CN117929671A - 一种流域水环境预测预警方法、系统及计算机设备 - Google Patents
一种流域水环境预测预警方法、系统及计算机设备 Download PDFInfo
- Publication number
- CN117929671A CN117929671A CN202410111878.6A CN202410111878A CN117929671A CN 117929671 A CN117929671 A CN 117929671A CN 202410111878 A CN202410111878 A CN 202410111878A CN 117929671 A CN117929671 A CN 117929671A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- liquid level
- prediction
- watershed
- early warning
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 239000007788 liquid Substances 0.000 claims abstract description 69
- 230000007246 mechanism Effects 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 239000010865 sewage Substances 0.000 claims description 56
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 13
- 230000001970 hydrokinetic effect Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 230000000630 rising effect Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000005728 strengthening Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Environmental & Geological Engineering (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Fluid Mechanics (AREA)
- Atmospheric Sciences (AREA)
- Water Supply & Treatment (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Sewage (AREA)
Abstract
本发明公开了一种流域水环境预测预警方法，包括以下步骤：S1：构建流域的水文水动力机理预测模型；S2：模拟预测流域管网的液位变化；S3：构建流域的数值预测模型；S4：预测流域管网液位变化数据；S5：将所述水文水动力机理预测模型、所述数值预测模型两者各自模拟生成的结果与实际液位变化情况进行比对，对流域的内涝、溢流及水质的风险进行预测预警。还公开了一种流域水环境预测预警系统，包括：流域全要素监测监控单元、流域预测预警单元和流域联调联控单元。本发明实现了流域水环境智慧化管控，推动了流域的多目标，即水安全目标、水环境目标和水生态目标管理及精细化管理。
Description
技术领域
本发明涉及水环境技术领域，具体地说涉及一种流域水环境预测预警方法、系统及计算机设备。
背景技术
近年来，智慧水务系统虽在流域水资源或供水水量的调度管理方面的研究很多，但在流域排水系统相关的水环境综合治理调度管理方面的研究较少。同时，智慧水务系统在流域调度管理工作中，多存在预测模型精度不高、响应速度慢、应用效果不理想等问题，难以有效指导流域的多目标精细管理工作。
由于流域综合管理的边界条件多且复杂，流域的精细化管理需要依靠模型的预测结果，指导调度工作。然而在现有技术中，智慧水务平台的机理模型需要基于大量的经验数据不断率定才能具有较高的准确度，这在短期内较难完成，同时，机理模型还存在运行准备时间长，对数据可靠性要求较高等特点，难以持续满足流域调度快速响应的要求；而智慧水务平台的经验模型虽因构建时间短、响应速度快、可靠性高等特点被广泛应用，但存在已有的经验数据难以完全满足流域复杂工况条件的问题。
因此，经验模型与机理模型共同驱动智慧水务平台来指导流域调度管理成为必然。
发明内容
