CN117852723A - 一种大型水库工程生态调度方案的确定方法 - Google Patents
一种大型水库工程生态调度方案的确定方法 Download PDFInfo
- Publication number
- CN117852723A CN117852723A CN202410239482.XA CN202410239482A CN117852723A CN 117852723 A CN117852723 A CN 117852723A CN 202410239482 A CN202410239482 A CN 202410239482A CN 117852723 A CN117852723 A CN 117852723A
- Authority
- CN
- China
- Prior art keywords
- water
- ecological
- data
- scheduling
- reservoir
- 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 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 270
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大型水库工程生态调度方案的确定方法,涉及水库调度技术领域,将可调度区域分割为若干个子区域,并使用训练后的生态流量需求模型,输出各个子区内的最大的需水量及最小需水量,对水库的各项蓄水目标的耗水量进行优化,获取用于可调度区域的最大生态供水量,计算各个子区域的供水优先级,确定约束条件和调度目标后,依据供水优先级,使用训练后的生态流量调度模型为各个子区域给出对应的生态流量调度方案;由预测数据构建影响系数及调度均匀度,依据调度均匀度判断调度方案是否需要优化,若需要,对其做出优化。对调度方案做优化,在处于枯水阶段时,通过精细化的水资源调度,减少水资源的浪费。
Description
技术领域
本发明涉及水库调度技术领域,具体为一种大型水库工程生态调度方案的确定方法。
背景技术
水库水资源调度是水资源管理中一项重要的任务,旨在合理配置和有效利用水资源,以满足人类生活和经济发展的需求。水库调度的目标是在确保工程安全的前提下,根据社会经济发展需求和生态环境保护要求,合理配置水资源,提高水资源的利用效率和效益。水库调度手段包括水库的蓄水、泄水、发电、供水等,应根据实际情况采取多种手段进行水库调度。
在申请公布号为CN103088783A的中国发明专利中,公开了一种面向生态的水库调度方案生成方法,包括如下步骤:建立水库模拟调度模型,计算水车出库流量;采用生态因子ecoflow评价水库生态调度;采用Hurst系数H评价水库出流过程的连续性特征:采用优化算法或者模拟算法得到水库生态调度方案。选取生态因了ecoflow和Hurst系数H作为优化目标,使得水库(群)出流过程尽可能和天然径流过程相似度最大,最大程度地保护河流的生态健康。其二:将Hurst系数H用来描述水库调度出库过程的连续性特征同天然径流过程的相似。其三:考虑下游有多个控制点时,可以分别选取各个控制点的生态因子ecoflow和H作为优化目标。
结合以上申请和现有技术后,现有的生态水资源调度方法中,由于上游水库能够提供充分的水资源供应量,因此在调度时受到的限制较少,自身发电量也能得到保障,在调度时,精细化程度相对较低,但是因此造成的水资源的浪费也较为严重;而且,由于水库下游各个区域内的生态环境及相应需水量并不相同,如果不能做到针对性地处理,在进行水资源调度时,则会导致各个子区域难以获得应有的供水量,可能会出现部分区域缺水部分区域丰水的情况,反而可能会使下游的生态环境产生一定程度的恶化。
为此,本发明提供了一种大型水库工程生态调度方案的确定方法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种大型水库工程生态调度方案的确定方法,通过使用训练后的生态流量需求模型,输出各个子区内的最大的需水量及最小需水量,对水库的各项蓄水目标的耗水量进行优化,获取用于可调度区域的最大生态供水量,计算各个子区域的供水优先级,确定约束条件和调度目标后,依据供水优先级,使用训练后的生态流量调度模型为各个子区域给出对应的生态流量调度方案;由预测数据构建影响系数及调度均匀度,依据调度均匀度判断调度方案是否需要优化,若需要,对其做出优化。对调度方案做优化,在处于枯水阶段时,通过精细化的水资源调度,减少水资源的浪费,从而解决了背景技术中提出的技术问题。
(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:一种大型水库工程生态调度方案的确定方法,包括,对可调度区域内水文数据进行监控,并由监控数据构建水库水文数据集合;由水库水文数据集合生成蓄水系数,若所获取的蓄水系数/>低于水量阈值,发出预警指令;
接收预警指令,收集可调度区域内的生态数据后,将其分割为若干个子区域,并使用训练后的生态流量需求模型,输出各个子区内的最大的需水量及最小需水量;
