CN117575297B - 区域水网系统调水受水区供水水源组成的识别方法及系统 - Google Patents

区域水网系统调水受水区供水水源组成的识别方法及系统 Download PDF

Info

Publication number
CN117575297B
CN117575297B CN202410060143.5A CN202410060143A CN117575297B CN 117575297 B CN117575297 B CN 117575297B CN 202410060143 A CN202410060143 A CN 202410060143A CN 117575297 B CN117575297 B CN 117575297B
Authority
CN
China
Prior art keywords
water
source
period
copula function
lake
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
Application number
CN202410060143.5A
Other languages
English (en)
Other versions
CN117575297A (zh
Inventor
刘为锋
郭旭宁
李云玲
李原园
杜涛
马睿
王鹏
侯煜
李昕阳
刘婧
于茜
邵文伟
李鑫
李维雨
王璐璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China South To North Water Diversion Group East Line Co ltd
China Renewable Energy Engineering Institute
Original Assignee
China South To North Water Diversion Group East Line Co ltd
China Renewable Energy Engineering Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China South To North Water Diversion Group East Line Co ltd, China Renewable Energy Engineering Institute filed Critical China South To North Water Diversion Group East Line Co ltd
Priority to CN202410060143.5A priority Critical patent/CN117575297B/zh
Publication of CN117575297A publication Critical patent/CN117575297A/zh
Application granted granted Critical
Publication of CN117575297B publication Critical patent/CN117575297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种区域水网系统调水受水区供水水源组成的识别方法及系统，包括如下步骤：确定研究区域的范围，获取研究数据，对研究区域的工程线路和水量平衡关系进行概化；通过Copula函数构建水源之间的径流联合概率分布模型，获得不同水源的丰平枯组合类型概率值，并以此构建水源来水丰枯典型情景；构建水量调度模拟模型并求解，获得调度方案集合和每个调度方案的调水供水过程数据；构建分水源识别模块，根据调度方案集合和每个调度方案的调水供水过程数据，进行分水源统计。

Description

区域水网系统调水受水区供水水源组成的识别方法及系统
技术领域
本发明涉及水利调度相关技术，尤其是一种区域水网系统调水受水区供水水源组成的识别方法。
背景技术
我国基本水情一直是夏汛冬枯、北缺南丰，水资源时空分布极不均衡，与国土空间开发保护、人口经济发展布局不匹配的问题突出。水资源的承载空间影响着经济社会发展空间，区域水网工程可将丰水区域的水量调到水资源紧缺的区域，以加强水资源跨流域跨区域科学配置，增强水资源调控能力和供给能力，促进人口经济与水资源相均衡，为构建新发展格局、推进经济社会建设提供坚实的水安全保障。
但是，以往的研究更多关注于不同区域之间水流调配，较少关注通过区域水网调配水流以后受水区调水来源和组成。通过构建区域水网系统调水受水区供水水源组成的识别方法，厘清区域调配水流以后受水区调水来源和组成，可为区域水网系统日常调度管理以及后续工程高质量发展提供重要技术支撑。
发明内容
发明目的：提供一种区域水网系统调水受水区供水水源组成的识别方法，以解决现有技术存在的上述问题。
技术方案：区域水网系统调水受水区供水水源组成的识别方法，包括如下步骤：
步骤S1、确定研究区域的范围，获取研究数据，对研究区域的工程线路和水量平衡关系进行概化；所述水量平衡关系包括每一水源的水平衡关系、水源之间的源汇水量关系，以及水源和用户供需的水量关系；
步骤S2、通过Copula函数构建水源之间的径流联合概率分布模型，获得不同水源的丰平枯组合类型概率值，并以此构建水源来水丰枯典型情景；
步骤S3、以缺水损失最小和供水经济成本最低为目标，构建水量调度模拟模型；以水源来水丰枯典型情景为输入，调用预配置的求解算法，求解水量调度模拟模型，获得调度方案集合和每个调度方案的调水供水过程数据；
步骤S4、构建分水源识别模块，根据调度方案集合和每个调度方案的调水供水过程数据，对水源蓄水、水源调出、水源弃水和输水段用水进行分水源统计。
根据本申请的一个方面，所述步骤S1进一步为：
步骤S11、获取区域水网系统调水受水区的基础信息，确定研究区域范围；所述基础信息包括地理位置、行政区划、水文特征、水资源数据和水资源开发利用数据；
步骤S12、获取或通过插值方法得到研究区域的研究数据并预处理，所述研究数据包括各个水源的历史径流数据、各个水源的供水能力、各用户的用水需求，以及引水工程的工程参数；
步骤S13、调用预存储的方法对研究区域内的工程线路和水平衡关系进行概化，表征调水受水网络中各节点和链路的水流方向、水量和水质。
根据本申请的一个方面，所述步骤S2进一步为：
步骤S21、获取各个水源的径流数据，从函数结合中调取至少一个Copula函数并基于Copula函数构建水源之间的径流联合概率分布模型，通过预配置的方法确定Copula函数的参数，所述Copula函数至少包括椭圆族、高斯族和阿基米德族；
步骤S22、采用KS检验法确定Copula函数是否能够用于拟合经验数据，并采用RMSE和AIC指数来判断拟合程度，根据拟合程度确定最终Copula函数；
步骤S23、采用径流联合概率分布模型，计算水源之间的丰平枯组合概率，并给出组合概率值；基于组合概率值构建水源来水丰平枯的典型场景集合。
根据本申请的一个方面，步骤S21中，通过预配置的方法确定Copula函数的参数的具体过程进一步为：
步骤S21a、构建检验数据，通过检验数据进行放回重采样，获得与检验数据数量相同的引导样本，形成bootstrap样本；
步骤S21b、使用最大似然估计方法获取基于bootstrap样本的Copula函数参数估计值；
步骤S21c、重复步骤S21a和步骤S21b预定次数，并从每个引导样本中获得一组参数估计，形成参数估计集合；
步骤S21d、基于引导样本的参数估计集合计算参数估计的标准偏差或置信区间，并选取符合条件的参数估计值作为Copula函数的参数；
或者，采用如下步骤：
步骤S211、构建由z个检验数据形成的检验数据集，并从中删除一个检验数据，得到z-1个测试样本；z为自然数；
步骤S212、使用最大似然估计法获取基于测试样本的Copula函数参数估计值；
步骤S213、重复步骤S211和步骤S212，从每个测试样本中获取一组参数估计值；
步骤S214、基于来自测试样本的参数估计集计算参数估计的标准偏差或置信区间。
根据本申请的一个方面，所述步骤S22中，采用KS检验法确定Copula函数是否能够用于拟合经验数据的过程进一步为：
步骤S22a、构建Copula函数的拟合优度评价方法集合，
步骤S22b、逐一选择拟合优度评价方法计算经验Copula函数和拟合Copula函数之间的似然比LR，获得拟合优度数值；LR=-2log（L0（θ0）/L1（θ1））；
其中，L0(θ0)是给定观测数据的经验Copula函数的似然函数，θ0是经验Copula函数的参数估计，L1(θ1)是给定观测数据的拟合Copula函数的似然函数，θ1是拟合Copula函数的参数估计；
步骤S22c、将拟合优度数值与预定阈值进行比较，以确定Copula函数是否拟合良好。
根据本申请的一个方面，所述步骤S22b中，还可以采用贝叶斯准则评估copula函数拟合优度，具体如下：
构建贝叶斯准则BIC，；其中L(θ)是在给定观测数据的情况下Copula函数的似然函数，θ是Copula函数的参数估计，k是Copula函数的参数数量，n是样本大小。
根据本申请的一个方面，所述步骤S3中，水量调度模拟模型具体为：
调度期内用户缺水深度平方和SI最小
min SI= ；
调水成本Cost最小
min Cost=；
湖泊（水库）水量平衡约束： ；
湖泊（水库）调蓄能力约束：；
调水能力约束： ；
渠道水量平衡约束：；
上式中，字符的含义如下：
t为时段编号；i为分区编号；j为水源编号；QR（i,j,t）为t时段i分区j水源需供水量；D(i，t)为t时段i分区实际供水量；k为泵站编号；p r 为电价；ρ为水体密度；Q（k,t）为t时段k泵站抽水流量；H（k,t）为t时段k泵站的扬程；η pump 为泵站的工作效率；S t ,S t+1 为湖泊时段t初末蓄水量；I t 为湖泊时段t上游来水量；Q in,t ,Q out,t 为湖泊时段t抽入、出水量；q out,t 为湖泊时段t泄水量; D t 为湖泊时段t东线供水量；D 0,t 为湖泊时段t原受水区供水量; E t 为湖泊时段t蒸发渗漏损失；Q in,t g+1 为第g个河段t时段上游泵站抽水量；Q g out,t 为第g个河段t时段到达下游泵站前的水量；q g inter,t 为第g个河段t时段区间来水量；D g inter,t 为第g个河段t时段的供水量；q g lost,t 为第g个河段t时段的水量损失量；S min （j,t）为j湖泊t时段的最小蓄水量；S max （j,t）为j湖泊t时段的最大蓄水量；Q rmax （k,t）为泵站入湖最大抽水能力；Q cmax （k,t）为泵站出湖最大抽水能力。
根据本申请的一个方面，所述步骤S4进一步为：
步骤S41、构建分水源识别模块，配置水量分水源统计原则；读取调度方案集合和每个调度方案的调水供水过程数据；所述水量分水源统计原则包括湖泊调出水量分水源统计原则、湖泊蓄水量分水源统计原则、湖泊弃水量分水源统计原则和区段用水量分水源统计原则；
步骤S42、针对每一水源，调取水量分水源统计原则，在充分利用当地水资源供水仍不足时，逐级从上一级水源调水补充。
根据本申请的一个方面，步骤S2中构建水源来水丰枯典型情景的具体过程包括：
使用蒙特卡洛方法，从边缘分布生成随机样本，然后使用Copula 函数对其进行变换以获得联合样本；使用蒙特卡罗方法估计不同水供需水平下缺水或过剩的概率，通过决策分析方法总结供水和需求变量的均值、方差、偏度和峰度，获得水源涞水封控典型情景集合。
根据本申请的另一个方面，一种区域水网系统调水受水区供水水源组成的识别系统，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技术方案所述的区域水网系统调水受水区供水水源组成的识别方法。
有益效果：本申请可以识别区域水网系统调水受水区不同供水水源的组成，为水资源的合理配置和优化利用提供科学依据。通过Copula函数构建水源之间的径流联合概率分布模型，分析不同水源的丰平枯组合类型概率，为水量调度模拟提供输入数据。通过分水源识别模块，对水源蓄水、水源调出、水源弃水和输水段用水进行分水源统计，为水量分析和评价提供数据支持。
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S4的流程图。
具体实施方式
如图1所示，区域水网系统调水受水区供水水源组成的识别方法，包括如下步骤：
步骤S1、确定研究区域的范围，获取研究数据，对研究区域的工程线路和水量平衡关系进行概化；所述水量平衡关系包括每一水源的水平衡关系、水源之间的源汇水量关系，以及水源和用户供需的水量关系；
步骤S2、通过Copula函数构建水源之间的径流联合概率分布模型，获得不同水源的丰平枯组合类型概率值，并以此构建水源来水丰枯典型情景；
步骤S3、以缺水损失最小和供水经济成本最低为目标，构建水量调度模拟模型；以水源来水丰枯典型情景为输入，调用预配置的求解算法，求解水量调度模拟模型，获得调度方案集合和每个调度方案的调水供水过程数据；
步骤S4、构建分水源识别模块，根据调度方案集合和每个调度方案的调水供水过程数据，对水源蓄水、水源调出、水源弃水和输水段用水进行分水源统计。
本实施例适用于那些需要从外部引入水资源以满足用水需求的受水区，例如某工程的受水区。这些受水区通常面临着多种供水水源，如本地水源、外调水源等，而且不同水源的来水量和质量可能随着时间和空间而变化。因此，需要一种科学的方法来识别不同供水水源的组成，以便进行合理的水量分配和调度。
本实施例可以提高供水可靠性和安全性，通过构建不同水源之间的径流联合概率分布模型，分析不同水源的丰平枯组合类型概率，为供水风险评估和预警提供依据。可以提高供水效率和经济性，通过以缺水损失最小和供水经济成本最低为目标，构建水量调度模拟模型，生成多种调度方案，并进行优化选择。可以提高供水质量和生态性，通过构建分水源识别模块，对不同供水水源的蓄放、输配、用弃等过程进行分析和监测，为供水质量控制和生态补偿提供数据支持。
如图2所示，根据本申请的一个方面，所述步骤S1进一步为：
步骤S11、获取区域水网系统调水受水区的基础信息，确定研究区域范围；所述基础信息包括地理位置、行政区划、水文特征、水资源数据和水资源开发利用数据；
这些数据可以从公开数据中获取，也可以通过实地调查和测量获得；目的是了解受水区的基本情况和特点，为后续的分析和设计提供背景信息。
步骤S12、获取或通过插值方法得到研究区域的研究数据并预处理，所述研究数据包括各个水源的历史径流数据、各个水源的供水能力、各用户的用水需求，以及引水工程的工程参数；这可以从某工程管理局、各省市水利部门、各类用水单位等渠道获取，也可以通过模型模拟或专家评估获得。预处理包括数据清洗、校验、填补缺失值等操作，以保证数据的完整性和准确性。作用是收集和整理与受水区相关的各类数据，为后续的模型建立和计算提供输入数据。
步骤S13、调用预存储的方法对研究区域内的工程线路和水平衡关系进行概化，表征调水受水网络中各节点和链路的水流方向、水量和水质。可以是基于图论或者网络分析的算法，例如最短路径算法、最大流算法等。概化后的工程线路和水平衡关系可以用节点矩阵和链路矩阵表示，以便于后续的模型建立和计算。该步骤的作用是简化和抽象受水区内的工程结构和水量关系，为后续的模型建立和计算提供网络拓扑和约束条件。
如图3所示，根据本申请的一个方面，所述步骤S2进一步为：
步骤S21、获取各个水源的径流数据，从函数结合中调取至少一个Copula函数并基于Copula函数构建水源之间的径流联合概率分布模型，通过预配置的方法确定Copula函数的参数，所述Copula函数至少包括椭圆簇、高斯簇和阿基米德簇；
根据本申请的一个方面，步骤S21中，通过预配置的方法确定Copula函数的参数的具体过程进一步为：
步骤S21a、构建检验数据，通过检验数据进行放回重采样，获得与检验数据数量相同的引导样本，形成bootstrap样本；
步骤S21b、使用最大似然估计方法获取基于bootstrap样本的Copula函数参数估计值；
步骤S21c、重复步骤S21a和步骤S21b预定次数，并从每个引导样本中获得一组参数估计，形成参数估计集合；
步骤S21d、基于引导样本的参数估计集合计算参数估计的标准偏差或置信区间，并选取符合条件的参数估计值作为Copula函数的参数。
在某个实施例中，假设检验数据为12个月份的径流数据，通过放回重采样法，从检验数据中随机抽取12个月份的数据（可能有重复），作为一个引导样本。重复这一过程若干次（如1000次），得到1000个引导样本，形成bootstrap样本。对于每一个引导样本，使用最大似然估计法求解如下优化问题：
n是引导样本中观测值的个数（即12），uAi，uBi，uCi是第i个观测值对应的三个水源径流。求解该优化问题可以得到基于该引导样本的Copula函数参数估计值θ。假设重复步骤S21a和步骤S21b的次数为1000，即使用1000个引导样本进行最大似然估计，那么就可以得到1000组参数估计值，形成参数估计集合{θ1，θ2，...，θ1000}。
根据参数估计集合，可以计算参数估计的标准偏差或置信区间，如:θ±1.96×,s/sqrt（-,-n..）。θ是参数估计集合的均值，s是参数估计集合的标准差，n是参数估计集合的个数（即1000）。选取这个区间内的任意一个参数估计值作为Copula函数的参数。
,或者，采用如下步骤：
步骤S211、构建由z个检验数据形成的检验数据集，并从中删除一个检验数据，得到z-1个测试样本；z为自然数；
步骤S212、使用最大似然估计法获取基于测试样本的Copula函数参数估计值；
步骤S213、重复步骤S211和步骤S212，从每个测试样本中获取一组参数估计值；
步骤S214、基于来自测试样本的参数估计集计算参数估计的标准偏差或置信区间。
在某个具体的实施例中，构建包含5个检验数据的检验数据集，即z=5。该检验数据集包含4个水源过去10年的年径流量数据。
首先，构建包含5个检验数据的检验数据集：{X1，X2，X3，X4，X5}
然后，删除其中一个检验数据，例如删除X3，得到包含4个检验数据的测试样本:
{X1，X2，X4，X5}。使用最大似然估计法，基于测试样本估计Copula函数的参数值，假设得到参数估计值为θ1。接着，重复上述过程，每次从检验数据集中删去一个不同的检验数据，构建测试样本，使用最大似然估计法估计参数。重复5次，总共获得5组参数估计值：{θ1，θ2，θ3，θ4，θ5}。
最后，基于这5组参数估计值，计算参数估计的标准偏差或95%置信区间。例如标准偏差为s，则Copula函数的参数估计值为θ±s。
这样我们就通过bootstrap方法，获得了Copula函数参数较为可靠的估计。
步骤S22、采用KS检验法确定Copula函数是否能够用于拟合经验数据，并采用RMSE和AIC指数来判断拟合程度，根据拟合程度确定最终Copula函数；
根据本申请的一个方面，所述步骤S22中，采用KS检验法确定Copula函数是否能够用于拟合经验数据的过程进一步为：
步骤S22a、构建Copula函数的拟合优度评价方法集合，
步骤S22b、逐一选择拟合优度评价方法计算经验Copula函数和拟合Copula函数之间的似然比LR，获得拟合优度数值；LR=-2log（L0（θ0）/L1（θ1））；
其中，L0(θ0)是给定观测数据的经验Copula函数的似然函数，θ0是经验Copula函数的参数估计，L1(θ1)是给定观测数据的拟合Copula函数的似然函数，θ1是拟合Copula函数的参数估计；
步骤S22c、将拟合优度数值与预定阈值进行比较，以确定Copula函数是否拟合良好。
根据本申请的一个方面，所述步骤S22b中，还可以采用贝叶斯准则评估copula函数拟合优度，具体如下：
构建贝叶斯准则BIC，；其中L(θ)是在给定观测数据的情况下Copula函数的似然函数，θ是Copula函数的参数估计，k是Copula函数的参数数量，n是样本大小。
步骤S23、采用径流联合概率分布模型，计算水源之间的丰平枯组合概率，并给出组合概率值；基于组合概率值构建水源来水丰平枯的典型场景集合。
如图4所示，根据本申请的一个方面，所述步骤S3中，水量调度模拟模型具体为：
目标函数为：
调度期内用户缺水深度平方和SI最小
min SI= ；
调水成本Cost最小
min Cost=；
湖泊或水库水量平衡约束： ；
湖泊或水库调蓄能力约束：；
调水能力约束： ；
渠道水量平衡约束：；
上式中，字符的含义如下：
t为时段编号；i为分区编号；j为水源编号；QR（i,j,t）为t时段i分区j水源需供水量；D(i，t)为t时段i分区实际供水量；k为泵站编号；p r 为电价；ρ为水体密度；Q（k,t）为t时段k泵站抽水流量；H（k,t）为t时段k泵站的扬程；η pump 为泵站的工作效率；S t ,S t+1 为湖泊时段t初末蓄水量；I t 为湖泊时段t上游来水量；Q in,t ,Q out,t 为湖泊时段t抽入、出水量；q out,t 为湖泊时段t泄水量; D t 为湖泊时段t东线供水量；D 0,t 为湖泊时段t原受水区供水量; E t 为湖泊时段t蒸发渗漏损失；Q in,t g+1 为第g个河段t时段上游泵站抽水量；Q g out,t 为第g个河段t时段到达下游泵站前的水量；q g inter,t 为第g个河段t时段区间来水量；D g inter,t 为第g个河段t时段的供水量；q g lost,t 为第g个河段t时段的水量损失量；S min （j,t）为j湖泊t时段的最小蓄水量；S max （j,t）为j湖泊t时段的最大蓄水量；Q rmax （k,t）为泵站入湖最大抽水能力；Q cmax （k,t）为泵站出湖最大抽水能力。
根据本申请的一个方面，所述步骤S4进一步为：
步骤S41、构建分水源识别模块，配置水量分水源统计原则；读取调度方案集合和每个调度方案的调水供水过程数据；所述水量分水源统计原则包括湖泊调出水量分水源统计原则、湖泊蓄水量分水源统计原则、湖泊弃水量分水源统计原则和区段用水量分水源统计原则；
步骤S42、针对每一水源，调取水量分水源统计原则，在充分利用当地水资源供水仍不足时，逐级从上一级水源调水补充。
在进一步的实施例中，湖泊调出水量分水源统计原则的构建过程如下：
沿受水区至水源（湖泊）的方向（即调水的逆方向），针对每一湖泊（水源）执行如下过程：
判断该水源是否属于第一级水源（离受水区最近的水源），
若是，判断计算当前水源的存蓄水量是否满足该水源所属地区的用水需求；若可以满足，则采用当前水源的存蓄水量扣除本地用户用水量之后的存蓄水量作为可调水量；并计算可调水量是否能够达到受水区的调水需求；若满足调水需求量，采用当前水源的存蓄水量向该受水区供水，
若不能满足，则向上一级水源请求调水，继续判断上一级水源是否能够满足该水源本地用户的用水需求，若可以满足，则计算可调水量是否能够满足调水需求，若满足调水需求量，采用当前水源的存蓄水量向受水区供水，否则，再向上一级水源请求调水，直至达到最后一级水源。
若否，转至第一级水源。
具体地，给出案例如下：假设按照受水区从近到远的方向依次有水源a、水源b和水源c，调水的方向是c→b→a→受水区。
为了减少输水距离，提高区域水网系统工程利用率，设计的思路是，先从距离较近的且具有可调容量的水源进行调水。按照从近到远，对水源进行分级，从第一级水源开始计算。比如，受水区需要1000的水量。水源a目前的存蓄水量是1000，水源a所在地的生态、生活和工业用水量，也就是说当地发展用水需求是800，则具有200的可调水量。然后向水源b调水，水源b的存蓄水量为1500，当地发展用水需求为1000，则具有500的可调水量。目前还是缺少300的水量。这个时候，从水源c进行调水。当然，如果水源a能够满足调水需求，则直接从水源a进行调水，而无需向更远的水源b和水源c进行调水。
在本申请的另一实施例中，湖泊蓄水量分水源统计原则的构建过程如下：
从第N级水源（本文为湖泊）开始，向第N-1级至第1级水源，分别计算蓄水量S；其中N为大于1的自然数；n为大于1的自然数；t表示时刻；
SN总蓄=SN原蓄+S1 X外调水蓄水量；SNmin≤SN总蓄≤SNmax；
S(N-1)总蓄=S1 N调蓄+S2 X外调水蓄水量；S(N-1)min≤S(N-1)总蓄≤S(N-1)max；
S(N-2)总蓄=S2 N调蓄+S1 (N-1)调蓄+S3 X外调水蓄水量；S(N-2)min≤S(N-2)总蓄≤S(N-2)max；
S1总蓄=Sn-1 N调蓄+Sn-2 (N-1)调蓄+…+ S2调蓄+Sn X外调水蓄水量；S1min≤S1总蓄≤S1max；
关于S1 X外调水蓄水量至Sn X外调水蓄水量的计算，对于每个时段而言S t+1 X外调水蓄水量=S t X外调水蓄水量+DRt X外调水-DC t X外调水-SU t X外调水。
在本申请的另一实施例中，湖泊弃水量分水源统计原则的构建过程如下：
某一水源的弃水量中的X外调水水量等于总弃水量乘以该时段该水源中X外调水水蓄水量占该时段该水源总蓄水量的百分比。
在本申请的另一实施例中，区段用水量分水源统计原则的构建过程如下：
计算各水源中上一级水源调水的比例，某区段调入水量减去该区段供水量等于从该区段继续调入下一水源节点或区段的水量。
根据本申请的一个方面，步骤S2中构建水源来水丰枯典型情景的具体过程包括：
使用蒙特卡洛方法，从边缘分布生成随机样本，然后使用Copula函数对其进行变换以获得联合样本；使用蒙特卡罗方法估计不同水供需水平下缺水或过剩的概率，通过决策分析方法总结供水和需求变量的均值、方差、偏度和峰度，获得水源涞水封控典型情景集合。
根据本申请的另一个方面，一种区域水网系统调水受水区供水水源组成的识别系统，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技术方案所述的区域水网系统调水受水区供水水源组成的识别方法。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (9)

1.区域水网系统调水受水区供水水源组成的识别方法，其特征在于，包括如下步骤：
步骤S1、确定研究区域的范围，获取研究数据，对研究区域的工程线路和水量平衡关系进行概化；所述水量平衡关系包括每一水源的水平衡关系、水源之间的源汇水量关系，以及水源和用户供需的水量关系；
步骤S2、通过Copula函数构建水源之间的径流联合概率分布模型，获得不同水源的丰平枯组合类型概率值，并以此构建水源来水丰枯典型情景；
步骤S3、以缺水损失最小和供水经济成本最低为目标，构建水量调度模拟模型；以水源来水丰枯典型情景为输入，调用预配置的求解算法，求解水量调度模拟模型，获得调度方案集合和每个调度方案的调水供水过程数据；
步骤S4、构建分水源识别模块，根据调度方案集合和每个调度方案的调水供水过程数据，对水源蓄水、水源调出、水源弃水和输水段用水进行分水源统计；
所述步骤S4进一步为：
步骤S41、构建分水源识别模块，配置水量分水源统计原则；读取调度方案集合和每个调度方案的调水供水过程数据；所述水量分水源统计原则包括湖泊调出水量分水源统计原则、湖泊蓄水量分水源统计原则、湖泊弃水量分水源统计原则和区段用水量分水源统计原则；
步骤S42、针对每一水源，调取水量分水源统计原则，在充分利用当地水资源供水仍不足时，逐级从上一级水源调水补充；
湖泊调出水量分水源统计原则的构建过程如下：
沿受水区至水源的方向，针对每一水源执行如下过程，其中，所述水源为湖泊，受水区至水源的方向为调水的逆方向：
判断该水源是否属于第一级水源，第一级水源指离受水区最近的水源，
若是，判断计算当前水源的存蓄水量是否满足该水源所属地区的用水需求；若可以满足，则采用当前水源的存蓄水量扣除本地用户用水量之后的存蓄水量作为可调水量；并计算可调水量是否能够达到受水区的调水需求；若满足调水需求量，采用当前水源的存蓄水量向该受水区供水，
若不能满足，则向上一级水源请求调水，继续判断上一级水源是否能够满足该水源本地用户的用水需求，若可以满足，则计算可调水量是否能够满足调水需求，若满足调水需求量，采用当前水源的存蓄水量向受水区供水，否则，再向上一级水源请求调水，直至达到最后一级水源；
若否，转至第一级水源；
湖泊弃水量分水源统计原则的构建过程如下：
某一水源的弃水量中的外调水水量等于总弃水量乘以该时段该水源中外调水水蓄水量占该时段该水源总蓄水量的百分比；
区段用水量分水源统计原则的构建过程如下：
计算各水源中上一级水源调水的比例，某区段调入水量减去该区段供水量等于从该区段继续调入下一水源节点或区段的水量。
2.如权利要求1所述的区域水网系统调水受水区供水水源组成的识别方法，其特征在于，所述步骤S1进一步为：
步骤S11、获取区域水网系统调水受水区的基础信息，确定研究区域范围；所述基础信息包括地理位置、行政区划、水文特征、水资源数据和水资源开发利用数据；
步骤S12、获取或通过插值方法得到研究区域的研究数据并预处理，所述研究数据包括各个水源的历史径流数据、各个水源的供水能力、各用户的用水需求，以及引水工程的工程参数；
步骤S13、调用预存储的方法对研究区域内的工程线路和水平衡关系进行概化，表征调水受水网络中各节点和链路的水流方向、水量和水质。
3.如权利要求1所述的区域水网系统调水受水区供水水源组成的识别方法，其特征在于，所述步骤S2进一步为：
步骤S21、获取各个水源的径流数据，从函数结合中调取至少一个Copula函数并基于Copula函数构建水源之间的径流联合概率分布模型，通过预配置的方法确定Copula函数的参数，所述Copula函数至少包括椭圆簇、高斯簇和阿基米德簇；
步骤S22、采用KS检验法确定Copula函数是否能够用于拟合经验数据，并采用RMSE和AIC指数来判断拟合程度，根据拟合程度确定最终Copula函数；
步骤S23、采用径流联合概率分布模型，计算水源之间的丰平枯组合概率，并给出组合概率值；基于组合概率值构建水源来水丰平枯的典型场景集合。
4.如权利要求3所述的区域水网系统调水受水区供水水源组成的识别方法，其特征在于，步骤S21中，通过预配置的方法确定Copula函数的参数的具体过程进一步为：
步骤S21a、构建检验数据，通过检验数据进行放回重采样，获得与检验数据数量相同的引导样本，形成bootstrap样本；
步骤S21b、使用最大似然估计方法获取基于bootstrap样本的Copula函数参数估计值；
步骤S21c、重复步骤S21a和步骤S21b预定次数，并从每个引导样本中获得一组参数估计，形成参数估计集合；
步骤S21d、基于引导样本的参数估计集合计算参数估计的标准偏差或置信区间，并选取符合条件的参数估计值作为Copula函数的参数；
或者，采用如下步骤：
步骤S211、构建由z个检验数据形成的检验数据集，并从中删除一个检验数据，得到z-1个测试样本；z为自然数；
步骤S212、使用最大似然估计法获取基于测试样本的Copula函数参数估计值；
步骤S213、重复步骤S211和步骤S212，从每个测试样本中获取一组参数估计值；
步骤S214、基于来自测试样本的参数估计集计算参数估计的标准偏差或置信区间。
5.如权利要求3所述的区域水网系统调水受水区供水水源组成的识别方法，其特征在于，所述步骤S22中，采用KS检验法确定Copula函数是否能够用于拟合经验数据的过程进一步为：
步骤S22a、构建Copula函数的拟合优度评价方法集合，
步骤S22b、逐一选择拟合优度评价方法计算经验Copula函数和拟合Copula函数之间的似然比LR，获得拟合优度数值；LR=-2log（L0（θ0）/L1（θ1））；
其中，L0(θ0)是给定观测数据的经验Copula函数的似然函数，θ0是经验Copula函数的参数估计，L1(θ1)是给定观测数据的拟合Copula函数的似然函数，θ1是拟合Copula函数的参数估计；
步骤S22c、将拟合优度数值与预定阈值进行比较，以确定Copula函数是否拟合良好。
6.如权利要求5所述的区域水网系统调水受水区供水水源组成的识别方法，其特征在于，所述步骤S22b中，还可以采用贝叶斯准则评估copula函数拟合优度，具体如下：
构建贝叶斯准则BIC，；其中L(θ)是在给定观测数据的情况下Copula函数的似然函数，θ是Copula函数的参数估计，k是Copula函数的参数数量，n是样本大小。
7.如权利要求1所述的区域水网系统调水受水区供水水源组成的识别方法，其特征在于，所述步骤S3中，水量调度模拟模型具体为：
目标函数为：
调度期内用户缺水深度平方和SI最小：
min SI=min∑ T t=1 ∑ I i=1 ∑ J j=1 {[α（i,j,t）·QR（i,j,t）-D（i,t）]/D（i,t）}；
调水成本Cost最小：
min Cost = min∑ T t=1 ∑ K k=1 P（k,t）=min∑ T t=1 ∑ K k=1 [p r ·ρg 0 Q（k,t）·H（k,t）t]/（1000 η pump ）；
湖泊水量平衡约束：S t+1 =S t +I t +Q in,t -q out,t -Q out,t -D t -D 0,t -E t ；
湖泊调蓄能力约束：Smin （j,t）≤S（j,t）≤Smax （j,t）；
调水能力约束：Qr （k,t）≤Qrmax （k,t）；Qc （k,t）≤Qcmax （k,t）；
渠道水量平衡约束：Qg+1 in,t= Qg out,t+qg inter,t-Dg inter,t-qg loss,t；
上式中，字符的含义如下：
t为时段编号；i为分区编号；j为水源编号；QR（i,j,t）为t时段i分区j水源需供水量；D (i，t)为t时段i分区实际供水量；k为泵站编号；p r 为电价；ρ为水体密度；Q（k,t）为t时段k泵站抽水流量；H（k,t）为t时段k泵站的扬程；η pump 为泵站的工作效率；S t ,S t+1 为湖泊时段t初末蓄水量；I t 为湖泊时段t上游来水量；Q in,t ,Q out,t 为湖泊时段t抽入、出水量；q out,t 为湖泊时段t泄水量; D t 为湖泊时段t东线供水量；D 0,t 为湖泊时段t原受水区供水量; E t 为湖泊时段t蒸发渗漏损失；Q in,t g+1 为第g+1个河段t时段上游泵站抽水量；Q g out,t 为第g个河段t时段到达下游泵站前的水量；q g inter,t 为第g个河段t时段区间来水量；D g inter,t 为第g个河段t时段的供水量；q g lost,t 为第g个河段t时段的水量损失量；S min （j,t）为j湖泊t时段的最小蓄水量；S max （j, t）为j湖泊t时段的最大蓄水量；Q rmax （k,t）为泵站入湖最大抽水能力；Q cmax （k,t）为泵站出湖最大抽水能力。
8.如权利要求1至5任一项所述的区域水网系统调水受水区供水水源组成的识别方法，其特征在于，步骤S2中构建水源来水丰枯典型情景的具体过程包括：
使用蒙特卡洛方法，从边缘分布生成随机样本，然后使用Copula 函数对其进行变换以获得联合样本；使用蒙特卡罗方法估计不同水供需水平下缺水或过剩的概率，通过决策分析方法总结供水和需求变量的均值、方差、偏度和峰度，获得水源来水丰枯典型情景集合。
9.一种区域水网系统调水受水区供水水源组成的识别系统，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至8任一项所述的区域水网系统调水受水区供水水源组成的识别方法。
CN202410060143.5A 2024-01-16 2024-01-16 区域水网系统调水受水区供水水源组成的识别方法及系统 Active CN117575297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410060143.5A CN117575297B (zh) 2024-01-16 2024-01-16 区域水网系统调水受水区供水水源组成的识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410060143.5A CN117575297B (zh) 2024-01-16 2024-01-16 区域水网系统调水受水区供水水源组成的识别方法及系统

Publications (2)

Publication Number Publication Date
CN117575297A CN117575297A (zh) 2024-02-20
CN117575297B true CN117575297B (zh) 2024-04-23

Family

ID=89892198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410060143.5A Active CN117575297B (zh) 2024-01-16 2024-01-16 区域水网系统调水受水区供水水源组成的识别方法及系统

Country Status (1)

Country Link
CN (1) CN117575297B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117829559B (zh) * 2024-03-06 2024-08-09 陕西省水利电力勘测设计研究院 一种多水源到多用户的水资源一体化调配方法
CN118153817A (zh) * 2024-03-29 2024-06-07 重庆大学 一种跨区域水源供给服务的生态补偿方法
CN118037002B (zh) * 2024-04-09 2024-06-04 水利部水利水电规划设计总院 水网系统中调水工程年度水资源调度计划编制方法及系统
CN118014325B (zh) * 2024-04-09 2024-05-31 水利部水利水电规划设计总院 水网系统中调蓄工程调度规则提取方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423546A (zh) * 2017-04-18 2017-12-01 武汉大学 基于Copula函数的多变量水文不确定性处理方法
CN109814178A (zh) * 2018-12-25 2019-05-28 河海大学 基于Copula-模型条件处理器的水文概率预报方法
CN113033014A (zh) * 2021-04-09 2021-06-25 北京师范大学 一种考虑多水源联合概率分布的区域可供水量估算方法
CN116049340A (zh) * 2023-02-22 2023-05-02 北京师范大学 考虑水位与水文连通性共存关系的湖泊最优水位确定方法
CN117035201A (zh) * 2023-10-09 2023-11-10 南京大学 平原河网水工程集群多目标调度规则制定方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423546A (zh) * 2017-04-18 2017-12-01 武汉大学 基于Copula函数的多变量水文不确定性处理方法
CN109814178A (zh) * 2018-12-25 2019-05-28 河海大学 基于Copula-模型条件处理器的水文概率预报方法
CN113033014A (zh) * 2021-04-09 2021-06-25 北京师范大学 一种考虑多水源联合概率分布的区域可供水量估算方法
CN116049340A (zh) * 2023-02-22 2023-05-02 北京师范大学 考虑水位与水文连通性共存关系的湖泊最优水位确定方法
CN117035201A (zh) * 2023-10-09 2023-11-10 南京大学 平原河网水工程集群多目标调度规则制定方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
城市供水系统多水源联合调度模型及应用;于冰 等;《水科学进展》;20151130;第26卷(第6期);摘要，第1-2节 *
跨流域联合供水水库补偿特性研究;姜彪 等;《水文》;20161031;第36卷(第5期);摘要，第2-4节 *

Also Published As

Publication number Publication date
CN117575297A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN117575297B (zh) 区域水网系统调水受水区供水水源组成的识别方法及系统
Li et al. An optimal modelling approach for managing agricultural water-energy-food nexus under uncertainty
CN108764573B (zh) 一种面向内陆干旱区的水资源多维均衡配置系统
Koutsoyiannis et al. A decision support tool for the management OF multi‐reservoir systems 1
Kamrani et al. Using Bayesian networks to evaluate how agricultural water distribution systems handle the water-food-energy nexus
McKinney Cooperative management of transboundary water resources in Central Asia
Li et al. A two-stage water allocation strategy for developing regional economic-environment sustainability
Louati et al. Application of a genetic algorithm for the optimization of a complex reservoir system in Tunisia
Khosrojerdi et al. Optimal allocation of water resources using a two-stage stochastic programming method with interval and fuzzy parameters
Safdarian et al. Coalitional game theory based value sharing in energy communities
CN109598408A (zh) 一种兼顾用水公平性和重要性的年水量调度计划编制方法
Chen et al. Evolutionary game analysis of tripartite cooperation strategy under mixed development environment of cascade hydropower stations
CN101789053A (zh) 一种供水型水库生态调度技术
CN117744501B (zh) 考虑生态流量的水网系统调蓄节点优化调度与决策方法
CN116663740A (zh) 一种多水库、多线路、多受水区的跨流域调水工程联合调度规则优化方法
Liu et al. Risks analysis of discarding water in power generation process of hydropower station
CN109325610B (zh) 一种面向多水源梯级泵站调水系统的分段线性调度方法
CN117391334A (zh) 一种适用于大型旱区的水资源统一优化配置方法
CN112966919B (zh) 一种基于条件价值风险的用水与排污冲突协调方法
CN112053256A (zh) 一种以水源和用水户双排序为规则基础的水资源模拟方法
Liu et al. Process-based three-layer synergistic optimal allocation model for complex water resource systems considering reclaimed water
CN111079066B (zh) 一种水库群发电生态两目标竞争关系分析方法
Zhang et al. An inexact multi-objective mixed-integer nonlinear programming approach for water-soil-fertilizer management under uncertainty considering “footprint family-planetary boundary” assessment
Han et al. An interval-parameter multi-stage stochastic chance-constrained mixed integer programming model for inter-basin water resources management systems under uncertainty
Suo et al. An Inexact Inventory Theory‐Based Water Resources Distribution Model for Yuecheng Reservoir, China

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