CN117252406B - 面向下游取用水需求的补水调度方法、设备及介质 - Google Patents
面向下游取用水需求的补水调度方法、设备及介质 Download PDFInfo
- Publication number
- CN117252406B CN117252406B CN202311547393.3A CN202311547393A CN117252406B CN 117252406 B CN117252406 B CN 117252406B CN 202311547393 A CN202311547393 A CN 202311547393A CN 117252406 B CN117252406 B CN 117252406B
- Authority
- CN
- China
- Prior art keywords
- water
- preset
- water level
- historical
- strategy
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 865
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000001502 supplementing effect Effects 0.000 claims abstract description 140
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 24
- 238000007599 discharging Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000013589 supplement Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 239000003651 drinking water Substances 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
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)
- Feedback Control In General (AREA)
Abstract
本申请公开了一种面向下游取用水需求的补水调度方法、设备及介质,方法包括:获取下游的取水设施的最低取水高程;基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位;对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅进行预测,得到采用预设补水策略时的水位变幅预测范围;在得到采用多个预设补水策略时的水位变幅预测范围后,基于多个水位变幅预测范围以及供水保证水位,在多个预设补水策略中确定出目标补水策略,并作为预设历史干旱典型年对应的补水策略,采用一个预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。本申请实施例可使得补水调度更加合理。
Description
技术领域
本申请涉及水资源调度技术领域,具体涉及一种面向下游取用水需求的补水调度方法、设备及介质。
背景技术
上游的湖、水库等对下游河道的径流有重要的调蓄作用,从而可在时间尺度上适当调节下游河道的径流分布,提高水资源的优化配置。例如上游的许多湖、水库等可承担对下游的供水调度任务,从而调节下游河道的水流量。
在预测到会出现特枯来水时,一般需要对上游的湖、水库等进行额外的补水调度,以增加上游的湖、水库等对下游的供水量,避免下游出现特枯来水。然而,在进行补水调度时,通常是由人工基于经验性判断来确定补水量和补水时机,但这种补水调度方式往往不够合理,难以满足实际的补水需求。
发明内容
本申请实施例提供一种面向下游取用水需求的补水调度方法、设备及介质,旨在使补水调度更加合理。
一方面,本申请提供一种面向下游取用水需求的补水调度方法,所述方法包括:
获取下游的取水设施的最低取水高程;
基于所述最低取水高程,确定所述取水设施的相邻河道控制断面的供水保证水位;
获取预设补水策略,所述预设补水策略中包括预设补水流量和预设补水天数;
对所述相邻河道控制断面在预设历史干旱典型年采用所述预设补水策略时的水位变幅进行预测,得到采用所述预设补水策略时的水位变幅预测范围;
在得到采用多个所述预设补水策略时的水位变幅预测范围后,基于多个所述水位变幅预测范围以及所述供水保证水位,在多个所述预设补水策略中确定出目标补水策略,并作为所述预设历史干旱典型年对应的补水策略;
在多个所述预设历史干旱典型年对应的补水策略中,采用一个所述预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。
在一些实施例中,所述基于所述最低取水高程,确定所述取水设施的相邻河道控制断面的供水保证水位,包括:
获取所述相邻河道控制断面对应的多个所述取水设施;
依次将各所述取水设施作为目标取水设施,确定在所述目标取水设施的水位处于所述目标取水设施的最低取水高程时所述相邻河道控制断面的水位,从而得到多个所述水位;
将多个所述水位中的最大值,作为所述相邻河道控制断面的供水保证水位。
在一些实施例中,所述对所述相邻河道控制断面在预设历史干旱典型年采用所述预设补水策略时的水位变幅进行预测,得到采用所述预设补水策略时的水位变幅预测范围,包括:
获取所述蓄水设施在所述预设历史干旱典型年的历史实际下泄水量;
基于所述预设补水策略,调整所述历史实际下泄水量,得到所述蓄水设施在所述预设历史干旱典型年采用所述预设补水策略时的历史预期下泄水量;
基于所述历史预期下泄水量,对所述相邻河道控制断面在所述预设历史干旱典型年采用所述预设补水策略时的水位进行预测,得到历史预期水位;
基于所述历史预期水位、所述相邻河道控制断面在所述预设历史干旱典型年的历史实际水位,确定所述相邻河道控制断面在所述预设历史干旱典型年采用所述预设补水策略时的水位变幅;
基于所述水位变幅,确定采用所述预设补水策略时的水位变幅预测范围。
在一些实施例中,所述基于所述历史预期下泄水量,对所述相邻河道控制断面在所述预设历史干旱典型年采用所述预设补水策略时的水位进行预测,得到历史预期水位,包括:
获取所述相邻河道控制断面的水位预测模型;
将所述历史预期下泄水量、所述相邻河道控制断面在所述预设历史干旱典型年的历史实际水位输入至所述水位预测模型;
接收所述水位预测模型输出的所述历史预期水位。
在一些实施例中,一个所述预设历史干旱典型年中包括第一历史时间段和第二历史时间段,所述第二历史时间段为所述第一历史时间段的后一历史时间段,所述获取所述相邻河道控制断面的水位预测模型之前,还包括:
获取所述蓄水设施在所述第一历史时间段的历史实际下泄水量、所述相邻河道控制断面在所述第一历史时间段的历史实际水位,并作为模型训练数据;
获取所述相邻河道控制断面在所述第二历史时间段的历史实际水位,并作为所述模型训练数据的标签;
基于所述模型训练数据和所述标签,生成模型训练数据集;
采用所述模型训练数据集进行模型训练,得到所述水位预测模型。
在一些实施例中,所述基于所述水位变幅,确定采用所述预设补水策略时的水位变幅预测范围,包括:
获取所述水位变幅中的最大变幅和最小变幅;
基于所述最大变幅和所述最小变幅,确定所述水位变幅预测范围。
在一些实施例中,所述基于多个所述水位变幅预测范围以及所述供水保证水位,在多个所述预设补水策略中确定出目标补水策略,包括:
获取所述相邻河道控制断面在所述预设历史干旱典型年中的最低水位;
若所述最低水位小于所述供水保证水位,在多个所述预设补水策略中确定出多个待筛选补水策略,采用各所述待筛选补水策略时的水位变幅预测范围的最小值与所述最低水位之和大于或等于所述供水保证水位;
在多个所述待筛选补水策略中确定出所述目标补水策略。
在一些实施例中,所述在多个所述待筛选补水策略中确定出所述目标补水策略,包括:
基于各所述待筛选补水策略中的预设补水流量和预设补水天数,确定所述待筛选补水策略对应的补水量;
基于所述补水量,在多个所述待筛选补水策略中确定出所述目标补水策略,其中,所述目标补水策略对应的补水量小于或等于所述蓄水设施的预设的可增加下泄水量范围的最小值。
另一方面,本申请实施例提供一种面向下游取用水需求的补水调度装置,包括:
第一获取模块,用于获取下游的取水设施的最低取水高程;
第一确定模块,用于基于所述最低取水高程,确定所述取水设施的相邻河道控制断面的供水保证水位;
第二获取模块,用于获取预设补水策略,所述预设补水策略中包括预设补水流量和预设补水天数;
第二确定模块,用于对所述相邻河道控制断面在预设历史干旱典型年采用所述预设补水策略时的水位变幅进行预测,得到采用所述预设补水策略时的水位变幅预测范围;在得到采用多个所述预设补水策略时的水位变幅预测范围后,基于多个所述水位变幅预测范围以及所述供水保证水位,在多个所述预设补水策略中确定出目标补水策略,并作为所述预设历史干旱典型年对应的补水策略;
补水调度模块,用于在多个所述预设历史干旱典型年对应的补水策略中,采用一个所述预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。
另一方面,本申请还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现任一项所述的面向下游取用水需求的补水调度方法中的步骤。
另一方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行任一项所述的面向下游取用水需求的补水调度方法中的步骤。
本申请实施例提供的面向下游取用水需求的补水调度方法、设备及介质,包括:获取下游的取水设施的最低取水高程;基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位;获取预设补水策略,预设补水策略中包括预设补水流量和预设补水天数;对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅进行预测,得到采用预设补水策略时的水位变幅预测范围;在得到采用多个预设补水策略时的水位变幅预测范围后,基于多个水位变幅预测范围以及供水保证水位,在多个预设补水策略中确定出目标补水策略,并作为预设历史干旱典型年对应的补水策略;在多个预设历史干旱典型年对应的补水策略中,采用一个预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。本申请实施例通过获取下游的取水设施的最低取水高程,基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位,然后基于供水保证水位以及补水后的水位变幅预测范围,在多个预设补水策略中确定出目标补水策略,使得目标补水策略可满足供水保证水位的要求,从而满足下游取用水需求,使得补水调度更加合理,避免下游出现特枯来水。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例中提供的面向下游取用水需求的补水调度方法的一个实施例流程示意图;
图2是本申请实施例中提供的面向下游取用水需求的补水调度方法的另一个实施例流程示意图;
图3是本申请实施例中提供的面向下游取用水需求的补水调度方法的再一个实施例流程示意图;
图4是本申请实施例中的补水调度效果的一个实施例示意图;
图5是本申请实施例中提供的面向下游取用水需求的补水调度装置的一个实施例结构示意图;
图6是本申请实施例中提供的计算机设备的一个实施例终端结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
需要说明的是,本申请实施例系统由于是在计算机设备中执行,各计算机设备的处理对象均以数据或信息的形式存在,例如时间,实质为时间信息,可以理解的是,后续实施例中若提及尺寸、数量、位置等,均为对应的数据存在,以便计算机设备进行处理,具体此处不作赘述。
本申请实施例提供一种面向下游取用水需求的补水调度方法、设备及介质,以下分别进行详细说明。
参照图1,在一实施例中,面向下游取用水需求的补水调度方法包括:
101、获取下游的取水设施的最低取水高程;
在本实施例中,河道包括上游和下游,下游沿河道依次设置有多个取水设施,取水设施例如城市人饮水厂、大型涵闸泵站等,用于取水,以满足城市人饮水等需求。每一取水设施对应设置有取水口,以通过取水口从河道取水。取水口的设置高度即取水设施的最低取水高程。可以理解的是,在取水设施所在位置的水位大于或等于最低取水高程时,取水设施才可从河道中取到水。最低取水高程可由人工对下游的取水设施进行实地调研得到,并预先设置好。
而上游设置有蓄水设施,蓄水设施例如上游的湖、水库等,蓄水设施用于蓄水,并承担对下游的供水调度任务,从而调节下游河道的水流量。
102、基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位;
在本实施例中,河道下游设置有多个河道控制断面,河道控制断面处一般设施有水文站,水文站用于对河道控制断面进行水量等信息的监测。取水设施的相邻河道控制断面一般指距离该取水设施最近的一个河道控制断面,当然,在另一些实施例中,也可按照其他规则,将其他河道控制断面设置为取水设施的相邻河道控制断面,在此不作限定。
相邻河道控制断面的供水保证水位是指:在取水设施处于最低取水高程时,相邻河道控制断面的实测水位,例如取水设施a处于最低取水高程时,相邻河道控制断面的实测水位为/>。因此,只有在相邻河道控制断面的水位大于或等于相应的供水保证水位时,取水设施处的水位才能大于或等于最低取水高程。
在一些实施例中,基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位,可以包括:获取相邻河道控制断面对应的多个取水设施,其中,多个取水设施的相邻河道控制断面为同一河道控制断面,例如取水设施对应相同的邻近河道控制断面/>;依次将各取水设施作为目标取水设施,确定在目标取水设施的水位处于目标取水设施的最低取水高程时相邻河道控制断面的水位,从而得到多个水位,每一水位对应一个取水设施;将多个水位中的最大值,作为相邻河道控制断面的供水保证水位,即相邻河道控制断面的供水保证水位/>。这样,在相邻河道控制断面的水位大于或等于相应的供水保证水位时,该相邻河道控制断面对应的多个取水设施的水位均可大于或等于最低取水高程,以保证多个取水设施同一时间的取用水需求。
103、获取预设补水策略,预设补水策略中包括预设补水流量和预设补水天数;
在本实施例中,预设补水策略可预先设置多个,每一预设补水策略中包括预设补水流量和预设补水天数。预设补水流量,即需要在蓄水设施原始下泄水量的基础上增加补水,以向下游下泄更多水,避免下游出现特枯来水。预设补水天数中的每一天对应有一个预设补水流量,为了便于补水调度,预设补水天数中的各天对应的预设补水流量一般相同。
104、对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅进行预测,得到采用预设补水策略时的水位变幅预测范围;
在本实施例中,预设历史干旱典型年一般为具有代表性、可反映下游取水设施需上游蓄水设施应急补水的时段,例如预设历史干旱典型年可以是枯水期典型年(一般为11月至次年5月)、汛期反枯典型年(一般为6月-10月)。可以理解的是,枯水期典型年、汛期反枯典型年均可能出现特枯来水,因此需要进行应急补水调度。预设历史干旱典型年可通过经验频率法、SRI指数分析法等方式来确定,在此不做限定。
在本实施例中,由于在采用预设补水策略后,相邻河道控制断面的水位会对应发生变化,出现水位变幅,但在预设历史干旱典型年实际上并未采用预设补水策略,因此需要对采用预设补水策略时的水位变幅进行预测,即针对每一预设补水策略,对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅进行预测,得到采用预设补水策略时的水位变幅预测范围。
105、在得到采用多个预设补水策略时的水位变幅预测范围后,基于多个水位变幅预测范围以及供水保证水位,在多个预设补水策略中确定出目标补水策略,并作为预设历史干旱典型年对应的补水策略;
在本实施例中,每一预设补水策略在预设历史干旱典型年对应有一个水位变幅预测范围,因此可基于多个水位变幅预测范围以及供水保证水位,在多个预设补水策略中确定出目标补水策略,并作为在预设历史干旱典型年应当采用的较优的补水策略(即预设历史干旱典型年对应的补水策略)。其中,确定出的目标补水策略需要保证:采用目标补水策略时的水位变幅预测范围的最小值与相邻河道控制断面在预设历史干旱典型年中的最低水位之和,大于或等于供水保证水位。这样,若在预设历史干旱典型年采用目标补水策略,相邻河道控制断面预期的水位可大于或等于供水保证水位,从而持续保证取水设施的取用水需求。
106、在多个预设历史干旱典型年对应的补水策略中,采用一个预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。
在本实施例中,每一预设历史干旱典型年对应一个补水策略。在得到多个预设历史干旱典型年对应的补水策略后,可将其用于当前时段或者未来时段下游可能出现的特枯来水。以未来时段为例,在预测到未来时段出现特枯来水时,在多个预设历史干旱典型年对应的补水策略中,选择一个补水策略,并采用一个预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施在该未来时段的下泄水量,以使该未来时段的补水调度也更加合理。
在一些实施例中,在多个预设历史干旱典型年对应的补水策略中,选择一个补水策略的步骤中,可由人工基于经验选择,也可基于该未来时段的水况与各预设历史干旱典型年的水况之间的水况相似度来自动确定。水况可包括蓄水设施的原始下泄水量、相邻河道控制断面预期的历史实际水位和当前实际水位、来水频率、蓄水设施的预设的可增加下泄水量范围等。
本实施例公开的技术方案中,通过获取下游的取水设施的最低取水高程,基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位,然后基于供水保证水位以及补水后的水位变幅预测范围,在多个预设补水策略中确定出目标补水策略,使得目标补水策略可满足供水保证水位的要求,从而满足下游取用水需求,使得补水调度更加合理,河道水资源在上下游的空间与时间分布上的配置更加合理,避免下游出现特枯来水。
在另一实施例中,如图2所示,在图1所示实施例的基础上,步骤104包括:
201、获取蓄水设施在预设历史干旱典型年的历史实际下泄水量;
在本实施例中,蓄水设施在预设历史干旱典型年的历史实际下泄水量,即蓄水设施在预设历史干旱典型年未采用任一预设补水策略时的原始下泄水量。
202、基于预设补水策略,调整历史实际下泄水量,得到蓄水设施在预设历史干旱典型年采用预设补水策略时的历史预期下泄水量;
在本实施例中,基于预设补水策略,调整历史实际下泄水量,具体是在历史实际下泄水量的基础上,加上预设补水策略中的预设补水流量/>,得到补水后的预期下泄水量/>,即蓄水设施在预设历史干旱典型年采用预设补水策略时的历史预期下泄水量。其中,j为第j个预设补水策略的序号,/>,/>。
203、基于历史预期下泄水量,对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位进行预测,得到历史预期水位;
在本实施例中,由于在采用预设补水策略后,相邻河道控制断面的水位会对应发生变化,因此可预测得到历史预期水位。预测方式可以是深度学习、时间序列分析等方式。
在一些实施例中,以深度学习为例,可通过基于深度学习的水位预测模型来实现水位预测。具体地,基于历史预期下泄水量,对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位进行预测,得到历史预期水位,可以包括:获取相邻河道控制断面的水位预测模型,其中,不同河道控制断面对应不同的水位预测模型;将历史预期下泄水量、相邻河道控制断面在预设历史干旱典型年的历史实际水位,作为模型输入参数,输入至水位预测模型;接收水位预测模型输出的历史预期水位(例如在历史D天内的历史预期水位的序列/>)。
下面对水位预测模型的生成过程进行描述。具体地,一个预设历史干旱典型年中包括第一历史时间段和第二历史时间段,第二历史时间段为第一历史时间段的后一历史时间段,获取相邻河道控制断面的水位预测模型之前,还可以包括:获取蓄水设施在第一历史时间段的历史实际下泄水量、相邻河道控制断面在第一历史时间段的历史实际水位(例如/>这一历史实际水位的序列,第一历史时间段的起始时间点为t-T,结束时间为t),并作为模型训练数据;获取相邻河道控制断面在第二历史时间段的历史实际水位(例如/>这一历史实际水位的序列,D为天数),并作为模型训练数据的标签,其中,第二历史时间段例如可以是第一历史时间段后的预设D天;基于模型训练数据和标签,生成模型训练数据集;采用模型训练数据集进行模型训练,得到水位预测模型。其中,由于相邻河道控制断面在第二历史时间段的历史实际水位,是受蓄水设施在第一历史时间段的历史实际下泄水量而变化得到的,因此通过模型训练,预测不同下泄水量时相邻河道控制断面的水位。
在一些实施例中,由于与相邻河道控制断面i相邻的上游河道控制断面i-1的水流量也会影响水位的预测,因此模型训练数据中还可包括与相邻河道控制断面i相邻的上游河道控制断面i-1在第一历史时间段的历史实际水位(例如这一历史实际水位的序列),以使水位的预测更加准确。
在一些实施例中,采用模型训练数据集进行模型训练时,具体是采用模型训练数据集中的70%作为训练集,用于优化模型结构参数,以及采用剩余的30%作为验证集,用于验证模型精度。
204、基于历史预期水位、相邻河道控制断面在预设历史干旱典型年的历史实际水位,确定相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅;
在本实施例中,将同一历史时刻的历史预期水位与历史实际水位的差值,作为相邻河道控制断面在该历史时刻采用预设补水策略时的水位变幅,该水位变幅一般大于零。依次将预设历史干旱典型年的不同时刻作为历史时刻,可得到预设历史干旱典型年的不同时刻的水位变幅。
205、基于水位变幅,确定采用预设补水策略时的水位变幅预测范围。
在一些实施例中,由于预设历史干旱典型年的不同时刻的水位变幅可能并不相同,因此可将预设历史干旱典型年的多个不同时刻的水位变幅中的最大变幅,作为水位变幅预测范围的最大值,以及将预设历史干旱典型年的多个不同时刻的水位变幅中的最小变幅,作为水位变幅预测范围的最小值,从而确定出采用预设补水策略时的水位变幅预测范围。
在一些实施例中,由于不同预设历史干旱典型年的可能并不相同,因此可综合不同预设历史干旱典型年的/>,确定出更加准确的水位变幅预测范围/>,其中,/>取多个预设历史干旱典型年的/>的下包络线值,/>取多个预设历史干旱典型年的/>的上包络线值。
以某水库的补水调度模拟为实例,参照下表1,根据预设历史干旱典型年进行分档,比如/>、/>、/>,预设补水流量/>可根据/>的量级设置,比如当/>时,/>可设置为500、1000和2000,当/>时,/>可设置为1000、2000和3000;下游河道控制断面的水位变幅预测范围中/>和/>则分别取和/>的下、上包络线值,得到采用不同预设补水策略时的水位变幅预测范围如表1所示。
表1
在本实施例公开的技术方案中,对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位进行预测,然后确定相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅,实现预设补水策略对水位变幅影响的准确预测。
在再一实施例中,如图3所示,在图1至图2任一实施例所示的基础上,步骤105包括:
301、获取相邻河道控制断面在预设历史干旱典型年中的最低水位;
在本实施例中,相邻河道控制断面i在预设历史干旱典型年中的最低水位,可通过设置于该相邻河道控制断面的水文站监测得到。其中,/>为最低水位出现的时间点。
302、若最低水位小于供水保证水位,在多个预设补水策略中确定出多个待筛选补水策略,采用各待筛选补水策略时的水位变幅预测范围的最小值与最低水位之和大于或等于供水保证水位;
在本实施例中,若最低水位小于供水保证水位/>,表明在相邻河道控制断面处于最低水位时无法满足取用水需求,因此需要多个预设补水策略中确定出多个待筛选补水策略。确定多个待筛选补水策略的规则可以是:采用各待筛选补水策略时的水位变幅预测范围的最小值与最低水位/>之和大于或等于供水保证水位/>。这样,采用任一待筛选补水策略后均可满足取用水需求。
303、在多个待筛选补水策略中确定出目标补水策略。
在本实施例中,可基于预设规则,在多个待筛选补水策略中确定出一个目标补水策略。预设规则例如补水量最少规则。
在一些实施例中,以补水量最少规则为例,在多个待筛选补水策略中确定出目标补水策略,可以包括:基于各待筛选补水策略中的预设补水流量和预设补水天数/>(预设补水天数所在的时间段为/>),确定待筛选补水策略对应的补水量WB=/>×/>;基于补水量,在多个待筛选补水策略中确定出目标补水策略,例如可将补水量最少的待筛选补水策略作为目标补水策略。
此外,目标补水策略对应的补水量还需小于或等于蓄水设施的预设的可增加下泄水量范围的最小值,即目标补水策略对应的补水量不超过蓄水设施的补水能力范围(即),以综合考虑上游蓄水设施的径流情况,保证目标补水策略的可行性。
以某水库的补水调度模拟为实例,参照图4,河道控制断面1的常规调度方案为不补水情况下的模拟计算水位分布区间,明显低于河道控制断面1的保证供水水位29.5m,进行两组补水方案对比,分别为补水流量1000m³/s和2000m³/s,补水天数均设置为7日,模拟计算可选取的补水方案为补水流量=2000m³/s,补水天数为7日,可通过补水调度,使得河道控制断面1的水位达到保证供水水位29.5m以上。
在本实施例公开的技术方案中,若相邻河道控制断面在预设历史干旱典型年中的最低水位小于供水保证水位,则在多个预设补水策略中确定出多个待筛选补水策略,进而确定目标补水策略,避免下游出现特枯来水。
为了更好实施本申请实施例中面向下游取用水需求的补水调度方法,在面向下游取用水需求的补水调度方法的基础之上,本申请实施例中还提供一种面向下游取用水需求的补水调度装置,如图5所示,面向下游取用水需求的补水调度装置500包括第一获取模块501、第一确定模块502、第二获取模块503、第二确定模块504以及补水调度模块505,具体如下:
第一获取模块501,用于获取下游的取水设施的最低取水高程;
第一确定模块502,用于基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位;
第二获取模块503,用于获取预设补水策略,预设补水策略中包括预设补水流量和预设补水天数;
第二确定模块504,用于对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅进行预测,得到采用预设补水策略时的水位变幅预测范围;在得到采用多个预设补水策略时的水位变幅预测范围后,基于多个水位变幅预测范围以及供水保证水位,在多个预设补水策略中确定出目标补水策略,并作为预设历史干旱典型年对应的补水策略;
补水调度模块505,用于在多个预设历史干旱典型年对应的补水策略中,采用一个预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种面向下游取用水需求的补水调度装置。如图6所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、电源603和输入单元604等部件。本领域技术人员可以理解,图6中示出的计算机设备结构并不以构建对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器601是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器602内的软件程序和/或模块,以及调用存储在存储器602内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选地,处理器601可包括一个或多个处理核心;优选的,处理器601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。
存储器602可用于存储软件程序以及模块,处理器601通过运行存储在存储器602的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器602还可以包括存储器控制器,以提供处理器601对存储器602的访问。
计算机设备还包括给各个部件供电的电源603,优选的,电源603可以通过电源管理系统与处理器601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元604,该输入单元604可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器601会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中,并由处理器601来运行存储在存储器602中的应用程序,从而实现各种功能,如下:
获取下游的取水设施的最低取水高程;基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位;获取预设补水策略,预设补水策略中包括预设补水流量和预设补水天数;对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅进行预测,得到采用预设补水策略时的水位变幅预测范围;在得到采用多个预设补水策略时的水位变幅预测范围后,基于多个水位变幅预测范围以及供水保证水位,在多个预设补水策略中确定出目标补水策略,并作为预设历史干旱典型年对应的补水策略;在多个预设历史干旱典型年对应的补水策略中,采用一个预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种面向下游取用水需求的补水调度方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
获取下游的取水设施的最低取水高程;基于最低取水高程,确定取水设施的相邻河道控制断面的供水保证水位;获取预设补水策略,预设补水策略中包括预设补水流量和预设补水天数;对相邻河道控制断面在预设历史干旱典型年采用预设补水策略时的水位变幅进行预测,得到采用预设补水策略时的水位变幅预测范围;在得到采用多个预设补水策略时的水位变幅预测范围后,基于多个水位变幅预测范围以及供水保证水位,在多个预设补水策略中确定出目标补水策略,并作为预设历史干旱典型年对应的补水策略;在多个预设历史干旱典型年对应的补水策略中,采用一个预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种面向下游取用水需求的补水调度方法、设备及介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种面向下游取用水需求的补水调度方法,其特征在于,所述方法包括:
获取下游的取水设施的最低取水高程;
基于所述最低取水高程,确定所述取水设施的相邻河道控制断面的供水保证水位;
获取预设补水策略,所述预设补水策略中包括预设补水流量和预设补水天数;
对所述相邻河道控制断面在预设历史干旱典型年采用所述预设补水策略时的水位变幅进行预测,得到采用所述预设补水策略时的水位变幅预测范围;
在得到采用多个所述预设补水策略时的水位变幅预测范围后,基于多个所述水位变幅预测范围以及所述供水保证水位,在多个所述预设补水策略中确定出目标补水策略,并作为所述预设历史干旱典型年对应的补水策略;
在多个所述预设历史干旱典型年对应的补水策略中,采用一个所述预设历史干旱典型年对应的补水策略中的预设补水流量和预设补水天数,调整上游的蓄水设施的下泄水量;
所述基于多个所述水位变幅预测范围以及所述供水保证水位,在多个所述预设补水策略中确定出目标补水策略,包括:获取所述相邻河道控制断面在所述预设历史干旱典型年中的最低水位;若所述最低水位小于所述供水保证水位,在多个所述预设补水策略中确定出多个待筛选补水策略,采用各所述待筛选补水策略时的水位变幅预测范围的最小值与所述最低水位之和大于或等于所述供水保证水位;在多个所述待筛选补水策略中确定出所述目标补水策略;
所述在多个所述待筛选补水策略中确定出所述目标补水策略,包括:基于各所述待筛选补水策略中的预设补水流量和预设补水天数,确定所述待筛选补水策略对应的补水量;基于所述补水量,在多个所述待筛选补水策略中确定出所述目标补水策略,其中,所述目标补水策略对应的补水量小于或等于所述蓄水设施的预设的可增加下泄水量范围的最小值。
2.如权利要求1所述的面向下游取用水需求的补水调度方法,其特征在于,所述基于所述最低取水高程,确定所述取水设施的相邻河道控制断面的供水保证水位,包括:
获取所述相邻河道控制断面对应的多个所述取水设施;
依次将各所述取水设施作为目标取水设施,确定在所述目标取水设施的水位处于所述目标取水设施的最低取水高程时所述相邻河道控制断面的水位,从而得到所述相邻河道控制断面的多个水位;
将所述相邻河道控制断面的多个水位中的最大值,作为所述相邻河道控制断面的供水保证水位。
3.如权利要求1所述的面向下游取用水需求的补水调度方法,其特征在于,所述对所述相邻河道控制断面在预设历史干旱典型年采用所述预设补水策略时的水位变幅进行预测,得到采用所述预设补水策略时的水位变幅预测范围,包括:
获取所述蓄水设施在所述预设历史干旱典型年的历史实际下泄水量;
基于所述预设补水策略,调整所述历史实际下泄水量,得到所述蓄水设施在所述预设历史干旱典型年采用所述预设补水策略时的历史预期下泄水量;
基于所述历史预期下泄水量,对所述相邻河道控制断面在所述预设历史干旱典型年采用所述预设补水策略时的水位进行预测,得到历史预期水位;
基于所述历史预期水位、所述相邻河道控制断面在所述预设历史干旱典型年的历史实际水位,确定所述相邻河道控制断面在所述预设历史干旱典型年采用所述预设补水策略时的水位变幅;
基于所述水位变幅,确定采用所述预设补水策略时的水位变幅预测范围。
4.如权利要求3所述的面向下游取用水需求的补水调度方法,其特征在于,所述基于所述历史预期下泄水量,对所述相邻河道控制断面在所述预设历史干旱典型年采用所述预设补水策略时的水位进行预测,得到历史预期水位,包括:
获取所述相邻河道控制断面的水位预测模型;
将所述历史预期下泄水量、所述相邻河道控制断面在所述预设历史干旱典型年的历史实际水位输入至所述水位预测模型;
接收所述水位预测模型输出的所述历史预期水位。
5.如权利要求4所述的面向下游取用水需求的补水调度方法,其特征在于,一个所述预设历史干旱典型年中包括第一历史时间段和第二历史时间段,所述第二历史时间段为所述第一历史时间段的后一历史时间段,所述获取所述相邻河道控制断面的水位预测模型之前,还包括:
获取所述蓄水设施在所述第一历史时间段的历史实际下泄水量、所述相邻河道控制断面在所述第一历史时间段的历史实际水位,并作为模型训练数据;
获取所述相邻河道控制断面在所述第二历史时间段的历史实际水位,并作为所述模型训练数据的标签;
基于所述模型训练数据和所述标签,生成模型训练数据集;
采用所述模型训练数据集进行模型训练,得到所述水位预测模型。
6.如权利要求3所述的面向下游取用水需求的补水调度方法,其特征在于,所述基于所述水位变幅,确定采用所述预设补水策略时的水位变幅预测范围,包括:
获取所述水位变幅中的最大变幅和最小变幅;
基于所述最大变幅和所述最小变幅,确定所述水位变幅预测范围。
7.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至6中任一项所述的面向下游取用水需求的补水调度方法中的步骤。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至6中任一项所述的面向下游取用水需求的补水调度方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311547393.3A CN117252406B (zh) | 2023-11-20 | 2023-11-20 | 面向下游取用水需求的补水调度方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311547393.3A CN117252406B (zh) | 2023-11-20 | 2023-11-20 | 面向下游取用水需求的补水调度方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117252406A CN117252406A (zh) | 2023-12-19 |
CN117252406B true CN117252406B (zh) | 2024-02-02 |
Family
ID=89129940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311547393.3A Active CN117252406B (zh) | 2023-11-20 | 2023-11-20 | 面向下游取用水需求的补水调度方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252406B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015113587A (ja) * | 2013-12-10 | 2015-06-22 | 三菱電機株式会社 | ダム下流河川流量予測システム |
KR101684217B1 (ko) * | 2016-03-29 | 2016-12-08 | 아주대학교산학협력단 | 저수지의 용수 관리 장치 |
CN108537449A (zh) * | 2018-04-12 | 2018-09-14 | 长江勘测规划设计研究有限责任公司 | 计及河道度汛需求的水库协调调度策略获取方法 |
CN109002929A (zh) * | 2018-08-20 | 2018-12-14 | 雅砻江流域水电开发有限公司 | 一种水电站水库水位预测分析与控制方法 |
JP2019094640A (ja) * | 2017-11-20 | 2019-06-20 | 日本無線株式会社 | 水位予測方法、水位予測プログラム及び水位予測装置 |
CN112541615A (zh) * | 2020-11-25 | 2021-03-23 | 杭州市水文水资源监测中心 | 基于卷积神经网络的水位预测方法 |
WO2021073192A1 (zh) * | 2019-10-16 | 2021-04-22 | 大连理工大学 | 一种考虑预报误差降低水库洪水起调水位的预报调度方法 |
CN113256005A (zh) * | 2021-05-28 | 2021-08-13 | 国能大渡河沙坪发电有限公司 | 一种基于神经网络模型的电站水位过程预测方法及设备 |
CN114741435A (zh) * | 2022-06-13 | 2022-07-12 | 长江水利委员会长江科学院 | 控制站供水保证水位确定方法及其相关装置 |
CN116050191A (zh) * | 2023-03-31 | 2023-05-02 | 中关村科学城城市大脑股份有限公司 | 应用于城市河流的水量控制方法、装置和电子设备 |
CN116048142A (zh) * | 2023-02-22 | 2023-05-02 | 河南省水利第二工程局集团有限公司 | 一种供水调度方法 |
CN116362406A (zh) * | 2023-04-06 | 2023-06-30 | 浙江成功软件开发有限公司 | 一种基于神经网络的水库水位预测方法 |
JP2023094754A (ja) * | 2021-12-24 | 2023-07-06 | 八千代エンジニヤリング株式会社 | モデル生成方法、水位予測システム、流入量予測システム及び下流河川水位予測システム |
CN116402282A (zh) * | 2023-03-16 | 2023-07-07 | 浙江领见数智科技有限公司 | 一种基于水量平衡的水库水位调控方法及系统 |
CN116993087A (zh) * | 2023-07-28 | 2023-11-03 | 中国电建集团华东勘测设计研究院有限公司 | 基于多层次嵌套动态规划多目标模型的水库优化调度方法 |
-
2023
- 2023-11-20 CN CN202311547393.3A patent/CN117252406B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015113587A (ja) * | 2013-12-10 | 2015-06-22 | 三菱電機株式会社 | ダム下流河川流量予測システム |
KR101684217B1 (ko) * | 2016-03-29 | 2016-12-08 | 아주대학교산학협력단 | 저수지의 용수 관리 장치 |
JP2019094640A (ja) * | 2017-11-20 | 2019-06-20 | 日本無線株式会社 | 水位予測方法、水位予測プログラム及び水位予測装置 |
CN108537449A (zh) * | 2018-04-12 | 2018-09-14 | 长江勘测规划设计研究有限责任公司 | 计及河道度汛需求的水库协调调度策略获取方法 |
CN109002929A (zh) * | 2018-08-20 | 2018-12-14 | 雅砻江流域水电开发有限公司 | 一种水电站水库水位预测分析与控制方法 |
WO2021073192A1 (zh) * | 2019-10-16 | 2021-04-22 | 大连理工大学 | 一种考虑预报误差降低水库洪水起调水位的预报调度方法 |
CN112541615A (zh) * | 2020-11-25 | 2021-03-23 | 杭州市水文水资源监测中心 | 基于卷积神经网络的水位预测方法 |
CN113256005A (zh) * | 2021-05-28 | 2021-08-13 | 国能大渡河沙坪发电有限公司 | 一种基于神经网络模型的电站水位过程预测方法及设备 |
JP2023094754A (ja) * | 2021-12-24 | 2023-07-06 | 八千代エンジニヤリング株式会社 | モデル生成方法、水位予測システム、流入量予測システム及び下流河川水位予測システム |
CN114741435A (zh) * | 2022-06-13 | 2022-07-12 | 长江水利委员会长江科学院 | 控制站供水保证水位确定方法及其相关装置 |
CN116048142A (zh) * | 2023-02-22 | 2023-05-02 | 河南省水利第二工程局集团有限公司 | 一种供水调度方法 |
CN116402282A (zh) * | 2023-03-16 | 2023-07-07 | 浙江领见数智科技有限公司 | 一种基于水量平衡的水库水位调控方法及系统 |
CN116050191A (zh) * | 2023-03-31 | 2023-05-02 | 中关村科学城城市大脑股份有限公司 | 应用于城市河流的水量控制方法、装置和电子设备 |
CN116362406A (zh) * | 2023-04-06 | 2023-06-30 | 浙江成功软件开发有限公司 | 一种基于神经网络的水库水位预测方法 |
CN116993087A (zh) * | 2023-07-28 | 2023-11-03 | 中国电建集团华东勘测设计研究院有限公司 | 基于多层次嵌套动态规划多目标模型的水库优化调度方法 |
Non-Patent Citations (2)
Title |
---|
长江中下游供水安全及其对上游水库调度需求;雷静;黄站峰;李亚平;;人民长江(03);全文 * |
黄河河口淡水湿地生态补水研究;卓俊玲;葛磊;史雪廷;;水生态学杂志(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117252406A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Dynamic control of flood limited water level for reservoir operation by considering inflow uncertainty | |
US10482549B2 (en) | Daily electricity generation plan making method of cascade hydraulic power plant group | |
CN111709134B (zh) | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 | |
CN107992989B (zh) | 一种水库群洪水资源化预蓄预泄风险决策方法 | |
CN111967986B (zh) | 包含梯级水电的电力市场出清方法、系统、装置及介质 | |
CN113112060B (zh) | 基于流量软测量的提升泵站调度方法、装置和计算机设备 | |
CN115345532B (zh) | 一种智能群控电供暖系统碳排放管理平台及方法 | |
CN103297623A (zh) | 话务预测方法及装置 | |
Chen et al. | Applying genetic algorithm and neural network to the conjunctive use of surface and subsurface water | |
CN109086194A (zh) | 一种线程池容量调整方法、装置、设备及可读存储介质 | |
CN109857157A (zh) | 一种区域性加压泵站进水流量调度方法 | |
CN117436566A (zh) | 一种平原河网区水闸群优化调度方法、系统、装置及介质 | |
CN116385053A (zh) | 一种电力现货市场日前价格的预测方法、系统及介质 | |
CN117094849A (zh) | 储能电站参与多类电力市场的优化运行方法、装置及设备 | |
CN113642256B (zh) | 一种基于主题数据库的实用闸门启闭优化方法 | |
CN117252406B (zh) | 面向下游取用水需求的补水调度方法、设备及介质 | |
WO2024032483A1 (zh) | 一种清洁能源基地水光互补调度图应用方法 | |
CN104594282A (zh) | 一种水库运行调度图绘制方法 | |
CN109886543B (zh) | 基于均匀设计的水库优化调度方法 | |
CN112039058A (zh) | 基于风功率预测区间的机组组合方法、系统、介质及设备 | |
CN116565947A (zh) | 水电站日调峰能力确定方法及设备 | |
CN116702451A (zh) | 排水泵站优化调度方法及装置 | |
CN113078688B (zh) | 一种防控备用不足风险的日前火电开机优化方法及系统 | |
CN104594281A (zh) | 一种使水库综合效益最优的运行调度图绘制方法 | |
CN113818536A (zh) | 一种污水管网排水能力综合调度方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |