CN113379262B - 河道内水草影响电站发电的风险预警方法及系统 - Google Patents

河道内水草影响电站发电的风险预警方法及系统 Download PDF

Info

Publication number
CN113379262B
CN113379262B CN202110675169.7A CN202110675169A CN113379262B CN 113379262 B CN113379262 B CN 113379262B CN 202110675169 A CN202110675169 A CN 202110675169A CN 113379262 B CN113379262 B CN 113379262B
Authority
CN
China
Prior art keywords
power station
vegetation
aquatic
early warning
aquatic weeds
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
Application number
CN202110675169.7A
Other languages
English (en)
Other versions
CN113379262A (zh
Inventor
杨中华
槐文信
朱政涛
柳梦阳
范玉洁
王奕森
李达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202110675169.7A priority Critical patent/CN113379262B/zh
Publication of CN113379262A publication Critical patent/CN113379262A/zh
Application granted granted Critical
Publication of CN113379262B publication Critical patent/CN113379262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02B—HYDRAULIC ENGINEERING
    • E02B9/00—Water-power plants; Layout, construction or equipment, methods of, or apparatus for, making same
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/20—Hydro energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Structural Engineering (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)

Abstract

本发明提供一种河道内水草影响电站发电的风险预警方法及系统，能够实现电站水草危害的动态预警和提前处理。风险预警方法括：步骤1.确定影响电站发电水草的主要种类；步骤2.展开植被调查与监测，为遥感解译区域植被分布提供地面参照，通过监督分类方法得到电站上游流域影响电站发电水草的时空分布；步骤3.进行特征水草的植被生理特性实验，确定引起植被脱离河床的水文条件阈值；步骤4.收集研究区域的水文、地形及气象基本数据，建立研究区域二维浅水动力学及对流扩散耦合模型；步骤5.预测不同水文条件下河道内输移水草的潜在数量及运动轨迹，根据计算结果动态评估电站进水口堵塞风险，当风险超过预警值时发出预警。

