CN117893179A - 基于数字孪生的水利电力工程建造管控方法及系统 - Google Patents
基于数字孪生的水利电力工程建造管控方法及系统 Download PDFInfo
- Publication number
- CN117893179A CN117893179A CN202410304742.7A CN202410304742A CN117893179A CN 117893179 A CN117893179 A CN 117893179A CN 202410304742 A CN202410304742 A CN 202410304742A CN 117893179 A CN117893179 A CN 117893179A
- Authority
- CN
- China
- Prior art keywords
- construction
- diversion
- strategy
- optimizing
- flow guiding
- 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 52
- 238000009430 construction management Methods 0.000 title claims abstract description 16
- 238000010276 construction Methods 0.000 claims abstract description 346
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 132
- 238000004088 simulation Methods 0.000 claims abstract description 69
- 230000000694 effects Effects 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000011144 upstream manufacturing Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 238000005206 flow analysis Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000002689 soil Substances 0.000 description 22
- 230000006870 function Effects 0.000 description 9
- 238000012876 topography Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水利电力工程管控技术领域，提供了基于数字孪生的水利电力工程建造管控方法及系统，所述方法包括：获取水利电力工程建造项目和水利地域信息，确定施工节点和位置，并获取对应的导流策略集合；利用数字孪生技术模拟策略，生成策略模拟数据库，并与导流寻优模型连接，得到优化后的导流策略。解决了水利电力工程的施工位置导流策略无法适应复杂多变的水流环境，导流效果不佳的技术问题，实现了通过构建水利电力工程的数字孪生模型，对施工位置的导流策略的精准模拟和优化，提前优化调整导流策略以适应复杂多变的水流环境，保证导流效果进而保持施工位置的干燥，提高水利电力工程的建设效率和工程质量的技术效果。
Description
技术领域
本发明涉及水利电力工程管控相关技术领域，具体涉及基于数字孪生的水利电力工程建造管控方法及系统。
背景技术
在水利电力工程的施工过程中，保持施工位置的干燥性对其整体质量和寿命起到了决定性的作用，一旦施工位置过于潮湿，会影响到工程的结构稳定性，还可能引发一系列的腐蚀和损坏问题，加剧金属材料的腐蚀速度，大幅缩短工程的使用寿命。
水利电力工程需要进行导流来保持施工位置的干燥，常规的水利电力工程导流路径优化过于依赖实地操作和经验，在实际施工过程，水流的方向、速度和流量等参数都可能发生未知变化，常规的水利电力工程导流路径优化无法应对复杂多变的水流环境。
综上所述，现有技术中存在水利电力工程的施工位置导流策略无法适应复杂多变的水流环境，导流效果不佳的技术问题。
发明内容
本申请通过提供了基于数字孪生的水利电力工程建造管控方法及系统，旨在解决现有技术中的水利电力工程的施工位置导流策略无法适应复杂多变的水流环境，导流效果不佳的技术问题。
鉴于上述问题，本申请实施例提供了基于数字孪生的水利电力工程建造管控方法及系统。
本申请公开的第一个方面，提供了基于数字孪生的水利电力工程建造管控方法，其中，所述方法包括：获取水利电力工程建造项目，以及所述水利电力工程建造项目的水利地域；根据所述水利电力工程建造项目，获取多个施工节点，并在所述水利地域上标注所述多个施工节点对应的多个施工位置；获取所述多个施工位置分别对应的导流策略集合，输出多组导流策略集合；通过集成数据采集装置对所述水利地域进行数据采集，得到水利地域的数字孪生地域模型；通过调用所述数字孪生地域模型对所述多组导流策略集合进行模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，生成策略模拟数据库；调用所述策略模拟数据库与导流寻优模型连接，得到所述导流寻优模型的导流寻优结果，其中，所述导流寻优结果包括基于所述多个施工位置分别对应的导流寻优策略。
本申请公开的另一个方面，提供了基于数字孪生的水利电力工程建造管控系统，其中，所述系统包括：信息获取模块，用于获取水利电力工程建造项目，以及所述水利电力工程建造项目的水利地域；施工节点获取模块，用于根据所述水利电力工程建造项目，获取多个施工节点，并在所述水利地域上标注所述多个施工节点对应的多个施工位置；导流策略输出模块，用于获取所述多个施工位置分别对应的导流策略集合，输出多组导流策略集合；数据采集模块，用于通过集成数据采集装置对所述水利地域进行数据采集，得到水利地域的数字孪生地域模型；数据模拟模块，用于通过调用所述数字孪生地域模型对所述多组导流策略集合进行模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，生成策略模拟数据库；寻优结果获取模块，用于调用所述策略模拟数据库与导流寻优模型连接，得到所述导流寻优模型的导流寻优结果，其中，所述导流寻优结果包括基于所述多个施工位置分别对应的导流寻优策略。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取项目和水利地域信息，确定施工节点和位置；根据施工节点和位置，获取对应的导流策略集合，并模拟得到每个位置的策略模拟数据；将模拟数据与导流寻优模型连接，得到优化后的导流策略，实现了通过构建水利电力工程的数字孪生模型，对施工位置的导流策略的精准模拟和优化，提前优化调整导流策略以适应复杂多变的水流环境，保证导流效果进而保持施工位置的干燥，提高水利电力工程的建设效率和工程质量的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了基于数字孪生的水利电力工程建造管控方法可能的流程示意图；
图2为本申请实施例提供了基于数字孪生的水利电力工程建造管控方法中导流寻优可能的流程示意图；
图3为本申请实施例提供了基于数字孪生的水利电力工程建造管控系统可能的结构示意图。
附图标记说明：信息获取模块100，施工节点获取模块200，导流策略输出模块300，数据采集模块400，数据模拟模块500，寻优结果获取模块600。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一：
如图1所示，本申请实施例提供了基于数字孪生的水利电力工程建造管控方法，其中，所述方法包括：
Step-1：获取水利电力工程建造项目，以及所述水利电力工程建造项目的水利地域；
Step-2：根据所述水利电力工程建造项目，获取多个施工节点，并在所述水利地域上标注所述多个施工节点对应的多个施工位置；
已知的，导流是指在水利电力工程施工过程中，通过引导和隔离水流，使水流按照预定的方向流转，常见的，包括全段围堰法和分段围堰法（或分期围堰法），可以有效地控制水流的方向和速度，创造干地施工条件，保护施工位置不受水流的冲刷和侵蚀，进而最大限度的保持施工位置的干燥，但围堰建设周期长，对环境的影响较大；
围堰相对固定，为适应复杂多变的水流环境，将数字孪生技术引入到水利电力工程的导流策略择优中，数字孪生技术能够通过传感器网络实时采集施工区域的水流、土壤等数据，进行实时分析模拟，更准确地预测水流运动，优化导流策略，确保施工环境的安全和干燥，减少对环境的破坏并缩短施工周期，相较于现有的导流方式，本申请的导流方式更加科学、精准、高效和环保。
访问相关部门公开发布相关的水利电力工程信息与招标信息，获取水利电力工程建造项目，以及所述水利电力工程建造项目的水利地域，所述水利电力工程建造项目包括但不限于项目工期、项目内容、施工地点，所述水利电力工程建造项目的水利地域包括施工地点半径一公里内的地形地貌（比如山脉、谷地等）、水域分布（河流、湖泊、池塘、溪流之类水域的位置）、土壤类型，其中，所述土壤类型可以分为渗透土壤、不透水土壤和半透水土壤，可以通过土壤的物理性质，确定土壤类型，如土壤的物理性质中的颗粒大小、孔隙度、含水量，均会影响土壤的渗透性能；
限定为施工地点半径一公里内，优选的，水利电力工程中，土壤中的水分运动受到地形地貌、水域分布和土壤类型等多种因素的影响，半径一公里的范围可以更好地捕捉相关参数，在相对较短的时间内完成勘察，保证工作效率；
根据所述水利电力工程建造项目的需求和水利地域的实际情况，参照水利电力工程的设计图纸，确定所述多个施工节点中的每个施工节点的具体位置，所述多个施工节点包括水电站的建设位置、坝址、溢洪道等关键点；使用GIS（地理信息系统）技术，在所述水利地域上标注出所述多个施工节点对应的多个施工位置，以便后续的施工管理。
Step-3：获取所述多个施工位置分别对应的导流策略集合，输出多组导流策略集合；
对照多个施工位置，为每个施工位置设置相应的导流策略集合，确保每个施工位置都有多个导流策略可供选择；导流方式、导流工具（水泵或围堰等具备导流作用的工具）、导流控制参数（若为水泵，则对应为水泵功率、水泵电压等控制参数；若为围堰则对应为围堰深度、围堰宽度等控制参数）组合形成导流策略，所述导流策略集合中包括不同的导流方式、导流工具、导流控制参数所组成的多个导流策略，输出与所述多个施工位置对应的多组导流策略集合，为水利电力工程的施工提供多种选择。
Step-4：通过集成数据采集装置对所述水利地域进行数据采集，得到水利地域的数字孪生地域模型；
Step-5：通过调用所述数字孪生地域模型对所述多组导流策略集合进行模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，生成策略模拟数据库；
设置集成数据采集装置，对照所述水利电力工程建造项目的水利地域，选择相应数据采集装置（如摄像头、雷达等）；对所有选择的数据采集装置进行配置和调试，得到集成数据采集装置；通过集成数据采集装置对所述水利地域进行数据采集，得到水利地域采集数据；
对采集到的水利地域采集数据进行关键特征提取，得到水利地域关键特征，所述水利地域关键特征包括但不限于地形地貌特征（比如，地势高低、坡度大小）、水域分布特征（比如，水域的水深、流速）、土壤类型特征（比如，渗透土壤中的沙质土壤对水流的阻力、半透水土壤中的黏土土壤对水流的阻力；对比性的，沙质土壤的颗粒较大、结构疏松，具有较好的渗透性，黏土具有较强的保水能力和较低的渗透性，水分在黏土中渗透较慢）；
利用数字孪生建模工具，通过所提取的水利地域关键特征建立水利地域的数字孪生地域模型，所述数字孪生地域模型包括地形建模、水流模拟；已知的，土壤水运动遵循物质守恒和能量守恒原理，就是说，驱动土壤水分运动的水势一般包含重力势、压力势和溶质势，在不存在半透膜的情况下，土壤中的水总会流向重力势能低、压力势能低、溶质势能低的位置，故而，可以按照施工位置的地形与水利地域关键特征，在符合重力势能、压力势能、溶质势能的原理下，得到水利地域的数字孪生地域模型，使得水利地域的数字孪生地域模型可以更符合实际状况；
调用数字孪生地域模型，对每个施工位置的导流策略进行模拟，将所述多组导流策略集合分别输入到所述数字孪生地域模型中进行模拟，通过模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，所述策略模拟数据包括水流运动模拟路径、水流运动模拟速度、水流运动模拟流量，对策略模拟数据进行分类整理；
按照施工位置和多组导流策略集合建立数据库表格，将每个施工位置中针对每个导流策略的策略模拟数据存储在数据库表格中，得到策略模拟数据库，基于数字孪生技术对水利电力工程中的多个导流策略进行模拟，为后续的策略择优提供基础。
Step-6：调用所述策略模拟数据库与导流寻优模型连接，得到所述导流寻优模型的导流寻优结果，其中，所述导流寻优结果包括基于所述多个施工位置分别对应的导流寻优策略。
建立所述导流寻优模型，调用所述策略模拟数据库与导流寻优模型连接，确保数据能够流畅地传输和交互；将所述策略模拟数据库中的策略模拟数据作为输入提供给导流寻优模型，通过导流寻优模型的运算分析，得到每个施工位置的导流寻优策略；
在进行导流寻优前，多个施工位置分别对应多组导流策略集合；在进行导流寻优后，一个施工位置对应一个导流寻优策略；
遍历多个施工位置，将所述多个施工位置中的每个施工位置的导流寻优策略记入所述导流寻优结果，得到所述导流寻优模型的导流寻优结果，所述导流寻优结果包括基于所述多个施工位置分别对应的导流寻优策略。
通过导流寻优模型，对水利电力工程中的多个导流策略择优，得到每个施工位置的最佳导流方案，实现更加精准的导流决策，确保每个施工位置的干燥，保障水利电力工程的施工环境。
进一步而言，本申请方法还包括：
建立所述导流寻优模型，所述导流寻优模型包括熵算子评估网络层和纳什均衡寻优网络层；
根据所述熵算子评估网络层对所述多个施工位置进行施工建造评估，得到所述多个施工位置对应的多个熵算子，其中，施工建造熵值评估包括施工位置区域大小、施工位置所设施工设备的重要性、施工位置处施工周期长；
根据所述多个熵算子确定第一施工位置，所述第一施工位置对应的熵算子大小最大；
将所述第一施工位置输入所述纳什均衡寻优网络层中，根据所述纳什均衡寻优网络层进行寻优，得到所述导流寻优结果。
建立所述导流寻优模型，所述导流寻优模型包括熵算子评估网络层和纳什均衡寻优网络层，具体包括，构建熵算子评估网络层；构建纳什均衡寻优网络层，将熵算子评估网络层的输出与纳什均衡寻优网络层的输入连接，得到所述导流寻优模型，所述导流寻优模型的模型基础为神经网络结构或其他深度学习模型；
构建熵算子评估网络层，包括：收集水利电力工程经验数据，包括但不限于施工位置区域大小、施工位置所设施工设备的重要性、施工位置处施工周期长，水利电力工程经验数据将用于训练熵算子评估网络层；建立一个评估网络层，评估网络层能够根据输入的数据进行学习并评估施工位置的熵值，在与所述导流寻优模型的相同或相似的模型基础上构建熵算子评估网络层；使用水利电力工程经验数据对评估网络层进行训练，使其能够根据施工位置的特性评估熵值；
将多个施工位置的特性信息输入到训练好的熵算子评估网络层中；根据熵算子评估网络层的输出，分别对多个施工位置进行熵算子评估，计算每个施工位置的熵值，每个施工位置的熵值的大小反映了对应施工位置的风险和不确定性；输出每个施工位置对应的熵算子，为后续的决策提供依据；
根据所述多个熵算子的值，选择熵值最大的施工位置作为第一施工位置，确定第一施工位置，所述第一施工位置对应的熵值最大的位置通常意味着第一施工位置具有最高的不确定性或风险；确定第一施工位置，为后续的导流寻优提供基础；
构建纳什均衡寻优网络层，收集导流策略经验数据，如导流方式、导流效果等，导流策略经验数据用于训练纳什均衡寻优网络层；建立一个寻优网络层，所述寻优网络层能够根据输入的数据进行学习并寻找最优的导流策略，在与所述导流寻优模型的相同或相似的模型基础上构建纳什均衡寻优网络层；使用导流策略经验数据对寻优网络层进行训练，使其能够根据导流策略的特性寻找最优方案；
将第一施工位置的信息输入到训练好的纳什均衡寻优网络层中；根据网络的输出，通过迭代进行导流寻优，寻找所述第一施工位置的对应的最优的导流策略，输出最优的导流寻优结果，包括导流策略、预期效果等。
建立基于数字孪生的水利电力工程建造管控方法中的导流寻优模型，所述导流寻优模型能够对照施工位置的特性评估熵值，并寻找最优的导流策略，以适应复杂多变的水流环境，保持施工位置的干燥性，有助于提高水利电力工程的建设效率和工程质量。
进一步而言，根据所述纳什均衡寻优网络层进行寻优，本申请方法包括：
获取所述第一施工位置对应的第一导流策略集合；
调用所述策略模拟数据库中基于所述第一导流策略集合中各个导流策略的策略模拟数据进行识别，获取基于所述第一导流策略集合中各个导流策略的模拟效果算子；
基于各个导流策略的模拟效果算子，确定所述第一施工位置的第一导流策略，所述第一导流策略为模拟效果最佳的导流策略；
引入纳什均衡算法以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优。
根据所述纳什均衡寻优网络层进行寻优，具体包括：从导流策略经验数据进行数据关联检索，得到施工位置经验数据，通过第一施工位置的施工位置区域大小在施工位置经验数据中进行匹配，结合导流策略经验数据与施工位置经验数据之间的映射关系，得到多个与第一施工位置的区域大小相适应的导流策略，进而组合获取第一施工位置对应的导流策略集合；
通过调用所述数字孪生地域模型对所述多组导流策略集合进行模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，生成策略模拟数据库，之后，从策略模拟数据库中调用第一施工位置对应的第一导流策略集合中的每个导流策略的策略模拟数据；
根据第一导流策略集合中的每个导流策略的策略模拟数据，计算每个导流策略的模拟效果算子，模拟效果算子可以包括但不限于导流效果、施工效率、成本；根据每个导流策略的模拟效果算子的值，评估每个导流策略的效果；选择模拟效果最佳的导流策略作为第一施工位置对应的第一导流策略，所述第一导流策略为第一导流策略集合中的模拟效果最佳的导流策略；
确定所述第一施工位置的第一导流策略之后，通过除第一施工位置之外的剩余施工位置所对应的导流策略集合，引入纳什均衡算法，以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优，寻找所述第一施工位置的对应的导流寻优策略；而后，遍历水利电力工程中的多个施工位置，寻找水利电力工程中的多个施工位置的对应的多个导流寻优策略；将所述多个施工位置中的每个施工位置的导流寻优策略记入所述导流寻优结果。
优选的，引入纳什均衡算法，以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优，进一步扩大导流策略的优化范围，设置各施工位置所对应的导流策略集合之间的优劣竞争关系，简而言之，由于第一施工位置的第一导流策略可能是处于第一导流策略集合中的局部最优解，故而需要进行寻优范围扩张，通过除第一施工位置之外的剩余施工位置所对应的导流策略集合，以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行导流策略的全局寻优，进一步优化水利电力工程中多个施工位置的导流策略。
进一步而言，本申请方法包括，所述纳什均衡函算法表达式如下：
，
其中，为第一施工位置i的第一导流策略集合/>相对于剩余施工位置的导流策略集合/>的代价函数，/>为缺一导流策略集合，缺一用于表征缺少第一导流策略集合/>，缺一导流策略集合用于表征缺少第一导流策略集合/>以外，剩余施工位置对应的导流策略集合，/>，/>，N为施工位置的总数量；
S为基于各个施工位置分别对应的导流策略集合所输出多组导流策略集合；表示第j个施工位置中可供选择的策略集；/>表示在/>下第j个施工位置选择导流策略/>的概率，/>为基于第一施工位置i下多组导流策略集合S产生导流连接适应度损失的支付代价，令/>最小收敛输出导流寻优结果。
纳什均衡函数是描述各施工位置所对应的导流策略集合之间的优劣竞争关系的数学模型，具体函数表达式如下：；其中，为第一施工位置i的第一导流策略集合/>相对于剩余施工位置的导流策略集合/>的代价函数，用于衡量第一施工位置的导流策略集合相对于剩余施工位置的导流策略集合的代价，可以基于多种因素计算，如导流效果等；
为缺一导流策略集合，缺一用于表征缺少第一导流策略集合/>，缺一导流策略集合用于表征缺少第一导流策略集合/>以外，剩余施工位置对应的导流策略集合，，/>，N为施工位置的总数量；S为基于各个施工位置分别对应的导流策略集合所输出多组导流策略集合；/>表示第j个施工位置中可供选择的策略集；/>表示在/>下第j个施工位置选择导流策略/>的概率；
为基于第一施工位置i下多组导流策略集合S产生导流连接适应度损失的支付代价，取决于各个施工位置分别对应的导流策略集合之间的相互影响（比如，分段围堰法中有一段围堰在第v个施工位置、第w个施工位置中使用，第v个施工位置、第w个施工位置对应的导流策略集合应存在相互影响），令/>最小收敛输出导流寻优结果；
示例性的，通过除第一施工位置之外的剩余施工位置所对应的导流策略集合，引入纳什均衡算法进行寻优，以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优，通过纳什均衡函数的计算结果，不断调整第一施工位置的导流策略选择（比如，由于第一施工位置的第一导流策略可能是处于第一导流策略集合中的局部最优解，第一施工位置的第一导流策略对应的支付代价远远大于第二导流策略对应的支付代价，通过不断调整可以找出第二导流策略），直到达到纳什均衡状态（当各施工位置的导流策略选择不再发生显著变化且支付代价达到最小值时，可以认为已经达到纳什均衡状态），此时，输出当前的导流策略组合作为寻优结果。
使用纳什均衡算法对水利电力工程中的导流策略进行优化，可以避免导流策略选择陷入局部最优（若陷入局部最优，或将产生超额的支付代价），保证导流策略的实用性。
进一步而言，如图2所示，以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优，本申请方法包括：
从所述剩余施工位置中获取所述第一施工位置的上游施工位置和下游施工位置；
以第一导流策略对所述上游施工位置对应的导流策略集合中各个导流策略进行导流连接适应度支付损失的代价计算，获取所述上游施工位置对应的导流寻优策略；
以第一导流策略对所述下游施工位置对应的导流策略集合中各个导流策略进行导流连接适应度支付损失的代价计算，获取所述下游施工位置对应的导流寻优策略；
直至遍历所述剩余施工位置，得到所述多个施工位置分别对应的导流寻优策略。
土壤水运动遵循物质守恒和能量守恒原理，包括，在同一流域中，水流方向总是会从水域的上游流向水域的下游，同一水域的上游施工位置已经完成了导流作业且处于一水域的下游施工位置若无其他水域经过，则下游施工位置只需针对异常降水进行导流作业；
按照河道的水流方向，从剩余施工位置中，确定第一施工位置的上游施工位置，上游施工位置指的是在水利电力工程中，位于第一施工位置上游的施工点；同样地，确定第一施工位置的下游施工位置，下游施工位置指的是在水利电力工程中，位于第一施工位置下游的施工点。
基于第一导流策略，在第一水域（处于第一施工位置任意一水域）的水域上游计算第一导流策略的导流连接适应度支付损失的代价，第一导流策略的导流连接适应度支付损失的代价是指所述上游施工位置对应的导流策略集合中各个导流策略与第一导流策略的适应性，选择所述上游施工位置对应的导流策略集合中各个导流策略中的代价最小的导流策略作为上游施工位置的导流寻优策略。
基于第一导流策略，在第一水域的水域下游计算第一导流策略的导流连接适应度支付损失的代价，第一导流策略的导流连接适应度支付损失的代价是指所述下游施工位置对应的导流策略集合中各个导流策略与第一导流策略的适应性，选择所述下游施工位置对应的导流策略集合中各个导流策略中的代价最小的导流策略作为下游施工位置的导流寻优策略。
若所述剩余施工位置中还有其他水域，需要对照不同的水流方向直至遍历所述剩余施工位置，得到所述多个施工位置分别对应的导流寻优策略。基于第一导流策略对剩余施工位置按照水流方向进行寻优，以进一步优化水利电力工程中的导流策略，有助于提高导流作业效率。
进一步而言，本申请方法还包括：
获取所述水利地域的电力设备，通过对所述水利地域的电力设备进行数字孪生建模，得到数字孪生电力模型；
将所述数字孪生电力模型与所述数字孪生地域模型连接进行水利电力工程管控。
所述水利地域的电力设备包括但不限于水泵、水力发电设备等相关对水域流量产生影响的设备，通过访问相关部门公开发布所述水利地域中所投放的电力设备，获取所述水利地域的电力设备；通过Rhino(软件名)、Blender(软件名)或其他任意建模工具，对所述水利地域的电力设备进行数字孪生建模，创建得到所述水利地域的电力设备对应的数字孪生电力模型，所述数字孪生电力模型包括设备的外观、结构、运行机制等方面的建模；
将所述数字孪生电力模型与所述数字孪生地域模型连接进行水利电力工程管控，比如，水泵、水力发电设备会对水域流量产生影响，通过所述数字孪生电力模型，实现对水利电力工程的实时监控和预测分析，进而确定处于水利电力工程建造项目的项目工期内的预测水域流量，针对影响水域流量的电力设备，通过比对预测水域流量与当前水域流量进行预先性的导流作业，全面保障项目工期内的导流策略的合理性。
进一步而言，本申请方法还包括：
通过调用所述数字孪生地域模型进行水域流量分析，得到水域流量变化特征；
按照所述水域流量变化特征对所述多组导流策略集合进行策略优化调整。
在同一水域中，因地形地貌、水域分布、土壤类型、降雨量等其他相关因素的变化，水域流量会随之变化，进而使得水域进入丰水期或枯水期，基于此，通过调用所述数字孪生地域模型进行水域流量分析，将当前的水域流量数据（通过水流量传感器或其他途径获取的）同步至所述数字孪生地域模型中，利用所述数字孪生地域模型的仿真分析功能，对输入的当前的水域流量数据进行处理和分析，提取水域流量变化特征，所述水域流量变化特征包括但不限于流量平均值、流量周期性变化规律、流量峰值；按照所述水域流量变化特征对所述多组导流策略集合进行策略优化调整，输出新的导流寻优结果，从而更好地适应水域流量的变化，提高导流的效率和稳定性。
综上所述，本申请实施例所提供的基于数字孪生的水利电力工程建造管控方法及系统具有如下技术效果：
1．通过数字孪生模型，实现对水流、地形、导流结构的实时动态模拟，预测施工位置的水流变化和干燥效果。
2．适应复杂多变的环境和工程需求，精准的模拟和优化有助于提前发现和解决潜在问题，从而提高水利电力工程的安全性和可靠性。
3．基于模拟结果，利用优化算法对导流路径进行寻优，找到最佳的导流方案，确保施工位置的干燥，同时减少对周围环境的影响。
4．由于采用了建立导流寻优模型，导流寻优模型包括熵算子评估网络层和纳什均衡寻优网络层；根据熵算子评估网络层对多个施工位置进行施工建造评估，得到多个施工位置对应的多个熵算子，其中，施工建造熵值评估包括施工位置区域大小、施工位置所设施工设备的重要性、施工位置处施工周期长；根据多个熵算子确定第一施工位置，第一施工位置对应的熵算子大小最大；将第一施工位置输入纳什均衡寻优网络层中，根据纳什均衡寻优网络层进行寻优，得到导流寻优结果。建立基于数字孪生的水利电力工程建造管控方法中的导流寻优模型，所述导流寻优模型能够对照施工位置的特性评估熵值，并寻找最优的导流策略，以适应复杂多变的水流环境，保持施工位置的干燥性，有助于提高水利电力工程的建设效率和工程质量。
实施例二：
基于与前述实施例中基于数字孪生的水利电力工程建造管控方法相同的发明构思，如图3所示，本申请实施例提供了基于数字孪生的水利电力工程建造管控系统，其中，所述系统包括：
信息获取模块100，用于获取水利电力工程建造项目，以及所述水利电力工程建造项目的水利地域；
施工节点获取模块200，用于根据所述水利电力工程建造项目，获取多个施工节点，并在所述水利地域上标注所述多个施工节点对应的多个施工位置；
导流策略输出模块300，用于获取所述多个施工位置分别对应的导流策略集合，输出多组导流策略集合；
数据采集模块400，用于通过集成数据采集装置对所述水利地域进行数据采集，得到水利地域的数字孪生地域模型；
数据模拟模块500，用于通过调用所述数字孪生地域模型对所述多组导流策略集合进行模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，生成策略模拟数据库；
寻优结果获取模块600，用于调用所述策略模拟数据库与导流寻优模型连接，得到所述导流寻优模型的导流寻优结果，其中，所述导流寻优结果包括基于所述多个施工位置分别对应的导流寻优策略。
进一步的，所述系统包括：
建立所述导流寻优模型，所述导流寻优模型包括熵算子评估网络层和纳什均衡寻优网络层；
根据所述熵算子评估网络层对所述多个施工位置进行施工建造评估，得到所述多个施工位置对应的多个熵算子，其中，施工建造熵值评估包括施工位置区域大小、施工位置所设施工设备的重要性、施工位置处施工周期长；
根据所述多个熵算子确定第一施工位置，所述第一施工位置对应的熵算子大小最大；
将所述第一施工位置输入所述纳什均衡寻优网络层中，根据所述纳什均衡寻优网络层进行寻优，得到所述导流寻优结果。
进一步的，所述系统包括：
获取所述第一施工位置对应的第一导流策略集合；
调用所述策略模拟数据库中基于所述第一导流策略集合中各个导流策略的策略模拟数据进行识别，获取基于所述第一导流策略集合中各个导流策略的模拟效果算子；
基于各个导流策略的模拟效果算子，确定所述第一施工位置的第一导流策略，所述第一导流策略为模拟效果最佳的导流策略；
引入纳什均衡算法以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优。
进一步的，所述系统包括：
所述纳什均衡函算法表达式如下：
；
其中，为第一施工位置i的第一导流策略集合/>相对于剩余施工位置的导流策略集合/>的代价函数，/>为缺一导流策略集合，缺一用于表征缺少第一导流策略集合/>，缺一导流策略集合用于表征缺少第一导流策略集合/>以外，剩余施工位置对应的导流策略集合，/>，/>，N为施工位置的总数量；
S为基于各个施工位置分别对应的导流策略集合所输出多组导流策略集合；表示第j个施工位置中可供选择的策略集；/>表示在/>下第j个施工位置选择导流策略/>的概率，/>为基于第一施工位置i下多组导流策略集合S产生导流连接适应度损失的支付代价，令/>最小收敛输出导流寻优结果。
进一步的，所述系统包括：
从所述剩余施工位置中获取所述第一施工位置的上游施工位置和下游施工位置；
以第一导流策略对所述上游施工位置对应的导流策略集合中各个导流策略进行导流连接适应度支付损失的代价计算，获取所述上游施工位置对应的导流寻优策略；
以第一导流策略对所述下游施工位置对应的导流策略集合中各个导流策略进行导流连接适应度支付损失的代价计算，获取所述下游施工位置对应的导流寻优策略；
直至遍历所述剩余施工位置，得到所述多个施工位置分别对应的导流寻优策略。
进一步的，所述系统包括：
获取所述水利地域的电力设备，通过对所述水利地域的电力设备进行数字孪生建模，得到数字孪生电力模型；
将所述数字孪生电力模型与所述数字孪生地域模型连接进行水利电力工程管控。
进一步的，所述系统包括：
通过调用所述数字孪生地域模型进行水域流量分析，得到水域流量变化特征；
按照所述水域流量变化特征对所述多组导流策略集合进行策略优化调整。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.基于数字孪生的水利电力工程建造管控方法，其特征在于，所述方法包括：
获取水利电力工程建造项目，以及所述水利电力工程建造项目的水利地域；
根据所述水利电力工程建造项目，获取多个施工节点，并在所述水利地域上标注所述多个施工节点对应的多个施工位置；
获取所述多个施工位置分别对应的导流策略集合，输出多组导流策略集合；
通过集成数据采集装置对所述水利地域进行数据采集，得到水利地域的数字孪生地域模型；
通过调用所述数字孪生地域模型对所述多组导流策略集合进行模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，生成策略模拟数据库；
调用所述策略模拟数据库与导流寻优模型连接，得到所述导流寻优模型的导流寻优结果，其中，所述导流寻优结果包括基于所述多个施工位置分别对应的导流寻优策略。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
建立所述导流寻优模型，所述导流寻优模型包括熵算子评估网络层和纳什均衡寻优网络层；
根据所述熵算子评估网络层对所述多个施工位置进行施工建造评估，得到所述多个施工位置对应的多个熵算子，其中，施工建造熵值评估包括施工位置区域大小、施工位置所设施工设备的重要性、施工位置处施工周期长；
根据所述多个熵算子确定第一施工位置，所述第一施工位置对应的熵算子大小最大；
将所述第一施工位置输入所述纳什均衡寻优网络层中，根据所述纳什均衡寻优网络层进行寻优，得到所述导流寻优结果。
3.如权利要求2所述的方法，其特征在于，根据所述纳什均衡寻优网络层进行寻优包括：
获取所述第一施工位置对应的第一导流策略集合；
调用所述策略模拟数据库中基于所述第一导流策略集合中各个导流策略的策略模拟数据进行识别，获取基于所述第一导流策略集合中各个导流策略的模拟效果算子；
基于各个导流策略的模拟效果算子，确定所述第一施工位置的第一导流策略，所述第一导流策略为模拟效果最佳的导流策略；
引入纳什均衡算法以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优。
4.如权利要求3所述的方法，其特征在于，所述纳什均衡函算法表达式如下：
，
其中，为第一施工位置i的第一导流策略集合/>相对于剩余施工位置的导流策略集合/>的代价函数，/>为缺一导流策略集合，缺一用于表征缺少第一导流策略集合/>，缺一导流策略集合用于表征缺少第一导流策略集合/>以外，剩余施工位置对应的导流策略集合，/>，/>，N为施工位置的总数量；S为基于各个施工位置分别对应的导流策略集合所输出多组导流策略集合；表示第j个施工位置中可供选择的策略集；/>表示在/>下第j个施工位置选择导流策略/>的概率，/>为基于第一施工位置i下多组导流策略集合S产生导流连接适应度损失的支付代价，令/>最小收敛输出导流寻优结果。
5.如权利要求4所述的方法，其特征在于，以所述第一导流策略从剩余施工位置所对应的导流策略集合中进行寻优，包括：
从所述剩余施工位置中获取所述第一施工位置的上游施工位置和下游施工位置；
以第一导流策略对所述上游施工位置对应的导流策略集合中各个导流策略进行导流连接适应度支付损失的代价计算，获取所述上游施工位置对应的导流寻优策略；
以第一导流策略对所述下游施工位置对应的导流策略集合中各个导流策略进行导流连接适应度支付损失的代价计算，获取所述下游施工位置对应的导流寻优策略；
直至遍历所述剩余施工位置，得到所述多个施工位置分别对应的导流寻优策略。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述水利地域的电力设备，通过对所述水利地域的电力设备进行数字孪生建模，得到数字孪生电力模型；
将所述数字孪生电力模型与所述数字孪生地域模型连接进行水利电力工程管控。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过调用所述数字孪生地域模型进行水域流量分析，得到水域流量变化特征；
按照所述水域流量变化特征对所述多组导流策略集合进行策略优化调整。
8.基于数字孪生的水利电力工程建造管控系统，其特征在于，用于实施权利要求1-7任意一项所述的基于数字孪生的水利电力工程建造管控方法，包括：
信息获取模块，用于获取水利电力工程建造项目，以及所述水利电力工程建造项目的水利地域；
施工节点获取模块，用于根据所述水利电力工程建造项目，获取多个施工节点，并在所述水利地域上标注所述多个施工节点对应的多个施工位置；
导流策略输出模块，用于获取所述多个施工位置分别对应的导流策略集合，输出多组导流策略集合；
数据采集模块，用于通过集成数据采集装置对所述水利地域进行数据采集，得到水利地域的数字孪生地域模型；
数据模拟模块，用于通过调用所述数字孪生地域模型对所述多组导流策略集合进行模拟，得到每个施工位置中针对每个导流策略的策略模拟数据，生成策略模拟数据库；
寻优结果获取模块，用于调用所述策略模拟数据库与导流寻优模型连接，得到所述导流寻优模型的导流寻优结果，其中，所述导流寻优结果包括基于所述多个施工位置分别对应的导流寻优策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410304742.7A CN117893179B (zh) | 2024-03-18 | 2024-03-18 | 基于数字孪生的水利电力工程建造管控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410304742.7A CN117893179B (zh) | 2024-03-18 | 2024-03-18 | 基于数字孪生的水利电力工程建造管控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117893179A true CN117893179A (zh) | 2024-04-16 |
| CN117893179B CN117893179B (zh) | 2024-05-28 |
Family
ID=90652127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410304742.7A Active CN117893179B (zh) | 2024-03-18 | 2024-03-18 | 基于数字孪生的水利电力工程建造管控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117893179B (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005111261A (ja) * | 2003-09-18 | 2005-04-28 | Tsutomu Ohashi | 環境設定方法及び装置並びに環境設定のための情報 |
| EP1832751A1 (en) * | 2004-12-28 | 2007-09-12 | Zigang Jiang | Kneading and displacing method and mechanism for fluid machinery and the use |
| US20150032753A1 (en) * | 2013-04-02 | 2015-01-29 | Tencent Technology (Shenzhen) Company Limited | System and method for pushing and distributing promotion content |
| US20160045841A1 (en) * | 2013-03-15 | 2016-02-18 | Transtar Group, Ltd. | New and improved system for processing various chemicals and materials |
| CN113283095A (zh) * | 2021-05-31 | 2021-08-20 | 中国水利水电科学研究院 | 一种进化式数字孪生流域构建方法 |
| CN113836807A (zh) * | 2021-09-26 | 2021-12-24 | 浙江大学 | 一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法 |
| CN114240119A (zh) * | 2021-12-10 | 2022-03-25 | 浙江水利水电学院 | 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法 |
| CN115660509A (zh) * | 2022-12-26 | 2023-01-31 | 沈阳创新设计研究院有限公司 | 一种基于数字孪生技术的工厂建造管控方法及系统 |
| CN115659816A (zh) * | 2022-10-31 | 2023-01-31 | 武汉大学 | 基于孪生模型的城市内涝点预测方法及系统 |
| CN115688227A (zh) * | 2022-10-13 | 2023-02-03 | 长江空间信息技术工程有限公司(武汉) | 数字孪生水利工程运行安全监测系统及运行方法 |
| CN115688491A (zh) * | 2022-12-30 | 2023-02-03 | 长江水利委员会长江科学院 | 一种基于区块链的水利数字孪生仿真模拟方法 |
| CN115759378A (zh) * | 2022-11-11 | 2023-03-07 | 黄河万家寨水利枢纽有限公司 | 一种基于数字孪生的大坝安全分析预警系统及方法 |
| US20230099257A1 (en) * | 2021-08-18 | 2023-03-30 | Changjiang River Scientific Research Institute Of Changjiang Water Resources Commission | Design method for distributed hydrological cycle model based on multi-source complementary water supply mode |
| CN116050628A (zh) * | 2023-02-07 | 2023-05-02 | 浙江大学 | 一种基于数字孪生的考虑预报不确定性的水库防洪优化调度方法 |
| CN116051313A (zh) * | 2023-03-27 | 2023-05-02 | 中铁水利信息科技有限公司 | 基于数字孪生的水利工程全生命周期管理系统 |
| CN116108664A (zh) * | 2023-02-02 | 2023-05-12 | 久瓴(上海)智能科技有限公司 | 水文灾情的风险评估报告生成方法及装置、电子设备 |
| CN116542387A (zh) * | 2023-05-16 | 2023-08-04 | 张施泽 | 一种基于Unity3D的智慧水文系统 |
| CN116993030A (zh) * | 2023-09-27 | 2023-11-03 | 长江水利委员会水文局 | 变化条件下水库压咸补淡调度方法及系统 |
| CN117351734A (zh) * | 2023-09-28 | 2024-01-05 | 智慧互通科技股份有限公司 | 一种车辆延误的智能调控方法及系统 |
| CN117421926A (zh) * | 2023-11-16 | 2024-01-19 | 云南滇能智慧能源有限公司 | 一种基于数字孪生技术的风电设备智能管控方法及系统 |
-
2024
- 2024-03-18 CN CN202410304742.7A patent/CN117893179B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005111261A (ja) * | 2003-09-18 | 2005-04-28 | Tsutomu Ohashi | 環境設定方法及び装置並びに環境設定のための情報 |
| EP1832751A1 (en) * | 2004-12-28 | 2007-09-12 | Zigang Jiang | Kneading and displacing method and mechanism for fluid machinery and the use |
| US20160045841A1 (en) * | 2013-03-15 | 2016-02-18 | Transtar Group, Ltd. | New and improved system for processing various chemicals and materials |
| US20150032753A1 (en) * | 2013-04-02 | 2015-01-29 | Tencent Technology (Shenzhen) Company Limited | System and method for pushing and distributing promotion content |
| CN113283095A (zh) * | 2021-05-31 | 2021-08-20 | 中国水利水电科学研究院 | 一种进化式数字孪生流域构建方法 |
| US20230099257A1 (en) * | 2021-08-18 | 2023-03-30 | Changjiang River Scientific Research Institute Of Changjiang Water Resources Commission | Design method for distributed hydrological cycle model based on multi-source complementary water supply mode |
| CN113836807A (zh) * | 2021-09-26 | 2021-12-24 | 浙江大学 | 一种基于熵值法和长短期记忆神经网络的河湖生态流量预报预警方法 |
| CN114240119A (zh) * | 2021-12-10 | 2022-03-25 | 浙江水利水电学院 | 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法 |
| CN115688227A (zh) * | 2022-10-13 | 2023-02-03 | 长江空间信息技术工程有限公司(武汉) | 数字孪生水利工程运行安全监测系统及运行方法 |
| CN115659816A (zh) * | 2022-10-31 | 2023-01-31 | 武汉大学 | 基于孪生模型的城市内涝点预测方法及系统 |
| CN115759378A (zh) * | 2022-11-11 | 2023-03-07 | 黄河万家寨水利枢纽有限公司 | 一种基于数字孪生的大坝安全分析预警系统及方法 |
| CN115660509A (zh) * | 2022-12-26 | 2023-01-31 | 沈阳创新设计研究院有限公司 | 一种基于数字孪生技术的工厂建造管控方法及系统 |
| CN115688491A (zh) * | 2022-12-30 | 2023-02-03 | 长江水利委员会长江科学院 | 一种基于区块链的水利数字孪生仿真模拟方法 |
| CN116108664A (zh) * | 2023-02-02 | 2023-05-12 | 久瓴(上海)智能科技有限公司 | 水文灾情的风险评估报告生成方法及装置、电子设备 |
| CN116050628A (zh) * | 2023-02-07 | 2023-05-02 | 浙江大学 | 一种基于数字孪生的考虑预报不确定性的水库防洪优化调度方法 |
| CN116051313A (zh) * | 2023-03-27 | 2023-05-02 | 中铁水利信息科技有限公司 | 基于数字孪生的水利工程全生命周期管理系统 |
| CN116542387A (zh) * | 2023-05-16 | 2023-08-04 | 张施泽 | 一种基于Unity3D的智慧水文系统 |
| CN116993030A (zh) * | 2023-09-27 | 2023-11-03 | 长江水利委员会水文局 | 变化条件下水库压咸补淡调度方法及系统 |
| CN117351734A (zh) * | 2023-09-28 | 2024-01-05 | 智慧互通科技股份有限公司 | 一种车辆延误的智能调控方法及系统 |
| CN117421926A (zh) * | 2023-11-16 | 2024-01-19 | 云南滇能智慧能源有限公司 | 一种基于数字孪生技术的风电设备智能管控方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王东: "基于数字孪生流域模型的径流精细化模拟与旱涝预估", 《中国博士学位论文全文数据库（电子期刊） 基础科技II辑》, no. 12, 15 December 2023 (2023-12-15) * |
| 苟鹏波: "S灌区数字化能力评估及提升策略研究", 《中国优秀硕士学位论文全文数据库（电子期刊） 农业科技辑》, no. 02, 15 February 2024 (2024-02-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117893179B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657418B (zh) | 一种基于mike21的湖泊水环境容量计算方法 | |
| CN113222296B (zh) | 一种基于数字孪生的防洪调度方法 | |
| CN113723024B (zh) | 一种适用于滨海地区的“溪流”-“河道”-“河口”分布式洪水过程模拟方法 | |
| CN114580793B (zh) | 基于多源互补以及局部调控的水环境优化方法及系统 | |
| CN101819407A (zh) | 基于神经网络的污水泵站水位预测方法 | |
| CN108614915B (zh) | 基于情景驱动的水文模型自由组建策略方法 | |
| CN113762618B (zh) | 一种基于多因子相似分析的湖泊水位预报方法 | |
| CN110570031A (zh) | 一种预测平原河网两级分汊河道分流比的方法 | |
| CN104933268A (zh) | 一种基于一维非恒定流数值模型的洪水分析方法 | |
| CN115758886A (zh) | 基于雨洪管网模型与决策树算法的调蓄池优化布设方法 | |
| CN115496015B (zh) | 一种基于流量梯度变化的水动力分析决策方法 | |
| CN117236674B (zh) | 城市河网水动力精准调控和水环境提升方法及系统 | |
| CN115375198A (zh) | 区域河湖水系连通联合调度和水质安全保障方法及系统 | |
| CN116151152B (zh) | 一种基于无网格计算的水动力数值模拟计算方法 | |
| Wang et al. | Water level prediction of rainwater pipe network using an SVM-based machine learning method | |
| CN111598724A (zh) | 一种中小水库入库流量日前预测的分时段集成方法 | |
| CN111199298A (zh) | 基于神经网络的洪水预报方法与系统 | |
| CN112926786B (zh) | 一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统 | |
| CN117688844A (zh) | 一种基于深度神经网络的城市内涝实时模拟方法及系统 | |
| CN111914488B (zh) | 一种基于对抗神经网络的有资料地区水文参数率定方法 | |
| CN117893179B (zh) | 基于数字孪生的水利电力工程建造管控方法及系统 | |
| CN117648878A (zh) | 一种基于1d-cnn算法的洪水快速演进及淹没模拟方法 | |
| CN111914487A (zh) | 一种基于对抗神经网络的无资料地区水文参数率定方法 | |
| CN115293037A (zh) | 基于机器学习的河湖复合系统水动力建模方法 | |
| CN113887053A (zh) | 一种面向管网水流计算的市政排水资料质量评估方法及系统 |
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 |