CN113610418A - 一种基于对冲规则的地表水水量滚动分配方法 - Google Patents
一种基于对冲规则的地表水水量滚动分配方法 Download PDFInfo
- Publication number
- CN113610418A CN113610418A CN202110938525.XA CN202110938525A CN113610418A CN 113610418 A CN113610418 A CN 113610418A CN 202110938525 A CN202110938525 A CN 202110938525A CN 113610418 A CN113610418 A CN 113610418A
- Authority
- CN
- China
- Prior art keywords
- water
- total
- runoff
- index
- year
- 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
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
- G06Q10/0631—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/0635—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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Abstract
本发明提出了一种基于对冲规则的地表水水量滚动分配方法,采用流域的地表水资源量、当年的径流量、用水者的多年平均地表水用水总量控制指标等数据,根据径流预测和风险对冲机制,在不同用水者之间分配流域当年的径流量,计算水文不确定条件下用水者在该年的地表水用水总量指标,并根据实时的径流情况对用水总量指标进行滚动修正。与现有技术相比,本发明的有益效果为:本发明克服了流域水量分配中的静态性问题,可以根据流域径流的丰枯变化,实时滚动修正年度水量分配方案,计算动态的总量控制指标,理论意义明确,操作简单易行,可为流域的水资源分配提供技术支撑,容易在实践中应用。
Description
技术领域
本发明涉及水文水资源管理技术领域,具体涉及一种基于对冲规则的地表 水水量滚动分配方法。
背景技术
水是生命之源、生产之要、生态之基,人多水少、水资源时空分 布不均是我国的基本国情和水情。随着经济社会发展和气候变化,当 前我国水资源面临的形势十分严峻,水资源短缺日益突出,已成为制 约经济社会可持续发展的瓶颈。
在上述背景下,近年来我国各级地方政府相继制定了流域和区域的用水总 量控制指标,出现了一系列制定用水总量指标的技术方法。然而,现有的方法 主要基于当地水资源特性以及社会经济和生态环境对水的需求,通过指标体系 或者水量平衡计算,确定区域的用水总量指标。计算得到的指标一般是多年平 均意义上的固定数值,或者针对不同规划水平年的期望值。用水总量指标的计 算,较少考虑每年径流或者可用水量的丰枯变化,难以给出某一特定年份、特 定月份的总量指标,在进行年度用水计划和年度用水总量控制时候,缺乏技术 支撑。尤其是在未来水文不确定情况下,现有方法的灵活性和适用性不足。
发明内容
为解决背景技术中水量管理方法的灵活性和适用性不足的问题,本发明提 供一种基于对冲规则的地表水水量滚动分配方法,该方法克服了流域水量分配 中的静态性问题,可以根据流域径流的丰枯变化,实时滚动修正年度水量分配 方案,操作简单易行。
为实现上述目的,本发明的基于对冲规则的地表水水量滚动分配方法的技 术方案如下:
一种基于对冲规则的地表水水量滚动分配方法,具体包括以下步骤:
S1、划分地表水供水区域,并收集数据;所述供水区域包括河流水源、水 库系统以及从河流水源或水库系统取水的用水单元;
S2、根据一年内已发生的径流过程,预测每一供水区域年径流量;
S3、对预测的年径流量进行滚动分配,获得用水单元当年的用水总量指标;
S4、将用水单元当年的用水总量指标分解为年内每个月的用水总量指标;
S5、生成当前月份的水量分配方案;
S6、进行水库优化调度,获得下一月份的用水总量指标;
S7、重复步骤S6进行水量滚动分配,至当年最后一个月,记录前面每个月 的用水总量指标,作为当年最终的水量分配方案。
进一步地,步骤S1更具体为:根据流域河流、水库、用水单元的空间分布, 划分地表水供水区域;接着收集数据。
进一步地,所述用水单元包括农业用水、城市用水、工业用水和生态用水; 所述数据包括流域的月尺度降雨数据、每个供水区域中河流的月径流量,每个 用水单元的月需水量、多年平均的全年用水总量指标以及每个水库的库容和供 水能力。
