CN107657329B - 基于极端气候条件下防汛防旱的智能调度决策方法 - Google Patents
基于极端气候条件下防汛防旱的智能调度决策方法 Download PDFInfo
- Publication number
- CN107657329B CN107657329B CN201710536443.6A CN201710536443A CN107657329B CN 107657329 B CN107657329 B CN 107657329B CN 201710536443 A CN201710536443 A CN 201710536443A CN 107657329 B CN107657329 B CN 107657329B
- Authority
- CN
- China
- Prior art keywords
- model
- water
- flood
- river
- drought
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000002265 prevention Effects 0.000 title claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 165
- 238000007726 management method Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 32
- 238000010586 diagram Methods 0.000 claims description 25
- 238000011160 research Methods 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000006467 substitution reaction Methods 0.000 claims description 5
- 230000007261 regionalization Effects 0.000 claims description 4
- 230000008020 evaporation Effects 0.000 claims description 2
- 238000001704 evaporation Methods 0.000 claims description 2
- 238000013499 data model Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000009825 accumulation Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 241000196171 Hydrodictyon reticulatum Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于极端气候条件下防汛防旱的智能调度决策方法,用于沿江地区,包括如下步骤:步骤1)、获取和采集各种原始数据;步骤2)、初步建立起虚拟水库模型;步骤3)、模型优化;步骤4)、利用步骤3)中得到的最终的数据模型,输出各种数据至各个子功能模块,达到在极端气候条件下沿江地区防汛防旱的智能调度决策目的。该方法能确保数据的科学性、准确性和可靠性,达到专家预警支持及决策方案分析的效果,对于突发暴雨过程,可以及时响应,并立即启动泵站排涝,不但降低了积水量,而且大大减轻了泵站满负荷工作过程,节能减排,有效地提高了沿江地区防汛防旱的预警及处理能力,带动了水资源调度管理整体水平的提升,实用性极强。
Description
技术领域
本发明涉及水资源调度领域,尤其涉及一种适用于沿江区域的基于极端气候条件下防汛防旱的智能调度决策方法。
背景技术
我国是水资源严重短缺、分布不均匀的国家,水资源形势异常严峻。与此同时,近几年沿江流域因极端气候条件引发洪水、内涝的灾害问题日益突出。随着我国在进行现代化经济建设的过程中,各种资源耗费量巨大,早期由于对水资源重视程度不够,随意获取、排放,导致很多水资源被严重污染而无法使用,人均可用水量也逐年下降。
水资源短缺及其不平衡性已经成为制约经济社会可持续发展的主要因素之一,加强水资源的管理调控是提高水资源利用效率和改善水质的重要方向。水资源调度是水资源管理的重要内容,其实质是为落实水量分配方案和取用水总量控制方案,统筹水量水质和水生态保护,对流域或行政区域水资源实行统一调配。传统的水资源调度主要包括供水调度、防洪调度、发电调度、水沙调度、航运调度等,重点解决中国四大水问题:水多:即洪水多,洪涝灾害频繁。水少:水资源短缺。水脏:水环境恶化未得到有效控制。水浑:水土流失和生态退化趋势没有根本性改变。
