CN116739289A - 一种流域防洪工程体系多目标智能调度方法 - Google Patents
一种流域防洪工程体系多目标智能调度方法 Download PDFInfo
- Publication number
- CN116739289A CN116739289A CN202310748037.1A CN202310748037A CN116739289A CN 116739289 A CN116739289 A CN 116739289A CN 202310748037 A CN202310748037 A CN 202310748037A CN 116739289 A CN116739289 A CN 116739289A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- flood control
- model
- engineering system
- control engineering
- 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 32
- 238000004088 simulation Methods 0.000 claims abstract description 54
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 41
- 238000010276 construction Methods 0.000 claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 17
- 238000011161 development Methods 0.000 claims abstract description 8
- 230000008878 coupling Effects 0.000 claims description 16
- 238000010168 coupling process Methods 0.000 claims description 16
- 238000005859 coupling reaction Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000013178 mathematical model Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000010076 replication Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种流域防洪工程体系多目标智能调度方法，属于水资源调控领域。具体是建立流域防洪工程体系多目标协同调度指标体系；基于指标体系生成流域防洪调度数据集，构建流域防洪工程体系调度数值模拟模型；结合数值模拟模型构建先验调度知识智能获取模型，生成流域防洪调度预案库；根据预案库构建流域防洪工程体系多目标协同调度决策模型；结合数值模拟模型构建流域防洪工程体系调度方案自动干预模型；构建流域防洪工程体系调度方案评价模型，完成流域防洪工程体系多目标智能调度模型构建；输入智能调度模型的决策条件，输出流域防洪工程体系调度方案。本发明有助于解决流域防洪减灾、水环境修复、水资源供给等制约当地社会经济发展的难题。
Description
技术领域
本发明涉及水资源调控领域，具体为一种流域防洪工程体系多目标智能调度方法。
背景技术
随着人类社会经济的快速发展，人类面临的“水多、水少、水脏”问题日益突出。对水资源进行合理调控是解决水问题的有效措施，然而水资源系统规模的日趋增大、影响因素逐渐增多，导致其结构更趋复杂，从而对水资源调控提出了更高更新的要求。从最初的水量分配到目前协调考虑流域和区域经济、社会、环境和生态各方面需求进行有效的多目标调控，水资源调控研究日益受到重视。近年来为了应对流域洪水，人们修建了大量的防洪工程，这些工程与江河湖库一起构成了流域防洪工程体系，由于经济社会的快速发展和全球气候变化等因素，流域的防洪工程体系面临着防洪、供水、发电、通航、生态环境等不协调的矛盾，并呈加重趋势，与可持续发展和水生态文明理念极不适应。因此，利用流域防洪工程体系开展流域水资源多目标协同调控研究具有重要的科学意义和紧迫性。
发明内容
本发明的目的是为了满足流域防洪工程体系在防洪安全、供水保障、生态环境需水、发电、通航等多目标组合下的多约束、不确定协同调度需求，提供一种流域防洪工程体系多目标智能调度方法。
本发明所采用的具体技术方案如下：
本发明提供了一种流域防洪工程体系多目标智能调度方法，包括以下步骤：
S1、基于压力-状态-响应模式建立流域防洪工程体系多目标协同调度指标体系；
S2、基于所述调度指标体系生成流域防洪调度数据集，构建流域防洪工程体系调度数值模拟模型；
S3、结合所述流域防洪工程体系调度数值模拟模型构建耦合后验知识的先验调度知识智能获取模型，生成流域防洪调度预案库；
S4、根据所述流域防洪调度预案库构建基于计算智能的流域防洪工程体系多目标协同调度决策模型；
S5、结合所述流域防洪工程体系调度数值模拟模型构建知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型；
S6、构建流域防洪工程体系调度方案评价模型，完成流域防洪工程体系多目标智能调度模型构建；
S7、输入所述智能调度模型的决策条件，输出流域防洪工程体系调度方案。
作为优选，所述步骤S1中，流域防洪工程体系多目标协同调度指标体系由压力指标、状态指标和响应指标构成；
所述压力指标为流域防洪工程体系调度目标和流域调控系统状态发展趋势，包括控制点期望水位、控制点期望流量、边点下一步水位、边点下一步流量；所述状态指标为流域调控系统的当前状态，包括监测点当前水位、监测点当前流量、调控工程当前状态；所述响应指标为流域防洪工程对象的调度指标，包括水库闸门下一步开启度、控制闸门下一步开启度、行蓄洪区下一步状态。
作为优选，所述步骤S2具体如下：
S21、根据所述流域防洪工程体系多目标协同调度指标体系和流域历史资料生成流域防洪调度数据集，确定流域水动力数学模型的初始条件和边界条件；
S22、运用流体力学方程建立流域水动力数学模型，并根据所述流域防洪调度数据集加以验证；
S23、将经过验证后的所述流域水动力数学模型耦合商用流域数值模拟软件，构建流域防洪工程体系调度数值模拟模型，实现多工况下流域防洪工程体系调度的水动力变化过程模拟。
作为优选，所述步骤S3具体如下：
S31、由数值模拟样本库、调度模糊规则库、模糊推理机、模糊产生器、模糊消除器组成耦合后验知识的先验调度知识智能获取模型框架；
S32、通过在所述流域防洪工程体系调度数值模拟模型上的数值模拟实验生成样本库，根据数值模拟样本库结合调度经验制定得到调度模糊规则库；
S33、运用模糊推理机将所述调度模糊规则库中的模糊规则转换成映射，即将输入空间上的模糊集合映射到输出空间的模糊集合；
S34、运用模糊产生器将精确输入转化为模糊输入，运用模糊消除器将模糊输出转化为精确输出，完成先验调度知识智能获取模型构建；
S35、通过所述流域防洪工程体系调度数值模拟模型模拟得到若干调度方案，结合已有预案和调度经验，借助所述先验调度知识智能获取模型得到用于调度决策模型学习的初始预案库。
作为优选，所述步骤S4具体如下：
S41、以所述流域防洪工程体系多目标协同调度指标体系的压力指标和状态指标数据集作为输入，以响应指标数据集作为输出，构建调度决策模型；
S42、在步骤S41所得调度决策模型的基础上，采用人工神经网络建立调度决策模型，根据流域防洪调度预案库调整调度决策模型参数，训练调度决策模型；
S43、基于所述流域防洪调度数据集测试步骤S42所得调度决策模型的泛化能力，完成流域防洪工程体系多目标协同调度决策模型构建。
作为优选，所述步骤S5具体如下：
S51、以所述流域防洪工程体系调度数值模拟模型训练人工神经网络模型，采用人工神经网络复制数学模型，建立用于水流系统里关键水流要素的快速模拟的快速模拟模型；
S52、采用遗传算法优化流域防洪工程体系多目标协同调度方案，其适应度函数由人工神经网络模型确定；
S53、集成快速模拟模型、遗传算法、调度目标函数和约束条件建立优化调度模型，完成流域防洪工程体系调度方案自动干预模型构建，用于生成优化的调度方案。
作为优选，所述步骤S6中流域防洪工程体系调度方案评价模型的构建方法具体如下：
S61、由流域防洪、供水、生态、发电、通航要求建立调度方案评价指标体系；
S62、基于所述调度方案评价指标体系，应用层次分析法建立各指标之间的层次关系，计算各指标权重；
S63、基于步骤S62的结果，应用模糊综合评价法对方案进行评分，完成流域防洪工程体系调度方案评价模型构建。
作为优选，所述步骤S6中，流域防洪工程体系多目标智能调度模型包括流域防洪工程体系调度数值模拟模型、耦合后验知识的先验调度知识智能获取模型、流域防洪调度预案库和基于计算智能的流域防洪工程体系多目标协同调度决策模型四个基本组成部分；知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型用于优化所述流域防洪工程体系多目标智能调度模型的调度方案，所述流域防洪工程体系调度方案评价模型用于流域防洪调度预案库的更新。
作为优选，所述步骤S7中，智能调度模型的决策条件由所述流域防洪工程体系多目标协同调度指标体系的状态指标和响应指标组成，根据流域防洪、供水、生态、发电、通航要求确定；所述输出流域防洪工程体系调度方案中，调度方案若经过流域防洪工程体系调度方案评价模型评价为优，可作为一条新的预案加入流域防洪调度预案库，同时流域防洪工程体系多目标协同调度决策模型对流域防洪调度预案库进行重新训练学习，保证流域防洪调度预案库持续更新。
本发明相对于现有技术而言，具有以下有益效果：
1、本发明提出的流域防洪工程体系多目标智能调度模式，将知识驱动模型与数据驱动模型相结合实现流域防洪工程体系多目标协同调度，比以往单纯的数学模型用于决策支持前进一大步，有助于解决流域防洪减灾、水环境修复、水资源供给等制约当地社会经济发展的难题。2、本发明研究开发的耦合后验知识的先验调度知识智能获取技术和流域防洪工程体系调度方案自动干预方法对于智能系统知识库的建立和问题求解能力的提升具有现实意义。3、本发明可以在流域防洪问题上建立多目标智能调度系统软件，具有交互灵活、安全可靠、智能和通用性强等优点，并且采用具体工程实例进行测试，可解决不同的实际问题。
附图说明
图1是本发明中的先验知识与后验知识相耦合的流域防洪工程体系多目标智能调度模型的原理结构图。
图2是本发明中的耦合后验知识的先验调度知识智能获取框架图。
图3是本发明中的基于计算智能的流域防洪工程体系多目标协同调度决策模型的拓扑结构图。
图4是本发明中的知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型自动干预流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
如图1所示，本实施例中，提供了一种流域防洪工程体系多目标智能调度方法，包括以下步骤：
S1、基于压力-状态-响应模式建立流域防洪工程体系多目标协同调度指标体系；
S2、基于步骤S1所得调度指标体系生成流域防洪调度数据集，构建流域防洪工程体系调度数值模拟模型；
S3、结合步骤S2所得流域防洪工程体系调度数值模拟模型构建耦合后验知识的先验调度知识智能获取模型，生成流域防洪调度预案库；
S4、根据步骤S3所得流域防洪调度预案库构建基于计算智能的流域防洪工程体系多目标协同调度决策模型；
S5、结合步骤S2所得流域防洪工程体系调度数值模拟模型构建知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型；
S6、构建流域防洪工程体系调度方案评价模型，完成流域防洪工程体系多目标智能调度模型构建；
S7、输入步骤S6所得智能调度模型的决策条件，输出流域防洪工程体系调度方案。
本实施例中，参见上述方法过程，可以看出本发明提供的智能调度方法主要包括七部分内容，分别为：建立流域防洪工程体系多目标协同调度指标体系、构建流域防洪工程体系调度数值模拟模型、构建耦合后验知识的先验调度知识智能获取模型并生成调度预案库、构建流域防洪工程体系多目标协同调度决策模型、构建流域防洪工程体系调度方案自动干预模型、构建流域防洪工程体系调度方案评价模型并完成智能调度模型构建、输入决策条件并输出流域防洪工程体系调度方案；下面分别针对这七部分内容进行详细的解释说明。
一、建立流域防洪工程体系多目标协同调度指标体系
该部分对应步骤S1，步骤S1具体包括如下内容：
基于压力-状态-响应模式建立流域防洪工程体系多目标协同调度指标体系，该体系为描述、度量流域防洪工程体系多目标协同调度的变量集，用于确定流域防洪工程体系多目标协同调度决策模型的输入输出，且表示流域防洪工程体系调度方案和调度预案。
流域防洪工程体系多目标协同调度指标体系由压力指标、状态指标和响应指标构成。其中，压力指标P为流域防洪工程体系调度目标和流域调控系统状态发展趋势，包括控制点期望水位P1、控制点期望流量P2、边点下一步水位P3、边点下一步流量P4；状态指标Z为流域调控系统的当前状态，包括监测点当前水位Z1、监测点当前流量Z2、调控工程当前状态Z3；响应指标R为流域防洪工程对象的调度指标，包括水库闸门下一步开启度R1、控制闸门下一步开启度R2、行蓄洪区下一步状态R3。
二、构建流域防洪工程体系调度数值模拟模型
该部分对应步骤S2，步骤S2具体包括如下内容：
S21、根据流域防洪工程体系多目标协同调度指标体系和流域历史资料生成流域防洪调度数据集，确定流域水动力数学模型的初始条件和边界条件；
S22、运用流量连续性方程、水头损失方程等流体力学方程建立流域水动力数学模型，并根据流域防洪调度数据集加以验证；
S23、耦合如MIKE、SWMM、Delft3D等的商用流域数值模拟软件，构建流域防洪工程体系调度数值模拟模型，实现多工况下流域防洪工程体系调度的水动力变化过程模拟。
在目前积累的河网调水水动力数学模型的基础上开发流域防洪工程体系调度数值模拟模型，实现多工况下流域防洪工程体系调度的水动力变化过程模拟，与商用软件互为补充，弥补商用软件运用中灵活性不足的缺点。
三、构建耦合后验知识的先验调度知识智能获取模型并生成调度预案库
该部分对应步骤S3，如图2所示的耦合后验知识的先验调度知识智能获取框架图，步骤S3具体包括如下内容：
S31、由数值模拟样本库、调度模糊规则库、模糊推理机、模糊产生器、模糊消除器组成耦合后验知识的先验调度知识智能获取模型框架；
S32、通过在流域防洪工程体系调度数值模拟模型上的数值模拟实验生成样本库，根据数值模拟样本库结合调度经验等制定得到调度模糊规则库，；
S33、运用模糊推理机将调度模糊规则库中的模糊规则转换成映射，即将输入空间上的模糊集合映射到输出空间的模糊集合；
S34、运用模糊产生器将精确输入转化为模糊输入，运用模糊消除器将模糊输出转化为精确输出，完成先验调度知识智能获取模型构建；
S35、通过调度数值模拟模型模拟得到若干调度方案，结合已有预案和调度经验借助先验调度知识智能获取模型得到用于调度决策模型学习的初始预案库。
由流域防洪调度数据集确定基于模糊逻辑的调度知识智能获取模型的输入输出变量的论域，以及输入输出变量的隶属度函数，通过Mamdani模糊推理方法可以得到一系列流域防洪工程体系调度预案组成调度预案库。
四、构建流域防洪工程体系多目标协同调度决策模型
该部分对应步骤S4，步骤S4具体包括如下内容：
S41、以流域防洪工程体系多目标协同调度指标体系的压力指标和状态指标数据集作为输入，以响应指标数据集作为输出，构建调度决策模型；
S42、采用人工神经网络建立调度决策模型，根据流域防洪调度预案库调整调度决策模型参数，训练决策模型；
S43、基于流域防洪调度数据集测试泛化能力，完成流域防洪工程体系多目标协同调度决策模型构建。
这里仅以三层前向人工神经网络为例建立流域防洪工程体系多目标协同调度决策模型的拓扑结构如图3所示。由于计算智能理论的分支很多，在研究中还需要通过泛化能力等测试选择最适合流域防洪工程体系多目标协同调度决策的计算智能理论方法。
五、构建流域防洪工程体系调度方案自动干预模型
该部分对应步骤S5，如图4所示的流域防洪工程体系调度方案自动干预模型自动干预流程图，步骤S5具体包括如下内容：
S51、由流域防洪工程体系调度数值模拟模型、人工神经网络和遗传算法组成知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型；
S52、以数值模拟模型训练人工神经网络模型，采用人工神经网络复制数学模型，建立用于水流系统里关键水流要素的快速模拟的快速模拟模型；
S53、采用遗传算法优化流域防洪工程体系多目标协同调度方案，其适应度函数由人工神经网络模型确定；
为实现该方法的灵活性，此处优化算法不局限于遗传算法这一种特定算法。
S54、集成快速模拟模型、遗传算法、调度目标函数和约束条件建立优化调度模型，完成流域防洪工程体系调度方案自动干预模型构建，用于生成优化的调度方案。
六、构建流域防洪工程体系调度方案评价模型并完成智能调度模型构建
该部分对应步骤S6，步骤S6具体包括如下内容：
其中，构建流域防洪工程体系调度方案评价模型，包括以下步骤：
S61、由流域防洪、供水、生态、发电、通航等要求建立调度方案评价指标体系；
S62、应用层次分析法建立各指标之间的层次关系，计算各指标权重；
S63、应用模糊综合评价法队方案进行评分，完成流域防洪工程体系调度方案评价模型构建。
完成流域防洪工程体系多目标智能调度模型构建，如图1所示。流域防洪工程体系多目标智能调度模型包括流域防洪工程体系调度数值模拟模型、耦合后验知识的先验调度知识智能获取模型、流域防洪调度预案库和基于计算智能的流域防洪工程体系多目标协同调度决策模型四个基本组成部分；知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型用于优化智能调度模型的调度方案，流域防洪工程体系调度方案评价模型用于调度预案库更新。
七、输入决策条件并输出流域防洪工程体系调度方案
该部分对应步骤S7，步骤S7具体包括如下内容：
输入智能调度模型的决策条件，该决策条件由流域防洪工程体系多目标协同调度指标体系的状态指标和响应指标组成，根据流域防洪、供水、生态、发电、通航等要求确定。通过流域防洪工程体系多目标智能调度模型输出流域防洪工程体系调度方案，得到的调度方案若经过流域防洪工程体系调度方案评价模型评价为优，可作为一条新的预案加入流域防洪调度预案库，决策模型对预案库进行重新训练学习，保证预案库持续更新。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (9)
1.一种流域防洪工程体系多目标智能调度方法，其特征在于，包括以下步骤：
S1、基于压力-状态-响应模式建立流域防洪工程体系多目标协同调度指标体系；
S2、基于所述流域防洪工程体系多目标协同调度指标体系生成流域防洪调度数据集，构建流域防洪工程体系调度数值模拟模型；
S3、结合所述流域防洪工程体系调度数值模拟模型构建耦合后验知识的先验调度知识智能获取模型，生成流域防洪调度预案库；
S4、根据所述流域防洪调度预案库构建基于计算智能的流域防洪工程体系多目标协同调度决策模型；
S5、结合所述流域防洪工程体系调度数值模拟模型构建知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型；
S6、构建流域防洪工程体系调度方案评价模型，完成流域防洪工程体系多目标智能调度模型构建；
S7、输入所述智能调度模型的决策条件，输出流域防洪工程体系调度方案。
2.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S1中，流域防洪工程体系多目标协同调度指标体系由压力指标、状态指标和响应指标构成；
所述压力指标为流域防洪工程体系调度目标和流域调控系统状态发展趋势，包括控制点期望水位、控制点期望流量、边点下一步水位、边点下一步流量；所述状态指标为流域调控系统的当前状态，包括监测点当前水位、监测点当前流量、调控工程当前状态；所述响应指标为流域防洪工程对象的调度指标，包括水库闸门下一步开启度、控制闸门下一步开启度、行蓄洪区下一步状态。
3.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S2具体如下：
S21、根据所述流域防洪工程体系多目标协同调度指标体系和流域历史资料生成流域防洪调度数据集，确定流域水动力数学模型的初始条件和边界条件；
S22、运用流体力学方程建立流域水动力数学模型，并根据所述流域防洪调度数据集加以验证；
S23、将经过验证后的所述流域水动力数学模型耦合商用流域数值模拟软件，构建流域防洪工程体系调度数值模拟模型，实现多工况下流域防洪工程体系调度的水动力变化过程模拟。
4.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S3具体如下：
S31、由数值模拟样本库、调度模糊规则库、模糊推理机、模糊产生器、模糊消除器组成耦合后验知识的先验调度知识智能获取模型框架；
S32、通过在所述流域防洪工程体系调度数值模拟模型上的数值模拟实验生成样本库，根据数值模拟样本库结合调度经验制定得到调度模糊规则库；
S33、运用模糊推理机将所述调度模糊规则库中的模糊规则转换成映射，即将输入空间上的模糊集合映射到输出空间的模糊集合；
S34、运用模糊产生器将精确输入转化为模糊输入，运用模糊消除器将模糊输出转化为精确输出，完成先验调度知识智能获取模型构建；
S35、通过所述流域防洪工程体系调度数值模拟模型模拟得到若干调度方案，结合已有预案和调度经验，借助所述先验调度知识智能获取模型得到用于调度决策模型学习的初始预案库。
5.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S4具体如下：
S41、以所述流域防洪工程体系多目标协同调度指标体系的压力指标和状态指标数据集作为输入，以响应指标数据集作为输出，构建调度决策模型；
S42、在步骤S41所得调度决策模型的基础上，采用人工神经网络建立调度决策模型，根据流域防洪调度预案库调整调度决策模型参数，训练调度决策模型；
S43、基于所述流域防洪调度数据集测试步骤S42所得调度决策模型的泛化能力，完成流域防洪工程体系多目标协同调度决策模型构建。
6.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S5具体如下：
S51、以所述流域防洪工程体系调度数值模拟模型训练人工神经网络模型，采用人工神经网络复制数学模型，建立用于水流系统里关键水流要素的快速模拟的快速模拟模型；
S52、采用遗传算法优化流域防洪工程体系多目标协同调度方案，其适应度函数由人工神经网络模型确定；
S53、集成快速模拟模型、遗传算法、调度目标函数和约束条件建立优化调度模型，完成流域防洪工程体系调度方案自动干预模型构建，用于生成优化的调度方案。
7.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S6中流域防洪工程体系调度方案评价模型的构建方法具体如下：
S61、由流域防洪、供水、生态、发电、通航要求建立调度方案评价指标体系；
S62、基于所述调度方案评价指标体系，应用层次分析法建立各指标之间的层次关系，计算各指标权重；
S63、基于步骤S62的结果，应用模糊综合评价法对方案进行评分，完成流域防洪工程体系调度方案评价模型构建。
8.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S6中，流域防洪工程体系多目标智能调度模型包括流域防洪工程体系调度数值模拟模型、耦合后验知识的先验调度知识智能获取模型、流域防洪调度预案库和基于计算智能的流域防洪工程体系多目标协同调度决策模型四个基本组成部分；知识驱动与数据驱动相耦合的流域防洪工程体系调度方案自动干预模型用于优化所述流域防洪工程体系多目标智能调度模型的调度方案，所述流域防洪工程体系调度方案评价模型用于流域防洪调度预案库的更新。
9.根据权利要求1所述的一种流域防洪工程体系多目标智能调度方法，其特征在于，所述步骤S7中，智能调度模型的决策条件由所述流域防洪工程体系多目标协同调度指标体系的状态指标和响应指标组成，根据流域防洪、供水、生态、发电、通航要求确定；所述输出流域防洪工程体系调度方案中，调度方案若经过流域防洪工程体系调度方案评价模型评价为优，可作为一条新的预案加入流域防洪调度预案库，同时流域防洪工程体系多目标协同调度决策模型对流域防洪调度预案库进行重新训练学习，保证流域防洪调度预案库持续更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310748037.1A CN116739289A (zh) | 2023-06-25 | 2023-06-25 | 一种流域防洪工程体系多目标智能调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310748037.1A CN116739289A (zh) | 2023-06-25 | 2023-06-25 | 一种流域防洪工程体系多目标智能调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116739289A true CN116739289A (zh) | 2023-09-12 |
Family
ID=87904282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310748037.1A Pending CN116739289A (zh) | 2023-06-25 | 2023-06-25 | 一种流域防洪工程体系多目标智能调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116739289A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118211701A (zh) * | 2024-03-07 | 2024-06-18 | 中国长江电力股份有限公司 | 一种基于水调来水预测的电站防洪预警方法及系统 |
-
2023
- 2023-06-25 CN CN202310748037.1A patent/CN116739289A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118211701A (zh) * | 2024-03-07 | 2024-06-18 | 中国长江电力股份有限公司 | 一种基于水调来水预测的电站防洪预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Multi-objective complementary scheduling of hydro-thermal-RE power system via a multi-objective hybrid grey wolf optimizer | |
| Borunda et al. | Bayesian networks in renewable energy systems: A bibliographical survey | |
| Ghods et al. | Methods for long-term electric load demand forecasting; a comprehensive investigation | |
| Huang | Enhancement of hydroelectric generation scheduling using ant colony system based optimization approaches | |
| Jain et al. | Application of ANN for reservoir inflow prediction and operation | |
| Sözen et al. | Prediction of net energy consumption based on economic indicators (GNP and GDP) in Turkey | |
| Fallah-Mehdipour et al. | Genetic programming in groundwater modeling | |
| Wang et al. | Wind speed deterministic forecasting and probabilistic interval forecasting approach based on deep learning, modified tunicate swarm algorithm, and quantile regression | |
| KR102236678B1 (ko) | 자료해석 기반 침수 예측 방법 및 이를 위한 장치 | |
| Chang et al. | Real-time reservoir operation for flood control using artificial intelligent techniques | |
| WO2024109103A1 (zh) | 一种闸门联动控制方法、装置及并联供水发电系统 | |
| Zhou et al. | Integrated optimization of hydroelectric energy in the upper and middle Yangtze River | |
| CN113141012B (zh) | 电网潮流调控决策推理方法 | |
| CN114066315A (zh) | 一种适应多元源荷接入的配电网规划系统 | |
| Tao et al. | Site selection for underground pumped storage plant using abandoned coal mine through a hybrid multi-criteria decision-making framework under the fuzzy environment: A case in China | |
| CN114139377A (zh) | 一种电力系统建模方法、系统、可读存储介质及服务器 | |
| CN111415068A (zh) | 基于改造措施与失负荷量指标关联性的配电决策建模方法 | |
| CN116739289A (zh) | 一种流域防洪工程体系多目标智能调度方法 | |
| CN116523187A (zh) | 一种基于bim的工程进度监控方法及其系统 | |
| CN104021315A (zh) | 基于bp神经网络的电厂厂用电率计算方法 | |
| CN118095752A (zh) | 一种基于数字孪生的水库调度管理系统 | |
| Li et al. | Multiagent deep meta reinforcement learning for sea computing-based energy management of interconnected grids considering renewable energy sources in sustainable cities | |
| Wang et al. | A novel structure adaptive grey seasonal model with data reorganization and its application in solar photovoltaic power generation prediction | |
| CN115456205A (zh) | 一种大规模多目标机组检修优化方法 | |
| Khatavkar et al. | Model for the real-time operation of water distribution systems under limited power availability |
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 |