CN113505492A - 一种基于数字孪生技术的跨流域调水工程的调度方法 - Google Patents
一种基于数字孪生技术的跨流域调水工程的调度方法 Download PDFInfo
- Publication number
- CN113505492A CN113505492A CN202110854533.6A CN202110854533A CN113505492A CN 113505492 A CN113505492 A CN 113505492A CN 202110854533 A CN202110854533 A CN 202110854533A CN 113505492 A CN113505492 A CN 113505492A
- Authority
- CN
- China
- Prior art keywords
- water
- flow
- data
- reservoir
- basin
- 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
Images
Classifications
-
- 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
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Abstract
本发明一种基于数字孪生技术的跨流域调水工程的调度方法,按照如下步骤进行:步骤1跨流域调水工程受水区各用水户需水精确预测;步骤2基于数字孪生理论的跨流域调水工程关键断面控制指标推求;步骤3调水区多水库联合调度方案精准生成;步骤4跨流域调水工程数据感知及其与虚拟数字环境间的数据实时交互;步骤5系统安全状况预判与未来调度对策生成。本发明通过联合使用供水区水库和调输配水管网,达到向各取水厂精准供水的目标;可以精准模拟跨流域调水工程全环节的运行过程,精准预判工程运行中的潜在风险,并生成相应对策与预案,实现突发事故下的应急管理,较常规模拟调度模型具有明显优势。
Description
技术领域
本发明属于跨流域调水工程技术领域,具体涉及一种基于数字孪生技术的跨流域调水工程的调度方法。
背景技术
跨流域调水工程是根据区域经济社会发展需要,对水资源的天然时空分布进行人为调节分配的重要工程措施,是缓解水资源供需矛盾的重要工程手段。根据各用水户的用水需求进行精准的调度管理,优化调水工程运行过程,是有效保障跨流域调水工程安全稳定运行的关键,也是国内外跨流域调水工程研究的重点问题。
目前,跨流域调水工程研究多针对工程长期供水水量的稳定性和工程运行的经济性,很少考虑受水区缺乏大型调节设施的调水工程实时运行的安全问题。在实际调水过程中,由于用水户的取水过程是变化的,并且不同用水户的取用水过程之间存在相互干扰,当缺乏大型调节设施时,调水工程运行中易出现调水过程和取水过程不匹配,引水管道中可取水量不足,管道流量剧烈波动等问题。
对于如何根据用水需求实现缺乏大型调节设施的跨流域调水工程的精细化调度问题,原有的依靠大型调节工程进行运行管理的调度运行技术不再适用,需重新提出无大型调节设施的跨流域调水工程的调度运行方法。
发明内容
本发明的目的是提供一种基于数字孪生技术的跨流域调水工程的调度方法,解决了如何实现跨流域调水工程的精准模拟和智慧管控,有效保障跨流域调水工程安全稳定运行及各取水口供水任务的问题。
本发明所采用的技术方案是,
一种基于数字孪生技术的跨流域调水工程的调度方法,按照如下步骤进行:
步骤1:基于调水区水库和受水区用水户的知识数据、历史数据以及实时数据,得到仿真数据;
步骤2:以仿真数据为输入,基于数据和知识融合驱动的建模技术,建立描述跨流域调水工程运行状况与物理边界的虚拟数字环境,刻画各用户取水活动与关键断面控制指标间的映射过程,构建受水区输水管网水流逆序演进模型,获得各时刻调水区控制断面处的控制流量数据;
步骤3:以控制流量数据为目标数据基础,基于调水区水库群联合调度规则,在多水库同时供水条件下,依据简单水力学模型辅助计算水库出库流量过程到调水管道起始段控制点的水流过程,构建基于规则的调水区多水库联合调度模型,结合受水区输水管网水流逆序演进模型,进行水源区调水工程的调度,生成工程调度运行方案;
步骤4:依据工程调度运行方案,基于终端设备实现跨流域调水工程物理实体信息的数据感知、以及物理实体信息与虚拟数字环境间的实时数据交互,进行全环节数据要素的感知与全过程状态的监测;
步骤5:依据步骤4的结果计算控制断面流量偏差,判断控制指标偏差影响及工程后续运行安全度,根据需要及时调整调水区水库调度偏差。
本发明的特点还在于,
步骤1具体为:
步骤1.1:极端梯度提升树的集成学习算法来预测水源侧未来径流;
步骤1.2:采用优化神经网络预测模型,预测受水区各用户区域时段内的需水过程及其控制阈值。
步骤1.1的具体过程如下:
步骤1.1.1:极端梯度提升树的预测模型表示为如下公式(1):
步骤1.1.2:模型目标函数为如下公式(2):
步骤1.1.3:通过统计完成的水源侧径流逐时数据作为测试集,基于目标函数来不断迭代优化自身参数进行学习,最后由多个相关联的决策树联合决策。
步骤1.1.4:通过反复训练,确定模型参数后,即可获取水源侧的径流逐时预测的仿真数据。
步骤2中,受水区输水管网水流逆序演进模型的构建具体为:
步骤2.1:依据输水末管段的设计断面尺寸,获取断面处水位与面积的关系曲线;应用曼宁公式,推求取水断面处水位与流量关系曲线及流量与流速关系曲线;
步骤2.2:根据流量与流速关系曲线获取末管段的流速;根据距离、流速、时间的关系推求取水口处需水反演至上一个取水口处的流量需求及其演进时间;
步骤2.3:以此类推,递推至分水口处,分别计算流量演进至分水口处的演进时间、分水口处对应时刻以及分水口处所需控制流量;
步骤2.4:依据输水段管道尺寸参数,计算输水段流量与流速的关系曲线;
步骤2.5:依据步骤1的仿真数据以及步骤2.1-2.4的演进模型,计算出各时段调水区控制断面处控制流量的连续过程的数据。
步骤3中,所述调水区多水库联合调度模型的具体计算过程如下:
步骤3.1:基于调水区水库联合调度规则,确定调水区水库的联合供水方式;
步骤3.2:当由优先供水水库单独承担供水任务时,考虑水流演进规律,以控制点水量偏差最小为目标,确定优先供水水库的运行过程;
步骤3.3:当优先供水水库难于单独承担供水任务时,联合确定各水库的运行计划。
步骤3.3中,联合两水库联合调度的具体计算过程如下:
步骤3.3.1:首先根据水库调度规则确定优先供水水库的下泄流量过程;
步骤3.3.2:采用简单水力学模型模拟优先供水水库出库过程演进到调水工程起始段控制点的流量过程;
步骤3.3.3:根据控制点流量需求和简单水力学模型计算结果,采用逆序计算方法,反向演进到补偿水库出库断面,确定补偿水库的下泄流量过程。
步骤4具体为:
步骤4.1:对整体输水管网科学布置监测点,采用水流监测仪监测输水管网沿程水流状态,着重监测各分水口水流流速、流量数据,实现水体数据全面感知;
步骤4.2:通过通信网络架构技术,将监测端水流流速、流量数据传输给管控中心,实现精准监测数据与应用服务之间的同步互联,从而实现实测数据与模拟数据的精准交互与比较,为后续调度方案校核与修补提供数据基础。
步骤5中,判断控制指标偏差影响及工程后续运行安全度具体为:当偏差超越可行范围时,基于步骤2重新制定后续时段取水端各用水户的取水计划;采用步骤3建立的考虑水流演进过程的水库联合调度模型,校验供水侧工程后续运行与未来控制指标间的偏差,根据需要及时调整调水区水库调度偏差。
步骤5中,重新制定后续时段取水端各用水户的取水计划的具体计算过程如下:
步骤5.1:对比关键断面监测取水量数据与模拟取水量数据;
步骤5.2:监测取水量在模拟取水量偏差范围之内时,系统维持原方案进行调度运行;
步骤5.3:当监测取水量在模拟取水量偏差范围之外时,重新制定各水厂取水方案;
步骤5.4:不断重复步骤5.3修正取水量,直至监测取水量在模拟取水量偏差范围之内。
本发明的有益效果是:本发明一种基于数字孪生技术的跨流域调水工程的调度方法,对于受水区缺乏调节水库的跨流域调水工程,可通过联合使用供水区水库和调输配水管网,达到向各取水厂精准供水的目标。即数字调蓄池在一定程度上承担了受水区调节工程根据各用水户用水过程进行流量调节的任务;
本发明基于数字孪生理念提出了一整套跨流域调水工程的虚拟数字平台,通过该平台,可以精准模拟跨流域调水工程调-输-配全环节的运行过程,精准预判工程运行中的潜在风险,并针对工程运行中的潜在风险生成相应对策与预案,实现突发事故下的应急管理,在精确描述跨流域调水系统全环节运行状态方面,较常规模拟调度模型具有明显优势。
附图说明
图1是本发明一种基于数字孪生技术的跨流域调水工程的调度方法的整体流程示意图;
图2是本发明一种基于数字孪生技术的跨流域调水工程的调度方法的理论框架与技术路线示意图;
图3是本发明一种基于数字孪生技术的跨流域调水工程的调度方法中某跨流域调水工程节点的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明一种基于数字孪生技术的跨流域调水工程的调度方法进行详细说明。
如图1和图2所示,一种基于数字孪生技术的跨流域调水工程的调度方法,本发明提出了一种基于“数字调蓄池”技术的跨流域调水工程(调度)运行方法,旨在根据用水需求解决缺乏大型调节设施的跨流域调水工程的精细化调度问题,该方法具体包含如下步骤:
步骤1跨流域调水工程受水区各用水户需水精确预测;
步骤2基于数字孪生理论的跨流域调水工程关键断面控制指标推求;
步骤3调水区多水库联合调度方案精准生成;
步骤4跨流域调水工程数据感知及其与虚拟数字环境间的数据实时交互;
步骤5系统安全状况预判与未来调度对策生成。
作为一种实施例,跨流域调水工程如图2所示。调水工程由两座并联水库组成,输水工程由输水隧洞和分水池组成,受水工程由输水管网及六座分水水厂和取水闸构成。获取相关工程建筑的设计参数与尺寸。
本实例中,步骤1具体为:
步骤1.1:采用集成学习算法-极端梯度提升树(XGBoost)预测调水区两并联水库的未来径流。
步骤1.1.1:XGBoost预测模型可以表示为:
步骤1.1.2:模型目标函数为:
其中:为样本xi的训练误差;表示第k棵树的正则项,防止模型过拟合。目标函数包含了损失函数和正则项,前者的优化有助于建立各个特征和分类结果之间的潜在关系。后者实现了对模型复杂度的惩罚以防止过拟合的发生。
步骤1.1.3:通过统计完成的水源侧径流逐时数据作为测试集,基于目标函数来不断迭代优化自身参数进行学习。模型训练开始时决策树个数是0,每一棵决策树输入样本会与前面决策树的训练和预测结果相关,随着训练迭代加入决策树,最后由多个相关联的决策树联合决策。
步骤1.1.4:通过反复训练,确定模型参数后,即可获取调水区两并联水库径流逐时预测数据。
步骤1.2:对于受水区六座分水水厂具体需水的预测问题,采用主成分分析法对影响各用户需水的因素进行合理有效的筛选,分析各个指标对输出预测值的重要性,找到影响用户需水量的主要因素。采用优化神经网络模型,进行模型训练,输出符合误差要求的实时需水量预测值。
步骤1.2.1:首先筛选主要影响因素。对原始数据进行标准化处理并计算相关系数矩阵。
步骤1.2.2:求出相关系数矩阵的特征值λ(i=1,2,…,m),并使其按大小顺序排列,即λ1≥λ2≥λ3…≥λm≥0,然后分别求出对应于特征值的特征向量Li(i=1,2,…,m),
前r个主成分元素的线性组合为:
其中:Li(i=1,2,…,m)为m维的特征向量,lii为元素。y1,y2,…yr即为r个主成分,他们之间互相不相关。第一成分是起主要作用的,参考价值最大,且第二成分比第三成分重要,以此类推,各成分组合起来能达到累计贡献率85%以上的因子作为需水量的主要影响因子。
步骤1.2.3:将选取的主要影响因子作为神经网络的输入量、各用户的实时需水量作为输出量,建立3层的神经网络模型。从样本中选取前2/3的数据作为训练样本,后1/3数据作为检验样本。对样本数据进行归一化处理后输入神经网络模型中进行学习训练。计算如下:
其中:p*归一化数据;p原始数据;pmin原始数据最小值;pmax原始数据最大值。
步骤1.2.4由输出层输出与期望输出作差,得到预测误差。由预测误差反向传递更新网络的权值、阈值,由预测误差精度判断迭代是否结束。最终通过学习训练后得到预测模型,输出预测的分水口实时需水序列Qx。
步骤2具体为:
如图3所示,将跨流域调水工程供水管道划分为输水段和受水段两部分。调水区由两座水库组成,其中一座为补偿性水库。输水段由输水隧洞和分水池组成。在受水段,工程供水由分水池分水,分别向南干线和北干线输水,作为一种实施例:现以南干线为对象进行说明,式中包含三个分水口将配水段划分为三个输水管段。
步骤2.1依据取水闸2到取水闸3之间的管段的设计断面尺寸,获取取水闸3闸口的断面的处水位-面积关系曲线;应用曼宁公式,推求取水闸3闸口的断面的处水位-流量关系曲线及流量-流速关系曲线。
步骤2.2:定义时刻取水闸(取水口)n(n=0,1,2,3)(n=0时为分水口0)处南干线控制流量为 时刻取水闸2到取水闸3之间的管段的管道流量即为末端分水口节点需水并根据前述步骤2.1所获得流量-流速关系曲线获取末管段N的流速
其中:L3为取水闸2至取水闸3间管段长度。
更进一步的,演进时间、对应时刻和所需控制流量的计算过程如下:
步骤2.5:根据步骤1获得的实时需水序列以及步骤2.1-2.4的逆序水流演进模型,可计算出各时段分水口0处南干线控制流量的连续过程。
步骤2.6:同理,依据上述步骤可计算出北干线各时段分水口0处北干线控制流量的连续过程。
其中:n=m=0。
以该时刻为基准对两干线控制流量的连续过程进行叠加,即得到分水口0处的总控制流量过程。
步骤2.8.1:水流在隧洞演进时间Δt′的计算公式如下:
其中:L为输水隧洞管长。
步骤2.8.2:逆序演进至调水区控制断面的时刻t′0的计算公式如下:
步骤2.9依据上述步骤不断进行逆序递推繁衍即可得到各时刻调水区控制断面处的控制流量过程,为后续调水区两水库调度方案提供数据基础。
上述建立的跨流域调水工程供水管网逆序水流演进模型共同精准刻画了控制点控制指标与取水活动之间的映射过程。
步骤3具体为:
步骤3.1:以步骤2所得需水过程数据为基础,基于调水区水库联合调度规则,确定调水区水库的联合供水方式;
步骤3.2:当由优先供水水库单独承担供水任务时,考虑水流演进规律,以控制点水量偏差最小为目标,确定优先供水水库的运行过程;
步骤3.3:当优先供水水库难于单独承担供水任务时,联合确定各水库的运行计划。
步骤3.3.1:首先根据水库调度规则确定优先供水水库的下泄流量过程;
步骤3.3.2:采用简单水力学模拟优先供水水库出库过程演进到调水工程起始段控制点的流量过程;
步骤3.3.3:根据控制点流量需求和简单水力学计算结果,采用逆序计算方法,反向演进到补偿水库出库断面,确定补偿水库的下泄流量过程。
步骤4具体为:
步骤4.1:如图2,对整体输水管网进行监测点的布置,采用水流监测仪监测输水管网沿程水流状态,着重监测各分水口水流流速、流量等数据,实现水体数据全面感知。
步骤4.2:通过通信网络架构技术,将监测端水流流速、流量等数据传输给工程管控技术服务中心,实现精准监测数据与应用服务之间的同步互联,从而实现实测数据与模拟数据的精准交互与比较,为后续调度方案校核与修补提供数据基础。
步骤5具体为:
步骤5.1:对比关键断面监测取水量数据a与模拟取水量数据b
步骤5.2:监测取水量在模拟取水量偏差范围之内时,系统维持原方案进行调度运行。
步骤5.3:当监测取水量在模拟取水量偏差范围之外时,重新制定各水厂取水方案:
步骤5.3.1:定义某一取水断面t时刻监测水量为Qt′,模拟取水量为Qt。
当监测取水量大于模拟取水量,以修正系数α重新确定各水厂的取水量,α的计算公式如下:
修正后的取水量Q″t的计算公式如下:
Q″t=α*Qt (16),
步骤5.3.2当监测取水量小于模拟取水量,以修正系数β重新确定各水厂的取水量,β的计算公式如下:
修正后的取水量Q″t的计算公式如下:
Q″t=β*Qt (18),
步骤5.3.3:为保证水量的供需平衡,需对供水进行调整。
步骤5.3.3.1:当监测取水量大于模拟取水量,联合水库在下一时段的供水量q的计算公式如下:
q=q-(Q′t-Qt) (19),
步骤5.3.3.1:当监测取水量小于模拟取水量,联合水库在下一时段的供水量q的计算公式如下:
q=q+(Qt-Q′t) (20),
步骤5.3.4:根据重新计算的未来时段受水区各用水户取水计划,逆推至水库调水区控制断面的流量过程。
步骤5.3.5:采用与步骤3相同步骤,重新确定调水区水库未来时段内的联合调度计划。
步骤5.4:不断重复步骤(5.3)修正取水量c,直至监测取水量在模拟取水量偏差范围之内。
本发明一种基于数字孪生技术的跨流域调水工程的调度方法,在精确描述跨流域调水系统全环节运行状态方面,较常规模拟调度模型具有明显优势。
Claims (10)
1.一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,按照如下步骤进行:
步骤1:基于调水区水库和受水区用水库的知识数据、历史数据以及实时数据,得到仿真数据;
步骤2:以仿真数据为输入,基于数据和知识融合驱动的精准建模技术,建立跨流域调水工程运行状况与物理边界的虚拟数字环境,刻画各用户取水活动与关键断面控制指标间的映射过程,构建受水区输水管网水流逆序演进模型;
步骤3:基于调水区水库群联合调度规则,依据简单水力学模型辅助计算水库出库流量过程到调水管道起始段控制点的水流过程,构建基于规则的调水区多水库联合调度模型,结合受水区输水管网水流逆序演进模型,进行水源区调水工程的调度,生成工程调度运行方案;
步骤4:依据工程调度运行方案,基于终端设备实现跨流域调水工程物理实体信息的数据感知、以及物理实体信息与虚拟数字环境间的实时数据交互,进行全环节数据要素的感知与全过程状态的监测;
步骤5:步骤4的结果计算控制断面流量偏差,判断控制指标偏差影响及工程后续运行安全度。
2.根据权利要求1所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,步骤1具体为:
步骤1.1:极端梯度提升树的集成学习算法来预测水源侧未来径流;
步骤1.2:采用优化神经网络预测模型,预测受水区各用户区域时段内的需水过程及其控制阈值。
4.根据权利要求2所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,步骤1.2的具体过程如下:
步骤1.2.1:首先筛选主要影响因素,对原始数据进行标准化处理并计算相关系数矩阵;
步骤1.2.2:求出相关系数矩阵的特征值,并使其按大小顺序排列,然后分别求出对应于特征值的特征向量,通过特征向量内部元素的线性组合成主要成分元素,以累计贡献率85%以上的因子作为需水量的主要影响因子;
步骤1.2.3:将选取的主要影响因子作为神经网络的输入量、各用户的实时需水量作为输出量,建立神经网络模型;从样本中选取前三分之二的数据作为训练样本,后三分之一数据作为检验样本,对样本数据进行归一化处理后输入神经网络模型中进行学习训练;
步骤1.2.4:由输出层输出与期望输出作差,得到预测误差,由预测误差反向传递更新网络的权值、阈值,由预测误差精度判断迭代是否结束,最终通过学习训练后得到预测模型,输出预测的分水口实时需水序列。
5.根据权利要求1所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,步骤2中,跨流域输水工程输水管网水流逆序演进模型的构建具体为:
步骤2.1:依据输水末管段的设计断面尺寸,获取断面处水位与面积的关系曲线;应用曼宁公式,推求取水断面处水位与流量关系曲线及流量与流速关系曲线;
步骤2.2:根据流量与流速关系曲线获取末管段的流速;根据距离、流速、时间的关系推求取水口处需水反演至上一个取水口处的流量需求及其演进时间;
步骤2.3:以此类推,递推至分水口处,分别计算流量演进至分水口处的演进时间、分水口处对应时刻以及分水口处所需控制流量;
步骤2.4:依据输水段管道尺寸参数,计算输水段流量与流速的关系曲线;由步骤2.3所得分水口控制流量推求对应时刻流速,根据距离、流速、时间的关系,推求出水流在输水隧洞逆序演进时间,得到相应时刻调水区控制断面处控制流量;
步骤2.5:依据步骤1的仿真数据以及步骤2.1-2.4的演进模型,计算出各时段调水区控制断面处控制流量的连续过程的数据。
6.根据权利要求1所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,步骤3中,所述调水区多水库联合调度模型的具体计算过程如下:
步骤3.1:基于调水区水库联合调度规则,确定调水区水库的联合供水方式;
步骤3.2:当由优先供水水库单独承担供水任务时,考虑水流演进规律,以控制点水量偏差最小为目标,确定优先供水水库的运行过程;
步骤3.3:当优先供水水库难于单独承担供水任务时,联合确定各水库的运行计划。
7.根据权利要求6所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,步骤3.3中,联合两水库联合调度的具体计算过程如下:
步骤3.3.1:首先根据水库调度规则确定优先供水水库的下泄流量过程;
步骤3.3.2:采用简单水力学模型模拟优先供水水库出库过程演进到调水工程起始段控制点的流量过程;
步骤3.3.3:根据控制点流量需求和简单水力学模型计算结果,采用逆序计算方法,反向演进到补偿水库出库断面,确定补偿水库的下泄流量过程。
8.根据权利要求1所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,所述步骤4具体为:
步骤4.1:对整体输水管网科学布置监测点,采用水流监测仪监测输水管网沿程水流状态,着重监测各分水口水流流速、流量数据,实现水体数据全面感知;
步骤4.2:通过通信网络架构技术,将监测端水流流速、流量数据传输给管控中心,实现精准监测数据与应用服务之间的同步互联,从而实现实测数据与模拟数据的精准交互与比较,为后续调度方案校核与修补提供数据基础。
9.根据权利要求1所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,步骤5中,判断控制指标偏差影响及工程后续运行安全度具体为:当偏差超越可行范围时,基于步骤2重新制定后续时段取水端各用水户的取水计划;采用步骤3建立的考虑水流演进过程的水库联合调度模型,校验供水侧工程后续运行与未来控制指标间的偏差,根据需要及时调整调水区水库调度偏差。
10.根据权利要求9所述的一种基于数字孪生技术的跨流域调水工程的调度方法,其特征在于,步骤5中,重新制定后续时段取水端各用水户的取水计划的具体计算过程如下:
步骤5.1:对比关键断面监测取水量数据与模拟取水量数据;
步骤5.2:监测取水量在模拟取水量偏差范围之内时,系统维持原方案进行调度运行;
步骤5.3:当监测取水量在模拟取水量偏差范围之外时,重新制定各水厂取水方案;
步骤5.4:不断重复步骤5.3修正取水量,直至监测取水量在模拟取水量偏差范围之内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854533.6A CN113505492A (zh) | 2021-07-28 | 2021-07-28 | 一种基于数字孪生技术的跨流域调水工程的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854533.6A CN113505492A (zh) | 2021-07-28 | 2021-07-28 | 一种基于数字孪生技术的跨流域调水工程的调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113505492A true CN113505492A (zh) | 2021-10-15 |
Family
ID=78014814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110854533.6A Pending CN113505492A (zh) | 2021-07-28 | 2021-07-28 | 一种基于数字孪生技术的跨流域调水工程的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505492A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308914A (zh) * | 2023-02-27 | 2023-06-23 | 国家石油天然气管网集团有限公司 | 一种用于油气管道的桌面演练方法、系统、设备及介质 |
CN116909238A (zh) * | 2023-08-29 | 2023-10-20 | 广东青藤环境科技有限公司 | 基于数字孪生的智慧水厂综合管理系统 |
-
2021
- 2021-07-28 CN CN202110854533.6A patent/CN113505492A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308914A (zh) * | 2023-02-27 | 2023-06-23 | 国家石油天然气管网集团有限公司 | 一种用于油气管道的桌面演练方法、系统、设备及介质 |
CN116308914B (zh) * | 2023-02-27 | 2024-03-12 | 国家石油天然气管网集团有限公司 | 一种用于油气管道的桌面演练方法、系统、设备及介质 |
CN116909238A (zh) * | 2023-08-29 | 2023-10-20 | 广东青藤环境科技有限公司 | 基于数字孪生的智慧水厂综合管理系统 |
CN116909238B (zh) * | 2023-08-29 | 2024-01-19 | 广东青藤环境科技有限公司 | 基于数字孪生的智慧水厂综合管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110984062B (zh) | 一种流域干支流大规模水库群模拟调度方法 | |
Chaves et al. | Intelligent reservoir operation system based on evolving artificial neural networks | |
CN112052992B (zh) | 一种基于深度学习的建筑工程项目进度预测系统及方法 | |
CN109685240A (zh) | 一种基于lstm深度学习的95598话务工单预测与异动预警方法 | |
CN113505492A (zh) | 一种基于数字孪生技术的跨流域调水工程的调度方法 | |
CN109784471A (zh) | 一种基于多预测模型的95598话务工单预测与异动预警方法 | |
CN107609787A (zh) | 基于自动生成预案的闸泵群联合自动调度方法 | |
CN108681783A (zh) | 一种水库实时多目标随机优化调度和风险评估方法 | |
CN112329990A (zh) | 一种基于lstm-bp神经网络的用户用电负荷预测方法 | |
CN111967666A (zh) | 一种江河湖水系综合协同调度系统及其调度方法 | |
CN109376907B (zh) | 适应输配电网一体化规划的高压配网变电站负荷预测方法 | |
CN105512832A (zh) | 基于时变权最小方差的城市需水量组合预测方法 | |
CN109993463A (zh) | 一种综合管廊的工程质量管理评价方法 | |
KR101119983B1 (ko) | 지엠디에이치 알고리즘을 이용한 물수요 예측방법 | |
CN106200381B (zh) | 一种根据处理水量分阶段控制水厂运行的方法 | |
CN110070228A (zh) | 一种神经元分支进化的bp神经网络风速预测方法 | |
CN114693122A (zh) | 一种基于数字孪生技术的电网规划方法 | |
CN113469528A (zh) | 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法 | |
CN114936742A (zh) | 一种供水系统调度代理决策方法 | |
Kofinas et al. | Daily multivariate forecasting of water demand in a touristic island with the use of artificial neural network and adaptive neuro-fuzzy inference system | |
CN114757330A (zh) | 基于lstm的城市瞬时用水量预测方法 | |
CN108446771A (zh) | 一种防止销售预测模型过拟合的方法 | |
CN110110921A (zh) | 一种考虑时滞效应的河流水位预测方法 | |
CN108898245A (zh) | 一种用于风电机组零部件的需求预测方法 | |
Kaghazchi et al. | Prioritization of agricultural water distribution operating systems based on the sustainable development indicators |
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 |