Description

河道内水草影响电站发电的风险预警方法及系统
技术领域
本发明属于环境水力学领域，具体涉及一种河道内水草影响电站发电的风险预警方法及系统。
技术背景
由于河道环境和物理特性、工业废水排放至河道等原因，部分电站上游河道内水生植物繁殖迅速，在特定水文水质条件下，电站上游河道内水草将顺水而下，至坝前聚集而导致电站取水区水利条件发生改变，进水口流量受到影响，严重时水草堵塞进水口甚至将导致电站事故停机，造成较大经济损失。以往对电站水草的研究多集中在水草清理设备的升级与拦污栅结构形式的优化，通常未考虑拦污栅堵塞成因，其处理方式在时间上具有一定的滞后性。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种河道内水草影响电站发电的风险预警方法及系统，能够实现电站水草危害的动态预警和提前处理。
本发明为了实现上述目的，采用了以下方案：
<方法>
本发明提供一种河道内水草影响电站发电的风险预警方法，其特征在于，包括以下步骤：步骤1.收集电站水草处理相关历史资料，确定影响电站发电水草的主要种类；步骤2.收集电站上游流域历史植被分布资料，并展开植被调查与监测，为遥感解译区域植被分布提供地面参照，通过监督分类方法得到电站上游流域影响电站发电水草的时空分布；步骤3.进行特征水草的植被生理特性实验，研究不同类型水草对外界环境变量的响应关系，确定引起植被脱离河床的水文条件阈值；步骤4.收集研究区域的水文、地形及气象基本数据，建立研究区域二维浅水动力学及对流扩散耦合模型，并完成模型的参数率定与验证；步骤5.基于上游流域影响电站发电水草的时空分布与水文条件阈值，预测不同水文条件下河道内输移水草的潜在数量及运动轨迹，根据计算结果动态评估电站进水口堵塞风险，当风险超过预警值时发出预警。
优选地，本发明提供的河道内水草影响电站发电的风险预警方法中，步骤1包括如下子步骤：步骤1-1.根据历史水草打捞资料确定影响电站发电的主要水草种类及不同类型水草的占比情况，同时统计电站前水草堆积量阈值W阈，当累计堆积量超过阈值时，电站机组正常运行将受到水草影响；步骤1-2.由于可能存在多种水草影响电站正常发电，考虑根据水草植被功能类型进行分类，包括沉水类水生植物、漂浮类水生植物、挺水型水生植物，以用于遥感解译。
优选地，本发明提供的河道内水草影响电站发电的风险预警方法中，步骤2包括如下子步骤：步骤2-1.收集电站上游流域历史水生植被分布资料，将植被按照功能类型进行分类并完成资料的数字化，统计不同类型植被分布面积，并确定影响电站发电水草的主要历史分布区域；针对电站上游河道进行野外样点采样，样点采集包括水生植物优势种的类型、丰度、盖度、透明度和GPS，并对漂浮植被和挺水植被的光谱特征进行测量；对于位于河漫滩的挺水植被，选取代表性河段布置样方进行持续性监测；步骤2-2.选取研究区域高分辨率遥感影像，对于漂浮植被及挺水植被，通过光谱曲线特征进行监督分类以实现植被功能类型的遥感解译；对于沉水植被，由于其通常位于水下，难以通过光谱特征直接解译，因此采用遥感缨帽变换后的亮度指数与绿度指数的差值作为评价指标，同时通过实测沉水植被资料确定分割阈值，最终实现对沉水植被的遥感识别；将前述针对不同植被功能类型的遥感解译方法推广至研究区域历史遥感影像，得到电站上游流域影响电站发电水草的时空分布信息。
优选地，本发明提供的河道内水草影响电站发电的风险预警方法中，步骤3包括如下子步骤：步骤3-1.实验分析特征植被的生理特性，研究对植被生长、竞争有影响的环境因素，主要包括河流水位、流速、营养盐水平对植被生长过程的影响，建立植被生长与主要外界环境变量的响应曲线，分析适宜水草生长的水文、气候条件；步骤3-2.进行特征植被破坏性模拟实验，采用水槽实验研究不同功能类型植被在不同生长阶段对床面剪切力的耐受性，根据实验统计引起不同生长阶段水草脱离河床的床面剪切力阈值，将其作为电站上游河道水草被带入水体的重要途径。
优选地，本发明提供的河道内水草影响电站发电的风险预警方法中，步骤4包括如下子步骤：步骤4-1.选定研究区域二维水动力及对流扩散耦合模型的基本控制方程如下：
Figure BDA0003120695150000031
S＝Sb+Sf+Sw+Sk+Sc，
Figure BDA0003120695150000032
