CN113343439B - 一种明渠输水***事故识别方法 - Google Patents

一种明渠输水***事故识别方法 Download PDF

Info

Publication number
CN113343439B
CN113343439B CN202110555791.4A CN202110555791A CN113343439B CN 113343439 B CN113343439 B CN 113343439B CN 202110555791 A CN202110555791 A CN 202110555791A CN 113343439 B CN113343439 B CN 113343439B
Authority
CN
China
Prior art keywords
channel
accident
water level
gate
pool
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
CN202110555791.4A
Other languages
English (en)
Other versions
CN113343439A (zh
Inventor
管光华
樊甲伟
冯晓波
刘王嘉仪
贾梦洁
朱哲立
郭兴涛
黄一飞
曹佳婷
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202110555791.4A priority Critical patent/CN113343439B/zh
Publication of CN113343439A publication Critical patent/CN113343439A/zh
Application granted granted Critical
Publication of CN113343439B publication Critical patent/CN113343439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Barrages (AREA)

Abstract

本发明公开了一种明渠输水***事故识别方法，首先建立实际渠道的仿真模型；然后将用水计划作为输入量，通过仿真模型仿真计算得到不同时刻各渠池的闸门目标开度、下游目标水位以及目标过闸流量；将实测得到各渠池闸门前后的水位、闸门开度以及过闸流量作为输入量，结合仿真计算得到的目标值得到绝对最大闸门开度偏差、最大水位偏速、末态流量增量和末态水位增量四个判断指标，根据四个判断指标判断是否发生事故、事故类型、事故发生渠池等信息。得到的事故源信息将为应急调度提供依据，有利于快速启动应急预案，降低事故不利影响，防止事故进一步蔓延或引发次生灾害，有利于保障高效供水和渠系或者引水工程本身结构安全。

