CN115907229A - 一种基于数字孪生的水库防洪管理方法 - Google Patents
一种基于数字孪生的水库防洪管理方法 Download PDFInfo
- Publication number
- CN115907229A CN115907229A CN202211737687.8A CN202211737687A CN115907229A CN 115907229 A CN115907229 A CN 115907229A CN 202211737687 A CN202211737687 A CN 202211737687A CN 115907229 A CN115907229 A CN 115907229A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- model
- water level
- flood control
- digital twin
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 182
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000000007 visual effect Effects 0.000 claims abstract description 37
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 35
- 238000004088 simulation Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 24
- 238000012795 verification Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000011144 upstream manufacturing Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 6
- 230000007123 defense Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 206010000210 abortion Diseases 0.000 claims description 3
- 231100000176 abortion Toxicity 0.000 claims description 3
- 238000005273 aeration Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于数字孪生的水库防洪管理方法，包括建立数字孪生水情分析模型、建立数字孪生可视化展示模型、所述孪生水情分析模型的预报、将所述S3的预报结果发布预警、所述数字孪生可视化展示模型的预演、执行所述S5的预演结果；应用数字孪生模型，支撑预报、预警、预演、预案的功能实现，对水库管理者下游居民群众安全的四预机制建立；传统水库管理者的预警机制主要为透过降雨预报或实时水位预报发布预警工作。
Description
技术领域
本发明涉及水库防洪领域，尤其涉及一种基于数字孪生的水库防洪管理方法。
背景技术
水库防洪管理方法和系统是以数字孪生水情分析模型和数字孪生可视化展示模型2个模型为工作核心，支撑“四预”(预报、预警、预演、预案)功能实现。数字孪生水情分析模型是透过降雨、水文、水动力理论耦合建立的算法模型，输入水情数据后，可模拟水库流域的洪水水位小时尺度时间序列，并产制预报结果。数字孪生可视化展示模型是使用1套数据库管理体系和1个WebGIS/WebGL可视化界面组成，1套数据库内容可支撐水库防洪预警、预案管理工作；1个WebGIS/WebGL可视化界面可支撐水库防洪模拟展示预演工作。
发明专利提供了一种基于数字孪生的防洪调度方法，包括如下步骤，S1、构建防洪调度系统的数字孪生体；S2、对防洪调度系统的数字孪生体进行跟踪与更新，获取实时同步的防洪调度系统数字孪生体；S3、基于实时同步的防洪调度系统数字孪生体，利用气象模型和多个水文模型开展气象水文集合预报，预测目标水库未来一周的防洪调度过程，并根据预测结果对防洪形势进行分析研判，提出水库现行调度规则的调整方案。优点是：克服现有防洪调度方法无法全面反映防洪调度的实时信息、气象水文预报有效预见期短和预报精度不高的缺陷，能够准确提供防洪调度过程信息，动态评估防洪风险，以便顺利开展洪涝灾害防御工作。
发明专利提供了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，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。该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。
上述发明专利都将数字孪生应用在了水库防洪工作中，从水库水量调度方面入手。近年来经常发生山洪暴发或水库无预警泄洪造成的人民群众暴露在风险，亦造成多次意外事件。但针对水库管理者和下游居民群众的预报、预警、预演、预案安全机制尚为缺乏，或处理机置太过于传统，或发布预警的领前时间过晚，或预报时间尺度不足以面对不可预知的突发暴雨。
透过本发明在水防洪管理可解决上述问题，可建立更领前预报的工作、可细致化的发布预警、对未来可能面临情况在数字孪生里预演、最后可决策执行合适预案。四预工作的建立不仅仅对水库防洪人员优化管理，也起到下游人民群众起到提前感知避险的安全意识，建立良好的水库防洪管理互动机制，由粗放型管理向集约型管理转变。
发明内容
本发明的目的在于针对上述现有技术的不足，提供了一种基于数字孪生的水库防洪管理方法，在水库防洪管理发布时间尺度为小时尺度，对即时不可预知的突发降雨，起到良好的水库防洪管理机制。
为实现上述目的，本发明采用了如下技术方案：
本发明提供了一种基于数字孪生的水库防洪管理方法，包括以下步骤：
S1、建立数字孪生水情分析模型；
S2、建立数字孪生可视化展示模型；
S3、所述孪生水情分析模型的预报；
S4、将所述S3的预报结果发布预警；
S5、所述数字孪生可视化展示模型的预演；
进一步，所述S1具体为：
S1.1、收集水库汇水区范围历史降雨观测时间序列、水库下游水位观测时间序列，并对时间序列进行数据分析、校核、补遗；
S1.2、建立水文模型
使用产流算法及汇流算法的耦合模型f＝f(R、θN(t))；
所述产流算法为：
其中，R为降雨产流量；PE为降雨量；W为土壤含水量；WM为流域平均蓄水容量；WMM为流域最大蓄水容量；b蓄水分布系数，无因次，越小表示包气带蓄水容量分布越均匀；a为蓄水容量曲线，公式为：
所述汇流算法为：
θN(t)＝θ(0)·Ф(t)
其中，θN(t)为N级河网的地貌瞬时单位线；θ(0)为初始状态机率向量；t为时间；Ф(t)内部传输机率阵列，表达式为：
Ф(t)＝eAt
其中，A为传输率阵列，定义为：
其中，pij为从i级河网传输到j级河网的机率；λi为i级河网平均滞留时间；
S1.3、建立水库模型，表达式为：
其中，
为时段平均入库流量；
为时段平均出库流量；ΔV为时段始末库容差；Δt为时段长；Z为时段内损失量；
S1.4、建立水库下游洪水模型
使用水动力演算法建立，所述水动力演算法内应包含下游河道和洪范区地形高程信息，供水库下游洪水模拟使用；
所述水动力演算法内的边界条件为水库的出流量模拟时间序列；
所述水库下游洪水模型通过水动力演算法计算最后会得到水库下游水位模拟时间序列；
S1.5、数字孪生水情分析模型率定验证
所述数字孪生水情分析模型率定验证过程，通过调整模型内参数，进行率定验证评价，直到评价结果达到可以接受或极限为止；
所述率定验证包括相关系数法、效率系数法、洪峰水位到达时间法、洪峰水位误差百分比法。
进一步，所述S1.2具体为：
S1.2.1、收集m个水库上游地理信息，通过地形高程分析各个水库流域分水岭得到霍顿河数率X1,m、面积率X2,m、河流平均长度X3,m、河长率X4,m，得m个上游地理信息为Bm＝{X1,X2,X3,X4}；
S1.2.2、得到l组聚类类别的中心点，包括霍顿河数率中心点c1,l、面积率中心点c2,l、河流平均长度中心点c3,l、河长率中心点c4,l，l组聚类类别中心点为Cl＝{c1,c2,c3,c4}；
S1.2.3、将Cl＝{c1,c2,c3,c4}选取第d组类別Cd＝{c1,d,c2,d,c3,d,c4,d}，d＝1,2,,l，分別输入所述S1.2产流算法及汇流算法的耦合模型f＝f(R、θN(t))；汇流算法的地貌瞬时单位线法选择为3至N级河网，得到St,x＝{(Cd,fx(Cd)):CdCl}，x＝3,4,,N；
并对St,x进行评价，得到Nd级河网地貌瞬时单位线是最适合该第d组聚类类別为Cd→Nd；
S1.2.4、若有新水库上游地理信息，通过地形高程分析新水库流域分水岭得到霍顿河数率Y1、面积率Y2、河流平均长度Y3、河长率Y4为E＝{Y1,Y2,Y3,Y4}；
通所述S1.2.2的Cl＝{c1,c2,c3,c4}，找到第d′组类，使min(E-Cd)；通过所述S1.2.3得到Cd→Nd，第d′组类別对应最适合Nd′级河网地貌瞬时单位线法为最适合所述新水库使用。
进一步，所述相关系数法和所述效率系数法是由水库下游水位观测时间序列和水库下游水位模拟时间序列进行计算统计，计算出来的结果越接近于1代表数字孪生水情分析模型模拟结果越好，越可信；
所述洪峰水位到达时间法是由水库下游水位观测尖峰到达时间和水库下游水位模拟尖峰到达时间相减计算，计算出来的结果越接近于0代表数字孪生水情分析模型模拟结果越好，越可信。
所述洪峰水位误差百分比法是由水库下游水位观测尖峰值和水库下游水位模拟尖峰值相减后，除以水库下游水位观测尖峰值，计算出来的结果越接近于0代表数字孪生水情分析模型模拟结果越好，越可信。
进一步，所述S2具体步骤为：
S2.1、建立水情分析数据库：
建立三组数据库接口包括末来小时降雨预报时间序列、水库下游水位预报时间序列、水库下游预警发布时间序列；
S2.2、建立可视化图层数据库；
带有地理信息数据，包括GIS地图、三维倾斜摄影、三维模型图层；
S2.3、建立预警预案数据库；
所述预警预案数据库内容是由水库管理人提供包括防洪应急预警、防洪应急预案；
所述防洪应急预警信息为防洪应急响应级别规定内容包括水库操作规线、正常蓄水位、防洪高水位、设计水位、校核水位、汛限水位、堤顶高程、河道设防水位、警戒水位、保证水位；
S2.4、建立WebGIS/WebGL可视化界面：
将各个数据库，输入至WebGIS/WebGL可视化引擎里处理，并在可视化界面服务器展示，水情分析数据在可视化图层数据的地理关系；水情分析数据在预警预案数据里应发布、部署和执法信息使用。
进一步，所述S3具体步骤为：
S3.1、收集水库汇水区范围过去小时降雨观测时间序列、末来小时降雨预报时间序列，并对时间序列进行数据分析、校核、补遗；
所述过去小时降雨观测时间序列来源包括单个或多个雨量站、雷达回波雨量、大气环流模型模拟雨量；
所述末来小时降雨预报时间序列来源包括大气环流模型、机理、非机理预报模型、雷达回波雨量预报模型的雨量预报；
S3.2、所述时间序列输入调用数字孪生水情分析模型进行模拟，最后产制水库下游水位预报时间序列；
所述数字孪生水情分析模型为所述S1完成率定验证的数字孪生水情分析模型。
进一步，所述S4具体步骤：
S4.1、通过所述S3.2水库下游水位预报时间序列和所述S2.3防洪应急响应级别规定输入；
S4.2、通过水库下游水位预报时间序列不同时间点的水位值，找到对应的防洪应急响应级别，并产制水库下游预警发布时间序列；
所述水库下游预警发布时间序列录入建立水情分析数据库里面。
进一步，所述S5具体为：
S5.1、调用数字孪生可视化展示模型；
通过更新数字孪生可视化展示模型里的水情分析数据库后，调用所述S2水情分析数据库的水库下游水位预报时间序列、水库下游预警发布时间序列；
预警预案数据库的防洪应急预警分析和映射防洪应急预案，产制防洪预演情境；
S5.2、数字孪生可视化展示模型预演
防洪预演情境调用所述S2可视化图层数据库和WebGIS/WebGL可视化界面服务器展示动态预演成果。
进一步，所述S6具体为：
S6.1、水库防汛应急预案执行；
通过产制的数字孪生可视化展示模型预演成果，成为水库管理者洪灾应变能力评估，形成预案辅助决策，最后形成水库防洪应急预案执行；
S6.2、水库防洪部署和执法；
通过所述水库防洪应急预案执行，通知相关水库管理者和下游人民群众进洪灾避险的部署和执法工作。
本发明的有益效果为：应用数字孪生模型，支撑预报、预警、预演、预案的功能实现，对水库管理者下游居民群众安全的四预机制建立；
传统水库管理者的预警机制主要为透过降雨预报或实时水位预报发布预警工作；
通过该方法的数字孪生水情分析模型，可知道水库流域未来洪水水位和到达时间预报，且预报时间尺度为小时，可以更有效面对不可预知的突发暴雨事件，并且优化传统水库管理者工作內容。
通过数字孪生水情分析模型产制洪水水位和到达时间预报，和当地防洪应急预警规则结合，可实时进行即时且领前的预警发布，对水库管理者和下游人民群众起到更提前感知避险的安全意识。
通过该方法的数字孪生可视化展示模型，可大范围、全天候、多频次、多角度、快速、低成本动态模拟展示末来洪水演变过程，对预警可能发生洪灾应变不足的地方进行补强。最后可提供水库管理者辅助决策工作，与当地防洪应急预案结合，执行部署和执法工作。
附图说明
图1为基于数字孪生的水库防洪管理方法流程图；
图2为建立数字孪生水情分析模型流程图；
图3为选定N级河网地貌瞬时单位线法流程图；
图4为建立数字孪生可视化展示模型流程图；
图5为数字孪生水情分析模型预报流程图；
图6为透过预报结果发布预警流程图；
图7为数字孪生可视化展示模型预演流程图；
图8为透过预演结果执行预案流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参阅图1，一种基于数字孪生的水库防洪管理方法，包括以下步骤：
S1、建立数字孪生水情分析模型；
S2、建立数字孪生可视化展示模型；
S3、所述孪生水情分析模型的预报；
S4、将所述S3的预报结果发布预警；
S5、所述数字孪生可视化展示模型的预演；
S6、执行所述S5的预演结果。
所述S1具体为：请参阅图2，
S1.1、收集水库汇水区范围历史降雨观测时间序列、水库下游水位观测时间序列，并对时间序列进行数据分析、校核、补遗；
S1.2、建立水文模型
使用产流算法及汇流算法的耦合模型f＝f(R、θN(t))；
所述产流算法为：
其中，R为降雨产流量；PE为降雨量；W为土壤含水量；WM为流域平均蓄水容量；WMM为流域最大蓄水容量；b蓄水分布系数，无因次，越小表示包气带蓄水容量分布越均匀；a为蓄水容量曲线，公式为：
所述汇流耦合算法为：
θN(t)＝θ(0)·Ф(t)
其中，θN(t)为N级河网的地貌瞬时单位线；θ(0)为初始状态机率向量；t为时间；Ф(t)内部传输机率阵列，表达式为：
Ф(t)＝eAt
其中，A为传输率阵列，定义为：
其中，pij为从i级河网传输到j级河网的机率；λi为i级河网平均滞留时间；
所述土壤含水量、流域平均蓄水容量信息可通过实时观测或模型模拟获得。所述降雨量为历史降雨覌测时间序列，由S1.1提供。
所述流域最大蓄水容量、蓄水分布系数、平均流速由模型率定验证调整得到。所述选择N级河网地貌瞬时单位线法，可以根据不同的霍顿河数率、面积率、河流平均长度、河长率，通过非监督聚类学习算法判断对应适合的N级河网地貌瞬时单位线法；
S1.3、建立水库模型，表达式为：
其中，
为时段平均入库流量；
为时段平均出库流量；ΔV为时段始末库容差；Δt为时段长；Z为时段内损失量；
S1.4、建立水库下游洪水模型
使用水动力演算法建立，所述水动力演算法内应包含下游河道和洪范区地形高程信息，供水库下游洪水模拟使用；
所述水动力演算法内的边界条件为水库的出流量模拟时间序列；
所述水库下游洪水模型通过水动力演算法计算最后会得到水库下游水位模拟时间序列；
S1.5、数字孪生水情分析模型率定验证
所述数字孪生水情分析模型率定验证过程，通过调整模型内参数，进行率定验证评价，直到评价结果达到可以接受或极限为止；
所述率定验证包括相关系数法、效率系数法、洪峰水位到达时间法、洪峰水位误差百分比法。
所述S1.2具体为：请参阅图3，
S1.2.1、收集m个水库上游地理信息，通过地形高程分析各个水库流域分水岭得到霍顿河数率X1,m、面积率X2,m、河流平均长度X3,m、河长率X4,m，得m个上游地理信息为Bm＝{X1,X2,X3,X4}；
S1.2.2、得到l组聚类类别的中心点，包括霍顿河数率中心点c1,l、面积率中心点c2,l、河流平均长度中心点c3,l、河长率中心点c4,l，l组聚类类别中心点为Cl＝{c1,c2,c3,c4}；
S1.2.3、将Cl＝{c1,c2,c3,c4}选取第d组类別Cd＝{c1,d,c2,d,c3,d,c4,d}，d＝1,2,,l，分別输入所述S1.2产流算法及汇流算法的耦合模型f＝f(R、θN(t))；汇流算法的地貌瞬时单位线法选择为3至N级河网，得到St,x＝{(Cd,fx(Cd)):CdCl}，x＝3,4,,N；
并对St,x进行评价，得到Nd级河网地貌瞬时单位线是最适合该第d组聚类类別为Cd→Nd；
S1.2.4、若有新水库上游地理信息，通过地形高程分析新水库流域分水岭得到霍顿河数率Y1、面积率Y2、河流平均长度Y3、河长率Y4为E＝{Y1,Y2,Y3,Y4}；
通所述S1.2.2的Cl＝{c1,c2,c3,c4}，找到第d′组类，使min(E-Cd)；通过所述S1.2.3得到Cd→Nd，第d′组类別对应最适合Nd′级河网地貌瞬时单位线法为最适合所述新水库使用。
所述相关系数法和所述效率系数法是由水库下游水位观测时间序列和水库下游水位模拟时间序列进行计算统计，计算出来的结果越接近于1代表数字孪生水情分析模型模拟结果越好，越可信；
所述洪峰水位到达时间法是由水库下游水位观测尖峰到达时间和水库下游水位模拟尖峰到达时间相减计算，计算出来的结果越接近于0代表数字孪生水情分析模型模拟结果越好，越可信。
所述洪峰水位误差百分比法是由水库下游水位观测尖峰值和水库下游水位模拟尖峰值相减后，除以水库下游水位观测尖峰值，计算出来的结果越接近于0代表数字孪生水情分析模型模拟结果越好，越可信。
所述S2具体步骤为：请参阅图4，
S2.1、建立水情分析数据库：
建立三组数据库接口包括末来小时降雨预报时间序列、水库下游水位预报时间序列、水库下游预警发布时间序列；
S2.2、建立可视化图层数据库；
带有地理信息数据，包括GIS地图、三维倾斜摄影、三维模型图层；
S2.3、建立预警预案数据库；
所述预警预案数据库内容是由水库管理人提供包括防洪应急预警、防洪应急预案；
所述防洪应急预警信息为防洪应急响应级别规定内容包括水库操作规线、正常蓄水位、防洪高水位、设计水位、校核水位、汛限水位、堤顶高程、河道设防水位、警戒水位、保证水位；
S2.4、建立WebGIS/WebGL可视化界面：
将各个数据库，输入至WebGIS/WebGL可视化引擎里处理，并在可视化界面服务器展示，水情分析数据在可视化图层数据的地理关系；水情分析数据在预警预案数据里应发布、部署和执法信息使用。
所述S3具体步骤为：请参阅图5，
S3.1、收集水库汇水区范围过去小时降雨观测时间序列、末来小时降雨预报时间序列，并对时间序列进行数据分析、校核、补遗；
所述过去小时降雨观测时间序列来源包括单个或多个雨量站、雷达回波雨量、大气环流模型模拟雨量；
所述末来小时降雨预报时间序列来源包括大气环流模型、机理、非机理预报模型、雷达回波雨量预报模型的雨量预报；
S3.2、所述时间序列输入调用数字孪生水情分析模型进行模拟，最后产制水库下游水位预报时间序列；
所述数字孪生水情分析模型为所述S1完成率定验证的数字孪生水情分析模型。
所述S4具体步骤：请参阅图6，
S4.1、通过所述S3.2水库下游水位预报时间序列和所述S2.3防洪应急响应级别规定输入；
S4.2、通过水库下游水位预报时间序列不同时间点的水位值，找到对应的防洪应急响应级别，并产制水库下游预警发布时间序列；
所述水库下游预警发布时间序列录入建立水情分析数据库里面。
所述S5具体为：请参阅图7，
S5.1、调用数字孪生可视化展示模型；
通过更新数字孪生可视化展示模型里的水情分析数据库后，调用所述S2水情分析数据库的水库下游水位预报时间序列、水库下游预警发布时间序列；
预警预案数据库的防洪应急预警分析和映射防洪应急预案，产制防洪预演情境；
S5.2、数字孪生可视化展示模型预演
防洪预演情境调用所述S2可视化图层数据库和WebGIS/WebGL可视化界面服务器展示动态预演成果。
所述S6具体为：请参阅图8，
S6.1、水库防汛应急预案执行；
通过产制的数字孪生可视化展示模型预演成果，成为水库管理者洪灾应变能力评估，形成预案辅助决策，最后形成水库防洪应急预案执行；
S6.2、水库防洪部署和执法；
通过所述水库防洪应急预案执行，通知相关水库管理者和下游人民群众进洪灾避险的部署和执法工作。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于数字孪生的水库防洪管理方法，其特征在于，包括以下步骤：
S1、建立数字孪生水情分析模型；
S2、建立数字孪生可视化展示模型；
S3、所述孪生水情分析模型的预报；
S4、将所述S3的预报结果发布预警；
S5、所述数字孪生可视化展示模型的预演；
S6、执行所述S5的预演结果。
2.根据权利要求1所述的一种基于数字孪生的水库防洪管理方法，其特征在于，所述S1具体为：
S1.1、收集水库汇水区范围历史降雨观测时间序列、水库下游水位观测时间序列，并对时间序列进行数据分析、校核、补遗；
S1.2、建立水文模型
使用产流算法及汇流算法的耦合模型为f＝f(R、θN(t))；
所述产流算法为：
其中，R为降雨产流量；PE为降雨量；W为土壤含水量；WM为流域平均蓄水容量；WMM为流域最大蓄水容量；b蓄水分布系数，无因次，越小表示包气带蓄水容量分布越均匀；a为蓄水容量曲线，公式为：
所述汇流算法为：
其中，θN(t)为N级河网的地貌瞬时单位线；θ(0)为初始状态机率向量；t为时间；Ф(t)内部传输机率阵列，表达式为：
其中，A为传输率阵列，定义为：
其中，pij为从i级河网传输到j级河网的机率；λi为i级河网平均滞留时间；
S1.3、建立水库模型，表达式为：
其中，
为时段平均入库流量；
为时段平均出库流量；ΔV为时段始末库容差；Δt为时段长；Z为时段内损失量；
S1.4、建立水库下游洪水模型
使用水动力演算法建立，所述水动力演算法内应包含下游河道和洪范区地形高程信息，供水库下游洪水模拟使用；
所述水动力演算法内的边界条件为水库的出流量模拟时间序列；
所述水库下游洪水模型通过水动力演算法计算最后会得到水库下游水位模拟时间序列；
S1.5、数字孪生水情分析模型率定验证
所述数字孪生水情分析模型率定验证过程，通过调整模型内参数，进行率定验证评价，直到评价结果达到可以接受或极限为止；
所述率定验证包括相关系数法、效率系数法、洪峰水位到达时间法、洪峰水位误差百分比法。
3.根据权利要求2所述的一种基于数字孪生的水库防洪管理方法，其特征在于，所述S1.2具体为：
S1.2.1、收集m个水库上游地理信息，通过地形高程分析各个水库流域分水岭得到霍顿河数率X1,m、面积率X2,m、河流平均长度X3,m、河长率X4,m，得m个上游地理信息为Bm＝{X1,X2,X3,X4}；
S1.2.2、得到l组聚类类别的中心点，包括霍顿河数率中心点c1,l、面积率中心点c2,l、河流平均长度中心点c3,l、河长率中心点c4,l，l组聚类类别中心点为Cl＝{c1,c2,c3,c4}；
S1.2.3、将Cl＝{c1,c2,c3,c4}选取第d组类別Cd＝{c1,d,c2,d,c3,d,c4,d}，d＝1,2,…,l，分別输入所述S1.2产流算法及汇流算法的耦合模型f＝f(R、θN(t))；汇流算法的地貌瞬时单位线法选择为3至N级河网，得到St,x＝{(Cd,fx(Cd)):Cd∈Cl}，x＝3,4,…,N；
并对St,x进行评价，得到Nd级河网地貌瞬时单位线是最适合该第d组聚类类別为Cd→Nd；
S1.2.4、若有新水库上游地理信息，通过地形高程分析新水库流域分水岭得到霍顿河数率Y1、面积率Y2、河流平均长度Y3、河长率Y4为E＝{Y1,Y2,Y3,Y4}；
通所述S1.2.2的Cl＝{c1,c2,c3,c4}，找到第d′组类，使min(E-Cd)；通过所述S1.2.3得到Cd→Nd，第d′组类別对应最适合Nd′级河网地貌瞬时单位线法为最适合所述新水库使用。
4.根据权利要求3所述的一种基于数字孪生的水库防洪管理方法，其特征在于：所述相关系数法和所述效率系数法是由水库下游水位观测时间序列和水库下游水位模拟时间序列进行计算统计，计算出来的结果越接近于1代表数字孪生水情分析模型模拟结果越好，越可信；
所述洪峰水位到达时间法是由水库下游水位观测尖峰到达时间和水库下游水位模拟尖峰到达时间相减计算，计算出来的结果越接近于0代表数字孪生水情分析模型模拟结果越好，越可信。
所述洪峰水位误差百分比法是由水库下游水位观测尖峰值和水库下游水位模拟尖峰值相减后，除以水库下游水位观测尖峰值，计算出来的结果越接近于0代表数字孪生水情分析模型模拟结果越好，越可信。
5.根据权利要求1所述的一种基于数字孪生的水库防洪管理方法，其特征在于，所述S2具体步骤为：
S2.1、建立水情分析数据库：
建立三组数据库接口包括末来小时降雨预报时间序列、水库下游水位预报时间序列、水库下游预警发布时间序列；
S2.2、建立可视化图层数据库；
带有地理信息数据，包括GIS地图、三维倾斜摄影、三维模型图层；
S2.3、建立预警预案数据库；
所述预警预案数据库内容是由水库管理人提供包括防洪应急预警、防洪应急预案；
所述防洪应急预警信息为防洪应急响应级别规定内容包括水库操作规线、正常蓄水位、防洪高水位、设计水位、校核水位、汛限水位、堤顶高程、河道设防水位、警戒水位、保证水位；
S2.4、建立WebGIS/WebGL可视化界面：
将各个数据库，输入至WebGIS/WebGL可视化引擎里处理，并在可视化界面服务器展示，水情分析数据在可视化图层数据的地理关系；水情分析数据在预警预案数据里应发布、部署和执法信息使用。
6.根据权利要求5所述的一种基于数字孪生的水库防洪管理方法，其特征在于，所述S3具体步骤为：
S3.1、收集水库汇水区范围过去小时降雨观测时间序列、末来小时降雨预报时间序列，并对时间序列进行数据分析、校核、补遗；
所述过去小时降雨观测时间序列来源包括单个或多个雨量站、雷达回波雨量、大气环流模型模拟雨量；
所述末来小时降雨预报时间序列来源包括大气环流模型、机理、非机理预报模型、雷达回波雨量预报模型的雨量预报；
S3.2、所述时间序列输入调用数字孪生水情分析模型进行模拟，最后产制水库下游水位预报时间序列；
所述数字孪生水情分析模型为所述S1完成率定验证的数字孪生水情分析模型。
7.根据权利要求6所述的一种基于数字孪生的水库防洪管理方法，其特征在于，所述S4具体步骤：
S4.1、通过所述S3.2水库下游水位预报时间序列和所述S2.3防洪应急响应级别规定输入；
S4.2、通过水库下游水位预报时间序列不同时间点的水位值，找到对应的防洪应急响应级别，并产制水库下游预警发布时间序列；
所述水库下游预警发布时间序列录入建立水情分析数据库里面。
8.根据权利要求7所述的一种基于数字孪生的水库防洪管理方法，其特征在于，所述S5具体为：
S5.1、调用数字孪生可视化展示模型；
通过更新数字孪生可视化展示模型里的水情分析数据库后，调用所述S2水情分析数据库的水库下游水位预报时间序列、水库下游预警发布时间序列；
预警预案数据库的防洪应急预警分析和映射防洪应急预案，产制防洪预演情境；
S5.2、数字孪生可视化展示模型预演
防洪预演情境调用所述S2可视化图层数据库和WebGIS/WebGL可视化界面服务器展示动态预演成果。
9.根据权利要求8所述的一种基于数字孪生的水库防洪管理方法，其特征在于，所述S6具体为：
S6.1、水库防汛应急预案执行；
通过产制的数字孪生可视化展示模型预演成果，成为水库管理者洪灾应变能力评估，形成预案辅助决策，最后形成水库防洪应急预案执行；
S6.2、水库防洪部署和执法；
通过所述水库防洪应急预案执行，通知相关水库管理者和下游人民群众进洪灾避险的部署和执法工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211737687.8A CN115907229A (zh) | 2022-12-30 | 2022-12-30 | 一种基于数字孪生的水库防洪管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211737687.8A CN115907229A (zh) | 2022-12-30 | 2022-12-30 | 一种基于数字孪生的水库防洪管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115907229A true CN115907229A (zh) | 2023-04-04 |
Family
ID=86473067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211737687.8A Pending CN115907229A (zh) | 2022-12-30 | 2022-12-30 | 一种基于数字孪生的水库防洪管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115907229A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116882211A (zh) * | 2023-09-06 | 2023-10-13 | 珠江水利委员会珠江水利科学研究院 | 一种基于数字孪生的水库水情预报仿真方法和系统 |
| CN117670579A (zh) * | 2023-08-01 | 2024-03-08 | 广东省航运规划设计院有限公司 | 一种数字孪生水网构建方法和计算机设备 |
| CN117726043A (zh) * | 2024-02-05 | 2024-03-19 | 中科信德建设有限公司 | 一种水库水情自动测报及预报方法 |
| CN118092520A (zh) * | 2024-04-29 | 2024-05-28 | 长江勘测规划设计研究有限责任公司 | 一种基于数字孪生的汛期水位实时分析方法及系统 |
-
2022
- 2022-12-30 CN CN202211737687.8A patent/CN115907229A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117670579A (zh) * | 2023-08-01 | 2024-03-08 | 广东省航运规划设计院有限公司 | 一种数字孪生水网构建方法和计算机设备 |
| CN116882211A (zh) * | 2023-09-06 | 2023-10-13 | 珠江水利委员会珠江水利科学研究院 | 一种基于数字孪生的水库水情预报仿真方法和系统 |
| CN116882211B (zh) * | 2023-09-06 | 2023-12-19 | 珠江水利委员会珠江水利科学研究院 | 一种基于数字孪生的水库水情预报仿真方法和系统 |
| CN117726043A (zh) * | 2024-02-05 | 2024-03-19 | 中科信德建设有限公司 | 一种水库水情自动测报及预报方法 |
| CN117726043B (zh) * | 2024-02-05 | 2024-05-03 | 中水君信工程勘察设计有限公司 | 一种水库水情自动测报及预报方法 |
| CN118092520A (zh) * | 2024-04-29 | 2024-05-28 | 长江勘测规划设计研究有限责任公司 | 一种基于数字孪生的汛期水位实时分析方法及系统 |
| CN118092520B (zh) * | 2024-04-29 | 2024-08-09 | 长江勘测规划设计研究有限责任公司 | 一种基于数字孪生的汛期水位实时分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115907229A (zh) | 一种基于数字孪生的水库防洪管理方法 | |
| WO2021103323A1 (zh) | 一种历史城市保护发展协同控制方案辅助设计系统 | |
| CN107622113B (zh) | 水库安全智能化管理系统 | |
| CN110852577B (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
| Lin et al. | Landscape ecological risk assessment and its driving factors of multi-mountainous city | |
| CN104298841B (zh) | 一种基于历史数据的洪水预报方法和系统 | |
| CN103793795B (zh) | 基于gis技术的水电站水电调度计划生成及仿真方法 | |
| CN104408900A (zh) | 基于动态优化的神经网络洪水预警装置及其方法 | |
| CN109271465B (zh) | 一种基于云计算的水文数据分析及展示方法 | |
| Xu et al. | Fine-grained prediction of PM2. 5 concentration based on multisource data and deep learning | |
| CN111784082B (zh) | 一种基于大数据的gis山洪预防预警系统 | |
| CN110503805A (zh) | 管道地质灾害监测预警方法及装置 | |
| CN114942596B (zh) | 一种城市防洪排水智能控制系统 | |
| 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 | |
| WO2021103322A1 (zh) | 一种历史名城新城区规划辅助设计系统 | |
| CN113642699A (zh) | 一种江河洪水智能预报系统 | |
| CN104408526A (zh) | 一种水文区污染物监测的方法 | |
| Cao et al. | Analysis of spatiotemporal changes in cultural heritage protected cities and their influencing factors: Evidence from China | |
| CN104831776B (zh) | 水网络的监控方法 | |
| Cai et al. | Urban ecosystem vulnerability assessment of support climate-resilient city development | |
| CN116882741A (zh) | 一种超标准洪水灾害动态定量评估方法 | |
| Tholiya et al. | Determinants of geographical inequalities in domestic water supply across city of Pune, India | |
| CN114842163A (zh) | 用于灾害评估的多尺度动态网格化模型构建方法 | |
| CN114936730A (zh) | 受灾区域的灾害损失评估系统 | |
| Chen et al. | Application of the cloud model synthesis method in ecological evaluation of waterways |
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 |