[发明专利]一种耦合长短记忆深度学习的井渠联合调度方法

说明书

本发明提供了一种耦合长短记忆深度学习的井渠联合调度方法，首先构建实时水文预报模型，通过长短记忆深度学习方法，将历史N天的气象、水文以及不同水源灌水量作为输入，预报未来短期内的径流量，所述不同水源灌水量包括井水和渠水灌水量；接着构建实时水量调度模型，以最大化灌区供水效益为目标，以满足最小径流量为约束，求解短期内不同水源最优灌水量；最后将所述实时水文预报模型与实时水量调度模型相互迭代模拟直至达到平衡，从而得到最优的井水和渠水灌水量。本发明可实现灌区精准灌溉，充分利用渠道的供水能力，以供水时间换取供水空间，将灌区的蓄水工程能力得到充分发挥，最大化减少旱情。

技术领域

本发明属于水文及水资源工程技术领域，涉及灌区的水资源优化调度方法，尤其涉及一种耦合长短记忆深度学习的井渠联合调度方法。

背景技术

宁夏引黄灌区已有二千多年的灌溉历史，目前的渠系布局多数是历史上延续下来并不断修正而成的，加上灌区特殊的地理特征，形成了灌区独特灌排方式。也正是由于灌区流域的广阔性、渠系布局的庞杂交叉性以及影响因素的复杂性，使得建立一个精确的水量调度数学模型非常困难，目前，灌区主要采用基于事例推理的方法(Case-BasedReasoning；CBR)来解决宁夏灌区水量调度问题。然而，该方法只能通过有限的历史调度资料来为未来的水资源调度提供依据。当未来的来水情景超出了历史资料包含的范畴时，便难以用该方法进行合理的调度。另外，历史资料中包含的调度方案未必是最优方案，仍然存在优化的空间。

发明目的

本发明的目的即是应对现有技术中的不足，优化现有的灌区引水调度方案，实现实时优化灌区水量调度，包括最大化灌溉效益，以及减少灌区供水矛盾。通过充分发挥渠道供水能力，实现灌区内“丰蓄枯调”，为灌区长期稳定的水资源调度提供保障。

发明内容

本发明提供了一种耦合长短记忆深度学习的井渠联合调度方法，包括以下步骤：

步骤1：构建实时水文预报模块模型；所述实时水文预报模块通过长短记忆深度学习方法，将历史N天的气象、水文以及不同水源灌水量作为输入，预报未来短期内的径流量，所述不同水源灌水量包括井水灌水量和渠水灌水量；

步骤2:构建实时水量调度模块模型，所述实时水量调度模块以最大化灌区供水效益为目标，以满足最小径流量为约束，求解短期内不同水源最优灌水量；

步骤3:将所述实时水文预报模块与实时水量调度模块相互迭代模拟直至达到平衡，从而得到最优的井水灌水量和渠水灌水量。

优选地，所述联合调度方法的调度目标和约束条件表征为如式(1)-(4)所示：

其中，P为灌溉期内的最大效益，为t时刻下井水灌水量,为t时刻下井水灌水的效益，为t时刻下渠水灌水量,为t时刻下渠水灌水的效益，n为总时长；为t时刻来水量，为t时刻农田退水量，为t时刻灌区出口水量；为t时刻灌区出口约束水量；P^t，T^t，G^t分别为t时刻降雨，温度和地下水位；f(·)为长短记忆深度学习模型LSTM函数。

优选地，所述步骤3具体过程为，当未来n天的天气因素已知的情况下，先通过迭代式(4)得到n天内的模拟径流量，然后将该模拟径流量输入式(1)-(3)，求解得到相应的井水灌水量和渠水灌水量；接着将式(1)和(2)不断迭代，直到所求解得到的井水灌水量和渠水灌水量不再变化时，则得到最优的井水灌水量和渠水灌水量。

附图说明

图1是本发明所述的耦合长短记忆深度学习的井渠联合调度方法的示意图。

具体实施方式