Description

一种明渠输水***事故识别方法
技术领域
本发明属于水利领域，涉及一种渠道自动控制技术，具体涉及一种明渠输水***事故识别方法。
背景技术
水资源是非常重要的自然资源，也是战略性经济资源，是一个国家综合国力的有机组成部分。我国的水资源问题是非常突出的，我国人均水资源量2200m3，目前有16个省(市、区)人均水资源低于严重缺水标准，有6个省、区人均水资源量低于500m3。同时我国水资源还呈现出①年内年际分配不均，旱涝灾害频发，供需矛盾突出；②地区分布不均，水土资源不匹配；③水资源利用率低，污染严重等特点。
针对我国水资源时空分布不均的问题，我国投入大量资金，众多水利工作者贡献、付出了诸多智慧与汗水，为我国设计、建设了诸多用以灌溉的灌溉渠系，和用以缓解地区水资源空间分配不均的长距离引水工程。我国灌区普查资料显示，全国设计灌溉面积30万亩及以上灌区456处，设计灌溉面积达2.80亿亩；设计灌溉面积1万～30万亩灌区7316处，设计灌溉面积2.33亿亩；50～1万亩灌区205.82万处，设计灌溉面积3.42亿亩，总体规模是十分庞大的。目前我国已经建成一大批以解决城市供水供需矛盾的大型引水工程，如南水北调工程、引滦入津、引青济秦、引黄入晋、东深供水等工程，其长度大都在100～200km，其中南水北调中线更是突破了1200km。
诸如此类灌溉渠系以及引水工程都是以明渠为主作为输水建筑物的，将其定义为明渠输水***。此类明渠输水***往往会由于运行管理不善，或者特殊地质条件或者不良气象条件，引发突发事故，对***平稳运行带来巨大挑战，甚至引发较大的次生灾害，造成较大的经济损失。以“引江济汉"工程为例，推荐线-龙高Ⅰ线有70％的渠道经过膨胀土分布区，在渠道开挖和运行过程中，其边坡可能产生胀缩变形破坏，进而引发失稳事故，再如南水北调工程，总干渠焦作至沧河，长约100km的区段内及南水北调中线干线漕河段岗头隧洞曾发生过泥石流，南水北调工程中线总干渠高填方渠道累计48段，总长度53.3km，此类高填方渠道在极端工况或暴雨情况下较易发生决口事故。由于我国灌区分布极为广泛，因此由于部分灌区较差地质条件，管涌等渗透破坏事故也时有发生。因为闸门的操作不当或者降雨汇流入渠也可能引发渠道漫溢事故。
如上所述，突发事故对于明渠输水***是不可避免的，而其发生之后往往会造成较大的人民生命财产损失，因此研究明渠输水***在事故工况下调度是非常有必要的，目前对明渠事故的研究主要集中在事故应急调度及水力响应特性方面，以及污染物的溯源问题。事故应急调度预案主要是指对包括闸门、退水闸、溢流堰等建筑物的联合调度预案，以期望将损失降低到最低。由于针对明渠事故识别因此这里对事故识别这一概念进行限定和说明。事故识别是指依据明渠***测点数据和事故工况下水力响应特征判断指标对事故类型，事故渠池，事故发生大概时间进行判断。获取事故源信息是针对性地启动应急预案或者应急调度的必要条件，因为只有知道事故类型、事故渠池、事故具体点位、事故严重程度才能对症下药地提出适当的应急预案，事故识别是事故应急调度的基础和前提条件，但是目前事故准确的具体信息的获取是非常困难的，往往是在事故持续发展一段时间后，引起***较大的水位流量波动被管理人员观测到，然后进行现场巡渠才能确定，尤其是当事故发生在夜间，响应周期会更久。这样一来就浪费了大量的时间，错过了通过事故调度减小事故损失的最佳时机，增大了事故继续发展为其他更加恶性的事故或者引发次生灾害的风险。因此建立在线的明渠输水***事故反演***对快速启动应急预案，降低事故不利影响，保障渠系或者引水工程本身结构安全有着十分重要的意义。其次建立识别算法，将之纳入渠道控制***，有利于提高工作效率，提高准确性、实时性，这也是我国智慧水网建设、水利数字化建设的必然要求。
发明内容
本发明要解决的技术问题在于针对明渠输水***输水调度技术缺陷，提出一种明渠***的事故识别方法。通过提出的事故识别方法，将明渠***中测点的水位和流量数据作为输入，识别得到明渠事故源的相关信息，主要包括是否发生事故、事故类型、事故发生渠池等信息。得到的事故源信息将为应急调度提供依据，有利于快速启动应急预案，降低事故不利影响，防止事故进一步蔓延或引发次生灾害，有利于保障高效供水和渠系或者引水工程本身结构安全。
本发明的目的是这样实现的，明渠输水***日常调度过程中，通过用水计划计算目标流量、闸门目标开度、目标水位等值，然后结合明渠实测数据进行分析计算，得到4个判断指标的具体数值(ΔABE max、ΔZspeed max、ΔQend、ΔZend)。由于不同类型的事故，水力响应特性有着较大区别，反映在判断指标上为较大的数值差异。之后进一步结合事故识别方法和具体判断指标的数值即可对是否发生事故，以及事故类型和事故渠池进行识别和判断。为应急事故调度和启动应急调度预案提供必要事故源信息。
为了解决上述技术问题，本发明采用技术方案如下：
一种明渠输水***事故识别方法，其特征在于，包括以下步骤：
步骤1、输入渠道建模参数，建立实际渠道的仿真模型；
步骤2、将用水计划作为输入量，通过仿真模型仿真计算正常运行工况下各渠池的闸门目标开度过程、下游目标水位过程以及目标过闸流量过程，得到不同时刻各渠池的闸门目标开度、下游目标水位以及目标过闸流量；
步骤3、读取实测得到的各渠池闸门前后的水位、闸门开度以及过闸流量，结合步骤2得到的不同时刻各渠池的闸门目标开度、下游目标水位以及目标过闸流量计算每个渠池的四个判断指标，四个判断指标分别为绝对最大闸门开度偏差、最大水位偏速、末态流量增量和末态水位增量，具体如下：
(1)最大闸门开度偏差ΔABE max
ΔABE max指的是所有采样时刻下所有渠池实测的闸门开度与用水计划下的目标开度的差值的最大值的绝对值，最大闸门开度偏差计算公式如下：
ΔABE max＝max(max(|Erij-Etij|))
上式中，Erij为i渠池j时刻实测的闸门开度；Etij为用水计划下i渠池j时刻的目标闸门开度；
(2)最大水位偏速ΔZspeed max
ΔZspeed max指的是所有采样时刻下所有渠池在单位采样时间步长下，下游测点水位相较于用水计划下游水位的最大偏移量，最大水位偏速包括正值最大水位偏速ΔZspeed max1和负值最大水位偏速ΔZspeed max2，计算公式如下：
Figure BDA0003077149600000031
Figure BDA0003077149600000032
上式中，DT为计算的时间间隔，yrij为i渠池在j时刻实测的下游水位；ytij为用水计划下i渠池在j时刻的下游目标水位；
(3)末态流量增量ΔQend
ΔQendi是指渠池i末时刻的入渠流量与用水计划下的目标流量的差值，计算公式如下：
ΔQendi＝Qrend,i-Qtend,i
上式中，Qrend,i为渠池i末时刻实测的或利用其他实测数据间接计算出的入渠流量；Qtend,i为用水计划下末时刻渠池i的入渠流量；
(4)末态水位增量ΔZend
ΔZendi是指渠池i末时刻实测的下游水位与用水计划下的目标水位之间的差值，计算公式如下：
ΔZendi＝Zrend,i-Ztend,i
上式中，Zrend,i为渠池i末时刻实测的下游水位，Ztend,i为用水计划下末时刻的渠池i下游水位；
步骤4、根据四个判断指标判断事故渠池和事故类型，具体方法如下：
步骤4.1、判断最大闸门开度偏差ΔABE max的大小，如果最大闸门开度偏差大于阈值，则事故类型为闸门故障，通过闸门开度及开度变化，找出事故闸门，对应的渠池为事故渠池，判断结束，如果最大闸门开度偏差小于阈值，则执行下面步骤：
步骤4.2、设定水位波动速度阈值
Figure BDA0003077149600000041
对最大水位偏速进行判断，如果最大水位偏速满足
Figure BDA0003077149600000042
且
Figure BDA0003077149600000043
则为流量出流类型事故，同时通过末态流量增量指标判断事故渠池位置，具体的，计算各个渠池的末态流量增量，当n渠池上游末态流量增量为正，而下游渠池末态流量增量为负，则n渠池为事故渠池；否则执行下面步骤；
步骤4.3、如果最大水位偏速满足
Figure BDA0003077149600000044
且
Figure BDA0003077149600000045
则为因降雨入流导致的渠道漫溢事故，同时通过末态流量增量指标判断事故渠池位置，具体的，计算各个渠池的末态流量增量，当n渠池上游末态流量增量为负，而下游渠池末态流量增量为正，则n渠池为事故渠池；否则为渠道淤塞事故，计算各个渠池的末态水位增量Ztend，当n渠池上游末态水位增量为正，而下游渠池末态水位增量为负，则n渠池为事故渠池；完成明渠输水***事故识别。
进一步地，步骤4.1中，闸门故障判断方法为：遍历渠道所有渠池闸门的末时刻开度Erj，判断闸门开度是否为零，如果为零，则为闸门脱落，相应的渠池为事故渠池，如果闸门开度不为零，判断闸门开度是否变化，如果不变，则闸门卡死，相应渠池为事故渠池，如果闸门开度与闸门开度目标值的差值大于阈值，则闸门不能开启至指定开度，相应渠池为事故渠池，其余渠池为正常渠池。
进一步地，步骤4.2中，设定下游水位波动速度临界值ε对于流量出流类型事故进一步判断，当负值最大水位偏速满足|△Zspeedmax2|≥ε时，为决口结构破坏事故；当|△Zspeedmax2|<ε时，为管涌事故。
进一步地，所述水位波动速度阈值
Figure BDA0003077149600000051
范围为2～6×10-4m/min。
进一步地，所述下游水位波动速度临界值ε范围为2～6×10-2m/min。
进一步地，步骤4.1中，判断最大闸门开度偏差的阈值取值范围为1.5-3cm。
本发明有益效果如下：
(1)尚未有应用于明渠输水***的多种事故类型的识别算法，建立的识别算法可解决闸门故障、管涌事故、决口或结构破坏事故、渠道漫溢事故、渠道淤塞事故此类常见明渠事故的识别，填补了行业该领域技术空白，对后续此类技术的发展成熟提供参考；
(2)建立的事故识别方法具有可自动识别事故类型、判断所在渠池的功能且识别精度高，能为事故应急调度提供参考；
(3)建立的识别算法机理性强，所需算力较小(计算时长少于1分钟)，有利于实现在线识别；
(4)建立的在线事故识别方法，对快速启动应急预案，降低事故不利影响，保障渠系或者引水工程本身结构安全有着十分重要的意义，有利于提高工作效率，提高准确性、实时性。
附图说明
图1本发明流程示意图。
图2为本发明实施例中采用的仿真模型的算法逻辑图。
注：Nac为事故渠池编号，QP1为渠池上游T时刻的流量边界，QPn为渠池下游T时刻流量边界
图3为本发明实施例的步骤4中事故识别方法逻辑图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明进行进一步详细说明，但不作为对本发明的限定。
如图1所示，一种明渠输水***事故识别方法，包括以下步骤：
步骤1、输入渠道建模参数，建立实际渠道的仿真模型，渠道建模参数包括渠池数量、闸门尺寸、渠道坡度、建筑物及糙率，模型以王长德、管光华2011年开发的输水渠道***运行仿真与控制软件为基础建立。
步骤2、将用水计划作为输入量，通过仿真模型仿真计算正常运行工况下各渠池的闸门目标开度过程、下游目标水位过程以及目标过闸流量过程，得到不同时刻各渠池的闸门目标开度、下游目标水位以及目标过闸流量；
步骤3、读取实测得到各渠池闸门前后的水位、闸门开度以及过闸流量，结合步骤1得到的不同时刻各渠池的闸门目标开度、下游目标水位以及目标过闸流量计算每个渠池的四个判断指标，四个判断指标分别为绝对最大闸门开度偏差、最大水位偏速、末态流量增量和末态水位增量，具体如下：
(1)最大闸门开度偏差ΔABE max
ΔABE max指的是所有采样时刻下所有渠池实测的闸门开度与用水计划下的目标开度的差值的最大值的绝对值，反映了事故工况下闸门相对于目标开度的偏离程度，在不考虑反馈的情况下，非闸门故障情况下该值应该维持在零附近。若该值大于2cm则认为发生了闸门事故，最大闸门开度偏差计算公式如下：
ΔABE max＝max(max(|Erij-Etij|))
上式中，Erij为i渠池j时刻实测的闸门开度(m)；Etij为用水计划下i渠池j时刻的目标闸门开度(m)；
(2)最大水位偏速ΔZspeed max
ΔZspeed max指的是所有采样时刻下所有渠池在单位采样时间步长下，下游测点水位相较于用水计划下游水位的最大偏移量，反映了事故工况下游水位相较于目标水位的偏离程度；最大水位偏速包括正值最大水位偏速ΔZspeed max1和负值最大水位偏速ΔZspeed max2，计算公式如下：
Figure BDA0003077149600000061
Figure BDA0003077149600000062
上式中，DT为计算的时间间隔，yrij为i渠池在j时刻实测的下游水位(m)；ytij为用水计划下i渠池在j时刻的下游目标水位(m)；
(3)末态流量增量ΔQend
ΔQendi是指渠池i末时刻实测的入渠流量，或者通过实测水位，闸门开度间接计算的入渠流量与用水计划下的目标流量的差值，反映了事故工况入渠流量相较于目标流量的偏离程度，计算公式如下：
ΔQendi＝Qrend,i-Qtend,i
上式中，Qrend,i为渠池i末时刻实测的或利用其他实测数据间接计算出的入渠流量(m3/s)；Qtend,i为用水计划下末时刻渠池的入渠流量(m3/s)；
(3)末态水位增量ΔZend
ΔZendi是指渠池i末时刻实测的下游水位与用水计划下的目标水位之间的差值，反映了事故工况下渠池水位相较于目标水位的偏离程度，计算公式如下：
ΔZendi＝Zrend,i-Ztend,i
上式中，Zrend为渠池i末时刻实测的下游水位(m)，Ztend,i为用水计划下末时刻的渠池i下游水位(m)；
步骤4、根据四个判断指标判断事故渠池和事故类型，具体方法如下：
步骤4.1、判断最大闸门开度偏差ΔABE max的大小，如果最大闸门开度偏差大于阈值，则事故类型为闸门故障，通过闸门开度及开度变化，找出事故闸门，对应的渠池为事故渠池，判断结束，如果最大闸门开度偏差小于阈值，则执行下面步骤：
步骤4.2、设定水位波动速度阈值
Figure BDA0003077149600000071
对最大水位偏速进行判断，如果最大水位偏速满足
Figure BDA0003077149600000072
且
Figure BDA0003077149600000073
水位都出现下降，则为流量出流类型事故；同时通过末态流量增量指标判断事故渠池位置，具体的，计算各个渠池的末态流量增量，对每个渠池的末态流量增量，当n渠池上游末态流量增量为正(△Qend>0)，而下游渠池末态流量增量为负(△Qend<0)，则n渠池为事故渠池；否则执行下面步骤；
步骤4.3、如果最大水位偏速满足
Figure BDA0003077149600000074
且
Figure BDA0003077149600000075
水位都出现上涨，则为因降雨入流导致的渠道漫溢事故，同时通过末态流量增量指标判断事故渠池位置，具体的，计算各个渠池的末态流量为正(△Qend>0)，当n渠池上游末态流量增量为负(△Qend<0)，而下游渠池末态流量增量为正，则n渠池为事故渠池；否则整个明渠输水***水位有升有降，(
Figure BDA0003077149600000081
且
Figure BDA0003077149600000082
)或者(
Figure BDA0003077149600000083
且
Figure BDA0003077149600000084
)，为渠道淤塞事故，计算各个渠池的末态水位增量Ztend，当n渠池上游末态水位增量为正，上游出现壅水现象(△Zend>0)，而下游渠池末态水位增量为负，则n渠池为事故渠池；完成明渠输水***事故识别。
作为优选实施例，步骤4.1中，闸门故障判断方为：遍历渠道所有渠池闸门的末时刻开度Ern，判断闸门开度是否为零，如果为零，则为闸门脱落，相应的渠池为事故渠池，如果闸门开度不为零，判断闸门开度是否变化，如果不变，则闸门卡死，相应渠池为事故渠池，如果闸门开度与闸门开度目标值的差值大于阈值，则闸门不能开启至指定开度，相应渠池我事故渠池，其余渠池为正常渠池。
作为优选实施例，步骤4.2中，设定下游水位波动速度临界值ε对于流量出流类型事故进一步判断，当负值最大水位偏速满足|△Zspeedmax2|≥ε时，为决口结构破坏事故；当|△Zspeedmax2|<ε时，为管涌事故。
本发明提供两个判断阈值，
Figure BDA0003077149600000085
表示水位波动速度阈值，
Figure BDA0003077149600000086
则表示这是明渠输水***因为事故而引发的水位波动，避免因为风浪等小波动造成算法的错误判断。
Figure BDA0003077149600000087
取5×10-4m/min，认为涌浪等引起的小幅波动不会超过7.2cm/day。ε表示管涌此类小流量变化和决口、结构破坏这类大流量波动引发的下游水位波动速度之间的临界值，该值是一个经验值，要通过较多数据的积累得到。经多次尝试和总结，本发明取值：5×10-2m/min，ε值也可以通过对事故数据的学习进一步的改进。
综上所述，改识别算法可以识别：闸门故障、管涌、决口或结构破坏、降雨汇流入渠导致的渠道漫溢、渠道淤塞此4类事故，并能进一步确定事故渠池信息。
借助建立的事故识别算法判断事故渠池和事故类型。事故识别是基于不同事故类型的水力响应特征之间的显著差异建立的(详见表1)，可以用以识别渠道淤塞、管涌事故、决口或结构破坏事故、闸门故障事故以及因降雨汇流入渠导致的漫溢事故。而水力响应特征的区别也可以采用已经计算得到的判别指标衡量。
表1不同类型事故仿真规律总结表格
Figure BDA0003077149600000088
Figure BDA0003077149600000091
注：↓表示小幅下降或者减小；↑表示小幅上涨或者增加；↓↓表示大幅下降或者减小；↑↑表示大幅上涨或者增加。
仿真模型如图3所示，该仿真模型是基于王长德、管光华2011年开发的输水渠道***运行仿真与控制软件建立的(王长德，管光华.输水渠道***运行仿真与控制软件[P].中国:2011SR034392，2011)，对不同类型事故设置不同边界条件便可以仿真分析事故工况下渠池的水力响应特征，同时也可以计算正常工况下的闸门目标过闸流量、闸门目标开度、下游目标水位。在缺乏事故数据的情况下，可利用该模型对事故工况进行仿真分析，进而获得可以用于驯化更加适应目标明渠输水***的事故识别算法判断阈值(
Figure BDA0003077149600000092
ε)的具体数值，提高事故识别方法的准确性。
本发明所述的事故识别方法能在明渠发生事故的工况下，根据用水计划和渠池测点数据识别得到明渠事故源信息(事故类型、事故渠池、事故发生时间)，为事故应急调度提供参考，能有效避免因为现场确认事故造成的时间浪费，能提高事故应急调度的准确性和实时性，对保障高效供水和工程本身结构安全具有重要意义。
附录说明
1、事故识别算法建立的基本假设
(1)仅考虑用水计划的改变对***的影响，即考虑前馈，当用水计划改变时，渠池闸门的目标流量也会相应改变，但不考虑节制闸的实时反馈。
(2)不考虑一种类型的事故发展为其他事故，如不考虑渠道淤塞进一步发展为渠道漫溢事故。
(3)整个明渠***不考虑额外的扰动，即不考虑下游边界的影响，也不考虑分水口取水流量的变化。
以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种明渠输水***事故识别方法，其特征在于，包括以下步骤：
步骤1、输入渠道建模参数，建立实际渠道的仿真模型；
步骤2、将用水计划作为输入量，通过仿真模型仿真计算正常运行工况下各渠池的闸门目标开度过程、下游目标水位过程以及目标过闸流量过程，得到不同时刻各渠池的闸门目标开度、下游目标水位以及目标过闸流量；
步骤3、读取实测得到的各渠池闸门前后的水位、闸门开度以及过闸流量，结合步骤2得到的不同时刻各渠池的闸门目标开度、下游目标水位以及目标过闸流量计算每个渠池的四个判断指标，四个判断指标分别为绝对最大闸门开度偏差、最大水位偏速、末态流量增量和末态水位增量，具体如下：
(1)最大闸门开度偏差ΔABE max
ΔABE max指的是所有采样时刻下所有渠池实测的闸门开度与用水计划下的目标开度的差值的最大值的绝对值，最大闸门开度偏差计算公式如下：
ΔABE max＝max(max(|Erij-Etij|))
上式中，Erij为i渠池j时刻实测的闸门开度；Etij为用水计划下i渠池j时刻的目标闸门开度；
(2)最大水位偏速ΔZspeed max
ΔZspeed max指的是所有采样时刻下所有渠池在单位采样时间步长下，下游测点水位相较于用水计划下游水位的最大偏移量，最大水位偏速包括正值最大水位偏速ΔZspeedmax1和负值最大水位偏速ΔZspeed max2，计算公式如下：
Figure FDA0003463040120000011
Figure FDA0003463040120000012
上式中，DT为计算的时间间隔，yrij为i渠池在j时刻实测的下游水位；ytij为用水计划下i渠池在j时刻的下游目标水位；
(3)末态流量增量ΔQend
ΔQendi是指渠池i末时刻的入渠流量与用水计划下的目标流量的差值，计算公式如下：
ΔQendi＝Qrend,i-Qtend,i
上式中，Qrend,i为渠池i末时刻实测的或利用其他实测数据间接计算出的入渠流量；Qtend,i为用水计划下末时刻渠池i的入渠流量；
(4)末态水位增量ΔZend
ΔZendi是指渠池i末时刻实测的下游水位与用水计划下的目标水位之间的差值，计算公式如下：
ΔZendi＝Zrend,i-Ztend,i
上式中，Zrend,i为渠池i末时刻实测的下游水位，Ztend,i为用水计划下末时刻的渠池i下游水位；
步骤4、根据四个判断指标判断事故渠池和事故类型，具体方法如下：
步骤4.1、判断最大闸门开度偏差ΔABE max的大小，如果最大闸门开度偏差大于阈值，则事故类型为闸门故障，通过闸门开度及开度变化，找出事故闸门，对应的渠池为事故渠池，判断结束，如果最大闸门开度偏差小于阈值，则执行下面步骤：
步骤4.2、设定水位波动速度阈值
Figure FDA0003463040120000021
对最大水位偏速进行判断，如果最大水位偏速满足
Figure FDA0003463040120000022
且
Figure FDA0003463040120000023
则为流量出流类型事故，同时通过末态流量增量指标判断事故渠池位置，具体的，计算各个渠池的末态流量增量，当n渠池上游末态流量增量为正，而下游渠池末态流量增量为负，则n渠池为事故渠池；否则执行下面步骤；
步骤4.3、如果最大水位偏速满足
Figure FDA0003463040120000024
且
Figure FDA0003463040120000025
则为因降雨入流导致的渠道漫溢事故，同时通过末态流量增量指标判断事故渠池位置，具体的，计算各个渠池的末态流量增量，当n渠池上游末态流量增量为负，而下游渠池末态流量增量为正，则n渠池为事故渠池；否则为渠道淤塞事故，计算各个渠池的末态水位增量Ztend，当n渠池上游末态水位增量为正，而下游渠池末态水位增量为负，则n渠池为事故渠池；完成明渠输水***事故识别。
2.根据权利要求1所述的明渠输水***事故识别方法，其特征在于，步骤4.1中，闸门故障判断方法为：遍历渠道所有渠池闸门的末时刻开度Ern，判断闸门开度是否为零，如果为零，则为闸门脱落，相应的渠池为事故渠池，如果闸门开度不为零，判断闸门开度是否变化，如果不变，则闸门卡死，相应渠池为事故渠池，如果闸门开度与闸门开度目标值的差值大于阈值，则闸门不能开启至指定开度，相应渠池为事故渠池，其余渠池为正常渠池。
3.根据权利要求1所述的明渠输水***事故识别方法，其特征在于，步骤4.2中，设定下游水位波动速度临界值ε对于流量出流类型事故进一步判断，当负值最大水位偏速满足|△Zspeedmax2|≥ε时，为决口结构破坏事故；当|△Zspeedmax2|<ε时，为管涌事故。
4.根据权利要求1所述的明渠输水***事故识别方法，其特征在于，所述水位波动速度阈值
Figure FDA0003463040120000031
范围为2～6×10-4m/min。
5.根据权利要求3所述的明渠输水***事故识别方法，其特征在于，所述下游水位波动速度临界值ε范围为2～6×10-2m/min。
6.根据权利要求1所述的明渠输水***事故识别方法，其特征在于，步骤4.1中，判断最大闸门开度偏差的阈值取值范围为1.5-3cm。
CN202110555791.4A 2021-05-21 2021-05-21 一种明渠输水***事故识别方法 Active CN113343439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110555791.4A CN113343439B (zh) 2021-05-21 2021-05-21 一种明渠输水***事故识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110555791.4A CN113343439B (zh) 2021-05-21 2021-05-21 一种明渠输水***事故识别方法

Publications (2)

Publication Number Publication Date
CN113343439A CN113343439A (zh) 2021-09-03
CN113343439B true CN113343439B (zh) 2022-03-04

Family

ID=77470375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110555791.4A Active CN113343439B (zh) 2021-05-21 2021-05-21 一种明渠输水***事故识别方法

Country Status (1)

Country Link
CN (1) CN113343439B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117824788B (zh) * 2024-03-05 2024-05-28 河海大学 水位监测分析***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106223257A (zh) * 2016-07-25 2016-12-14 中国水利水电科学研究院 一种长距离输水明渠事故段上游应急响应闸门群控制方法
CN106647289A (zh) * 2017-03-06 2017-05-10 武汉大学 明渠输水调度闸门延时启闭时间的前馈控制方法
CN111784536A (zh) * 2020-07-01 2020-10-16 中国水利水电科学研究院 一种明渠中依据实测水位变化情况估计水位超限时间的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106223257A (zh) * 2016-07-25 2016-12-14 中国水利水电科学研究院 一种长距离输水明渠事故段上游应急响应闸门群控制方法
CN106647289A (zh) * 2017-03-06 2017-05-10 武汉大学 明渠输水调度闸门延时启闭时间的前馈控制方法
CN111784536A (zh) * 2020-07-01 2020-10-16 中国水利水电科学研究院 一种明渠中依据实测水位变化情况估计水位超限时间的方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Research on emergency control mode of sluice gates in water delivery canal;NIE Yan-hua et al.;《MATEC Web of Conferences 246》;20181231;第1-13页 *
基于实测水位和流量数据的渠道控制模型参数辨识与验证;管光华，等;《农业工程学报》;20201208;第36卷(第23期);第92-98页 *
大型调水工程突发事件及应急调度预案初探;段文刚，等;《中国水利学会2008学术会议论文集（下册）》;20081001;第252-256页 *
大型输水明渠运行控制模式研究;崔巍等;《南水北调与水利科技》;20091015;第7卷(第05期);第6-10页 *
跨流域调水工程突发事件及应急调度措施研究;段文刚等;《长江科学院院报》;20100415;第27卷(第04期);第24-27页 *
长距离明渠突发事件应急调度策略设计及应用;韩黎明;《水资源开发与管理》;20181125(第11期);第71-75页 *
长距离渠道闸门故障扰动及小影响应急调度研究;万蕙等;《人民长江》;20180714;第49卷(第13期);第74-78页 *

Also Published As

Publication number Publication date
CN113343439A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
WO2021073192A1 (zh) 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
CN113343595B (zh) 一种明渠输水***事故的反演模型及事故流量、位置确定方法
CN108108838B (zh) 一种高水量利用率的季调节水库优化调度方法
CN102032935B (zh) 城市排水汇流管网污水泵站流量的软测量方法
CN108764573B (zh) 一种面向内陆干旱区的水资源多维均衡配置***
CN104460577A (zh) 一种水质安全预警决策***
CN112101818B (zh) 一种适用于复杂水力联系的海绵城市洪涝优化调度方法
CN111046574B (zh) 一种平原湖区湖河闸泵***防洪排涝演算方法
CN113469528B (zh) 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法
CN106355274A (zh) 一种防汛调度决策辅助***
CN111460742B (zh) 一种城市河湖水网防洪及雨洪资源利用模型构建方法
Diao et al. Risk analysis of flood control operation mode with forecast information based on a combination of risk sources
CN104615845A (zh) 一种超临界洪水风险分析方法
CN113343439B (zh) 一种明渠输水***事故识别方法
CN113701060A (zh) 一种基于排水模型的城市排水管网智能诊断方法
CN115271304A (zh) 基于气候变化的跨流域调水工程优化调度方法
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***
CN117332908A (zh) 一种耦合集合预报的梯级水库多目标优化调度方法及***
CN105404760B (zh) 恒定非均匀流条件下雨水设计流量的计算方法
CN112182701B (zh) 一种气盾坝流量系数及流量的计算方法
CN111160763B (zh) 水工消力池的安全风险评估方法
Vereide et al. Case study: Damaging effects of increasing the installed capacity in an existing hydropower plant
CN103473716B (zh) 异构模块采用标准化通信的梯级航电枢纽优化调度***
CN113239642A (zh) 一种计算水库入库流量的方法
Wu et al. Multi-objective model of irrigation water distribution based on particle swarm optimization

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