城市水网多尺度防洪排涝联合优化调度方法和系统与流程

本发明涉及防洪优化调度方法，尤其是一种城市水网多尺度防洪排涝联合优化调度方法。

背景技术：

1、城市水网是指城市内的河道、湖泊、水库、闸坝、泵站等水利设施组成的水资源配置和防洪排涝的综合体系。城市水网的优化调度是指根据城市水网的结构特点、水文气象条件、防洪排涝标准、供水需求等因素，综合考虑水量、水质、水力、水生态等多目标，通过调整水利设施的运行方式和参数，实现城市水网的最优运行状态，达到防洪安全、供水保障、水环境改善、水资源利用等目的的过程。

2、城市水网的优化调度具有多尺度、多目标、多约束、多时空变化等特点，是一个复杂的非线性动态优化问题。随着城市化进程的加快，城市水网的规模和复杂度不断增加，城市水网的优化调度面临着越来越多的挑战，如：城市水网的结构和功能日趋复杂，涉及多种水利设施和水文单元，需要考虑各种水力联系和水量平衡，以及水网内外的水文气象影响；城镇化率高的地方往往面临水资源短缺和不均衡的问题，需要突破传统的行政区划分配方式，建立全流域一体化、智慧化的动态配置机制，更精准地实现水资源配置的空间平衡。另外还存在自然调蓄空间不足、排水设施建设滞后、应急管理能力不强等问题，导致城市内涝频发，影响人民群众生命财产安全和城市正常运行等问题。城市水网的优化调度需要满足多种目标和约束，如防洪安全、供水保障、水环境改善、水资源利用等，这些目标之间可能存在冲突和竞争，需要进行合理的权衡和协调；城市水网的优化调度需要适应多种时空尺度的变化，如季节变化、降雨变化、用水变化等，需要进行动态的调整和更新，以及与实时监测和预报相结合；城市水网的优化调度需要考虑多种不确定性和随机性，如水文气象的不确定性、水利设施的运行不确定性、用水需求的不确定性等，需要进行风险分析和评估，以及采取相应的措施和策略。

3、总之，镇化水网区河湖连通状况受经济社会发展影响较大，河湖水系格局演变历程较为复杂，存在河网结构破坏、功能发挥受限、流域、区域、城市不同层面协调难度大等问题。我国城市河网区主要集中在长江、淮河、海河、珠江下游，经济发达，gdp占全国40%以上，人口密集、城镇化率高，地势低洼、河网密布、水利工程众多。城市河网区水体流量小、河网水体流动性差，水环境容量小，河流自净能力差。随着工业化与城镇化的快速发展，城市防洪保安需求高、任务重且上游区与下游区、相邻城市之间存在洪涝风险转移的问题；城市河道被挤占，河网分割、水系畅通性差，城市河道淤积严重；污染物入河量远远超过河道纳污能力，水功能区达标率低，河道水体感官差，河网生态系统不断退化，水体富营养化严重，水环境污染日益加剧。面对日益严重的水系问题，高城镇化区河湖水系连通系统如何保障区域水安全、有效适应并支撑区域经济社会发展和生态文明建设、如何提出适宜的河湖水系连通综合治理技术是近几年研究的热点和重点。

4、目前，国内外已有一些关于城市水网优化调度的研究成果，主要包括以下几个方面：城市水网的数学模型和算法。但是目前还没有形成一个完整的城市水网优化调度的理论体系和方法体系，也没有一个通用的城市水网优化调度的软件系统和平台，能够适应不同城市水网的特点和需求，实现城市水网的高效、安全、可靠、智能的优化调度。

5、因此，研究和开发一种城市水网多尺度防洪排涝联合优化调度方法和系统，具有重要的理论意义和实际价值。

技术实现思路

1、发明目的，提供一种城市水网多尺度防洪排涝联合优化调度方法，以解决现有技术存在的上述问题。

2、技术方案，根据本技术的一个方面，提供一种城市水网多尺度防洪排涝联合优化调度方法，包括如下步骤：

3、步骤s1、确定城市区域范围，获取多尺度的基础数据，并预处理；

4、步骤s2、构建城市水网的水文水动力模型，调用至少部分基础数据作为输入数据，模拟城市水网的水位水量变化，并分析各个情景下的内涝风险；

5、步骤s3、构建防洪排涝优化调度模型，确定调度目标和约束条件，调度目标至少包括最小化内涝面积、最大化供水保障和最优化水生态环境，约束条件包括水网结构约束、水利工程运行约束和水资源管理约束；

6、步骤s4、采用预配置的优化算法求解防洪排涝优化调度模型，获得至少两个尺度下的优化调度方案集合；

7、步骤s5、针对每个尺度，从每个优化调度方案集合中筛选出最优调度方案，并将最优调度方案对应的防洪调度效果展示在人机交互界面。

8、根据本技术的一个方面，所述步骤s1进一步为：

9、步骤s11、获取城市所在区域的数字高程模型，并根据预定目标确定城市区域范围；

10、步骤s12、采集城市水网的基础数据并预处理，所述基础数据至少包括河网数据、管网数据、水文数据、水动力数据、水利工程数据、水资源管理数据和水生态环境数据；

11、步骤s13、根据待运行的防洪排涝联合优化调度模型的输入要求，对获取的基础数据进行预处理，使数据符合模型的格式和精度要求，所述预处理包括数据清洗、数据转换、数据归一化和数据插补。

12、根据本技术的一个方面，所述步骤s2进一步为：

13、步骤s21、根据城市水网的特点，从预配置的水文水动力模型集合中选择对应的水文水动力模型，并建立水文水动力与神经网络耦合模型；所述水文水动力与神经网络耦合模型为swmm-gcn-lstm-attention耦合模型；

14、步骤s22、调用至少部分基础数据作为水文水动力模型的输入，并将水文水动力模型的输出作为神经网络模型的输入，获得水文水动力与神经网络耦合模型的输出，并与实测值进行比较，优化水文水动力与神经网络耦合模型的参数，直至符合预期值；

15、步骤s23、采用优化后的水文水动力与神经网络耦合模型初步模拟城市水网的水位水量变化，并初步分析各个情景下的内涝风险。

16、根据本技术的一个方面，所述步骤s3进一步为：

17、步骤s31、根据城市水网的特点，从调度模型集合中选择或构建防洪排涝优化调度模型；所述调度模型集合至少包括如下种类的模型：线性规划模型、非线性规划模型、动态规划模型、整数规划模型、随机规划模型、模糊规划模型、多目标规划模型、多阶段规划模型、多层规划模型、或多尺度规划模型；

18、步骤s32、根据防洪排涝优化调度模型的特点和水文水动力与神经网络耦合模型的初步模拟结果，判断是否需要调整神经网络模型的结构，若需要，采用geo-gcn方法或谱聚类方法，生成新的水网图结构，并调整神经网络模型，使之能够与新的水网图结构适配；

19、步骤s33、确定调度目标和约束条件，调度目标至少包括最小化内涝面积、最大化供水保障和最优化水生态环境，约束条件包括水网结构约束、水利工程运行约束和水资源管理约束。

20、根据本技术的一个方面，所述步骤s4进一步为：

21、步骤s41、根据水文水动力与神经网络耦合模型的特点，从预配置的优化算法集合中调取优化算法；

22、步骤s42、根据优化算法的原理和要求，确定优化算法的参数，以保证优化算法的收敛性、稳定性和效率；

23、步骤s43、根据优化算法的流程运行优化算法，求解防洪排涝优化调度模型，输出至少两个尺度下的优化调度方案集合，每个尺度下的优化调度方案集合包括多个可行的调度方案。

