CN115018298A - 一种基于信息物理系统的水库群实时防洪动态自适应调度方法 - Google Patents
一种基于信息物理系统的水库群实时防洪动态自适应调度方法 Download PDFInfo
- Publication number
- CN115018298A CN115018298A CN202210597146.3A CN202210597146A CN115018298A CN 115018298 A CN115018298 A CN 115018298A CN 202210597146 A CN202210597146 A CN 202210597146A CN 115018298 A CN115018298 A CN 115018298A
- Authority
- CN
- China
- Prior art keywords
- flood
- reservoir
- scheduling
- real
- control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 230000009977 dual effect Effects 0.000 claims abstract description 8
- 239000003795 chemical substances by application Substances 0.000 claims description 137
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000006424 Flood reaction Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012549 training 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
- G06Q10/0635—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
- 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
-
- 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)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本发明公开了一种基于信息物理系统的水库群实时防洪动态自适应调度方法，包括：建立水库群实时防洪动态调度信息物理系统；建立基于Agent的水库群动态调度模型，并存入水库群实时防洪动态调度信息物理系统中；采用空间‑量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的随机洪水样本集，并储存至水库群实时防洪动态调度信息物理系统中；将模拟的实时洪水样本集导入基于Agent的水库群动态调度模型，实现水库群实施防洪动态自适应调度。本发明能有效提高实时防洪调度效率，提高防洪调度对洪水形势动态变化的适应性，有助于实现随机洪水情景中流域防洪系统智能调度与管理。
Description
技术领域
本发明涉及水库群防洪调度风险分析方法，尤其是涉及一种基于信息物理系统的水库群实时防洪动态自适应调度方法。
背景技术
水库群实时防洪调度具有高时效性和高复杂性的特点。高时效性体现在流域决策者需要根据实时的预报信息、水库状态信息及时准确地做出决策。水库群联合调度模型规模大、目标多、决策信息动态变化且相互牵制上，造成水库群联合调度具有高复杂性的特点。复杂性导致了时效性难以满足，两者之间的矛盾是水库群实时防洪调度一直以来关注的问题。
目前，对流域实时防洪调度的研究已经取得了诸多成果，主要体现在以下方面。(1)研究目标：水库群联合防洪优化调度的目的是保证水库安全和下游公共防洪控制断面的安全，同时需要兼顾生态、供水、发电等目标；(2)求解方法：模型求解方法逐步由传统优化算法发展为智能算法；(3)智能调度技术：智能调度模型通常基于优化算法获得训练样本，并利用机器学习算法提取调度规则，从而实现智能控制，神经网络、ANFIS是最常用的方法；(4)防洪决策支持系统：防洪决策支持系统能够提高防洪调度决策的可靠性与时效性，是流域洪水管理不可或缺的工具，以人机交互的方式实现多目标、多属性决策及洪水风险管理。
水库群实时防洪调度中，防洪形势是动态变化的，体现在暴雨洪水的动态变化和水库防洪能力的动态变化上。现有关于水库群实时防洪调度方法大多追求系统的整体模拟，难以考虑这种动态变化性。
发明内容
发明目的：本发明的目的是提供一种基于信息物理系统的水库群实时防洪动态自适应调度方法，该方法在水库调度模块基于Agent自适应选择合适的调度模型，有助于复杂多变的洪水形势下实现动态调控，提高防洪效率。
技术方案：本发明的基于信息物理系统的水库群实时防洪动态自适应调度方法，包括以下步骤：
(1)建立水库群实时防洪动态调度信息物理系统，包括监测设备模块、控制中心模块、数据库模块、计算模块和通信网络模块，其中监测设备模块、控制中心模块、数据库模块和计算模块均通过通信网络模块进行信息双向交互；计算模块包括水文预报模型、水库调度模型和洪水演进模型；
(2)建立基于Agent的水库群动态调度模型，并存入水库调度模型中，用于水库群实时防洪动态自适应调度；基于Agent的水库群动态调度模型包括控制Agent、任务Agent、水库Agent和模型Agent，其中，控制Agent是水库调度模型的控制中心，和数据库直接关联，用于统筹控制；任务Agent用于任务分配和传递；水库Agent通过接收任务Agent分配的调度任务，从模型Agent中选择合适的调度模型，每个水库作为一个单独的水库Agent；每个水库Agent对应一个模型Agent，模型Agent包括多个调度模型；
(3)采用空间-量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的随机洪水样本集，并储存至数据库模块中；
(4)将模拟的实时洪水样本集导入基于Agent的水库群动态调度模型，实现水库群实施防洪动态自适应调度。
进一步的，步骤(1)中：
监测设备模块，包括流域水文气象遥测系统及水库监测系统，用于实时监测物理环境的变化，全方位自动获取所需的各项物理环境实时参数，并将其通过通信网络传输到数据库中储存，供计算模块中各模型调用；
控制中心模块，用于确定控制策略，发布控制指令，管理和控制水库群实时防洪动态调度信息物理系统的运行状况；
数据库模块，用于水库群实时防洪动态调度信息物理系统中数据的储存和管理，数据库中有历史水文数据、流域地理空间数据、防洪工程参数三类固有数据，实时水雨情、防洪工程状况两类监测数据，水文预报结果、水库调度方案、洪水演进结果三种计算结果数据；
计算模块，用于水文预报模型、水库调度模型和洪水演进模型的计算；
通信网络模块，用于实现系统各组件之间数据传输和资源共享。
更进一步的，通信网络模块采用支持协同感知和协同控制的信息物理系统实时网络，为系统提供实时网络服务。
进一步的，步骤(3)具体为：
(31)对于含有M个水库及E个防洪控制断面的防洪系统，选取L场历史典型洪水，每场历史典型洪水中，包括M个水库的入库流量和E个防洪控制断面的区间来水，因此共有O＝L×(M+E)场洪水，将O场洪水作为历史洪水样本集；
(32)选取P个水文站，划分每个水文站的控制子流域，得到每个水文站控制子流域内的水库和防洪控制断面，第u个水文站的年最大洪峰流量概率密度分布函数为fu，假定第u个水文站控制子流域内水库入库洪水和区间来水的洪峰流量和第u个水文站的年最大洪峰流量同分布；
(33)O场历史洪水洪峰流量依次记为
其中h＝1,2,…,O；
(34)对第i个水库，若处于第u个水文站的控制子流域，根据拉丁超立方抽样方法，按fu进行随机抽样，生成一组样本容量为Z的洪峰流量，记为
i＝1,2,…,M，v＝1,2,…,Z；
(35)对第i个水库的第v个洪峰流量
若O场历史洪水中第h场洪水洪峰流量
和
相差最小，则选O场历史洪水中第h场洪水为典型洪水按比例
进行同倍比放大，得到第i个水库的第v个入库洪水
(36)对M个水库，均按照步骤(34)至(35)生成各水库的Z个入库洪水样本，记为
i＝1,2,…,M，v＝1,2,…,Z；
(37)对第d个防洪控制断面，若处于第u个水文站的控制子流域，根据拉丁超立方抽样方法，按分布fu进行随机抽样，生成一组样本容量为Z的洪峰流量，记为
d＝1,2,…,E，v＝1,2,…,Z；
(38)对第d个防洪控制断面的第v个洪峰流量
若O场历史洪水中第h场洪水洪峰流量
和
相差最小，则选第h场洪水为典型洪水按比例
进行同倍比放大，得到第d个防洪控制断面对应的第v个区间来水
(39)对E个防洪控制断面，均按照步骤(37)至(38)生成各防洪控制断面对应的Z个区间来水洪水样本，记为
d＝1,2,…,E，v＝1,2,…,Z；
(310)得到模拟的包含Z场洪水的随机洪水样本集
i＝1,2,…,M，d＝1,2,…,E，v＝1,2,…,Z；
(311)将随机洪水样本集
作为实时水雨情数据，存入数据库。
进一步的，步骤(4)中若在一场实时洪水过程中，进行B次调度，每次调度的调度期为T，则调度方法为：
(41)调度起始时，由控制Agent从数据库中读取防洪工程状况和随机洪水样本集
中的洪水信息，传递给任务Agent；
(42)任务Agent确定各水库Agent的调度模型，将任务传递给水库Agent；
(43)水库群中各水库Agent接收调度任务，激活模型Agent中相应的调度模型，生成水库调度方案；
(44)各水库Agent的水库调度方案结果反馈给控制Agent，得到水库群的调度方案，并传输到数据库进行储存，同时控制Agent进行水库群实时防洪动态自适应调度；
(45)判断是否需要做下一次调度，若需要，重复步骤(41)至(44)；若洪水结束，不再需要进行下次调度，结束运行。
进一步的，步骤(4)还包括对水库群实时防洪动态自适应调度效果进行评价，评价指标为：
对实时洪水样本集SQv中的Z场洪水，分别做全集联合调度和基于信息物理系统的水库群实时防洪动态自适应调度。全集联合调度模型得到的最下游公共防洪控制断面洪水过程记为QC，洪峰流量记为QCm；基于Agent的水库群动态调度模型得到的最下游公共防洪控制断面洪水过程记为QC*，洪峰流量记为
则两种模型相对误差εr定义为：
定义衡量两种模型是否等效的相对误差阈值为ε，若Z场洪水中满足εr≤ε的洪水场次数为Z*，Z*≤Z，则基于Agent的水库群动态调度模型效果优劣用等效合格率δ这一指标衡量，定义如下：
本发明的基于信息物理系统的水库群实时防洪动态自适应调度系统，包括：
系统构建模块，用于建立水库群实时防洪动态调度信息物理系统，系统包括监测设备模块、控制中心模块、数据库模块、计算模块和通信网络模块，其中监测设备模块、控制中心模块、数据库模块和计算模块均通过通信网络模块进行信息双向交互；计算模块包括水文预报模型、水库调度模型和洪水演进模型；
模型构建模块，用于建立基于Agent的水库群动态调度模型，并存入水库调度模型中，用于水库群实时防洪动态自适应调度；
样本模拟模块，采用空间-量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的实时洪水样本集；
调度模块，采用基于Agent的水库群动态调度模型，对模拟的实时洪水样本集进行水库群实时防洪动态自适应调度。
优选的，基于Agent的水库群动态调度模型包括：控制Agent、任务Agent、水库Agent和模型Agent，其中，控制Agent是水库调度模型的控制中心，和数据库直接关联，用于统筹控制；任务Agent用于任务分配和传递；水库Agent通过接收任务Agent分配的调度任务，从模型Agent中选择合适的调度模型，每个水库作为一个单独的水库Agent；每个水库Agent对应一个模型Agent，模型Agent包括多个调度模型。
优选的，系统还包括：
指标评价模块，用于建立水库群实时防洪动态自适应调度效果评价指标，对调度模块的调度结果进行评价。
本发明的一种装置设备，包括存储器和处理器，其中：
存储器，用于存储能够在处理器上运行的计算机程序；
处理器，用于在运行所述计算机程序时，执行如权利要求1-6任一项所述一种基于信息物理系统的水库群实时防洪动态自适应调度方法的步骤。
有益效果：与现有技术相比，本发明的方法可以获得以下有益效果：
(1)本发明首次将信息物理系统理论引入水库群实时防洪调度，建立水库群实时防洪动态调度信息物理系统(MRFCDOCPS)，系统中实时监测、控制中心、数据库、计算模块通过通信网络耦合，有助于实现流域防洪系统智能调度与管理；
(2)本发明提出了空间-量级双重随机洪水模拟方法，相对于传统只考虑量级随机性的洪水模拟方法，该方法模拟的随机洪水样本不仅量级上具有随机性，且空间组合多样，使洪水样本更能反映未来的随机情况；
(3)本发明提出了基于Agent原理的动态自适应建模方法，在实时防洪调度中不同水库可根据防洪形势自适应选择不同的调度方式，相对于传统的全集联合调度模型，能更好地适应防洪形势的变化。
附图说明
图1是本发明的方法流程图；
图2是水库群实时防洪动态调度信息物理系统(MRFCDOCPS)架构图；
图3是黄河流域骨干枢纽群分布图；
图4是基于Agent的动态建模流程图。
具体实施方式
下面通过黄河流域中下游五库联调防洪系统为实施例，并结合附图对本发明的技术方案进行详细说明。
人工智能领域的信息物理融合系统是一个综合计算、网络和物理环境的多维复杂系统，能实现大型分布式异构系统的实时感知、动态控制和信息服务，因此，基于信息物理融合系统构建随防洪形势变化的自适应调度系统，在水库调度子模块基于Agent自适应选择合适的调度模型，有助于复杂多变的洪水形势下实现动态调控，提高防洪效率。
如图1所示，本发明的一种基于信息物理系统的水库群实时防洪动态自适应调度方法，包括以下步骤：
(1)建立水库群实时防洪动态调度信息物理系统(MRFCDOCPS)；
如图2所示，水库群实时防洪动态调度信息物理系统(MRFCDOCPS)包括监测设备模块、控制中心模块、数据库模块、计算模块和通信网络模块，其中监测设备模块、控制中心模块、数据库模块和计算模块均通过通信网络模块进行信息双向交互；计算模块包括水文预报模型、水库调度模型和洪水演进模型。
实时监测模块，由黄河流域水文气象遥测系统及水库监测系统组成，具有感知能力，用于实时监测物理环境的变化，全方位自动获取所需的各项物理环境实时参数，并将其通过通信网络传输到数据库中储存，供计算模块中各模型调用；
控制中心模块，采用分布式控制平台，确定控制策略，发布控制指令，管理和控制MRFCDOCPS的运行状况；
数据库模块，用于MRFCDOCPS中数据的储存和管理，为实时智能调度系统提供支持。数据库模块中包含历史水文数据、流域地理空间数据、防洪工程参数三类固有数据，实时水雨情、防洪工程状况两类监测数据，水文预报结果、水库调度方案、洪水演进结果三种计算结果数据；
计算模块主要用于水文预报模型、水库调度模型和洪水演进模型的计算；
通信网络模块，主要负责系统各部分之间信息的传输与交互，是实现系统各组件之间数据传输和资源共享的媒介，采用支持协同感知和协同控制的信息物理系统实时网络(CPSRTnet)，为系统提供实时网络服务，保证水库群防洪调度的准确性和实时性。
(2)建立基于Agent的水库群动态调度模型，并存入水库调度模型中，用于水库群实时防洪动态自适应调度；
在MRFCHOCPS计算模块的水库调度模型中，基于Agent建立水库群动态调度模型，以随机洪水样本集SQv中洪水样本为输入，进行自适应调度。
基于Agent的水库群动态调度模型包括控制Agent、任务Agent、水库Agent和模型Agent，其中，控制Agent是水库调度模型的控制中心，和MRFCHOCPS数据库直接关联，主要起统筹控制的作用；任务Agent用于任务分配和传递；水库Agent通过接收任务Agent分配的调度任务，从模型Agent中选择合适的调度模型，每个水库作为一个单独的水库Agent；每个水库Agent对应一个模型Agent，模型Agent包括多个调度模型。
(3)采用空间-量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的随机洪水样本集，并储存至数据库模块中；
由于流域内洪水空间组合多变，为使MRFCDOCPS适应未来实时防洪调度，本发明在洪水频率分析的基础上构建空间-量级双重随机洪水样本，作为未来洪水预报结果，输入水库调度模型。
随机洪水样本集建立方法为：
(31)如图3所示，黄河中下游五库联调防洪系统中含有M(M＝5)个水库及E(E＝3)个防洪控制断面，选取L场历史典型洪水，每场历史典型洪水中，包括M个水库的入库流量和E个防洪控制断面的区间来水，因此共有O＝L×(M+E)场洪水，将O场洪水作为历史洪水样本集；
(32)选取P个水文站，划分每个水文站的控制子流域，得到每个水文站控制子流域内的水库和防洪控制断面，第u个水文站的年最大洪峰流量概率密度分布函数为fu，假定第u个水文站控制子流域内水库入库洪水和区间来水的洪峰流量和第u个水文站的年最大洪峰流量同分布；
(33)O场历史洪水洪峰流量依次记为
(h＝1,2,…,O)；
(34)对第i个水库，若处于第u个水文站的控制子流域，根据拉丁超立方抽样方法，按fu进行随机抽样，生成一组样本容量为Z的洪峰流量，记为
i＝1,2,…,M，v＝1,2,…,Z；
(35)对第i个水库的第v个洪峰流量
若O场历史洪水中第h场洪水洪峰流量
和
相差最小，则选O场历史洪水中第h场洪水为典型洪水按比例
进行同倍比放大，得到第i个水库的第v个入库洪水
(36)对M个水库，均按照步骤(34)至(35)生成各水库的Z个入库洪水样本，记为
i＝1,2,…,M，v＝1,2,…,Z；
(37)对第d个防洪控制断面，若处于第u个水文站的控制子流域，根据拉丁超立方抽样方法，按分布fu进行随机抽样，生成一组样本容量为Z的洪峰流量，记为
d＝1,2,…,E，v＝1,2,…,Z；
(38)对第d个防洪控制断面的第v个洪峰流量
若O场历史洪水中第h场洪水洪峰流量
和
相差最小，则选第h场洪水为典型洪水按比例
进行同倍比放大，得到第d个防洪控制断面对应的第v个区间来水
(39)对E个防洪控制断面，均按照步骤(37)至(38)生成各防洪控制断面对应的Z个区间来水洪水样本，记为
d＝1,2,…,E，v＝1,2,…,Z；
(310)得到模拟的包含Z场洪水的随机洪水样本集
i＝1,2,…,M，d＝1,2,…,E，v＝1,2,…,Z；
(311)将随机洪水样本集
作为实时水雨情数据，存入数据库。
(4)将模拟的实时洪水样本集导入基于Agent的水库群动态调度模型，实现水库群实施防洪动态自适应调度；
如图4所示，若在一场实时洪水过程中，进行B次调度，每次调度的调度期为T，则动态建模的流程如下：
(41)调度起始时，由控制Agent从数据库中读取防洪工程状况和随机洪水样本集
中的洪水信息，传递给任务Agent；
(42)任务Agent确定各水库Agent的调度模型，将任务传递给水库Agent；
(43)水库群中各水库Agent接收调度任务，激活模型Agent中相应的调度模型，生成水库调度方案；
(44)上述各水库Agent的水库调度方案结果反馈给控制Agent，得到水库群的调度方案，并传输到数据库进行储存，同时控制Agent进行水库群实时防洪动态自适应调度；
(45)判断是否需要做下一次调度，若需要，重复步骤(31)至(34)；若洪水结束，不再需要进行下次调度，结束运行。
对水库群实时防洪动态自适应调度效果进行评价，评价指标为：
对实时洪水样本集SQv中的Z场洪水，分别做全集联合调度和动态自适应调度。全集联合调度模型得到的最下游公共防洪控制断面洪水过程记为QC，洪峰流量记为QCm；动态自适应调度模型得到的最下游公共防洪控制断面洪水过程记为QC*，洪峰流量记为
则两种模型相对误差εr定义为：
定义衡量两种模型是否等效的相对误差阈值为ε，若Z场洪水中满足εr≤ε的洪水场次数为Z*，Z*≤Z，则动态自适应模型效果优劣用等效合格率δ这一指标衡量，定义如下：
本发明的一种基于信息物理系统的水库群实时防洪动态自适应调度系统，包括：
系统构建模块，用于建立水库群实时防洪动态调度信息物理系统，系统包括监测设备模块、控制中心模块、数据库模块、计算模块和通信网络模块，其中监测设备模块、控制中心模块、数据库模块和计算模块均通过通信网络模块进行信息双向交互；计算模块包括水文预报模型、水库调度模型和洪水演进模型；
模型构建模块，用于建立基于Agent的水库群动态调度模型，并存入水库调度模型中，用于水库群实时防洪动态自适应调度；
样本模拟模块，采用空间-量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的实时洪水样本集；
调度模块，采用基于Agent的水库群动态调度模型，对模拟的实时洪水样本集进行水库群实时防洪动态自适应调度；其中，基于Agent的水库群动态调度模型包括：控制Agent、任务Agent、水库Agent和模型Agent，其中，控制Agent是水库调度模型的控制中心，和数据库直接关联，用于统筹控制；任务Agent用于任务分配和传递；水库Agent通过接收任务Agent分配的调度任务，从模型Agent中选择合适的调度模型，每个水库作为一个单独的水库Agent；每个水库Agent对应一个模型Agent，模型Agent包括多个调度模型。
系统还包括指标评价模块，用于建立水库群实时防洪动态自适应调度效果评价指标，对调度模块的调度结果进行评价。
本发明的一种装置设备，包括存储器和处理器，其中：
存储器，用于存储能够在处理器上运行的计算机程序；
处理器，用于在运行所述计算机程序时，执行上述一种基于信息物理系统的水库群实时防洪动态自适应调度方法的步骤，并达到如上述方法一致的技术效果。
本发明通过建立水库群实时防洪动态调度信息物理系统和基于Agent的水库群动态调度模型，将基于Agent的水库群动态调度模型存入水库群实时防洪动态调度信息物理系统中；采用空间-量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的随机洪水样本集，并储存至水库群实时防洪动态调度信息物理系统中；将模拟的实时洪水样本集导入基于Agent的水库群动态调度模型，实现水库群实施防洪动态自适应调度。本发明引入人工智能领域的信息物理系统理论及Agent理论，提出了基于实时水雨工情的水库群实时防洪动态自适应调度方法，能有效提高实时防洪调度效率，提高防洪调度对洪水形势动态变化的适应性，有助于实现随机洪水情景中流域防洪系统智能调度与管理。
Claims (10)
1.一种基于信息物理系统的水库群实时防洪动态自适应调度方法，其特征在于，包括以下步骤：
(1)建立水库群实时防洪动态调度信息物理系统，包括监测设备模块、控制中心模块、数据库模块、计算模块和通信网络模块，其中监测设备模块、控制中心模块、数据库模块和计算模块均通过通信网络模块进行信息双向交互；计算模块包括水文预报模型、水库调度模型和洪水演进模型；
(2)建立基于Agent的水库群动态调度模型，并存入水库调度模型中，用于水库群实时防洪动态自适应调度；基于Agent的水库群动态调度模型包括控制Agent、任务Agent、水库Agent和模型Agent，其中，控制Agent是水库调度模型的控制中心，和数据库直接关联，用于统筹控制；任务Agent用于任务分配和传递；水库Agent通过接收任务Agent分配的调度任务，从模型Agent中选择合适的调度模型，每个水库作为一个单独的水库Agent；每个水库Agent对应一个模型Agent，模型Agent包括多个调度模型；
(3)采用空间-量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的随机洪水样本集，并储存至数据库模块中；
(4)将模拟的实时洪水样本集导入基于Agent的水库群动态调度模型，实现水库群实施防洪动态自适应调度。
2.根据权利要求1所述的一种基于信息物理系统的水库群实时防洪动态自适应调度方法，其特征在于，步骤(1)中：
监测设备模块，包括流域水文气象遥测系统及水库监测系统，用于实时监测物理环境的变化，全方位自动获取所需的各项物理环境实时参数，并将其通过通信网络传输到数据库中储存，供计算模块中各模型调用；
控制中心模块，用于确定控制策略，发布控制指令，管理和控制水库群实时防洪动态调度信息物理系统的运行状况；
数据库模块，用于水库群实时防洪动态调度信息物理系统中数据的储存和管理，数据库中有历史水文数据、流域地理空间数据、防洪工程参数三类固有数据，实时水雨情、防洪工程状况两类监测数据，水文预报结果、水库调度方案、洪水演进结果三种计算结果数据；
计算模块，用于水文预报模型、水库调度模型和洪水演进模型的计算；
通信网络模块，用于实现系统各组件之间数据传输和资源共享。
3.根据权利要求2所述的一种基于信息物理系统的水库群实时防洪动态自适应调度方法，其特征在于，通信网络模块采用支持协同感知和协同控制的信息物理系统实时网络，为系统提供实时网络服务。
4.根据权利要求1所述的一种基于信息物理系统的水库群实时防洪动态自适应调度方法，其特征在于，步骤(3)具体为：
(31)对于含有M个水库及E个防洪控制断面的防洪系统，选取L场历史典型洪水，每场历史典型洪水中，包括M个水库的入库流量和E个防洪控制断面的区间来水，因此共有O＝L×(M+E)场洪水，将O场洪水作为历史洪水样本集；
(32)选取P个水文站，划分每个水文站的控制子流域，得到每个水文站控制子流域内的水库和防洪控制断面，第u个水文站的年最大洪峰流量概率密度分布函数为fu，假定第u个水文站控制子流域内水库入库洪水和区间来水的洪峰流量和第u个水文站的年最大洪峰流量同分布；
(33)O场历史洪水洪峰流量依次记为
其中h＝1,2,…,O；
(34)对第i个水库，若处于第u个水文站的控制子流域，根据拉丁超立方抽样方法，按fu进行随机抽样，生成一组样本容量为Z的洪峰流量，记为
(35)对第i个水库的第v个洪峰流量
若O场历史洪水中第h场洪水洪峰流量
和
相差最小，则选O场历史洪水中第h场洪水为典型洪水按比例
进行同倍比放大，得到第i个水库的第v个入库洪水
(36)对M个水库，均按照步骤(34)至(35)生成各水库的Z个入库洪水样本，记为
(37)对第d个防洪控制断面，若处于第u个水文站的控制子流域，根据拉丁超立方抽样方法，按分布fu进行随机抽样，生成一组样本容量为Z的洪峰流量，记为
(38)对第d个防洪控制断面的第v个洪峰流量
若O场历史洪水中第h场洪水洪峰流量
和
相差最小，则选第h场洪水为典型洪水按比例
进行同倍比放大，得到第d个防洪控制断面对应的第v个区间来水
(39)对E个防洪控制断面，均按照步骤(37)至(38)生成各防洪控制断面对应的Z个区间来水洪水样本，记为
(310)得到模拟的包含Z场洪水的随机洪水样本集
(311)将随机洪水样本集
作为实时水雨情数据，存入数据库。
5.根据权利要求1所述的一种基于信息物理系统的水库群实时防洪动态自适应调度方法，其特征在于，步骤(4)中若在一场实时洪水过程中，进行B次调度，每次调度的调度期为T，则调度方法为：
(41)调度起始时，由控制Agent从数据库中读取防洪工程状况和随机洪水样本集
中的洪水信息，传递给任务Agent；
(42)任务Agent确定各水库Agent的调度模型，将任务传递给水库Agent；
(43)水库群中各水库Agent接收调度任务，激活模型Agent中相应的调度模型，生成水库调度方案；
(44)各水库Agent的水库调度方案结果反馈给控制Agent，得到水库群的调度方案，并传输到数据库进行储存，同时控制Agent进行水库群实时防洪动态自适应调度；
(45)判断是否需要做下一次调度，若需要，重复步骤(41)至(44)；若洪水结束，不再需要进行下次调度，结束运行。
6.根据权利要求1所述的一种基于信息物理系统的水库群实时防洪动态自适应调度方法，其特征在于，步骤(4)还包括对水库群实时防洪动态自适应调度效果进行评价，评价指标为：
对实时洪水样本集SQv中的Z场洪水，分别做全集联合调度和基于信息物理系统的水库群实时防洪动态自适应调度。全集联合调度模型得到的最下游公共防洪控制断面洪水过程记为QC，洪峰流量记为QCm；基于Agent的水库群动态调度模型得到的最下游公共防洪控制断面洪水过程记为QC*，洪峰流量记为
则两种模型相对误差εr定义为：
定义衡量两种模型是否等效的相对误差阈值为ε，若Z场洪水中满足εr≤ε的洪水场次数为Z*，Z*≤Z，则基于Agent的水库群动态调度模型效果优劣用等效合格率δ这一指标衡量，定义如下：
7.一种基于信息物理系统的水库群实时防洪动态自适应调度系统，其特征在于，包括：
系统构建模块，用于建立水库群实时防洪动态调度信息物理系统，系统包括监测设备模块、控制中心模块、数据库模块、计算模块和通信网络模块，其中监测设备模块、控制中心模块、数据库模块和计算模块均通过通信网络模块进行信息双向交互；计算模块包括水文预报模型、水库调度模型和洪水演进模型；
模型构建模块，用于建立基于Agent的水库群动态调度模型，并存入水库调度模型中，用于水库群实时防洪动态自适应调度；
样本模拟模块，采用空间-量级双重随机洪水样本模拟方法，通过洪水量级随机抽样和空间随机组合模拟未来洪水情景的多样性，得到模拟的实时洪水样本集；
调度模块，采用基于Agent的水库群动态调度模型，对模拟的实时洪水样本集进行水库群实时防洪动态自适应调度。
8.根据权利要求7所述的一种基于信息物理系统的水库群实时防洪动态自适应调度系统，其特征在于，基于Agent的水库群动态调度模型包括：控制Agent、任务Agent、水库Agent和模型Agent，其中，控制Agent是水库调度模型的控制中心，和数据库直接关联，用于统筹控制；任务Agent用于任务分配和传递；水库Agent通过接收任务Agent分配的调度任务，从模型Agent中选择合适的调度模型，每个水库作为一个单独的水库Agent；每个水库Agent对应一个模型Agent，模型Agent包括多个调度模型。
9.根据权利要求7所述的一种基于信息物理系统的水库群实时防洪动态自适应调度系统，其特征在于，系统还包括：
指标评价模块，用于建立水库群实时防洪动态自适应调度效果评价指标，对调度模块的调度结果进行评价。
10.一种装置设备，其特征在于，包括存储器和处理器，其中：
存储器，用于存储能够在处理器上运行的计算机程序；
处理器，用于在运行所述计算机程序时，执行如权利要求1-6任一项所述一种基于信息物理系统的水库群实时防洪动态自适应调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210597146.3A CN115018298A (zh) | 2022-05-30 | 2022-05-30 | 一种基于信息物理系统的水库群实时防洪动态自适应调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210597146.3A CN115018298A (zh) | 2022-05-30 | 2022-05-30 | 一种基于信息物理系统的水库群实时防洪动态自适应调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115018298A true CN115018298A (zh) | 2022-09-06 |
Family
ID=83071272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210597146.3A Pending CN115018298A (zh) | 2022-05-30 | 2022-05-30 | 一种基于信息物理系统的水库群实时防洪动态自适应调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115018298A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116245284A (zh) * | 2023-03-14 | 2023-06-09 | 吉林省水利水电勘测设计研究院 | 一种基于洪水调度的智能调控方法 |
-
2022
- 2022-05-30 CN CN202210597146.3A patent/CN115018298A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116245284A (zh) * | 2023-03-14 | 2023-06-09 | 吉林省水利水电勘测设计研究院 | 一种基于洪水调度的智能调控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101882184B (zh) | 基于gis技术和aermode模型的大气环评系统与环评方法 | |
| CN111737853B (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
| CN108681783A (zh) | 一种水库实时多目标随机优化调度和风险评估方法 | |
| CN111210082A (zh) | 一种基于优化的bp神经网络算法的降水量预测方法 | |
| CN103268366A (zh) | 一种适用于分散式风电场的组合风电功率预测方法 | |
| CN103105246A (zh) | 一种基于遗传算法改进的bp神经网络的温室环境预测反馈方法 | |
| CN102509027B (zh) | 一种基于交叉熵理论的风电功率组合预测方法 | |
| CN103839118A (zh) | 一种选址方法和装置 | |
| CN104951834A (zh) | 基于遗传算法和粒子群集成的lssvm风速预测方法 | |
| CN108074004A (zh) | 一种基于网格法的地理信息系统短期负荷预测方法 | |
| Adedeji et al. | Hybrid neurofuzzy wind power forecast and wind turbine location for embedded generation | |
| CN101706888B (zh) | 一种旅行时间预测的方法 | |
| CN106886833A (zh) | 一种适用于复杂约束条件的风力发电机选址选型优化方法 | |
| CN114066315A (zh) | 一种适应多元源荷接入的配电网规划系统 | |
| CN110070228A (zh) | 一种神经元分支进化的bp神经网络风速预测方法 | |
| CN114492233B (zh) | 一种基于webGIS平台及考虑综合利用要求的流域水模拟方法 | |
| CN106295857A (zh) | 一种风电功率超短期预测方法 | |
| CN116546521A (zh) | 一种基于数字孪生技术的移动通信网络覆盖优化方法 | |
| Reddy et al. | Performance evaluation of elitist-mutated multi-objective particle swarm optimization for integrated water resources management | |
| CN114429053A (zh) | 流域尺度wefe系统适配性模拟优化方法 | |
| CN115018298A (zh) | 一种基于信息物理系统的水库群实时防洪动态自适应调度方法 | |
| Nagaraja et al. | A survey on wind energy, load and price forecasting:(Forecasting methods) | |
| CN113570132A (zh) | 一种时空气象特征提取与深度学习的风电功率预测方法 | |
| de Moraes et al. | Short-term scheduling of integrated power and spinning reserve of a wind-hydrothermal generation system with ac network security constraints | |
| CN118095752A (zh) | 一种基于数字孪生的水库调度管理系统 |
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 |