式中，U表示水流中的守恒量；t表示时间项；x、y表示笛卡尔坐标系；F、G分别表示x、y方向的通量；S表示源项通量，其中包括地形源项Sb、摩阻源项Sf、风应力源项Sw、地球自转产生的科氏力源项Sk；水体物质运输过程中的源项Sc，表示水体物质运输过程中的源项，作为上游河道水草在遭受破坏后进入水体的增量项；h表示水深；u、v表示x、y方向的水流流速；c表示水体内物质的含量；g表示重力加速度；Sx、Sy表示x、y方向的源项通量；Dx、Dy分别表示水体内物质在x、y方向的紊动扩散系数；
步骤4-2.收集研究区域的水文、地形、气象基础数据，根据收集的基础数据构建二维浅水水动力及对流扩散耦合模型，以实测流量、水位、水体内水草量作为模型进出口条件模拟研究区域水流特征、水草数量的沿程变化，在进行参数率定和模型验证后用于后续计算。
优选地，本发明提供的河道内水草影响电站发电的风险预警方法中，步骤4-2包括：步骤4-2-1.采用三角形网格剖分整个研究区域，得到三角形网格下用于求解守恒量U的Godunov型有限体积格式：
Figure BDA0003120695150000033
式中，i表示网格单元编号，j表示边界在某一单元中的编号，在三角形网格中，j＝1，2，3；Δt表示时间步长；Di表示三角形网格的面积；Lij表示第i个三角形网格的第j个边界长度；Fij、Gij分别表示第i个网格中第j个边界的通量向量；θ表示边界外法向与x正向的夹角；Si表示第i个三角形网格的源项通量；
步骤4-2-2.在前述控制方程及求解格式的基础上，给定电站上游计算区域的基本参数、模型的初始计算参数，以实测流量、水位、水体内水草量作为模型进出口边界条件；
步骤4-2-3.根据CFL稳定条件确定模型时间步长Δt以满足耦合模型计算的稳定性，时间步长Δt计算公式如下：
Figure BDA0003120695150000041
其中，CFL表示克朗条件数，一般取0.8，时间步长Δt随水流条件的变化而动态调整。
步骤4-2-4.对网格边界性质进行定义，分为固壁不过水边界、内部过水边界以及进出口水文边界；
步骤4-2-5.基于不同的网格边界条件及水流条件，利用HLLC格式求解网格边界的通量项，在将不同边界通量项代入求解守恒量U的Godunov型有限体积格式后，更新得到下一个时间步的守恒量
Figure BDA0003120695150000042
在反复迭代后，最终得到整个研究区域不同位置处水流条件及水草数量随时间的变化规律，采用实测资料对计算结果进行参数率定及模型验证。
优选地，本发明提供的河道内水草影响电站发电的风险预警方法，还可以具有以下特征：在步骤5中，在现状植被分布的基础上，根据研究区域二维水动力及对流扩散耦合模型预测不同水文条件下河道内输移水草的潜在数量，并得到电站位置水草累计堆积量W与时间t的响应关系，当发现累计堆积量将在t1时刻超过步骤1确定的阈值W阈时，模型将认为t1时刻电站前水草堆积量将会对电站正常运行造成影响并发出预警信号。
优选地，本发明提供的河道内水草影响电站发电的风险预警方法，还可以具有以下特征：在步骤5中，发出预警后，进行阻塞水草的集中打捞提前拦截或采用水文调度实现水草行进路径的调控与优化。
<系统>
进一步，本发明还提供一种河道内水草影响电站发电的风险预警系统，其特征在于，包括：种类确定部，收集电站水草处理相关历史资料，确定影响电站发电水草的主要种类；时空分布获取部，收集电站上游流域历史植被分布资料，并展开植被调查与监测，为遥感解译区域植被分布提供地面参照，通过监督分类方法得到电站上游流域影响电站发电水草的时空分布；阈值确定部，基于特征水草的植被生理特性实验数据，研究不同类型水草对外界环境变量的响应关系，确定引起植被脱离河床的水文条件阈值；模型建立部，收集研究区域的水文、地形及气象基本数据，建立研究区域二维浅水动力学及对流扩散耦合模型，并完成模型的参数率定与验证；预警部，基于上游流域影响电站发电水草的时空分布与水文条件阈值，预测不同水文条件下河道内输移水草的潜在数量及运动轨迹，根据计算结果动态评估电站进水口堵塞风险，当风险超过预警值时发出预警；以及控制部，与种类确定部、时空分布获取部、阈值确定部、模型建立部、预警部均通信相连，控制它们的运行。
优选地，本发明提供的河道内水草影响电站发电的风险预警系统，还可以包括：拦截装置，与控制部通信相连，用于打捞和拦截水草；和调度部，与控制部通信相连，通过调控水闸出水量和流速从而将水草冲到下游，其中，控制部在预警部发出预警后，驱使拦截部进行阻塞水草的集中打捞提前拦截，或驱使调度部将水草冲到远离进水口的下游位置处。
发明的作用与效果
