CN116895134A - 一种基于5g技术的水电站下游水位突涨预警方法及系统 - Google Patents
一种基于5g技术的水电站下游水位突涨预警方法及系统 Download PDFInfo
- Publication number
- CN116895134A CN116895134A CN202310743275.3A CN202310743275A CN116895134A CN 116895134 A CN116895134 A CN 116895134A CN 202310743275 A CN202310743275 A CN 202310743275A CN 116895134 A CN116895134 A CN 116895134A
- Authority
- CN
- China
- Prior art keywords
- water level
- early warning
- data
- model
- risk
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005516 engineering process Methods 0.000 title claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000002708 enhancing effect Effects 0.000 claims abstract description 3
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000012502 risk assessment Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000005311 autocorrelation function Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 230000000630 rising effect Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000013112 stability test Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 description 1
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 description 1
- 238000003648 Ljung–Box test Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- 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—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
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Geology (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于5G技术的水电站下游水位突涨预警方法,涉及水电站预警技术领域,包括获取运行负荷,判断是否需要进行预警预测,获取数据信息,并进行预处理;进行预测,得到预测结果;根据预警等级确定处理方案,发布预警信息和进行泄洪操作。本发明可以更准确地预测水电站下游水位的变化趋势和突涨风险,提高预警的准确性和及时性,降低突涨风险和减少损失;借助5G技术的高速、低延迟特点,实时监测水位数据,提高对突涨风险的感知能力;自动化地生成预警信息,并根据不同的预警等级触发相应的应对措施,加强突涨风险的管理和应急响应;帮助水电站管理人员和相关部门采取适当的措施,保障下游人员、设施和环境的安全,减少事故发生。
Description
技术领域
本发明涉及水电站预警技术领域,特别是一种基于5G技术的水电站下游水位突涨预警方法及系统。
背景技术
在水电站日常运行中,存在短时间内负荷变化较大或者突然需要泄洪的情况,会导致下游水位短时间内突然增高,由此引起的水位变化具有来势猛、水量集中、预见期短的问题。这对水电站下游闯入的有船只和人员来说非常的危险,相关事故报道频频见诸报端:如在2023年1月河南三门峡水电站短时间内大量开机,导致出库流量瞬间增大,下游水位6分钟内上涨1.8m,造成2人死亡。以上事件说明,在水电站短时间内大量开机或者泄洪前,必须对下游河道中的船舶和游人进行提前预警,这样才能避免发生危险事故。
但目前水电站针对下游的预警技术还仅限于泄洪时,对负荷变化引起的水位变化重视度不高,绝大部分大型水电站没有配备此类系统,因此目前急需一种覆盖范围大、预警效果好、维护成本低的水电站下游水位突涨预警方法及系统。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有的水电站下游水位突涨预警方法中存在的问题,提出了本发明。
因此,本发明所要解决的问题在于如何提供一种基于5G技术的水电站下游水位突涨预警方法及系统。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种基于5G技术的水电站下游水位突涨预警方法,其包括,从水电站监控模块中获取运行负荷,判断是否需要进行预警预测,获取数据信息,并进行预处理;将预处理后的数据信息输入预警模型中进行预测,得到预测结果;对预测结果进行危险等级划分,再根据危险等级划分预警等级;根据预警等级确定应对措施,通过终端设备发布预警信息和进行泄洪操作。
作为本发明所述基于5G技术的水电站下游水位突涨预警方法的一种优选方案,其中:所述判断包括查看水电站运行负荷,是否在汛期大于38000MW/小时,且非汛期大于2800MW/小时,若达到,则进入预警预测;所述数据包括历史数据和实时数据,其中,所述历史数据包括历史水位数据、历史降雨量、历史水流速度数据以及历史水库调度数据,所述实时数据包括实时水位数据、实时降雨量、实时水流速度数据以及实时水库调度数据;所述预处理包括对数据进行去除异常值和填补缺失数据。
作为本发明所述基于5G技术的水电站下游水位突涨预警方法的一种优选方案,其中:所述预警模型包括历史数据时间序列模型和突涨风险评估模型,所述历史数据时间序列模型用于实现对水位和降雨量的预测,所述突涨风险评估模型用于判断水位是否存在突涨的风险。
作为本发明所述基于5G技术的水电站下游水位突涨预警方法的一种优选方案,其中:所述时间序列模型具体包括,对经过预处理的数据进行平稳性检验,使用ADF检验来判断时间序列数据是否平稳,若数据不平稳,则进行差分操作;根据自相关函数ACF和偏自相关函数PACF确定模型的阶数;使用最大似然估计来估计模型的参数,并进行模型拟合;对拟合的模型进行诊断,检查残差序列是否符合白噪声的特性,若存在模型不适合的情况,调整模型阶数;使用已训练的模型进行未来时间点的数据预测,设置预测的时间范围和步长,获得对未来时间序列数据的预测结果。
作为本发明所述基于5G技术的水电站下游水位突涨预警方法的一种优选方案,其中:所述突涨风险评估模型具体包括,收集与突涨风险相关的数据,包括历史水位数据、降雨量数据和水库调度数据,计算水位的变化速度、降雨的总量和强度、水库调度的变化;根据特征的相关性和重要性,选择最具代表性的特征,使用特征重要性评估进行选择;将数据划分为训练集和测试集,用于模型训练和评估,使用训练集进行模型训练,使用评估指标为均方误差、准确率对模型进行评估;利用训练好的模型,基于最新的实时数据进行突涨风险评估和预测,输入实时数据,利用模型进行预测,得到风险评估结果;根据模型输出的结果,确定突涨风险等级;根据实际数据和反馈进行模型的更新和调整,提高预测准确性和效果,进行模型的改进和优化。
作为本发明所述基于5G技术的水电站下游水位突涨预警方法的一种优选方案,其中:所述预测结果包括水位高度和水位变化速度;所述危险等级包括水位高度危险等级和水位变化速度危险等级;其中,所述水位高度危险等级包括水位高度低风险、水位高度中等风险和水位高度高风险;当水位高度<安全水位时,将水位高度危险等级划分为水位高度低风险;当安全水位<水位高度<警戒水位时,将水位高度危险等级划分为水位高度中等风险;当警戒水位<水位高度时,将水位高度危险等级划分为水位高度高风险;其中,所述安全水位为820m,所述警戒水位为828m;所述水位变化速度危险等级包括缓慢变化、中等变化和快速变化;当过去1小时水位变化小于2m,表示未出现急剧的波动,则将水位变化速度危险等级划分为缓慢变化;当过去1小时水位变化在2m—4m之间,表示尚未达到迅速上升的状态,将水位变化速度危险等级划分为缓慢变化;当过去1小时水位变化大于4m,表示存在急剧的波动,则将水位变化速度危险等级划分为快速变化;所述预警等级包括低风险等级、中风险等级和高风险等级;当水位高度低风险、水位变化速度缓慢变化时,将预警等级划分为低风险等级;当水位高度中等风险、水位变化速度中等变化时,将预警等级划分为中风险等级;当水位高度高风险、水位变化速度快速变化时,将预警等级划分为高风险等级。
作为本发明所述基于5G技术的水电站下游水位突涨预警方法的一种优选方案,其中:所述预警信息包括预警等级、实时水位高度、水位变化速度以及应对措施;所述应对措施包括,若预警等级为低风险等级,则密切关注水位变化和降雨情况,加强对水电站周边区域的监测和观察;向下游河道人员以及水电站工作人员发送预警通知,提醒注意水位变化;若预警等级为中风险等级,则加大对下游河道和水电站的巡查力度,密切关注水位和河道情况,确保水库和下游河道的安全,调整水库的放水量、提前疏导下游河道人员和船只;若预警等级为高风险等级,则启动紧急疏散计划,确保下游居民和人员的安全撤离,开启泄洪设施,降低下游水位;向相关政府部门和应急管理部门报告,寻求支持和协助。
第二方面,本发明实施例提供了一种基于5G技术的水电站下游水位突涨预警系统,其包括:水电站监控模块,用于收集和监控水位突涨数据信息,所述水电站监控模块从EPMS获取泄洪设施开启操作票,把收集的数据信息传输至数据处理服务器模块;传感器,用于实时监测收集水位、水流速度和雨量数据,并通过无线连接与5G网络通信将数据传输至监控模块;数据处理服务器模块,用于建立预警模型对收集的数据进行预测和预警等级判断,发送预警信息,触发探测报警器模块进行报警;探测报警器模块,其包括报警器和无人机,所述探测报警器模块用于探测下游河道人员和船只信息,发送预警通知,提醒下游河道人员和水电站工作人员。
第三方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述方法的任一步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述方法的任一步骤。
本发明的有益效果为可以更准确地预测水电站下游水位的变化趋势和突涨风险,提高预警的准确性和及时性,降低突涨风险和减少损失;借助5G技术的高速、低延迟特点,实时监测水位数据,提高对突涨风险的感知能力;自动化地生成预警信息,并根据不同的预警等级触发相应的应对措施,加强突涨风险的管理和应急响应;帮助水电站管理人员和相关部门采取适当的措施,保障下游人员、设施和环境的安全,减少事故发生。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为基于5G技术的水电站下游水位突涨预警方法的流程图。
图2为基于5G技术的水电站下游水位突涨预警系统的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1,为本发明第一个实施例,该实施例提供了一种基于5G技术的水电站下游水位突涨预警方法,包括:
S1:从水电站监控模块中获取运行负荷,判断是否需要进行预警预测,获取数据信息,并进行预处理。
具体的,判断水电站全厂运行负荷,是否在汛期大于38000MW/小时、非汛期大于2800MW/小时,若达到,则进入预警预测。
具体的,数据包括历史数据和实时数据,包括历史水位数据、历史降雨量、历史水流速度数据以及历史水库调度数据;实时水位数据、实时降雨量、实时水流速度数据以及实时水库调度数据,通过设置在水电站下游的传感器进行收集数据,传感器采集到的数据通过5G网络传输到监控系统,进而传输至数据处理模块进行实时处理和分析。
对数据进行去除异常值和填补缺失数据,其包括删除缺失数据,如果缺失数据的比例较小且对整体数据影响较小,可以直接删除缺失数据所在的样本。插补缺失数据,均值插补:用特征的均值填充缺失值;中值插补:用特征的中值填充缺失值。
S2:将预处理后的数据信息输入预警模型中进行预测,得到预测结果。
具体的,预警模型包括历史数据时间序列模型和突涨风险评估模型,建立历史数据时间序列模型具体包括,
数据平稳性检验:使用ADF检验来判断时间序列数据是否平稳。如果数据不平稳,需要进行差分操作,直到数据平稳。
确定模型阶数:根据自相关函数(ACF)和偏自相关函数(PACF),确定模型的阶数,公式如下:
ρ(k)=cov(Y(t),Y(t-k))/(σ(Y(t))*σ(Y(t-k)))
其中,Y(t)为时间序列的观察值,即收集到的实时数据;c为常数,和θ(j)为模型的参数,ε(t)为白噪声误差,/>表示自相关系数,/>表示偏自相关系数,k表示滞后期。
参数估计与模型拟合:使用最大似然估计来估计模型的参数,并进行模型拟合,根据模型的假设,假设ε(t)服从均值为0、方差为σ^2的正态分布,则似然函数为, 和θ为模型的参数,/>为正态分布的概率密度函数,对似然函数取对数,得到对数似然函数:/> 为了方便计算,通常使用负的对数似然函数:/>最大化似然函数等价于最小化负的对数似然函数。
模型诊断与调整:对拟合的模型进行诊断,检查残差序列是否符合白噪声的特性,白噪声误差是指在时间序列模型中,预测误差的序列具有随机性、独立性和恒定的方差,它是一种没有相关性的随机误差。
在模型中,白噪声误差通常被假设为服从均值为0、方差为常数的正态分布,通过建立模型来捕捉数据中的相关性和趋势,使得残差序列(观测值与模型预测值之间的差异)呈现白噪声特性。
通过以下步骤计算模型中的白噪声误差:
计算残差序列:将模型拟合后得到的预测值与观测值进行比较,得到残差序列(观测值与模型预测值之间的差异)。
检查残差序列:通过观察残差序列的性质,判断是否满足白噪声误差的特性。一般来说,白噪声误差应该具有以下特点:均值为0:残差序列的平均值应接近于0;方差恒定:残差序列的方差应该是恒定的,没有明显的变化趋势;随机性:残差序列的值应该没有明显的模式或相关性。
统计检验:可以使用一些统计检验方法来验证残差序列是否符合白噪声误差的假设,常见的方法包括Ljung-Box检验、Durbin-Watson检验等;如果残差序列满足白噪声误差的特性,说明模型可以很好地捕捉到时间序列数据中的趋势和相关性,且预测误差是随机的。
在建立时间序列模型时,还需要考虑以下几点:数据的采样频率和时间间隔需要根据实际情况选择,以充分反映水位变化的特征。模型的选择和参数的确定可能需要多次尝试和调整,以达到较好的拟合效果和预测准确性。模型建立过程中,需要进行模型诊断和评估,以确保模型的有效性和适用性。对于长期预测,需要注意模型的稳定性和预测的可靠性,可以考虑使用滚动预测和模型更新的方法。需要结合实际情况和专业知识进行适当的调整和优化。
构建突涨评估模型和进行突涨风险评估包括,收集和整理与突涨风险相关的数据,包括历史水位数据、实时降雨数据、实时水库调度数据等。清洗数据:处理异常值、缺失值和重复值。数据平滑:对原始数据进行平滑处理,例如使用移动平均或指数平滑法,以去除噪声和不规则波动。从收集的数据中提取有意义的特征。例如,可以计算水位的变化速度、降雨的总量或强度、水库调度的变化等。根据特征的相关性和重要性,选择最具代表性的特征用于模型建立。可以使用统计方法、特征重要性评估等进行选择。将数据集划分为训练集和测试集,用于模型训练和评估;使用训练集进行模型训练,根据选定的模型算法进行参数估计和模型拟合。使用评估指标(如均方误差和准确率等)对模型进行评估,检查模型的预测性能和拟合度。利用训练好的模型,基于最新的实时数据进行突涨风险评估和预测。输入实时数据特征,例如当前水位、降雨情况等,利用模型进行预测,得到风险评估结果。
根据模型输出的结果,确定突涨风险的等级或概率,并采取相应的预警措施;定期评估和优化模型的性能,根据实际数据和反馈进行模型的更新和调整,以提高预测准确性和效果;根据实际的预警情况进行模型的改进和优化。
当综合考虑水位高度和水位变化速度时,将它们结合起来划分预警等级。以下是预警等级划分方案:
水位高度危险等级划分:当水位高度<安全水位时,则将水位高度危险等级划分为水位高度低风险;当安全水位<水位高度<警戒水位时,则将水位高度危险等级划分为水位高度中等风险;当警戒水位<水位高度时,则将水位高度危险等级划分为水位高度高风险;
本方法采用的安全水位为820m,警戒水位为828m,安全水位以负荷曲线在谷底时水位,一般在820m左右,警戒水位则是在负荷曲线峰顶时,一般在830M左右。
水位变化速度危险等级划分:
当过去1小时水位变化小于2m,表示未出现急剧的波动,则将水位变化速度危险等级划分为缓慢变化;当过去1小时水位变化在2m—4m之间,表示尚未达到迅速上升的状态,则将水位变化速度危险等级划分为缓慢变化;当过去1小时水位变化大于4m,表示存在急剧的波动,则将水位变化速度危险等级划分为快速变化。
机组调峰时一小时内会上升4m左右,但这种情况并不多见,水位上涨2m是较为普遍常见的。
预警等级划分:当水位高度低风险、水位变化速度缓慢变化时,将预警等级划分为低风险等级;当水位高度中等风险、水位变化速度中等变化时,将预警等级划分为中风险等级;当水位高度高风险、水位变化速度快速变化时,将预警等级划分为高风险等级。
S4:根据预警等级确定应对措施,通过终端设备发布预警信息和进行泄洪操作。
根据不同的预警等级,采取相应的应对措施,若预警等级为低风险等级,则密切关注水位变化和降雨情况,加强对水电站周边区域的监测和观察;向下游河道人员以及水电站工作人员发送预警通知,提醒注意水位变化;若预警等级为中风险等级,则加大对下游河道和水电站的巡查力度,密切关注水位和河道情况,确保水库和下游河道的安全,调整水库的放水量、提前疏导下游河道人员和船只;若预警等级为高风险等级,则启动紧急疏散计划,确保下游居民和人员的安全撤离,开启泄洪设施,降低下游水位;向相关政府部门和应急管理部门报告,寻求支持和协助。
由上可知,本发明可以更准确地预测水电站下游水位的变化趋势和突涨风险,通过对历史数据的建模和分析,可以捕捉到潜在的趋势和周期性变化,从而提高预警的准确性和及时性;监测并预测下游水位的变化,并在预警系统中设置相应的阈值,一旦水位超过预警阈值,系统将及时发出预警信息,提醒相关人员采取相应的措施,以降低突涨风险和减少损失;借助5G技术的高速、低延迟特点,可以实时监测水位数据,并将数据传输到预警系统中进行处理和分析,可以实现对水位变化的实时监测和预测,提高对突涨风险的感知能力;可以自动化地生成预警信息,并根据不同的预警等级触发相应的应对措施,加强突涨风险的管理和应急响应;帮助水电站管理人员和相关部门采取适当的措施,保障下游人员、设施和环境的安全,减少事故和损失的发生。
实施例2
参照图2,为本发明第二个实施例,该实施例提供了一种基于5G技术的水电站下游水位突涨预警系统,
水电站监控模块,用于收集和监控水位突涨数据信息,把收集的数据信息传输至数据处理服务器模块。
传感器,在水电站下游设置,用于实时监测收集水位、水流速度和雨量数据,通过无线连接与5G网络通信将数据传输至水电站监控模块。
数据处理服务器模块,用于建立预警模型对收集的数据进行预测和预警等级判断,发送预警信息,触发探测报警器模块进行报警,其包括中央处理器、硬盘、图像处理器。
探测报警器模块,用于探测下游河道人员和船只信息,发送预警通知,提醒下游河道人员和水电站工作人员,其包括报警器和无人机,报警器放置在水电站下游河道附近位置,无人机布置在大坝坝肩专门修建的无人机房处,均设置有声光报警器、视频摄像头、红外热成像仪、夜间探照灯。
本实施例还提供一种计算机设备,适用于基于5G技术的水电站下游水位突涨预警方法的情况,包括:存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的本发明实施例所述方法的全部或部分步骤。
本实施例还提供一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read OnlyMemory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
本实施例提出的存储介质与上述实施例提出的数据存储方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
由上可知,本发明可以更准确地预测水电站下游水位的变化趋势和突涨风险,通过对历史数据的建模和分析,可以捕捉到潜在的趋势和周期性变化,从而提高预警的准确性和及时性;监测并预测下游水位的变化,并在预警系统中设置相应的阈值,一旦水位超过预警阈值,系统将及时发出预警信息,提醒相关人员采取相应的措施,以降低突涨风险和减少损失;借助5G技术的高速、低延迟特点,可以实时监测水位数据,并将数据传输到预警系统中进行处理和分析,可以实现对水位变化的实时监测和预测,提高对突涨风险的感知能力;可以自动化地生成预警信息,并根据不同的预警等级触发相应的应对措施,加强突涨风险的管理和应急响应;帮助水电站管理人员和相关部门采取适当的措施,保障下游人员、设施和环境的安全,减少事故和损失的发生。
应说明的是,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精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于5G技术的水电站下游水位突涨预警方法,其特征在于:包括,
从水电站监控模块中获取运行负荷,判断是否需要进行预警预测,获取数据信息,并进行预处理;
将预处理后的数据信息输入预警模型中进行预测,得到预测结果;
对预测结果进行危险等级划分,再根据危险等级划分预警等级;
根据预警等级确定应对措施,通过终端设备发布预警信息和进行泄洪操作。
2.如权利要求1所述的基于5G技术的水电站下游水位突涨预警方法,其特征在于:所述判断包括查看水电站全厂运行负荷,是否在汛期大于38000MW/小时,且非汛期大于2800MW/小时,若达到,则进入预警预测;
所述数据包括历史数据和实时数据,其中,所述历史数据包括历史水位数据、历史降雨量、历史水流速度数据以及历史水库调度数据,所述实时数据包括实时水位数据、实时降雨量、实时水流速度数据以及实时水库调度数据;所述预处理包括对数据进行去除异常值和填补缺失数据。
3.如权利要求2所述的基于5G技术的水电站下游水位突涨预警方法,其特征在于:所述预警模型包括历史数据时间序列模型和突涨风险评估模型,所述历史数据时间序列模型用于实现对水位和降雨量的预测,所述突涨风险评估模型用于判断水位是否存在突涨的风险。
4.如权利要求3所述的基于5G技术的水电站下游水位突涨预警方法,其特征在于:所述时间序列模型具体包括,
对经过预处理的数据进行平稳性检验,使用ADF检验来判断时间序列数据是否平稳,若数据不平稳,则进行差分操作;
根据自相关函数ACF和偏自相关函数PACF确定模型的阶数;
使用最大似然估计来估计模型的参数,并进行模型拟合;