进一步地,步骤S2更具体为:采用人工神经网络,在每年年初进行第一次 径流量预测;按照50%水文频率年的年径流量,作为第一次预测的结果,计算公 式为:
Estimated inflowA(K,m=1,y)=Histrical inflowA(K,y=50%水文年)
(1)
接着,每个月进行一次径流量预测,当预测的时间段推移到第m个月,根 据第m月之前已经发生的实际径流量,预测未来还未发生的径流量,计算年流 量,计算公式为:
Estimated inflowA(K,m,y)= Ann[HM(K,1,y),HM(K,2,y),...,HM(K,m-1,y)](2)
其中,K表示流域内的供水分区,m表示径流预测发生的月份,m=1表示 第一次预测;m=2表示第二次预测,每月进行一次预测;y表示年份; Estimated inflowA表示预测得到的全年径流量;Histrical inflowA(K,y= 50%水文年表示50%水文年的全年径流量;HMK,1,y,HMK,2,y,...,HMK,m-1,y 表示第m次预测之前实际发生的每月的径流量。Ann表示神经网络预测模型。
进一步地,步骤S3更具体为:根据各用水单元的多年平均地表水用水总量 指标、当年的地表水需水量以及供水保证率,将步骤S2预测得到年径流量分配 给各用水单元,计算用水单元当年的用水总量指标;根据不断更新预测的径流 量,滚动修正用水单元当年的用水总量指标。
进一步地,步骤S3具体包括以下步骤:
S31、确定各用水单元的多年平均地表水用水总量指标,所述多年平均用水 总量指标通过水资源行政主管部门的流域或区域水权分配方案获得,具体如下 式所示:
wr(K,i,j)=C(K,i,j)i∈K (3)
WR(K)=∑j∑iwr(K,i,j) (4)
其中,K表示流域内的供水分区,j表示用水类别,包括城市和工业用水 (j=1)、农业用水(j=2)和生态用水(j=3),i表示用水单元;wr(K,i,j)表示用 水单元i的多年平均地表水用水总量指标,该指标等于其水权量C(K,i,j);WR(K) 表示供水分区K的多年平均用水总量控制指标。
S32、根据风险对冲规则,计算不同径流量和可用水量条件下,每个用水单 元当年的地表水全年用水总量指标,具体如下式所示:
wa(K,i,j,m,y)=wr(K,i,j)×Allocation(K,i,j,m,y)% (5)
其中,K表示流域内的供水分区,j表示用水类别,包括城市和工业用水 (j=1)、农业用水(j=2)和生态用水(j=3),i表示用水单元;m表示预测径流 和计算当年用水总量指标的时间段;wa(K,i,j,m,y)表示m时间段计算得到的i 用水单元在y年的全年用水总量指标;wr(K,i,j)表示用水单元i的多年平均全年 用水总量指标;Allocation(K,i,j,m,y)%表示第y年第m时间段预测的用水单元 i的年度配水比例,wv(K,m,y)表示供水分区K在第y年、第m次预测时间段计 算得到的全年总可用水量,等于当时间段预测的K分区全年总径流量 Estimated inflowA(K,m,y)减去截止到前一个时间段实际已经发生的径流总 量再加上前一个时间段分区内所有水库剩余 的存水量Storage(K,m-1,y)。
进一步地,步骤S4更具体为:根据农业用水、城市用水、工业用水和生态 用水单元的年内用水过程,将其全年用水总量指标分解为年内每个月的用水总 量指标,具体如下式所示:
其中,wa(K,i,j,m,y)表示m时间段计算得到的i用水单元在y年的全年用水 总量指标;表示m时间段计算得到的i用水单元在y年、第m月 的用水总量指标;Dis[]表示年内分布函数,对于城市用水和工业用水,在年内 各月均匀分配用水总量指标,对于农业用水和生态用水,按照作物和植被的需 水过程进行分配。
进一步地,步骤S6更具体为:以供水区的缺水量最小为供水目标,以步骤 S5得到的用水总量控制指标为每个月供水量的上限值,进行水 库优化调度,计算得到每个月的供水量、缺水量以及水库的存水量;接着将当 前时间段得到的水库存水量,输入到公式(8),得下一时间段的可用水量;通 过步骤S4和S5,得到下一时段的用水总量指标;具体如下式所示:
目标函数Min[Wq(y)] (10)
Wq(y)=ΣKΣjΣiΣmSt(K,i,j,m,y) (11)
其中,Wq(y)表示y年所有分区和用水单元的总缺水量;Min[]表示以最 小值进行优化;St(K,i,j,m,y)表示第y年、第m月、K分区、j行业、i用户的缺 水量。
与现有技术相比,本发明的优点及有益效果为:本发明的水量滚动分配方 法基于对冲规则,根据流域径流来水量的年内变化滚动计算流域内各用水单元 的用水总量控制指标,给出动态变化的水量分配方案。该方法解决了静态用水 总量控制指标计算无法考虑水文不确定性的问题,即用水单元或者用水者的总 量控制指标随着流域径流和可用水量的丰枯变化,当丰水年的时候适当多分配 指标,增加用水的总效益;当枯水年的时候减少指标,促进节约。另外,以往 的用水总量指标计算,基于用水单元多年平均需水量和规划的需水量,是一个 不变的常数,而本发明提出的方法,可以动态的计算用水总量指标,更加灵活、 合理,可直接用于水资源管理实践,实用性较强。
附图说明
图1为本发明地表水水量滚动分配方法的流程图;
图2为实施例水量分配的对冲规则示意图;
图3为实施例流域水量分配节点示意图;
图4为实施例地表水水量分配及供水结果示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制。基于本发明中的实 施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实 施例,都应当属于本发明保护的范围。
下面结合图1至4和实施例对本发明的技术方案做进一步的说明。
一种基于对冲规则的地表水水量滚动分配方法,如图1所示,具体包括以 下步骤:
S1、划分地表水供水区域,并收集数据;
根据流域河流、水库、用水单元的空间分布,划分地表水供水区域;接着 收集数据。其中,所述供水区域包括河流水源、水库系统以及从河流水源或水 库系统取水的用水单元;所述用水单元包括农业用水、城市用水、工业用水和 生态用水;所述数据包括流域的月尺度降雨数据、每个供水区域中河流的月径 流量,每个用水单元的月需水量、多年平均的全年用水总量指标以及每个水库 的库容和供水能力。
在本实施例中,以甘肃省黑河流域为示例进行计算。黑河流域是我国西北 地区第二大内陆流域,位于河西走廊中部。流域气候干燥,降水稀少而集中, 多大风,日照充足,太阳辐射强烈,昼夜温差大。黑河从发源地到居延海全长821 公里,流域面积约14.29万平方公里。干流莺落峡站多年平均径流15.8亿立方 米。全流域分为一个供水分区,K=1;分为城市工业、农业和生态3个用水 行业;5个城市及工业用水单元、15个农业用水单元(灌区)、1个生态用水单 元,以及1个水库和23个水量分配节点,具体如图2所示。搜集的数据包括:1949年-2012年,黑河干流上游莺落峡水文站的月径流序列数据;下游正义峡的 月径流数据;黑河干流流域的降雨和蒸发数据;供水区每个用水单元的多年平 均的全年用水总量控制指标数据;1949-2012年,每个用水单元的年用水量数据; 年内用水过程数据;水库的库容数据。
S2、根据一年内已发生的径流过程,预测每一供水区域年径流量;
在每年年初进行第一次径流量预测,当第一次预测的时候(m=1),由于 当年的径流过程还没有实际产生,因此,将该年视为50%频率的水文年,即平 水年;按照50%水文频率年的年径流量,作为第一次预测的结果 Estimated inflowA(K,m=1,y),计算公式为:
Estimated inflowA(K,m=1,y)=Histrical inflowA(K,y=50%水文年)
(1)
接着,每个月进行一次径流量预测,当预测的时间段推移到第m个月,根 据第m月之前已经发生的实际径流量,预测未来还未发生的径流量,计算年流 量,计算公式为:
Estimated inflowA(K,m,y)= Ann[HM(K,1,y),HM(K,2,y),...,HM(K,m-1,y)](2)
其中,K表示流域内的供水分区,m表示径流预测发生的月份,m=1表示 第一次预测;m=2表示第二次预测,每月进行一次预测;y表示年份; Estimated inflowA表示预测得到的全年径流量;Histrical inflowA(K,y= 50%水文年表示50%水文年的全年径流量;HMK,1,y,HMK,2,y,...,HMK,m-1,y 表示第m次预测之前实际发生的每月的径流量。Ann表示神经网络预测模型。
更具体地,采用1949-2012年黑河干流莺落峡水文站的月径流序列数据,训 练人工神经网络模型,即根据1949-2012年每年第1月的径流量训练第一个神经 网络预测模型,并预测对应年份的年的总径流;根据每年1月和2月的径流量 训练第二个神经网络预测模型,并预测对应年份的年的总径流;依此类推,根 据每年1月、2月、……、11月的径流量,训练训练第11个神经网络预测模型, 并预测对应年份的全年总径流。最终,总共训练11个神经网络用于径流预测。
接着,将每个月及之前已经发生的实际径流量输入对应的神经网络预测模 型,如将第一个月的实际径流量输入第一个神经网络预测模型,预测该年供水 区域的年径流量,或将第一个月、第二个月的实际径流量输入第二个神经网络 预测模型,预测该年供水区域的年径流量等。
S3、对预测的年径流量进行滚动分配,获得用水单元当年的用水总量指标;
