CN110174843A - 一种灌区用水智能调控方法 - Google Patents
一种灌区用水智能调控方法 Download PDFInfo
- Publication number
- CN110174843A CN110174843A CN201910462412.XA CN201910462412A CN110174843A CN 110174843 A CN110174843 A CN 110174843A CN 201910462412 A CN201910462412 A CN 201910462412A CN 110174843 A CN110174843 A CN 110174843A
- Authority
- CN
- China
- Prior art keywords
- water
- matrix
- regulation
- canal
- irrigated area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000003621 irrigation water Substances 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 152
- 239000011159 matrix material Substances 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims abstract description 16
- 238000009313 farming Methods 0.000 claims abstract description 11
- 238000004919 topotaxy Methods 0.000 claims abstract description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 201000004008 COL4A1-related familial vascular leukoencephalopathy Diseases 0.000 claims description 4
- 208000024112 brain small vessel disease 1 with or without ocular anomalies Diseases 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 239000008400 supply water Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000012279 drainage procedure Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000007926 Craterellus fallax Nutrition 0.000 description 1
- 240000007175 Datura inoxia Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Flow Control (AREA)
Abstract
本发明公开了一种灌区用水智能调控方法，包括S1、根据获取的灌区河/渠/沟网布置图、泵/闸群布置图及渠/沟网所控制的各用水区域种植结构现状，构建包含泵/闸群布置和各用水区域种植结构类型的全局拓扑关系；S2、根据所述全局拓扑关系和Nash均衡模型，构建灌区各子区域用水户间的局部水量博弈矩阵，并按时间维进行演化博弈；S3、根据灌区各控制节点的空间拓扑关系，构建调控节点之间的整体协同调控矩阵；S4、将所述局部水量博弈矩阵和整体协同调控矩阵进行耦合，获得灌区输配水与排水动力学过程自适应变换式，实现灌区渠系/沟网水运动自适应智能调控。
Description
技术领域
本发明属于灌区水资源调控的技术领域，具体涉及一种灌区用水智能调控方法。
背景技术
为达到灌区水资源高效利用的目的，需历经配置、调度和调控三个层面的工作。与前两者相比，“调控”的内涵更为丰富，包含了“高效”、“安全”、“实时”的基本特征，即在供需最佳匹配目标下，实现灌区水网众多节点(闸/阀/泵)的实时操作互馈，达到灌区水网高效、安全运行的目标。
现有灌区用水过程优化模型分为传统用水过程优化模型、人工智能用水过程优化模型和基于复杂网络拓扑结构的用水优化调控模型。
(1)传统用水过程优化模型
传统的用水过程优化模型有两类：一是静态优化模型，直接借助优化算法和水量平衡原理来获取灌区用水过程的全局最优解集；二是动态优化模型，即通过耦合优化方法与水动力学简化式，实现用水过程的动态最优解。
静态优化模型通常包括确定性模型和不确定性模型两类。确定性模型是借助优化算法和模型来直接解决水资源优化配置问题(Cisty，2010；Manakou，2013；Manakou V，2012；Alabdulkader，2012；Keramatzadeh，2011)。不确定性模型通过考虑随机因素对优化模型参数的影响，使得优化结果更加接近真实情景，但受非线性和参数区间不确定性的双重影响，求解过程复杂且不易收敛(Guo，2008；Li，2010；Huang，2012)。由于静态模型未耦合水运动模拟模型，故无法优化非恒定态下的输配水与排水过程，只能结合水量平衡原理从全局视角优化用水总量在研究区域的配置，故难适用于具体的工程调控问题。
动态优化模型(Simulation–Optimization model)融合了优化算法和水动力学简化模型，可在复杂约束条件下获取多目标用户的最优用水配置方案，故成果众多，已被广泛用于平衡地下水可持续开采率和地表水亏缺状况之间的关系及地表-地下水联合调度问题中(Barlow等，2003；Bhattacharjya和Datta，2005；Mohammad等，2007；Bazargan-Lari等，2009；Chang等，2011；Jesús等，2014)。但不足也很明显，即简化的水动力学模型获得的水运动过程，由于无法捕捉众多水波过程，故模拟与实际结果之间差异较大，使得实际结果可能出现涌出渠道或远低于正常运行水深的情况，故无法确保用水过程的安全性，且未能充分考虑用水户之间的局部利益均衡问题，故其全局解往往与实际情景存在较大偏差。
由此可见，传统灌区用水过程优化模型可在一定程度上实现灌区用水过程的优化，虽然能达到高效的目的，但恰恰是采用了简化的水运动模拟模型，使其无法达到工程安全的目标，且未能考虑用水户之间的局部博弈均衡解，故全局解与实际情景存在明显偏差，这是其主要缺陷。
(2)人工智能用水过程优化模型
随着人工智能方法的不断完善，尤其是深度学习的出现和机器学习在各个行业的深入渗透，极大地拓展了人工智能方法的应用范围(Zheng和Atiqur，2017)。
人工智能方法能够以黑箱的模式有效解决水资源及其工程领域面临的多种新老挑战，比如跨学科性、数据可发现性、跨尺度、均一性和参数区域化需求(Shen，2018)。在深度学习框架下，通常先固化渠系/沟网的地理信息几何结构信息，借助历史大数据与实测数据的对比分析，并利用概率模型拟合实际输配水/排水过程调控曲线，可有效简化模拟过程，大大提高效率。目前该方法已经被成功用于南水北调中线干线输配水多闸门调控过程，效果显著(Li等，2016；Li和Zhuan，2016；Zhuan等，2017)。但当其用于拓扑结构异常复杂的渠/沟网络系统时，效果有待进一步验证(Shen，2018)。
在与水资源及其工程问题融合过程中，人工智能模型的不足和缺陷也很突出，即需要海量的样本数据，这事实上源于其极为看重的“相关性”概念。然而，正如人工智能领域的先驱Peral(2018)教授评述的“人工智能应重点关注因果律，而非相关性”，而经典的Saint-Venant方程组及用水户之间的局部利益博弈，恰恰是灌区水运动过程的因果律描述。这意味着，应深入发掘灌区水运动基本的物理驱动机制及用水户之间的博弈结构，并与人工智能方法进行深度融合，才能实现人工智能框架下全新的灌区用水过程自适应优化与调控。
(3)基于复杂网络拓扑结构的用水优化调控模型
近年来，复杂有向网络控制理论发展迅猛(Liu和Barabási，2016)，为灌区复杂渠/沟水网系统的优化调控研究提供了全新思路(Riasi和Yeghiazarian，2017)。与前述两种方法模型相比，复杂网络系统控制理论更关注水网的整体拓扑结构与优化可控性之间的关系(Tsiotas和Charakopoulos，2018；Nazempour等，2018)。
迄今，复杂网络控制理论已被成功用于地表复杂水网及污染物迁移的最小控制点集的优化获取和定位方面(Riasi和Yeghiazarian，2017；Nazempour等，2018)。但由于缺乏复杂水网局部动力学机制的定量表征，故仅能严格地论证和表明任意给定的复杂水网系统的全局最优可控性，而无法实现具体的调控操作过程。另外，迄今该理论方法亦未能与用水户之间的局部博弈方法相融合，故难适用于灌区这类典型的自然-社会双重驱动的水资源系统。
发明内容
本发明的目的在于针对现有技术中的上述不足，提供一种灌区用水智能调控方法，以解决或改善上述的问题。
为达到上述目的，本发明采取的技术方案是：
一种灌区用水智能调控方法，其包括：
S1、根据获取的灌区河/渠/沟网布置图、泵/闸群布置图及渠/沟网所控制的各用水区域种植结构现状，构建包含泵/闸群布置和各用水区域种植结构类型的全局拓扑关系；
S2、根据所述全局拓扑关系和Nash均衡模型，构建灌区各子区域用水户间的局部水量博弈矩阵，并按时间维进行演化博弈；
S3、根据灌区各控制节点的空间拓扑关系，构建调控节点之间的整体协同调控矩阵；
S4、将所述局部水量博弈矩阵和整体协同调控矩阵进行耦合，获得灌区输配水与排水动力学过程自适应变换式，实现灌区渠系/沟网水运动自适应智能调控。
进一步，步骤S2中的局部水量博弈矩阵在以最小弃水和最短供水时间为博弈目标，以供水过程中渠系的水位/流量为因变量，构建相邻渠/沟之间的效用函数为：
Uij＝(Ui,Uj)
其中，i,j＝1,2…是各子区域所包含的渠/沟编号。
进一步，若以渠系最小和最大水位为约束，则任一渠/沟道的效用函数为：