本发明提供的一种双模型驱动的流域水环境预测预警方法、系统及计算机设备，可至少解决上述技术问题之一。
为了解决上述技术问题，本发明采用如下技术方案：
一种流域水环境预测预警方法，包括以下步骤：
S1：根据已有的流域管网数据，结合管网关键点位的临测液位和流量，结合流域汇水规律，基于流域管网、泵站、污水处理设施与河道之间的运行逻辑，利用SWMM/MIKE/infoworks模型模拟流域“网—站—厂—河”各类排水设施的运行规律，构建流域的水文水动力机理预测模型；
S2：降雨前/降雨期间，根据降雨预报数据，基于流域全要素监测监控单元专业数据库实时提供的监测数据，利用已建立的所述水文水动力机理预测模型，模拟预测流域管网的液位变化；
S3：利用机器学习算法，分析历史降雨事件的经验数据，建立不同降雨工况下不同水务设施运行状态与流域关键管控点处管网液位变化之间的函数关系，构建数值预测模型；
S4：降雨前/降雨期间，所述数值预测模型结合降雨预报数据和实时监测数据，利用已建立的函数关系，预测流域管网液位变化；
S5：平台基于所述水文水动力机理预测模型与所述数值预测模型，预测溢流液位出现时间，考虑调度的安全性与即时响应性，比较两个模型预测结果，选择最先出现溢流的模型预测结果，作为调度策略制定的参考；
S6：基于所述水文水动力机理预测模型与所述数值预测模型的综合预测结果，根据调度方案中制定的调度规则，利用优化算法寻优，构建实时控制调度模型；
S7：基于历次降雨事件积累的降雨量、管网液位、厂站设施运行情况间的调度经验库，构建经验调度模型；
S8：结合所述实时控制调度模型与所述经验调度模型，给出推荐调度策略与调度指令，管理人员结合降雨情况与流域水务设施运行状态，确定最终调度方案，并通过SCADA下发指令，反馈至所述流域全要素监测监控单元的现场监控站点，实时控制全流域的水利设施状态，形成完整的控制闭环；
S9：降雨结束后，将所述水文水动力机理预测模型与所述数值预测模型两者各自模拟生成的结果与实际液位变化情况进行比对，优化所述数值预测模型中各边界条件的权重系数，优化所述水文水动力机理预测模型中的相关参数，对流域的内涝、溢流及水质的风险进行预测预警。
进一步地，所述S1中的流域管网数据是由所述流域全要素监测监控单元的基础数据库提供的，包括关于污水管网、污水厂、泵站、CSO调蓄池及强化处理设施、河道的信息。
进一步地，所述S2中的监测数据包括污水处理厂进水流量与水质、污水处理厂泵站前池液位、排污泵站抽排流量与水质、截污箱涵起端闸前液位、截污箱涵末端溢流闸液位、CSO调蓄池进/出水流量与水质、流域下游管网末端液位、排涝泵站抽排流量。
进一步地，所述S3中的经验数据包括降雨总量、降雨雨强、降雨历时、管网起始液位、流域水务设施启闭状态及运行数据下分别对应的管网液位及河道/明渠液位变化数据，运行数据包括进出水流量和水质数据。
进一步地，所述S3中，关键点位管网液位变化速率公式为：
m*Vi*S＝a*Ri*Ao-b*Q (1)
其中，Vi表示第i时刻管网液位上涨速率，单位为m/h；
S表示管网截面积，单位为m2；
m表示影响管网液位变化的权重系数；
Ri表示第i时刻流域降雨强度，单位为mm/h；
a表示降雨雨强的权重系数；
Q表示第i时刻污水处理设施消纳污水量，单位为m3/h；
b表示污水消纳量的权重系数；
H表示暗涵液位上涨高度，单位为m；
n表示预测降雨事件中不同降雨雨强的数量，单位为个；
ti为流域降雨雨强为i时对应的降雨历时，单位为h。
进一步地，所述S3中，不同降雨状况下，系统根据降雨强度、管网初始液位、污水处理设施运行状态，预测流域管网/暗涵液位变化情况，为合理调度流域间联通闸、调蓄处理设施和末端溢流闸的启闭时机，提供数据参考。
一种流域水环境预测预警系统，适用于所述流域水环境预测预警方法，包括：
流域全要素监测监控单元，包括专业数据库和基础数据库，所述专业数据库用于接收来自传感器的水力水质实时监测数据、来自雷达的降雨预报，以及来自设备的设施运行状态，所述基础数据库用于收录源自图纸及多媒体的基础地理信息、水利设施信息以及考核评估信息；
流域预测预警单元，连接并接收由所述流域全要素监测监控单元发送的数据，用于基于监测数据对晴天及降雨事件的水文及水质进行实时模拟，包括水文水动力机理预测模型和数值预测模型，可基于两个模型的预测数据对未来可能发生的内涝、溢流及水质的风险进行预警，并通过平台的信息共享功能发布预警信息；
流域联调联控单元，连接并接收由所述流域预测预警单元发送的数据，并且反馈连接至所述流域全要素监测监控单元，流域联调联控单元包括实时控制调度模型和经验调度模型，用于根据预测结果和预警信息，利用优化算法寻优，生成优化调度策略及调度指令，实时控制全流域的水利设施状态。
进一步地，所述流域全要素监测监控单元还包括：
现场监测站点，用于实时采集气象、水文及水质数据；
现场监控站点，用于实时采集及控制设备设施的运行状态；
监测数据采集传输层，用于接收由所述现场监测站点与所述现场监控站点发送的监测数据，并发送至所述专业数据库；
基础数据资料层，用于收集并整理多途径获得的经验数据，并发送至所述基础数据库。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述预测预警方法的步骤。
本发明的有益效果体现在：
1、本发明研发了国产化城市流域水系统动态仿真模型，形成了基于水文水动力机理预测模型与数值预测模型双模型驱动的厂网河一体化运行效能评估预测预警方法，开发了基于实时控制调度模型与数值调度模型双模型控制的排水系统水文水质协同调控技术，实现了源、网、厂、站、河多设施联合调度及实时控制，既满足流域调度的快速响应要求，又满足流域的复杂工况条件，如此，实现了流域水环境智慧化管控，推动了流域的多目标，即水安全目标、水环境目标和水生态目标管理及精细化管理。
2、本发明基于数值模型与机理模型实现双模型驱动，系统平台一方面接受来自传感器的水力水质实时监测数据、来自雷达的降雨预报，以及来自设备的设施运行状态监测数据，对全流域状态进行实时展示、分析，并对关键绩效考核指标评估，另一方面基于监测数据，构建水文水动力机理预测模型与数值预测模型，对晴天与降雨事件的水文与水质实时模拟，并基于经验数据对未来可能发生的内涝、溢流与水质污染做出早期预测，同时发布预警信息，系统平台还会根据预测结果和预警信息，利用优化算法寻优，生成优化调度策略及调度指令，实时控制全流域的水利设施状态，形成完整的运算逻辑闭环。
附图说明
图1是本发明实施例的预测预警方法的流程示意图。
图2是本发明实施例的预测预警系统的结构框图。
图3是本发明实施例的计算机设备的结构框图。
附图中各部件的标记为：1、流域全要素监测监控单元；2、流域预测预警单元；3、流域联调联控单元；4、现场监测站点；5、现场监控站点；6、监测数据采集传输层；7、专业数据库；8、基础数据资料层；9、基础数据库；10、水文水动力机理预测模型；11、数值预测模型；12、实时控制调度模型；13、经验调度模型。
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的一部分实施例，而不是全部的实施例。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作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。需要说明，全文中出现的“和/或”的含义，包括三个并列的方案，以“A和/或B”为例，包括A方案、或B方案、或A和B同时满足的方案。
参见图1，本发明实施例提供了一种流域水环境预测预警方法，包括以下步骤：
S1：根据已有的流域管网数据，结合管网关键点位的临测液位和流量，结合流域汇水规律，基于流域管网、泵站、污水处理设施与河道之间的运行逻辑，利用SWMM/MIKE/infoworks模型模拟流域“网—站—厂—河”各类排水设施的运行规律，构建流域的水文水动力机理预测模型10；
S11：基于流域范围内“网—站—厂—河”各设施运行逻辑，结合流域本底情况细分汇水范围，利用SWMM/MIKE/infoworks模型模拟流域汇水区地表径流的产汇流过程、管道和明渠的水力状态以及明渠中污染物扩散情况，从而建立流域的一维水文水动力水质模型，用于评估流域上游管网溢流情况和河道水质恢复效果；
S12：所述水文水动力水质模型建立后，选用实际降雨事件对该模型进行关键参数率定与模型验证，当纳什系数≥0.6以上，满足该模型的关键参数率定要求；
S2：降雨前/降雨期间，根据降雨预报数据，基于流域全要素监测监控单元1专业数据库7实时提供的监测数据，利用已建立的所述水文水动力机理预测模型10，模拟预测流域管网的液位变化；
S3：利用机器学习算法，分析历史降雨事件的经验数据，建立不同降雨工况下不同水务设施运行状态与流域关键管控点处管网液位变化之间的函数关系，构建数值预测模型11；
S31：关键点位管网液位变化速率公式为：
m*Vi*S＝a*Ri*Ao-b*Q (1)
其中，Vi表示第i时刻管网液位上涨速率，单位为m/h；
S表示管网截面积，单位为m2；
m表示影响管网液位变化的权重系数；
Ri表示第i时刻流域降雨强度，单位为mm/h；
a表示降雨雨强的权重系数；
Q表示第i时刻污水处理设施消纳污水量，单位为m3/h；
b表示污水消纳量的权重系数；
H表示暗涵液位上涨高度，单位为m；
n表示预测降雨事件中不同降雨雨强的数量，单位为个；
ti为流域降雨雨强为i时对应的降雨历时，单位为h；
S4：降雨前/降雨期间，所述数值预测模型11结合降雨预报数据和实时监测数据，利用已建立的函数关系，匹配对应的权重系数，预测流域关键管控点位管网液位变化；
S5：平台基于所述水文水动力机理预测模型10与所述数值预测模型11，预测溢流液位出现时间，考虑调度的安全性与即时响应性，比较两个模型预测结果，选择最先出现溢流的模型预测结果，作为调度策略制定的参考；
S6：根据预测模型的预测预警结果，平台基于以下调度规则，利用优化算法综合考虑水安全和水环境目标，生成流域各水务设施的调度指令，形成推荐调度方案一；
S61：晴天或小雨工况下：流域主要依靠污水处理厂满负荷运行，控制暗涵液位在安全液位，即黄孝河暗涵液位≤18.5m，机场河暗涵液位≤18.3m；
中雨工况下：
(1)黄孝河流域：
①当H＝18.1m且Vi＞0时，打开黄孝河截污箱涵起端闸门和黄孝河CSO调蓄池及强化处理设施；
②当H再次达到18.1m且Vi＞0时，若未来24h内流域降雨小于15mm，且上游渍水点液位h＜0，则在H上涨至18.5m时，打开黄孝河截污箱涵末端溢流闸；
③当H＜18.0m且Vi≤0时，关闭黄孝河截污箱涵起端闸门；
(2)机场河流域：
①当H＝18.0m且Vi＞0时，打开常青CSO调蓄池；
②当常青CSO调蓄池已满，H再次达到18.0m且Vi＞0时，启用机场河截污箱涵和机场河CSO调蓄池及强化处理设施；
③当H≥18.3m或未来24h内流域降雨＞15mm或上游渍水点液位h＞0时，打开机场河截污箱涵末端溢流闸；
④降雨结束且未来24h流域内降雨＜15mm时，关闭机场河截污箱涵末端溢流闸；
⑤降雨和汇流结束，当H＜18.0m且Vi≤0时，关闭机场河截污箱涵起端闸门；
大雨及以上工况下：
(1)黄孝河流域：
收到气象预报后，加大污水处理设施处理量，预降暗涵液位至17.8m以下；
①当H＝18.0m且Vi＞0时，打开黄孝河截污箱涵起端闸门和黄孝河CSO调蓄池及强化处理设施；
②当H再次上涨并达到18.0m，或h＞0m时，打开截污箱涵末端溢流闸，溢流至明渠末端；
③当以上设施全都启用，但仍然无法制止暗涵液位上涨或缓解渍水点情况时，则开启黄孝河暗涵末端钢坝闸(倒坝)；
④当H＜18.5m，Vi≤0，且未来24h内流域降雨小于25mm时，优先关闭黄孝河暗涵末端钢坝闸(竖坝)，之后关闭黄孝河截污箱涵末端溢流闸；
⑤降雨结束且汇流结束后，当H＜18.0m且Vi≤0时，关闭黄孝河截污箱涵起端闸门。
(2)机场河流域：
收到气象预报后，加大污水处理设施处理量，预降暗涵液位至17.6m以下；
①当H＝18.0m且Vi＞0时，打开常青CSO调蓄池；
②当常青CSO调蓄池已满，H再次达到18.0m且Vi＞0时，启用机场河截污箱涵和机场河CSO调蓄池及强化处理设施；
③当H再次上涨至18.3m，或上游渍水点液位h≥0时，打开截污箱涵末端溢流闸；
④当上述设施均启动后，但仍然无法制止暗涵液位上涨或缓解渍水点情况时，则开启机场河暗涵末端钢坝闸(倒坝)；
⑤当降雨和汇流结束，未来24h内流域降雨小于25mm时，优先关闭机场河暗涵末端钢坝闸(竖坝)，之后关闭机场河截污箱涵末端溢流闸门；
⑥降雨结束后，当H＜17.9m且Vi≤0时，关闭黄孝河截污箱涵起端闸门。
S62：在降雨期间，根据溢流闸或钢坝闸处、明渠沿线排口处的实时监测数据(包括管网溢流流量和水质数据、明渠沿线排口流量和水质数据)，基于明渠监测点处实时监测数据，根据河道管控重点，可选用零维/一维/二维水质模型预测明渠水质指标变化情况；
以预测黄孝河明渠上游断面德胜桥断面COD浓度为例(一维模型)：
溢流闸处溢流流量为Q1、C1(COD浓度)，钢坝闸处溢流流量为Q2、C2(COD浓度)，黄孝河明渠流量为Q3、C3(COD浓度)；
COD浓度：C0＝(Q1*C1+Q2*C2+Q3*C3)/(Q1+Q2+Q3)
C＝C0exp(-Kx/86400u)
其中，x表示监测断面离明渠起端的距离，单位为m；
u表示明渠水流流速，单位为m/s；
K表示污染物降解速率，单位为1/d；
Q表示流量，单位为m3/s；
C表示COD浓度，单位为mg/L；
S63：若水质预测结果显示明渠水质超标，则启动明渠末端排涝泵站抽排，或加大明渠生态补水。
S7：根据降雨预报和水务设施运行状态，从历史降雨事件调度经验库中筛选匹配与预报降雨事件本底状况相符的历史降雨事件调度过程，生成调度方案二；
S8：降雨期间，管理人员结合实际降雨情况和流域水务设施运行状态，调用与流域实际运行状态相符的调度指令，通过平台SCADA系统下发至各厂站；
S9：降雨结束后，将所述水文水动力机理预测模型10与所述数值预测模型11两者各自模拟生成的结果与实际液位变化情况进行比对，优化所述数值预测模型11中各边界条件的权重系数，并将优化后满足精确度要求的权重系数纳入所述数值预测模型11的权重系数经验库，率定并校核所述水文水动力机理预测模型10中的相关参数，不断优化模型预测的准确度，对流域的内涝、溢流及水质的风险进行预测预警。
本发明研发了国产化城市流域水系统动态仿真模型，形成了基于水文水动力机理预测模型与数值预测模型双模型驱动的厂网河一体化运行效能评估预测预警方法，开发了基于实时控制调度模型与数值调度模型双模型控制的排水系统水文水质协同调控技术，实现了源、网、厂、站、河多设施联合调度及实时控制，既满足流域调度的快速响应要求，又满足流域的复杂工况条件，如此，实现了流域水环境智慧化管控，推动了流域的多目标，即水安全目标、水环境目标和水生态目标管理及精细化管理。
参见图1，在本实施例中，所述S1中的流域管网数据是由所述流域全要素监测监控单元1的基础数据库9提供的，包括关于污水管网、污水厂、泵站、CSO调蓄池及强化处理设施、河道的信息。
参见图1，在本实施例中，所述S2中的监测数据包括污水处理厂进水流量与水质、污水处理厂泵站前池液位、排污泵站抽排流量与水质、截污箱涵起端闸前液位、截污箱涵末端溢流闸液位、CSO调蓄池进/出水流量与水质、流域下游管网末端液位、排涝泵站抽排流量。
参见图1，在本实施例中，所述S3中的经验数据包括降雨总量、降雨雨强、降雨历时、管网起始液位、流域水务设施启闭状态(截污箱涵起端闸门、截污箱涵末端闸门、流域内连通闸门)及运行数据下分别对应的管网液位及河道/明渠液位变化数据，运行数据包括进出水流量和水质数据。
参见图1，在本实施例中，所述S3进一步还包括：
S32：根据历次降雨事件中，总结降雨量、流域水务设施运行状态(污水厂小时进水流量、调蓄设施启闭状态及小时进水流量，及对应的两河暗涵液位上涨速率等数据，建立小时雨强、污水处理设施进水流量与流域下游暗涵液位上涨速率间的对应关系，形成预测预警板块的经验数据库；
S33：基于历史降雨事件的经验数据，利用机器学习算法，建立降雨雨强、污水消纳量(污水处理厂进水流量、调蓄设施进水流量、连通闸门)与暗涵液位变化速率间的函数关系，形成权重系数数据库。
参见图2，本发明实施例还提供了一种流域水环境预测预警系统，适用于所述流域水环境预测预警方法，包括：
流域全要素监测监控单元1，包括专业数据库7和基础数据库9，所述专业数据库7用于接收来自传感器的水力水质实时监测数据、来自雷达的降雨预报，以及来自设备的设施运行状态，所述基础数据库9用于收录源自图纸及多媒体的基础地理信息、水利设施信息以及考核评估信息；
流域预测预警单元2，连接并接收由所述流域全要素监测监控单元1发送的数据，用于基于监测数据对晴天及降雨事件的水文及水质进行实时模拟，包括水文水动力机理预测模型10和数值预测模型11，可基于两个模型的预测数据对未来可能发生的内涝、溢流及水质的风险进行预警，并通过平台的信息共享功能发布预警信息；
流域联调联控单元3，连接并接收由所述流域预测预警单元2发送的数据，并且反馈连接至所述流域全要素监测监控单元1，流域联调联控单元3包括实时控制调度模型12和经验调度模型13，用于根据预测结果和预警信息，利用优化算法寻优，生成优化调度策略及调度指令，实时控制全流域的水利设施状态。
本发明基于数值模型与机理模型实现双模型驱动，系统平台一方面接受来自传感器的水力水质实时监测数据、来自雷达的降雨预报，以及来自设备的设施运行状态监测数据，对全流域状态进行实时展示、分析，并对关键绩效考核指标评估，另一方面基于监测数据，构建水文水动力机理预测模型与数值预测模型，对晴天与降雨事件的水文与水质实时模拟，并基于经验数据对未来可能发生的内涝、溢流与水质污染做出早期预测，同时发布预警信息，系统平台还会根据预测结果和预警信息，利用优化算法寻优，生成优化调度策略及调度指令，实时控制全流域的水利设施状态，形成完整的运算逻辑闭环。
参见图2，在本实施例中，所述流域全要素监测监控单元1还包括：
现场监测站点4，用于实时采集气象、水文及水质数据；
现场监控站点5，用于实时采集及控制设备设施的运行状态；
监测数据采集传输层6，用于接收由所述现场监测站点4与所述现场监控站点5发送的监测数据，并发送至所述专业数据库7；
基础数据资料层8，用于收集并整理多途径获得的经验数据，并发送至所述基础数据库9。
本实施例中，所述监测数据采集传输层6通过在线监测通讯的方式，汇集经由各所述现场监测站点4采集所得的监测数据，例如水位、水质、流量、降雨等，通过远程通信的方式，例如RTU、SCADA等，上传至所述专业数据库7，所述基础数据资料层8所得经验数据可通过资料整编、外业踏勘等方式采集获得，系统结合所述专业数据库7与所述基础数据库9综合分析预测。
参见图3，本发明实施例还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述预测预警方法的步骤。此处预测预警方法的步骤可以是上述各个实施例的预测预警方法中的步骤。
综上，本发明研发了国产化城市流域水系统动态仿真模型，形成了基于水文水动力机理预测模型与数值预测模型双模型驱动的厂网河一体化运行效能评估预测预警方法，开发了基于实时控制调度模型与数值调度模型双模型控制的排水系统水文水质协同调控技术，实现了源、网、厂、站、河多设施联合调度及实时控制，既满足流域调度的快速响应要求，又满足流域的复杂工况条件，如此，实现了流域水环境智慧化管控，推动了流域的多目标，即水安全目标、水环境目标和水生态目标管理及精细化管理；
本发明基于数值模型与机理模型实现双模型驱动，系统平台一方面接受来自传感器的水力水质实时监测数据、来自雷达的降雨预报，以及来自设备的设施运行状态监测数据，对全流域状态进行实时展示、分析，并对关键绩效考核指标评估，另一方面基于监测数据，构建水文水动力机理预测模型与数值预测模型，对晴天与降雨事件的水文与水质实时模拟，并基于经验数据对未来可能发生的内涝、溢流与水质污染做出早期预测，同时发布预警信息，系统平台还会根据预测结果和预警信息，利用优化算法寻优，生成优化调度策略及调度指令，实时控制全流域的水利设施状态，形成完整的运算逻辑闭环。
应当理解本文所述的例子和实施方式仅为了说明，并不用于限制本发明，本领域技术人员可根据它做出各种修改或变化，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种流域水环境预测预警方法，其特征在于，包括以下步骤：
S1：根据已有的流域管网数据，结合管网关键点位的临测液位和流量，结合流域汇水规律，基于流域管网、泵站、污水处理设施与河道之间的运行逻辑，利用SWMM/MIKE/infoworks模型模拟流域“网—站—厂—河”各类排水设施的运行规律，构建流域的水文水动力机理预测模型(10)；
S2：降雨前/降雨期间，根据降雨预报数据，基于流域全要素监测监控单元(1)专业数据库(7)实时提供的监测数据，利用已建立的所述水文水动力机理预测模型(10)，模拟预测流域管网的液位变化；
S3：利用机器学习算法，分析历史降雨事件的经验数据，建立不同降雨工况下不同水务设施运行状态与流域关键管控点处管网液位变化之间的函数关系，构建数值预测模型(11)；
S4：降雨前/降雨期间，所述数值预测模型(11)结合降雨预报数据和实时监测数据，利用已建立的函数关系，预测流域管网液位变化；
S5：平台基于所述水文水动力机理预测模型(10)与所述数值预测模型(11)，预测溢流液位出现时间，考虑调度的安全性与即时响应性，比较两个模型预测结果，选择最先出现溢流的模型预测结果，作为调度策略制定的参考；
S6：基于所述水文水动力机理预测模型(10)与所述数值预测模型(11)的综合预测结果，根据调度方案中制定的调度规则，利用优化算法寻优，构建实时控制调度模型(12)；
S7：基于历次降雨事件积累的降雨量、管网液位、厂站设施运行情况间的调度经验库，构建经验调度模型(13)；
S8：结合所述实时控制调度模型(12)与所述经验调度模型(13)，给出推荐调度策略与调度指令，管理人员结合降雨情况与流域水务设施运行状态，确定最终调度方案，并通过SCADA下发指令，反馈至所述流域全要素监测监控单元(1)的现场监控站点(4)，实时控制全流域的水利设施状态，形成完整的控制闭环；
S9：降雨结束后，将所述水文水动力机理预测模型(10)与所述数值预测模型(11)两者各自模拟生成的结果与实际液位变化情况进行比对，优化所述数值预测模型(11)中各边界条件的权重系数，优化所述水文水动力机理预测模型(10)中的相关参数，对流域的内涝、溢流及水质的风险进行预测预警。
2.如权利要求1所述的流域水环境预测预警方法，其特征在于，所述S1中的流域管网数据是由所述流域全要素监测监控单元(1)的基础数据库(9)提供的，包括关于污水管网、污水厂、泵站、CSO调蓄池及强化处理设施、河道的信息。
3.如权利要求1所述的流域水环境预测预警方法，其特征在于，所述S2中的监测数据包括污水处理厂进水流量与水质、污水处理厂泵站前池液位、排污泵站抽排流量与水质、截污箱涵起端闸前液位、截污箱涵末端溢流闸液位、CSO调蓄池进/出水流量与水质、流域下游管网末端液位、排涝泵站抽排流量。
4.如权利要求1所述的流域水环境预测预警方法，其特征在于，所述S3中的经验数据包括降雨总量、降雨雨强、降雨历时、管网起始液位、流域水务设施启闭状态及运行数据下分别对应的管网液位及河道/明渠液位变化数据，运行数据包括进出水流量和水质数据。
5.如权利要求1所述的流域水环境预测预警方法，其特征在于，所述S3中，关键点位管网液位变化速率公式为：
m*Vi*S＝a*Ri*Ao-b*Q (1)
其中，Vi表示第i时刻管网液位上涨速率，单位为m/h；
S表示管网截面积，单位为m2；
m表示影响管网液位变化的权重系数；
Ri表示第i时刻流域降雨强度，单位为mm/h；
a表示降雨雨强的权重系数；
Q表示第i时刻污水处理设施消纳污水量，单位为m3/h；
b表示污水消纳量的权重系数；
H表示暗涵液位上涨高度，单位为m；
n表示预测降雨事件中不同降雨雨强的数量，单位为个；
ti为流域降雨雨强为i时对应的降雨历时，单位为h。
6.如权利要求1所述的流域水环境预测预警方法，其特征在于，所述S3中，不同降雨状况下，系统根据降雨强度、管网初始液位、污水处理设施运行状态，预测流域管网/暗涵液位变化情况，为合理调度流域间联通闸、调蓄处理设施和末端溢流闸的启闭时机，提供数据参考。
7.一种流域水环境预测预警系统，适用于如权利要求1-6中任一项所述的流域水环境预测预警方法，其特征在于，包括：
流域全要素监测监控单元(1)，包括专业数据库(7)和基础数据库(9)，所述专业数据库(7)用于接收来自传感器的水力水质实时监测数据、来自雷达的降雨预报，以及来自设备的设施运行状态，所述基础数据库(9)用于收录源自图纸及多媒体的基础地理信息、水利设施信息以及考核评估信息；
流域预测预警单元(2)，连接并接收由所述流域全要素监测监控单元(1)发送的数据，用于基于监测数据对晴天及降雨事件的水文及水质进行实时模拟，包括水文水动力机理预测模型(10)和数值预测模型(11)，可基于两个模型的预测数据对未来可能发生的内涝、溢流及水质的风险进行预警，并通过平台的信息共享功能发布预警信息；
流域联调联控单元(3)，连接并接收由所述流域预测预警单元(2)发送的数据，并且反馈连接至所述流域全要素监测监控单元(1)，流域联调联控单元(3)包括实时控制调度模型(12)和经验调度模型(13)，用于根据预测结果和预警信息，利用优化算法寻优，生成优化调度策略及调度指令，实时控制全流域的水利设施状态。
8.如权利要求7所述的流域水环境预测预警系统，其特征在于，所述流域全要素监测监控单元(1)还包括：
现场监测站点(4)，用于实时采集气象、水文及水质数据；
现场监控站点(5)，用于实时采集及控制设备设施的运行状态；
监测数据采集传输层(6)，用于接收由所述现场监测站点(4)与所述现场监控站点(5)发送的监测数据，并发送至所述专业数据库(7)；
基础数据资料层(8)，用于收集并整理多途径获得的经验数据，并发送至所述基础数据库(9)。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410111878.6A CN117929671A (zh) | 2024-01-25 | 2024-01-25 | 一种流域水环境预测预警方法、系统及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410111878.6A CN117929671A (zh) | 2024-01-25 | 2024-01-25 | 一种流域水环境预测预警方法、系统及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117929671A true CN117929671A (zh) | 2024-04-26 |
Family
ID=90755508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410111878.6A Pending CN117929671A (zh) | 2024-01-25 | 2024-01-25 | 一种流域水环境预测预警方法、系统及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117929671A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118503890A (zh) * | 2024-07-18 | 2024-08-16 | 广东粤海水务检测技术有限公司 | 一种季节性干旱河流的水质污染监测方法和计算机程序产品 |
| CN118521103A (zh) * | 2024-05-28 | 2024-08-20 | 民航机场规划设计研究总院有限公司 | 一种针对高度建成区民用机场的高效径流总量控制装置及调度方法 |
| CN119416988A (zh) * | 2025-01-07 | 2025-02-11 | 三峡环境科技有限公司 | 排水系统实时优化控制方法、装置、设备及介质 |
-
2024
- 2024-01-25 CN CN202410111878.6A patent/CN117929671A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118521103A (zh) * | 2024-05-28 | 2024-08-20 | 民航机场规划设计研究总院有限公司 | 一种针对高度建成区民用机场的高效径流总量控制装置及调度方法 |
| CN118503890A (zh) * | 2024-07-18 | 2024-08-16 | 广东粤海水务检测技术有限公司 | 一种季节性干旱河流的水质污染监测方法和计算机程序产品 |
| CN118503890B (zh) * | 2024-07-18 | 2024-10-11 | 广东粤海水务检测技术有限公司 | 一种季节性干旱河流的水质污染监测方法和计算机程序产品 |
| CN119416988A (zh) * | 2025-01-07 | 2025-02-11 | 三峡环境科技有限公司 | 排水系统实时优化控制方法、装置、设备及介质 |
| CN119416988B (zh) * | 2025-01-07 | 2025-04-29 | 三峡环境科技有限公司 | 排水系统实时优化控制方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117929671A (zh) | 一种流域水环境预测预警方法、系统及计算机设备 | |
| CN113902172B (zh) | 一种污水处理方法、系统、装置及介质 | |
| CN111737853B (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
| CN111476676B (zh) | 一种城镇小流域分类分级智能调度方法 | |
| CN113502896B (zh) | 基于水质监控的双闸门混流雨水截蓄装置、系统及方法 | |
| CN105868886B (zh) | 雨污调蓄池运行效能评价方法 | |
| CN119047742B (zh) | 一种基于城市厂网河一体化优化调度方法及系统 | |
| CN119047724B (zh) | 一种适用于厂网河一体化管理的调度决策方法及系统 | |
| CN112799310A (zh) | 基于c语言的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型的方法 | |
| CN115758886A (zh) | 基于雨洪管网模型与决策树算法的调蓄池优化布设方法 | |
| Kroll et al. | Semi-automated buildup and calibration of conceptual sewer models | |
| WO2024244498A1 (zh) | 一种城市初期雨水智能收集系统及方法 | |
| CN118151686A (zh) | 一种多渠段水位自动控制方法及装置 | |
| CN110135046A (zh) | 一种基于大数据的给水排水模型优化方法及装置 | |
| CN118014204B (zh) | 一种水库纳雨能力预测方法及系统 | |
| CN114742358B (zh) | 一种基于初雨收集调蓄的城市雨水管网面源污染截取时效的潜力评价方法 | |
| CN215715913U (zh) | 基于水质监控的双闸门混流雨水截蓄装置 | |
| CN117196328A (zh) | 多功能调蓄系统的管控方法 | |
| CN112632754B (zh) | 一种基于swmm模型的城市蓄水体水量变化的分析方法 | |
| CN114880967A (zh) | 一种能够改善防汛排涝工作的城市排涝调度管控系统 | |
| Brandstetter | Comparative analysis of urban stormwater models | |
| Wenzel Jr et al. | Detention storage control strategy development | |
| Liu et al. | A Hydraulic Prediction Model for an Open-Channel Water Transfer Project | |
| CN119047938B (zh) | 一种城市内涝灾害防控方法和系统 | |
| CN114444184B (zh) | 一种基于高精度水动力模型的lid设施优化设计方法 |
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 |