闸站涵联合调度方法

摘要

本发明公开了一种闸站涵联合调度方法，包括S1获取信息：获取各闸站工情信息；获取实时洪水预报数据信息；S2录入学习样本：水文气象监测信息、预报成果、洪水演进资料；机组特性曲线数据信息；S3建立经济运行优化数学模型：结合闸站工情信息、实时洪水预报数据信息和机组特性曲线，建立起机组负荷的经济运行优化数学模型；S4预演数学模型：对经济运行优化数学模型进行分析预判，并生成机电设备的控制和运行的数据。本发明基于深入学习模型卷积神经网络CNN，通过多河道多站点的工况和水情分阶参数输入和排水/过闸流量，创建了排涝区蓄调演算和来水过程线预测方法。

说明书

技术领域

本发明涉及闸站调度技术领域，尤其涉及一种闸站涵联合调度方法。

背景技术

进入新世纪以来，水利基于可持续发展的治水思路，正在实践着工程水利向资源水利、从传统水利向现代水利转变。为尽快健全防汛抗旱统一指挥、分级负责、部门协作、反应迅速、协调有序、运转高效的应急管理机制。加强监测预警能力建设，加大投入，整合资源，提高雨情汛情旱情预报水平。启动智慧水利先行先试工作，先行先试建设充分依托在建或拟建项目开展，遵循智慧水利总体框架和技术路线，推进前沿技术在水利行业创新应用，强化物联网、视频、遥感、大数据、人工智能、5g、区块链等新技术与水利业务深度融合，按照要求，加强对水利信息化资源的统筹管理、优化配置、集约利用，强化信息共享和业务协同，提升水利信息化的投资效益和综合应用水平。

排灌区调度决策能力关系到社会生产与千家万户，调度系统是根据气象信息、水文信息、容量、汛/旱实时信息、历史灾情分析、地理信息，实现汛/旱水调度信息统一管理，即由控制向管理转变，由单一被动向全面主动转变。调度管理的实质是建设承担水灾风险，规范社会管理行业，实现最大资源化，这就需要加强水文信息的分析能力，延长来水预报预见期，提高预测预报精度。

要实现这一目标，要大量补充、完善监测分析体系，包括蓄调模拟和智能化演算的应用，对各种信息系统的信息实现共享，并对这些信息做出提前分析和预判，并对各种分析和预判提出多种优化解决方法。

现针对以上需求设计出一种闸站涵联合调度方法。

发明内容

本发明的目的在于提供一种闸站涵联合调度方法，具备运行价格低、操作简单的优点，解决了加强水文信息的分析能力，延长来水预报预见期，提高预测预报精度的问题。

为达到上述目的，本发明采用如下技术方案：一种闸站涵联合调度方法，包括S1获取信息：获取各闸站工情信息；获取实时洪水预报数据信息；

S2录入学习样本：水文气象监测信息、预报成果、洪水演进资料；机组特性曲线数据信息；

S3建立经济运行优化数学模型：结合闸站工情信息、实时洪水预报数据信息和机组特性曲线，建立起机组负荷的经济运行优化数学模型；

S4预演数学模型：对经济运行优化数学模型进行分析预判，并生成机电设备的控制和运行的数据；

S5生成防洪调度运行数据：根据水文气象监测信息、预报成果、洪水演进资料以及控制和运行的数据基于深度学习模型卷积神经网络生成防洪调度运行数据。

进一步的，闸站工情信息包括水闸、泵站的运行状态数据信息。

进一步的，所述经济运行优化数学模型包括蓄调演算模型和来水过程线预测方法，排涝区内闸站涵分阶调度技术。

进一步的，通过轴流式水泵的特性曲线和水力曲线，合理选取机泵叶片角度、功率最佳曲线状态，通过蚁群算法求得运行时长与导叶角度最优，利用流量与功率的理想点取模法，建立计算、调节、反馈、修正的调节规则。

本发明与现有技术相比具有的有益效果是：

1.基于深入学习模型卷积神经网络CNN，通过多河道多站点的工况和水情分阶参数输入和排水/过闸流量，创建了排涝区蓄调演算和来水过程线预测方法。

2.根据同步电机特性曲线选定负荷，通过蚁群算法求得运行时长与导叶角度，利用流量与功率的理想点取模法，实现了全站机组负荷的最优分配方法。

3.通过定时检测闸门开度变化差值和存储值迭代的方法，利用一次回路分励脱扣装置，实现保障启闭机运行安全的闸门升降速度异常和动作异常保护。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明提出的一种闸站涵联合调度方法的结构示意图。

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。

参照图1，一种闸站涵联合调度方法，包括S1获取信息：获取各闸站工情信息；获取实时洪水预报数据信息；

S2录入学习样本：水文气象监测信息、预报成果、洪水演进资料；机组特性曲线数据信息；

S3建立经济运行优化数学模型：结合闸站工情信息、实时洪水预报数据信息和机组特性曲线，建立起机组负荷的经济运行优化数学模型；

S4预演数学模型：对经济运行优化数学模型进行分析预判，并生成机电设备的控制和运行的数据；

S5生成防洪调度运行数据：根据水文气象监测信息、预报成果、洪水演进资料以及控制和运行的数据基于深度学习模型卷积神经网络生成防洪调度运行数据。

闸站工情信息包括水闸、泵站的运行状态数据信息。

所述经济运行优化数学模型包括蓄调演算模型和来水过程线预测方法，排涝区内闸站涵分阶调度技术。

通过轴流式水泵的特性曲线和水力曲线，合理选取机泵叶片角度、功率最佳曲线状态，通过蚁群算法求得运行时长与导叶角度最优，利用流量与功率的理想点取模法，建立计算、调节、反馈、修正的调节规则。

运用计算机与自动化技术提升排涝区管理水平，构建科学、高效、精准的排涝区联合调度体系，符合水利改革发展总基调。以排涝效益最大化为调控目标，创建了闸站涵分阶调度的寻优方法和保障控制方案。

排涝站排涝区域开展多站点、多流域、多梯级的排涝分析与试验，基于深度学习模型卷积神经网络(CNN)，通过多河道多站点的工况和水情输入，运用TensorFlow机器学习平台,使用高性能GPU进行快速数据计算处理，识别了影响水位变化主要权重，建立了蓄调演算模型和来水过程线预测方法，完善了排涝区内闸站涵分阶调度技术。

统计了闸门启闭过程中出现的电气、机械事故现象，分析了导致事故的多种因素和间接表现，通过定时检测闸门开度变化差值和存储值迭代的方法，提出了闸门升降速度异常保护和电源紧急脱扣措施，实现了保障启闭机运行安全的闸门升降速度异常和动作保护异常，形成了启闭机控制远控层-现场层的整套安全保障体系。

通过轴流式水泵的特性曲线和水力曲线，合理选取机泵叶片角度、功率最佳曲线状态，通过蚁群算法求得运行时长与导叶角度最优，利用流量与功率的理想点取模法，建立计算-调节-反馈-修正的调节规则。在单机导叶运行上利用机组叶片角度调节并实时反馈修正的方法，建立起机组负荷的经济运行优化数学模型，求得负荷最优分配，提升经济效益。

使用时，排涝区闸站涵联合调度关键技术的应用领域和服务对象主要是水利枢纽、级水利设施运行管理单位。

本发明未详述之处，均为本领域技术人员的公知技术。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。