对水库的各项蓄水目标的耗水量进行优化,获取用于可调度区域的最大生态供水量,计算各个子区域的供水优先级,以供水优先级/>对各个子区域进行排序;
确定约束条件和调度目标后,依据各个子区域的供水优先级,使用训练后的生态流量调度模型为各个子区域给出对应的生态流量调度方案;
预测调度方案的执行效果,由预测数据构建影响系数及调度均匀度/>,由影响系数/>筛选出待优化区域后,依据调度均匀度/>判断调度方案是否需要优化,若需要,对其做出优化;
其中,调度均匀度的获取方式如下:将供水量/>做无量纲化处理;
其中,/>为权重,,且/>;/>第对i个子区域影响系数,/>为向第i个子区域的供水量,/>,m为子区域的个数。
进一步的,建立覆盖可调度区域的电子地图,将可调度区域内的河道在电子上进行标注;在水库所在位置设置若干个监测点,于监测点处对水库的水汇入量进行监控,并在可调度区域内选择若干个采集点,于采集点处对降雨量数据进行监控,将监控数据汇总构建水库水文数据集合。
进一步的,由水库水文数据集合构建蓄水系数,方式如下:对水库水文数据集合内的降雨量/>及水汇入量/>做线性归一化处理,将对应的数据值映射至区间/>内,依照如下公式:/>其中,/>为采集点的总数,/>为监测点的总数,权重系数:/>,且/>,/>为降雨量的预设合格标准值,/>为水汇入量的预设合格标准值。
进一步的,在水库下游区域设置若干个数据收集点,将收集的数据汇总构建生态数据集合;使用训练后的分类器,将水库下游的河道流经区域分割为若干个子区域,依据各个子区域的生态数据计算对应的生态需水量,加总后获取下游区域的总需水量;
以生态数据集合内数据及对应生态需水量数据作为样本数据,由卷积神经网络构建初始模型,对初始模型进行训练和测试等,建立生态流量需求模型。
进一步的,获取若干个蓄水目标及对应的耗水量,通过优化算法建立多目标优化模型,使用训练后的多目标优化模型对各项蓄水目标的耗水量进行优化,将优化后的各个需水目标及其耗水量输出,获取可用于生态流量的最大供水量;由各个子区域内的生态数据及需水数据计算各个子区域的供水优先级。
进一步的,供水优先级的获取方式如下:在获取各个子区域的接近中心度/>后,结合对应的最低需水量Cs,对两者做线性归一化处理,将对应的数据值映射至区间/>内,再依照如下公式:/>权重系数:,且/>,/>为子区域的个数;/>为各个子区域接近中心度的均值,/>为各个子区域最低需水量的均值。
进一步的,使用模拟退火算法构建初始模型,从构建的调度数据集合抽取部分数据作为样本数据,训练获取生态流量调度模型;以各个子区域的需水量范围为调度目标,以水库发电量降低比例不超过预设比例为约束条件。
进一步的,获取可调度区域内河道内深度、流量及流速等数据,使用卷积神经网络构建河道径流模型,获取生态流量调度方案后,若河道有水库注入的水体,使用训练后的河道径流模型输出河道向各个子区域输送的供水量;以子区域内的供水量作为输入,使用训练后的生态流量需求模型对子区域内生态环境变化进行预测,经过预设的预测周期后,将输出的预测数据汇总构建生态预测数据集合。
进一步的,由生态预测模型构建影响系数,若所获取的影响系数/>超过影响阈值,将对应的子区域确定为待优化区域;获取各个子区域的影响系数/>后,分析获取可调度区域内的调度均匀度/>,若所获取的调度均匀度/>低于均匀阈值,结合待优化区域的位置及各个子区域的需水量范围;采用多目标优化算法对给出的生态流量调度方案进行优化,获取优化后的生态流量调度方案。
进一步的,影响系数的获取方式如下:获取各个子区域的供水保证率/>及水体流速/>,将两者做线性归一化处理,将对应的数据值映射至区间/>内,再依照如下公式:/>权重系数:,m为子区域的个数,/>为水体流速在i子区域的值,为其均值;/>为供水保证率在i子区域的值,/>为其均值。
(三)有益效果
本发明提供了一种大型水库工程生态调度方案的确定方法,具备以下有益效果:
1、对水库水资源进行调度,将水体导向下游时,能够做到精确调度,也减少水资源的浪费,而通过给出需水量范围,在调度时,能够使调度灵活程度更高。
2、在调度时需要对各项调度目标进行优化,使水资源在各项调度目标上的分配更为合理,进一步的减少水资源的浪费,而在枯水期时,以生态水资源的分配作为最高的优先级,在对生态用水进行分配时,可以获取到相对更多的水资源。
3、通过计算各个子区域的供水优先级,可以确定调度的先后顺序,能够先使较为重要的子区域优先得到水资源,降低生态水体过少带来的负面影响,提高水资源利用率;执行调度方案对水库水资源进行调度时,能够对水库发电和各个子区域内的水资源供给形成兼顾,在水库处于枯水期时,即能保障生态水资源的供应,也能使水库下游用电安全形成保障。
4、使用训练后的生态流量需求模型对相应子区域内的变化程度进行预测,并进而构建相应的影响系数,使用影响系数/>能够对当前的调度是否达到预期进行判断。
5、在获取到各个子区域的影响系数后计算调度均匀度/>,依据调度均匀度对可调度区域内的生态用水的调度效果进行判断,如果调度效果未能达到预期,则需要做进一步的优化,如果已经达到预期,对相应的调度方案形成确定并输出。
6、确定各个子区域的调度优先级、调度目标及约束条件后,获取相应的调度方案,并通过构建的影响系数及调度均匀度/>,对调度方案的可行性进行判断,在调度方案不可行时,则可以结合各个子区域的需水量范围,对调度方案做进一步的优化,获取更细致的调度方案,通过精细化的水资源调度,减少水资源的浪费。
附图说明
图1为本发明大型水库工程生态调度方案的确定方法流程示意图。
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,本发明提供一种大型水库工程生态调度方案的确定方法,包括:
步骤一、对可调度区域内水文数据进行监控,并由监控数据构建水库水文数据集合;由水库水文数据集合生成蓄水系数,若所获取的蓄水系数/>低于水量阈值,向外部发出预警指令;
所述步骤一包括如下内容:
步骤101、在确定水库的位置,在限定水库的可调度区域后,建立覆盖可调度区域的电子地图,将可调度区域内的河道在电子上进行标注;
在水库所在位置设置若干个监测点,于监测点处对水库的水汇入量进行监控,并在可调度区域内选择若干个采集点,于采集点处对降雨量数据进行监控,将监控数据汇总构建水库水文数据集合;
步骤102、由水库水文数据集合构建蓄水系数,其方式如下:对水库水文数据集合内的降雨量/>及水汇入量/>做线性归一化处理,将对应的数据值映射至区间/>内,再依照如下公式:/>其中,/>为采集点的总数,/>为监测点的总数,权重系数:/>,且,其具体值由用户调整设置,/>为降雨量的预设合格标准值,/>为水汇入量的预设合格标准值;其中,/>为第j个监测点的水汇入量,/>为第i个采集点处降雨量;
依据历史数据及对水库水体调度的管理预期,预先构建水量阈值;若所获取的蓄水系数低于水量阈值,则说明当前的可调度区域内水量较少,属于枯水期,在当前条件下,在下游处于缺水状态时,需要由水库进行供水补水,并经由合理的调度后,使水库下游的各个区域能够得到合理的供水,此时,向外部发出预警指令;
使用时,结合步骤101及102中的内容:
在对水库内的水资源进行调度前,先对水库及其周边区域内降雨量进行监控,验证降雨量是否充足,若降雨量充足,则说明对应的可调度区域内不需要进行额外调度补水,如果不充足,可调度区域内处于枯水期,为了保障水库下游的生态水量供应充足,仍需要使水库进入开闸放水的状态,对下游进行供水。
现有的生态水资源调度方法中,由于上游水库能够提供充分的水资源供应量,因此在调度时,受到的限制较少,自身发电量也能得到保障,在调度时,精细化程度相对较低,但是因此造成的水资源的浪费也较为严重;而且,由于水库下游各个区域内的生态环境及相应需水量并不相同,如果不能做到针对性地处理,在进行水资源调度时,则会导致各个子区域难以获得应有的供水量,可能会出现部分区域缺水部分区域丰水的情况,反而可能会使下游的生态环境产生一定程度的恶化。
步骤二、接收预警指令,在收集可调度区域内的生态数据后,将其分割为若干个子区域,并使用训练后的生态流量需求模型,输出各个子区内的最大的需水量及最小需水量,汇总构建需水量范围;
所述步骤二包括如下内容:
步骤201、接收到预警指令后,在水库下游区域设置若干个数据收集点,并收集对相应区域内的河道基础水文及气象资料,收集下游河道的生态***数据,包括生物多样性、生态敏感区域和重要生态功能区域,以及生活人口数据,将收集的数据汇总构建生态数据集合;
步骤202、依据水库下游区域内的生态及形貌数据,使用训练后的分类器,将水库下游的河道流经区域分割为若干个子区域,并将各个子区域在电子地图上分别进行标注,依据各个子区域内的生态数据计算对应的生态需水量,加总后获取下游区域的总需水量;
步骤203、以生态数据集合内数据及对应生态需水量数据作为样本数据,由卷积神经网络构建初始模型,对初始模型进行训练和测试等,建立生态流量需求模型;
以训练后的生态流量需求模型输出各个子区内的最大的需水量及最小需水量,汇总构建需水量范围并以其对相应子区域进行标注。
使用时,结合步骤201至203中的内容:
通过将水库下游分割为若干个类型不同的子区域后,依据采集到的各个子区域内的生态数据,例如生物量、人口数量及农作物量等数据,能够对各个子区域内的水需求量进行推测,并在构建生态流量需求模型后,能够输出较为模糊的各个子区域当前的需水量范围,因此,在此基础上,对水库水资源进行调度,将水体导向下游时,能够做到精确调度,也减少水资源的浪费,而通过给出需水量范围,在调度时,能够使调度灵活程度更高。
步骤三、对水库的各项蓄水目标的耗水量进行优化,获取可用于可调度区域的最大生态供水量,计算各个子区域的供水优先级,以计算获取的供水优先级/>对各个子区域进行排序,获取相应的供水顺序;
所述步骤三包括如下内容:
步骤301、依据水库蓄水的用途,获取若干个蓄水目标及对应的耗水量,例如,供水、发电、防洪和生态流量维持等多个蓄水目标;通过优化算法建立多目标优化模型,使用训练后的多目标优化模型对各项蓄水目标的耗水量进行优化,将优化后的各个需水目标及其耗水量输出,获取可用于生态流量的最大供水量;
步骤302、由各个子区域内生态数据及需水数据计算各个子区域的供水优先级,以获取的供水优先级/>对各个子区域进行排序;方式如下:在获取各个子区域的接近中心度/>后,结合对应的最低需水量Cs,对两者做线性归一化处理,将对应的数据值映射至区间/>内,再依照如下公式:/>权重系数:/>,且/>,/>为子区域的个数;/>为各个子区域接近中心度的均值,/>为第/>个子区域的接近中心度;
其中,为各个子区域最低需水量的均值,/>第/>个子区域的最低需水量;为第/>个子区域的供水优先级;
使用时,结合步骤301至302中的内容:
在需要水库将储存的水资源向外部调度时,由于当前处于枯水期,因此在调度时需要对各项调度目标进行优化,使水资源在各项调度目标上的分配更为合理,进一步的减少水资源的浪费,而在枯水期时,以生态水量资源的分配作为最高的优先级,在对生态用水进行分配时,可以获取到相对更多的水资源;
同时,由于水库的供水量相对较少,为了节省水资源,在对各个子区域进行水资源调度时,通过计算各个子区域的供水优先级,可以确定调度的先后顺序,能够先使较为重要的子区域优先得到水资源,降低生态水体过少带来的负面影响,提高水资源利用率。
步骤四、在确定约束条件和调度目标后,依据各个子区域的供水优先级,使用训练后的生态流量调度模型为各个子区域给出对应的生态流量调度方案;
所述步骤四包括如下内容:
步骤401、获取各个子区域的位置、需水量范围、河道流量及位置等数据后,汇总作为调度数据集合;使用模拟退火算法构建初始模型,从调度数据集合抽取部分数据作为样本数据,以样本数据对初始模型进行训练和测试等,获取训练后的生态流量调度模型;
步骤402、以各个子区域的需水量范围为调度目标,以水库发电量降低比例不超过预设比例为约束条件,依据各个子区域的供水优先级,由生态流量调度模型为各个子区域给出对应的生态流量调度方案;
使用时,结合步骤401至402中的内容:
在确定各个子区域的供水优先级后,再确定对应的调度目标及约束条件,使用训练后的生态流量调度模型给出生态流量调度方案,因此,执行调度方案对水库水资源进行调度时,能够对水库发电和各个子区域的水资源供给形成兼顾,在水库处于枯水期时,即能保障生态水资源的供应,也能使水库下游用电安全形成保障,从而,减少在保障生态用水安全时带来的负面影响。
步骤五、对调度方案的执行效果进行预测,由预测数据构建影响系数及调度均匀度/>;在由影响系数筛选出待优化区域后,依据调度均匀度判断当前的调度方案是否需要优化,如果需要,则对其做出优化;
所述步骤五包括如下内容:
步骤501、获取可调度区域内河道内深度、流量及流速等数据后,使用卷积神经网络构建河道径流模型,在获取生态流量调度方案后,若河道有水库注入的水体,使用训练后的河道径流模型输出河道向各个子区域输送的供水量;
使用时,通过获取河道径流模型后,在对各个子区域进行调度时,分析获取水资源在调度过程中的耗费;
步骤502、以子区域的供水量作为输入,使用训练后的生态流量需求模型对子区域内生态环境变化进行预测,经过预设的预测周期后,将输出的预测数据汇总构建生态预测数据集合;由生态预测模型构建影响系数,其具体方式如下:
获取各个子区域的供水保证率,也即经过预测周期后,子区域内能够获得的供水量和目标需水量间的比值,并获取在预测周期后,子区域内的水体流速;
将供水保证率及水体流速/>做线性归一化处理,将对应的数据值映射至区间内,再依照如下公式:/>权重系数:/>,m为子区域的个数,/>为水体流速在i子区域的值,/>为其均值;/>为供水保证率在i子区域的值,/>为其均值;
使用历史数据及对生态供水的管理预期,预先设置影响阈值;若所获取的影响系数超过影响阈值,则说明当前的调度起到了应有的效果,否则仍需要对调度方案进行优化,此时,将对应的子区域确定为待优化区域,将各个待优化区域在电子地图上标记;
使用时,在获取各个子区域可以得到的供水量后,使用训练后的生态流量需求模型对相应子区域的变化程度进行预测,并进而构建相应的影响系数,使用影响系数/>能够对当前的调度是否达到预期进行判断,如果未达到预期,则需要对调度方案做进一步的修改;
步骤503、获取各个子区域的影响系数后,将影响系数/>汇总,分析获取可调度区域内的调度均匀度/>,其具体方式如下,将供水量/>做无量纲化处理,其中,/>为权重,,且/>;/>第对i个子区域影响系数,/>为向第i个子区域的供水量,/>,m为子区域的个数;/>为向各个子区域输送的供水量;权重系数可参考层次分析法获取;
依据历史数据及对生态流量的调度预期,预先设置均匀阈值,若所获取的调度均匀度低于均匀阈值,则发出优化指令;
使用时,在获取到各个子区域的影响系数后计算调度均匀度/>,依据调度均匀度/>对可调度区域内的生态用水的调度效果进行判断,如果调度效果未能达到预期,则需要做进一步的优化,如果已经达到预期,对相应的调度方案形成确定并输出;
步骤504、接收到优化指令后,结合待优化区域的位置及各个子区域的需水量范围;采用多目标优化算法对给出的生态流量调度方案进行优化,获取优化后的生态流量调度方案;在可调度区域内执行优化后的生态流量调度方案。
使用时,结合步骤501至504中的内容:
