择和运行模型,并存储分析模拟结果,推送给相关用户。
应该说明的是,上述的用户可包括:农户、水管机构、政府部门、社会公众。用户只要操作如PC、PAD、智能手机等终端设备,即可获取大气、地表水、地下水、中水等各水源状态、各种形态水的未来衰变化趋势、以及用户需水量、需水时段、各种水利设施的运行状态、水权交易、作物长势、作物价格等信息。
本发明的水联网系统,通过采集设备采集涉水信息,获取开放数据,服务器将所述涉水信息及开放数据进行预处理和同化,并存储至数据库,最后提取所述数据库中数据,经过各模块进行分析模拟,并将分析模拟的结果推送所述终端设备。由此,有效地提高来水和需水预报精度,提高水资源利用效率和效能。
图2为本发明实施例提供的水联网系统可实现功能的示意图,如图2所示本实施例的水联网感知层是水信息的获取来源,包括5个部分。
灌区环境感知,是利用以涡度相关技术为核心的国际上普遍的蒸散发和碳通量观测手段,观测囊括了水文、气象及生态学研究中所涉及的主要要素,采用全球主流仪器生产商制造的仪器设备,开展标准化的观测项目,配合规范化的操作和维护方法。安装50m观测铁塔、涡动相关观测仪、多层风速和大气温湿度梯度观测设备、四分量和红外辐射观测仪、土壤水剖面观测仪。可进行距地表50m范围内的水汽、风向、风速、空气温湿度等,利用根据观测数据可以计算潜热通量(LE)、显热通量(H)和CO2通量等。
水状态感知是利用涉水信息全面感知,包括卫星遥感技术实现全球水汽的监测,利用通量塔、雷达等实现近陆地水文要素的观测,利用水位计、流速仪、浮标、多普勒等传感设备实现地面和水中的水要素监测,利用土壤水分仪等实现土壤水分的实时感知,利用地下水压力计、柔性测深仪等实现地下水状态的监测,实现从大气水汽含量、降雨、蒸发、流量、流速、水位、水质、土壤水含量、地表蒸散发等水文循环全要素的监测。
水资源量和质的计量,利用接触和非接触感知技术,对地表水体、地下水含水层和其他水源水量和水质的在线监测。利用GPS、图纸数字化等手段实现基础地理信息源的采集。
水资源调度设施感控是利用PLC等控制设施远程控制闸门、水库及泵站,实现远程操控。
开发数据自动获取模块,实现网络和社交媒体信息的自动抓取。
图2中的传输层,根据现地网络和通讯条件,包括利用成熟的互联网、通信网、无线自组网等各种接入网或水利专网,将感知层采集的信息和公网数据进行传输,包括Lan、Wan、Pan及其它异构传感网接入服务,实现涉水信息的可靠传输。
水联网云数据服务中心是水信息汇集、处理和存储平台,包括水情实时监测数据库、水情预报成果库、水资源数据库、基础地理数据库、监控视频库、水资源调度数据库、遥感监测数据库、粮食及经济作物价格库、模型参数库及与之对应的备份库。主要实现采集层获取的各类信息的汇集、同化和预处理,实现数据清洗、集成、数据转换和数据同化,为水联网应用支撑服务提供预处理、存储和信息服务。基于云服务和云计算技术,完成水联网感知层海量数据的清洗、同化、存储、管理、挖掘与共享。该水联网云数据服务成模块可共享超过TB级的存储环境和500核CPU万亿次的基于HPC的高性能计算环境。
水联网云数据中心针对异源、异构、动态海量数据特点,采用水利部水利信息化标准指南制定的水信息采集和存储数据标准,基于时-空和业务应用维度进行设计,对异源异构数据进行抓取、自动清理、汇集、聚合处理、数据融合、数据挖掘等数据处理过程,形成按地理坐标、时间尺度和业务服务所需的水联网数据,构成坐标统一、时空匹配的水联网基础地理和属性数据库,为水联网业务应用支撑模型提供数据支持。
云计算中心在云服务的基础上,通过云计算技术对水联网信息进行虚拟化存储和数据挖掘,按照年度种植计划制定、月旬水资源调配和实时调度的业务应用需求,以云计算技术为支撑,采用异构部署原则实现虚拟计算,从水情预报、需水预测、供需输配水通道(包括渠道、管道、地下水)三个层面提供水联网业务应用支撑。水情预报提供未来年、月、旬和实时(小时)尺度的来水预报,采用大数据模型、分布式水文模型、地下水模型,预测水库、地下水和其它水源在不同时间尺度的可供水量预测;需水预测是基于田间和灌区环境感知,采用作物水分生产函数,预测不同时间尺度和空间对水资源的需求;利用水库调度、多水源配置等模型,从供需两个侧面进行协调,实现水资源的供需调配。各种水源状态和情景模拟实现不同调配方案下,各水源的状态,从供、需和通道三方面深度挖掘水联网信息的潜在价值,形成从数据到信息到知识到决策的全链条水信息化服务,提高水信息服务的决策能力。云数据中心和云计算中心的存储和计算硬件架构包括流域管理部门、地方政府水利服务部门和科研部门的异构私有云和公共云,也包括直接服务部门的私有服务器和科研部门的公共服务器及用户管理平台,采用弹性资源管理模式,按照用户优先级别和角色提供进行资源的柔性协调。
