一种基于降雨量的水闸水位预警系统技术方案

本发明专利技术公开了一种基于降雨量的水闸水位预警系统，涉及水位预测技术领域，设置水位信息收集模块实时获取流经各个水闸的水位信息；设置水位信息共享模块将每个水闸过闸流量以及闸后水位数据进行信息共享；设置降雨量信息收集模块监测每个水闸闸后的降雨量；设置模型训练模块根据上下游降雨量、上下游水位和上游过闸流量，生成预测下游水闸水位变化情况的深度神经网络模型；设置水位预测模块实时根据上游过闸流量，上下游水位以及降雨量，使用深度神经网络模型预测下游水闸的水位变化情况；设置水位预警模块根据水位的预测高度，对可能超出水位警戒线的水闸进行预警；解决了根据降雨量预测水位变化，提前预警的问题。提前预警的问题。提前预警的问题。

【技术实现步骤摘要】
一种基于降雨量的水闸水位预警系统


[0001]本专利技术属于水闸水位测量领域，涉及深度学习技术，具体是一种基于降雨量的水闸水位预警系统。

技术介绍

[0002]于天然河道上用以调节上游水位和控制下泄水流流量的水闸的主要作用是：枯水期关闭闸门抬高上游水位，以满足航运、灌溉、发电引水和城镇供水的要求；洪水期开闸泄洪，使上游供水位不超过防洪限制水位，同时控制下泄流量，使其不超过下游河道的安全泄量。在多沙河流上，水闸还担负排淤泄沙的任务，尽量保持原来河床的水沙平衡状态；
[0003]目前上下游水闸的开启程度根据过闸流量以及当前水位数据进行估算获得，但实际放闸过程中存在以下问题：
[0004]1、每个水闸的上下游均布置了一个水位监测点，未能实现上下游水位监测点的信息共享，造成了水位监测点的冗余布置；
[0005]2、未能考虑到上游降雨对水闸下游水位的影响，导致下游水闸难以及时根据降雨情况提前规划水闸开启的程度。
[0006]为此，提出一种基于降雨量的水闸水位预警系统。