其中，Ui为渠道i控制区域总效用函数；U1i为渠道i控制区域供水时间效用函数；α1为供水时间效用函数权重；Ti为渠道i控制区域供水时间(h)；U2i为渠道i控制区域弃水效用函数；α2为弃水效用函数权重；Qai为渠道i控制区域弃水量(m3)；ζi为渠道i中输配水过程水位。
进一步，局部水量博弈矩阵在任意时间步的博弈收敛准则为：
其中，e为收敛误差；Qr为计划总需水量；Qa为渠系/沟网水动力学自适应变换式模拟获得的总供水量。
进一步，整体协同调控矩阵中各元素将被赋予各调控节点代表的调控要素的水力学特征曲线；并借助BSVD分析技术快速进行调控矩阵要素之间的运算、查询、分析和统计操作。
进一步，整体协同调控矩阵中各要素之间被赋予一个标量，标量取值0～1，0代表两个调控节点之间无关联；否则两个调控节点之间存在不同的协同关联度值，协同关联度值由各用水单元需耗水动态约束下与所述局部水量博弈矩阵和整体协同调控矩阵相耦合后的水动力学模型计算获得。
进一步，灌区输配水与排水动力学过程自适应变换式矩阵中的要素由渠/沟空间离散节点构造而得，其要素在空间坐标上可与局部水量博弈矩阵和整体协同调控矩阵要素相契合，故在每一个时间演化步下，三个矩阵可进行叠加运算，实现灌区输配水与排水动力学过程自适应变换式、局部水量博弈矩阵和整体协同调控矩阵三者之间的全耦合。
本发明提供的灌区用水智能调控方法，具有以下有益效果：
本发明构建基于灌区复杂渠系/沟网拓扑结构的用水户局部博弈矩阵和灌区泵/闸群的整体协同调控矩阵，通过局部博弈矩阵和整体协同调控矩阵之间的耦合获得灌区输配水与排水动力学过程自适应变换式，实现灌区渠系/沟网水运动的自适应智能调控。
附图说明
图1为灌区用水智能调控方法的某灌区布置图。
图2为灌区用水智能调控方法的灌区各区域用水计划。
图3为灌区用水智能调控方法的灌区各渠控制区域局部水量博弈矩阵。
图4为灌区用水智能调控方法的灌区各控制节点空间分布及编号示意图
图5为灌区用水智能调控方法的灌区泵/闸整体协同调控矩阵
图6为灌区用水智能调控方法的灌区输配水与排水过程动力学自适应变换式矩阵表达示意图(Fr为傅汝德数)。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例，本方案的灌区用水智能调控方法，包括：
S1、根据获取的灌区河/渠/沟网布置图、泵/闸群布置图及渠/沟网所控制的各用水区域种植结构现状，构建包含泵/闸群布置和各用水区域种植结构类型的全局拓扑关系；
S2、根据所述全局拓扑关系和Nash均衡模型，构建灌区各子区域用水户间的局部水量博弈矩阵，并按时间维进行演化博弈；
S3、根据灌区各控制节点的空间拓扑关系，构建调控节点之间的整体协同调控矩阵；
S4、将所述局部水量博弈矩阵和整体协同调控矩阵进行耦合，获得灌区输配水与排水动力学过程自适应变换式，实现灌区渠系/沟网水运动自适应智能调控。
以下将对上述步骤进行详细描述
S1、构建包含泵/闸群布置和各用水区域种植结构类型的全局拓扑关系
参考图1、图2和图3，依据调研获取的灌区河/渠/沟网布置图、泵/闸群布置图及渠/沟网所控制的各用水区域种植结构现状，建立包含泵/闸群布置、各用水区域种植结构类型的全局拓扑关系，以便确定各渠系控制区域需水量。
参考图1和图2，其分别给出了灌区渠系/沟网布置示意图以及由此形成的各子区域的用水户局部拓扑关系，其中，各子区域按照所属的渠/沟道的级别划分。
S2、构建灌区各子区域用水户间的局部水量博弈矩阵
参考图3，根据全局拓扑关系，结合Nash均衡模型，建立灌区各子区域用水户间的局部水量博弈矩阵，并按时间维进行演化博弈。
图3中，Uij＝(Ui,Uj)(i,j＝1,2…是图2中各子区域所包含的渠/沟编号)是在以最小弃水和最短供水时间为博弈目标的条件下，以供水过程中渠系的水位/流量为因变量建立的相邻渠/沟之间的效用函数。
若以渠系最小和最大水位为约束，则任一渠/沟道(编号为i)的效用函数为：
式中，Ui为渠道i控制区域总效用函数；U1i为渠道i控制区域供水时间效用函数；α1为供水时间效用函数权重；Ti为渠道i控制区域供水时间(h)；U2i为渠道i控制区域弃水效用函数；α2为弃水效用函数权重；Qai为渠道i控制区域弃水量(m3)；ζi为渠道i中输配水过程水位(m)；渠道i中水位ζi与配水计划水量Qi(图3)的关系可通过上节中建立的实时模拟模型获得。
图3中的局部水量博弈矩阵在任意时间步的博弈收敛准则为：
式中，e为收敛误差；Qr为计划总需水量(m3)；Qa为由研究内容1中获得的渠系/沟网水动力学自适应变换式模拟获得的总供水量(m3)。
S3、构建调控节点之间的整体协同调控矩阵
参考图4，图中给出了灌区所有调控节点(泵/闸)集合的空间分布及编号示意图。
根据图4的灌区各控制节点的空间拓扑关系，直接建立调控节点之间的整体协同调控矩阵(该矩阵如图5)。
依据其物理属性，该调控矩阵中各元素将被赋予各调控节点代表的调控要素(分水闸、节制闸、泵)的水力学特征曲线。由此可见，图5中各矩阵要素属于典型的矢量型大数据(Big spatial vector data，简称BSVD)。由此借助BSVD分析技术快速进行调控矩阵要素之间的运算、查询、分析和统计等操作。
图5中矩阵各要素之间被赋予一个标量(取值0～1)，0代表两个调控节点之间无关联；否则两个调控节点之间存在不同的协同关联度值，该值由各用水单元需耗水动态约束下与上述局部博弈矩阵和整体协同调控矩阵相耦合后的水动力学模型计算获得。
S4、获得灌区输配水与排水动力学过程自适应变换式
参考图6，给出了灌区输配水与排水动力学过程自适应变换式的矩阵表达形式的示意图，该矩阵中的要素由渠/沟空间离散节点构造而得，故其要素在空间坐标上可与图5给出的局部水量博弈矩阵和图6给出的整体协同调控矩阵要素相契合，故在每一个时间演化步下，三个矩阵可进行叠加运算，由此实现灌区输配水与排水动力学过程自适应变换式、局部水量博弈矩阵和整体协同调控矩阵三者之间的全耦合，以实现灌区渠系/沟网水运动的自适应智能调控。
虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (7)
1.一种灌区用水智能调控方法，其特征在于，包括：
S1、根据获取的灌区河/渠/沟网布置图、泵/闸群布置图及渠/沟网所控制的各用水区域种植结构现状，构建包含泵/闸群布置和各用水区域种植结构类型的全局拓扑关系；
S2、根据所述全局拓扑关系和Nash均衡模型，构建灌区各子区域用水户间的局部水量博弈矩阵，并按时间维进行演化博弈；
S3、根据灌区各控制节点的空间拓扑关系，构建调控节点之间的整体协同调控矩阵；
S4、将所述局部水量博弈矩阵和整体协同调控矩阵进行耦合，获得灌区输配水与排水动力学过程自适应变换式，实现灌区渠系/沟网水运动自适应智能调控。
2.根据权利要求1所述的灌区用水智能调控方法，其特征在于：所述步骤S2中的局部水量博弈矩阵在以最小弃水和最短供水时间为博弈目标，以供水过程中渠系的水位/流量为因变量，构建相邻渠/沟之间的效用函数为：
Uij＝(Ui,Uj)
其中，i,j＝1,2…是各子区域所包含的渠/沟编号。
3.根据权利要求2所述的灌区用水智能调控方法，其特征在于，若以渠系最小和最大水位为约束，则任一渠/沟道的效用函数为：
其中，Ui为渠道i控制区域总效用函数；U1i为渠道i控制区域供水时间效用函数；α1为供水时间效用函数权重；Ti为渠道i控制区域供水时间(h)；U2i为渠道i控制区域弃水效用函数；α2为弃水效用函数权重；Qai为渠道i控制区域弃水量(m3)；ζi为渠道i中输配水过程水位。
4.根据权利要求1所述的灌区用水智能调控方法，其特征在于，所述局部水量博弈矩阵在任意时间步的博弈收敛准则为：
其中，e为收敛误差；Qr为计划总需水量；Qa为渠系/沟网水动力学自适应变换式模拟获得的总供水量。
5.根据权利要求1所述的灌区用水智能调控方法，其特征在于：所述整体协同调控矩阵中各元素将被赋予各调控节点代表的调控要素的水力学特征曲线；并借助BSVD分析技术快速进行调控矩阵要素之间的运算、查询、分析和统计操作。
6.根据权利要求1所述的灌区用水智能调控方法，其特征在于：所述整体协同调控矩阵中各要素之间被赋予一个标量，标量取值0～1，0代表两个调控节点之间无关联；否则两个调控节点之间存在不同的协同关联度值，协同关联度值由各用水单元需耗水动态约束下与所述局部水量博弈矩阵和整体协同调控矩阵相耦合后的水动力学模型计算获得。
7.根据权利要求1所述的灌区用水智能调控方法，其特征在于：所述灌区输配水与排水动力学过程自适应变换式矩阵中的要素由渠/沟空间离散节点构造而得，其要素在空间坐标上可与局部水量博弈矩阵和整体协同调控矩阵要素相契合，故在每一个时间演化步下，三个矩阵可进行叠加运算，实现灌区输配水与排水动力学过程自适应变换式、局部水量博弈矩阵和整体协同调控矩阵三者之间的全耦合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910462412.XA CN110174843B (zh) | 2019-05-30 | 2019-05-30 | 一种灌区用水智能调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910462412.XA CN110174843B (zh) | 2019-05-30 | 2019-05-30 | 一种灌区用水智能调控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110174843A true CN110174843A (zh) | 2019-08-27 |
| CN110174843B CN110174843B (zh) | 2020-03-10 |
Family
ID=67696626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910462412.XA Active CN110174843B (zh) | 2019-05-30 | 2019-05-30 | 一种灌区用水智能调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110174843B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111551898A (zh) * | 2020-04-07 | 2020-08-18 | 云知声智能科技股份有限公司 | 一种抗混响的声源定位方法 |
| CN111667145A (zh) * | 2020-05-06 | 2020-09-15 | 武汉大学 | 一种基于非合作博弈的河道内外用水冲突协商方法 |
| CN111709134A (zh) * | 2020-06-12 | 2020-09-25 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
| CN113449993A (zh) * | 2021-06-29 | 2021-09-28 | 中国水利水电科学研究院 | 一种城市水源供水调度方法 |
| CN115456422A (zh) * | 2022-09-16 | 2022-12-09 | 中国水利水电科学研究院 | 一种基于计算水动力学的灌区配水计划动态预演修正方法 |
| CN116432961A (zh) * | 2023-04-14 | 2023-07-14 | 上海华维可控农业科技集团股份有限公司 | 一种基于数字化的水量信息管理系统及方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080097654A1 (en) * | 2004-10-29 | 2008-04-24 | Hydropoint Data Systems, Inc. | Method and system for controlling irrigation using computed evapotranspiration values |
| CN101356882A (zh) * | 2008-09-18 | 2009-02-04 | 中国农业大学 | 一种灌区配水方案的确定方法 |
| CN104809516A (zh) * | 2015-04-16 | 2015-07-29 | 山东省水利科学研究院 | 引黄灌区水资源多目标优化配置模型及其求解方法 |
| CN106718693A (zh) * | 2016-12-02 | 2017-05-31 | 中国水利水电科学研究院 | 一种灌溉区水资源调控系统及调控方法 |
| CN106934534A (zh) * | 2017-02-28 | 2017-07-07 | 武汉大学 | 长藤结瓜灌区灌溉水有效利用系数计算方法 |
| CN107015852A (zh) * | 2016-06-15 | 2017-08-04 | 珠江水利委员会珠江水利科学研究院 | 一种大规模梯级水电站群多核并行优化调度方法 |
| CN107146167A (zh) * | 2017-05-05 | 2017-09-08 | 西安理工大学 | 一种用于水源地生态补偿标准核算方法 |
| CN107479380A (zh) * | 2017-08-25 | 2017-12-15 | 东北大学 | 基于演化博弈理论的多智能体协调控制方法 |
| CN108681320A (zh) * | 2018-05-11 | 2018-10-19 | 北京理工大学 | 一种基于局部合作的分布式多智能体实时故障检测方法 |
| CN108764573A (zh) * | 2018-05-29 | 2018-11-06 | 中国水利水电科学研究院 | 一种面向内陆干旱区的水资源多维均衡配置系统 |
| US20180356775A1 (en) * | 2017-06-12 | 2018-12-13 | PassiveLogic, Inc. | Heuristic method of automated and learning control, and building automation systems thereof |
| CN109284921A (zh) * | 2018-09-17 | 2019-01-29 | 北京工商大学 | 基于隐马尔科夫模型的农业灌溉水质动态评价方法 |
-
2019
- 2019-05-30 CN CN201910462412.XA patent/CN110174843B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080097654A1 (en) * | 2004-10-29 | 2008-04-24 | Hydropoint Data Systems, Inc. | Method and system for controlling irrigation using computed evapotranspiration values |
| CN101356882A (zh) * | 2008-09-18 | 2009-02-04 | 中国农业大学 | 一种灌区配水方案的确定方法 |
| CN104809516A (zh) * | 2015-04-16 | 2015-07-29 | 山东省水利科学研究院 | 引黄灌区水资源多目标优化配置模型及其求解方法 |
| CN107015852A (zh) * | 2016-06-15 | 2017-08-04 | 珠江水利委员会珠江水利科学研究院 | 一种大规模梯级水电站群多核并行优化调度方法 |
| CN106718693A (zh) * | 2016-12-02 | 2017-05-31 | 中国水利水电科学研究院 | 一种灌溉区水资源调控系统及调控方法 |
| CN106934534A (zh) * | 2017-02-28 | 2017-07-07 | 武汉大学 | 长藤结瓜灌区灌溉水有效利用系数计算方法 |
| CN107146167A (zh) * | 2017-05-05 | 2017-09-08 | 西安理工大学 | 一种用于水源地生态补偿标准核算方法 |
| US20180356775A1 (en) * | 2017-06-12 | 2018-12-13 | PassiveLogic, Inc. | Heuristic method of automated and learning control, and building automation systems thereof |
| CN107479380A (zh) * | 2017-08-25 | 2017-12-15 | 东北大学 | 基于演化博弈理论的多智能体协调控制方法 |
| CN108681320A (zh) * | 2018-05-11 | 2018-10-19 | 北京理工大学 | 一种基于局部合作的分布式多智能体实时故障检测方法 |
| CN108764573A (zh) * | 2018-05-29 | 2018-11-06 | 中国水利水电科学研究院 | 一种面向内陆干旱区的水资源多维均衡配置系统 |
| CN109284921A (zh) * | 2018-09-17 | 2019-01-29 | 北京工商大学 | 基于隐马尔科夫模型的农业灌溉水质动态评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| MEIJIAN BAI 等: "Coupled impact of spatial variability of infiltration and microtopography on basin irrigation performances", 《IRRIGATION SCIENCE》 * |
| 董勤各 等: "考虑灌溉参数空间变异的区域畦灌模拟与验证", 《农业工程学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111551898A (zh) * | 2020-04-07 | 2020-08-18 | 云知声智能科技股份有限公司 | 一种抗混响的声源定位方法 |
| CN111667145A (zh) * | 2020-05-06 | 2020-09-15 | 武汉大学 | 一种基于非合作博弈的河道内外用水冲突协商方法 |
| CN111667145B (zh) * | 2020-05-06 | 2023-04-28 | 武汉大学 | 一种基于非合作博弈的河道内外用水冲突协商方法 |
| CN111709134A (zh) * | 2020-06-12 | 2020-09-25 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
| CN111709134B (zh) * | 2020-06-12 | 2021-05-04 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
| CN113449993A (zh) * | 2021-06-29 | 2021-09-28 | 中国水利水电科学研究院 | 一种城市水源供水调度方法 |
| CN115456422A (zh) * | 2022-09-16 | 2022-12-09 | 中国水利水电科学研究院 | 一种基于计算水动力学的灌区配水计划动态预演修正方法 |
| CN115456422B (zh) * | 2022-09-16 | 2024-02-02 | 中国水利水电科学研究院 | 一种基于计算水动力学的灌区配水计划动态预演修正方法 |
| CN116432961A (zh) * | 2023-04-14 | 2023-07-14 | 上海华维可控农业科技集团股份有限公司 | 一种基于数字化的水量信息管理系统及方法 |
| CN116432961B (zh) * | 2023-04-14 | 2023-10-20 | 上海华维可控农业科技集团股份有限公司 | 一种基于数字化的水量信息管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110174843B (zh) | 2020-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110174843A (zh) | 一种灌区用水智能调控方法 | |
| De Lange et al. | An operational, multi-scale, multi-model system for consensus-based, integrated water management and policy analysis: The Netherlands Hydrological Instrument | |
| Zhang et al. | An improved ant colony algorithm for path planning in one scenic area with many spots | |
| Ahmad et al. | System dynamics modeling of reservoir operations for flood management | |
| Ehteram et al. | Fast convergence optimization model for single and multi-purposes reservoirs using hybrid algorithm | |
| Álvarez et al. | Constrained predictive control of an irrigation canal | |
| CN101419623B (zh) | 地理模拟优化系统 | |
| Jiang et al. | Automatic calibration a hydrological model using a master–slave swarms shuffling evolution algorithm based on self-adaptive particle swarm optimization | |
| CN106909986A (zh) | 一种使用蚁群多目标布局优化模型的土地再开发规划方法 | |
| Jahandideh-Tehrani et al. | Power generation simulation of a hydropower reservoir system using system dynamics: case study of Karoon reservoir system | |
| CN107919983A (zh) | 一种基于数据挖掘的天基信息网络效能评估系统及方法 | |
| Giuliani et al. | Multi-agent systems optimization for distributed watershed management | |
| Ostfeld | Ant colony optimization for water resources systems analysis–review and challenges | |
| CN115587542A (zh) | 基于强化学习的地下水反演仿真方法、系统、设备及介质 | |
| Nikjoofar et al. | Water distribution networks designing by the multiobjective genetic algorithm and game theory | |
| CN106325069A (zh) | 一种无线网络控制系统最优线性控制策略设计方法 | |
| CN103383743A (zh) | 一种色度空间变换方法 | |
| Wang et al. | Regional Development | |
| Ramirez-Jaime et al. | A differential game approach to urban drainage systems control | |
| Berendrecht et al. | MIPWA: a methodology for interactive planning for water management | |
| Touya | First thoughts for the orchestration of generalisation methods on heterogeneous landscapes | |
| Fallah-Mehdipour et al. | Application of genetic programming in hydrology | |
| CN105447571A (zh) | 一种基于遗传算法的体系结构自动优化方法 | |
| Schneider | Approaching water stress in the Alps: transdisciplinary coproduction of systems, target and transformation knowledge | |
| Prodanovic et al. | Integrated water resources modelling of the Upper Thames River Basin |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |