CN114358664B - 变化环境与洪旱急转条件下洪水调度与水资源保障方法 - Google Patents
变化环境与洪旱急转条件下洪水调度与水资源保障方法 Download PDFInfo
- Publication number
- CN114358664B CN114358664B CN202210267370.6A CN202210267370A CN114358664B CN 114358664 B CN114358664 B CN 114358664B CN 202210267370 A CN202210267370 A CN 202210267370A CN 114358664 B CN114358664 B CN 114358664B
- Authority
- CN
- China
- Prior art keywords
- water
- water resource
- hydrodynamic
- guarantee
- resource guarantee
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 410
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011160 research Methods 0.000 claims abstract description 59
- 238000004088 simulation Methods 0.000 claims abstract description 54
- 230000008878 coupling Effects 0.000 claims abstract description 30
- 238000010168 coupling process Methods 0.000 claims abstract description 30
- 238000005859 coupling reaction Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 13
- 238000011144 upstream manufacturing Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000001704 evaporation Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000008020 evaporation Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 230000001808 coupling effect Effects 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 239000002352 surface water Substances 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010205 computational analysis Methods 0.000 claims description 2
- 239000008235 industrial water Substances 0.000 claims description 2
- 230000002262 irrigation Effects 0.000 claims description 2
- 238000003973 irrigation Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000013316 zoning Methods 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000001970 hydrokinetic effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003631 expected effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种变化环境与洪旱急转条件下洪水调度与水资源保障方法，所述方法包括采集研究区域预定时空范围内的基础数据，以所述基础数据构建水文‑水动力耦合的水资源保障模拟模型；确立和分析水资源保障方案；基于所述水资源保障模拟模型，调用预存储的水资源供用模拟方法，对所述水资源保障方案在各设定情景下的保障水平进行模拟，筛选符合预期设定条件的水资源保障方案，形成水资源保障方案体系。本发明形成了多情景下区域水资源保障方案，建立水资源保障能力提升示范项目，枯水期水资源保障率提高了10%以上，解决了变化环境与洪旱急转条件下洪水调度与水资源保障的问题。
Description
技术领域
本发明涉及水资源调度的相关方法，尤其是变化环境与洪旱急转条件下洪水调度与水资源保障方法。
背景技术
水资源短缺已成为制约经济社会持续发展的重要因素之一；随着工业化进程的不断加快，水资源短缺形势将更加严峻。
随着经济社会发展迅速，水资源保障形势正在发生显著的变化，现有的水资源系统与社会经济发展日益提高的安全保障需求不相适应的矛盾日益突出。为保障全年常态输水的水资源调度要求，尤其是水资源保障新形势下，如何科学利用闸坝截蓄、工程调控等作用，实现工程群保障联合调度，仍存在技术难点。
在部分地区，区域水利工程类型复杂，包括闸坝调度工程、水库群调蓄工程、洪水东调下工程等，为保障区域水资源安全，目前还缺乏不同水情条件下，尤其是变化环境和洪旱急转条件下，工程群洪水调度及水资源保障方案决策优选方法，制约了区域水安全保障联合调度技术方案的制定。
发明内容
发明目的：提供一种变化环境与洪旱急转条件下洪水调度与水资源保障方法，以解决现有技术存在的上述问题。
技术方案：提供一种变化环境与洪旱急转条件下洪水调度与水资源保障方法，包括如下步骤：
步骤1、采集研究区域预定时空范围内的基础数据，以所述基础数据构建水文-水动力耦合的水资源保障模拟模型；
步骤2、确立和分析水资源保障方案；
步骤3、基于所述水资源保障模拟模型，调用预存储的水资源供用模拟方法，对所述水资源保障方案在各设定情景下的保障水平进行模拟，筛选符合预期设定条件的水资源保障方案，形成水资源保障方案体系。
有益效果：针对变化环境和洪旱急转的情景，形成多情景下区域水资源保障方案，建立水资源保障能力提升示范项目，枯水期水资源保障率提高了10%以上。
附图说明
图1为本发明水资源保障方法的流程示意图。
图2为构建水资源保障模拟模型的流程图。
图3为构建并分析研究区域水动力有向图的流程示意图。
图4为本发明水位计算验证结果。
图5为本发明流量计算验证结果。
图6、图7和图8为实施例一情景下各年度水资源保障率变化示意图。
具体实施方式
为了解决本申请提出的技术问题，申请人对研究区域的数据和相关研究进行了深入的分析。在变化环境和洪旱急转的条件下，径流区域河流水库等拓扑关系会发生变化，导致预设的调控方案失效。这里的变化环境和洪旱急转属于本领域的常用概念，一般指在预定的时间，例如有些区域管理规定10天、20天内发生重大变化。
此外，在水利工程实际的调度运行仍然依据现有的调度规则实施，没有进行适应性的调整，虽然学术研究层面提出了“水利工程的适应性调控”，但还缺乏成熟的理论、模型和方法支撑，现有的水利工程适应性调控研究大多侧重于调控对策及其管理框架的宏观描述。
为此，提供一种变化环境与洪旱急转条件下洪水调度与水资源保障方法。
如图1所示，该方法包括如下步骤：
步骤1、采集研究区域预定时空范围内的基础数据，以所述基础数据构建水文-水动力耦合的水资源保障模拟模型；
步骤2、确立和分析水资源保障方案；
步骤3、基于所述水资源保障模拟模型，调用预存储的水资源供用模拟方法，对所述水资源保障方案在各设定情景下的保障水平进行模拟，筛选符合预期设定条件的水资源保障方案，形成水资源保障方案体系。
通过构建水文-水动力耦合的水资源保障模拟模型，并利用该模型对水资源保障方案进行模拟分析，挑选出部分符合预期条件的水资源保障方案。由于可以根据具体情况制定多个水资源保障方案，因此可以针对若干种情况进行模拟，为不同场景的调控提供数据支撑。解决了现有水资源保障方案相对单一，无法针对变化场景进行快速调整的问题。而现有技术中，只有水文水动力耦合模型，而且用于洪水、暴雨预测，或者流域研究，没有效果比较好的，可以实际使用的水文水动力与水资源保障模拟模型的耦合。
因此，通过上述三个模型的耦合，能够解决预定区域的水资源保障问题。
在这里，需要说明的是，基础数据不仅指用于构建各个模型的数据，也包括用于模型输入的数据。在具体案例中，某一个或多个数据，可以同时作为模型构建用的数据，也作为模型的输入数据。根据本领域的习惯，称之为基础数据或基础水文数据。在下文中，水资源数据也属于基础数据。
接着描述图2，具体描述步骤1中有关构建水文-水动力耦合的水资源保障模拟模型的过程。步骤1具体分为两个小步骤：
步骤11、构建水资源供用分析模型、水文模型和水动力模型
获取研究区域的水资源数据，并将所述研究区域概化为水资源系统，将所述水资源系统拆分成至少一个由基本节点和有向线段的网络单元，所述基本节点包括控制断面、供水节点和需水节点；所述有向线段包括河道和管网；查找是否存在研究区域外的、与水资源系统关联的供水工程，如存在，则将其作为网络辅助单元；建立供水节点和需水节点之间的关系、相邻网络单元之间的关系、各网络单元与辅助单元之间的相互关系，形成水资源供用分析模型；
采集数字高程数据、土地利用和土壤类型数据，构建水文模型；
采集河流水系GIS数据、包含高程和位置的河道断面和水利工程建筑数据，构建水动力模型。
在该水资源供用分析模型中，水资源系统包括：若干网络单元和网络辅助单元，而网络单元包括：
基本节点，控制断面、供水节点和需水节点；
有向线段，河道和管网。
基本节点的各个节点通过有向线段连通。例如，供水节点与需水节点之间可以通过河道或供水管网进行连通。供水节点之间可以通过河道进行连通。
在这一步骤中，首先根据研究区域的情况，采集基础数据，具体包括用于构建水资源供用分析模型、水文模型和水动力模型的数据，通过相关数据分别构建上述模型，对研究区域进行解耦合的构建，以期能够获得不同层面的仿真模拟模型（即水资源供用分析模型、水文模型和水动力模型）。
但是，上述模型是各自独立的，无法非常准确地描述研究区域的真实情况，因此需要根据实际情况建立耦合关系。
具体如以下步骤所述：步骤12、构建水文-水动力耦合的水资源保障模拟模型：
步骤121、采集研究区域的降雨、温度、风速、气压、相对湿度、日照时数、土地利用和土壤类型数据作为水文模型的输入数据；通过所述水文模型计算得到所述网络单元每一供水节点的区间入流量；
步骤122、针对每一供水节点，以设定的计算规则，采集区间入流量、上游来水量和供水节点的供水量作为输入，通过所述水资源供用分析模型对水资源供需过程进行模拟仿真，获得每一供水节点的区间出流量；
步骤123、采集研究区域的水位、流量、工程调度规则、当前供水节点的入流量和上一供水节点的区间出流量作为所述水动力模型的输入数据；通过所述水动力模型计算输出每一河道断面的水位和流量数据；
步骤124、重复步骤121~123，获取研究区域各供水节点的耦合关系，形成水文-水动力耦合的水资源保障模拟模型。
在该步骤中，首先根据各个模型的要求，采集各个模型所需的输入数据，对各个模型进行模拟。需要注意的是，水文模型依次针对每个网络单元进行模拟，获得网络单元中每个供水节点的区间入流量。水文模型用于针对每个网络单元，通过降水量、蒸发量和下渗量等增减项计算该网络单元的区间出流量，将其作为供水节点的入流量之一，纳入后续计算过程。
而水资源供用分析模型利用上述区间入流量作为输入数据之一，在去除供水节点的供水量后，获得改供水节点的区间出流量。也就说，对于每一供水节点，根据区间入流量、上游来水量等两个增量，以及该供水节点的供水量（减量），计算该供水节点能够向下游输送的水量，即区间出流量。
换句话说，水文模型通过将研究区域内网络单元覆盖面积上的水量统计出来，并作为供水节点的入流值进行处理，即将预定区域上的总水量归集到供水节点上，水资源供用分析模型将供水节点处的来水量减去供水量，获得该供水节点处的区间出流量。上述两个模型均集中于在节点处进行计算和模拟。
而对于河道而言，上游的供水节点的区间出流量和河道本身的蓄水量，能够直接影响河道内各个河道断面处的水位。为了对河道内的水位等参数进行模拟，需要上述研究区域水位、流量、工程调度规则、当前供水节点的入流量和上一供水节点的区间出流量等参数。
需要注意的是，控制断面指供水节点处的断面，用于在控制供水节点的排放效率。而河道断面是指河道内预定距离的处的断面，例如每隔1000米，选取一个横截断面作为河道断面，用于在水动力模型模拟时，分析模拟河道各处的水位等信息。
接着描述步骤2。
在进一步的实施例中，所述步骤2中确立和分析水资源保障方案进一步包括：
采集研究区域典型年的上游来水量、总需水量和水利工程调水量，并基于上游来水量、总需水量和水利工程调水量计算水资源供需缺口水量。
获取当前工程调度方案和水资源保障需求参数，结合所述水资源供需缺口水量和水资源保障需求参数，确立至少包括两个约束模块的水资源保障方案；每一约束模块包含若干组约束参数。
在这一步骤中，通过对研究区域内一定空间范围和一定时间范围内的数据进行采集，获得水资源供需缺口水量，并结合当前工程调度方案和水资源保障需求参数，确立水资源保障方案。需要说明的是，在这一步骤中，通过水资源供需缺口水量和水资源保障需求参数计算得到若干约束模块，并形成约束模块集合，为了提高水资源保障的效率，每个水资源保障方案至少采用两个约束模块。在下文的实施例中，水资源保障方案中使用了四个约束模块。
在一个简化的案例中，可以认为是如下过程：搜集研究区域一定历史年份的若干基础数据，特别是上游来水量和水利工程调水量等两个主要数据，计算两者之和是否大于总需水量，通过这一计算，大致判断研究区域的水资源供需缺口水量。
同时，搜集研究区域的工程设施的多个维度的调控调度能力，包括“拦-蓄-调-补-用”等维度的调度潜能，每个维度形成一个约束模块，通过排列组合和调整各个约束模块，通过若干约束模块组成一系列的水资源保障方案。为了提高调度能力，至少使用两个约束模块。
换句话说，假定在某个情景下，上游来水量是1000，工程可调水量最多是500，而总需水量是2000，那么供需缺口水量是500，由于存在缺口水量，因此希望能够减少缺水的天数，例如可以定义枯水期内保障天数占枯水期总天数之比来判断改进后的水资源保障方案是否能够达到预期，是否具有好的效果。由于缺口水量在时间上是不均匀分布的，工程可调水量也是不均匀分布的，因此需要根据当前工程调度方案，并结合水资源保障的需求参数，确立水资源保障方案的各个约束模块。例如可以采用拦水约束模块，蓄水约束模块、闸坝调度约束模块、补水约束模块、中水回用约束模块、非常规用水约束模块等。通过构建的数字孪生的各个约束模块，实现在系统自动化仿真，模拟各个约束模块的作用效果，并模拟任意组合的情况下，约束模块的耦合作用，获得约束模块的耦合作用效果。
每个约束模块具有一组约束参数，比如补水约束模块，具有50、100、200、300、500等水量层面的约束参数，不同的约束参数的作用效果不同，因此通过调整各个约束模块的约束参数，可以在时空上获得更好的作用效果。比如补水约束模块在3月可以达到50，当月还有100的缺口，那么通过中水回用约束模块可以协调80的水量，如果通过其他约束模块还能协调一定的水量，则可以大大提高水资源保障效果。
需要注意的是，在这里，水资源保障方案并没有得到模拟和验证，并不清楚哪些水资源保障方案在何种情景下的效果如何。
最后描述该实施例的步骤3。
在构建完成上述水文-水动力耦合的水资源保障模拟模型，并确立水资源保障方案后，需要对水资源保障方案的效果进行模拟验证和优选，具体如下：
在进一步的实施例中，所述步骤3中对水资源保障方案在各情景下的保障水平进行模拟的过程具体包括：
步骤31、将所述约束模块的约束参数以各自独立、排列组合的方式输入所述水文-水动力耦合的水资源保障模拟模型，分别模拟单一约束模块的作用效果，以及两个以上约束模块的耦合效果，分析约束模块之间的耦合关系；
步骤32、调用预存储的若干来水条件情景和不同用水条件情景，采用所述水文-水动力耦合的水资源保障模拟模型进行模拟，获得各情景方案的模拟分析结果；
步骤33、基于所述模拟分析结果，获得至少一个符合预期设定条件的水资源保障方案，形成研究区域的水资源保障方案体系。
首先，为了更加细致的研究每个水资源保障方案在各个场景下的作用效果。针对每个水资源保障方案的每个约束模块，以及任意排列组合的约束模块，进行仿真和模拟，分析各个约束模块之间的关系。
在分析约束模块的作用效果后，将水资源保障方案通过水资源保障模拟模型在若干来水条件情景和不同用水条件情景下进行模拟；
通过上述模拟仿真，筛选出符合预设条件的水资源保障方案，将这些方案放入水资源保障方案体系。
由于在这个方案中，可以对约束模块进行排列组合，因此会得到一系列的水资源保障方案，针对不同的情景进行模拟，筛选获得对应某个场景下最优的水资源保障方案。
如上文所述，当前的水资源保障和调度方法，主要基于平稳性假设，对于部分区域，例如变化环境和洪旱急转条件下会存在调控效果降低甚至失效等问题。为了解决上述问题，技术人员也进行了诸多探索，例如当前提出了数字孪生流域等理论框架，通过数字化场景和智慧化模拟为精准化决策提供支撑。但是当前并没有确切可行的处理模型和方案。
转到图3。在进一步的实施例中，还包括步骤S13构建并分析研究区域水动力有向图：
S131、每隔预定时间基于各网络单元之间、网络单元内各组成单元之间的拓扑关系以及水情矩阵，构建研究区域水动力有向图；所述水情矩阵包括源汇关系、供用关系、水位和流量；在本实施例中，可以在平时采用每月或每周进行处理计算，在汛期，可以每天或每小时进行处理计算。水情矩阵相关信息可以通过基于一体化的水利感知网络获取。
S132、通过图神经网络（GNNs）模块判断当前时间下研究区域的水动力有向图与预置的水动力有向图是否同构，若同构，进入步骤S134；若不同构，调用GNNs模块计算上述两个水动力有向图之间的相似度，即计算当前时间下研究区域的水动力有向图与预置的水动力有向图的相似度，进入步骤S133；
S133、判断所述相似度是否大于预置的阈值，若大于预置的阈值，以当前时间下研究区域的基础参数构建水文-水动力耦合的水资源保障模拟模型，获得当前时间下的水动力条件和水资源变化的计算分析数据；
S134、采集当前时间下网络单元内各网络单元、网络单元之间支路的当前监测参数，并计算当前监测参数是否达到预设的预警值；采用神经网络计算当前时间下研究区域水文参数是否超出预置的阈值。
在这一实施例中，通过两个层面对仿真数据与物理实际数据进行比较。首先，如果存在同构的情况，可以说明研究区域的水资源系统在物理上没有发生变化，不存在管网之间新增连通管道，或者堰塞等情况。在这种情况下，通过采集并计算各个节点的各个监测参数，判断每一监测参数是否超出阈值。例如某个供水节点的水位，或者河道断面的水位等是否超过预警值。同时，在进一步的实施例中，由于存在所有节点的监测参数都没有超出预警值，但是由于上游来水和降水等情况，系统整体有可能超出预警值，在这种情况下，采用神经网络计算当前时间下研究区域水文参数是否超出预置的阈值。
如果相似度在预设的范围内，即大于预设的阈值，则说明在数据层面的平稳性仿真度较高，能够基本符合调控调度的要求，采用当前时间下的水动力条件和水资源变化的计算分析数据来进行计算。如果小于预设的阈值，则说明在水文数据方面发生较大的失真，则推送给用户终端和控制中心，通过专家进行分析判断。
在进一步的实施例中，构建与各个所述水动力有向图适配的调控策略集，并形成映射关系，为快速高效准确决策提供基础。当区域水动力有向图不同的时候，快速查找与之对应的调控策略集，从而快速响应。通过构建调控策略集并预存储在控制中心，当发生变化时，可以随时查到对应的调控策略，从而形成更好、更高效的调度。
需要说明的是，由于用于计算图相似度、同构的图神经网络模型较多，可以采用图匹配网络、距离度量网络或深度图相似度学习网络。使用能够实现上述目的的神经网络均可以，包括申请人或同行已经公开的论文或专利中的相关神经网络模块。在本申请人的在先专利（CN202110111037.1）中，关于神经网络的内容已经进行了部分论述，本申请在这一技术的基础上进行了深入研发。
在本实施例中，洪、旱状态具有不同的阈值，不同等级的洪、旱也具有不同的阈值，根据当前矩阵中个元素所在阈值区间范围判断水情拓扑关系是否发生变化。
在本实施例中，通过分析研究流域的空间和水情拓扑关系，基于当前的水利感知网，构建了与流域物理过程高度保真的拓扑模型，获得数字模型与物理空间的拟合度更高，解决了变化环境和洪旱急转条件下的流域洪水调度和水资源保障问题。本实施例的相关方案在数字孪生流域模拟框架下，提供了一种具体场景的解决方案，集合高效快速安全可靠的算力，能够大大提升调度方案的准确性和精确性。
在进一步的实施例中，还包括：
S135、若当前时间下研究区域的水动力有向图与预置的水动力有向图不同构，查找当前时间下研究区域的水动力有向图是否存在环结构和新增节点，
若存在环结构和/或存在新增节点，更新研究区域的水文-水动力耦合的水资源保障模拟模型，按照预置的方法重新进行模拟仿真。
在本实施例中，通过判断拓扑结构中是否存在环结构，分析计算现有的河流体系在变化环境和洪旱急转情况下是否存在水流分配与平稳性假设不同的流动。同时基于判断是否出现新增节点，判断流域内的空间拓扑是否发生较大变化，从而根据新的空间拓扑重新模拟仿真，计算决策方案。因此，本实施例解决了现有技术无法对实际物理情况进行仿真，并提供新的调度保障方案的问题。例如在某种情况下，已经发生了某个河道与另一河道连通，形成环路，或者一个河道被堵塞，形成了新的支路。在这种情况下，如果采用原有的方案，则会造成与实际物理环境不一致的情况，达不到预期的效果。因此通过本实施例的方案，可以提高数字孪生的仿真度和水资源保障的实时性和有效性。
在进一步的实施例中，对水资源供用分析模型进行详细描述。
所述构建水资源供用分析模型具体为：
蓄水工程水量平衡：
S
t+1
=S
t
+I
t
+UQ
t
－DW
t
－IW
t
－AW
t
－EW
t
－OW
t
－ET
t
－ST
t
－DQ
t
式中：S t+1 、S t 分别为水库湖泊的时段t初蓄水量、末蓄水量；I t 为时段t水库入流量；UQ t 为时段上游弃泄水量；DW t 、IW t 、AW t 、EW t 、OW t 分别为生活用水量、城市生产用水量、农村生产用水量、环境用水量和其他用水量；ET t 、ST t 分别为蒸发量和渗漏量；DQ t 为水库弃泄水量或正常供水区外引水量；t为时段，下同，不再详述；
分水点和控制节点水量平衡：
分水节点： 
控制节点：
式中：TW t i 、TW t k 为分水点i、分水点k时段t的引水量；p（k，i，t）为时段t分水点i向
分水点k分配水量的分配系数；
为节点所有入流量；
为节点所有出流量；
分区地表水量平衡：
城镇计算分区：
CRW t +CLW t +CXW t -CD t -CI t -CA t -CE t -CO t -CET t -CFT t - CRW t +CCW t =0
式中：CRW t 、CLW t 、CXW t 分别为时段t水库对城镇供水量、城镇当地可供水量以及外流域或区域对城镇供水量；CD t 、CI t 、CA t 、CE t 、CO t 分别为城镇生活用水量、城镇工业用水量、城镇农业用水量、城镇生态环境用水量和城市其他用水量；CET t 、CFT t 分别为蒸发水量、渗漏水量；CRW t 为城市退水量；CCW t 为城镇重复利用水量；
农村计算分区：
RRW t +RLW t +RXW t - RD t -RA t -RE t -RO t -RET t -RFT t + RCW t =0
式中：RRW t 、RLW t 、RXW t 分别为水库对农村供水量、农村当地可供水量以及外流域或区域对农村供水量；RD t 、RA t 、RE t 、RO t 分别为农村生活用水量、农村农业用水量、农村生态环境用水量和农村其他用水量；RET t 、RFT t 分别为蒸发水量、渗漏水量；RCW t 计算分区内可作为地表水利用的农业灌溉回归水量。
在进一步的实施例中，还包括步骤4，
基于采集的基础数据，将所述水资源保障方案作为所述水文-水动力耦合的水资源保障模拟模型的输入，计算枯水期水资源保障率提高率，并基于枯水期水资源保障率提高率对水资源保障方案进行评估；枯水期水资源保障率提高率∆α=（T g a -T g b ）/T tot ×100%，
T g b为前枯水期内保障天数、T g a 为后枯水期内保障天数，T tot 为枯水期总天数。
需要说明的是，评估的标准也可以采用其他标准，并不限于枯水期水资源保障率提高率。在该实施例中，仅仅用于说明采用这一标准是能够提高当前研究区域的水资源保障要求，满足客户的需求。本领域的技术人员可以根据实际情况采用其他标准或者自己设定新的标准。
在进一步的实施例中，详细描述水资源供用分析模型的相关技术细节。
如图4和图5所示，本实施例的模型在预测水位和流量等水文参数方面具有明显的技术优势。
如图6、图7和图8所示，提供一个已经具体实施的案例。
在该实施例中：枯水年采用拦水约束模块、河湾水源工程蓄水约束模块、补水约束模块、以及中水回用约束模块。即该水资源保障方案中具有四个约束模块。在这四个约束模块下，经过模拟仿真，获得了非常优异的调控效果。
在此方案下，不同规划年份的枯水期研究区域水资源保障率模拟结果见下表。从表分析，不同规划年份在典型年条件下工程后研究区域水资源保障率均明显提升。
丰水年提升了38.41%-54.3%，平水年提升值为23.84%-53.64%，枯水年提升值为31.79%-52.98%。
对上述模型的评测方法为：研究区域枯水期：11月1日至次年3月31日。
水资源保障率：定义为枯水期内保障天数占枯水期总天数之比，即：
α= T g / T tot ×100% ，式中：α为水资源保障率；T tot 为枯水期总天数；T g 为枯水期内保障天数。
示范前枯水期内保障天数为T g b 、示范后枯水期内保障天数为T g a ，那么研究区域枯水期水资源保障率提高率Δα即可表示为：Δα=（T g a -T g b ）/T tot ×100%
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。
Claims (8)
1.变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，包括如下步骤：
步骤1、采集研究区域预定时空范围内的基础数据，以所述基础数据构建水文-水动力耦合的水资源保障模拟模型；
步骤2、确立和分析水资源保障方案；
步骤3、基于所述水资源保障模拟模型，调用预存储的水资源供用模拟方法，对所述水资源保障方案在各设定情景下的保障水平进行模拟，筛选符合预期设定条件的水资源保障方案，形成水资源保障方案体系；
所述步骤1具体为：
步骤11、构建水资源供用分析模型、水文模型和水动力模型；
获取研究区域的水资源数据，并将所述研究区域概化为水资源系统，将所述水资源系统拆分成至少一个由基本节点和有向线段的网络单元，所述基本节点包括控制断面、供水节点和需水节点；所述有向线段包括河道和管网；查找是否存在研究区域外的、与水资源系统关联的供水工程，如存在，则将其作为网络辅助单元；建立供水节点和需水节点之间的关系、相邻网络单元之间的关系、各网络单元与辅助单元之间的相互关系，形成水资源供用分析模型；
采集数字高程数据、土地利用和土壤类型数据，构建水文模型；
采集河流水系GIS数据、包含高程和位置的河道断面和水利工程建筑数据，构建水动力模型；
步骤12、构建水文-水动力耦合的水资源保障模拟模型；
步骤121、采集研究区域的降雨、温度、风速、气压、相对湿度、日照时数、土地利用和土壤类型数据作为水文模型的输入数据；通过所述水文模型计算得到所述网络单元每一供水节点的区间入流量；
步骤122、针对每一供水节点，用设定的计算规则，采集区间入流量、上游来水量和供水节点的供水量作为输入，通过所述水资源供用分析模型对水资源供需过程进行模拟仿真，获得每一供水节点的区间出流量；
步骤123、采集研究区域的水位、流量、工程调度规则、当前供水节点的入流量和上一供水节点的区间出流量作为所述水动力模型的输入数据；通过所述水动力模型计算输出每一河道断面的水位和流量数据；
步骤124、重复步骤121~123，获取研究区域各供水节点的耦合关系，形成水文-水动力耦合的水资源保障模拟模型。
2.如权利要求1所述的变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，还包括步骤S13构建并分析研究区域水动力有向图：
S131、每隔预定时间基于各网络单元之间、网络单元内各组成单元之间的拓扑关系以及水情矩阵，构建研究区域水动力有向图；所述水情矩阵包括源汇关系、供用关系、水位和流量；
S132、判断当前时间下研究区域的水动力有向图与预置的水动力有向图是否同构，若同构，进入步骤S134；若不同构，调用图神经网络模块计算两个水动力有向图之间的相似度，进入步骤S133；
S133、判断所述相似度是否大于预置的阈值，若大于预置的阈值，以当前时间下研究区域的基础参数构建水文-水动力耦合的水资源保障模拟模型，获得当前时间下的水动力条件和水资源变化的计算分析数据；
S134、采集当前时间下网络单元内各网络单元、网络单元之间支路的当前监测参数，并计算当前监测参数是否达到预设的预警值。
3.如权利要求2所述的变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，还包括：
S135、若当前时间下研究区域的水动力有向图与预置的水动力有向图不同构，查找当前时间下研究区域的水动力有向图是否存在环结构和新增节点，
若存在环结构和/或存在新增节点，更新研究区域的水资源保障模拟模型和研究区水文水动力模型，按照预置的方法重新进行模拟仿真。
4.如权利要求2所述的变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，还包括：
S130、构建与各个水动力有向图适配的调控策略集，并形成映射关系。
5.如权利要求1所述的变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，所述步骤2中确立和分析水资源保障方案进一步包括：
采集研究区域典型年的上游来水量、总需水量和水利工程调水量，并基于上游来水量、总需水量和水利工程调水量计算水资源供需缺口水量；
获取当前工程调度方案和水资源保障需求参数，结合所述水资源供需缺口水量和水资源保障需求参数，确立至少包括两个约束模块的水资源保障方案，每一约束模块包含若干组约束参数。
6.如权利要求5所述的变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，所述步骤3中对水资源保障方案在各情景下的保障水平进行模拟的过程具体包括：
步骤31、将所述约束模块的约束参数以各自独立、排列组合的方式输入所述水文-水动力耦合的水资源保障模拟模型，分别模拟单一约束模块的作用效果，以及两个以上约束模块的耦合效果，分析约束模块之间的耦合关系；
步骤32、调用预存储的若干来水条件情景和不同用水条件情景，采用所述水文-水动力耦合的水资源保障模拟模型进行模拟，获得各情景方案的模拟分析结果；
步骤33、基于所述模拟分析结果，获得至少一个符合预期设定条件的水资源保障方案，形成研究区域的水资源保障方案体系。
7.如权利要求1所述的变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，所述构建水资源供用分析模型具体为：
蓄水工程水量平衡：
S
t+1
=S
t
+I
t
+UQ
t
－DW
t
－IW
t
－AW
t
－EW
t
－OW
t
－ET
t
－ST
t
－DQ
t
式中：S t 、S t+1 分别为水库湖泊的时段t初蓄水量、末蓄水量；I t 为时段t水库入流量；UQ t 为时段t上游弃泄水量；DW t 、IW t 、AW t 、EW t 、OW t 分别为时段t生活用水量、城市生产用水量、农村生产用水量、环境用水量和其他用水量；ET t 、ST t 分别为时段t蒸发量和渗漏量；DQ t 为时段t水库弃泄水量或正常供水区外引水量；
分水点和控制节点水量平衡：
分水节点：
控制节点：
式中：TW t i 、TW t k 为分水点i、分水点k时段t的引水量；p（k，i，t）为时段t分水点i向分水点k分配水量的分配系数；
为节点所有入流量；
为节点所有出流量；
分区地表水量平衡：
城镇计算分区：
CRW t +CLW t +CXW t -CD t -CI t -CA t -CE t -CO t -CET t -CFT t - CRW t +CCW t =0
式中：CRW t 、CLW t 、CXW t 分别为时段t水库对城镇供水量、城镇当地可供水量以及外流域或区域对城镇供水量；CD t 、CI t 、CA t 、CE t 、CO t 分别为城镇生活用水量、城镇工业用水量、城镇农业用水量、城镇生态环境用水量和城市其他用水量；CET t 、CFT t 分别为蒸发水量、渗漏水量；CRW t 为城市退水量；CCW t 为城镇重复利用水量；
农村计算分区：
RRW t +RLW t +RXW t - RD t -RA t -RE t -RO t -RET t -RFT t + RCW t =0
式中：RRW t 、RLW t 、RXW t 分别为水库对农村供水量、农村当地可供水量以及外流域或区域对农村供水量；RD t 、RA t 、RE t 、RO t 分别为农村生活用水量、农村农业用水量、农村生态环境用水量和农村其他用水量；RET t 、RFT t 分别为蒸发水量、渗漏水量；RCW t 计算分区内可作为地表水利用的农业灌溉回归水量。
8.如权利要求6所述的变化环境与洪旱急转条件下洪水调度与水资源保障方法，其特征在于，还包括步骤4，
基于采集的基础数据，将所述水资源保障方案作为所述水文-水动力耦合的水资源保障模拟模型的输入，计算枯水期水资源保障率提高率，并基于枯水期水资源保障率提高率对水资源保障方案进行评估；
枯水期水资源保障率提高率∆α=（T g a -T g b ）/T tot ×100%，
T g b为前枯水期内保障天数、T g a 为后枯水期内保障天数，T tot 为枯水期总天数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210267370.6A CN114358664B (zh) | 2022-03-18 | 2022-03-18 | 变化环境与洪旱急转条件下洪水调度与水资源保障方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210267370.6A CN114358664B (zh) | 2022-03-18 | 2022-03-18 | 变化环境与洪旱急转条件下洪水调度与水资源保障方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114358664A CN114358664A (zh) | 2022-04-15 |
| CN114358664B true CN114358664B (zh) | 2022-05-24 |
Family
ID=81094923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210267370.6A Active CN114358664B (zh) | 2022-03-18 | 2022-03-18 | 变化环境与洪旱急转条件下洪水调度与水资源保障方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114358664B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114429053B (zh) * | 2022-04-06 | 2022-06-17 | 水利部交通运输部国家能源局南京水利科学研究院 | 流域尺度wefe系统适配性模拟优化方法 |
| CN115375198B (zh) * | 2022-10-24 | 2022-12-30 | 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 |
| CN115907436B (zh) * | 2023-01-10 | 2023-05-05 | 河海大学 | 基于量质耦合预报的水资源水环境调控方法和系统 |
| CN118278704B (zh) * | 2024-05-29 | 2024-08-16 | 长江水利委员会长江科学院 | 水库的实时调度方法及相关设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109446604A (zh) * | 2018-10-15 | 2019-03-08 | 武汉大学 | 基于水文与水动力模型耦合的未控区径流预报方法 |
| CN109948235B (zh) * | 2019-03-14 | 2023-05-09 | 南京大学 | 水资源调度与精准化配置方法 |
| CN112529399A (zh) * | 2020-12-08 | 2021-03-19 | 中水三立数据技术股份有限公司 | 一种河道智能监控综合管理系统及方法 |
| CN113919125A (zh) * | 2021-08-25 | 2022-01-11 | 南京中禹智慧水利研究院有限公司 | 一种基于区域产汇流耦合模型系统的防洪预报调度方法 |
| CN114117848B (zh) * | 2021-11-10 | 2022-11-11 | 北京师范大学 | 一种基于多模型耦合的流域水环境模拟预测的方法及装置 |
-
2022
- 2022-03-18 CN CN202210267370.6A patent/CN114358664B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114358664A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114358664B (zh) | 变化环境与洪旱急转条件下洪水调度与水资源保障方法 | |
| CN110570126B (zh) | 一种基于实时气象信息的雨水调蓄设施实时调度方法 | |
| CN108764573B (zh) | 一种面向内陆干旱区的水资源多维均衡配置系统 | |
| CN110555239B (zh) | 一种基于排水管网模型的河涌水闸优化调度方法 | |
| Azari et al. | Multi-objective optimization of the reservoir system operation by using the hedging policy | |
| CN115375198B (zh) | 区域河湖水系连通联合调度和水质安全保障方法及系统 | |
| CN110276145A (zh) | 城市排水系统仿真建模与调度方法 | |
| CN108614915B (zh) | 基于情景驱动的水文模型自由组建策略方法 | |
| CN111046574B (zh) | 一种平原湖区湖河闸泵系统防洪排涝演算方法 | |
| CN111105170B (zh) | 水资源仿真配置计算方法及水资源的配置方法 | |
| CN111598724B (zh) | 一种中小水库入库流量日前预测的分时段集成方法 | |
| CN112101818B (zh) | 一种适用于复杂水力联系的海绵城市洪涝优化调度方法 | |
| CN114357868A (zh) | 复杂防洪系统多目标协同调度方法及装置 | |
| CN111985129A (zh) | 一种城市暴雨内涝精细化模拟方法 | |
| Ranjbar et al. | Framework for a digital twin of the Canal of Calais | |
| CN114819322B (zh) | 湖泊入湖流量的预报方法 | |
| CN117436566A (zh) | 一种平原河网区水闸群优化调度方法、系统、装置及介质 | |
| CN109919397B (zh) | 平原河网地区排涝容量校验优化方法 | |
| CN116629007A (zh) | 一种基于坡度改进的城市洪涝模型子汇水区划分方法 | |
| CN118095581A (zh) | 基于分布式水文模型的梯级小水电来水量预测方法及系统 | |
| CN113919125A (zh) | 一种基于区域产汇流耦合模型系统的防洪预报调度方法 | |
| Alamanos et al. | Hydro-economic modeling and management with limited data: the case of Lake Karla Basin, Greece | |
| CN111539158A (zh) | 一种水体的最大污染负荷分配方法及系统 | |
| CN116305452A (zh) | 一种流域尺度淤地坝拦沙量的动态计算方法 | |
| CN115809562A (zh) | 一种确定小流域引水沟渠规模方案的方法 |
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 |