24、根据本技术的一个方面，所述步骤s5进一步为：

25、步骤s51、根据防洪调度的目标和指标，评价各个尺度下的每个调度方案的防洪效果，输出各个调度方案的防洪效果评价结果，包括防洪效果等级、防洪效果指数和防洪效果评价；

26、步骤s52、根据防洪效果评价结果，采用多目标决策方法，从每个尺度下的优化调度方案集合中筛选出最优调度方案；

27、步骤s53、将每个尺度下的最优调度方案和对应的防洪效果展示在人机交互界面上，以便用户查看和分析。

28、根据本技术的一个方面，所述步骤s32中geo-gcn方法的过程进一步为：

29、计算水网拓扑中的各个水网节点之间的几何距离，作为节点之间的相似度度量；为每个节点选择k个最近邻的水网节点，作为其邻居，构建一个k近邻图，其中边的权重为水网节点之间的相似度，对k近邻图进行归一化，得到一个新的邻接矩阵，用于水网拓扑的神经网络的聚合操作，k为自然数；

30、所述步骤s32中谱聚类方法的过程进一步为：

31、计算水网拓扑图的拉普拉斯矩阵，以描述图的结构特征；对拉普拉斯矩阵进行特征分解，得到特征值和特征向量，按照特征值的大小排序，选择前m个最小的特征值对应的特征向量，作为水网节点的新的特征表示；对水网节点的新的特征表示进行归一化，得到一个新的特征矩阵，用于水网拓扑的神经网络的输入，m为自然数。

32、根据本技术的一个方面，所述步骤s32中，调整神经网络模型的过程进一步为：

33、对水网拓扑中的各个水网节点的原始特征进行线性变换，得到水网节点自身的表征，用于保留节点的自身信息；对水网节点的原始特征和邻接矩阵进行图卷积操作，得到邻居聚合的表征，用于捕捉节点的局部信息；对水网节点自身的表征和邻居聚合的表征进行拼接，得到水网节点的完整表征，用于下一层的输入；对每一层的水网节点表征进行加权求和，得到水网节点的最终表征。

34、根据本技术的一个方面，所述步骤s11还包括：

35、步骤s11a、获取城市边界及城市所处流域的数字高程模型；

36、步骤s11b、查找城市区域河网下游是否存在影响河网水位和流向的水体，所述水体包括江河、湖泊和海洋；

37、步骤s11c、建立河网水位与水体水位的copula联合分布函数，并估计函数参数，获得优化后的copula联合分布函数；

38、步骤s11d、采用优化后的copula联合分布函数计算水体水位和河流水位的条件概率，根据条件概率值评估城市水网的防洪排涝能力，给出防洪排涝能力量化值；

39、步骤s11e、根据防洪排涝能力量化值将城市区域范围划分为至少两个区域。

40、根据本技术的另一个方面，一种城市水网多尺度防洪排涝联合优化调度系统，包括：

41、至少一个处理器；以及

42、与至少一个所述处理器通信连接的存储器；其中，

43、所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的城市水网多尺度防洪排涝联合优化调度方法。

44、有益效果，能够实现城市水网的多尺度协同调度，即在不同的空间尺度（如流域、区域、城市等）和时间尺度（如年、月、日、时等）下，综合考虑各类水利工程（如闸泵、水库、河道等）的运行状态和调度目标，实现水资源的优化配置和利用，提高城市水网的调控能力和效率，能够适配不同地区城市水网的特点和需求。

45、能够有效降低城市内涝风险，提高城市防洪排涝能力。通过构建城市水网的水文水动力模型，模拟城市水网的水位水量变化，分析各个情景下的内涝风险，为防洪排涝优化调度提供科学依据。

46、解决了现有水文水动力模型与神经网络模型耦合中的异配问题，大大提高了准确率。通过优化调度方案，保障城市的生产生活用水和生态环境用水，提高城市水网的水质水量，改善城市水环境。