以长江为例,长江即是我国的第一大河,同时也是亚洲的第一大河。长江沿岸地区的水资源总量很多,水网密布,湖泊水系众多,但是分布不均,绝大部分地区地势低洼,易受洪涝灾害。这些地区一般以圩区建设为手段,以圩堤、闸站、泵站等水利工程来解决防洪、排涝、水环境调水等问题。
而传统的水资源优化调度方式,只重视水量的配置、防洪的需求而忽视了环境生态、水质的重要性,轻视环境水质的优化,造成有限的水资源不能充分高效利用。在未来发展中,环境水质导致的水资源危机大于水量、洪涝危机。基于可持续协调发展的水资源优化配置,水质水量环境同时参与优化配置,充分实现水资源的环保优先、高质高用、低质低用,分质供水。实现环境水质水量统一合理的配置,必将有利于水环境与生态的改善和保护,最终实现水资源开发利用的良性循环。
当前,我国水利建设面临着从传统水利向现代水利转变的历史任务。“推进水利信息化建设,提高防洪减灾、水资源调控、水利管理和工程运行的信息化水平,以水利信息化带动水利现代化。”是《中共中央国务院关于加快水利改革发展的决定》中明确提出的水利发展方向。为有效地提高沿江地区防汛防旱的预警及处理能力,带动水资源调度管理整体水平的提升,需要建立起一套能够在极端气候条件下、针对沿江地区防汛防旱的智能调度决策系统。
国内的科研单位在平原水网地区进行了不同的理论和实践研究,如河海大学杨英的“苏南城镇水资源综合规划研究”,沈晓娟的“苏南水质型缺水地区的水资源合理配置研究”,阮仁良的“平原河网地区水资源调度改善水质的机理和实践研究”及雷四华的“平原河网地区水流模型及其在水资源调度中的应用”,但是这些研究更多的是机理、算法及规划等理论性的成果,无法用于实际工作中的系统应用,无法满足现有信息化基础上的系统化智能管理平台的建设,而且研究的模型算法多是基于传统的水文模型的,这些模型参数量大,算法复杂,直接影响计算机的运算速度,无法实现及时预警的效果。国外的科研单位如德国弗劳恩霍夫应用技术研究院开发了一套基于概念性水文模型的模块库系统”WaterLib”,其模型参数需求有限,有效地解决了计算速度的问题。这个模块库中整合了多个优化模型,该模块库在北京水资源可持续管理决策支持系统中得到了很好的应用。另外欧洲荷兰Delft的专家在莱茵河入海口的平原河网地区运用Hybrid water systems的算法,对河网利用水利工程参与防洪,海水倒灌进行了有效的研究。但总体来说国外的算法、模型及技术的应用虽然可以在苏南地区的水资源智能化管理中进行借鉴,但针对苏南地区水资源问题的特点及特殊性,必须对德国和荷兰的技术进行创新性整合,并结合本地区水情、水利工程、管理的特点,创建一套新型有效的基于现有信息化基础的平原水网地区防汛防旱智能决策系统。
发明内容
本发明的目的是提供一种能实现水资源开发利用的良性循环并能确保数据的科学性、准确性和可靠性、达到专家预警支持及决策方案分析的目的的适用于沿江地区的基于极端气候条件下防汛防旱的智能调度决策方法。
一般而言,进行水资源优化调度的方法有数学规划方法、网络流方法、大系统分解协调方法和模拟技术。当问题规模较大时,可采用大系统分解协调技术处理。模拟技术是评价系统运行方式能否产生预期效益的一个有力工具。因为模拟模型能详细地描述水资源配置系统在各种供水条件、需水过程、运行方式以及环境影响的运行特性和预期效益,同时便于科学求解。因此,随着计算机技术、信息化技术以及传感技术近年来地飞跃发展,目前已经在国内外广泛应用。首先要能够对涉及到水资源的众多复杂数据进行收集、汇总,然后通过优秀的算法建立起可靠、安全、准确的数据调度模型,最后根据模型进行科学的分析和预测,最后输出合理的数据和适当的建议,平时各个地市可以根据这个系统来对水资源进行调度和预警,在汛期旱期,各地防汛防旱指挥部可以根据这些数据和建议来进行最终的决策,合理进行防汛防旱工作。
本发明发明人基于多年的广泛考察、研究和一线工作经验,最终确定了本发明的技术方案,具体方案如下:
基于极端气候条件下防汛防旱的智能调度决策方法,用于沿江地区,包括如下步骤:
步骤1)、获取和采集各种原始数据;为实现数据的全面性,作为优选,获取和采集各种原始数据具体包含:利用包含水位计、闸位仪、水质测定仪、摄像机、盐度计的各种工控传感设备获取和采集包含降雨量、蒸发量、航道水位、边界出入流量、水质、温度、气候气象、工民业用水量的各种原始数据,并从相关部门获取包含河床地貌、农田分布、气象数据在内的各种相关必要辅助信息。