图2所示的水联网多用户、多功能、多平台应用,包括年耕作计划制定模块、多水源联合调配模块、月旬调度计划制定模块、实时调度方案制定模块、水权交易模块和水资源效能评估模块,实现灌区从年计划到月旬计划到实时调度全过程的滚动调度过程,服务的对象包括流域水管机构、地方水管部门、水利工程运行管理部门、农业灌溉用水户、水源工程管理单位以及社会公众。所有业务应用与水联网云数据中心、云计算中心通过传输层进行连接。
本实施例的水联网系统,通过采集设备采集涉水信息,获取开放数据,服务器将所述涉水信息及开放数据进行预处理和同化,并存储至数据库,最后提取所述数据库中数据,经过各模块进行分析模拟,并将分析模拟的结果推送所述终端设备。由此,有效地提高来水和需水预报精度,提高水资源利用效率和效能。
在一种可实施的方式中,可将上述的年耕作计划制定模型、月旬调度计划制定模型以及实时调度方案制定模型集成功能模块,为多水源联合调配模块提供前期数据,从而实现多水源的优化配置,其工作流程图如图3所示。
年耕作计划制定模型,为基于水联网支撑应用层建立的大数据水情分析模型和作物价格、农业专家经验等,确定未来灌区来水丰枯情况,结合作物耗水信息和价格,确定最优的种植结构,以保证灌区总体效益的最大化。利用流域水情预报模型,得到不同水源来水情况,确定年总体可利用的水资源总量;利用不同作物生长需水过程和水源季节变化情况,考虑水源、需水和从供到需配水通道的损失等,逐级确定各级用水节点的年可供水资源的总量,包括各灌区各级的需水总量、各月旬需水级别,也包括区域生态需水的级别和需水过程。
月旬调度计划制定模型,是在年耕作和分水计划的约束下,由确定的各级需水过程,采用分布式水文模型滚动预报来水预报过程调整年分配到月的水量分配方案。由于年预测方案的时间长,来水预报存在不确定性和随机性,导致年来水预报过程量并不一定与月旬相符,也不一定满足各级用水户的需水过程,月旬过程是基于新的监测信息和需水过程,根据当前来水预报和分水损失量重新调整各级用水户的可用需水过程量,调整后的可用需水过程量要满足损失月旬的来水量,同时尽量满足前一次的可用需水过程量,根据调整后的可用需水过程再次分配各级用水户的过程水量。因此月旬调度计划是在年预案的基础上根据前期来水情况、水文模型模拟的中短期来水预报和前期用户用水情况等边界条件进行滚动修正,系统实现各种约束条件的自动调整。
实时调度方案制定模型,是基于月旬调度计划的基础上,基于灌区需水量研究的基础上,根据水联网水情、土壤墒情和作物需水实时感知、短期降雨预报信息,利用水联网云服务和云计算提供的决策信息和作物需水量计算模型,确定短期不同作物的需水量和有效降水量,根据墒情旱情发展趋势预测,确定非充分灌溉条件下各灌区和田块灌区的需水量;在此基础上,考虑从水源到田间输水过程,在实时传输水源状态(水位、流量)土壤墒情和气象条件的情况下,及时计算出毛灌溉需水量、引水灌溉、地下水开采的需水量,基于损失最小和产出最大原则,进行各水源的以分钟为尺度的引水方案,结合灌区自动控制系统,进行精准水量配送,并利用过程控制、风险评估方法对最终的分配方案进行评价。水联网云服务平台将各种预测信息、分水方案、灌溉引水量等信息推送到水管单位、用水户和调度管理部门,提高灌溉效率和供水保证率,实现水资源的配送精度,保障供水安全和效益最大化。
需要说明的是,本发明水联网平台架构中的业务应用支撑模块和终端应用平台均可扩展,即可以进一步包括其它子模块或子平台,完成区域或流域水资源预报、调度管理和灌溉精准配送其它方面的应用服务。基于水循环全过程模拟和预报调度的业务应用支撑模块和调度决策、设施管理、状态跟踪的全过程管控的终端应用平台共同构成本发明的系统中的服务层,面向用水户、水管单位和科研单位等水的生产、配送、使用等农业生产全过程,提供各种水源状态感知、未来情势预报、供需水两侧精准配送、精准控制和风险调控等直接服务。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (9)
1.一种水联网系统,其特征在于,包括:
采集设备、服务器及终端设备;
所述采集设备,用于采集涉水信息,以及获取开放数据;
所述服务器,用于将所述涉水信息及开放数据进行预处理和同化,存储至数据库,并提取所述数据库中数据进行分析模拟,并将分析模拟的结果推送所述终端设备。
2.根据权利要求1所述的水联网系统,其特征在于,所述采集设备,具体用于采集灌区环境信息、水源状态信息、水量水质计量信息以及水资源调度设施感控信息。
3.根据权利要求2所述的水联网系统,其特征在于,所述采集设备通过互联网、通信网、无线自组网、各接入网以及水利专网中的至少一种将所述涉水信息传输至所述服务器。
4.根据权利要求1所述水联网系统,其特征在于,所述开放数据包括:全球海温数据、全球天气预报、粮食期货价格以及遥感监测信息。
5.根据权利要求1所述的水联网系统,其特征在于,所述服务器,具体用于提取所述数据库中的数据进行水情预报、需水预测、水库多目标调度和水量实时调度。
6.根据权利要求5所述的水联网系统,其特征在于,所述服务器,还用于年耕作计划制定、月旬调度计划制定、实时调度方案制定、多水源联合调配、水权交易以及水资源效能评价。
7.根据权利要求1所述的水联网系统,其特征在于,所述服务器,还用于将所述涉水信息及开放数据进行数据清洗、数据集成、数据转换和数据归约,以形成统一格式的水资源管理数据存储于所述数据库。
8.根据权利要求7所述的水联网系统,其特征在于,所述服务器,还用于提取全球河网数据、土地利用数据、水源分布数据、引排水渠系数据、引水口门数据以及耕地数据并进行数据转化,以形成数字地图存储于所述数据库。
9.根据权利要求7或8所述的水联网系统,其特征在于,所述数据库包括:实时监测数据库、水资源数据库、基础地理数据库、视频数据库、遥感监测数据库、粮食价格数据库、模型参数数据库、水情预报成果数据库、水资源调度数据库以及备份数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510784258.XA CN105323321A (zh) | 2015-11-16 | 2015-11-16 | 水联网系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510784258.XA CN105323321A (zh) | 2015-11-16 | 2015-11-16 | 水联网系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105323321A true CN105323321A (zh) | 2016-02-10 |
Family
ID=55249902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510784258.XA Pending CN105323321A (zh) | 2015-11-16 | 2015-11-16 | 水联网系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105323321A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868868A (zh) * | 2016-04-27 | 2016-08-17 | 清华大学 | 一种水联网水资源系统运行过程调控与风险识别的方法 |
CN106359001A (zh) * | 2016-08-30 | 2017-02-01 | 山东胜伟园林科技有限公司 | 一种基于物联网的盐碱地控盐体系 |
CN106570786A (zh) * | 2016-11-08 | 2017-04-19 | 武汉大学 | 一种基于调度规则时变特性的水库适应性调度方法 |
CN106968290A (zh) * | 2017-04-07 | 2017-07-21 | 安徽建筑大学 | 一种基于遥感技术的徽州传统风貌建筑群落的供水方法 |
CN107169661A (zh) * | 2017-05-18 | 2017-09-15 | 中国农业科学院农田灌溉研究所 | 一种多源作物需水量整合方法 |
CN107372038A (zh) * | 2017-09-06 | 2017-11-24 | 郑州云海信息技术有限公司 | 一种基于云计算的自动灌溉系统 |
CN108196951A (zh) * | 2018-01-30 | 2018-06-22 | 成都信息工程大学 | Gpu流域径流模拟分布式调度系统及方法 |
CN109167793A (zh) * | 2018-09-20 | 2019-01-08 | 谢结苟 | 一种基于物联网的水利监测系统 |
CN109343358A (zh) * | 2018-10-08 | 2019-02-15 | 中国农业科学院农田灌溉研究所 | 一种灌区智能用水决策信息化结构体系 |
CN111667376A (zh) * | 2020-06-19 | 2020-09-15 | 黄河勘测规划设计研究院有限公司 | 一种基于北斗导航通信技术的灌区节水管理系统 |
CN112197821A (zh) * | 2020-10-10 | 2021-01-08 | 清华大学 | 一种分层监测山坡地表径流和壤中流的多精度观测系统 |
CN112199363A (zh) * | 2020-10-15 | 2021-01-08 | 南京数溪智能科技有限公司 | 一种农业多源异构数据的融合存储方法与系统 |
CN112964843A (zh) * | 2021-01-26 | 2021-06-15 | 清华大学 | 污水处理设施水质监测的物联网传感器系统及监测方法 |
CN113469440A (zh) * | 2021-07-02 | 2021-10-01 | 河海大学 | 一种预测月尺度生活需水量的方法 |
CN113610418A (zh) * | 2021-08-16 | 2021-11-05 | 东莞理工学院 | 一种基于对冲规则的地表水水量滚动分配方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692783A (zh) * | 2009-09-25 | 2010-04-14 | 李茂程 | 太阳能光伏驱动及gprs无线通讯监控的大规模节水灌溉网 |
CN102651115A (zh) * | 2012-03-29 | 2012-08-29 | 清华大学 | 并行异步混合算法处理系统和水库(群)优化调度方法 |
CN102867420A (zh) * | 2012-09-11 | 2013-01-09 | 清华大学 | 一种涉水交通诱导系统及方法 |
CN104156900A (zh) * | 2014-06-05 | 2014-11-19 | 重庆誉鸣科技有限公司 | 水厂管理信息智能监控系统 |
CN104181899A (zh) * | 2014-09-02 | 2014-12-03 | 郑州力通水务有限公司 | 智慧水务管理平台 |
CN104460582A (zh) * | 2014-09-29 | 2015-03-25 | 贵州省水利科学研究院 | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 |
CN104542197A (zh) * | 2015-01-06 | 2015-04-29 | 中国农业大学 | 一种无线交替灌溉智能控制系统及方法 |
-
2015
- 2015-11-16 CN CN201510784258.XA patent/CN105323321A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692783A (zh) * | 2009-09-25 | 2010-04-14 | 李茂程 | 太阳能光伏驱动及gprs无线通讯监控的大规模节水灌溉网 |
CN102651115A (zh) * | 2012-03-29 | 2012-08-29 | 清华大学 | 并行异步混合算法处理系统和水库(群)优化调度方法 |
CN102867420A (zh) * | 2012-09-11 | 2013-01-09 | 清华大学 | 一种涉水交通诱导系统及方法 |
CN104156900A (zh) * | 2014-06-05 | 2014-11-19 | 重庆誉鸣科技有限公司 | 水厂管理信息智能监控系统 |
CN104181899A (zh) * | 2014-09-02 | 2014-12-03 | 郑州力通水务有限公司 | 智慧水务管理平台 |
CN104460582A (zh) * | 2014-09-29 | 2015-03-25 | 贵州省水利科学研究院 | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 |
CN104542197A (zh) * | 2015-01-06 | 2015-04-29 | 中国农业大学 | 一种无线交替灌溉智能控制系统及方法 |
Non-Patent Citations (1)
Title |
---|
王忠静,王光谦,王建华,王浩: "基于水联网及智慧水利提高水资源效能", 《水利水电技术》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868868A (zh) * | 2016-04-27 | 2016-08-17 | 清华大学 | 一种水联网水资源系统运行过程调控与风险识别的方法 |
CN105868868B (zh) * | 2016-04-27 | 2021-09-17 | 清华大学 | 一种水联网水资源系统运行过程调控与风险识别的方法 |
CN106359001A (zh) * | 2016-08-30 | 2017-02-01 | 山东胜伟园林科技有限公司 | 一种基于物联网的盐碱地控盐体系 |
CN106570786B (zh) * | 2016-11-08 | 2020-04-21 | 武汉大学 | 一种基于调度规则时变特性的水库适应性调度方法 |
CN106570786A (zh) * | 2016-11-08 | 2017-04-19 | 武汉大学 | 一种基于调度规则时变特性的水库适应性调度方法 |
CN106968290A (zh) * | 2017-04-07 | 2017-07-21 | 安徽建筑大学 | 一种基于遥感技术的徽州传统风貌建筑群落的供水方法 |
CN107169661A (zh) * | 2017-05-18 | 2017-09-15 | 中国农业科学院农田灌溉研究所 | 一种多源作物需水量整合方法 |
CN107372038A (zh) * | 2017-09-06 | 2017-11-24 | 郑州云海信息技术有限公司 | 一种基于云计算的自动灌溉系统 |
CN108196951A (zh) * | 2018-01-30 | 2018-06-22 | 成都信息工程大学 | Gpu流域径流模拟分布式调度系统及方法 |
CN108196951B (zh) * | 2018-01-30 | 2021-10-15 | 成都信息工程大学 | Gpu流域径流模拟分布式调度系统及方法 |
CN109167793A (zh) * | 2018-09-20 | 2019-01-08 | 谢结苟 | 一种基于物联网的水利监测系统 |
CN109167793B (zh) * | 2018-09-20 | 2021-06-15 | 上海上源泵业制造有限公司 | 一种基于物联网的水利监测系统 |
CN109343358A (zh) * | 2018-10-08 | 2019-02-15 | 中国农业科学院农田灌溉研究所 | 一种灌区智能用水决策信息化结构体系 |
CN111667376A (zh) * | 2020-06-19 | 2020-09-15 | 黄河勘测规划设计研究院有限公司 | 一种基于北斗导航通信技术的灌区节水管理系统 |
CN112197821A (zh) * | 2020-10-10 | 2021-01-08 | 清华大学 | 一种分层监测山坡地表径流和壤中流的多精度观测系统 |
CN112197821B (zh) * | 2020-10-10 | 2021-11-02 | 清华大学 | 一种分层监测山坡地表径流和壤中流的多精度观测系统 |
CN112199363A (zh) * | 2020-10-15 | 2021-01-08 | 南京数溪智能科技有限公司 | 一种农业多源异构数据的融合存储方法与系统 |
CN112964843A (zh) * | 2021-01-26 | 2021-06-15 | 清华大学 | 污水处理设施水质监测的物联网传感器系统及监测方法 |
CN113469440A (zh) * | 2021-07-02 | 2021-10-01 | 河海大学 | 一种预测月尺度生活需水量的方法 |
CN113469440B (zh) * | 2021-07-02 | 2023-11-14 | 河海大学 | 一种预测月尺度生活需水量的方法 |
CN113610418A (zh) * | 2021-08-16 | 2021-11-05 | 东莞理工学院 | 一种基于对冲规则的地表水水量滚动分配方法 |
CN113610418B (zh) * | 2021-08-16 | 2023-02-28 | 东莞理工学院 | 一种基于对冲规则的地表水水量滚动分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105323321A (zh) | 水联网系统 | |
Alamanos et al. | Integrated hydro-economic modeling for sustainable water resources management in data-scarce areas: The case of lake Karla watershed in Greece | |
CN105868868B (zh) | 一种水联网水资源系统运行过程调控与风险识别的方法 | |
CN112765800A (zh) | 一种分布式水资源配置模型的设计方法 | |
Shi et al. | A novel causal structure-based framework for comparing a basin-wide water-energy-food-ecology nexus applied to the data-limited Amu Darya and Syr Darya river basins | |
Liu et al. | Optimization of planning structure in irrigated district considering water footprint under uncertainty | |
Alexandridis et al. | Combining remotely sensed surface energy fluxes and GIS analysis of groundwater parameters for irrigation system assessment | |
KR20090093520A (ko) | 유역통합 물관리 의사결정지원방법 | |
Eslamian et al. | Estimation of daily pan evaporation using adaptive neural-based fuzzy inference system | |
