CN117689216B - 一种基于数字孪生的水利工程运维管理系统 - Google Patents
一种基于数字孪生的水利工程运维管理系统 Download PDFInfo
- Publication number
- CN117689216B CN117689216B CN202410149009.2A CN202410149009A CN117689216B CN 117689216 B CN117689216 B CN 117689216B CN 202410149009 A CN202410149009 A CN 202410149009A CN 117689216 B CN117689216 B CN 117689216B
- Authority
- CN
- China
- Prior art keywords
- water
- water body
- change
- state
- value
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 107
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 423
- 230000008859 change Effects 0.000 claims abstract description 116
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 238000001704 evaporation Methods 0.000 claims abstract description 75
- 230000008020 evaporation Effects 0.000 claims abstract description 75
- 239000002344 surface layer Substances 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 29
- 239000002689 soil Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000003973 irrigation Methods 0.000 description 4
- 230000002262 irrigation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000700 radioactive tracer Substances 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 239000002352 surface water Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000002379 ultrasonic velocimetry Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于数字孪生的水利工程运维管理系统，涉及水利工程管理技术领域，通过在检测点处对水体变化状态进行监控，由监控结果生成区域水文变化数据集合，并由区域水文变化数据集合生成水体变化指数；生成水库水体表层的蒸发度，若其超过蒸发阈值，则进而生成水体状态系数，对水体状态系数及水体变化指数分别进行预测并获取相应的预测值，并所述区域水文状态集合建立水利风险系数，确认是否发出预测指令；对流域面积内的水文状态进行预测，从预先构建的运维预案集合内的运维预案对应性，匹配出若干个备选方案并筛选出推荐方案。对的水利工程设施进行运维时更具有针对性，不增加流域面积内的水利风险，减少安全隐患。
Description
技术领域
本发明涉及水利工程管理技术领域，具体为一种基于数字孪生的水利工程运维管理系统。
背景技术
水利工程是用于控制和调配自然界的地表水和地下水，达到除害兴利目的而修建的工程，也称为水工程。它包括防洪、除涝、灌溉、发电、供水、围垦、水土保持、移民、水资源保护等工程及其配套和附属工程，如河道工程、水库工程、水闸工程、堤防工程等。水利工程的主要功能包括控制水流，防止洪涝灾害，进行水量的调节和分配，以满足人民生活和生产对水资源的需要。按照目的或服务对象，水利工程可以分为防洪工程、农田水利工程或称灌溉和排水工程、水力发电工程、航道和港口工程、城镇供水和排水工程、水土保持工程和环境水利工程、渔业水利工程、海涂围垦工程等。
其中，最为常见的则是水库，水库是指人造的湖泊，而规模较小的则称为水塘、塘坝和蓄水池，主要功能是蓄水以供之后的灌溉或发电，也可用于防洪或抗旱；根据功能不同，水库可以分为大型水库、中型水库和小型水库。按照容积计算，全球前十大水库均属于大型水库，储水量常达几十到几百亿立方米。
在申请公布号为CN114638476A的中国发明专利中，公开了一种水利一体化运维管理方法及系统，包括：获取水利设备故障的信息或征兆；采用基于深度置信网络的故障诊断方法对故障进行识别和分类；对故障进行历史故障相似度计算，并将故障与故障案例进行匹配生成当前故障运维工单，将运维工单派发给对应运维人员并展开运维工作；运维工作实施结束，系统对运维实施效果的自动评价。
以上申请将数据采集、在线监测、故障诊断、运维预案、人员调配、运维后评价、运维过程记录等所有运维工作集中在一个平台处理，加强水利运维工作的协调性，优化资源配置，保证运维工作的高效进行，节约人力资源的同时，也避免了主观因素造成的不全面、不准确。
在申请公布号为CN115081648 A的中国发明专利中，公开了一种基于BIM+VR的水利工程运维管理系统，包括运维管理平台，所述运维管理平台通信连接有土方检测模块、维护推荐模块、维护监督模块以及存储模块；所述土方检测模块用于对水利工程的土方维护进行监测分析并得到水利工程的土方系数，通过土方系数的数值大小对水利工程的土方检测是否合格进行判定；本发明通过土方检测模块可以对水利工程进行土方维护分析，通过对水利工程的裂缝数据、滑坡数据以及渗漏数据进行分析得到土方系数，通过土方系数的数值大小对水利工程的土方维护状态进行判定。
以上申请在对水利工程做运维时，将主要目标集中在水利工程设施及设备上，提高了设备和设施的安全性，但是缺乏对可能发生的水利风险的考虑，以水库为例，在水分蒸发量及土壤含水量产生较大变化的条件下时，水库下游的水利风险也成倍增加，此时，对水利工程的运维场景和平时会存在较大差别，若仍依据经验来选择运维预案，在对水利设备和设施形成维护的同时，也较难顾及到当前存在的干旱或者洪涝的风险，对水利设备和设施的维护达到预期效果。
为此，本发明提供了一种基于数字孪生的水利工程运维管理系统。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于数字孪生的水利工程运维管理系统，通过于检测点处对水体变化状态进行监控，由监控结果生成区域水文变化数据集合，并由区域水文变化数据集合生成水体变化指数；生成水库水体表层的蒸发度，若其超过蒸发阈值，则进而生成水体状态系数，对水体状态系数及水体变化指数分别进行预测并获取相应的预测值，并所述区域水文状态集合建立水利风险系数，确认是否发出预测指令；对流域面积内的水文状态进行预测，从预先构建的运维预案集合内的运维预案对应性，匹配出若干个备选方案并筛选出推荐方案。对的水利工程设施进行运维和控制时更具有针对性，降低流域面积内的水利风险，从而解决了背景技术中所记载的技术问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于数字孪生的水利工程运维管理系统，包括，预警单元、建立覆盖水库的流域面积的电子地图后，在水库下游的目标区域内设置检测点，于检测点处对水体变化状态进行监控，由监控结果生成区域水文变化数据集合，并由区域水文变化数据集合生成水体变化指数，若水体变化指数/>超过变化阈值，发出第一预警指令；
检测单元、接收到第一预警指令后，在水库的水体内设置若干个检测点，在检测点处获取的水体蒸发量Sz的基础上生成水库水体表层的蒸发度，若所述蒸发度超过蒸发阈值，则建立水库的水体状态数据集合，并进而生成水体状态系数，若其不超过状态阈值，则发出第二预警指令；
预测单元、在预设的观察周期内未接收到第二预警指令时，对所述观察周期内的水体状态系数及水体变化指数/>分别进行预测并获取相应的预测值，在结合所述预测值的基础上，由所述区域水文状态集合建立水利风险系数/>，依据水利风险系数/>确认是否发出预测指令；
模型构建单元、在训练和测试后，获取训练好的水利运维数字孪生模型，以其对流域面积内的水文状态进行预测，并由预测结果生成预测数据集合，由预测数据集合再次生成水体状态系数和水体变化指数/>，若两者均超过对应的阈值，则发出报警指令；
方案匹配单元、识别获取预测数据集合内的水体特征，依据水体特征与预先构建的运维预案集合内的运维预案对应性，匹配出若干个备选方案，使用训练好的水利运维数字孪生模型对备选方案进行仿真测试，由测试结果获取各个备选方案的调整度，依据调整度/>在若干个备选方案内筛选出推荐方案。
进一步的，由水库位置确定其流域面积，建立至少覆盖所述流域面积的电子地图，在电子地图上等面积的将流域面积分割为若干个子区域，在位于水库下游方向的若干个子区域内确定出存在水体的目标区域，在目标区域内设置若干个检测点；于每个检测周期内，在检测点处对水体的面积进行检测，分别确定为面积变化量及含水率变化量/>。
进一步的，将各个检测点处的若干个水体的面积变化量及土壤的含水率变化量/>汇总，生成区域水文变化数据集合，由区域水文变化数据集合生成水体变化指数，若所获取的水体变化指数/>超过变化阈值时，将对应目标的目标区域确定为异常区域；若异常区域占目标区域的比例区域超比例阈值，向外部发出第一预警指令。
进一步的，接收到第一预警指令后，在水库的水体内设置若干个检测点，在每个检测周期结束时，在检测点处获取水库水体表层的水体蒸发量Sz；在连续获取若干个位置的水体蒸发量Sz后，再获取蒸发度，其具体方式如下：其中，参数的意义为：k为大于1的正整数，，其为检测点的总数，n为检测点内水体蒸发量Sz的个数，/>为水体蒸发量均值，/>为水体蒸发量稳定度，/>为水体蒸发量稳定度的均值；若所获取的蒸发度/>超过蒸发阈值，发出二次检测指令。
进一步的，在接收到二次检测指令后，获取各个检测点处的水体表层的流量，生成表层流量Sw，在水库的各个汇入点处，获取水库水体的汇入量，生成水体汇入量Hr，将连续获取的若干个水体蒸发量Sz、表层流量Sw及水体汇入量Hr汇总后，建立水库的水体状态数据集合；由水体状态数据集合生成水体状态系数，若所述水体状态系数不超过状态阈值，发出第二预警指令。
进一步的，若观察周期内未接收到第二预警指令时，在所述观察周期内分别连续获取若干个的水体状态系数及水体变化指数/>，并分别将其沿着时间轴排列和编号，汇总后生成区域水文状态集合；依据水体状态系数/>及水体变化指数/>的变化趋势，分别对两者进行预测，获取综合预测值。
进一步的，由所述区域水文状态集合建立水利风险系数，其具体方式如下：将获取到的水体状态系数/>及水体变化指数/>的综合预测值后，关联生成水利风险系数/>：其获取方法如下：/>其中，/>为权重，/>，且/>，n为大于1的正整数；水利风险系数/>获取方式如下：/>其中，为水体状态系数/>的移动中间值，/>为水体变化指数/>的移动中间值；若所获取的水利风险系数/>超过风险阈值，发出预测指令。
进一步的，在接收到预测指令后，建立流域面积内的水利运维数字孪生模型，对所述流域面积内的天气条件进行预测，获取预测结果并将其作为测试条件；在所述测试条件下，使用训练好的水利运维数字孪生模型对流域面积内的水文状态进行预测，并在获取了若干个预测结果后，汇总生成预测数据集合，由预测数据集合内的数据再次获取水体状态系数和水体变化指数/>，若其两者均超过对应的阈值，发出报警指令。
进一步的，在接收报警指令后，对预测数据集合内的水利相关数据进行特征识别，获取相应的水体特征，将若干种数据特征汇总后，获取流域面积内的水利特征集合，通过线上的检索或者线下的收集，获取若干个针对水利状态变化的运维预案，汇总后生成运维预案集合；使用训练后的匹配模型，依据水体特征与运维预案的对应性，从运维预案库内匹配出对应的多个运维预案，将其作为备选方案。
进一步的，使用训练好的水利运维数字孪生模型对备选方案进行仿真测试，并获取测试结果；由测试结果生成对应的水体状态系数和水体变化指数，分别获取两者与前者的差值，记录为水体状态差/>及水体变化差/>；
将水体状态差及水体变化差/>做线性归一化处理后，并将相应的数据值映射至区间/>内，再依据如下方式获取调整度/>：
参数的意义为：，且/>，/>为权重系数，
若调整度超过幅度阈值的运维预案多于一个时，则在其中随机选择一个作为推荐方案；若调整度/>超过幅度阈值的运维预案只有一个时，则将其作为推荐方案；若调整度/>均未超过幅度阈值时，将其中调整度/>最高的作为推荐方案，将获取推荐方案输出。
（三）有益效果
本发明提供了一种基于数字孪生的水利工程运维管理系统，具备以下有益效果：
1、由水体状态数据集合生成水体状态系数，以水体状态系数对水库当前状态进行判断，对潜在风险进行验证，若是水库水体的状态也产生了一定的异常，则说明当前的水利风险可能已经产生，向外部发出第二预警指令，管理人员此时在接收到第二预警指令后，可以对水库的水体做出确定性处理。
2、对所述水体状态系数及水体变化指数/>进行预测，并继续获取水利风险系数/>，以水利风险系数/>对水库所在的流域面积内的水利风险，也即对洪涝风险或者干旱风险进行预测及评估，对流域面积内的整体性风险进行判断，以此来获取判断结果并采取对应性的运维措施。
3、建立流域面积内的水利运维数字孪生模型，并在对天气条件的变化进行预测后，确定测试条件，使用训练好的水利运维数字孪生模型对流域面积内的各项参数进行准确预测，依据预测结果可以实现对流域面积内的水利风险进行的判断和评估，对可能产生的风险进行更为准确的感知，对以水库所代表的水利工程设施进行运维和控制时更具有针对性，降低流域面积内的水利风险。
4、由预先获取的若干个运维预案构建运维预案集合，并依据预测数据的特征，为流域面积针对性的匹配若干个备选方案，在需要对水利设施进行维护时，不需要临时的建立运维预案，可以提高预案的构建效率，在对水利设备及设施进行运维处理时，至少不会使水利风险扩大化，当备选方案存在若干个时，使用训练后的水利运维数字孪生模型对若干个备选方案进行筛选，以便于选择出其中效果相对较佳的方案，从而在对水利工程的运行风险进行处理时，对处理效果形成保障，避免当前的运维活动对水利风险造成扩大化，减少安全隐患。
附图说明
图1为本发明基于数字孪生的水利工程运维管理方法流程示意图；
图2为本发明基于数字孪生的水利工程运维管理系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。
请参阅图1，本发明提供一种基于数字孪生的水利工程运维管理方法，包括如下步骤：
步骤一、建立覆盖水库的流域面积的电子地图后，在水库下游的目标区域内设置检测点，于检测点处对水体变化状态进行监控，由监控结果生成区域水文变化数据集合，并由区域水文变化数据集合生成水体变化指数，若水体变化指数/>超过变化阈值，发出第一预警指令；
所述步骤一包括如下内容：
步骤101、在确定水库位置后，依据其可提供灌溉及泄洪范围确定其流域面积，建立至少覆盖所述流域面积的电子地图，并依据水体的流动方确定上游及下游，在电子地图上等面积的将流域面积分割为若干个子区域，分别对各个子区域进行编号；筛选出位于水库下游方向的若干个子区域，若所述子区域内存在水体，则将所述子区域确定为目标区域，在目标区域内设置若干个检测点；
步骤102、设置检测周期，例如，以2小时为一个检测周期，于每个检测周期内，在检测点处对水体的面积进行检测，获取水体面积Wm，并在所述水体的边缘处，例如，在离水体10米处，对其表层土壤的含水率进行检测，获取土壤含水率Tm；在连续获取若干组的水体面积Wm及土壤含水率Tm后，将其沿着时间轴做有序排列，并依次获取前值与后值间的差值，分别确定为面积变化量及含水率变化量/>；
需要说明的是：水体面积可以作为评估干旱风险的一个指标，因为当水体面积减少时，意味着地表水和地下水的储量减少，这可能会导致供水不足，从而增加干旱的风险。然而，仅仅依靠水体面积来确定干旱风险是不够的；因此，进一步的，土壤湿度是评估干旱风险的重要因素之一，通过测量土壤湿度，可以了解地表的水和地下水的状况，以及植被的生长状况；
步骤103、将各个检测点处的若干个水体的面积变化量及土壤的含水率变化量/>汇总，生成区域水文变化数据集合，由区域水文变化数据集合生成水体变化指数，其获取方式如下：将所获取的面积变化量/>及含水率变化量/>做线性归一化处理，将相应的数据值映射至区间/>内，在依据如下方式：
其中，参数意义为：n为大于1的正整数，，权重系数：，且/>，其具体值由用户调整设置，所述/>为面积变化量的均值，/>为含水率变化量的均值；
m为检测点的个数；为各个检测点处的水体变化指数的中间值，为各个检测点处水体变化指数中间值的合格标准值；/>为各个检测点处的水体变化指数的中间值的均值；
作为补充说明，为面积变化量在i位置上的值，/>为含水率变化量在i位置上的值，/>为水体变化指数的中间值在i位置上的值；结合历史数据以及对水体变化的可接受预期，预先设置变化阈值，若所获取的水体变化指数/>超过变化阈值时，将对应目标的目标区域确定为异常区域；
在预先设置比例阈值后，例如30%，若异常区域占目标区域的比例区域超比例阈值，则说明当前水体状态变化幅度较大，当前可能存在较大的干旱风险或者洪涝风险，此时，需要向外部发出第一预警指令，从而可以便于管理人员及时的采取措施进行处理。
使用时，结合步骤101至103中的内容，
在需要确认是否对以水库为代表的水利工程采取运维及调整措施时，可以先对其是否具有采取措施的条件进行判断，此时，确定出水库的下游位置，并在下游位置处筛选出若干个目标区域，在目标区域内的各个检测点处采集获取水体面积参数及土壤含水量参数，并依据其变化的程度获取最后的水体变化指数；
以水体变化指数对水体风险，也即对水库下游内的干旱或者洪涝风险进行预测，若是存在潜在风险，则发出第一预警指令，使管理人员能够提前进行处理，以避免风险进一步的扩大；
同时，在筛选出若干个异常区域且未发出第一预警指令时，也可以对各个异常区域做出针对性的处理，避免部分异常区域内的干旱或洪涝情形进一步的加深。
步骤二、接收到第一预警指令后，在水库的水体内设置若干个检测点，在检测点处获取的水体蒸发量Sz的基础上生成水库水体表层的蒸发度；若所述蒸发度/>超过蒸发阈值，则建立水库的水体状态数据集合，并进而生成水体状态系数/>，若其不超过状态阈值，则发出第二预警指令；
所述步骤二包括如下内容：
步骤201、接收到第一预警指令后，在水库的水体内设置若干个检测点，使各个检测点分布保持大体均匀，并在设置检测周期后，例如，以2小时为一个检测周期，在每个检测周期结束时，在检测点处获取水库水体表层的水体蒸发量Sz；在连续获取若干个位置的水体蒸发量Sz后，再获取蒸发度，其具体方式如下：/>
其中，参数的意义为：k为大于1的正整数，，其为检测点的总数，n为检测点内水体蒸发量Sz的个数，/>为水体蒸发量均值，/>为水体蒸发量稳定度，/>为水体蒸发量稳定度的均值；
作为补充说明，为水体蒸发量在i位置上的值，/>为水体蒸发量稳定度在i位置上的值；结合历史数据和对水体变化的预期，预先设置蒸发阈值，若所获取的蒸发度超过蒸发阈值，则说明当前水体的蒸发速度过快，此时，发出二次检测指令；
步骤202、在接收到二次检测指令后，在每个检测周期结束时，获取各个检测点处的水体表层的流量，生成表层流量Sw，并连续获取若干个，其中，所述表层指的是，水体上层5米内；同时，在水库的各个汇入点处，获取水库水体的汇入量，生成水体汇入量Hr，并连续获取若干个；将所获取的水体蒸发量Sz、表层流量Sw及水体汇入量Hr汇总后，建立水库的水体状态数据集合；
需要说明的是：水体表层流量指的是水体表面附近的水流速度，通常以米/秒或英里/小时为单位进行测量。水体表层流速受到多种因素的影响，包括水体的深度、宽度、地形、风速和水的密度等。
水体表层流量的测量通常用于河流、湖泊、水库等水体的研究和管理中。例如，在河流生态系统中，水体表层流速对于水生生物的分布和繁殖有着重要的影响；在水利工程中，水体表层流速对于水利设施的设计和运行也有着重要的意义。
测量水体表层流量可以通过多种方法进行，包括漂流物法、声学多普勒测速法、示踪剂法等。其中，漂流物法是利用在水面上放置漂浮物来测量水体的流速；声学多普勒测速法是利用声波在水体中传播的速度差来测量水体的流速；示踪剂法是利用在水体中添加一定浓度的示踪剂，通过测量示踪剂在水体中的分布情况来推算水体的流速。
水体蒸发量是指水体表面上的水分在一定时间内蒸发或蒸发的程度。它是一个重要的水文气象要素，与全球气候变化、水资源管理和水文循环密切相关。水面蒸发量：指水体表面上的水分蒸发成水蒸气进入大气的数量。它可以通过水面积、水的表面温度、湿度、风速等参数计算。
步骤203、由水体状态数据集合生成水体状态系数，其具体方式如下：将水体蒸发量Sz、表层流量Sw及水体汇入量Hr做线性归一化处理后，并将相应的数据值映射至区间/>内，再依据如下方式：其中，权重系数：/>，且/>，此处，n为检测数据获取的个数，k为检测点的个数，为大于的1的正整数；/>为水体状态系数的中间值；
为在各个检测点处水体蒸发量的历史均值，/>为水体蒸发量的合格标准值；/>为在各个检测点处表层流量的历史均值，/>为表层流量的合格标准值；/>为在各个检测点水体汇入量的历史均值，/>为水体汇入量的合格标准值；
作为补充说明，为水体蒸发量在i位置上的值；/>为表层流量在i位置上的值；/>为水体汇入量在i位置上的值，/>为水体状态系数中间值在i位置上的值；
结合历史数据和对水库水体的变化的预期，预先设置状态阈值，此时，若所述水体状态系数超过状态阈值，则说明水库水体当前状态相对较好，暂时不需要做出进一步的处理，而若其不超过状态阈值，则说明水库水体当前的状态不佳，此时，在接收到第一预警指令的前提下，再向外部发出第二预警指令；
使用时，结合步骤201及203中的内容；
在接收到第一预警指令后，也即，在水库下游已经存在一定的水利风险时，在水库水体内做二次检测，以便于对当前的风险做出验证，此时，获取水库水体的蒸发度，以用于对水体的蒸发情况进行初步评估，如果水体的蒸发量过大或者产生异常，说明产生干旱的风险显然较大，此时，则继续获取表层流量Sw及水体汇入量Hr，由水体状态数据集合生成水体状态系数/>；
以水体状态系数对水库当前状态进行判断，对所述风险进行验证，若是水库水体的状态也产生了一定的异常，则说明当前的水利风险，也即干旱风险或是洪涝风险可能已经产生，此时，向外部发出第二预警指令，管理人员此时在接收到第二预警指令后，可以对水库的水体做出确定性处理，例如，向下游放水等。
步骤三、在预设的观察周期内未接收到第二预警指令时，对所述观察周期内的水体状态系数及水体变化指数/>分别进行预测并获取相应的预测值，在结合所述预测值的基础上，由所述区域水文状态集合建立水利风险系数/>，依据水利风险系数/>确认是否发出预测指令；
所述步骤三包括如下内容：
步骤301、设置观察周期，例如，使一个观察周期的长度为一个检测周期的若干倍，若是在所述观察周期内未接收到第二预警指令时，在所述观察周期内分别连续获取若干个的水体状态系数及水体变化指数/>，并分别将其沿着时间轴排列和编号，汇总后生成区域水文状态集合；
作为进一步的处理，依据水体状态系数及水体变化指数/>的变化趋势，分别对两者进行函数拟合，并在经过K-S验证后，获取两者的拟合函数并分别作为预测函数；分别以所述的预测函数对水体状态系数/>及水体变化指数的变化进行预测，获取为第一预测值；使用平滑指数预测法对水体状态系数及水体变化指数/>的变化进行预测，获取为第二预测值；
在获取到第一预测值及第二预测值后，依照如下方法获取综合预测值：
其中，参数意义为：，其具体值由用户调整设置；/>代指第一预测值，/>代指第二预测值；
步骤302、由所述区域水文状态集合建立水利风险系数，其具体方式如下：
在分别获取到水体状态系数及水体变化指数/>的综合预测值后，分别将其标记为/>及水体变化指数/>；从而，分别获取到水体状态系数/>直至/>，以及水体变化指数/>直至/>，其中，n为大于1的正整数；
将所获取到的水体状态系数及水体变化指数/>相关联，生成水利风险系数/>：其获取方法如下：
其中，为权重，/>，且/>，具体值可由用户调整设置，其中，n为大于1的正整数；水利风险系数/>获取方式如下：
其中，/>为水体状态系数的移动中间值，/>为水体变化指数/>的移动中间值；
作为进一步的内容，结合历史数据及对水库的流域面积内风险预期，预先设置风险阈值，若所获取的水利风险系数超过风险阈值，则说明当前的风险较大，可能会带来较大的负面影响，因此需要做出更为精确的预测，依据预测结果对水库的水利运维决策形成更为准确的支持，此时发出预测指令；
使用时，结合步骤301及302中的内容，在只接收到第一预警指令但未接收到第二预警指令时，对所述水体状态系数及水体变化指数/>进行预测，而为了提高预测值的准确性，通过拟合函数和平滑指数预测的结合，获取两者的综合预测值，进而在此基础上，继续获取水利风险系数/>，从而，以水利风险系数/>对水库所在的流域面积内的水利风险，也即对洪涝风险或者干旱风险进行预测及评估，对流域面积内的整体性风险进行判断，以此来获取判断结果并采取对应性的运维措施。
步骤四、在训练和测试后，获取训练好的水利运维数字孪生模型，以其对流域面积内的水文状态进行预测，并由预测结果生成预测数据集合，由预测数据集合再次生成水体状态系数和水体变化指数/>，若两者均超过对应的阈值，则发出报警指令；
所述步骤四包括如下内容：
步骤401、在接收到预测指令后，建立流域面积内的水利运维数字孪生模型，其具体方式如下：
采集流域面积内的水利数据，包括：水体状态及其分布数据、土壤状态数据、水利设施数据及其运行状态数据等等，在经过预处理后汇总后生成建模状态数据集合，对建模状态数据集合内的各项参数进行特征识别，以获取用于建立模型的特征数据，将所获取的特征数据汇总后，生成建模特征集合；
在建模特征集合内抽取部分特征数据，分别作为训练集及测试集，使用Bp神经网络，在选择网络架构后建立初始模型，对初始模型进行训练和测试，并在对其预测精度进行验证后，将训练后的初始模型作为水利运维数字孪生模型输出；
步骤402、对所述流域面积内的天气条件进行预测，获取预测结果并将其作为测试条件；在所述测试条件下，使用训练好的水利运维数字孪生模型对流域面积内的水文状态进行预测，并在获取了若干个预测结果后，汇总生成预测数据集合，并由预测数据集合内的数据再次获取水体状态系数和水体变化指数/>，若其两者均超过对应的阈值，发出报警指令；
使用时，结合步骤401及402中内容：
在已经对流域面积内的水利风险完成验证及预测基础上，为了提高预测的精度及执行运维措施针对性，在训练和测试后，建立流域面积内的水利运维数字孪生模型，并在对天气条件的变化进行预测后，确定测试条件，在保持测试条件不变的前提下，使用训练好的水利运维数字孪生模型对流域面积内的各项参数进行准确预测，依据预测结果可以实现对流域面积内的水利风险进行的判断和评估，从而，在所获取的预测结果的基础上，对可能产生的风险进行更为准确的感知，对以水库所代表的水利工程设施进行运维和控制时，可以更具有针对性，不增加流域面积内的水利风险。
步骤五、识别获取预测数据集合内的水体特征，依据水体特征与预先构建的运维预案集合内的运维预案对应性，匹配出若干个备选方案，使用训练好的水利运维数字孪生模型对备选方案进行仿真测试，由测试结果获取各个备选方案的调整度，依据调整度/>在若干个备选方案内筛选出推荐方案；
所述步骤五包括如下内容：
步骤501、在接收报警指令后，说明流域面积内水体可能存在干旱或者洪涝的风险，因此，在对水利工程或者设施进行维护时，要对考虑到当前水体条件及水利风险的影响，此时，对预测数据集合内的水利相关数据进行特征识别，获取相应的水体特征，例如，水利数据的种类、水利数据较前值的变化程度，是否存在异常及产生该种异常的原因等等；将若干种数据特征汇总后，获取流域面积内的水利特征集合，通过线上的检索或者线下的收集，获取若干个针对水利状态变化的运维预案，汇总后生成运维预案集合；
步骤502、使用训练后的匹配模型，依据水体特征与运维预案的对应性，从运维预案库内匹配出对应的多个运维预案，将其作为备选方案；在保持测试条件不变时，使用训练好的水利运维数字孪生模型对备选方案进行仿真测试，并获取测试结果；由测试结果生成对应的水体状态系数和水体变化指数/>，分别获取两者与前者的差值，记录为水体状态差/>及水体变化差/>；
其中，匹配模型的获取方式可以参考如下内容：
数据准备：收集相关的数据集，并进行预处理，以适应模型的训练，包括从大型数据集中选择和整理适合的子集，对数据进行清理和格式化，以及进行必要的预处理，如缩放、标准化或编码；
特征选择与提取：选择与模型任务相关的特征，并进行特征提取，
模型选择与训练：选择适合任务的模型，并使用已准备好的数据进行训练，例如，卷积神经网络或循环神经网络；
模型优化与调整：根据模型的性能进行优化和调整，包括改变模型的参数，添加或删除层，或者使用不同的优化算法；
评估模型：使用测试数据集评估模型的性能，通过计算各种评估指标来实现，例如准确率、精确率、召回率、F1分数等，根据评估结果，必要时，进一步调整模型以改进性能；
步骤503、将水体状态差及水体变化差/>做线性归一化处理后，并将相应的数据值映射至区间/>内，再依据如下方式获取调整度/>：
参数的意义为：，且/>，/>为权重系数，
结合历史数据及运维预案的预期，预先设置幅度阈值，若调整度超过幅度阈值的运维预案多于一个时，则在其中随机选择一个作为推荐方案；若调整度/>超过幅度阈值的运维预案只有一个时，则将其作为推荐方案；若调整度/>均未超过幅度阈值时，将其中调整度/>最高的作为推荐方案，将获取推荐方案输出；
使用时，在获取到预测结果的基础上，由预先获取的若干个运维预案构建运维预案集合，并依据预测数据的特征，为流域面积针对性的匹配若干个备选方案，从而，在需要对水利设施进行维护时，不需要临时的建立运维预案，可以提高预案的构建效率，
从而，在对水利设备及设施进行运维处理时，至少不会使水利风险扩大化，而作为进一步的改进，当备选方案存在若干个时，使用训练后的水利运维数字孪生模型对若干个备选方案进行筛选，以便于选择出其中效果相对较佳的方案，从而在对水利工程的运行风险进行处理时，对处理效果形成保障，避免当前的运维活动对水利风险造成扩大化，减少安全隐患。
请参阅图2，本发明提供一种基于数字孪生的水利工程运维管理系统，包括：
预警单元、建立覆盖水库的流域面积的电子地图后，在水库下游的目标区域内设置检测点，于检测点处对水体变化状态进行监控，由监控结果生成区域水文变化数据集合，并由区域水文变化数据集合生成水体变化指数，若水体变化指数/>超过变化阈值，发出第一预警指令；
检测单元、接收到第一预警指令后，在水库的水体内设置若干个检测点，在检测点处获取的水体蒸发量Sz的基础上生成水库水体表层的蒸发度，若所述蒸发度超过蒸发阈值，则建立水库的水体状态数据集合，并进而生成水体状态系数，若其不超过状态阈值，则发出第二预警指令；
预测单元、在预设的观察周期内未接收到第二预警指令时，对所述观察周期内的水体状态系数及水体变化指数/>分别进行预测并获取相应的预测值，在结合所述预测值的基础上，由所述区域水文状态集合建立水利风险系数/>，依据水利风险系数/>确认是否发出预测指令；
模型构建单元、在训练和测试后，获取训练好的水利运维数字孪生模型，以其对流域面积内的水文状态进行预测，并由预测结果生成预测数据集合，由预测数据集合再次生成水体状态系数和水体变化指数/>，若两者均超过对应的阈值，则发出报警指令；
方案匹配单元、识别获取预测数据集合内的水体特征，依据水体特征与预先构建的运维预案集合内的运维预案对应性，匹配出若干个备选方案，使用训练好的水利运维数字孪生模型对备选方案进行仿真测试，由测试结果获取各个备选方案的调整度，依据调整度/>在若干个备选方案内筛选出推荐方案。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种航道水下地形变化分析系统及方法逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM)、随机存取存储器（random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (7)
1.一种基于数字孪生的水利工程运维管理系统，其特征在于：包括，
预警单元、建立覆盖水库的流域面积的电子地图后，在水库下游的目标区域内设置检测点，于检测点处对水体变化状态进行监控，由监控结果生成区域水文变化数据集合，并由区域水文变化数据集合生成水体变化指数，若水体变化指数/>超过变化阈值，发出第一预警指令；水体变化指数/>的获取方式如下：将所获取的面积变化量/>及含水率变化量/>做线性归一化处理，将相应的数据值映射至区间/>内，在依据如下方式：
其中，参数意义为：n为大于1的正整数，，权重系数：，且/>，其具体值由用户调整设置，所述/>为面积变化量的均值，/>为含水率变化量的均值；
m为检测点的个数；为各个检测点处的水体变化指数的中间值，/>为各个检测点处水体变化指数中间值的合格标准值；/>为各个检测点处的水体变化指数的中间值的均值；/>为面积变化量在i位置上的值，/>为含水率变化量在i位置上的值，/>为水体变化指数的中间值在i位置上的值；
检测单元、接收到第一预警指令后，在水库的水体内设置若干个检测点，在检测点处获取的水体蒸发量Sz的基础上生成水库水体表层的蒸发度，若所述蒸发度/>超过蒸发阈值，则建立水库的水体状态数据集合，并进而生成水体状态系数/>，若其不超过状态阈值，则发出第二预警指令；
预测单元、在预设的观察周期内未接收到第二预警指令时，对所述观察周期内的水体状态系数及水体变化指数/>分别进行预测并获取相应的预测值，在结合所述预测值的基础上，由所述区域水文状态集合建立水利风险系数/>，依据水利风险系数/>确认是否发出预测指令；
模型构建单元、在训练和测试后，获取训练好的水利运维数字孪生模型，以其对流域面积内的水文状态进行预测，并由预测结果生成预测数据集合，由预测数据集合再次生成水体状态系数和水体变化指数/>，若两者均超过对应的阈值，则发出报警指令；
方案匹配单元、识别获取预测数据集合内的水体特征，依据水体特征与预先构建的运维预案集合内的运维预案对应性，匹配出若干个备选方案，使用训练好的水利运维数字孪生模型对备选方案进行仿真测试，由测试结果获取各个备选方案的调整度，依据调整度/>在若干个备选方案内筛选出推荐方案；
接收到第一预警指令后，在水库的水体内设置若干个检测点，在每个检测周期结束时，在检测点处获取水库水体表层的水体蒸发量Sz；在连续获取若干个位置的水体蒸发量Sz后，再获取蒸发度，其具体方式如下：
其中，k为大于1的正整数，，其为检测点的总数，n为检测点内水体蒸发量Sz的个数，/>为水体蒸发量均值，/>为水体蒸发量稳定度，/>为水体蒸发量稳定度的均值；若所获取的蒸发度/>超过蒸发阈值，则发出二次检测指令；
水利风险系数的获取方式如下：将获取到的水体状态系数/>及水体变化指数/>的综合预测值后，关联生成水利风险系数/>，其获取方法如下：
其中，为权重，/>，且/>，n为大于1的正整数，水利风险系数/>获取方式如下：
其中，为水体状态系数/>的移动中间值，/>为水体变化指数/>的移动中间值，若所获取的水利风险系数/>超过风险阈值，发出预测指令；
使用训练好的水利运维数字孪生模型对备选方案进行仿真测试，并获取测试结果；由测试结果生成对应的水体状态系数和水体变化指数/>，分别获取两者与前者的差值，记录为水体状态差/>及水体变化差/>；
将水体状态差及水体变化差/>做线性归一化处理后，并将相应的数据值映射至区间/>内，依据如下方式获取调整度/>：
参数的意义为：，且/>，/>为权重系数；
若调整度超过幅度阈值的运维预案多于一个时，则在其中随机选择一个作为推荐方案；若调整度/>超过幅度阈值的运维预案只有一个时，则将其作为推荐方案；若调整度/>均未超过幅度阈值时，将其中调整度/>最高的作为推荐方案，将获取推荐方案输出；
由水体状态数据集合生成水体状态系数，其具体方式如下：将水体蒸发量Sz、表层流量Sw及水体汇入量Hr做线性归一化处理后，并将相应的数据值映射至区间/>内，再依据如下方式：
其中，权重系数：，且/>，此处，n为检测数据获取的个数，k为检测点的个数，为大于的1的正整数；/>为水体状态系数的中间值；
为在各个检测点处水体蒸发量的历史均值，/>为水体蒸发量的合格标准值；为在各个检测点处表层流量的历史均值，/>为表层流量的合格标准值；/>为在各个检测点水体汇入量的历史均值，/>为水体汇入量的合格标准值；/>为水体蒸发量在i位置上的值；/>为表层流量在i位置上的值；/>为水体汇入量在i位置上的值，为水体状态系数中间值在i位置上的值。
2.根据权利要求1所述的一种基于数字孪生的水利工程运维管理系统，其特征在于：
确定水库的流域面积，在电子地图上等面积的将流域面积分割为若干个子区域，在位于水库下游方向的若干个子区域内确定出存在水体的目标区域，在目标区域内设置若干个检测点；于每个检测周期内，在检测点处对水体的面积进行检测，分别确定为面积变化量及含水率变化量/>。
3.根据权利要求2所述的一种基于数字孪生的水利工程运维管理系统，其特征在于：
将各个检测点处的若干个水体的面积变化量及土壤的含水率变化量/>汇总，生成区域水文变化数据集合，由区域水文变化数据集合生成水体变化指数/>，若所获取的水体变化指数/>超过变化阈值时，将对应目标的目标区域确定为异常区域，若异常区域占目标区域的比例区域超比例阈值，向外部发出第一预警指令。
4.根据权利要求3所述的一种基于数字孪生的水利工程运维管理系统，其特征在于：
在接收到二次检测指令后，获取各个检测点处的水体表层的流量，生成表层流量Sw，在水库的各个汇入点处，获取水库水体的汇入量，生成水体汇入量Hr，将连续获取的若干个水体蒸发量Sz、表层流量Sw及水体汇入量Hr汇总后，建立水库的水体状态数据集合，由水体状态数据集合生成水体状态系数，若所述水体状态系数/>不超过状态阈值，发出第二预警指令。
5.根据权利要求1所述的一种基于数字孪生的水利工程运维管理系统，其特征在于：
若观察周期内未接收到第二预警指令时，在所述观察周期内分别连续获取若干个的水体状态系数及水体变化指数/>，并分别将其沿着时间轴排列和编号，汇总后生成区域水文状态集合，依据水体状态系数/>及水体变化指数/>的变化趋势，分别对两者进行预测，获取综合预测值。
6.根据权利要求1所述的一种基于数字孪生的水利工程运维管理系统，其特征在于：
在接收到预测指令后，建立流域面积内的水利运维数字孪生模型，对所述流域面积内的天气条件进行预测，获取预测结果并将其作为测试条件，在所述测试条件下，使用训练好的水利运维数字孪生模型对流域面积内的水文状态进行预测，并在获取了若干个预测结果后，汇总生成预测数据集合，由预测数据集合内的数据再次获取水体状态系数和水体变化指数/>，若其两者均超过对应的阈值，发出报警指令。
7.根据权利要求6所述的一种基于数字孪生的水利工程运维管理系统，其特征在于：
在接收报警指令后，对预测数据集合内的水利相关数据进行特征识别，获取相应的水体特征，将若干种数据特征汇总后，获取流域面积内的水利特征集合，获取若干个针对水利状态变化的运维预案，汇总后生成运维预案集合；使用训练后的匹配模型，依据水体特征与运维预案的对应性，从运维预案库内匹配出对应的多个运维预案，将其作为备选方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410149009.2A CN117689216B (zh) | 2024-02-02 | 2024-02-02 | 一种基于数字孪生的水利工程运维管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410149009.2A CN117689216B (zh) | 2024-02-02 | 2024-02-02 | 一种基于数字孪生的水利工程运维管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117689216A CN117689216A (zh) | 2024-03-12 |
| CN117689216B true CN117689216B (zh) | 2024-04-26 |
Family
ID=90128599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410149009.2A Active CN117689216B (zh) | 2024-02-02 | 2024-02-02 | 一种基于数字孪生的水利工程运维管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117689216B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686426A (zh) * | 2020-12-09 | 2021-04-20 | 贵州黔源电力股份有限公司 | 一种基于水电站流域关键点的来水量预警方法及系统 |
| CN113673765A (zh) * | 2021-08-23 | 2021-11-19 | 四创科技有限公司 | 一种小流域洪水预报预警方法及终端 |
| CN116757097A (zh) * | 2023-08-16 | 2023-09-15 | 南通午未连海科技有限公司 | 一种数字孪生水利工程运维监测系统和方法 |
| CN117057616A (zh) * | 2023-10-11 | 2023-11-14 | 安徽金海迪尔信息技术有限责任公司 | 基于数字孪生的水利监测方法及系统 |
| CN117455242A (zh) * | 2023-11-27 | 2024-01-26 | 南京华控创为信息技术有限公司 | 一种基于数字孪生的水利管理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6608553B1 (ja) * | 2019-03-14 | 2019-11-20 | ジャパン・ハムワージ株式会社 | 輻輳海域の避航操船方法および避航操船システム |
-
2024
- 2024-02-02 CN CN202410149009.2A patent/CN117689216B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686426A (zh) * | 2020-12-09 | 2021-04-20 | 贵州黔源电力股份有限公司 | 一种基于水电站流域关键点的来水量预警方法及系统 |
| CN113673765A (zh) * | 2021-08-23 | 2021-11-19 | 四创科技有限公司 | 一种小流域洪水预报预警方法及终端 |
| CN116757097A (zh) * | 2023-08-16 | 2023-09-15 | 南通午未连海科技有限公司 | 一种数字孪生水利工程运维监测系统和方法 |
| CN117057616A (zh) * | 2023-10-11 | 2023-11-14 | 安徽金海迪尔信息技术有限责任公司 | 基于数字孪生的水利监测方法及系统 |
| CN117455242A (zh) * | 2023-11-27 | 2024-01-26 | 南京华控创为信息技术有限公司 | 一种基于数字孪生的水利管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| Research and Practice on Linkage Display of Long Line Water Conservancy Engineering Visual Model and Geological Profile Graph Information Under Digital Twin System;You, Lin-Qi;《 Water Resources and Power》;20231116;207-10 * |
| 数字孪生永宁江洪水预报模型构建及系统应用;徐军杨;《水利信息化》;20230430(第02期);1-8 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117689216A (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Guo et al. | An experimental study on the effects of grass root density on gully headcut erosion in the gully region of China's Loess Plateau | |
| CN104408900A (zh) | 基于动态优化的神经网络洪水预警装置及其方法 | |
| CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
| CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
| CN114997541A (zh) | 一种基于数字孪生技术的城市内涝预测方法及预警平台 | |
| CN113642794B (zh) | 一种结合降雨和土壤水观测的山洪预报方法 | |
| CN110059870B (zh) | 基于bim和gis的航道整治建筑物维护分析方法 | |
| CN109241627A (zh) | 概率分级的动态支护方法及自动设计支护方案的装置 | |
| CN108269016A (zh) | 一种基于信息扩散的小流域山洪灾害风险分析方法 | |
| CN117057616A (zh) | 基于数字孪生的水利监测方法及系统 | |
| CN112287436B (zh) | 一种多沙河流水库淤积断面和有效库容设计方法及系统 | |
| CN113762618A (zh) | 一种基于多因子相似分析的湖泊水位预报方法 | |
| CN115600895A (zh) | 基于数字孪生的流域漫滩灾害风险评估方法及装置 | |
| CN114511990A (zh) | 泥石流概率测算方法、泥石流多要素协同监测预警方法 | |
| CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
| CN115115262A (zh) | 一种洪水风险灾害评估的方法 | |
| CN117689216B (zh) | 一种基于数字孪生的水利工程运维管理系统 | |
| CN106443782A (zh) | 一种断层、裂缝发育密度、均匀性以及组合样式评价方法 | |
| CN107273686B (zh) | 雨洪径流氮磷输出负荷预测方法 | |
| Anilan et al. | Application of Artificial Neural Networks and regression analysis to L-moments based regional frequency analysis in the Eastern Black Sea Basin, Turkey | |
| CN117113641A (zh) | 一种平原水库库盆渗漏状况的获取方法及系统 | |
| Wang et al. | Early warning of debris flow using optimized self-organizing feature mapping network | |
| CN109308375A (zh) | 一种基于地貌参数的流域最优流速的测算方法 | |
| CN108411844A (zh) | 一种天然沟道不规则断面的泥石流流速场的分析及装置 | |
| CN115204688A (zh) | 排水系统健康性综合评价方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |