一种基于深度学习的水电站闸门控制方法及系统与流程

技术特征：
1.一种基于深度学习的水电站闸门控制系统，其特征在于，包括水电站数据采集与监视组、神经网络(模型训练平台)、模型推理平台和用于控制阀门开闭装置的scada系统(plc)，所述水电站数据采集与监视组分别与神经网络和模型推理平台连接，所述神经网络与模型推理平台连接，所述模型推理平台与scada系统(plc)连接。2.根据权利要求1所述的基于深度神经网络并用于水电站闸门控制系统，其特征在于，所述系统还包括应用服务平台和隔离通信装置，所述模型推理平台、应用服务平台、隔离通信装置与scada系统(plc)依次连接，所述隔离通信装置与神经网络(模型训练平台)连接。3.一种基于深度学习的水电站闸门控制方法，其特征在于，包括如下步骤：s1：利用深度神经网络训练，找出水库水位、发电引用流量、入库流量等和各闸门开度之间两组高维数据之间的相关性关系；s2：在完成对电站水库特定区域视觉图像进行识别和特征抽取后，通过高维数据之间的相关性关系，建立水库各特定区域图像特征点之间的相关性关系；s3：将这些图像特征点之间的相关性关系应用于水电站大坝闸门的控制。4.根据权利要求3所述的基于深度神经网络并用于水电站闸门控制方法，其特征在于，所述s1步骤具体为：利用神经网络的深度学习功能，通过数据相关性分析训练获得水电站的各时段水库水位、发电引用流量、入库流量等和各闸门开度之间两组高维数据之间相关性关系。5.根据权利要求4所述的基于深度神经网络并用于水电站闸门控制方法，其特征在于，步骤所述s1包括如下子步骤：s11：将数据导入模型之前，进行数据预处理，将高维数据降为一维数据，从而建立确保模型能够理解数据的训练集；s12：根据训练集对神经网络进行迭代训练，以获取两组高维数据之间相关性关系，并得到完成训练的神经网络。6.根据权利要求5所述的基于深度神经网络并用于水电站闸门控制方法，其特征在于，所述步骤s12具体为：将入库流量、取水口水位、发电引用流量等数据和各闸门开度数据按时间序列分别导入神经网络进行数据相关性分析训练，最终获取两组高维数据之间相关性关系，并得到完成训练的神经网络。7.根据权利要求3所述的基于深度神经网络并用于水电站闸门控制方法，其特征在于，所述s2步骤具体为：利用卷积神经网络平台的深度学习功能，对电站水库特定区域视觉图像进行识别和特征抽取，然后通过水库水位、发电引用流量、入库流量等和各闸门开度之间两组高维数据之间的相关性关系，建立水库各特定区域图像特征点之间的相关性关系。8.根据权利要求7所述的基于深度神经网络并用于水电站闸门控制方法，其特征在于，步骤所述s2包括如下步骤：s21：对图像进行预处理；s22：将预处理后的图像以图片的形式输入卷积神经网络(cnn)进行训练；s23：在完成全部场景条件下的训练迭代后，完成水库特定区域视觉图像的识别与特征抽取，即获取水库入口处天然河道视觉图像的上游来水量特征，电站取水口视觉图像的水库水位和发电引用流量特征，闸门启闭视觉图像的闸门开度特征，并得到完成训练的卷积神经网络；
s24：通过水库水位、发电引用流量、入库流量等和各闸门开度之间两组高维数据之间的相关性关系，建立对应的水库各特定区域图像特征点之间的相关性关系，即建立水库入口处天然河道视觉图像、电站取水口视觉图像、各闸门启闭视觉图像之间的相关性关系。9.根据权利要求3所述的基于深度神经网络并用于水电站闸门控制方法，其特征在于，所述步骤s3包括如下子步骤：s31：利用模型推理平台继承第一神经网络完成训练后得到的入库流量、取水口水位、发电引用流量和各闸门开度数据之间的相关性关系；s32：利用模型推理平台继承第二神经网络完成训练后得到的水库入口处天然河道图片特征点和入库流量、电站取水口图片特征点和取水口水位与发电引用流量、各闸门图片和各闸门开度数据之间的相关性关系；s33：当有新的水库入口处天然河道图片和电站取水口图片样本输入模型推理平台的神经网络时，网络经过前向计算，进行特征点检测，并对特征点进行描述，根据与样本特征点的匹配程度，得到对应的入库流量、取水口水位、发电引用流量，以及对应的各闸门开度；s34：根据模型推理平台继承模型训练平台的入库流量、取水口水位、发电引用流量和各闸门开度之间的相关性关系，获得与这一组图片样本对应的各闸门开度数据；s35：利用神经网络将对应的各闸门开度数据推送至scada系统(plc)；s36：scada系统(plc)获取对应闸门的开度数据后，执行相应闸门的启闭动作。10.根据权利要求9所述的基于深度神经网络并用于水电站闸门控制方法，其特征在于，所述步骤s3还包括：s37：神经网络在闸门启闭过程前后对控制目标进行识别，对神经网络的参数进行优化。

技术总结
本发明公开了一种基于深度学习的水电站闸门控制方法及系统，方法包括：1)利用深度神经网络训练，找出水库水位、发电引用流量、入库流量等和各闸门开度之间两组高维数据之间的相关性关系；2)在完成对电站水库特定区域视觉图像进行识别和特征抽取后，通过高维数据之间的相关性关系，建立水库各特定区域图像特征点之间的相关性关系；3)将这些图像特征点之间的相关性关系应用于水电站大坝闸门的控制。本发明解决由于传感器环境适应性差、信号传输干扰、断线等原因，以及需要考虑河道当前和预测来水量、当前和预测发电引用流量等诸多因素，PLC闸门控制逻辑十分复杂且不可靠、需要借助人类对视觉处理的优势来弥补其可靠性不足的问题。问题。问题。


技术研发人员：陈迅 罗琪 黄进 王敏 赵栋栋
受保护的技术使用者：北京智信恒瑞科技股份有限公司
技术研发日：2021.06.22
技术公布日：2021/9/13