基于数据预测的灌溉水资源调度方法及系统与流程

本发明属于资源调度与智能决策领域，具体涉及一种基于数据预测的灌溉水资源调度方法及系统。

背景技术：

1、伴随着智慧城市与精细化资源管理技术的深度发展，城市及园区的灌溉水资源调度管理面临着日益复杂的挑战。在城市绿化、园区景观维护、市政公共区域养护等场景中，多个灌溉区域共用一套供水系统，各区域的灌溉用水需求存在时空差异，且受季节、天气、人流活动等因素影响，需要科学决策以实现灌溉水资源的高效分配。

2、现有灌溉水资源调度技术主要采用以下方式：固定配额调度；阈值触发调度；人工经验调度；现有技术存在以下共同缺陷：第一，缺乏预测能力，无法基于历史数据、气象信息、区域活动等因素预测未来一段时间各灌溉区域的用水需求，导致调度决策滞后；第二，忽视水源约束，未考虑灌溉水源的实时蓄水量和补给能力，可能导致在水源不足时仍按需供水，造成水源枯竭或供水中断；第三，多目标权衡不足，未综合考虑灌溉需求满足率、水资源利用效率、供水成本等多个目标的平衡，难以实现全局最优调度，因此，亟需一种能够基于多源数据预测各灌溉区域用水需求，并在水源约束条件下实现灌溉水资源动态优化调度的技术方案。

技术实现思路

1、本发明的目的在于解决现有技术中调度决策滞后、忽视水源约束、多目标权衡不足的技术问题。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、本发明第一方面，提供了一种基于数据预测的灌溉水资源调度方法，该方法包括以下步骤：

4、步骤s1：获取当前时刻之前各灌溉区域连续90天的逐时历史灌溉用水量和连续90天的历史气温数据，获取当前时刻之后连续7天的气象预报数据，获取灌溉水源的实时蓄水量和补给速率；

5、步骤s2：基于所述逐时历史灌溉用水量按天汇总得到日历史灌溉用水量，采用指数平滑法递推计算各灌溉区域的基准灌溉需水量；基于所述历史气温数据建立气温影响修正模型，结合所述气象预报数据中的预报气温计算气温影响增量；将所述基准灌溉需水量与所述气温影响增量叠加得到各灌溉区域的预测灌溉需水量；

6、步骤s3：根据所述实时蓄水量、补给速率和气象预报数据中的预报降水量，计算每天可用水量，建立基于每天可用水量的单时段水源约束，建立基于当前时刻蓄水量与累计补给量的多时段累计水源约束，建立描述水源蓄水量逐日变化规律的蓄水量动态变化方程；

7、步骤s4：根据所述预测灌溉需水量和决策供水量，计算灌溉需求亏缺量和水资源浪费量；根据所述决策供水量和单位供水成本，计算供水成本；对所述灌溉需求亏缺量、水资源浪费量和供水成本分别进行基准化无量纲处理后加权求和，构建基准化多目标优化调度模型；

8、步骤s5：以所述单时段水源约束、多时段累计水源约束、蓄水量动态变化方程、供水量非负约束和最小供水量约束为完整约束条件，采用遗传算法求解所述基准化多目标优化调度模型，得到各灌溉区域的决策供水量和供水优先级；

9、步骤s6：根据所述决策供水量和供水优先级，结合由所述逐时历史灌溉用水量统计得到的小时用水系数，将日决策供水量分配至各小时生成供水时间表和调度决策方案并输出；当预设更新周期到达时返回步骤s1进行滚动优化。

10、进一步地，所述逐时历史灌溉用水量为当前时刻之前连续90天各灌溉区域的逐时灌溉用水量，通过安装在各灌溉区域供水管路上的智能水表以小时为周期采集；所述历史气温数据为当前时刻之前连续90天的日平均气温；所述气象预报数据包括当前时刻之后连续7天的预报日最高气温、预报日最低气温和预报降水量；所述实时蓄水量通过安装在灌溉水源中的液位传感器读取，补给速率通过安装在补给管道上的流量计读取。

11、进一步地，所述基准灌溉需水量的递推计算方法为：

12、对所述逐时历史灌溉用水量按天汇总得到日历史灌溉用水量；

13、；

14、其中为第个灌溉区域第天的基准灌溉需水量，单位m3，为第  个灌溉区域第  天的日历史灌溉用水量，单位m3，为平滑系数，无量纲，为第个灌溉区域第天的基准灌溉需水量；当  时， 取当前时刻之前连续7天日历史灌溉用水量的平均值， 取值范围0.2～0.4，以0.01为步长遍历取值，以当前时刻之前连续90天历史数据拟合误差最小化为目标确定最优值。

15、进一步地，所述气温影响修正模型的建立方法，具体为：

16、对第  个灌溉区域当前时刻之前连续30天的历史日平均气温与该区域日历史灌溉用水量进行最小二乘线性回归，得到气温影响系数和线性回归截距；计算历史基准气温为所述连续30天历史日平均气温的算术平均值；由回归截距和气温影响系数换算得到基准修正量；第个区域未来第天的气温影响增量计算方法如下：

17、；

18、其中，为第个区域未来第天的气温影响增量，单位：m3，为未来第天的预报日平均气温，单位：℃，为历史基准气温，单位：℃， 为气温影响系数，单位：m3/℃，为基准修正量，单位：m3，由换算得到，为线性回归截距。

19、进一步地，所述预测灌溉需水量的计算方法，具体为：

20、；

21、其中为第个区域未来第天的预测灌溉需水量，单位：m3，保证预测值非负, 为第个区域未来第天的气温影响增量，单位：m3，为第个灌溉区域第天的基准灌溉需水量，单位m3。

22、进一步地，所述每天可用水量的计算，具体为：

23、；

24、其中，为第天可用水量，为第天蓄水量，单位：m3，为补给速率，单位：m3/天；为时间步长，单位：天，取1天；为第天降水量补给量，单位：m3，由预报降水量结合汇水面积和径流系数换算得到；

25、所述单时段水源约束为：

26、；

27、其中，为第个区域第天的决策供水量，单位：m3，是优化模型中的决策变量；为灌溉区域总数；

28、所述多时段累计水源约束为：

29、；

30、其中，为第一天蓄水量，记为当前时刻蓄水量；

31、蓄水量动态变化方程为：

32、；

33、其中，表示第天蓄水量，单位：m3，为优化时段总数，。

34、进一步地，所述灌溉需求亏缺量为：

35、；

36、水资源浪费量为：

37、；

38、供水成本为：

39、；

40、基准化多目标优化调度模型的目标函数为：

41、；

42、其中，为灌溉需求亏缺量，单位m3，为第个区域第天的预测灌溉需水量，单位m3；为第个区域第天的决策供水量，单位m3，为灌溉区域总数，为优化时段总数，；为水资源浪费量，单位m3，为供水成本，为第个区域第天的单位供水成本，单位：元/m3，由当地水费标准加能耗成本计算得到；为综合目标值，无量纲；分别为第一权重系数，第二权重系数以及第三权重系数，无量纲，采用层次分析法确定，满足，为灌溉需求亏缺量基准值，为水资源浪费量基准值，为供水成本基准值；当、或为0时，取对应基准值为1。

43、进一步地，所述基准值的确定方法，具体为：

44、灌溉需求亏缺量基准值为各区域连续7天预测灌溉需水量之和；

45、水资源浪费量基准值为各区域连续90天日历史灌溉用水量最大值与7的乘积之和；

46、供水成本基准值为各区域连续90天日历史灌溉用水量最大值与单位供水成本的乘积之和。

47、进一步地，所述完整约束条件还包括供水量非负约束和最小供水量约束，所述最小供水量取当前时刻之前连续90天日历史灌溉用水量最低值的70%至80%；所述遗传算法的参数为：种群规模取决策变量维度的5至10倍，交叉概率取0.7至0.9，变异概率取0.05至0.15，最大迭代次数取800至1500代；

48、所述小时供水量分配公式为：

49、；

50、其中为第个区域第天第小时的分配供水量，单位：m3，为第个区域第小时的小时用水系数，无量纲，由连续90天逐时历史灌溉用水量统计得到；

51、所述预设更新周期为1天，依据气象预报数据的更新频率和灌溉调度以天为基本决策单位的工程实践确定。

52、本发明的第二方面，提供了一种基于数据预测的灌溉水资源调度系统，该系统包含以下模块：数据采集模块、需水预测模块、水源约束模块、模型构建模块、优化求解模块、方案输出模块，其中：

53、数据采集模块，用于获取当前时刻之前各灌溉区域连续90天的逐时历史灌溉用水量和连续90天的历史气温数据，获取当前时刻之后连续7天的气象预报数据，获取灌溉水源的实时蓄水量和补给速率；

54、需水预测模块，用于基于所述逐时历史灌溉用水量按天汇总得到日历史灌溉用水量，采用指数平滑法递推计算各灌溉区域的基准灌溉需水量；基于所述历史气温数据建立气温影响修正模型，结合所述气象预报数据中的预报气温计算气温影响增量；将所述基准灌溉需水量与所述气温影响增量叠加得到各灌溉区域的预测灌溉需水量；

55、水源约束模块，用于根据所述实时蓄水量、补给速率和气象预报数据中的预报降水量，计算每天可用水量，建立基于每天可用水量的单时段水源约束，建立基于当前时刻蓄水量与累计补给量的多时段累计水源约束，建立描述水源蓄水量逐日变化规律的蓄水量动态变化方程；

56、模型构建模块，用于以各灌溉区域各时段的供水量为待优化决策变量，根据所述预测灌溉需水量和所述决策变量，计算灌溉需求亏缺量和水资源浪费量；根据所述决策变量和单位供水成本，计算供水成本；对所述灌溉需求亏缺量、水资源浪费量和供水成本分别进行基准化无量纲处理后加权求和，构建基准化多目标优化调度模型；

57、优化求解模块，用于以所述单时段水源约束、多时段累计水源约束、蓄水量动态变化方程、供水量非负约束和最小供水量约束为完整约束条件，采用遗传算法求解所述基准化多目标优化调度模型，得到各灌溉区域的决策供水量和供水优先级；

58、方案输出模块，用于根据所述决策供水量和供水优先级，结合由所述逐时历史灌溉用水量统计得到的小时用水系数，将日决策供水量分配至各小时生成供水时间表和调度决策方案并输出；当预设更新周期到达时返回数据采集模块进行滚动优化。

59、与现有技术相比，本发明具有以下有益效果：

60、第一，实现了灌溉用水需求的前瞻性精准预测。 本发明同时利用历史灌溉用水量和历史气温数据，分别采用指数平滑法和最小二乘线性回归建立基准灌溉需水量递推模型和气温影响修正模型，结合气象预报数据中的预报气温，计算各灌溉区域未来7天的预测灌溉需水量。其中，指数平滑法的平滑系数采用网格搜索法在0.2～0.4范围内以历史数据拟合误差最小化为目标自动优选，气温回归模型基于滚动30天历史数据动态更新，使预测模型能够自适应跟踪各灌溉区域用水规律的变化。区别于现有固定配额或阈值触发的被动调度方式，本发明实现了对未来用水需求的前瞻性量化预判，使调度决策从事后被动响应转变为事前主动规划。

61、第二，构建了完整的水源动态约束体系，保证了调度方案的可行性。 本发明根据实时蓄水量、补给速率和气象预报降水量，建立了单时段水源约束、多时段累计水源约束和蓄水量动态变化方程三重约束机制。单时段水源约束保证每一天的供水量不超过当天可用水量，多时段累计水源约束保证整个优化周期内的累计供水量不超过当前时刻蓄水量与累计补给量之和，蓄水量动态变化方程描述了水源蓄水量逐日演变规律，将上述三重约束有机结合，从逐日水量限制、全周期累计用水限制和水量动态演变三个维度保证调度方案始终处于水源供给能力范围之内，有效避免了因前期超量用水导致后期水源枯竭或供水中断的问题。同时，本发明增设了各灌溉区域的最小供水量约束，取历史最低用水量的70%～80%作为最小保供水量，强制保留植被存活所需的基础灌溉水量，兼顾了生态安全底线。

62、第三，实现了多目标综合权衡与全局优化调度。 本发明同时将灌溉需求亏缺量、水资源浪费量和供水成本纳入优化目标，采用极端场景基准化无量纲处理方法，以完全不供水时的最大亏缺量、历史最大供水量和对应的最大供水成本为基准值，将三个量纲不同的子目标统一转换为无量纲标量，解决了现有技术中需求满足率、水资源利用率和供水经济性三者无法直接比较和综合权衡的难题。在此基础上，采用层次分析法确定各子目标的权重系数，通过专家两两比较判断矩阵并进行一致性检验，使权重分配具有理论依据和可解释性，避免了人为随意赋权的主观性，实现了三个相互冲突目标在同一框架下的全局最优调度。

63、第四，生成了可直接落地执行的小时级精细化调度方案，并建立了滚动优化机制。本发明根据遗传算法求解得到的日决策供水量和各区域供水优先级，结合由逐时历史灌溉用水量统计得到的小时用水系数，将日供水量分配至各小时，生成包含供水时间表、分时段供水量建议、供水优先级和水源状态预警信息的完整调度决策方案，使优化结果可直接转化为工程可执行的操作指令。同时，本发明设置预设更新周期，当周期到达时自动采集最新数据并重新执行全流程优化，使调度方案能够随气象预报更新和实际用水反馈进行动态滚动调整，始终保持决策的持续最优性，提升了系统的工程实用性和环境适应性。