本发明所提供的河道内水草影响电站发电的风险预警方法及系统，从影响电站发电的主要水草种类入手，研究了其生长特性及起动机理，通过高分辨率遥感影像从流域尺度确定了电站水草主要来源；通过计算能够得到在现状植被分布下，不同水文条件下河道内水草数量及运动轨迹，并且能够得到电站区的水草累积量评估电站进水口潜在堵塞风险，然后对堵塞风险进行判断，当风险超过预警值时发出预警信号进行提示，以便进行阻塞水草的提前拦截或采用水文调度实现水草行进路径的调控与优化，从而能够从源头来处理水草危害，避免其累积堵塞进水口，切实保障电站的正常运行。
附图说明
图1为本发明涉及的河道内水草影响电站发电的风险预警方法的流程图；
图2为本发明涉及的影响电站发电水草数量预警模式示意图；
图3为本发明涉及的根据模型计算结果确定的电站上游水草进行水文调度和集中打捞两种处理模式的示意图。
具体实施方式
以下结合附图对本发明涉及的河道内水草影响电站发电的风险预警方法及系统的具体实施方案进行详细地说明。
<实施例>
如图1所示，本实施例所提供的河道内水草影响电站发电的风险预警方法，具体包括以下步骤：
(1)收集电站水草处理相关历史资料，确定影响电站发电的水草的主要种类。
该步骤具体包括：
(1-1)根据历史水草打捞资料确定影响电站发电的主要水草种类及不同类型水草的占比情况，同时统计电站前水草堆积量阈值W阈，当累计堆积量超过阈值时，电站机组正常运行将受到水草影响；
(1-2)由于可能存在多种水草影响电站正常发电，考虑根据水草植被功能类型进行分类，具体包括沉水类水生植物、漂浮类水生植物、挺水型水生植物等以用于遥感解译；
(2)收集电站上游流域历史植被分布资料，并展开植被调查与监测，为遥感解译区域植被分布提供地面参照，通过监督分类方法得到电站上游流域影响电站发电水草的时空分布。该步骤具体包括：
(2-1)收集电站上游流域历史水生植被分布资料，将植被按照前述功能类型进行分类并完成资料的数字化，统计不同类型植被分布面积，并确定影响电站发电水草的主要历史分布区域。针对电站上游河道进行野外样点采样，样点采集包括水生植物优势种的类型、丰度、盖度、透明度和GPS等，并对漂浮植被和挺水植被的光谱特征进行测量；对于位于河漫滩的挺水植被，选取代表性河段布置样方进行持续性监测；
(2-2)选取研究区域高分辨率遥感影像，对于漂浮植被及挺水植被，可通过光谱曲线特征进行监督分类以实现植被功能类型的遥感解译；对于沉水植被，由于其通常位于水下，难以通过光谱特征直接解译，因此采用遥感缨帽变换后的亮度指数与绿度指数的差值作为评价指标，同时通过实测沉水植被资料确定分割阈值，最终实现对沉水植被的遥感识别。将前述针对不同植被功能类型的遥感解译方法推广至研究区域历史遥感影像，得到电站上游流域影响电站发电水草的时空分布信息。
(3)进行特征水草的植被生理特性实验，研究不同类型水草对外界环境变量的响应关系，确定引起植被脱离河床的水文条件阈值。该步骤具体包括：
(3-1)实验分析特征植被的生理特性，研究对植被生长、竞争有影响的环境因素，主要包括河流水位、流速、营养盐水平对植被生长过程的影响，建立植被生长与主要外界环境变量的响应曲线，分析适宜水草生长的水文、气候条件；
(3-2)进行特征植被破坏性模拟实验，本发明认为床面剪切力能够很好地反映水流作用的强度，其值的分布情况会直接关系到河床冲淤变化及基质分布，是影响水生植被空间分布的重要因子。因此采用水槽实验研究对于不同功能类型植被在不同生长阶段对床面剪切力的耐受性，根据实验统计引起不同生长阶段水草脱离河床的床面剪切力阈值，将其作为电站上游河道水草被带入水体的重要途径。
(4)收集研究区域的水文、地形及气象等基本数据，建立研究区域二维浅水动力学及对流扩散耦合模型，并完成模型的参数率定与验证。该步骤具体包括：
(4-1)选定研究区域二维水动力及对流扩散耦合模型的基本控制方程如下：
Figure BDA0003120695150000071
S＝Sb+Sf+Sw+Sk+Sc，
Figure BDA0003120695150000072
式中，U表示水流中的守恒量；t表示时间项；x、y表示笛卡尔坐标系；F、G分别表示x、y方向的通量；S表示源项通量，其中包括地形源项Sb、摩阻源项Sf、风应力源项Sw、地球自转产生的科氏力源项Sk；水体物质运输过程中的源项Sc，表示水体物质运输过程中的源项，可理解为上游河道水草在遭受破坏后进入水体的增量项；h表示水深；u、v表示x、y方向的水流流速；c表示水体内物质的含量；g表示重力加速度；Sx、Sy表示x、y方向的源项通量；Dx、Dy分别表示水体内物质在x、y方向的紊动扩散系数。