在确定各个子区域的调度优先级、调度目标及约束条件后,获取相应的调度方案,并通过构建的影响系数及调度均匀度/>,对调度方案的可行性进行判断,在调度方案不可行时,则可以结合各个子区域的需水量范围,对调度方案做进一步的优化,获取更细致的调度方案,从而,在处于枯水阶段时,通过精细化的水资源调度,减少水资源的浪费。
需要说明的是:层次分析法是一种定性和定量相结合的分析方法,它可以将复杂的问题分解为多个层次,通过比较各层次因素的重要性,可以帮助决策者对复杂问题进行决策,确定最终的决策方案,在这个过程中,层次分析法可以用来确定这些指标的权重系数。
调度模型的构建需要考虑多个因素,包括水资源的需求和供应、水质的状况、用户的优先级、水灾害风险等。以下是一些构建调度模型的关键步骤和要素:
数据收集与分析:收集相关数据,包括水资源的需求和供应、水质的监测数据、用户的需求和优先级、水灾害的历史数据等,进行分析和整理,为模型的构建提供数据支持。目标确定:明确模型要实现的目标,例如水资源的合理配置、水质的保护和改善、用户需求的满足、水灾害风险的降低等。模型选择与建立:根据实际情况选择适合的模型,可以是数学模型、仿真模型、优化模型等。根据选定的模型建立相应的调度模型,包括水资源的供需平衡、水质的预测与评估、用户的优先级排序、水灾害的风险评估等。参数设定与调整:根据实际情况设定模型的参数,并进行调整和优化,以保证模型的准确性和实用性。模型验证与测试:对建立的调度模型进行验证和测试,检查其是否符合实际情况,并进行必要的调整和优化。决策支持与应用:将调度模型应用于实际的决策中,为其提供支持和依据。
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***、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***、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,仅仅为一些逻辑功能划分,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***,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-onlymemory,ROM)、随机存取存储器(randomaccessmemory,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 (10)
1.一种大型水库工程生态调度方案的确定方法,其特征在于:包括,
对可调度区域内水文数据进行监控,并由监控数据构建水库水文数据集合;由水库水文数据集合生成蓄水系数,若所获取的蓄水系数/>低于水量阈值,发出预警指令;
接收预警指令,收集可调度区域内的生态数据后,将其分割为若干个子区域,并使用训练后的生态流量需求模型,输出各个子区内的最大的需水量及最小需水量;
对水库的各项蓄水目标的耗水量进行优化,获取用于可调度区域的最大生态供水量,计算各个子区域的供水优先级,以供水优先级/>对各个子区域进行排序;
确定约束条件和调度目标后,依据各个子区域的供水优先级,使用训练后的生态流量调度模型为各个子区域给出对应的生态流量调度方案;
预测调度方案的执行效果,由预测数据构建影响系数及调度均匀度/>,由影响系数/>筛选出待优化区域后,依据调度均匀度/>判断调度方案是否需要优化,若需要,对其做出优化;其中,调度均匀度/>的获取方式如下:将供水量/>做无量纲化处理;
其中,/>为权重,,且/>;/>第对i个子区域影响系数,/>为向第i个子区域的供水量,/>,m为子区域的个数。
2.根据权利要求1所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
建立覆盖可调度区域的电子地图,将可调度区域内的河道在电子上进行标注;在水库所在位置设置若干个监测点,于监测点处对水库的水汇入量进行监控,并在可调度区域内选择若干个采集点,于采集点处对降雨量数据进行监控,将监控数据汇总构建水库水文数据集合。
3.根据权利要求2所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
由水库水文数据集合构建蓄水系数,方式如下:对水库水文数据集合内的降雨量及水汇入量/>做线性归一化处理,将对应的数据值映射至区间/>内,依照如下公式:其中,/>为采集点的总数,为监测点的总数,权重系数:/>,且/>,/>为降雨量的预设合格标准值,/>为水汇入量的预设合格标准值。
4.根据权利要求1所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
在水库下游区域设置若干个数据收集点,将收集的数据汇总构建生态数据集合;使用训练后的分类器,将水库下游的河道流经区域分割为若干个子区域,依据各个子区域内的生态数据计算对应的生态需水量,加总后获取下游区域的总需水量;以生态数据集合内数据及对应生态需水量数据作为样本数据,由卷积神经网络构建初始模型,对初始模型进行训练和测试等,建立生态流量需求模型。
5.根据权利要求1所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
获取若干个蓄水目标及对应的耗水量,通过优化算法建立多目标优化模型,使用训练后的多目标优化模型对各项蓄水目标的耗水量进行优化,将优化后的各个需水目标及其耗水量输出,获取可用于生态流量的最大供水量;由各个子区域内的生态数据及需水数据计算各个子区域的供水优先级。
6.根据权利要求5所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
供水优先级的获取方式如下:在获取各个子区域的接近中心度/>后,结合对应的最低需水量Cs,对两者做线性归一化处理,将对应的数据值映射至区间/>内,再依照如下公式:/>权重系数:,且/>,/>为子区域的个数;/>为各个子区域接近中心度的均值,/>为各个子区域最低需水量的均值。
7.根据权利要求1所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
使用模拟退火算法构建初始模型,从构建的调度数据集合抽取部分数据作为样本数据,训练获取生态流量调度模型;以各个子区域的需水量范围为调度目标,以水库发电量降低比例不超过预设比例为约束条件。
8.根据权利要求1所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
获取可调度区域内河道内深度、流量及流速等数据,使用卷积神经网络构建河道径流模型,获取生态流量调度方案后,若河道有水库注入的水体,使用训练后的河道径流模型输出河道向各个子区域输送的供水量;以子区域的供水量作为输入,使用训练后的生态流量需求模型对子区域内的生态环境变化进行预测,经过预设的预测周期后,将输出的预测数据汇总构建生态预测数据集合。
9.根据权利要求8所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
由生态预测模型构建影响系数,若所获取的影响系数/>超过影响阈值,将对应的子区域确定为待优化区域;获取各个子区域的影响系数/>后,分析获取可调度区域内的调度均匀度/>,若所获取的调度均匀度/>低于均匀阈值,结合待优化区域的位置及各个子区域的需水量范围;采用多目标优化算法对给出的生态流量调度方案进行优化,获取优化后的生态流量调度方案。
10.根据权利要求9所述的一种大型水库工程生态调度方案的确定方法,其特征在于:
影响系数的获取方式如下:获取各个子区域的供水保证率/>及水体流速/>,将两者做线性归一化处理,将对应的数据值映射至区间/>内,再依照如下公式:权重系数:,m为子区域的个数,/>为水体流速在i子区域的值,为其均值;/>为供水保证率在i子区域的值,/>为其均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410239482.XA CN117852723B (zh) | 2024-03-04 | 2024-03-04 | 一种大型水库工程生态调度方案的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410239482.XA CN117852723B (zh) | 2024-03-04 | 2024-03-04 | 一种大型水库工程生态调度方案的确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117852723A true CN117852723A (zh) | 2024-04-09 |
CN117852723B CN117852723B (zh) | 2024-05-28 |
Family
ID=90536387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410239482.XA Active CN117852723B (zh) | 2024-03-04 | 2024-03-04 | 一种大型水库工程生态调度方案的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117852723B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070199A (zh) * | 2024-04-18 | 2024-05-24 | 云南钧衡电力检测技术有限公司 | 一种电力设备检测方法及检测*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156914A (zh) * | 2011-03-30 | 2011-08-17 | 东华大学 | 一种非汛期水量协同优化调度方法 |
US20160315801A1 (en) * | 2015-04-27 | 2016-10-27 | Northeastern University | System for Networking and Analyzing Geospatial Data, Human Infrastructure, and Natural Elements |
CN109636246A (zh) * | 2019-01-11 | 2019-04-16 | 中国水利水电科学研究院 | 一种分布式地表水供水水源*** |
CN113065980A (zh) * | 2021-03-23 | 2021-07-02 | 水利部海河水利委员会水资源保护科学研究所 | 一种面向河流生态需水的多水源优化配置方法 |
CN113723024A (zh) * | 2021-08-30 | 2021-11-30 | 浙江大学 | 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 |
CN115796381A (zh) * | 2022-12-16 | 2023-03-14 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种基于改进新安江模型的实际径流量预报方法 |
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*** |
CN117114918A (zh) * | 2023-07-24 | 2023-11-24 | 华北电力大学 | 一种基于区域生态需水与多水源供水的水资源调配方法 |
EP4303785A1 (en) * | 2022-07-07 | 2024-01-10 | China Three Gorges Co., Ltd. | Reservoir flow rate regulating method and apparatus, electronic device, and storage medium |
-
2024
- 2024-03-04 CN CN202410239482.XA patent/CN117852723B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156914A (zh) * | 2011-03-30 | 2011-08-17 | 东华大学 | 一种非汛期水量协同优化调度方法 |
US20160315801A1 (en) * | 2015-04-27 | 2016-10-27 | Northeastern University | System for Networking and Analyzing Geospatial Data, Human Infrastructure, and Natural Elements |
CN109636246A (zh) * | 2019-01-11 | 2019-04-16 | 中国水利水电科学研究院 | 一种分布式地表水供水水源*** |
CN113065980A (zh) * | 2021-03-23 | 2021-07-02 | 水利部海河水利委员会水资源保护科学研究所 | 一种面向河流生态需水的多水源优化配置方法 |
CN113723024A (zh) * | 2021-08-30 | 2021-11-30 | 浙江大学 | 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 |
EP4303785A1 (en) * | 2022-07-07 | 2024-01-10 | China Three Gorges Co., Ltd. | Reservoir flow rate regulating method and apparatus, electronic device, and storage medium |
CN115796381A (zh) * | 2022-12-16 | 2023-03-14 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种基于改进新安江模型的实际径流量预报方法 |
CN117114918A (zh) * | 2023-07-24 | 2023-11-24 | 华北电力大学 | 一种基于区域生态需水与多水源供水的水资源调配方法 |
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*** |
Non-Patent Citations (3)
Title |
---|
ANTONIETTA SIMONE等: "Edge betweemmess for water distribution networks domain analysis", 《JOURNEL》, 16 August 2019 (2019-08-16) * |
李欣眙: "基于生态的白洋淀上游典型水库联合供水优化调度研究", 《中国优秀硕士论文 工程科技Ⅱ辑》, 15 January 2021 (2021-01-15) * |
郭旭阳: "基于山仔水库DOM最优比例的生态调度模型研究", 《中国优秀硕士论文 工程科技Ⅰ辑》, 15 December 2020 (2020-12-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070199A (zh) * | 2024-04-18 | 2024-05-24 | 云南钧衡电力检测技术有限公司 | 一种电力设备检测方法及检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN117852723B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117852723B (zh) | 一种大型水库工程生态调度方案的确定方法 | |
CN106779129A (zh) | 一种考虑气象因素的短期电力负荷预测方法 | |
CN103853106B (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
Guo et al. | A two-stage programming approach for water resources management under randomness and fuzziness | |
Li et al. | Toward cost-oriented forecasting of wind power generation | |
Jalalkamali | Using of hybrid fuzzy models to predict spatiotemporal groundwater quality parameters | |
CN109325633B (zh) | 一种天气预报集合成员选取方法和*** | |
KR20140043184A (ko) | 에너지 소비량 예측 장치 및 방법 | |
Karamouz et al. | Assessment of sustainability in water supply-demand considering uncertainties | |
CN109525435A (zh) | 一种电网业务服务器运行状态预警方法 | |
CN104636834B (zh) | 一种改进的联合概率规划模型***优化方法 | |
CN115345532B (zh) | 一种智能群控电供暖***碳排放管理平台及方法 | |
CN116109011B (zh) | 一种智慧园区的能耗管理方法及终端 | |
CN110097205A (zh) | 一种建筑负荷预测用气象预报数据预处理方法 | |
Wu et al. | Design of A battery energy management system for capacity charge reduction | |
Suliman et al. | Optimization of uncertain construction time-cost trade off problem using simulated annealing algorithm | |
Ashrafi | Investigating pareto front extreme policies using semi-distributed simulation model for Great Karun River Basin | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型***及方法 | |
Zhu et al. | Upholding labor productivity with intensified heat stress: Robust planning for adaptation to climate change under uncertainty | |
CN110210642A (zh) | 一种城市电能替代量预测方法及装置 | |
Wu et al. | Assessment of schedulable potential for user-side resources participating in demand response based on improved G1 method using SRC | |
CN117318051B (zh) | 一种基于物联网技术的智慧能源储能管控***及方法 | |
CN117408394B (zh) | 电力***的碳排放因子预测方法、装置及电子设备 | |
CN116819655B (zh) | 一种基于自然语言处理技术的数据管理方法及*** | |
Boumais et al. | A Forecasting Model for the Energy Requirements of an Office Building Based on Energy Modeling and Machine Learning Models–A Case Study of Morocco |
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 |