对拟合的模型进行诊断,检查残差序列是否符合白噪声的特性,若存在模型不适合的情况,调整模型阶数;
使用已训练的模型进行未来时间点的数据预测,设置预测的时间范围和步长,获得对未来时间序列数据的预测结果。
5.如权利要求4所述的基于5G技术的水电站下游水位突涨预警方法,其特征在于:所述突涨风险评估模型具体包括,
收集与突涨风险相关的数据,包括历史水位数据、实时降雨量数据和实时水库调度数据,计算水位的变化速度、降雨的总量和强度、水库调度的变化;
根据特征的相关性和重要性,选择最具代表性的特征,使用特征重要性评估进行选择;
将数据划分为训练集和测试集,用于模型训练和评估,使用训练集进行模型训练,使用评估指标为均方误差、准确率对模型进行评估;
利用训练好的模型,基于最新的实时数据进行突涨风险评估和预测,输入实时数据,利用模型进行预测,得到风险评估结果;
根据模型输出的结果,确定水位突涨风险等级;
根据实际数据和反馈进行模型的更新和调整,提高预测准确性和效果,进行模型的改进和优化。
6.如权利要求5所述的基于5G技术的水电站下游水位突涨预警方法,其特征在于:所述预测结果包括水位高度和水位变化速度;所述危险等级包括水位高度危险等级和水位变化速度危险等级;
其中,所述水位高度危险等级包括水位高度低风险、水位高度中等风险和水位高度高风险;
当水位高度<安全水位时,将水位高度危险等级划分为水位高度低风险;
当安全水位<水位高度<警戒水位时,将水位高度危险等级划分为水位高度中等风险;
当警戒水位<水位高度时,将水位高度危险等级划分为水位高度高风险;
其中,所述安全水位为820m,所述警戒水位为828m;
所述水位变化速度危险等级包括缓慢变化、中等变化和快速变化;
当过去1小时水位变化小于2m,表示未出现急剧的波动,将水位变化速度危险等级划分为缓慢变化;
当过去1小时水位变化在2m—4m之间,表示尚未达到迅速上升的状态,将水位变化速度危险等级划分为缓慢变化;
当过去1小时水位变化大于4m,表示存在急剧的波动,将水位变化速度危险等级划分为快速变化;
所述预警等级包括低风险等级、中风险等级和高风险等级;
当水位高度低风险、水位变化速度缓慢变化时,将预警等级划分为低风险等级;
当水位高度中等风险、水位变化速度中等变化时,将预警等级划分为中风险等级;
当水位高度高风险、水位变化速度快速变化时,将预警等级划分为高风险等级。
7.如权利要求6所述的基于5G技术的水电站下游水位突涨预警方法,其特征在于:所述预警信息包括预警等级、实时水位高度、水位变化速度以及应对措施;所述应对措施包括,
若预警等级为低风险等级,则密切关注水位变化和降雨情况,加强对水电站周边区域的监测和观察;向下游河道人员以及水电站工作人员发送预警通知,提醒注意水位变化;
若预警等级为中风险等级,则加大对下游河道和水电站的巡查力度,密切关注水位和河道情况,确保水库和下游河道的安全,调整水库的放水量、提前疏导下游河道人员和船只;
若预警等级为高风险等级,则启动紧急疏散计划,确保下游居民和人员的安全撤离,开启泄洪设施,降低下游水位;向相关政府部门和应急管理部门报告,寻求支持和协助。
8.一种基于5G技术的水电站下游水位突涨预警系统,基于权利要求1~7任一所述的基于5G技术的水电站下游水位突涨预警方法,其特征在于:包括,
水电站监控模块,用于收集和监控水位突涨数据信息,所述水电站监控模块从EPMS获取泄洪设施开启操作票,把收集的数据信息传输至数据处理服务器模块;
传感器,用于实时监测收集水位、水流速度和雨量数据,并通过无线连接与5G网络通信将数据传输至监控系统;
数据处理服务器模块,用于建立预警模型对收集的数据进行预测和预警等级判断,发送预警信息,触发探测报警器模块进行报警;
探测报警器模块,其包括报警器和无人机,所述探测报警器模块用于探测下游河道人员和船只信息,发送预警通知,提醒下游河道人员和水电站工作人员。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310743275.3A CN116895134A (zh) | 2023-06-21 | 2023-06-21 | 一种基于5g技术的水电站下游水位突涨预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310743275.3A CN116895134A (zh) | 2023-06-21 | 2023-06-21 | 一种基于5g技术的水电站下游水位突涨预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116895134A true CN116895134A (zh) | 2023-10-17 |
Family
ID=88314186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310743275.3A Pending CN116895134A (zh) | 2023-06-21 | 2023-06-21 | 一种基于5g技术的水电站下游水位突涨预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116895134A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689212A (zh) * | 2024-01-30 | 2024-03-12 | 青岛创新奇智科技集团股份有限公司 | 一种生产环境安全监测方法、装置、终端设备和存储介质 |
-
2023
- 2023-06-21 CN CN202310743275.3A patent/CN116895134A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689212A (zh) * | 2024-01-30 | 2024-03-12 | 青岛创新奇智科技集团股份有限公司 | 一种生产环境安全监测方法、装置、终端设备和存储介质 |
CN117689212B (zh) * | 2024-01-30 | 2024-05-14 | 青岛创新奇智科技集团股份有限公司 | 一种生产环境安全监测方法、装置、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742125B (zh) | 预测和防止在结构资产处的不利状况的深度机器学习 | |
KR101134631B1 (ko) | 실시간 수위 예측을 이용한 웹기반 배수갑문 제어시스템 및 배수갑문 제어방법 | |
JP2003281664A (ja) | 災害発生予測方法及び災害発生予測装置 | |
CN116895134A (zh) | 一种基于5g技术的水电站下游水位突涨预警方法及系统 | |
WO2020111934A1 (en) | A method and system for detection of natural disaster occurrence | |
CN112886923B (zh) | 一种雷电天气的光伏电站运维方法及设备 | |
CN111504417A (zh) | 一种配电站房水位预警系统及方法 | |
CN116908942A (zh) | 一种基于降水预报的城市内涝告警装置及方法 | |
CN110097223B (zh) | 一种台风灾害下输电线路损毁预警方法 | |
CN109471205B (zh) | 一种基于网格化气象数据在电网运行中的监测预警方法 | |
KR101556463B1 (ko) | 열대 저기압의 강풍과 폭우 지수를 이용한 인명 및 재산피해 규모 추정 방법, 시스템, 및 프로그램 | |
CN116990847B (zh) | 基于边缘计算的北斗gnss接收机解算方法和系统 | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN113375645A (zh) | 水情测报系统 | |
CN116702645B (zh) | 一种中小河流警戒水位拟定方法、系统及可读存储介质 | |
KR102614029B1 (ko) | 축적된 데이터를 활용한 소하천 스마트 예측 관리 시스템 및 그 방법 | |
CN116910491A (zh) | 一种雷电监测预警系统、方法、电子设备及存储介质 | |
CN117033935A (zh) | 基于贝叶斯融合的统计与监测下的场降雨特征的预测方法 | |
CN115188163A (zh) | 一种基于暴雨与洪水相似性的洪水预警方法及系统 | |
CN114358165A (zh) | 基于多源数据融合的预防光伏组件接地故障的检测方法 | |
KR20190043962A (ko) | 기후 데이터와 안전성 평가 알고리즘 기반 중소 규모 건축물의 건축물 안전성 평가 방법 및 건축물 안전성 평가 장치 | |
CN117291432B (zh) | 一种基于人工智能的水资源调度监测系统 | |
CN117827990B (zh) | 一种适用于水利工程的数据处理方法及系统 | |
CN117951446B (zh) | 一种信号发射塔的监测方法及系统 | |
CN117726043B (zh) | 一种水库水情自动测报及预报方法 |
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 |