技术实现思路

[0007]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于降雨量的水闸水位预警系统，该一种基于降雨量的水闸水位预警系统设置水位信息收集模块实时获取流经各个水闸的水位信息；设置水位信息共享模块将每个水闸过闸流量以及闸后水位数据进行信息共享；设置降雨量信息收集模块监测每个水闸闸后的降雨量；设置模型训练模块根据上下游降雨量、上下游水位和上游过闸流量，生成预测下游水闸水位变化情况的深度神经网络模型；设置水位预测模块实时根据上游过闸流量，上下游水位以及降雨量，使用深度神经网络模型预测下游水闸的水位变化情况；设置水位预警模块根据水位的预测高度，对可能超出水位警戒线的水闸进行预警；解决了根据降雨量预测水位变化，提前预警的问题。
[0008]为实现上述目的，根据本专利技术的第一方面的实施例提出一种基于降雨量的水闸水位预警系统，包括水位信息收集模块、水位信息共享模块、降雨量信息收集模块、模型训练模块、水位预测模块以及水位预警模块；其中，各个模块之间通过电气和/或无线网络方式连接；
[0009]将河流水闸沿河流流向，从上游至下游按顺序进行编号；编号方式为数字形式，即将水闸编号为1,2，
…
N；其中，N为河流上水闸的总数；使用n表示每个水闸；
[0010]其中，所述水位信息收集模块主要用于实时获取流经各个水闸的水位信息；
[0011]所述水位信息收集模块为在每个水闸闸后布设的水位监测点；所述水位监测点的设立位置应当避开渐进段与紊流的影响；并应用自由出流方式计算出过闸流量，并通过水
位计获取每个水闸n闸后的水位；将水闸n过闸流量标记为Fnt；以及闸后的水位标记为Wnt；所述水位信息收集模块将水闸n的过闸流量Fnt以及闸后水位Wnt发送至水位信息共享模块；其中，t为时间；
[0012]所述水位信息共享模块主要用于将上游水闸过闸流量以及闸后水位数据与下游水闸进行信息共享；
[0013]所述水位信息共享模块预先在每个水闸安装无线信号收发装置；所述水位信息共享模块实时将水闸编号n和过闸流量Fnt以及闸后水位Wnt的对应关系通过无线信号收发装置发送至水位预测模块；
[0014]所述降雨量信息收集模块主要用于实时监测每个水闸闸后的降雨量；
[0015]所述降雨量信息收集模块包括安装在每个水闸闸后的降雨量监测装置；该降雨量监测装置实时监测每个水闸闸后的降雨量；降雨量的表示方法可以为毫米每分钟；将水闸n闸后的降雨量标记为Rnt；所述降雨量信息收集模块将每个水闸的编号及其对应的降雨量发送至水位预测模块；
[0016]所述模型训练模块主要用于根据下游降雨量、下游水位、上游过闸流量以及上游水位，生成预测下游水闸闸后的水位变化情况的深度神经网络模型；
[0017]所述模型训练模块对于每个水闸n，生成预测下游水闸n+1闸后水位变化情况的深度神经网络模型包括以下步骤：
[0018]步骤S1：所述模型训练模块预先收集若干天中每个时刻t时，每个水闸n闸后的过闸流量Fnt、闸后的水位Wnt、闸后的降雨量Rnt，水闸n+1闸后的水位W(n+1)t以及闸后的降雨量R(n+1)t；并根据水流流速估算出从水闸n到水闸n+1所需要的时间；将该时间标记为ft；所述模型训练模块获取时间t+ft后，水闸n+1闸后的水位W(n+1)(t+ft)；并计算C(n+1)t＝W(n+1)(t+ft)
‑
W(n+1)t作为水闸n+1的水位变化；
[0019]步骤S2：将过闸流量Fnt、闸后的水位Wnt以及W(n+1)t、闸后的降雨量Rnt以及R(n+1)t进行归一化并组合成特征向量；将该特征向量标记为Vn；
[0020]步骤S3：将特征向量Vn作为输入，输入至深度神经网络中进行训练；该深度神经网络以水位变化值作为输出；水闸n+1水位的实际变化值C(n+1)t作为目标值；训练的深度神经网络预测的水位变化准确率达到95％时，停止训练；将训练完成的深度学习模型标记为Mn；
[0021]所述模型训练模块将所有训练完成的深度学习模型Mn发送至水位预测模块；
[0022]所述水位预测模块主要用于实时根据上游过闸流量，上下游水位以及降雨量，使用深度神经网络模型M预测下游水闸的水位变化情况；
[0023]所述水位预测模块预测对于每个水闸n，预测下游水闸n+1水位变化情况包括以下步骤：
[0024]步骤P1：所述水位预测模块接收到水位信息共享模块发送的每个水闸n的过闸流量、水闸n以及水闸n+1闸后的水位；降雨量信息收集模块发送的水闸n以及水闸n+1闸后降雨量；将每个数据进行归一化并组成特征向量；
[0025]步骤P2：将特征向量作为输入，输入至深度神经网络模型M中，获得水闸n+1的预测水位变化值；将该预测水位变化值标记为P(n+1)t；
[0026]步骤P3：根据水闸n闸后水流速度，估算出水流从水闸n到达水闸n+1的需要的时间
ft；则预测时间t+ft后，水闸n+1的闸后水位高度W(n+1)(t+ft)＝W(n+1)t+P(n+1)t；
[0027]所述水位预测模块实时将对每个水闸n+1的水位预测高度W(n+1)(t+ft)发送至水位预警模块；
[0028]其中，所述水位预警模块主要用于实时根据水位的预测高度，对可能超出水位警戒线的水闸进行预警，通知监控人员提前控制闸门开启大小，以减少过闸流量；
[0029]所述水位预警模块预先为每个水闸根据水闸实际情况设置一个警戒水位线W(n+1)；当水闸n+1的水位预测高度W(n+1)(t+ft)>W(n+1)时，通过语音播报的方式向负责水闸n+1的监控人员发送水位预警信息。
[0030]与现有技术相比，本专利技术的有益效果是：
[0031]本专利技术设置水位信息收集模块实时获取流经各个水闸的水位信息；设置水位信息共享模块将每个水闸过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于降雨量的水闸水位预警系统，其特征在于，包括水位信息收集模块、水位信息共享模块、降雨量信息收集模块、模型训练模块、水位预测模块以及水位预警模块；其中，各个模块之间通过电气和/或无线网络方式连接；将河流为沿河流流向将水闸编号为1,2，
…
N；其中，N为河流上水闸的总数；使用n表示每个水闸；所述水位信息收集模块用于实时获取流经各个水闸的水位信息；所述水位信息收集模块将水闸的过闸流量以及闸后水位发送至水位信息共享模块；所述水位信息共享模块用于将上游水闸过闸流量以及闸后水位数据与下游水闸进行信息共享；所述水位信息共享模块实时将水闸编号和过闸流量以及闸后水位的对应关系发送至水位预测模块；所述降雨量信息收集模块用于实时监测每个水闸闸后的降雨量；所述降雨量信息收集模块将每个水闸的编号及其对应的降雨量发送至水位预测模块；所述模型训练模块用于根据下游降雨量、下游水位、上游过闸流量以及上游水位，生成预测下游水闸闸后的水位变化情况的深度神经网络模型；所述模型训练模块将所有训练完成的深度学习模型发送至水位预测模块；所述水位预测模块用于实时根据上游过闸流量，上下游水位以及降雨量，使用深度神经网络模型预测下游水闸的水位变化情况；所述水位预测模块实时将对每个水闸的水位预测高度发送至水位预警模块；所述水位预警模块用于实时根据水位的预测高度，对可能超出水位警戒线的水闸进行预警。2.根据权利要求1所述的一种基于降雨量的水闸水位预警系统，其特征在于，所述水位信息收集模块为在每个水闸闸后布设的水位监测点；所述水位监测点的设立位置应当避开渐进段与紊流的影响；并应用自由出流方式计算出过闸流量，并通过水位计获取每个水闸n闸后的水位；将水闸n过闸流量标记为Fnt；以及闸后的水位标记为Wnt；其中，t为时间。3.根据权利要求1所述的一种基于降雨量的水闸水位预警系统，其特征在于，所述降雨量信息收集模块包括安装在每个水闸闸后的降雨量监测装置；该降雨量监测装置实时监测每个水闸闸后的降雨量；将水闸n闸后的降雨量标记为Rnt。4.根据权利要求1所述的一种基于降雨量的水闸水位预警系统，其特征在于，所述模型训练模块对于每个水闸n，生成预测下游水闸n+1闸后水位变化情况的深度...

【专利技术属性】
技术研发人员：郭云飞，汪皓，褚小强，毛清东，黄琼花，方明，
申请(专利权)人：中水三立数据技术股份有限公司，
类型：发明
国别省市：