(4-2)收集研究区域的水文、地形、气象等基础数据，根据收集的基础数据构建二维浅水水动力及对流扩散耦合模型，以实测流量、水位、水体内水草量作为模型进出口条件模拟研究区域水流特征、水草数量的沿程变化，在进行参数率定和模型验证后用于后续计算。
进一步的，步骤(4-2)具体包括：
(4-2-1)采用三角形网格剖分整个研究区域，得到三角形网格下用于求解守恒量U的Godunov型有限体积格式：
Figure BDA0003120695150000081
式中，i表示网格单元编号，j表示边界在某一单元中的编号，在三角形网格中，j＝1,2,3；Δt表示时间步长；Di表示三角形网格的面积；Lij表示第i个三角形网格的第j个边界长度；Fij、Gij分别表示第i个网格中第j个边界的通量向量；θ表示边界外法向与x正向的夹角；Si表示第i个三角形网格的源项通量。
(4-2-2)在前述控制方程及求解格式的基础上，给定电站上游计算区域的基本参数、模型的初始计算参数等，以实测流量、水位、水体内水草量作为模型进出口边界条件。
(4-2-3)根据CFL稳定条件确定模型时间步长Δt以满足耦合模型计算的稳定性，时间步长Δt计算公式如下：
Figure BDA0003120695150000082
式中，CFL表示克朗条件数，一般取0.8，时间步长Δt随水流条件的变化而动态调整。
(4-2-4)对网格边界性质进行定义，分为固壁不过水边界、内部过水边界以及进出口水文边界；
(4-2-5)基于不同的网格边界条件及水流条件，利用HLLC格式求解网格边界的通量项，在将不同边界通量项代入求解守恒量U的Godunov型有限体积格式后，更新得到下一个时间步的守恒量
Figure BDA0003120695150000083
在反复迭代后，最终得到整个研究区域不同位置处水流条件及水草数量随时间的变化规律，采用实测资料对计算结果进行参数率定及模型验证。
(5)基于上游流域影响电站发电水草的空间分布与水文条件阈值，预测不同水文条件下河道内输移水草的潜在数量及运动轨迹，根据计算结果动态评估电站进水口堵塞风险性，最终实现阻塞水草的提前拦截及行进路径的调控与优化。具体为：在现状植被分布的基础上，根据研究区域二维水动力及对流扩散耦合模型预测不同水文条件下河道内输移水草的潜在数量，并得到如图2所示的电站位置水草累计堆积量W与时间t的响应曲线，当发现累计堆积量将在t1时刻超过步骤1确定的阈值W阈时，模型将认为t1时刻电站前水草堆积量将会对电站正常运行造成影响并发出预警信号。
图3显示了上游来流水草主要通过水文调度和集中打捞两种处理方式。当模型发出预警信号后，根据水动力及对流扩散耦合模型计算可通过水文调度将水草冲到下游的水草数量，并根据电站上游水草堆积余量安排集中打捞布置规模以实现资源的合理配置。
进一步，本实施例还提能够自动实现上述风险预警方法的风险预警系统，该系统包括种类确定部、时空分布获取部、阈值确定部、模型建立部、预警部以及控制部。
种类确定部收集电站水草处理相关历史资料，确定影响电站发电的水草的主要种类。
时空分布获取部收集电站上游流域历史植被分布资料，并展开植被调查与监测，为遥感解译区域植被分布提供地面参照，通过监督分类方法得到电站上游流域影响电站发电水草的时空分布。
阈值确定部基于特征水草的植被生理特性实验数据，研究不同类型水草对外界环境变量的响应关系，确定引起植被脱离河床的水文条件阈值。
模型建立部收集研究区域的水文、地形及气象基本数据，建立研究区域二维浅水动力学及对流扩散耦合模型，并完成模型的参数率定与验证。
预警部基于上游流域影响电站发电水草的时空分布与水文条件阈值，预测不同水文条件下河道内输移水草的潜在数量及运动轨迹，根据计算结果动态评估电站进水口堵塞风险，当风险超过预警值时发出预警。
拦截装置用于打捞和拦截水草。
调度部通过调控水闸出水量和流速从而将水草冲到下游。
控制部与种类确定部、时空分布获取部、阈值确定部、模型建立部、预警部、拦截装置、调度部均通信相连，控制它们的运行。控制部在预警部发出预警后，驱使拦截部进行阻塞水草的集中打捞提前拦截，或驱使调度部将水草冲到远离进水口的下游位置处。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的河道内水草影响电站发电的风险预警方法及系统并不仅仅限定于在以上实施例中所描述的内容，而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换，都在本发明的权利要求所要求保护的范围内。

Claims (10)

1.河道内水草影响电站发电的风险预警方法，其特征在于，包括以下步骤：
步骤1.收集电站水草处理相关历史资料，确定影响电站发电的水草的主要种类；
步骤2.收集电站上游流域历史植被分布资料，并展开植被调查与监测，为遥感解译区域植被分布提供地面参照，通过监督分类方法得到电站上游流域影响电站发电水草的时空分布；
步骤3.进行特征水草的植被生理特性实验，研究不同类型水草对外界环境变量的响应关系，确定引起植被脱离河床的水文条件阈值；
步骤4.收集研究区域的水文、地形及气象基本数据，建立研究区域二维浅水动力学及对流扩散耦合模型，并完成模型的参数率定与验证；
步骤5.基于上游流域影响电站发电水草的时空分布与水文条件阈值，预测不同水文条件下河道内输移水草的潜在数量及运动轨迹，根据计算结果动态评估电站进水口堵塞风险，当风险超过预警值时发出预警。
2.根据权利要求1所述的河道内水草影响电站发电的风险预警方法，其特征在于：
其中，步骤1包括如下子步骤：
步骤1-1.根据历史水草打捞资料确定影响电站发电的主要水草种类及不同类型水草的占比情况，同时统计电站前水草堆积量阈值W阈，当累计堆积量超过阈值时，电站机组正常运行将受到水草影响；
步骤1-2.根据水草植被功能类型进行分类，包括沉水类水生植物、漂浮类水生植物、挺水型水生植物，以用于遥感解译。
3.根据权利要求1所述的河道内水草影响电站发电的风险预警方法，其特征在于：
其中，步骤2包括如下子步骤：
步骤2-1.收集电站上游流域历史水生植被分布资料，将植被按照功能类型进行分类并完成资料的数字化，统计不同类型植被分布面积，并确定影响电站发电水草的主要历史分布区域；针对电站上游河道进行野外样点采样，样点采集包括水生植物优势种的类型、丰度、盖度、透明度和GPS，并对漂浮植被和挺水植被的光谱特征进行测量；对于位于河漫滩的挺水植被，选取代表性河段布置样方进行持续性监测；
步骤2-2.选取研究区域高分辨率遥感影像，对于漂浮植被及挺水植被，通过光谱曲线特征进行监督分类以实现植被功能类型的遥感解译；对于沉水植被，采用遥感缨帽变换后的亮度指数与绿度指数的差值作为评价指标，同时通过实测沉水植被资料确定分割阈值，最终实现对沉水植被的遥感识别；将前述针对不同植被功能类型的遥感解译方法推广至研究区域历史遥感影像，得到电站上游流域影响电站发电水草的时空分布信息。
4.根据权利要求1所述的河道内水草影响电站发电的风险预警方法，其特征在于：
其中，步骤3包括如下子步骤：
步骤3-1.实验分析特征植被的生理特性，研究对植被生长、竞争有影响的环境因素，主要包括河流水位、流速、营养盐水平对植被生长过程的影响，建立植被生长与主要外界环境变量的响应曲线，分析适宜水草生长的水文、气候条件；
步骤3-2.进行特征植被破坏性模拟实验，采用水槽实验研究不同功能类型植被在不同生长阶段对床面剪切力的耐受性，根据实验统计引起不同生长阶段水草脱离河床的床面剪切力阈值，将其作为电站上游河道水草被带入水体的重要途径。
5.根据权利要求1所述的河道内水草影响电站发电的风险预警方法，其特征在于：
其中，步骤4包括如下子步骤：
步骤4-1.选定研究区域二维水动力及对流扩散耦合模型的基本控制方程如下：
Figure FDA0003592471470000021
S＝Sb+Sf+Sw+Sk+Sc，
Figure FDA0003592471470000031
式中，U表示水流中的守恒量；t表示时间项；x、y表示笛卡尔坐标系；F、G分别表示x、y方向的通量；S表示源项通量，其中包括地形源项Sb、摩阻源项Sf、风应力源项Sw、地球自转产生的科氏力源项Sk；水体物质运输过程中的源项Sc，表示水体物质运输过程中的源项，作为上游河道水草在遭受破坏后进入水体的增量项；h表示水深；u、v表示x、y方向的水流流速；c表示水体内物质的含量；g表示重力加速度；Sx、Sy表示x、y方向的源项通量；Dx、Dy分别表示水体内物质在x、y方向的紊动扩散系数；
步骤4-2.收集研究区域的水文、地形、气象基础数据，根据收集的基础数据构建二维浅水水动力及对流扩散耦合模型，以实测流量、水位、水体内水草量作为模型进出口条件模拟研究区域水流特征、水草数量的沿程变化，在进行参数率定和模型验证后用于后续计算。
6.根据权利要求5所述的河道内水草影响电站发电的风险预警方法，其特征在于：
其中，步骤4-2具体包括：
步骤4-2-1.采用三角形网格剖分整个研究区域，得到三角形网格下用于求解守恒量U的Godunov型有限体积格式：
Figure FDA0003592471470000032
式中，i表示网格单元编号，j表示边界在某一单元中的编号，在三角形网格中，j＝1,2,3；Δt表示时间步长；Di表示三角形网格的面积；Lij表示第i个三角形网格的第j个边界长度；Fij、Gij分别表示第i个网格中第j个边界的通量向量；θ表示边界外法向与x正向的夹角；Si表示第i个三角形网格的源项通量；
步骤4-2-2.在前述控制方程及求解格式的基础上，给定电站上游计算区域的基本参数、模型的初始计算参数，以实测流量、水位、水体内水草量作为模型进出口边界条件；
步骤4-2-3.根据CFL稳定条件确定模型时间步长Δt以满足耦合模型计算的稳定性，时间步长Δt计算公式如下：
Figure FDA0003592471470000041
式中，CFL表示克朗条件数，取0.8，时间步长Δt随水流条件的变化而动态调整；
步骤4-2-4.对网格边界性质进行定义，分为固壁不过水边界、内部过水边界以及进出口水文边界；
步骤4-2-5.基于不同的网格边界条件及水流条件，利用HLLC格式求解网格边界的通量项，在将不同边界通量项代入求解守恒量U的Godunov型有限体积格式后，更新得到下一个时间步的守恒量
Figure FDA0003592471470000042
在反复迭代后，最终得到整个研究区域不同位置处水流条件及水草数量随时间的变化规律，采用实测资料对计算结果进行参数率定及模型验证。
7.根据权利要求1所述的河道内水草影响电站发电的风险预警方法，其特征在于：
其中，在步骤5中，在现状植被分布的基础上，根据研究区域二维水动力及对流扩散耦合模型预测不同水文条件下河道内输移水草的潜在数量，并得到电站位置水草累计堆积量W与时间t的响应关系，当发现累计堆积量将在t1时刻超过步骤1确定的阈值W阈时，模型将认为t1时刻电站前水草堆积量将会对电站正常运行造成影响并发出预警信号。
8.根据权利要求1所述的河道内水草影响电站发电的风险预警方法，其特征在于：
其中，在步骤5中，发出预警后，进行阻塞水草的集中打捞提前拦截或采用水文调度实现水草行进路径的调控与优化。
9.河道内水草影响电站发电的风险预警系统，其特征在于，包括：
种类确定部，收集电站水草处理相关历史资料，确定影响电站发电的水草的主要种类；
时空分布获取部，收集电站上游流域历史植被分布资料，并展开植被调查与监测，为遥感解译区域植被分布提供地面参照，通过监督分类方法得到电站上游流域影响电站发电水草的时空分布；
阈值确定部，基于特征水草的植被生理特性实验数据，研究不同类型水草对外界环境变量的响应关系，确定引起植被脱离河床的水文条件阈值；
模型建立部，收集研究区域的水文、地形及气象基本数据，建立研究区域二维浅水动力学及对流扩散耦合模型，并完成模型的参数率定与验证；
预警部，基于上游流域影响电站发电水草的时空分布与水文条件阈值，预测不同水文条件下河道内输移水草的潜在数量及运动轨迹，根据计算结果动态评估电站进水口堵塞风险，当风险超过预警值时发出预警；以及
控制部，与所述种类确定部、所述时空分布获取部、所述阈值确定部、所述模型建立部、所述预警部均通信相连，控制它们的运行。
10.根据权利要求9所述的河道内水草影响电站发电的风险预警系统，其特征在于，还包括：
拦截装置，与所述控制部通信相连，用于打捞和拦截水草；和
调度部，与所述控制部通信相连，通过调控水闸出水量和流速从而将水草冲到下游，
其中，所述控制部在所述预警部发出预警后，驱使拦截部进行阻塞水草的集中打捞提前拦截，或驱使调度部将水草冲到远离进水口的下游位置处。
CN202110675169.7A 2021-06-18 2021-06-18 河道内水草影响电站发电的风险预警方法及系统 Active CN113379262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110675169.7A CN113379262B (zh) 2021-06-18 2021-06-18 河道内水草影响电站发电的风险预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110675169.7A CN113379262B (zh) 2021-06-18 2021-06-18 河道内水草影响电站发电的风险预警方法及系统

Publications (2)

Publication Number Publication Date
CN113379262A CN113379262A (zh) 2021-09-10
CN113379262B true CN113379262B (zh) 2022-06-07

Family

ID=77577673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110675169.7A Active CN113379262B (zh) 2021-06-18 2021-06-18 河道内水草影响电站发电的风险预警方法及系统

Country Status (1)

Country Link
CN (1) CN113379262B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994692B (zh) * 2023-03-23 2023-11-03 中铁水利信息科技有限公司 基于5g和大数据的智慧河湖管理平台
CN117408173B (zh) * 2023-12-16 2024-03-01 长江水利委员会水文局长江中游水文水资源勘测局 一种基于机器学习的水文流量整编智能模型构建方法
CN117709135B (zh) * 2024-02-06 2024-04-12 水利部交通运输部国家能源局南京水利科学研究院 考虑电厂温排水影响时长权重的热影响分析方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108038351A (zh) * 2017-12-06 2018-05-15 武汉大学 一种基于遥感影像和水生态模型的叶绿素计算方法
CN108550096A (zh) * 2018-03-06 2018-09-18 河海大学 对滨江水体水环境整治的生态引调水方法
CN110197017A (zh) * 2019-05-17 2019-09-03 长安大学 一种城市河流橡胶坝群水生态调控方法
CN110414088A (zh) * 2019-07-10 2019-11-05 武汉大学 结合水动力模型的涉禽栖息地适宜性空间模糊评价方法
CN112633545A (zh) * 2020-07-14 2021-04-09 福州市环境科学研究院(福州市环境影响评价技术中心、福州市排污权储备技术中心) 一种基于闽江下游突发水污染事故风险预警方法及系统
CN112883644A (zh) * 2021-02-10 2021-06-01 中国环境科学研究院 一种动态水环境管理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108038351A (zh) * 2017-12-06 2018-05-15 武汉大学 一种基于遥感影像和水生态模型的叶绿素计算方法
CN108550096A (zh) * 2018-03-06 2018-09-18 河海大学 对滨江水体水环境整治的生态引调水方法
CN110197017A (zh) * 2019-05-17 2019-09-03 长安大学 一种城市河流橡胶坝群水生态调控方法
CN110414088A (zh) * 2019-07-10 2019-11-05 武汉大学 结合水动力模型的涉禽栖息地适宜性空间模糊评价方法
CN112633545A (zh) * 2020-07-14 2021-04-09 福州市环境科学研究院(福州市环境影响评价技术中心、福州市排污权储备技术中心) 一种基于闽江下游突发水污染事故风险预警方法及系统
CN112883644A (zh) * 2021-02-10 2021-06-01 中国环境科学研究院 一种动态水环境管理方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A depth-averaged two dimensional shallow water model to simulate flow-rigid vegetation interactions;Zhonghua Yang;《Procedia Engineering》;20161231;全文 *
Coupled and splitting bedload sediment transport models based on a modified flux-wave approach;Hossein Mahdizadeh;《International Journal of Sediment Research》;20200513;全文 *
Estimating the distribution of suspended sediment concentration in submerged vegetation flow based on gravitational theory;Zhonghua Yang;《Journal of Hydrology》;20200403;全文 *
Study of total variation diminishing (TVD) slope limiters in dam-break flow simulation;Yang, Zhong-hua;《Water Science and Engineering》;20181231;全文 *
水库壅水对水源地水环境的影响研究;刘小华等;《水资源与水工程学报》;20200415(第02期);全文 *

Also Published As

Publication number Publication date
CN113379262A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN113379262B (zh) 河道内水草影响电站发电的风险预警方法及系统
Yi et al. Evaluating the ecological influence of hydraulic projects: A review of aquatic habitat suitability models
CN105223937B (zh) 梯级水电站群生态调控智能控制系统及方法
Kuhnle et al. Effect of land use changes on sediment transport in Goodwin Creek
CN107563610A (zh) 一种闸坝调控对鱼类栖息地空间特性影响的量化分析方法
CN106682355B (zh) 一种基于pso-ga混合算法的水文模型参数率定方法
CN107480775A (zh) 一种基于数据修复的池塘溶解氧预测方法
CN106202163A (zh) 通江湖泊生态监测信息管理及预警系统
CN107464202A (zh) 基于鱼类生境需求的多闸坝平原河流生态流量过程推求方法
Chen et al. Artificial neural network modelling of concentrations of nitrogen, phosphorus and dissolved oxygen in a non‐point source polluted river in Zhejiang Province, southeast China
Han et al. River flow modelling using fuzzy decision trees
CN110263987A (zh) 一种适用于半干旱半湿润地区的洪水预报方法
Li et al. Ecological hydrograph based on Schizothorax chongi habitat conservation in the dewatered river channel between Jinping cascaded dams
CN109594531A (zh) 一种智慧灌区一体化斗口闸门测控系统
CN111898250B (zh) 基于多源数据融合的河口尾闾段出汊预测方法及装置
CN111477266A (zh) 一种天然水域鱼类产卵场判识方法
Huang Hydrodynamic modeling and ecohydrological analysis of river inflow effects on Apalachicola Bay, Florida, USA
Wang et al. Modeling the effectiveness of conservation practices at Shoal Creek watershed, Texas, using APEX
CN114117952A (zh) 水动力与基质相耦合的植被消长模型构建方法及装置
Huang et al. Towards better environmental software for spatio-temporal ecological models: lessons from developing an intelligent system supporting phytoplankton prediction in lakes
Plew The hydrodynamic effects of long-line mussel farms
Palconit et al. Multi-gene genetic programming of iot water quality index monitoring from fuzzified model for Oreochromis niloticus recirculating aquaculture system
CN110532672A (zh) 基于时频耦合模拟的流域面源污染优先控制区识别方法
CN114051983B (zh) 一种刺参智能化养殖监控捕收系统及实现方法
CN115761520A (zh) 基于河流漂浮物自主学习的河流径流量分析方法及系统

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