步骤2)、根据德国弗劳恩霍夫研究院开发的WaterLib模块库的Lorent Gever集总式集水区模型进行流域产汇流模型的建模原理,通过采用荷兰Delft工业大学的专家研究的水文混杂系统模型方式再结合将待监控地区水系区域化代入的方式进行虚拟水库模型建模,即初步建立起虚拟水库模型。欧洲荷兰Delft的专家在莱茵河入海口的平原河网地区运用水文混杂系统(Hybrid water systems)的算法,对河网利用水利工程参与防洪,海水倒灌进行了有效的研究。作为优选,待监控地区水系区域化内容具体步骤包括:a、划分模型区及进行区域概化,具体是根据实际防洪区及行政管理的划分情况划分出若干个主模型区,b、根据水系图划分出多个子模型区;c、将b中的各个子模型区视为各虚拟集水区。由于每个子模型区内河网密布,可以将每个子模型区概化为虚拟水库,整个模型区可视为多个水库,或串联或并联组成的水库群。将水系统的河道合理划分成多个虚拟集水区域,称之为虚拟,是因为本身的水资源系统中没有实体的元素与之对应,为了体现水流随水位的变化,将多条河道的交汇点向外延展一定范围的区域认为水位相同,这个交汇区就是我们的虚拟集水区概念。通过集水区之间的该时段水位差,来分析下一时段水流流向。因此,通过对河道交汇点的虚拟集水区概念的引入,可以更真实逼真地进行河网地区河道水流流向的模拟问题。
作为优选,在虚拟水库模型建模之后,实施模型优化之前,还进行模型系统模拟成果与分析,以确认模型模拟结果的好坏,即分析计算流量与实测流量过程差别大小,主要通过如下两个模型适用性效率评价指标:(1)Nash-Suttcliffe效率系数,要求Nash-Suttcliffe数值达到0.5以上;(2)Bias:实测均值与计算均值对比,要求Bias值小于0.1。其中:
(1)Nash-Suttcliffe效率系数
Nash-Suttcliffe数值越接近1,模型适用性越好,一般达到0.6~0.7已很好;
(2)Bias:实测均值与计算均值对比
Bias值越接近0,模型适用性越好。
步骤3)、对步骤2)完成的建模通过基于MLD混合逻辑动态模型的混杂系统模型预测控制进行优化,由此建立起最终虚拟水库模型;作为优选,所述通过基于MLD混合逻辑动态模型的混杂系统模型预测控制进行优化具体是:通过在线求解混合整数规划问题MIQP(或MILP)得到一个控制序列,把控制序列的第一个元素作用于实际混杂系统直至下一个采样时刻,并在下一个采样时刻根据新的测量值重新求解新的控制序列。
更优地,模型优化具体为:用一个标准的混合整数线性规划MILP(mixed-integerlinear programming)优化问题来求解:
mincT'θ
C为优化目标函数表达式中的各个权重系数的矩阵,为优化目标量,描述为:
其中:
另外,所有的约束条件在MILP优化问题求解中最终表达为下述不等式组:
Gθ≤h。
模型参数优化过程中,根据综合性能参数Qperformence判断优化好坏,其为Nash-Suttcliffe、Bias、Error绝对差、SquareError均方差4个参数的综合值,计算公式如下:
QPerformance=CBias·QBias+CNash-sutcliffe·(1-QNash-sutcliffe)+CError·QError+CSquareError·QSquareError
其中:Qmess为实测流量,Qmodell为模拟计算流量;
或采用SquareError均方差来判断迭代收敛好坏,该值越小越趋于稳定表示结果越好。
步骤4)、利用步骤3)中得到的最终的数据模型,输出各种数据至包含水雨工情实时监测模块、汛情旱情调度管理模块、洪涝灾害预警管理模块、应急响应预警管理模块、闸门泵机远程控制模块在内的各个子功能模块,达到在极端气候条件下沿江地区防汛防旱的智能调度决策目的。
本发明与现有技术相比,其有益效果是:
本发明基于极端气候条件下沿江地区防汛防旱的智能调度决策方法,根据我国沿江地区的地形、水资源及水环境的特点,总结国外发达国家类似情况下的调度决策系统,获取和采集各种原始数据,引用德国弗劳恩霍夫研究院开发的WaterLib模块库的LorentGever集总式集水区模型进行流域产汇流模型建模原理,通过采用荷兰Delft工业大学的专家研究的水文混杂系统模型方式再结合将待监控地区水系区域化代入的方式进行虚拟水库模型建模,即初步建立起虚拟水库模型,并通过基于MLD混合逻辑动态模型的混杂系统模型预测控制进行优化,完全地实现了先基于传感器实时采集的数据和各种原始数据,运用两点间水位差计算时间点的内河流量及流向,进行系统仿真,并设置方案场景针对沿江地区的特殊水资源环境进行数据模型算法优化,由此完成模型优化,从而确保数据的科学性、准确性和可靠性的目的,达到专家预警支持及决策方案分析的效果,对于突发暴雨过程,可以及时响应,并立即启动泵站排涝,不但降低了积水量,而且大大减轻了泵站满负荷工作过程,节能减排,提高了经济效益,有效地提高了沿江地区防汛防旱的预警及处理能力,带动了水资源调度管理整体水平的提升,在汛期旱期,各地防汛防旱指挥部可以根据这些数据和建议来进行最终的决策,合理进行防汛防旱工作,尤其在以下几个方面具有突出优势,
1、针对性强,主要针对沿江地区的水资源特点进行建模计算,数据准确度更高;
2、科学性强,本系统中应用的科学计算,得到荷兰三角洲研究院技术支持,保证模型成熟性、计算可靠性、模式科学性。荷兰三角洲研究院,是国际知名的水资源与环境独立研究机构,已发布数百种水计算模式,其中最著名的DELFT3D模式已有五十多年历史,其计算核心在全球范围得到广泛应用,包含二/三维水动力、水质、生态、潮汐、泥沙等多种计算模式,在国际上享有盛誉;
3、可靠性强,本系统具备商业化的产品:其中水环境检测、分析评价和辅助决策系统,已经在国内水环境领域如北京水科学研究院、江阴水利农机局、扬中水利农机局等进行应用,并得到江苏省水利学会的大力推广;
4、数据适用范围广,监测数据可以实现局部环境状况的报警和历史数据统计分析;而通过在环境监测数据基础上,利用基础地理、气象水文、等各类数据,建立“预测&评价”模型进行模拟计算,可进行全景式水环境形势研判,实现科学预测和科学分析,从而实现日常管理科学研判、应急处置提前反应的目的;
5、数据准确度高,可以减少闸门抬高的次数,由此大大节约电力资源。
附图说明
为了易于说明,本发明由下述的具体实施例及附图作以详细描述。
图1为本发明的流程示意图;
图2为本发明实施例LG产汇流模型的技术路线图;
图3为江阴市模型区域2011年江阴市水资源平衡图;
图4为基于江阴市防洪区及行政区而划分的5个主模型区示意图;
图5为根据江阴市水系图划分出多个子模型区示意图;
图6为本发明实施例江阴市虚拟水库群示意图;
图7为虚拟集水区模块原理示意图;
图8为虚拟集水区模块示意图;
图9:闸门控制下的混杂水资源系统示意图;
图10:流域模型结构及参数简图;
图11:LG产汇流模型结构简图;
图12:闸站模块示意图;
图13:主系统之间及与长江的连接示意图;
图14:江阴澄西地区的子系统间及与长江的连接示意图;
图15:系统模块示意图;
图16:2011年8月的降雨曲线;
图17:A03区模拟计算流量与实测流量对比图;
图18:A04区模拟计算流量与实测流量对比图;
图19:A05区模拟计算流量与实测流量对比图;
图20:混杂系统模型预测控制(MLD-MPC);
图21:2015年8月A13-04的预测水位与2011年的比较;
图22:图21的数据优化前后的对比图;
图23:混杂系统原理示意图。
具体实施方式
江阴市是典型的沿江区域城市,故对江阴市实施如图1所示的适用于沿江地区基于极端气候条件下防汛防旱的智能调度决策方法,系统模型的目标是江阴市防洪防旱,包括如下步骤:
步骤1)、首先针对江阴市全面收集需要的数据:利用各种工控传感设备采集各种需要的信息数据,并与各个地市的气象部门、国土部门等获取相关辅助信息。例如采用水位计、闸位仪、水质测定仪、摄像机、盐度计等进行数据采集,并从相关部门获取河床地貌、农田分布、气象数据等相关必要信息。
步骤2)、根据德国弗劳恩霍夫研究院开发的WaterLib模块库的LorentGever集总式集水区模型(以下简称LG产汇流模型)进行流域产汇流模型的建模原理,通过采用荷兰Delft工业大学的专家研究的水文混杂系统模型方式再结合将待监控地区水系区域化代入的方式进行虚拟水库模型建模,即初步建立起虚拟水库模型;
LG产汇流模型原理,即技术路线图见图2,具体是:整个区域的水资源符合质量守恒定律:P+RsI+RgI-(ET+RsO+RgO+q)=ΔW。其中:P为时段Δt内流域上的降雨量;RsI为时段Δt内流入流域的地表径流量;RgI为时段Δt内流入流域的地下径流量;ET为时段Δt内流域上的蒸散发量;RsO为时段Δt内流出流域的地表径流量;RgO为时段Δt内流出流域的地下径流量;q为时段Δt内流域用水量;ΔW为时段Δt内流域的蓄水变化量。
图3为本发明实施例的江阴市模型区域2011年江阴市水资源平衡图;
待监控地区水系区域化内容具体步骤包括:a、划分模型区及进行区域概化,具体是根据实际防洪区及行政管理的划分情况划分出若干个主模型区,b、根据水系图划分出多个子模型区;c、将b中的各个子模型区视为各虚拟集水区。即先定江阴的边界线为边界条件,以圩区、水系及行政区为基础进行分布式集水区建模,基于江阴市防洪区及行政管理的划分而分出5个主模型区,如图4所示;其次,再根据江阴市水系图划分出多个子模型区,如图5。
图6为江阴市虚拟水库群示意图;图7为虚拟集水区模块原理示意图;图8为虚拟集水区模块示意图。
通过采用荷兰Delft工业大学的专家研究的水文混杂系统模型方式再结合将待监控地区水系区域化代入的方式进行虚拟水库模型建模:闸门控制下的混杂水资源系统(Hybrid watersystem with a discrete barrier)如图9所示;
混杂系统:混杂系统是连续和离散部件交互组成的互连反应系统,是由连续变量动态系统和离散事件动态系统相互混杂、相互作用而形成的统一的动态系统,如图23所示。
Ac,ab(k):河流断面面积
Cab:Chezy粗糙系数
la(k),lb(k):K时段的水位
Rab(k):湿周
Lab:河段长度
μ(k):闸门状态
荷兰Delft工业大学的专家研究的水文混杂系统模型算法,本领域技术人员根据查询相应资料可以获知。
图1:流域模型结构及参数简图;图11:LG产汇流模型结构简图;图12:闸站模块示意图;图13:主系统之间及与长江的连接示意图;图14:江阴澄西地区的子系统间及与长江的连接示意图;图15:系统模块示意图。
在虚拟水库模型建模之后,实施模型优化之前,还进行模型系统模拟成果与分析,以确认模型模拟结果的好坏,即分析计算流量与实测流量过程差别大小,通过如下两个模型适用性效率评价指标进行评价:
(1)Nash-Suttcliffe效率系数
Nash-Suttcliffe数值越接近1,模型适用性越好,一般达到0.6~0.7已很好;
(2)Bias:实测均值与计算均值对比
Bias值越接近0,模型适用性越好。
江阴水利管理及控制模拟:
采用2011年8月的降雨数据(见图16)为外界输入条件。模拟期间将A03、A04及A05地区的水位变化情况,与实际情况进行比较,分析模型的实用能力。模拟后的结果分别见图17-19,图17对应A03区,图18对应A04区,图19对应A05区,从模拟结果可以看出,计算流量与实测流量过程差别大小较小,由此证明模型效果较好,并给出闸门启闭的优化控制建议,实现节约用电的目的。
步骤3)、对步骤2)完成的建模通过基于MLD混合逻辑动态模型的混杂系统模型预测控制优化应用,由此建立起最终虚拟水库模型;
如图20所述,基于MLD模型的混杂系统模型预测控制的原理(MLD-MPC),MLD模型属于推理性模型,与传统的连续系统模型预测控制不同的是,MLD模型里含有逻辑变量,因此根据二次型(或线性)目标函数,形成的在线优化问题是混合整数规划问题MIQP(或MILP)。具体地,是通过在线求解MIQP(或MILP)得到一个控制序列,把控制序列的第一个元素作用于实际混杂系统直至下一个采样时刻,并在下一个采样时刻根据新的测量值重新求解新的控制序列。
模型优化具体为:用一个标准的混合整数线性规划MILP(mixed-integer linearprogramming)优化问题来求解:
mincTθ
C为优化目标函数表达式中的各个权重系数的矩阵,为优化目标量;其在本案中描述为:
其中:
另外,所有的约束条件在MILP优化问题求解中最终表达为下述不等式组:
Gθ≤h。
MLD混合逻辑动态模型:
X(k+1)=AX(k)+B1U(k)+B2(k)δ(k)+B3Z(k)+B4D(k)
约束条件:水位:X_1:高水位,X_2危险水位。
目标函数:1.闸门开关成本,闸门运行成本。
2.泵站开关成本,泵站开启时的电力成本。
权重比:防洪、防旱;通航;能耗。
MPC-MLD:基于混合逻辑动态模型的模型预测控制
水资源混杂模型的线性化:
首先上述表达式为多元表达式,而非线性流函数是分段光滑的,在实践中,它是不可能计算的解析解,需要运用多元线性回归方法(multivariable linear regressionalgorithms)进行线性化处理,例如其中项q_12(X_1(k),X_2(k))在线性回归后的表达式可写为a_12X_1(k)+b_12X_2(k),a及b为回归系数(regression coefficient)则可通过无约束非线性多变量优化方法(MATLAB中运用fminunc函数)求出。优化模型:
目标函数:
对于水位目标函数:
闸门目标函数:
MILP求解:
满足:
emax,51(k)≥x5(k+j)-r51,emax,51(k)≥0,
emax,52(k)≥x5(k+j)-r52,emax,52(k)≥0,
emax,52(k)-εexc≤M52δ53(k),
emax,52(k)-εexc≥ε+(m52-ε)(1-δ53(k)),
定波闸的第二部分的最小化可重新定义为以下函数:
满足:
-pj≤δ9(k+j-1)-δ9(k+j-2)≤pj
最后一项约束条件为泵站的流量限制:
0≤qye_d(k+j-1)≤qye_d,max(k+j-1)
闸门的辅助变量约束:
z(k)≤Mδ(k)
z(k)≥mδ(k)
z(k)≤x(k)-m[1-δ(k)]
z(k)≥x(k)-M[1-δ(k)]
各权重系数相对于优化目标函数的矩阵可表示为:
其中:
最终利用上述一系列的算法对模型进行优化并利用求解工具进行计算得到各种所需要的数据,最终达到专家预警支持及决策方案分析的目的。
模型参数优化过程中,采用SquareError均方差来判断迭代收敛好坏,该值越小越趋于稳定表示结果越好。
步骤4)、利用步骤3)中得到的最终的数据模型,输出各种数据至包含水雨工情实时监测模块、汛情旱情调度管理模块、洪涝灾害预警管理模块、应急响应预警管理模块、闸门泵机远程控制模块在内的各个子功能模块,达到在极端气候条件下沿江地区防汛防旱的智能调度决策目的。
情景模拟验证
江阴市白屈港调度系统推演
假设:2015年8月10号8点至12号8点未来48小时局部时间出现暴雨,江阴市白屈港上游为例,初始水位及闸门的开关以2011年同时间为准,如图21,将数据代入后得到优化后的数据对比如图22。
通过上述情景对比,明显可以看见对于突发暴雨过程,可以及时响应,并立即启动泵站排涝,不但降低了积水量,而且大大减轻了泵站满负荷工作过程,节能减排,提高了经济效益。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (3)
1.基于极端气候条件下防汛防旱的智能调度决策方法,用于沿江地区,其特征在于,包括如下步骤:
步骤1)、获取和采集各种原始数据;
步骤2)、根据德国弗劳恩霍夫研究院开发的WaterLib模块库的Lorent Gever集总式集水区模型进行流域产汇流模型的建模原理,通过采用荷兰Delft工业大学的专家研究的水文混杂系统模型方式再结合将待监控地区水系区域化代入的方式进行虚拟水库模型建模,即初步建立起虚拟水库模型;
步骤3)、对步骤2)完成的建模通过基于MLD混合逻辑动态模型的混杂系统模型预测控制进行优化,由此建立起最终虚拟水库模型;
步骤4)、利用步骤3)中得到的最终的虚拟水库模型,输出各种优化后的数据至各个子功能模块,达到在极端气候条件下沿江地区防汛防旱的智能调度决策目的;所述各个子功能模块包含水雨工情实时监测模块、汛情旱情调度管理模块、洪涝灾害预警管理模块、应急响应预警管理模块、闸门泵机远程控制模块;
所述步骤1)中获取和采集各种原始数据具体包含:利用各种工控传感设备获取和采集各种原始数据,并从相关部门获取各种相关必要辅助信息;所述各种工控传感设备包含水位计、闸位仪、水质测定仪、摄像机、盐度计;所述各种原始数据包含降雨量、蒸发量、航道水位、边界出入流量、水质、温度、气候气象、工民业用水量;所述各种相关必要辅助信息包含河床地貌、农田分布、气象数据;
所述步骤2)中,待监控地区水系区域化内容具体步骤包括:a、划分模型区及进行区域概化,具体是根据实际防洪区及行政管理的划分情况划分出若干个主模型区;b、根据水系图划分出多个子模型区;c、将b中的各个子模型区视为各虚拟集水区;
所述步骤3)中,所述通过基于MLD混合逻辑动态模型的混杂系统模型预测控制进行优化具体是:通过在线求解MIQP或MILP混合整数规划问题得到一个控制序列,把控制序列的第一个元素作用于步骤2)中初步建立起的虚拟水库模型直至下一个采样时刻,并在下一个采样时刻根据新的测量值重新求解新的控制序列。
2.根据权利要求1所述的智能调度决策方法,其特征在于,在所述步骤2)虚拟水库模型建模之后,还进行模型系统模拟成果与分析,以确认模型模拟成果的好坏,即分析计算流量与实测流量过程差别大小,主要通过如下两个模型适用性效率评价指标进行评价:(1)Nash-Suttcliffe 纳什-萨特克利夫效率系数;(2)Bias偏差:实测均值与计算均值对比。
3.根据权利要求1所述的智能调度决策方法,其特征在于,在所述步骤3)的模型优化过程中,采用SquareError均方差来判断迭代收敛好坏,或根据综合性能参数Qperformence判断优化好坏,其为Nash-Suttcliffe纳什-萨特克利夫效率系数、Bias偏差、Error绝对差、SquareError均方差4个参数的综合值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710536443.6A CN107657329B (zh) | 2017-07-04 | 2017-07-04 | 基于极端气候条件下防汛防旱的智能调度决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710536443.6A CN107657329B (zh) | 2017-07-04 | 2017-07-04 | 基于极端气候条件下防汛防旱的智能调度决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107657329A CN107657329A (zh) | 2018-02-02 |
CN107657329B true CN107657329B (zh) | 2021-07-06 |
Family
ID=61126664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710536443.6A Active CN107657329B (zh) | 2017-07-04 | 2017-07-04 | 基于极端气候条件下防汛防旱的智能调度决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657329B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108797511B (zh) * | 2018-06-19 | 2019-05-21 | 中国水利水电科学研究院 | 一种面向河道生态需水的水资源配置的方法 |
CN109063905B (zh) * | 2018-07-20 | 2021-11-09 | 北京师范大学 | 一种适应气候变化的水资源随机规划方法 |
CN109376974A (zh) * | 2018-08-08 | 2019-02-22 | 成都万江港利科技股份有限公司 | 一种灌区水资源综合管理系统 |
CN110334894A (zh) * | 2019-05-06 | 2019-10-15 | 周志强 | 一种调节局部区域降水量的方法及系统 |
CN110544030A (zh) * | 2019-08-27 | 2019-12-06 | 上海高诚智能科技有限公司 | 一种智慧水务泵闸调度决策系统及其调度流程 |
CN110820890A (zh) * | 2019-11-26 | 2020-02-21 | 深圳市奥城景观工程设计有限公司 | 节水型园林景观雨水收集及循环用水系统 |
CN111598757B (zh) * | 2020-05-15 | 2023-07-21 | 南昌工程学院 | 一种平原河网区城市水系流动确定方法 |
CN113256028B (zh) * | 2021-06-23 | 2021-10-01 | 中国水利水电科学研究院 | 一种面向大范围长历时干旱的应急供水调配方法 |
CN114067534B (zh) * | 2022-01-11 | 2022-03-29 | 山东省国土空间生态修复中心 | 基于机器视觉的地质灾害预警方法及系统 |
CN115879747B (zh) * | 2023-02-24 | 2023-05-16 | 南京恒创智云计算科技有限公司 | 一种数字化防汛抗旱调度方法和系统 |
CN116682237B (zh) * | 2023-08-03 | 2023-10-20 | 南通午未连海科技有限公司 | 一种基于人工智能的智能防汛预警方法及平台 |
CN117495092A (zh) * | 2023-11-06 | 2024-02-02 | 江苏省秦淮河水利工程管理处 | 一种基于ai模型的水利安全预警系统 |
CN117436727A (zh) * | 2023-12-18 | 2024-01-23 | 深圳中科超远科技有限公司 | 一种智能水利调度优化系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046445A (zh) * | 2015-08-13 | 2015-11-11 | 上海市城市排水有限公司 | 一种防汛调度决策支持系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140056645A1 (en) * | 2010-07-28 | 2014-02-27 | Richard C. Hogan | Flood Control Method |
-
2017
- 2017-07-04 CN CN201710536443.6A patent/CN107657329B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046445A (zh) * | 2015-08-13 | 2015-11-11 | 上海市城市排水有限公司 | 一种防汛调度决策支持系统 |
Non-Patent Citations (2)
Title |
---|
基于混合逻辑动态的混杂系统建模及其模型预测控制;张鹏;《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》;20070915;第I140-11页 * |
江阴市江港及城市河道管理信息化建设初探;邓玉华等;《中国水利》;20150131;第52-54页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107657329A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657329B (zh) | 基于极端气候条件下防汛防旱的智能调度决策方法 | |
CN101807045B (zh) | 基于数据的城市污水泵站系统建模方法 | |
CN102867106A (zh) | 短期径流预报方法及系统 | |
CN106529739A (zh) | 基于网格化的洪水预测方法 | |
CN110838079A (zh) | 一种智慧城市防洪排水远程监控系统及方法 | |
CN100491660C (zh) | 基于城市排水雨污混流管网的溢出最小控制方法 | |
CN113902172A (zh) | 一种污水处理方法、系统、装置及介质 | |
KR20090093520A (ko) | 유역통합 물관리 의사결정지원방법 | |
CN111199298B (zh) | 基于神经网络的洪水预报方法与系统 | |
CN111598724A (zh) | 一种中小水库入库流量日前预测的分时段集成方法 | |
CN114819322B (zh) | 湖泊入湖流量的预报方法 | |
CN105303264A (zh) | 人类活动影响条件下洪水预报方法 | |
CN110889185A (zh) | 一种小流域的洪峰流量分析方法及其应用 | |
CN115358587A (zh) | 区域多部门协同的基础设施规划方法及系统 | |
CN111047213B (zh) | 基于多要素联合判别的中长期水资源量临界预警指标方法 | |
CN114692432A (zh) | 一种城市暴雨积水模拟实时订证的预报系统及方法 | |
CN114880967A (zh) | 一种能够改善防汛排涝工作的城市排涝调度管控系统 | |
Peng et al. | Case Study on Extreme Flood Forecasting Based on Ensemble Precipitation Forecast in Qingjiang Basin of the Yangtze River | |
Qin et al. | Evaluation and improvement of water supply capacity in the region | |
Gao et al. | Sensitivity analysis of parameters of a HEC-HMS model with polders | |
Li et al. | A flood prediction method based on streaming big data processing | |
Cheng et al. | AI application on LID stormwater management and urban planning in Guam, USA, and Southern China, PRC | |
Shan et al. | Research on flood level forecasting in tidal river based on mixture regressive model | |
Huynh et al. | Assessing reservoir system operation for downstream flood regulation, a case study for the Red River-VietNam | |
CN116452045A (zh) | 一种荒漠区水资源合理运用评估建议方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 214400 d307, 159 Chengjiang Middle Road, Jiangyin high tech Zone, Jiangyin City, Wuxi City, Jiangsu Province Applicant after: Jiangsu Hongli Intelligent Technology Co.,Ltd. Address before: 214400 d307, 159 Chengjiang Middle Road, Jiangyin City, Wuxi City, Jiangsu Province Applicant before: JIANGSU HONGLI INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |