CN116993030A - 变化条件下水库压咸补淡调度方法及系统 - Google Patents
变化条件下水库压咸补淡调度方法及系统 Download PDFInfo
- Publication number
- CN116993030A CN116993030A CN202311260822.9A CN202311260822A CN116993030A CN 116993030 A CN116993030 A CN 116993030A CN 202311260822 A CN202311260822 A CN 202311260822A CN 116993030 A CN116993030 A CN 116993030A
- Authority
- CN
- China
- Prior art keywords
- data
- flow
- model
- fresh water
- constructing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 235000019643 salty taste Nutrition 0.000 title claims abstract description 37
- 239000013535 sea water Substances 0.000 claims abstract description 86
- 238000011160 research Methods 0.000 claims abstract description 52
- 239000013505 freshwater Substances 0.000 claims abstract description 46
- 150000003839 salts Chemical class 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 26
- 230000009545 invasion Effects 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 230000001105 regulatory effect Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 230000001502 supplementing effect Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000007619 statistical method Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000008901 benefit Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000012300 Sequence Analysis Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 66
- 238000010586 diagram Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000010206 sensitivity analysis Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 3
- 229910052801 chlorine Inorganic materials 0.000 description 3
- 239000000460 chlorine Substances 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012384 transportation and delivery 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种变化条件下水库压咸补淡调度方法及系统。采集预定区域的研究数据,对研究区域进行概化,构建区域河网拓扑;读取研究数据,获取预定区域中各个站点的N个时间周期的海水流量数据,分析预定站点的流量和咸潮入侵之间的关联关系,并针对每一时间周期构建海水流量时空演进模型;针对每个时间周期,获取研究区域的降雨数据和各个站点的淡水径流量,分析各个站点及第一终点的淡水流量变化趋势和水文情势变化趋势,并构建淡水流量时空演进模型;构建压咸补淡调度模型进行模拟,给出调度方法,形成调度方案集。本申请通过模拟分析明晰了控制站流量对水库下泄流量变化的响应关系;提出了水库对江口的压咸补淡调度方案。
Description
技术领域
本发明涉及水库调度技术,尤其是用于在变化条件下抵御和防治咸潮的水库调度方法。
背景技术
沿海地区,特别是三角洲地区,一般也是人口稠密、经济发达地区。随着经济发展和人口的急剧增加,导致三角洲地区的用水日超紧张。每年枯水季,河口遭受海洋咸潮入侵,严重威协着三角洲地区的用水,引发各种生产生活的水安全问题,严重制约长江口的水资源开发利用和经济发展。
为了解决现有技术存在的上述问题,现有技术主要采取调水措施来实现以淡压咸。但流域水资源的开发与调度已经并将进一步对水资源情势及生态环境产生影响,同时水资源调度对河口咸潮入侵情势影响已成为社会各界广泛关注的问题。
因此,需要进行深入的研究和创新。