Jia et al. | Using a BP neural network for rapid assessment of populations with difficulties accessing drinking water because of drought | |
Lu et al. | Simulation-based inexact rough-interval programming for agricultural irrigation management: a case study in the Yongxin County, China | |
Sang et al. | Prediction of water resources change trend in the Three Gorges Reservoir Area under future climate change | |
Srivastava et al. | An ecologically-sustainable surface water withdrawal framework for cropland irrigation: A case study in Alabama | |
Zhang et al. | Assessment of the value of ecosystem services in water sources of the South-North Water Diversion Central Project: The case of Dengzhou City, Henan Province | |
Hou et al. | Optimal spatial allocation of irrigation water under uncertainty using the bilayer nested optimisation algorithm and geospatial technology | |
Gourbesville | Smart water solutions for water security: From concept to operational implementation | |
Dou et al. | Simulation and control of the linked systems of water quantity–water quality–socio-economics in the Huaihe River basin | |
Vaheddoost et al. | Estimation of flow duration and mass flow curves in ungauged tributary streams | |
Allani et al. | A contribution to an advisory plan for integrated irrigation water management at Nebhana dam system: from research to operational support | |
Taye et al. | Data quality deterioration in the Lake Tana Sub-basin, Ethiopia: scoping study to provide streamflow and water withdrawal data | |
Yang et al. | Integrated agricultural irrigation management technique in the arid inland area, China | |
Hellegers et al. | An interactive water indicator assessment tool to support land use planning | |
Chalghaf et al. | Remote sensing and district database programs for irrigation monitoring and evaluation at a regional scale | |
Ullah et al. | Irrigation Demand forecasting using remote sensing and meteorological data in semi-arid regions | |
Schoups et al. | Water resources management in the Yaqui Valley |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160210 |
|
RJ01 | Rejection of invention patent application after publication |