专利名称：一种自动控制闸门泄流量的方法和系统的制作方法
技术领域：
本发明涉及工业控制和自动化技术领域，特别是涉及一种自动控制闸门泄 流量的方法和系统。
背景技术：
水闸是水利枢纽中最常用到的一种低水头挡水兼泄水的水利工程建筑物， 其主要工作原理是依靠可以升降启闭的闸门控制水位、调节泄流量，从而达到 挡水或泄水的目的。其广泛应用于防洪、灌溉、排水、航运、发电等水利工程 中。目前，水闸的操作主要依靠事先按照恒定流计算得到的工作手册人工手动完成，这存在两个问题 一是在自然条件下河道水流为非恒定过程，依照恒定 流开启闸门高度控制泄流量势必会和实际情况存在较大误差；二是人工手动完 成存在一定的经验性，且效率较低。如何有效解决上述问题，提高水利工程效 益和管理水平，精简管理人员，适应现代化水利的要求，成为亟待解决的科研 课题。近年来，通信和计算机技术的迅猛发展为解决上述问题提供了可能。包括 流域雨情、水情、工情、气象信息和其它信息的测量和传输技术因为网络和计 算机的发展而变得易于实现，各类专业自动测量设备使数据可以通过网络等途 径迅速地传输到数据处理中心，依靠大型数据库对海量数据进行分析、筛选、 存储和挖掘，再调用相关的专业模型对这些数据模拟计算，工作人员根据计算 结果对现场做出相应处理。但是，在数据计算过程中，不同的数学模型分布在 水科学的不同分支，如产汇流计算才莫型属于水文学分支，一、二维水动力学模 型属于水力学分支，尚不能从系统的角度把相关的模型集成到统一的管理平台 上。因此，要对闸门泄流量进行自动化控制，必须对闸门开启高度进行准确计 算，这就需要把各种数学模型和闸门控制有效结合起来进行整体模拟。此外，如何根据河道内水流实际流动情况以及水闸调度原则确定闸门开启 高度也一直是近年来科学研究的重点。目前，已有部分数值模拟软件采用一维 水动力学模型均一化方法计算单孔闸门的开启高度，并可根据闸门开启高度计 算河道过流量。这种一维水力学模型均一化方法将河流看作是一维的，在整个 横断面内速度均匀，将全断面视为连续体，物理量诸如流量、过水断面或水位、 水深，沿流程均看成是连续的，它们都是时间和流程的连续函数。但是，对于 复杂的多孔闸门系统，由于各闸室在河道横断面所处位置不同，水流流态对其 过流能力有着一定的影响，在计算闸门开启高度时，若采用一维水动力学模型 均一化计算方法则计算结果精度较低，若采用二维水动力学模型计算方法，虽然精度有所提高，但因计算复杂度的增加和计算数据量的增大而速度较慢，无 法满足实时模拟调度的要求。总之，需要本领域技术人员迫切解决的一个技术问题就是如何有效结合 各种数学模型和闸门控制，对复杂的多孔闸门系统进行快速、准确模拟，以更 加精确地控制闸门开启高度和泄流量。发明内容本发明所要解决的技术问题是提供一种自动控制闸门泄流量的方法，能够 有效结合各种数学模型和闸门控制，对复杂的闸坝系统进行快速、准确模拟， 以更加精确地控制闸门开启高度和泄流量。本发明所要解决的另 一个技术问题是提供一种自动控制闸门泄流量的 系统，用以保证上述方法在实际中的实现及应用。为了解决上述问题，本发明实施例提供了 一种自动控制闸门泄流量的方 法，包括以下步骤获取水文学监测数据，进而获得进入河道的实时入流流量；依据所述河道的实时入流流量获得所述河道的实时水流变化情况；依据所述河道的实时水流变化情况及泄流量需要，利用神经网络模型获得 多孔闸门的开启高度；依据所述开启高度控制闸门开启。优选的，所述神经网络模型经过以样本数据库中的数据为样本的训练，所 述样本数据库为依据所述河道的水文学特征数据，利用二维水力学模型生成的 包括闸门开启高度和闸门泄流数据的数据库。优选的，所述神经网络;漠型为局部逼近神经网络;漠型。优选的，所述获得进入河道的实时入流流量为通过分布式水文模型计算所 述河道所在流域的降雨产流量得到。优选的，获得所述河道的实时水流变化情况为通过一维水力学模型计算所 述河道实时水流的流量和水位得到。优选的，所述控制闸门开启包括以下步骤获取闸门开启命令；依据所述闸门开启命令发出执行指令；依据所述执行指令控制闸门启闭机开启；反馈闸门启闭机的当前开启高度；判断所述闸门启闭机的当前开启高度是否达到计算出的闸门开启高度，如 果是，则发出停止命令，停止闸门启闭机工作；如果否，则继续启动闸门启闭 机工作。本发明实施例还提供了一种自动控制闸门泄流量的系统，其特征在于，包括数字流域监测模块，用于获取水文学监测数据；水动力模拟模块，用于依据所述数字流域监测模块获得的监测数据，计算 闸门的开启高度，包括入流计算子模块，用于依据所述数字流域监测模块获得的水文学监测数 据，获得进入河道的实时入流流量；实时水流计算子模块，用于依据所述入流计算子模块得到的实时入流流量 获得所述河道的实时水流变化情况；神经网络模型子模块，用于依据所述实时水流计算子模块得到的实时水流 变化情况及河道泄流量需要，利用神经网络模型获得多孔闸门的开启高度；以及，闸门控制模块，用于依据所述水动力模拟模块获得的闸门的开启高度开启 闸门。优选的，所述神经网络模型经过以样本数据中的数据为样本的训练，所述 样本数据库为依据所述河道的水文学特征数据，利用二维水力学模型生成的包 括闸门开启高度和闸门泄流数据的数据库。优选的，所述神经网络模型为局部逼近神经网络模型。优选的，所述入流计算子模块通过分布式水文模型计算所述河道所在流域 的降雨产流量得到进入河道的实时入流流量。优选的，所述实时水流计算子模块通过一维水力学模型计算所述河道实时 水流的流量和水位得到所述河道的实时水流变化情况。优选的，所述闸门控制模块包括中央处理器，用于获取闸门开启命令，并接收传感器反馈的闸门启闭机当 前开启高度数据，与所述水动力模拟模块获得的闸门的开启高度进行比较，依 据比较结果发出执行指令；执行器，用于获取所述中央处理器的执行指令；闸门启闭机，用于依据所述执行器的执行指令控制闸门启闭机；传感器，用于反馈所述闸门启闭机的当前开启高度。与现有技术相比，本发明具有以下优点首先，本发明使用神经网络模型将计算河道过流量的一维水力模型和计算 多孔闸门过流量的二维水力学模型耦合起来，有效利用了一维水力模型计算速 度快和二维水力模型计算精度高的特点，在对多孔闸门进行控制时，既保证了 实时性，又保证了精确性。其次，本发明的神经网络it型采用了局部逼近神经网绍4莫型，与全局逼迫 神经网络模型相比，局部逼近网络对于每一个输入-输出对，只有少量的连接 权需要进行调整，因而学习速度快，有效保证了多孔闸门控制的实时性。然后，本发明使用分布式水文模型依据收集到的水文监测数据计算出河道的入流流量，并以入流流量作为 一维水力学模型的输入参数计算河道的水力学参数，从而将水文学模型和水力学模型有效结合起来，解决了长久以来水文学 模型和水力学模型很难集成到统一的管理平台上的问题。
图1是本发明的一种自动控制闸门泄流量的方法实施例的步骤流程图；图2是本发明的一种自动控制闸门泄流量的系统实施例的结构框图；图3是本发明应用图2所示的系统实施例进行闸门泄流量控制的步骤流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式
对本发明作进一步详细的说明。本发明的核心构思之一在于，使用神经网络模型将计算河道过流量的一维 水力模型和计算多孔闸门过流量的二维水力学模型耦合起来，对闸门开启高度 进行计算，控制闸门开启，进而控制闸门泄流量。本发明综合了一维水力模型 计算速度快、二维水力模型计算精度高和神经网络模型智能化的特点，在对多 孔闸门进行控制时，既保证了实时性，又保证了精确性，且将水文学模型和水 力学模型有效结合到了统一的管理平台上。参考图1，示出了本发明一种自动控制闸门泄流量的方法实施例的步骤流 程图，可以包括以下步骤步骤101:获取水文学监测数据；当河道流域发生降雨时，流域监测站收集降雨数据、河道上游支流汇入的 水量等水文资料数据，并将这些监测数据传给负责管理这些水文数据的监测数 据库。步骤102:获得进入河道的实时入流流量；当河道所在流域发生降雨时，经过地面植被和覆盖物截留以及填洼和下渗 后，剩余的雨量即降雨产流量以地表径流的形式从坡面向下流动，进而汇入河道，形成入流。本步骤中，分布式水文模型利用流域降雨时收集的监测数据库 中的水文学监测数据，计算出进入河道的实时入流流量。所述分布式水文模型常采用径流曲线数(SCS)法来计算地表径流量，其具体计算方法为 式中，上述公式中，込^为每毫米的超渗雨量或直接径流量，i 勿是每毫米的累计降雨深度，/。是每毫米的初始损失水量，包括截流、初期入渗、地表填洼、蒸散发和其他因素。S为开始产流后的可能最大每毫米持水量，该系数随土壤类型、土地利用方式、人类活动和坡度等变化而发生相应变化。分布式水文模型应用SCS法推求逐时段的径流量时，用每个时段末的累计降雨通过g ="2式计算相应的累计径流，再把相邻时段的累积径流量相减，得到每时段的径流量。用此径流量乘以河道所在流域面积，再除以 降雨时间即得到进入河道的实时入流流量。在实际应用中，本领域技术人员也可采用其它模型或方法计算进入河道的 实时入流流量，本发明无须对此作出限制。步骤103:依据所述河道的实时入流流量获得所述河道的实时水流变化情况；根据由分布式水文模型计算得到的进入河道的实时入流流量， 一维水力学 模型计算河道内水流实时的流量、7JC位变化等情况。本实施例中， 一维水力学 才莫型使用圣维南方程计算河道的实时流量和水位。圣维南方程计算方法如下， 包括连续方程<formula>formula see original document page 10</formula>1运动方程<formula>formula see original document page 11</formula>式中，e为过水断面平均流量，c (=丄及1/6)为谢才阻力系数，及为过水断面的水力半径，Z为水位。公知的是,对于上述非线性偏微分方程组，只有在极少数理想化的情形下， 才能得到解析解。在实际情况下， 一般都必须采取数值方法，用有限个离散的 网格点来逼近连续区域中无限个点，用这些结点上离散的近似解来逼近准确 解，常用的数值方法有差分、特征线、有限元、有限体积、边界元等。对于一 维非恒定流问题，差分方法仍然应用得最普遍，其中差分格式存在许多改进的 变形的方法，本实施例采用四点偏心隐式差分格式，采用追赶法进行求解。在实际应用中，本领域技术人员也可采用其它模型或方法获得河道的实时 水流变化情况，本发明无须对此作出限制。步骤104:依据所述河道的实时水流变化情况及泄流量需要，利用神经网 络模型获得多孔闸门的开启高度；其中，所述神经网络^^莫型是经过以样本数据库中的数据为样本的训练后的 局部逼近神经网络模型，所述样本数据库为依据所述河道的水文学特征数据， 利用二维水力学模型生成的包括闸门开启高度和闸门泄流数据的数据库。具体 来讲，对神经网络模型进行训练可以包括以下子步骤子步骤a1:输入所述河道的特征数据，以及，样本流量和水位数据；河道的特征数据可以包括河道长度、宽度、河底地形以及闸门所在位置等 数据；同时，输入作为样本数据的模拟流量和水位。子步骤a2:生成样本数据库；利用二维水力学模型依据子步骤a1中的数据计算不同闸门开启高度、不 同闸前水位多个工况的闸门泄流数据，生成包括上述数据的样本数据库。本实施例的二维水力学模型总体控制方程采用二维水流连续方程和运动 方考呈如下<formula>formula see original document page 12</formula><formula>formula see original document page 12</formula><formula>formula see original document page 12</formula>式中， w、 v分另，j表示x、 y 方向水流运动速度，/z为水深，g为重力加速度，c为谢才系数，v,为紊动粘性系数。对上述方程釆用追赶法求解，即假设相应 节点的水位和流速之间存在一次线性函数关系，将其与控制方程的差分形式联立，可得形如"二CM+CN./z和/2-d+Q."的关系式，其中Cm、 Cn、 Ct、 Cj为循环计算系数，结合进口流速和出口水位两个边界条件，可在追的过程中分别求 出，然后在赶的过程中求出相应的流速和水位。对于闸门处的过流问题，若闸门开启到一定高度，经过闸孔的水流不受闸门控制，则其上下游水面线是连续的，可直接釆用上述方法进行计算；当过流 方式为闸孔出流时，经过闸孔的水流受到闸门控制，由于外界条件的变化使得 闸门处X方向7jC位产生突变，水面不连续，必须根据其水力特性作特殊处理。 对此，以闸门所在处为分界线，将河道分为上游和下游两部分，闸门处水深、x向流速利用闸孔出流公式耦合ii^法求出，作为闸门上游河段的出口边界条 件和下游河段的进口边界条件，分别追赶计算。其中，闸孔出流公式根据闸后水跃位置的不同分为自由出流公式和淹没出流公式两种，如下所示 闸孑L自由出流/>式<formula>formula see original document page 12</formula>式中，//。为闸孔自由出流流量系数， 为淹没系数，e为闸门开度，b为 闸孔净宽，H。为闸底堰上水头。闸门处水深依据与闸门前一个计算结点相对 应的水深，由闸孔出流公式推导获得，闸门处水深即为闸门开启高度。闸孔淹没出流公式:<formula>formula see original document page 12</formula>子步骤A3:训练神经网络模型。本实施例使用局部逼近神经网络模型，采用监督学习算法进行训练，使所 有参数都经历一个误差修正学习的过程。所述局部逼近神经网络模型对于每个 输入-输出对，只有少量的连接权需要进行调整，因而训练速度快，有较好的 实时性。以所述样本流量和水位作为输入数据，以与其对应的闸门开启高度、 和闸门泄流数据作为输出数据对神经网络模型进行训练。在实时计算时，经过训练的神经网络模型依据河道闸门附近的实时流量和 水位，结合所要求的下泄流量，计算出多孔闸门的开启高度。需要说明的是，在实际应用中，本领域技术人员也可采用其它模型或方法 生成样本数据库，本发明无须对此作出限制。步骤105:依据闸门开启高度控制闸门开启。神经网络模型计算得到多孔闸门的开启高度，以命令的形式发送给闸门启 闭机的中央处理器，中央处理器令执行器开始工作，发出执行指令，启动闸门 启闭机开始上升或下降，闸门传感器将反映闸门启闭机开启高度的反馈信息反 馈给中央处理器并将之与计算出的闸门开启高度进行比较，如果闸门启闭机已 达到指定高度，则中央处理器发出停止命令使执行器工作，执行器发出停止指 令，控制闸门启闭机停机；如果闸门启闭机还未开启到达指定高度，则继续工 作，直至开启到指定高度。此外，当河道的闸门为单孔闸门时，本发明可以利用一维水力学^f莫型如步 骤103中所述模型，依据河道的实时水流变化情况及泄流量需要，直接计算获 得单孔闸门的开启高度，并依据该开启高度控制闸门开启。需要说明的是，本方法实施例为了简单描述，将其表述为一系列的动 作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序 的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其 次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实 施例，所涉及的动作和模块并不 一 定是本发明所必须的。参考图2,示出了本发明一种自动控制闸门泄流量的系统实施例的结构框图，可以包括数字流域监测模块201,用于获取水文学监测数据；水动力模拟模块202,用于依据所述数字流域监测模块获得的监测数据， 计算闸门的开启高度，包括入流计算子模块2021,用于依据所述数字流域监测模块获得的水文学监 测数据，获得进入河道的实时入流流量；优选的是，本子模块可以通过分布式水文模型计算所述河道所在流域的降 雨产流量得到进入河道的实时入流流量。实时水流计算子模块2022,用于依据所述入流计算子模块得到的实时入 流流量获得所述河道的实时水流变化情况；优选的是，本子模块可以通过一维水力学模型计算所述河道实时水流的流 量和水位得到所述河道的实时水流变化情况。神经网络模型子模块2023,用于依据所述实时水流计算子模块得到的实 时水流变化情况及河道泄流量需要，利用神经网络模型获得多孔闸门的开启高 度；优选的是，所述神经网络模型经过以样本数据中的数据为样本的训练，所 述样本数据库为依据所述河道的水文学特征数据，利用二维水力学模型生成的 包括闸门开启高度和闸门泄流数据的数据库。优选的是，所述神经网络模型可以为局部逼近神经网络模型。 闸门控制模块203,用于依据所述水动力模拟模块获得的闸门的开启高度 开启闸门。优选的是，闸门控制模块还可以进一步包括中央处理器2031,用于获取闸门开启命令，并接收传感器反馈的闸门启 闭机当前开启高度数据，与所述水动力模拟模块获得的闸门的开启高度进行比 较，依据比较结果发出执行指令；执行器2032,用于获取所述中央处理器的执行指令；闸门启闭机2033，用于依据所述执行器的执行指令控制闸门启闭机；传感器2034，用于反馈所述闸门启闭机的当前开启高度。参考图3,示出了本发明应用图2所示的系统实施例进行闸门泄流量控制 的步骤流程图，可以包括以下步骤步骤301:数字流域监测模块获取水文学监测数据；数字流域监测模块主要由流域监测站构成，当河道流域发生降雨时，数字 流域监测模块收集所述河道水文学监测数据。步骤302:水动力模拟模块的入流计算子模块依据所述数字流域监测模块 获得的水文学监测数据，获得进入河道的实时入流流量；入流计算子模块通过分布式水文模型计算所述河道所在流域的降雨产流 量，得到进入河道的实时入流流量。本领域技术人员也可采用其它模型或方法 计算进入河道的实时入流流量，本发明无须对此作出限制。步骤303:水动力模拟模块的实时水流计算子模块依据所述入流计算子模 块得到的实时入流流量获得所述河道的实时水流变化情况；实时水流计算子模块通过一维水力学模型计算所述河道实时水流的流量 和水位，得到所述河道的实时水流变化情况，本实施例的一维水力学模型釆用 了圣维南方程。本领域技术人员也可采用其它模型或方法获得河道的实时水流 变化情况，本发明无须对此作出限制。步骤304:水动力模拟模块的神经网络模型子模块依据所述实时水流计算 子模块得到的实时水流变化情况及河道泄流量需要，利用神经网络模型获得多 孔闸门的开启高度；其中，所述神经网络模型为经过以样本数据中的数据为样本的训练的局部 逼近神经网络模型，所述样本数据库为依据所述河道的水文学特征数据，利用 二维水力学模型生成的包括闸门开启高度和闸门泄流数据的数据库。步骤305:闸门控制模块依据所述水动力模拟模块获得的闸门的开启高度 开启闸门。水动力模拟模块以闸门开启高度为命令，发送给闸门控制模块的中央处理 器，中央处理器令执行器开始工作，发出执行指令，启动闸门启闭机开始上升 或下降，闸门传感器将反映闸门启闭机开启高度的反馈信息反馈给中央处理器并将之与计算出的闸门开启高度进行比较，如果闸门启闭机已达到指定高度， 则中央处理器发出停止命令使执行器工作，执行器发出停止指令，控制闸门启闭机停机；如果闸门启闭机还未开启到达指定高度，则继续工作，直至开启到 指定高度。为了能更方便地了解闸门启闭机工作状况，还可以设置报警器，当 闸门启闭机到达指定高度停机时，报警器发出报警信号，提示工作人员闸门开 启已经完成。由于图3所示的实施例都可以对应适用于前述的自动控制闸门泄流量 方法实施例中，所以描述较为简略，未详尽之处可以参见本说明书前面相 应部分的描述。以上对本发明所提供的一种自动控制闸门泄流量的方法和系统进行了详实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领 域的一般技术人员，依据本发明的思想，在具体实施方式
及应用范围上均会有 改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
权利要求
1、一种自动控制闸门泄流量的方法，其特征在于，包括以下步骤获取水文学监测数据，进而获得进入河道的实时入流流量；依据所述河道的实时入流流量获得所述河道的实时水流变化情况；依据所述河道的实时水流变化情况及泄流量需要，利用神经网络模型获得多孔闸门的开启高度；依据所述开启高度控制闸门开启。
2、 根据权利要求1所述的方法，其特征在于，所述神经网络模型经过以 样本数据库中的数据为样本的训练，所述样本数据库为依据所述河道的水文学 特征数据，利用二维水力学模型生成的包括闸门开启高度和闸门泄流数据的数 据库。
3、 根据权利要求1或2所述的方法，其特征在于，所述神经网络^i型为 局部逼近神经网绍4莫型。
4、 根据权利要求1或2所述的方法，其特征在于，所述获得进入河道的 实时入流流量为通过分布式水文模型计算所述河道所在流域的降雨产流量得 到。
5、 根据权利要求1或2所述的方法，其特征在于，获得所述河道的实时 水流变化情况为通过一维水力学模型计算所述河道实时水流的流量和水位得到。
6、 根据权利要求1或2所述的方法，其特征在于，所述控制闸门开启包 括以下步骤获取闸门开启命令； 依据所述闸门开启命令发出执行指令； 依据所述执行指令控制闸门启闭机开启； 反馈闸门启闭机的当前开启高度；判断所述闸门启闭机的当前开启高度是否达到计算出的闸门开启高度，如 果是，则发出停止命令，停止闸门启闭机工作；如果否，则继续启动闸门启闭 机工作。
7、 一种自动控制闸门泄流量的系统，其特征在于，包括数字流域监测模块，用于获取水文学监测数据；水动力模拟模块，用于依据所述数字流域监测模块获得的监测数据，计算 闸门的开启高度，包括入流计算子模块，用于依据所述数字流域监测模块获得的水文学监测数 据，获得进入河道的实时入流流量；实时水流计算子模块，用于依据所述入流计算子模块得到的实时入流流量 获得所述河道的实时水流变化情况；神经网络模型子模块，用于依据所述实时水流计算子模块得到的实时水流 变化情况及河道泄流量需要，利用神经网络模型获得多孔闸门的开启高度；以及，闸门控制模块，用于依据所述水动力模拟模块获得的闸门的开启高度开启 闸门。
8、 根据权利要求7所述的系统，其特征在于，所述神经网络;漠型经过以 样本数据中的数据为样本的训练，所述样本数据库为依据所述河道的水文学特征数据，利用二维水力学模型生成的包括闸门开启高度和闸门泄流数据的数据库。
9、 根据权利要求7或8所述的系统，其特征在于，所述神经网络模型为 局部逼近神经网络模型。
10、 根据权利要求7或8所述的系统，其特征在于，所述入流计算子模块 通过分布式水文模型计算所述河道所在流域的降雨产流量得到进入河道的实 时入流流量。
11、 根据权利要求7或8所述的系统，其特征在于，所述实时水流计算子模块通过一维水力学模型计算所述河道实时水流的流量和水位得到所述河道 的实时水流变化情况。
12、 根据权利要求7或8所述的系统，其特征在于，所述闸门控制模块包括中央处理器，用于获取闸门开启命令，并接收传感器反馈的闸门启闭机当 前开启高度数据，与所述水动力模拟模块获得的闸门的开启高度进行比较，依据比较结果发出执行指令；执行器，用于获取所述中央处理器的执行指令；闸门启闭机，用于依据所述执行器的执行指令控制闸门启闭机;传感器，用于反馈所述闸门启闭机的当前开启高度。
全文摘要
本发明提供了一种自动控制闸门泄流量的方法，包括获取水文学监测数据，进而获得进入河道的实时入流流量；依据所述河道的实时入流流量获得所述河道的实时水流变化情况；依据所述河道的实时水流变化情况及泄流量需要，利用神经网络模型获得多孔闸门的开启高度；依据所述开启高度控制闸门开启。本发明综合了一维水力模型计算速度快、二维水力模型计算精度高和神经网络模型智能化的特点，在对多孔闸门进行控制时，既保证了实时性，又保证了精确性，且将水文学模型和水力学模型有效结合到了统一的管理平台上。
文档编号G05D7/06GK101403929SQ20081022570
公开日2009年4月8日 申请日期2008年11月6日 优先权日2008年11月6日
发明者何国建, 方红卫, 陈明洪, 冬 韩 申请人:清华大学