发明内容
发明目的:一方面,提供一种变化条件下水库压咸补淡调度方法,以解决现有技术存在的上述问题。另一方面提供一种实现上述方法的系统。
技术方案:提供一种变化条件下水库压咸补淡调度方法,包括如下步骤:
步骤S1、采集预定区域的研究数据,对研究区域进行概化,构建区域河网拓扑,所述河网拓扑至少包括第一起点和第一终点;所述第一起点为淡水流量的起始点,所述第一终点为淡水入海流量的终止点和海水入侵流量的起始点;
步骤S2、读取研究数据,获取预定区域中各个站点的N个时间周期的海水流量数据,分析预定站点的流量和咸潮入侵之间的关联关系,并针对每一时间周期构建海水流量时空演进模型;N为正整数;
步骤S3、针对每个时间周期,获取研究区域的降雨数据和各个站点的淡水径流量,分析各个站点及第一终点的淡水流量变化趋势和水文情势变化趋势,并构建淡水流量时空演进模型;
步骤S4、构建压咸补淡调度模型,获取研究区域当前水文气象数据和预测的未来水文气象数据,通过海水流量时空演进模型、以及淡水流量时空演进模型对研究区域的压咸补淡效果进行模拟,给出调度方法,形成调度方案集。
根据本申请的一个方面,所述步骤S1进一步为:
步骤S11、划定研究区域的范围,根据研究目的和区域特征,读取研究数据并预处理和格式转换;
步骤S12、构建GIS模型,从预处理后的研究数据中选择数据内容和数据类型作为GIS模型的输入数据;采用GIS模型对研究区域进行空间分析和处理,提取河流网络、流域边界和水文站点,并进行投影转换和坐标匹配;
步骤S13、构建并利用数字流域模型对区域河网拓扑进行构建和编辑,提取河网拓扑中的每个分支,并确定河网拓扑的第一起点和第一终点的位置和属性,并设置其余节点的参数和关系,以及各个分支起点和终点。
根据本申请的一个方面,所述步骤S2进一步为:
步骤S21、读取研究数据并采用预配置的数据管理模块进行查询和分析,进行时间周期的划分,按照时间顺序和空间位置提取各个站点的海水流量数据,并进行统计分析和异常值处理;
步骤S22、利用相关分析法或回归分析法,计算预定站点的流量与咸潮入侵指标之间的相关系数或回归方程,并评估其显著性和拟合度;
步骤S23、针对每一时间周期,根据各个站点的历史海水流量数据和咸潮入侵指标数据,构建并验证海水流量时空演进模型。
根据本申请的一个方面,所述步骤S3进一步为:
步骤S31、读取研究数据并按照时间顺序和空间位置提取各个站点的降雨数据和淡水入海径流量数据;
步骤S32、利用趋势分析法或时间序列分析方法,计算各站点及第一终点的海水流量与降雨量和淡水入海径流量之间的变化趋势或周期性,并评估其稳定性和可预测性;
步骤S33、基于水力模拟方法,构建淡水流量时空演进与海水减退模型,以各个站点的历史降雨数据和淡水入海径流量数据作为训练数据,以预测未来时段的淡水流量和海水减退效果。
根据本申请的一个方面,所述步骤S4进一步为:
步骤S41、按照时间顺序和空间位置提取研究区域当前水文气象数据和预测的未来水文气象数据,并进行统计分析和异常值处理;
步骤S42、利用多目标优化方法,根据压咸补淡的目标函数和约束条件构建压咸补淡调度模型,基于预配置的算法求解目标函数,获得最优解集;
步骤S43、针对最优解集中的每一最优解,利用海水流量时空演进模型、以及淡水流量时空演进和海水减退模型,对调度方案集进行模拟评估,并根据综合效益选择最优方案。
根据本申请的一个方面,所述步骤S21还包括:
步骤S21a、基于河网拓扑获取各个站点的关联关系及距离参数;
步骤S21b、基于所述关联关系和距离参数对海水流量数据进行预处理,所述预处理包括统计分析和去除异常值;
步骤S21c、通过预处理后的海水流量数据,构建并求解海水梯度分布模型。
根据本申请的一个方面,所述步骤S23还包括:基于所述海水流量时空演进模型,计算海水流量的时空演进,并基于海水梯度分布模型进行校正。
根据本申请的一个方面,所述步骤S21中,进行时间周期划分的过程具体为:采用线性趋势分析法或Mann-Kendall 秩次分析方法分析流域降雨及入海径流的年/枯季变化趋势。
根据本申请的另一个方面,提供一种变化条件下水库压咸补淡调度系统,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述任一项技术方案所述的变化条件下水库压咸补淡调度方法。
有益效果:采用多要素相关分析提出了保障长江口水源地供水安全的大通流量阈值;量化了上游水库群运行后对站点枯季流量的影响效果,通过模拟分析明晰了控制站流量对水库下泄流量变化的响应关系;提出了水库对江口的压咸补淡调度方案。
附图说明
图1是本发明的流程图。
图2是本发明步骤S1的流程图。
图3是本发明步骤S2的流程图。
图4是本发明步骤S3的流程图。
图5是本发明的长江流域年雨量 MK 分析图。
具体实施方式
实施例一:提供一种变化条件下水库压咸补淡调度方法,包括如下步骤:
步骤S1、采集预定区域的研究数据,对研究区域进行概化,构建区域河网拓扑,所述河网拓扑至少包括第一起点和第一终点;所述第一起点为淡水流量的起始点,所述第一终点为淡水入海流量的终止点和海水入侵流量的起始点;
步骤S2、读取研究数据,获取预定区域中各个站点的N个时间周期的海水流量数据,分析预定站点的流量和咸潮入侵之间的关联关系,并针对每一时间周期构建海水流量时空演进模型;N为正整数;
步骤S3、针对每个时间周期,获取研究区域的降雨数据和各个站点的淡水径流量,分析各个站点及第一终点的淡水流量变化趋势和水文情势变化趋势,并构建淡水流量时空演进模型;
步骤S4、构建压咸补淡调度模型,获取研究区域当前水文气象数据和预测的未来水文气象数据,通过海水流量时空演进模型、以及淡水流量时空演进模型对研究区域的压咸补淡效果进行模拟,给出调度方法,形成调度方案集。
在本实施例中,首先通过采集的数据,分析海水流量的时空演进规律,然后基于水库、水网拓扑和降水等研究数据分析淡水流量在河网中的时空演变。基于上述分析基础,根据研究目的构建压咸补淡调度模型,包括目标函数和约束条件,然后计算出可行的调度方案并优选。
根据本申请的一个方面,所述步骤S1进一步为:
步骤S11、划定研究区域的范围,根据研究目的和区域特征,读取研究数据并预处理和格式转换。据研究区域的范围、分辨率、时间尺度等要求,从不同的数据源获取相应的数据类型,如卫星影像、数字高程模型(DEM)、水位流量观测值、降雨量预报值等;对获取的数据进行质量检查,排除异常值、缺失值、噪声等影响数据准确性的因素;对不同格式的数据进行格式转换,如将栅格数据转换为矢量数据,或将图像文件转换为文本文件等;将处理后的数据存储为统一的格式,如shapefile、csv、txt等,便于后续的空间分析和处理。
比如,从遥感中心获取该流域的卫星影像数据,从测绘局获取该流域的DEM数据,从水利部获取该流域的水位流量观测值,从气象局获取该流域的降雨量预报值。这些数据可能有不同的格式,如卫星影像数据为tif格式,DEM数据为asc格式,水位流量观测值为xls格式,降雨量预报值为txt格式。因此,在进行质量检查后,需要将这些数据转换为统一的格式,如shapefile格式或csv格式。
步骤S12、构建GIS模型,从预处理后的研究数据中选择数据内容和数据类型作为GIS模型的输入数据;采用GIS模型对研究区域进行空间分析和处理,提取河流网络、流域边界和水文站点,并进行投影转换和坐标匹配。该步骤主要是:将数据导入GIS软件,如ArcGIS、QGIS等;数据处理过程可以为:利用DEM提取河流网络和流域边界,并生成河流属性表和流域属性表;利用水文站点的位置信息,在河流网络上创建节点,并生成节点属性表;利用投影转换工具,将不同坐标系或投影方式的数据转换为统一的坐标系或投影方式,如WGS84或UTM等;利用坐标匹配工具,将不同空间参考的数据进行对齐,如将卫星影像与DEM进行配准等。
步骤S13、构建并利用数字流域模型对区域河网拓扑进行构建和编辑,提取河网拓扑中的每个分支,并确定河网拓扑的第一起点和第一终点的位置和属性,并设置其余节点的参数和关系,以及各个分支起点和终点。基于河网拓扑数据进行构建和编辑,比如定义节点和分支的编号和名称;利用流域边界确定第一起点和第一终点,并设置其位置和属性,如入库流量、出海流量等;利用水文站点设置其他节点的参数和属性,如水位、流量、盐度等;利用河流属性表设置分支的参数和属性,如长度、宽度、坡度、粗糙度等。将处理后的数据存储为统一的格式,如inp、prj等,并生成河网拓扑图。
根据本申请的一个方面,所述步骤S2进一步为:
步骤S21、读取研究数据并采用预配置的数据管理模块进行查询和分析,进行时间周期的划分,按照时间顺序和空间位置提取各个站点的海水流量数据,并进行统计分析和异常值处理;
步骤S22、利用相关分析法或回归分析法,计算预定站点的流量与咸潮入侵指标之间的相关系数或回归方程,并评估其显著性和拟合度。可以利用相关分析方法,计算预定站点的流量与咸潮入侵指标(如盐度、电导率等)之间的相关系数,并绘制散点图和相关矩阵图,评估其线性相关性。也可以利用回归分析方法,根据预定站点的流量与咸潮入侵指标之间的关系,选择合适的回归模型(如线性回归、非线性回归等),并求解回归方程和回归系数,评估其拟合度和显著性。
步骤S23、针对每一时间周期,根据各个站点的历史海水流量数据和咸潮入侵指标数据,构建并验证海水流量时空演进模型。
在进一步的实施例中,步骤S23还可以为:
步骤S24、构建时空拓扑分析模块,并对各个站点的海水流量数据和咸潮入侵指标数据进行时空拓扑分析,提取时空数据的拓扑特征和动态演化规律,所述拓扑特征包括持续同调、映射度量和熵;
根据提取的时空数据的拓扑特征和动态演化规律,选择合适的预测模型(包括深度神经网络和长短期记忆网络),并设置参数(包括学习率和迭代次数),训练并验证海水流量时空演进模型,并用于预测未来时段的海水流量;利用模型评估工具,对训练并验证后的海水流量时空演进模型进行评估,计算模型的预测精度和可靠性,并与其他方法(如线性回归、支持向量机等)进行比较。
根据本申请的一个方面,所述步骤S3进一步为:
步骤S31、读取研究数据并按照时间顺序和空间位置提取各个站点的降雨数据和淡水入海径流量数据。
步骤S32、利用趋势分析法或时间序列分析方法,计算各站点及第一终点的海水流量与降雨量和淡水入海径流量之间的变化趋势或周期性,并评估其稳定性和可预测性;
步骤S33、基于水力模拟方法,构建淡水流量时空演进与海水减退模型,以各个站点的历史降雨数据和淡水入海径流量数据作为训练数据,以预测未来时段的淡水流量和海水减退效果。
在一些实施例中,步骤S3可以和步骤S2同时进行或分析。在本步骤中,通过构建淡水流量的时空演进模型,可以预测和评估水库来水和降水在水网中的分布情况,然后为后续的压咸补淡过程提供计算基础。
根据本申请的一个方面,所述步骤S4进一步为:
步骤S41、按照时间顺序和空间位置提取研究区域当前水文气象数据和预测的未来水文气象数据,并进行统计分析和异常值处理。比如获取研究区域的水文气象数据,包括各个江河入海口的流量、水位、含氯度等,以及未来一周的降雨预报。利用Excel或SPSS等软件进行统计分析,计算各个站点的平均值、标准差、最大值、最小值等,并绘制折线图和柱状图。可以利用箱线图或3σ法则等方法检测并剔除异常值。
步骤S42、利用多目标优化方法,根据压咸补淡的目标函数和约束条件构建压咸补淡调度模型,基于预配置的算法求解目标函数,获得最优解集。
目标函数可以为min∑N i=1wifi(x),N为目标个数,wi为目标权重,fi(x)为第i个目标函数,x为决策变量;目标函数主要包括:压咸效果、供水安全、生态保护、航运保障和发电效益等方面。约束条件主要是流量流速等约束。以及水库蓄水量不超过正常蓄水位;水库出库流量不超过最大下泄流量;水库入库流量等于上游出库流量和沿途径流量之和;水库出库流量满足下游需求和河道损失之和。利用遗传算法或粒子群算法等预配置的算法求解目标函数,获得一组非劣解集,然后优选出最优解集。
步骤S43、针对最优解集中的每一最优解,利用海水流量时空演进模型、以及淡水流量时空演进和海水减退模型,对调度方案集进行模拟评估,并根据综合效益选择最优方案。主要包括:利用海水流量时空演进模型、以及淡水流量时空演进和海水减退模型,对调度方案集进行模拟评估。利用综合效益评价方法,对各个方案进行打分,并根据得分高低选择最优方案。将最优方案中的各个水库出库流量作为调度指令,下达给相关单位执行。
根据本申请的一个方面,所述步骤S21还包括:
步骤S21a、基于河网拓扑获取各个站点的关联关系及距离参数;
在该实施例中,可以利用河网拓扑构建方法,从GIS模型中提取河网拓扑结构,包括各个站点的位置、属性、连接关系等。根据河网拓扑结构,计算各个站点之间的距离参数,包括河道长度、宽度、深度、坡度等。
步骤S21b、基于所述关联关系和距离参数对海水流量数据进行预处理,所述预处理包括统计分析和去除异常值。
在该实施例中,利用数据预处理方法,对海水流量数据进行统计分析,包括计算平均值、标准差、最大值、最小值等,并绘制频率分布图和散点图。利用箱线图或3σ法则等方法检测并剔除异常值,如超过或低于正常范围的流量数据。根据各个站点的关联关系和距离参数,对海水流量数据进行插值或平滑处理,消除数据的不连续性或噪声。
步骤S21c、通过预处理后的海水流量数据,构建并求解海水梯度分布模型。
在本实施例中,构建并利用海水梯度分布模型,根据预处理后的海水流量数据,建立并求解海水梯度分布方程,得到各个站点的海水梯度值。海水梯度是指沿河道方向海水流量的变化率,反映了海水流量在空间上的分布特征。海水梯度分布模型可以用以下公式表示:
。Q为海水流量,x为沿河道方向的坐标,g为重力加速度,A为河道横截面积,n为曼宁系数,R为水力半径,S0为河道底坡。
根据本申请的一个方面,所述步骤S23还包括:基于所述海水流量时空演进模型,计算海水流量的时空演进,并基于海水梯度分布模型进行校正。
根据本申请的一个方面,所述步骤S21中,进行时间周期划分的过程具体为:采用线性趋势分析法或Mann-Kendall 秩次分析方法分析流域降雨及入海径流的年/枯季变化趋势。
根据本申请的一个方面,步骤S4还包括形成精细化和智能化压咸补淡模拟过程:
基于研究数据构建机器学习输入数据集,
构建压咸补淡效果的预测模型和评价模型,并采用对用的模型给出数据结构,包括预测结果和评价结果。
所述研究数据包括水文气象数据、地形地貌数据、水利工程数据、遥感影像数据、物联网传感器数据。其中数据预处理过程包括:质量检验、异常值处理、空间插值、时间平滑等预处理操作,提高数据的一致性和完整性;质量检验是指对数据的有效性、准确性、完整性等进行评估;异常值处理是指对超出正常范围或与其他数据不一致的数据进行剔除或修正;空间插值是指根据已知位置的数据,推算未知位置的数据;时间平滑是指根据已知时间的数据,消除噪声或填补缺失值。
在某个实施例中,压咸补淡效果的预测模型,可以选择水文气象数据、水利工程数据、物联网传感器数据等作为输入数据。压咸补淡效果的评价模型,可以选择遥感影像数据、物联网传感器数据等作为输入数据。
根据本申请的一个方面,步骤S4还包括根据实际情况对调度方案集中的调度方案进行优化和调整。以适应研究区域内外部的变化因素,如气候变化、人类活动、水利工程等。
具体过程可以如下:
步骤S4I、获取水文气象观测和预测数据,包括流域降雨量、入海径流量和海水潮位;利用Excel或SPSS等软件进行统计分析,计算各个站点的平均值、标准差、最大值、最小值等,并绘制折线图和柱状图。利用箱线图或3σ法则等方法检测并剔除异常值。根据时间顺序和空间位置提取各个站点的水文气象观测和预测数据,并进行时间序列分析,如趋势分析、周期分析、季节性分析等。处理后的水文气象观测和预测数据,以表格或图形的形式展示在屏幕上或保存在文件中。
步骤S4II、获取流域水资源评价和规划结果,包括流域水资源总量、可利用水量、需水量、供水量和缺水量;
计算各个站点的平均值、标准差、最大值、最小值等,并绘制折线图和柱状图。利用箱线图或3σ法则等方法检测并剔除异常值。根据时间顺序和空间位置提取各个站点的流域水资源评价和规划结果,并进行对比分析,如差异分析、占比分析、变化率分析等。处理后的流域水资源评价和规划结果,以表格或图形的形式展示在屏幕上或保存在文件中。
步骤S4III、分析流域内外部变化因素对压咸补淡调度方法和系统的影响,并根据不同情景进行敏感性分析和风险评估;
编写敏感性分析和风险评估的程序,分析流域内外部变化因素对压咸补淡调度方法和系统的影响;敏感性分析是指分析压咸补淡调度方法和系统的输出对输入参数的变化的响应程度;风险评估是指分析压咸补淡调度方法和系统在不同情景下可能出现的不利后果的概率和严重程度;根据不同情景,如枯水期、平水期、丰水期等,设定不同的输入参数,如降雨量、入海径流量、海水潮位等,运行敏感性分析和风险评估的程序,得到压咸补淡调度方法和系统的输出结果,如压咸效果、供水安全、生态保护、航运保障、发电效益等,并进行对比分析,如敏感性系数分析、风险等级分析、风险控制措施分析等。
步骤SIV、对压咸补淡调度方案进行动态调整和优化,平衡各方利益和需求;
根据敏感性分析和风险评估的结果,确定压咸补淡调度方案的目标函数和约束条件;目标函数是指反映压咸补淡调度方案的综合效益的数学表达式,如最小化缺水量、最大化发电量等;约束条件是指限制压咸补淡调度方案可行性的条件,如水库蓄水量不超过正常蓄水位、河道流量满足下游需求等;
利用Matlab或Python等编程语言,运行多目标优化和博弈论的程序,对压咸补淡调度方案进行动态调整和优化,平衡各方利益和需求;多目标优化是指在满足约束条件的前提下,寻找使多个目标函数同时达到最优或接近最优的解决方案;博弈论是指研究多个参与方之间互相影响、互相竞争或合作的决策理论;根据不同情景,如枯水期、平水期、丰水期等,设定不同的输入参数,如降雨量、入海径流量、海水潮位等,以及各个参与方的偏好或权重,如水利部门、供水部门、发电部门、航运部门、生态部门等;利用遗传算法或粒子群算法等方法,求解多目标优化问题,得到一组非劣解集,即同时满足多个目标函数的解决方案集合;利用纳什均衡或帕累托最优等方法,从非劣解集中选择一个最优解,即能够平衡各个参与方利益和需求的解决方案;压咸补淡调度方案的动态调整和优化结果,以表格或图形的形式展示在屏幕上或保存在文件中。
实施例二、提供一种变化条件下水库压咸补淡调度方法,包括如下步骤:
步骤1、收集入海径流控制站历史径流实测资料及其上游水库群调度运行资料,采用线性趋势分析法或Mann-Kendall 秩次分析方法分析流域降雨及入海径流的年/枯季变化趋势,并选取年最小流量、历史上较易发生咸潮入侵的典型枯水月分析径流变化趋势,分析枯水径流频率变化;
步骤2、收集研究河段的涉水工程资料,基于实况运行资料分析枯季引取排水工程的运行对长江口径流量的影响;
步骤3、根据实测资料及构建的水力学模型统计分析三峡水库出库流量至大通站的传播时间,结合入海径流控制站的流量与江口咸潮入侵相关关系分析成果,考虑天文潮潮位、水库可供水量及传播时间,构建水库多目标优化调度模型,采用优化-模拟技术,通过多目标优化分析,提出水库优化调度方案。
根据本申请的一个方面,分析入海径流控制站年径流及枯季径流组成,明晰三峡以上来水比重;基于水库运行资料,分水库蓄水期和枯水期两个运行阶段,分析水库运行前后入海径流控制站径流变化,并进行还原分析;结合已有的流域中下游预报模型和构建的流域中下游水力学模型,探讨水库下泄变化对入海径流控制站径流的响应关系。
根据本申请的一个方面,根据历年长江口咸潮入侵统计资料,分析长江口发生咸潮入侵的影响因素,选取主要影响因子,如大通日均流量、咸潮持续时间、水质、潮位等建立相关关系;分析大通站生态基流,结合防控长江口咸潮入侵、保障水源地供水安全的要求,确定大通临界流量阈值。
根据本申请的一个方面,采用线性倾向估计、M-K 趋势检验法、小波分析法等趋势检验方法分析降雨的年趋势变化和枯季趋势变化,以及控制站枯季、典型枯水月、年最小流量的趋势变化。
根据本申请的一个方面,所述步骤S2包括:对控制站来水量和控制站以下沿江引取水工程取水量的大小进行敏感性分析,选择引取水流量对典型站(大通站)以下流量减少程度为敏感性考察指标,P=(Q典型站-Q引取水)/ Q典型站 ×100%。
根据本申请的一个方面,还包括:
构建下游水力学模型,确定河网概化及模拟河段的河长参数,水力学模型水动力模块参数为糙率,按断面分三层分别设定糙率开展率定工作。
根据本申请的一个方面,还包括分析咸潮入侵影响因子,通过对影响取水口氯度(发生咸潮入侵)的较为常见的因素大通站日均流量和徐六泾潮差进行分析,确定在不同咸潮入侵持续时间下,日均流量和潮差之间的相关关系,分析该相关关系可以发现:在特定的咸潮入侵持续时间下,随着潮差的增大,所需用于压制咸潮的临界流量也随之增大。
根据本申请的一个方面,完善咸潮监测网络,提高咸潮预报精度,在现有监测站点基础上整合归并及新建站点,形成覆盖整个长江口的完整的咸潮监测站网,初步建立长江河口氯度同步监测系统,加强咸潮入侵预报技术研究。
根据本申请的一个方面,结合中期来水预报和咸潮预报预警,考虑传播时间至少提前 5 天左右三峡需开始补水,若补水维持时间按 10 天且需补水效果达到最优,需在预报咸潮来临时刻提前18~20 天左右部署三峡补水调度工作。
根据本申请的一个方面,提供一种变化条件下水库压咸补淡调度系统,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述任一项技术方案所述的变化条件下水库压咸补淡调度方法。
需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (9)
1.变化条件下水库压咸补淡调度方法,其特征在于,包括如下步骤:
步骤S1、采集预定区域的研究数据,对研究区域进行概化,构建区域河网拓扑,所述河网拓扑至少包括第一起点和第一终点;所述第一起点为淡水流量的起始点,所述第一终点为淡水入海流量的终止点和海水入侵流量的起始点;
步骤S2、读取研究数据,获取预定区域中各个站点的N个时间周期的海水流量数据,分析预定站点的流量和咸潮入侵之间的关联关系,并针对每一时间周期构建海水流量时空演进模型;N为正整数;
步骤S3、针对每个时间周期,获取研究区域的降雨数据和各个站点的淡水径流量,分析各个站点及第一终点的淡水流量变化趋势和水文情势变化趋势,并构建淡水流量时空演进模型;
步骤S4、构建压咸补淡调度模型,获取研究区域当前水文气象数据和预测的未来水文气象数据,通过海水流量时空演进模型、以及淡水流量时空演进模型对研究区域的压咸补淡效果进行模拟,给出调度方法,形成调度方案集。
2.如权利要求1所述的变化条件下水库压咸补淡调度方法,其特征在于,所述步骤S1进一步为:
步骤S11、划定研究区域的范围,根据研究目的和区域特征,读取研究数据并预处理和格式转换;
步骤S12、构建GIS模型,从预处理后的研究数据中选择数据内容和数据类型作为GIS模型的输入数据;采用GIS模型对研究区域进行空间分析和处理,提取河流网络、流域边界和水文站点,并进行投影转换和坐标匹配;
步骤S13、构建并利用数字流域模型对区域河网拓扑进行构建和编辑,提取河网拓扑中的每个分支,并确定河网拓扑的第一起点和第一终点的位置和属性,并设置其余节点的参数和关系,以及各个分支起点和终点。
3.如权利要求1所述的变化条件下水库压咸补淡调度方法,其特征在于,所述步骤S2进一步为:
步骤S21、读取研究数据并采用预配置的数据管理模块进行查询和分析,进行时间周期的划分,按照时间顺序和空间位置提取各个站点的海水流量数据,并进行统计分析和异常值处理;
步骤S22、利用相关分析法或回归分析法,计算预定站点的流量与咸潮入侵指标之间的相关系数或回归方程,并评估其显著性和拟合度;
步骤S23、针对每一时间周期,根据各个站点的历史海水流量数据和咸潮入侵指标数据,构建并验证海水流量时空演进模型。
4.如权利要求1所述的变化条件下水库压咸补淡调度方法,其特征在于,所述步骤S3进一步为:
步骤S31、读取研究数据并按照时间顺序和空间位置提取各个站点的降雨数据和淡水入海径流量数据;
步骤S32、利用趋势分析法或时间序列分析方法,计算各站点及第一终点的海水流量与降雨量和淡水入海径流量之间的变化趋势或周期性,并评估其稳定性和可预测性;
步骤S33、基于水力模拟方法,构建淡水流量时空演进与海水减退模型,以各个站点的历史降雨数据和淡水入海径流量数据作为训练数据,以预测未来时段的淡水流量和海水减退效果。
5.如权利要求1所述的变化条件下水库压咸补淡调度方法,其特征在于,所述步骤S4进一步为:
步骤S41、按照时间顺序和空间位置提取研究区域当前水文气象数据和预测的未来水文气象数据,并进行统计分析和异常值处理;
步骤S42、利用多目标优化方法,根据压咸补淡的目标函数和约束条件构建压咸补淡调度模型,基于预配置的算法求解目标函数,获得最优解集;
步骤S43、针对最优解集中的每一最优解,利用海水流量时空演进模型、以及淡水流量时空演进和海水减退模型,对调度方案集进行模拟评估,并根据综合效益选择最优方案。
6.如权利要求3所述的变化条件下水库压咸补淡调度方法,其特征在于,所述步骤S21还包括:
步骤S21a、基于河网拓扑获取各个站点的关联关系及距离参数;
步骤S21b、基于所述关联关系和距离参数对海水流量数据进行预处理,所述预处理包括统计分析和去除异常值;
步骤S21c、通过预处理后的海水流量数据,构建并求解海水梯度分布模型。
7.如权利要求6所述的变化条件下水库压咸补淡调度方法,其特征在于,所述步骤S23还包括:基于所述海水流量时空演进模型,计算海水流量的时空演进,并基于海水梯度分布模型进行校正。
8. 如权利要求1所述的变化条件下水库压咸补淡调度方法,其特征在于,所述步骤S21中,进行时间周期划分的过程具体为:采用线性趋势分析法或Mann-Kendall 秩次分析方法分析流域降雨及入海径流的年/枯季变化趋势。
9. 一种变化条件下水库压咸补淡调度系统,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求1~8任一项所述的变化条件下水库压咸补淡调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311260822.9A CN116993030B (zh) | 2023-09-27 | 2023-09-27 | 变化条件下水库压咸补淡调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311260822.9A CN116993030B (zh) | 2023-09-27 | 2023-09-27 | 变化条件下水库压咸补淡调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116993030A true CN116993030A (zh) | 2023-11-03 |
CN116993030B CN116993030B (zh) | 2023-12-08 |
Family
ID=88530644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311260822.9A Active CN116993030B (zh) | 2023-09-27 | 2023-09-27 | 变化条件下水库压咸补淡调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993030B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893179A (zh) * | 2024-03-18 | 2024-04-16 | 四川嘉源生态发展有限责任公司 | 基于数字孪生的水利电力工程建造管控方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013059743A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | 海水淡水化プラントシステム |
CN103106625A (zh) * | 2013-03-08 | 2013-05-15 | 珠江水利委员会珠江水利科学研究院 | 水库、闸泵群联合抑咸调度方法 |
CN110188959A (zh) * | 2019-06-03 | 2019-08-30 | 河海大学 | 一种城市内河水量水质优化调控方法 |
CN110956395A (zh) * | 2019-11-28 | 2020-04-03 | 中山公用水务有限公司 | 一种基于抗咸应急处理的供水运营管理方法及系统 |
CN111709132A (zh) * | 2020-06-10 | 2020-09-25 | 杭州电子科技大学 | 一种全流程反渗透海水淡化装置及其优化方法 |
CN112365128A (zh) * | 2020-10-21 | 2021-02-12 | 西安理工大学 | 基于报童原理的水库群调度风险量化方法 |
CN113449960A (zh) * | 2021-05-19 | 2021-09-28 | 上海勘测设计研究院有限公司 | 河口区湖库与岛洲河网水资源运行调度方法、系统及装置 |
CN113723791A (zh) * | 2021-08-24 | 2021-11-30 | 中山大学 | 一种基于避咸蓄淡的城市供水分析方法及装置 |
WO2023087995A1 (zh) * | 2021-11-16 | 2023-05-25 | 河海大学 | 一种分汊河道分流比与分污比及其演变规律的研究方法 |
CN116244958A (zh) * | 2023-03-13 | 2023-06-09 | 威海市水文中心(威海市水土保持监测站) | 一种流域内海水入侵地下水采补平衡研究方法 |
-
2023
- 2023-09-27 CN CN202311260822.9A patent/CN116993030B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013059743A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | 海水淡水化プラントシステム |
CN103106625A (zh) * | 2013-03-08 | 2013-05-15 | 珠江水利委员会珠江水利科学研究院 | 水库、闸泵群联合抑咸调度方法 |
CN110188959A (zh) * | 2019-06-03 | 2019-08-30 | 河海大学 | 一种城市内河水量水质优化调控方法 |
CN110956395A (zh) * | 2019-11-28 | 2020-04-03 | 中山公用水务有限公司 | 一种基于抗咸应急处理的供水运营管理方法及系统 |
CN111709132A (zh) * | 2020-06-10 | 2020-09-25 | 杭州电子科技大学 | 一种全流程反渗透海水淡化装置及其优化方法 |
CN112365128A (zh) * | 2020-10-21 | 2021-02-12 | 西安理工大学 | 基于报童原理的水库群调度风险量化方法 |
CN113449960A (zh) * | 2021-05-19 | 2021-09-28 | 上海勘测设计研究院有限公司 | 河口区湖库与岛洲河网水资源运行调度方法、系统及装置 |
CN113723791A (zh) * | 2021-08-24 | 2021-11-30 | 中山大学 | 一种基于避咸蓄淡的城市供水分析方法及装置 |
WO2023087995A1 (zh) * | 2021-11-16 | 2023-05-25 | 河海大学 | 一种分汊河道分流比与分污比及其演变规律的研究方法 |
CN116244958A (zh) * | 2023-03-13 | 2023-06-09 | 威海市水文中心(威海市水土保持监测站) | 一种流域内海水入侵地下水采补平衡研究方法 |
Non-Patent Citations (4)
Title |
---|
R. BHUSHAN 等: "Integrating desalination to reservoir operation to increase redundancy for more secure water supply", 《WATER RESOURCES RESEARCH》, pages 6137 - 6155 * |
白涛 等: "西江流域压咸风险调度及其时空传递规律研究", 《水力发电学报》, pages 71 - 80 * |
许银山 等: "2022 年长江口压咸补淡调度实践及成效", 《人民长江》, pages 40 - 45 * |
高华斌,唐兵: "应对长江口咸潮入侵的临界流量经验模型研究", 《长江科学院院报》, pages 29 - 33 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893179A (zh) * | 2024-03-18 | 2024-04-16 | 四川嘉源生态发展有限责任公司 | 基于数字孪生的水利电力工程建造管控方法及系统 |
CN117893179B (zh) * | 2024-03-18 | 2024-05-28 | 四川嘉源生态发展有限责任公司 | 基于数字孪生的水利电力工程建造管控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116993030B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021238505A1 (zh) | 基于联邦学习的区域光伏功率概率预测方法及协同调控系统 | |
Zhao et al. | Integrating a reservoir regulation scheme into a spatially distributed hydrological model | |
CN110991687B (zh) | 一种基于经验模型的水资源调度优化方法 | |
Behm et al. | How to model European electricity load profiles using artificial neural networks | |
Stathopoulos et al. | Wind power prediction based on numerical and statistical models | |
CN107316095B (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
Fay et al. | On the influence of weather forecast errors in short-term load forecasting models | |
CN108491682B (zh) | 降雨径流预报系统 | |
CN108764515A (zh) | 一种耦合数值气象水文集合预报的水库调度风险决策方法 | |
CN110705772B (zh) | 区域电网风力发电功率预测优化方法和装置 | |
Tang et al. | Value of medium-range precipitation forecasts in inflow prediction and hydropower optimization | |
CN116993030B (zh) | 变化条件下水库压咸补淡调度方法及系统 | |
KR101285044B1 (ko) | 발전용 댐의 홍수기 수문방류량 결정방법 | |
JP2009294969A (ja) | 需要予測方法および需要予測装置 | |
CN112686426B (zh) | 一种基于水电站流域关键点的来水量预警方法及系统 | |
EP4303785A1 (en) | Reservoir flow rate regulating method and apparatus, electronic device, and storage medium | |
Wang et al. | Modeling domestic water demand in Huaihe River Basin of China under climate change and population dynamics | |
CN111915083A (zh) | 一种基于时间分层组合的风电功率预测方法及预测系统 | |
Cawthorne et al. | The role of temperature variability on seasonal electricity demand in the Southern US | |
Kim et al. | The future water vulnerability assessment of the Seoul metropolitan area using a hybrid framework composed of physically-based and deep-learning-based hydrologic models | |
CN117277304A (zh) | 考虑日出日落时间的光伏发电超短期功率预测方法、系统 | |
Hernandez-Ambato et al. | Multistep-ahead streamflow and reservoir level prediction using ANNs for production planning in hydroelectric stations | |
CN106355264A (zh) | 一种参考作物腾发量组合预测方法 | |
KR20240000915A (ko) | 유역 상세화를 통한 실적자료 기반 물수급 분석 방법 및 그 방법을 구현하기 위한 컴퓨터로 판독 가능한 기록매체에 저장된 프로그램 | |
CN115577903A (zh) | 新能源对电网调峰影响的评估方法、装置、设备及介质 |
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 |