根据各用水单元的多年平均地表水用水总量指标、当年的地表水需水量以 及供水保证率,将步骤S2预测得到年径流量分配给各用水单元,计算用水单元 当年的用水总量指标;根据不断更新预测的径流量,滚动修正用水单元当年的 用水总量指标。具体包括以下步骤:
S31、确定各用水单元的多年平均地表水用水总量指标,所述多年平均用水 总量指标通过水资源行政主管部门的流域或区域水权分配方案获得,具体如下 式所示:
wr(K,i,j)=C(K,i,j)i∈K (3)
WR(K)=∑j∑iwr(K,i,j) (4)
其中,K表示流域内的供水分区,j表示用水类别,包括城市和工业用水 (j=1)、农业用水(j=2)和生态用水(j=3),i表示用水单元;wr(K,i,j)表示用 水单元i的多年平均地表水用水总量指标,该指标等于其水权量C(K,i,j);WR(K) 表示供水分区K的多年平均用水总量控制指标。
在本实施例中,黑河流域城市工业以及农业用水单元的多年平均地表水用 水总量控制指标为15.8亿m3,黑河流域生态用水单元的多年平均地表水用水总 量控制指标为9.5亿m3。
S32、以2010年为计算年份,逐月预测当年的年径流量,根据风险对冲规 则,计算不同径流量和可用水量条件下,每个用水单元当年的地表水用水总量 指标。2010年总共预测11次,得到11套地表水全年用水总量指标。具体如下 式所示:
wa(K,i,j,m,y)=wr(K,i,j)×Allocation(K,i,j,m,y)% (5)
其中,K表示流域内的供水分区,j表示用水类别,包括城市和工业用水 (j=1)、农业用水(j=2)和生态用水(j=3),i表示用水单元;m表示预测径流 和计算当年用水总量指标的时间段;wa(K,i,j,m,y)表示m时间段计算得到的i 用水单元在y年的全年用水总量指标;wr(K,i,j)表示用水单元i的多年平均全年 用水总量指标;Allocation(K,i,j,m,y)%表示第y年第m时间段预测的用水单元 i的年度配水比例,wv(K,m,y)表示供水分区K在第y年、第m次预测时间段计 算得到的全年总可用水量,等于当时间段预测的K分区全年总径流量 Estimated inflowA(K,m,y)减去截止到前一个时间段实际已经发生的径流总 量再加上前一个时间段分区内所有水库剩余 的存水量Storage(K,m-1,y)。
上述的(水量分配)风险对冲指的是在流域径流来水具有不确定性的情况 下,一定程度上限制当前的水量分配、减少当前时段的用水指标,将水资源尽 量存在水库中,以对冲未来可能发生的干旱风险。
上述公式(6)为水量分配的风险对冲规则的具体表现形式。其中,A(K)表 示供水分区K的年水量分配阈值,取值一般小于或等于分区K的多年平均的用水 总量指标WR(K)。当A(K)大于WR(K),水量分配的风险对冲趋于保守,分配给 用水单元的水资源量小于流域的总来水量,将水资源存于水库,以对冲未来的 干旱风险。
S4、将用水单元当年的用水总量指标分解为年内每个月的用水总量指标;
根据农业用水、城市用水、工业用水和生态用水单元的年内用水过程,将 其全年用水总量指标分解为年内每个月的用水总量指标,具体如下式所示:
其中,wa(K,i,j,m,y)表示m时间段计算得到的i用水单元在y年的全年用水 总量指标;表示m时间段计算得到的i用水单元在y年、第m月的 用水总量指标;Dis[]表示年内分布函数,对于城市用水和工业用水,在年内各 月均匀分配用水总量指标,对于农业用水和生态用水,按照作物和植被的需水 过程进行分配。
S5、生成当前月份的水量分配方案;
S6、进行水库优化调度,获得下一月份的用水总量指标;
每一次预测之后,生成一次水量分配方案(即每个用水单元、每个月的用 水总量控制指标)。以供水区的缺水量最小为供水目标,以步骤S5得到的用水 总量控制指标为每个月供水量的上限值,进行水库优化调度,计 算得到每个月的供水量、缺水量以及水库的存水量;接着将当前时间段得到的 水库存水量,输入到公式(8),得下一时间段的可用水量;并通过公式(5)、 (6)、(7)以及步骤S4和S5,得到下一时段的用水总量指标;具体如下式所 示:
目标函数Min[Wq(y)] (10)
Wq(y)=∑K∑j∑i∑mSt(K,i,j,m,y) (11)
约束条件:
V(K,r,m,y)=V(K,r,m-1,y)-Ws(K,r,m,y)-Wa(K,r,m,y)+ Rain(K,r,m,y)-Evap(K,r,m,y) (12)
V(K,r,m,y)≤MAXV(K,r) (13)
St(K,i,j,m,y)=Dem(K,i,j,m,y)-Wsu(K,i,j,m,y) (14)
Ws(K,r,m,y)=∑j∈r∑i∈rWsu(K,i,j,m,y) (15)
Storage(K,m,y)=∑r∈K V(K,r,m,y) (17)
其中,Wq(y)表示y年所有供水分区和用水单元的总缺水量;Min[]表示 以最小值进行优化;St(K,i,j,m,y)表示第y年、第m月、K分区、j行业、i用户 的缺水量。V(K,r,m,y)表示第y年、第m月、K分区、r水库的库容存水量。 Ws(K,r,m,y)为水库系统r的供水量;Wa(K,r,m,y)为水库系统r的弃水量。Rain(K,r,m,y)、Evap(K,r,m,y)分别表示第y年、第m月、r水库的降雨和蒸 发量。MAXV(K,r)为水库系统r的最大库容。Dem(K,i,j,m,y)、 Wsu(K,i,j,m,y)分别表示第y年、第m月、K分区、j行业、i用户的需水量和水 库系统供水量,两者之差为缺水量。
通过公式(15),计算由r水库系统供水的所有用户的供水量之和,作为水 库系统的供水量;通过公式(16),引入用水总量控制指标,用水单元的供水 量要小于其用水总量控制指标;通过公式(17)计算分区K内所有水库供水之后 的剩余水量。
S7、重复步骤S6进行水量滚动分配,至当年最后一个月,形成甘肃黑河流 域2010年每个月的用水总量指标和供水量,对应的供水节点图如图3所示。最 终的结果如图4所示,并记录前面每个月的用水总量指标,作为当年最终的水 量分配方案。
与现有技术相比,本实施例的有益效果为:本实施例的水量滚动分配方法 基于对冲规则根据流域径流来水量的年内变化滚动计算流域内各用水单元的用 水总量控制指标,给出动态变化的水量分配方案。该方法解决了静态用水总量 控制指标计算无法考虑水文不确定性的问题,即用水单元或者用水者的总量控 制指标随着流域径流和可用水量的丰枯变化,当丰水年的时候适当多分配指标, 增加用水的总效益;当枯水年的时候减少指标,促进节约。另外,以往的用水 总量指标计算,基于用水单元多年平均需水量和规划的需水量,是一个不变的 常数,而本实施例提出的方法,可以动态的计算用水总量指标,更加灵活、合 理,可直接用于水资源管理实践,实用性较强。
值得说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管 参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解, 可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的 宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于对冲规则的地表水水量滚动分配方法,其特征在于,包括以下步骤:
S1、划分地表水供水区域,并收集数据;所述供水区域包括河流水源、水库系统以及从河流水源或水库系统取水的用水单元;
S2、根据一年内已发生的径流过程,预测每一供水区域年径流量;
S3、对预测的年径流量进行滚动分配,获得用水单元当年的用水总量指标;
S4、将用水单元当年的用水总量指标分解为年内每个月的用水总量指标;
S5、生成当前月份的水量分配方案;
S6、进行水库优化调度,获得下一月份的用水总量指标;
S7、重复步骤S6进行水量滚动分配,至当年最后一个月,记录前面每个月的用水总量指标,作为当年最终的水量分配方案。
2.根据权利要求1所述的方法,其特征在于:步骤S1更具体为:根据流域河流、水库、用水单元的空间分布,划分地表水供水区域;接着收集数据。
3.根据权利要求2所述的方法,其特征在于:所述用水单元包括农业用水、城市用水、工业用水和生态用水;所述数据包括流域的月尺度降雨数据、每个供水区域中河流的月径流量,每个用水单元的月需水量、多年平均的全年用水总量指标以及每个水库的库容和供水能力。
4.根据权利要求3所述的方法,其特征在于:步骤S2更具体为:采用人工神经网络,在每年年初进行第一次径流量预测;按照50%水文频率年的年径流量,作为第一次预测的结果,计算公式为:
Estimated inflowA(K,m=1,y)=Histrical inflowA(K,y=50%水文年) (1)
接着,每个月进行一次径流量预测,当预测的时间段推移到第m个月,根据第m月之前已经发生的实际径流量,预测未来还未发生的径流量,计算年流量,计算公式为:
Estimated inflowA(K,m,y)=
Ann[HM(K,1,y),HM(K,2,y),...,HM(K,m-1,y)] (2)
其中,K表示流域内的供水分区,m表示径流预测发生的月份,m=1表示第一次预测;m=2表示第二次预测,每月进行一次预测;y表示年份;Estimated inflowA表示预测得到的全年径流量;HistricalinflowA(K,y=50%水文年表示50%水文年的全年径流量;HMK,1,y,HMK,2,y,...,HMK,m-1,y表示第m次预测之前实际发生的每月的径流量;Ann表示神经网络预测模型。
5.根据权利要求4所述的方法,其特征在于:步骤S3更具体为:根据各用水单元的多年平均地表水用水总量指标、当年的地表水需水量以及供水保证率,将步骤S2预测得到年径流量分配给各用水单元,计算用水单元当年的用水总量指标;根据不断更新预测的径流量,滚动修正用水单元当年的用水总量指标。
6.根据权利要求5所述的方法,其特征在于:步骤S3具体包括以下步骤:
S31、确定各用水单元的多年平均地表水用水总量指标,所述多年平均用水总量指标通过水资源行政主管部门的流域或区域水权分配方案获得,具体如下式所示:
wr(K,i,j)=C(K,i,j)i∈K (3)
WR(K)=∑j∑iwr(K,i,j) (4)
其中,K表示流域内的供水分区,j表示用水类别,包括城市和工业用水(j=1)、农业用水(j=2)和生态用水(j=3),i表示用水单元;wr(K,i,j)表示用水单元i的多年平均地表水用水总量指标,该指标等于其水权量C(K,i,j);WR(K)表示供水分区K的多年平均用水总量控制指标;
S32、根据风险对冲规则,计算不同径流量和可用水量条件下,每个用水单元当年的地表水全年用水总量指标,具体如下式所示:
wa(K,i,j,m,y)=wr(K,i,j)×Allocation(K,i,j,m,y)% (5)
其中,K表示流域内的供水分区,j表示用水类别,包括城市和工业用水(j=1)、农业用水(j=2)和生态用水(j=3),i表示用水单元;m表示预测径流和计算当年用水总量指标的时间段;wa(K,i,j,m,y)表示m时间段计算得到的i用水单元在y年的全年用水总量指标;wr(K,i,j)表示用水单元i的多年平均全年用水总量指标;Allocation(K,i,j,m,y)%表示第y年第m时间段预测的用水单元i的年度配水比例,wv(K,m,y)表示供水分区K在第y年、第m次预测时间段计算得到的全年总可用水量,等于当时间段预测的K分区全年总径流量Estimated inflowA(K,m,y)减去截止到前一个时间段实际已经发生的径流总量再加上前一个时间段分区内所有水库剩余的存水量Storage(K,m-1,y)。
9.根据权利要求8所述的方法,其特征在于:步骤S6更具体为:以供水区的缺水量最小为供水目标,以步骤S5得到的用水总量控制指标为每个月供水量的上限值,进行水库优化调度,计算得到每个月的供水量、缺水量以及水库的存水量;接着将当前时间段得到的水库存水量,输入到公式(8),得下一时间段的可用水量;通过步骤S4和S5,得到下一时段的用水总量指标;具体如下式所示:
目标函数Min[Wq(y)] (10)
Wq(y)=∑K∑j∑i∑mSt(K,i,j,m,y) (11)
其中,Wq(y)表示y年所有分区和用水单元的总缺水量;Min[]表示以最小值进行优化;St(K,i,j,m,y)表示第y年、第m月、K分区、j行业、i用户的缺水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110938525.XA CN113610418B (zh) | 2021-08-16 | 2021-08-16 | 一种基于对冲规则的地表水水量滚动分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110938525.XA CN113610418B (zh) | 2021-08-16 | 2021-08-16 | 一种基于对冲规则的地表水水量滚动分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610418A true CN113610418A (zh) | 2021-11-05 |
CN113610418B CN113610418B (zh) | 2023-02-28 |
Family
ID=78308702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110938525.XA Active CN113610418B (zh) | 2021-08-16 | 2021-08-16 | 一种基于对冲规则的地表水水量滚动分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610418B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997619A (zh) * | 2022-05-24 | 2022-09-02 | 中国标准化研究院 | 一种区域水资源动态调控平衡方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323321A (zh) * | 2015-11-16 | 2016-02-10 | 清华大学 | 水联网系统 |
CN109657848A (zh) * | 2018-12-06 | 2019-04-19 | 东莞理工学院 | 一种基于对冲规则的水库生态供水优化调度方法 |
CN109685256A (zh) * | 2018-12-13 | 2019-04-26 | 武汉大学 | 一种面向总量控制的流域水量动态优化分配方法 |
US20190354873A1 (en) * | 2018-02-16 | 2019-11-21 | Lucas Pescarmona | Analysis system and hydrology management for basin rivers |
CN112990757A (zh) * | 2021-04-13 | 2021-06-18 | 中国科学院新疆生态与地理研究所 | 一种流域干流枯水年生态调水方法 |
CN113065980A (zh) * | 2021-03-23 | 2021-07-02 | 水利部海河水利委员会水资源保护科学研究所 | 一种面向河流生态需水的多水源优化配置方法 |
-
2021
- 2021-08-16 CN CN202110938525.XA patent/CN113610418B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323321A (zh) * | 2015-11-16 | 2016-02-10 | 清华大学 | 水联网系统 |
US20190354873A1 (en) * | 2018-02-16 | 2019-11-21 | Lucas Pescarmona | Analysis system and hydrology management for basin rivers |
CN109657848A (zh) * | 2018-12-06 | 2019-04-19 | 东莞理工学院 | 一种基于对冲规则的水库生态供水优化调度方法 |
CN109685256A (zh) * | 2018-12-13 | 2019-04-26 | 武汉大学 | 一种面向总量控制的流域水量动态优化分配方法 |
CN113065980A (zh) * | 2021-03-23 | 2021-07-02 | 水利部海河水利委员会水资源保护科学研究所 | 一种面向河流生态需水的多水源优化配置方法 |
CN112990757A (zh) * | 2021-04-13 | 2021-06-18 | 中国科学院新疆生态与地理研究所 | 一种流域干流枯水年生态调水方法 |
Non-Patent Citations (5)
Title |
---|
YUEYI LIU 等: "Piecewise-Linear Hedging Rules for Reservoir Operation with Economic and Ecologic Objectives", 《WATER》 * |
吴书悦等: "气候变化对新安江水库调度影响与适应性对策", 《水力发电学报》 * |
吴贞晖等: "面向总量控制的流域水量动态优化分配方法", 《长江科学院院报》 * |
朱金峰 等: "地表水与地下水相互作用研究进展", 《中国环境科学》 * |
王镜淋等: "用水总量控制下的水库水量调度模型研究", 《中国农村水利水电》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997619A (zh) * | 2022-05-24 | 2022-09-02 | 中国标准化研究院 | 一种区域水资源动态调控平衡方法及系统 |
CN114997619B (zh) * | 2022-05-24 | 2023-06-20 | 中国标准化研究院 | 一种区域水资源动态调控平衡方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113610418B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103713336B (zh) | 基于gis分区的水电站流域面雨量气象预报方法 | |
Matsukawa et al. | Conjunctive-use planning in mad river basin, California | |
Escriva-Bou et al. | Developing a water-energy-GHG emissions modeling framework: Insights from an application to California's water system | |
Anagnostopoulos et al. | A fuzzy multicriteria benefit–cost approach for irrigation projects evaluation | |
Zeng et al. | A multi-reservoir based water-hydroenergy management model for identifying the risk horizon of regional resources-energy policy under uncertainties | |
CN109685256A (zh) | 一种面向总量控制的流域水量动态优化分配方法 | |
Xu et al. | Stochastic optimization model for water allocation on a watershed scale considering wetland’s ecological water requirement | |
CN109063905B (zh) | 一种适应气候变化的水资源随机规划方法 | |
CN105868868A (zh) | 一种水联网水资源系统运行过程调控与风险识别的方法 | |
Bai et al. | Spatial-temporal variations of ecological vulnerability in the Tarim River Basin, Northwest China | |
CN113610418B (zh) | 一种基于对冲规则的地表水水量滚动分配方法 | |
Ahmadzadeh et al. | Assessment of water demand reliability using SWAT and RIBASIM models with respect to climate change and operational water projects | |
O’riordan et al. | Choice in water use | |
CN117332908B (zh) | 一种耦合集合预报的梯级水库多目标优化调度方法及系统 | |
Huang et al. | A system model to analyse environmental carrying capacity for managing urban growth of the Taipei metropolitan region | |
Dai et al. | Ecological flow process evaluation of a hydropower station's dehydration river. | |
Zeng et al. | A risk-simulation based optimization model for wetland reallocation on Yongding floodplain, China | |
Zhang et al. | Calculation of wetlands ecological water requirement in china’s western Jilin province based on regionalization and gradation techniques | |
Jain et al. | Some issues on interlinking of rivers in India. | |
Wang et al. | Ensemble flood simulation for the typical catchment in humid climatic zone by using multiple hydrological models | |
Al-Kharabsheh | Assessment of water resources in Yarmouk River Basin using geospatial technique during the period 1980–2020 | |
CN116822825B (zh) | 跨省江河流域水量调度方法及系统 | |
Cheng et al. | Research on water shortage risks and countermeasures in North China | |
Shahraki | Sustainable development in hydro-drought regions by improving hydro-indicators | |
Pulido-Velazquez | Conjunctive use opportunities in southern California |
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 |