本发明涉及水源优化配置和水利枢纽优化调度技术领域,具体的说是一种水资源精确分配系统及分配方法。
背景技术:
跨流域调水通过改变流域间水资源时空分布特性,对跨流域水资源进行重新配置,有效缓解水资源短缺地区生产生活的供需水矛盾,改善受水地区生态环境。然而,随着跨流域调水工程的频繁修建,流域外调水与流域内用水的矛盾、不同区域和部门间竞争性用水的矛盾将日益突出。半个多世纪来,国内外专家学者提出了许多跨流域调水工程规划、管理运行的决策模型与方法,归纳起来可分为两大类:一是通过各种方法对复杂跨流域调水系统进行简化后,采用单一的数学规划模型或模拟模型进行跨流域调水工程的规划、管理运行决策研究;二是直接采用大系统优化决策模型和方法,通过先建立各种类型的大系统递阶结构模型,然后再运用多种数学规划或模拟技术相结合的求解方法,进行该类工程的规划管理决策研究。
近些年来,随着模糊数学、决策支持系统与专家系统、神经网络等新型理论、方法的不断发展和完善,人们开始探索这些新的理论、方法在跨流域调水工程规划管理决策研究中应用的可能性。目前,国内外研究多集中于分析跨流域调水对水源地下游水文、生态的影响,较少定量研究水源地下游控制性水库能在跨流域调水中起到的作用。
因此,现行方法在处理跨流域水资源优化配置问题时,难以充分发挥水源区控制性水库调蓄综合效益,且无法兼顾流域外调水与流域内用水需求,效率较低。
技术实现要素:
为了解决现有技术中的不足,本发明提供一种水资源精确分配系统及分配方法,通过需水量预测模型和算法精确预测出受水区域的需水量,从而实现水资源的精确分配。
为了实现上述目的,本发明采用的具体方案为:
一种水资源精确分配系统,用于控制水资源调度系统,所述水资源精确分配系统包括:基础数据输入模块,用于获取所述水资源调度系统的原始历史调度数据;数据处理模块,用于从所述基础数据输入模块获取所述原始历史调度数据,并且对所述原始历史调度数据进行纠错得到修正历史调度数据;模型生成模块,用于从所述数据处理模块获取所述修正历史调度数据,并且生成需水量预测模型;预测结果输出模块,用于基于所述需水量预测模型和预测周期输出调度命令,并且将所述调度命令传输给所述水资源调度系统。
优选的,所述预测周期分为长预测周期和短预测周期。
优选的,所述长预测周期的单位为年。
优选的,所述短预测周期的单位为季、月、日或者时。
优选的,所述模型生成模块还连接有机器学习模块,所述机器学习模块还与所述水资源调度系统相连接,所述机器学习模块用于从所述水资源调度系统获得实时调度数据,并且将所述实时调度数据传输给所述模型生成模块以对所述需水量预测模型进行修正。
优选的,所述预测结果输出模块还连接有异常数据分析模块,所述异常数据分析模块用于对所述调度命令进行纠错。
一种水资源精确分配系统的分配方法,包括如下步骤:
s1、所述基础数据输入模块获取所述水资源调度系统的原始历史调度数据,并且将所述原始历史调度数据输入到所述数据处理模块;
s2、所述数据处理模块对所述原始历史调度数据进行修正,得到修正历史调度数据;
s3、所述模型生成模块根据所述修正历史调度数据生成需水量预测模型;
s4、所述预测结果输出模块获取所述长预测周期或者所述短预测周期,然后基于所述需水量预测模型生成长中后期调度命令或者短周期调度命令,并且将所述长周期调度命令或者所述短周期调度命令传输给所述水资源调度系统。
优选的,s4中,所述预测结果输出模块生成所述长周期调度命令的方法为:
其中
优选的,s4中,所述预测结果输出模块生成所述短周期调度命令的方法为:
q=t*s*c*i,
其中,q为需水量,t为长期趋势变动,s为季节变动。
本发明通过需水量预测模型及算法,同时利用机器学习对算法进行调整和修正,在使用中不断提高预测模型的准备度,精确预测出受水区域需水量,以达到精准水资源分配的目的,在水资源匮乏地区尤为适用。
【附图说明】
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明分配系统的整体结构框图。
【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,图1是本发明分配系统的整体结构框图。
一种水资源精确分配系统,用于控制水资源调度系统,水资源精确分配系统包括基础数据输入模块、数据处理模块、模型生成模块、预测结果输出模块、机器学习模块和异常数据分析模块。
基础数据输入模块,用于获取水资源调度系统的原始历史调度数据。包括水量监测仪器、型号为pcie7100的数据采集卡,然后通过专用数据接口与水资源调度系统的主控机通信连接。
数据处理模块,用于从基础数据输入模块获取原始历史调度数据,并且对原始历史调度数据进行纠错得到修正历史调度数据。数据处理模块采用sqlserver数据库,前端技术使用vue,缓存使用redis,分布式方面使用zookeeper,操作系统为win2012标准版。
模型生成模块,用于从数据处理模块获取修正历史调度数据,并且生成需水量预测模型。
预测结果输出模块,用于基于需水量预测模型和预测周期输出调度命令,并且将调度命令传输给水资源调度系统。
预测周期分为长预测周期和短预测周期,长预测周期的单位为年,短预测周期的单位为季、月、日或者时。对于同一地区、同一水源的调度方案在不同的时长内是不用的,因此本发明将时长分为两类,能够有效提高调度结果的准确度。
模型生成模块还连接有机器学习模块,机器学习模块还与水资源调度系统相连接,机器学习模块用于从水资源调度系统获得实时调度数据,并且将实时调度数据传输给模型生成模块以对需水量预测模型进行修正。通过设置机器学习模型,利用使用过程中产生的新数据,对已确定的需求量预测模型进行修正,在使用中不断提高需求量预测模型的准确度。
预测结果输出模块还连接有异常数据分析模块,异常数据分析模块用于对调度命令进行纠错。
一种水资源精确分配系统的分配方法,包括s1至s4。
s1、基础数据输入模块获取水资源调度系统的原始历史调度数据,并且将原始历史调度数据输入到数据处理模块。
s2、数据处理模块对原始历史调度数据进行修正,得到修正历史调度数据。
s3、模型生成模块根据修正历史调度数据生成需水量预测模型。
s4、预测结果输出模块获取长预测周期或者短预测周期,然后基于需水量预测模型生成长中后期调度命令或者短周期调度命令,并且将长周期调度命令或者短周期调度命令传输给水资源调度系统。
s4中,预测结果输出模块生成长周期调度命令的方法基于灰色预测模型,通过识别系统因素之间发展趋势的相异程度,进行关联分析,对原始数据进行生成处理来寻找系统变动的规律,具体表述为:
其中
s4中,预测结果输出模块生成短周期调度命令的方法基于时间序列分析法的乘法模型,由时间和观察值两部分分析事物周期性变化规律,可分析现象发展变化的特点与结果、趋势和规律性,研究现象之间相互联系程度及变动关系,从而对未来进行预测。具体表述为:
q=t*s*c*i,
其中,q为需水量,t为长期趋势变动,s为季节变动。
本发明通过需水量预测模型及算法,同时利用机器学习对算法进行调整和修正,在使用中不断提高预测模型的准备度,精确预测出受水区域需水量,以达到精准水资源分配的目的,在水资源匮乏地区尤为适用。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。