CN113516305A - 一种情景-目标交互的水网区水资源调度智能决策方法及系统 - Google Patents

一种情景-目标交互的水网区水资源调度智能决策方法及系统 Download PDF

Info

Publication number
CN113516305A
CN113516305A CN202110727169.7A CN202110727169A CN113516305A CN 113516305 A CN113516305 A CN 113516305A CN 202110727169 A CN202110727169 A CN 202110727169A CN 113516305 A CN113516305 A CN 113516305A
Authority
CN
China
Prior art keywords
water
scene
decision
intelligent decision
resource scheduling
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
Application number
CN202110727169.7A
Other languages
English (en)
Other versions
CN113516305B (zh
Inventor
蔡梅
龚李莉
王元元
李琛
陆志华
潘明祥
韦婷婷
李勇涛
钱旭
何建兵
石亚东
李敏
李蓓
白君瑞
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.)
Water Resources Development Research Center Of Taihu Basin Authority
Original Assignee
Water Resources Development Research Center Of Taihu Basin Authority
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 Water Resources Development Research Center Of Taihu Basin Authority filed Critical Water Resources Development Research Center Of Taihu Basin Authority
Priority to CN202110727169.7A priority Critical patent/CN113516305B/zh
Publication of CN113516305A publication Critical patent/CN113516305A/zh
Application granted granted Critical
Publication of CN113516305B publication Critical patent/CN113516305B/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
    • G06Q10/04—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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种情景‑目标交互的水网区水资源调度智能决策方法及系统，所述方法包括：（1）调用水文数据采集设备存储于在线数据库中的水文数据；（2）根据所述水文数据模拟计算对应的水量水质，并存储至方案成果数据库；（3）构建智能决策指标体系；（4）开发情景识别模块，完成情景自动识别及权重动态分配；（5）目标函数构建及求解，开发形成水资源调度智能决策模块；（6）耦合各预设模块，开发形成水资源调度智能决策系统平台。本发明通过研究不同维度目标之间协同关系随情景变化而发生动态变化的技术，克服了现有技术对于水资源调度实时情景的应变能力和时效不足，实现了变化情景下的水资源调度智能决策。

Description

一种情景-目标交互的水网区水资源调度智能决策方法及 系统
技术领域
本发明涉及水资源调度智能决策领域，尤其涉及一种情景-目标交互的水网区水资源调度智能决策方法及系统。
背景技术
对水资源进行调度是应对各类水问题、保障水安全的有效途径，也是提升水资源对于经济社会基础支撑能力的重要手段。在全球气候变化、极端天气事件等不确定性因素增多的大背景下，水资源调度目标涉及防洪安全、供水安全、水环境安全等多个不同维度，不同维度目标既互相关联又具有一定竞争性，即表现为在水资源调度周期内的任一时刻，不同维度目标相对重要性随实际情景不同而发生时间上的动态变化。因此，针对实时变化情景的水资源调度决策是该领域的重点和难点。
由于平原水网区水利工程众多、调度影响和制约因素复杂，因而水资源调度决策多采用相对分割、耗时较长的“方案设计-效果评估-方案决策”的分步人为决策方式，过于依赖决策者经验，决策效率低、可靠度无法保证。此外，已有的决策技术对于水资源调度各目标在决策周期内的重要性多以某一确定的权重来衡量，却忽略了变化情景下，不同目标之间的竞争关系本身是随情景不同而动态变化的，因而传统决策方法可能导致关键情景下特定目标保障不足，不能实现最佳的决策效果。综上，水网区水资源调度决策技术尚有以下问题亟待解决：一是如何在决策过程的任一时刻自动识别情景变化；二是如何提高目标对于情景的敏感反应性，即如何反映防洪、供水、水环境等不同维度目标重要性在不同情景下的动态变化，特别是某些关键情景下特定目标的保障；三是如何将传统的分步人为决策过程转化为一种智能化的决策技术。为弥补现有技术的不足，有必要提出一种情景-目标交互的水网区水资源调度智能决策方法及系统，以解决水资源调度时变决策问题。
发明内容
发明目的：针对现有技术在水资源调度实时情景的应变能力和时效方面的不足，提出一种情景-目标交互的水网区水资源调度智能决策方法及系统，通过情景自动识别、情景与目标之间的交互，解决水资源调度时变决策问题。
技术方案：第一方面，提出了一种情景-目标交互的水网区水资源调度智能决策方法，该方法具体包括以下步骤：
(1)调用水文数据采集设备存储于在线数据库中的水文数据；
(2)根据所述水文数据模拟计算对应的水量水质，并存储至方案成果数据库；
(3)构建智能决策指标体系；
(4)开发情景识别模块，完成情景自动识别及权重动态分配，实现情景-目标的交互；
(5)目标函数构建及求解，开发形成水资源调度智能决策模块；
(6)开发水资源调度智能决策系统平台，可视化最终决策结果至终端。
在第一方面的一些可实现方式中，智能决策指标体系从防洪安全维度、供水安全维度和水环境安全维度进行构建，设有n个指标，m个待决策方案，则关于n个指标的矩阵为：
Figure BDA0003139108060000021
式中：xij为第i个指标的第j个方案的计算值，i＝1，2，…，n，j＝1，2，…，m。
随后，通过如下表达式对所述指标矩阵进行标准化处理，得到标准化矩阵R＝(rij)n×m。
Figure BDA0003139108060000022
式中，rij表示第i个指标的第j个方案的标准化值；xii表示第i个指标的第j个方案的计算值；ai表示第i个指标取值的下限；bi表示第i个指标取值的上限。
在第一方面的一些可实现方式中，实现所述情景自动识别和权重动态分配的步骤如下：
确定至少一个用于情景识别的关键指示因子Ii(Ii量纲相同)，形成关键指示因子集，I＝{I1，I2，…，In}，各因子权重记为ci，则关键指示因子集的权重C＝{c1，c2，…，cn}；
计算不同情景下关键指示因子特征数值V，V＝I*CT；
根据所述关键指示因子特征数值建立若干情景；
为各情景分别预设一套对应的指标权重，形成指标权重集；
当关键指示因子满足设定的对应场景时，相应的指标权重为当前时刻对应的权重。从而实现权重的动态分配，反应不同调度目标在时间尺度上重要程度的动态变化。
在第一方面的一些可实现方式中，从多维度的角度实现目标函数的建立，表达式如下：
Figure BDA0003139108060000031
Figure BDA0003139108060000032
式中，fj(x)表示第j个方案防洪安全维度目标函数；gj(x)表示第j个方案供水安全维度目标函数；hi(x)表示第j个方案水环境安全维度目标函数；αi表示防洪安全维度第i个指标的权重；βi表示供水安全维度第i个指标的权重；γi表示水环境安全维度第i个指标的权重；k表示防洪安全维度指标数量；p表示供水安全维度指标数量；q表示水环境安全维度指标数量。
在第一方面的一些可实现方式中，所述终端用于运行智能决策系统平台，以及呈现最终的决策方案；
所述智能决策系统平台通过数据接口，调用封装好的计算程序，对实时场景数据进行运行处理和智能决策，并将处理的智能决策结果进行可视化；其中，所述决策站点属性信息存储于站点数据库。
第二方面，提出一种情景-目标交互的水网区水资源调度智能决策系统，该系统具体包括以下模块：
水文遥测系统、实时调用模块、情景识别模块、水资源调度智能决策模块、决策站点配置模块、智能决策系统平台和用户端，其中，实时调用模块包括在线数据库和河网水动力水质模型；
所述水文遥测系统与在线数据库连接，对实际场景中水文数据进行实时感知、接收和存储；
所述实时调用模块，连接在线遥测数据库和河网水动力水质模型，进行水量水质模拟计算；
所述情景识别模块，实现情景自动识别及权重动态分配；
所述水资源调度智能决策模块通过目标函数的构建和求解，实现水资源调度方案集的智能决策；
所述智能决策系统平台耦合水资源调度智能决策模块、河网水动力水质模型以及决策站点配置模块，通过程序封装和数据接口进行对应模块功能的调用。
在第二方面的一些可实现方式中，所述水文遥测设备构成水文遥测系统，通过与在线数据库的连接，实现对实际场景中水文数据的实时感知、接收和存储；
所述实时调用模块包括在线数据库和河网水动力水质模型，在线数据库存储水文遥测系统采集的数据，实时调用模块通过数据接口及WEB应用服务器，连接在线数据库和线下的河网水动力水质模型，实现在线数据库的数据读取和河网水动力水质模型的计算，获取水量水质模拟计算的数据结果，并将数据结果存入方案成果数据库，作为水资源调度智能决策模块的输入数据。
所述情景识别模块通过划分情景区间的方式，令关键指示因子对应不同的情景状态；每个情景分别预设一套对应的指标权重，从而形成指标权重集，并作为水资源调度智能决策模块的缺省输入；当实际场景中关键指示因子满足对应的情景区间时，指标权重集中相应的权重数值即为当前时刻对应的权重。
所述水资源调度智能决策模块根据决策指标体系，并通过接收情景识别模块中的数据建立目标函数；
所述决策站点配置模块用于根据用户定义，决定决策站点是否纳入智能决策，并根据各站点重要性、对于决策目标函数的敏感度等配置各决策站点相应的权重；
所述智能决策系统平台通过数据接口及Web服务器与决策站点配置模块和水资源调度决策模块进行数据交互，并将最终的决策结果呈现至用户端。
在第二方面的一些可实现方式中，所述智能决策系统平台耦合了水资源调度智能决策模块、河网水动力水质模型以及决策站点配置模块，采用基于Web Service的面向服务架构SOA的体系架构加以实现，并对决策模块采取SOA架构的websockt服务架构方式进行封装。
有益效果：在水资源调度周期内的任一时刻，不同维度目标相对重要性随实际情景不同而发生时间上的动态变化。针对已有决策技术无法客观反映这一特征，从而导致关键情景下特定目标保障不足的问题，本发明提出了一种情景-目标交互的水网区水资源调度智能决策方法及系统，通过构建涵盖防洪、供水、水环境安全不同维度的决策指标体系，并采用情景自动识别和决策指标权重动态分配方法，可反映不同维度目标之间协同关系随情景变化而发生的时间上的动态变化。进一步采用数据接口和实时调用的方式，支持不同水动力水质模型和水资源调度智能决策模块的耦合，拓宽了决策系统应用场景，支持决策站点的调整和拓展，具有灵活性和通用性，为变化情景下的平原水网区水资源调度时变决策提供了技术手段。
附图说明
图1为本发明实施例的拓扑结构示意图。
图2是本发明水资源调度智能决策模块技术流程。
图3是本发明实施例决策指标体系抗旱调度优先情景决策指标权重示意图。
图4是本发明实施例决策指标体系供水安全优先情景决策指标权重示意图。
图5是本发明实施例决策指标体系水环境安全优先情景决策指标权重示意图。
图6是本发明实施例决策指标体系防洪安全优先情景决策指标权重示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，以太湖及下游河网地区水资源调度决策为例，提出一种情景-目标交互的水网区水资源调度智能决策方法，构建水资源调度决策指标体系，用于变化情景下水资源调度的智能决策。
具体的，该方法包括以下步骤：
步骤一、获取水文数据；
步骤二、根据水文数据进行水量水质的模拟计算；
步骤三、构建智能决策指标体系；
步骤四、根据不同情景的自动识别完成指标权重的动态分配，实现情景-目标的交互；
步骤五、构建目标函数并求解，开发形成水资源调度智能决策模块；
步骤六、耦合河网水动力水质模型和水资源调度智能决策功能，开发水资源调度智能决策系统平台。
在进一步的实施例中，提出的一种基于情景自动识别的水网区水资源调度智能决策方法可应用于如图1所示的场景中，实现过程如图2所示，实现该方法的模块具体包括：水文遥测系统、实时调用模块、情景识别模块、水资源调度智能决策模块、决策站点配置模块、智能决策系统平台和用户端。其中，实时调用模块包括在线数据库和河网水动力水质模型。
水文遥测设备构成水文遥测系统，通过与在线数据库的连接，实现对实际场景中水文数据的实时感知、接收和存储。
实时调用模块包括在线数据库和河网水动力水质模型。在线数据库存储水文遥测系统采集的数据，实时调用模块通过数据接口及WEB应用服务器，连接在线数据库和线下的河网水动力水质模型，实现在线数据库的数据读取和河网水动力水质模型的计算，获取水量水质模拟计算的数据结果，并将数据结果存入方案成果数据库，作为水资源调度智能决策模块的输入数据。
情景识别模块通过划分情景区间的方式，令关键指示因子对应不同的情景状态。每个情景分别预设一套对应的指标权重，从而形成指标权重集，并作为水资源调度智能决策模块的缺省输入。当实际场景中关键指示因子满足对应的情景区间时，指标权重集中相应的权重数值即为当前时刻对应的权重，从而完成权重的动态分配，实现反映不同调度目标在时间尺度上重要程度动态变化的目标。
水资源调度智能决策模块根据决策指标体系，并通过接收情景识别模块中的数据，建立目标函数，通过目标函数求解完成水资源调度的智能决策。
决策站点配置模块用于根据用户定义，决定决策站点是否纳入智能决策，并根据各站点重要性、对于决策目标函数的敏感度等配置各决策站点相应的权重。同时该模块包括站点数据库，用于定义和存储各决策站点属性，包括站点名称、站点类型、属性特征值等信息。
智能决策系统平台通过数据接口及Web服务器与决策站点配置模块和水资源调度决策模块进行数据交互，并将最终的决策结果呈现至用户端。其中，为了更好地将系统应用到多种实际场景，所以针对多个模块之间通过留有程序调用接口的方式，进行模块功能的调用。数据接口的方式拓宽了决策系统应用场景，支持决策站点的调整和拓展，具有更好的灵活性和通用性，更符合实际场景的应用。
在进一步的实施例中，针对水文遥测系统与在线数据库之间的数据传输，采用移动通信全网通模组作为主要的通信方式。
采用硬件与软件结合的方式对水文数据进行采集和处理，通过对硬件结构选用嵌入式管理芯片的方式，使系统的操作环境处于良好状态。另外对采集到的数据采用水文数据信息检测器进行监测，从而获得精准的水文信息。软件层面建立水文主任务，并在主任务中修改水文特征存储方式，从而可以减少因数据收集完整度不高导致的监测失误现象。
具体的，为了保证通信的可靠性和稳定性，在远距离通讯方式中，选取5G全网通模组作为水文遥测系统主要的通信方式。相较于卫星通信在面对自然灾害时对速度的把控，以及开发周期和运维成本，本发明采用的通信方式更符合应用实际。
水文遥测设备中，针对极端天气下，设备受到影响发生故障的现象，本发明在设备与传感器接口处增加了陶瓷气体放电管以及瞬态抑制二极保护管，并采用三级保护电路，以防止雷击或者接入短路。为了迎合环境场景的多变需求，水文遥测设备在硬件以及程序集成处预留输入接口、数字分量串行接口、射频读卡模组接口以及摄像头接口。
在对水文特征进行平台管理的同时调节不同空间的水文数据，并将不同空间的数据集中到相同的存储空间中进行数据存储操作，按照存储的内容进行水文遥感传输。通过传输通道将监测的数据信息集中传导至相应的检测空间内部，清除与传输信号不符的水文特征信息加强整体监测的精准程度。并在强化水文信息的传输过程的基础上执行外部管理指令，按照相应的指令特征进行水文遥感调节，利用调节后的水文数据进行监测结果对比，由此提高监测系统的准确率，获取更加优良的监测结果。
在进一步的实施例中，构建涵盖防洪、供水、水环境安全不同维度的决策指标体系，X＝{X1，X2，…，Xi，…，Xn}。其中，防洪安全维度包括水位站超警风险指数CJ、水位站超保风险指数CB、蓄泄系数WC等3项指标。供水安全维度包括允许最低旬均水位保证率WL、引水工程引水效率DE、水源地水质达标率WQ等3项指标。水环境安全维度包括河网断面水质优于III类比例RQ、重要河湖生态水位保证率EWL、启泵成本C等3项指标。
防洪安全维度中，水位站超警风险指数CJ、水位站超保风险指数CB为越小越优型指标，蓄泄系数WC为越大越优型指标。供水安全维度中，允许最低旬均水位保证率WL、引水工程引水效率DE、水源地水质达标率WQ均为越大越优型指标。水环境安全维度中，河网断面水质优于III类比例RQ、重要河湖生态水位保证率EWL为越大越优型指标，启泵成本C为越小越优型指标。
水位站超警风险指数CJ的计算表达式为：
Figure BDA0003139108060000081
Figure BDA0003139108060000082
式中，hi(t)表示水位站i在t时刻的水位；
Figure BDA0003139108060000083
表示水位站i的警戒水位。
水位站超保风险指数CB的计算表达式为：
Figure BDA0003139108060000084
Figure BDA0003139108060000085
式中，hi(t)表示水位站i在t时刻的水位；
Figure BDA0003139108060000086
表示水位站i的保证水位。
蓄泄系数WC的计算表达式为：
Figure BDA0003139108060000087
式中，
Figure BDA0003139108060000088
表示t时段内i分区的外排水量；Ri表示t时段内i分区的产水量；
Figure BDA0003139108060000089
表示t时段内进入i分区的总水量。
允许最低旬均水位保证率WL的计算表达式为：
Figure BDA00031391080600000810
式中，hi(t)表示水位站i在t时刻的水位；
Figure BDA00031391080600000811
表示根据实际场景规定的平原河网水位站i的允许最低旬均水位；TL表示时段总长度；sgn(*)表示符号函数，当*数值大于0时，sgn(*)值为1；反之sgn(*)值为0。
引水工程引水效率DE的计算表达式为：
DEi＝W江i/W受水区i
式中，W江i表示t时段内引水工程i从长江引水量；W受水区i表示t时段内引水工程i入受水区水量。
水源地水质达标率WQ的计算表达式为：
Figure BDA0003139108060000091
Figure BDA0003139108060000092
式中，Q1i，t表示水源地i在t时刻的达标情况，
Figure BDA0003139108060000093
表示水源地i在t时刻水质指标X的浓度；CX表示水质指标X的地表水III类标准限值；TL表示时段总长度。其中，Q1i，t＝1为达标，Q1i，t＝0为不达标。本实施例因为针对太湖水源，所以在TP、TN指标存在潜在超标风险的情况下，达标率评估针对TP、TN两项指标。
河网断面水质优于III类比例RQ的计算表达式为：
Figure BDA0003139108060000094
Figure BDA0003139108060000095
式中，Q2i，t表示河网断面i在t时刻的达标情况；
Figure BDA0003139108060000096
表示河网断面i在t时刻水质指标X的浓度；CX表示水质指标X的地表水III类标准限值；TL表示时段总长度。其中，Q2i，t＝1为达标，Q2i，t＝0为不达标。本实施例鉴于太湖流域内河网水质实际情况，所以在NH3-N、TP指标存在潜在超标风险的情况下，达标率评估针对NH3-N、TP两项指标。
重要河湖生态水位保证率EWL的计算表达式为：
Figure BDA0003139108060000097
式中，zi(t)表示重要河湖i的水位；
Figure BDA0003139108060000098
表示重要河湖i的生态水位；TL表示时段总长度；sgn(*)表示符号函数。
启泵成本C的计算表达式为：
Figure BDA0003139108060000099
式中，qi(t)表示泵站i在Δt时段内的平均引水流量；TL表示时段总长度。
为消除指标间物理量纲不同对计算结果的影响，对指标进行归一化处理。具体的，设有n个指标，m个待决策方案，那么关于n个指标的矩阵为：
Figure BDA0003139108060000101
式中，xii表示第i个指标的第j个方案的计算值，i、j取值为正整数。
对矩阵X进行标准化，得到标准化矩阵R，标准化矩阵R如下表达式所示：
R＝(rij)n×m
式中，rij表示第i和指标的第j个方案的标准化值，指标标准化值按下式计算：
Figure BDA0003139108060000102
式中，rij表示第i和指标的第j个方案的标准化值；xij表示第i个指标的第j个方案的计算值；ai表示第i个指标取值的下限；bi表示第i个指标取值的上限。其中，ai、bi可分别取总体样本中第i个指标的最小值、最大值，或由调度决策者根据特定需要定义。
在进一步的实施例中，由于复杂水网区防洪、供水、水环境安全目标互相交织，同一时刻存在多目标权重的博弈问题，决策指标权重在时间尺度上通常是动态变化。为实现根据不同情景的自动识别完成指标权重的动态分配，采用关键指示因子划分情景区间的方式，建立对应的情景模式，通过事先预定的权重集形成一一映射的关系，当实际情况满足对应的映射关系时，相应的权重即为当前时刻对应的权重，具体步骤如下：
确定至少一个用于情景识别的关键指示因子Ii(Ii量纲相同)，形成关键指示因子集，I＝{I1，I2，…，In}，各因子权重记为ci，则关键指示因子集的权重C＝{c1，c2，…，cn}；
计算不同情景下关键指示因子特征数值V，V＝I*CT；
为关键指示因子I划分若干区间{[V1，V2)，[V2，V3)，…，[Vl，Vl+1]}，其中，Vi＜Vi+1，每个独立区间[Vi＜Vi+1)为一个情景，则可形成1个情景；
为各情景分别预设一套对应的指标权重，则形成指标权重集W＝{W1，W2，…，VWl}，作为水资源调度智能决策模块的缺省输入，l为情景个数，本实施例中指标权重Wi确定采用层次分析法，权重结果如附图3、图4、图5、图6所示；
当关键指示因子特征数值处于[Vi，Vi+1)区间时，相应的Wi即为当前时刻对应的权重，由此开发形成情景识别模块，实现权重的动态分配，反映不同调度目标在时间尺度上重要程度的动态变化。
在本实施例中，采用太湖水位作为关键指示因子I，关键指示因子区间根据太湖水位调度线确定，由此识别得到如下表1所示的4种不同情景：
表1关键指示因子情景划分图
序号 情景 关键指示因子I的区间
1 抗旱调度优先情景 V≤L<sub>1</sub>
2 供水安全优先情景 V∈[L<sub>1</sub>，L<sub>2</sub>)
3 水环境安全优先情景 V∈[L<sub>2</sub>，L<sub>3</sub>)
4 防洪安全优先情景 V＞L<sub>1</sub>
其中，L1表示太湖的抗旱调度水位，L2表示调水限制水位线，L3表示防洪控制水位线。
在进一步的实施例中，根据智能决策指标体系，从防洪安全维度、供水安全维度和水环境安全维度进行目标函数的初步构建，相关表达式如下：
Figure BDA0003139108060000111
式中，fj(x)表示第j个方案防洪安全维度目标函数；gj(x)表示第j个方案供水安全维度目标函数；hj(x)表示第j个方案水环境安全维度目标函数；αi表示防洪安全维度第i个指标的权重；βi表示供水安全维度第i个指标的权重；γi表示水环境安全维度第i个指标的权重；CJ表示水位站超警风险指数；CB表示水位站超保风险指数；WC表示蓄泄系数；WL表示供水安全维度包括允许最低旬均水位保证率；DE表示引水工程引水效率；WQ表示水源地水质达标率；RQ表示河网断面水质优于III类比例；EWL表示重要河湖生态水位保证率；C表示启泵成本。
最终综合上述不同维度的目标函数，水资源调度智能决策模块采用的最终目标函数表达式为：
Figure BDA0003139108060000112
在进一步的实施例中，智能决策系统平台耦合了水资源调度智能决策模块、河网水动力水质模型以及决策站点配置模块，采用基于Web Service的面向服务架构SOA(Service Oriented Architecture)的体系架构加以实现，并对决策模块采取SOA架构的websockt服务架构方式进行封装。在优选实施例中，水动力水质模型采用太湖流域水量水质模型，融合水资源调度智能决策模块将两者程序进行封装，通过dll接口方式为web端应用提供交互接口。
在一个实施例中，提出一种基于情景自动识别的水网区水资源调度智能决策系统，用于实现水资源调度智能决策方法，该系统包括：水文遥测系统、实时调用模块、情景识别模块、水资源调度智能决策模块、决策站点配置模块、智能决策系统平台和用户端。
水文遥测设备构成水文遥测系统，通过与在线数据库的连接，实现对实际场景中水文数据的实时感知、接收和存储。
实时调用模块包括在线数据库和河网水动力水质模型。在线数据库存储水文遥测系统采集的数据，实时调用模块通过数据接口及WEB应用服务器，连接在线数据库和线下的河网水动力水质模型，实现在线数据库的数据读取和河网水动力水质模型的计算，获取水量水质模拟计算的数据结果，并将数据结果存入方案成果数据库，作为水资源调度智能决策模块的输入数据。
情景识别模块通过划分情景区间的方式，令关键指示因子对应不同的情景状态。每个情景分别预设一套对应的指标权重，从而形成指标权重集，并作为水资源调度智能决策模块的缺省输入。当实际场景中关键指示因子满足对应的情景区间时，指标权重集中相应的权重数值即为当前时刻对应的权重，从而完成权重的动态分配，实现反映不同调度目标在时间尺度上重要程度动态变化的目标。
水资源调度智能决策模块根据决策指标体系，并通过接收情景识别模块中的数据，建立目标函数，通过目标函数求解完成水资源调度的智能决策。
决策站点配置模块用于根据用户定义，决定决策站点是否纳入智能决策，并根据各站点重要性、对于决策目标函数的敏感度等配置各决策站点相应的权重。同时该模块包括站点数据库，用于定义和存储各决策站点属性，包括站点名称、站点类型、属性特征值等信息。
智能决策系统平台耦合了水资源调度智能决策模块、河网水动力水质模型以及决策站点配置模块，采用基于Web Service的面向服务架构SOA(Service OrientedArchitecture)的体系架构加以实现，并对决策模块采取SOA架构的websockt服务架构方式进行封装，进行模块功能的调用，该系统平台通过数据接口及Web服务器与决策站点配置模块和水资源调度决策模块进行数据交互，并将最终的决策结果呈现至用户端。在优选实施例中，水动力水质模型采用太湖流域水量水质模型，融合水资源调度智能决策模块将两者程序进行封装，通过dll接口方式为web端应用提供交互接口。数据接口的方式拓宽了决策系统应用场景，支持决策站点的调整和拓展，具有更好的灵活性和通用性，更符合实际场景的应用。
在进一步的实施例中，应用本申请提出的一种基于情景自动识别的水网区水资源调度智能决策系统，实现水资源调度方案的智能决策，具体步骤如下：
步骤一：启动智能决策系统平台，定义水资源调度方案集及各决策方案，录入方案编号、水资源调度方式等相应信息，在当前案例中共包含5个待决策方案；
步骤二：启动实时调用模块，获取在线数据库中的水文、水质实时数据，调用河网水动力水质模型进行各方案模拟计算，并计算结果存入方案成果数据库；
步骤三：启动决策站点配置模块，在站点数据库中选取当前案例决策需要的水位、水量、水质等站点，并根据各站点重要性、对于决策目标函数的敏感度等配置各决策站点相应的权重；
步骤四：启动水资源调度智能决策模块，读取方案数据库存储的各方案计算结果数据，根据各方案关键指示因子I(本实施例中为太湖水位)的计算结果，实现各待决策方案情景的自动识别和指标权重的动态分配，进而完成决策案例的最终决策优选；
步骤五：将最终优选方案呈现至用户端。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.一种情景-目标交互的水网区水资源调度智能决策方法，其特征在于，包括以下步骤：
(1)调用水文数据采集设备存储于在线数据库中的水文数据；
(2)根据所述水文数据模拟计算对应的水量水质，并存储至方案成果数据库；
(3)构建智能决策指标体系；
(4)开发情景识别模块，完成情景自动识别及权重动态分配，实现情景-目标的交互；
(5)目标函数构建及求解，开发形成水资源调度智能决策模块；
(6)开发水资源调度智能决策系统平台，可视化最终决策结果至终端。
2.根据权利要求1所述的一种情景-目标交互的水网区水资源调度智能决策方法，其特征在于，智能决策指标体系从防洪安全维度、供水安全维度和水环境安全维度进行构建，设有n个指标，m个待决策方案，则关于n个指标的矩阵为：
Figure FDA0003139108050000011
式中：xij为第i个指标的第j个方案的计算值，i＝1,2,…,n，j＝1,2,…,m；
随后，通过如下表达式对所述指标矩阵进行标准化处理，得到标准化矩阵R＝(rij)n×m；
Figure FDA0003139108050000012
式中，rij表示第i个指标的第j个方案的标准化值；xij表示第i个指标的第j个方案的计算值；ai表示第i个指标取值的下限；bi表示第i个指标取值的上限。
3.根据权利要求1所述的一种情景-目标交互的水网区水资源调度智能决策方法，其特征在于，实现所述情景自动识别和权重动态分配的步骤如下：
确定至少一个用于情景识别的关键指示因子Ii(Ii量纲相同)，形成关键指示因子集，I＝{I1，I2，…，In}，各因子权重记为ci，则关键指示因子集的权重C＝{c1，c2，…，cn}；
计算不同情景下关键指示因子特征数值V，V＝I*CT；
根据所述关键指示因子特征数值建立若干情景；
为各情景分别预设一套对应的指标权重，形成指标权重集；
当关键指示因子满足设定的对应场景时，相应的指标权重为当前时刻对应的权重。
4.根据权利要求1所述的一种情景-目标交互的水网区水资源调度智能决策方法，其特征在于，水资源调度智能决策模块目标函数表达式如下：
Figure FDA0003139108050000021
Figure FDA0003139108050000022
式中，fj(x)表示第j个方案防洪安全维度目标函数；gj(x)表示第j个方案供水安全维度目标函数；hj(x)表示第j个方案水环境安全维度目标函数；αi表示防洪安全维度第i个指标的权重；βi表示供水安全维度第i个指标的权重；γi表示水环境安全维度第i个指标的权重；k表示防洪安全维度指标数量；p表示供水安全维度指标数量；q表示水环境安全维度指标数量。
5.根据权利要求1所述的一种情景-目标交互的水网区水资源调度智能决策方法，其特征在于，
所述终端用于运行智能决策系统平台，以及呈现最终的决策方案；
所述智能决策系统平台通过数据接口，调用封装好的计算程序，对实时场景数据进行运行处理和智能决策，并将处理的智能决策结果进行可视化；其中，所述决策站点属性信息存储于站点数据库。
6.一种情景-目标交互的水网区水资源调度智能决策系统，用于实现权利要求1～5任意一项方法，其特征在于，包括以下模块：
水文遥测系统、实时调用模块、情景识别模块、水资源调度智能决策模块、决策站点配置模块、智能决策系统平台和用户端，其中，实时调用模块包括在线数据库和河网水动力水质模型；
所述水文遥测系统与在线数据库连接，用于对实际场景中水文数据进行实时感知、接收和存储；
所述实时调用模块，连接在线遥测数据库和河网水动力水质模型，用于进行水量水质模拟计算；
所述情景识别模块，用于实现情景自动识别及权重动态分配；
所述水资源调度智能决策模块通过目标函数的构建和求解，实现水资源调度方案集的智能决策；
所述智能决策系统平台耦合水资源调度智能决策模块、河网水动力水质模型以及决策站点配置模块，通过程序封装和数据接口进行对应模块功能的调用。
7.根据权利要求6所述的一种情景-目标交互的水网区水资源调度智能决策系统，其特征在于，
所述水文遥测设备构成水文遥测系统，通过与在线数据库的连接，实现对实际场景中水文数据的实时感知、接收和存储；
所述实时调用模块包括在线数据库和河网水动力水质模型，在线数据库存储水文遥测系统采集的数据，实时调用模块通过数据接口及WEB应用服务器，连接在线数据库和线下的河网水动力水质模型，实现在线数据库的数据读取和河网水动力水质模型的计算，获取水量水质模拟计算的数据结果，并将数据结果存入方案成果数据库，作为水资源调度智能决策模块的输入数据。
8.根据权利要求6所述的一种情景-目标交互的水网区水资源调度智能决策系统，其特征在于，
所述情景识别模块通过划分情景区间的方式，令关键指示因子对应不同的情景状态；每个情景分别预设一套对应的指标权重，从而形成指标权重集，并作为水资源调度智能决策模块的缺省输入；当实际场景中关键指示因子满足对应的情景区间时，指标权重集中相应的权重数值即为当前时刻对应的权重。
9.根据权利要求6所述的一种情景-目标交互的水网区水资源调度智能决策系统，其特征在于，
所述水资源调度智能决策模块根据决策指标体系，并通过接收情景识别模块中的数据建立目标函数；
所述决策站点配置模块用于根据用户定义，决定决策站点是否纳入智能决策，并根据各站点重要性、对于决策目标函数的敏感度等配置各决策站点相应的权重；
所述智能决策系统平台通过数据接口及Web服务器与决策站点配置模块和水资源调度决策模块进行数据交互，并将最终的决策结果呈现至用户端。
10.根据权利要求9所述的一种情景-目标交互的水网区水资源调度智能决策系统，其特征在于，
所述智能决策系统平台耦合了水资源调度智能决策模块、河网水动力水质模型以及决策站点配置模块，采用基于Web Service的面向服务架构SOA的体系架构加以实现，并对决策模块采取SOA架构的websockt服务架构方式进行封装。
CN202110727169.7A 2021-06-29 2021-06-29 一种情景-目标交互的水网区水资源调度智能决策方法及系统 Active CN113516305B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110727169.7A CN113516305B (zh) 2021-06-29 2021-06-29 一种情景-目标交互的水网区水资源调度智能决策方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110727169.7A CN113516305B (zh) 2021-06-29 2021-06-29 一种情景-目标交互的水网区水资源调度智能决策方法及系统

Publications (2)

Publication Number Publication Date
CN113516305A true CN113516305A (zh) 2021-10-19
CN113516305B CN113516305B (zh) 2022-05-03

Family

ID=78066444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110727169.7A Active CN113516305B (zh) 2021-06-29 2021-06-29 一种情景-目标交互的水网区水资源调度智能决策方法及系统

Country Status (1)

Country Link
CN (1) CN113516305B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114579686A (zh) * 2022-03-11 2022-06-03 澜途集思生态科技集团有限公司 一种流域水质水量机理模型动力学系统与方法
CN115375198A (zh) * 2022-10-24 2022-11-22 水利部交通运输部国家能源局南京水利科学研究院 区域河湖水系连通联合调度和水质安全保障方法及系统
CN116070886A (zh) * 2023-04-04 2023-05-05 水利部交通运输部国家能源局南京水利科学研究院 水资源系统多维适应性调控方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065042A (zh) * 2012-12-17 2013-04-24 中国科学院大学 基于情景的多目标综合决策评价方法
CN107527117A (zh) * 2017-08-28 2017-12-29 武汉大学 基于d‑s证据理论的水库适应性调度方法
CN107730110A (zh) * 2017-10-12 2018-02-23 水利部交通运输部国家能源局南京水利科学研究院 一种流域防洪‑供水‑水环境改善综合调度评估技术方法
CN107992989A (zh) * 2017-11-03 2018-05-04 河海大学 一种水库群洪水资源化预蓄预泄风险决策方法
CN108681783A (zh) * 2018-04-04 2018-10-19 河海大学 一种水库实时多目标随机优化调度和风险评估方法
CN108764515A (zh) * 2018-04-04 2018-11-06 河海大学 一种耦合数值气象水文集合预报的水库调度风险决策方法
CN111967666A (zh) * 2020-08-17 2020-11-20 水利部交通运输部国家能源局南京水利科学研究院 一种江河湖水系综合协同调度系统及其调度方法
CN112885028A (zh) * 2021-01-27 2021-06-01 北京市新技术应用研究所 综合管廊应急联动处置方法
CN112966919A (zh) * 2021-03-01 2021-06-15 武汉大学 一种基于条件价值风险的用水与排污冲突协调方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065042A (zh) * 2012-12-17 2013-04-24 中国科学院大学 基于情景的多目标综合决策评价方法
CN107527117A (zh) * 2017-08-28 2017-12-29 武汉大学 基于d‑s证据理论的水库适应性调度方法
CN107730110A (zh) * 2017-10-12 2018-02-23 水利部交通运输部国家能源局南京水利科学研究院 一种流域防洪‑供水‑水环境改善综合调度评估技术方法
CN107992989A (zh) * 2017-11-03 2018-05-04 河海大学 一种水库群洪水资源化预蓄预泄风险决策方法
CN108681783A (zh) * 2018-04-04 2018-10-19 河海大学 一种水库实时多目标随机优化调度和风险评估方法
CN108764515A (zh) * 2018-04-04 2018-11-06 河海大学 一种耦合数值气象水文集合预报的水库调度风险决策方法
CN111967666A (zh) * 2020-08-17 2020-11-20 水利部交通运输部国家能源局南京水利科学研究院 一种江河湖水系综合协同调度系统及其调度方法
CN112885028A (zh) * 2021-01-27 2021-06-01 北京市新技术应用研究所 综合管廊应急联动处置方法
CN112966919A (zh) * 2021-03-01 2021-06-15 武汉大学 一种基于条件价值风险的用水与排污冲突协调方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张翔等: "淮河水量水质联合调度风险分析", 《中国科技论文》 *
黄燕敏等: "丹江口水库水资源调度模型及方法研究", 《中国水利水电科学研究院学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114579686A (zh) * 2022-03-11 2022-06-03 澜途集思生态科技集团有限公司 一种流域水质水量机理模型动力学系统与方法
CN115375198A (zh) * 2022-10-24 2022-11-22 水利部交通运输部国家能源局南京水利科学研究院 区域河湖水系连通联合调度和水质安全保障方法及系统
CN116070886A (zh) * 2023-04-04 2023-05-05 水利部交通运输部国家能源局南京水利科学研究院 水资源系统多维适应性调控方法及系统
CN116070886B (zh) * 2023-04-04 2023-06-20 水利部交通运输部国家能源局南京水利科学研究院 水资源系统多维适应性调控方法及系统

Also Published As

Publication number Publication date
CN113516305B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN113516305B (zh) 一种情景-目标交互的水网区水资源调度智能决策方法及系统
EP3534187B1 (en) Process and system for hydrological analysis and management for river basins
Perrin et al. A discussion of statistical methods used to estimate extreme wind speeds
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
CN105930900B (zh) 一种混合风力发电的预测方法及系统
CN114860833B (zh) 应用于数字孪生水利工程的数据中台和数据处理方法
CN109815611B (zh) 一种基于数字流域的流域边界生成方法
CN112348290B (zh) 河流水质预测方法、装置、存储介质及设备
CN104392113B (zh) 一种近海海面冷空气大风风速的估算方法
CN104520861A (zh) 风功率密度预测方法
CN114399235B (zh) 一种基于雨情数据判定灾害风险等级的方法及系统
CN111428936B (zh) 一种基于分布式水节点的流域雨洪可利用性指标测算方法
US20240256746A1 (en) Scheduling method and system for operation of reservoirs to recharge freshwater for repelling saltwater intrusion under changing conditions
CN116644886A (zh) 一种存量用地改造价值评估方法、装置、终端及介质
CN115964875A (zh) 一种数字孪生水网四面体模型构建方法
CN115907429A (zh) 基于pso算法的合流制溢流优化控制方法及装置
CN110532969A (zh) 基于多尺度图像分割的斜坡单元划分方法
CN109521451A (zh) 智能设备所处环境的判断方法、设备、系统及存储介质
CN111768310A (zh) 一种水库补水潜力的预测方法、装置及电子设备
CN115129706B (zh) 一种考虑周期性特征的土壤水分观测数据质量评估方法
CN116502805A (zh) 基于围区水网提升量化评价模型的调度方案快速筛选方法
CN113112127A (zh) 基于人工智能的计量管理方法及系统
CN112507635A (zh) 一种流域湿地洪水调蓄功能量化评估方法
CN113033842A (zh) 一种供水管网系统漏损的控制管理方法以及控制管理系统
Seisia et al. Water Reliability Analysis in Industrial and Residential Area, Based on NRECA Method Using ArcGIS Software

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