本發明主要涉及數據處理,尤其涉及一種基于數字孿生的智能水利預警方法及系統。
背景技術:
1、水利設施是經濟基礎設施的重要組成部分,在防洪安全、水資源合理利用,生態環境保護等方面具有不可替代的重要作用,對此,對于水利設施的預警顯得尤為重要。數字孿生是一種是反映實體的全生命周期過程的數字映射技術,其已逐漸應用于水利預警中。而在現有的水利預警方法中,由于洪水暴發具備隨機性,需對其進行不確定性分析,而目前主要通過非統計方法來進行不確定性分析,但該方法的誤差偏大,無法得到可靠的洪水暴發不確定性分析結果;同時目前的水利預警方法中缺乏對于匯流的演進分析,導致無法準確確定洪水暴發位置,并且對于水利設備所需承受的壓力也無法精準確定,使水利預警的可靠性達不到預期要求。同時現有的水利設備的抗壓性能僅僅通過結構參數進行分析,導致所得出的抗壓性能過于偏離實際情況,對水利預警的判斷造成了極大的影響。
技術實現思路
1、本發明的目的在于克服現有技術的不足,本發明提供了一種基于數字孿生的智能水利預警方法及系統,實現水利的及時預警和水利預警的智能化,使水利預警達到更為理想的效果。
2、為了解決上述技術問題,本發明提供了一種基于數字孿生的智能水利預警方法,所述方法包括:
3、采集水利設備的設備維護數據、流量數據和環境數據,并對所述設備維護數據、流量數據和環境數據進行預處理,獲得預處理后的設備維護數據、流量數據和環境數據;
4、基于預處理后的設備維護數據、流量數據和環境數據構建水利設備的孿生模型和推演模型;
5、基于預處理后的流量數據和環境數據進行洪水暴發不確定性分析,獲得洪水暴發不確定性分析結果;
6、基于預處理后的流量數據和環境數據結合所述孿生模型和推演模型進行匯流演進分析,獲得匯流演進分析結果;
7、基于所述洪水暴發不確定性分析結果和匯流演進分析結果確定洪水暴發位置,并確定水利設備在所述洪水暴發位置所需承受的壓力;
8、構建水利設備的結構有限元模型,基于應力分析結合所述結構有限元模型和預處理后的設備維護數據進行抗壓分析,獲得水利設備各區域的抗壓性能參數;
9、基于所述洪水暴發位置利用水利設備各區域的抗壓性能參數確定目標區域的抗壓性能參數,并將目標區域的抗壓性能參數與所需承受的壓力進行對比,獲得對比結果,基于所述對比結果判斷是否需要發出預警信息。
10、可選的,所述對所述設備維護數據、流量數據和環境數據進行預處理,獲得預處理后的設備維護數據、流量數據和環境數據,包括:
11、對所述設備維護數據、流量數據和環境數據進行異常值去除處理,獲得異常值去除處理后的設備維護數據、流量數據和環境數據;
12、對異常值去除處理后的設備維護數據、流量數據和環境數據進行標準化處理,獲得預處理后的設備維護數據、流量數據和環境數據。
13、可選的,所述基于預處理后的設備維護數據、流量數據和環境數據構建水利設備的孿生模型和推演模型,包括:
14、基于預處理后的流量數據和環境數據利用數字孿生數據庫構建水文水動力模型;
15、基于預處理后的設備維護數據、流量數據和環境數據利用融合算法構建水利設備邊界場,并基于所述水利設備邊界場和水文水動力模型構建孿生模型;
16、基于預處理后的設備維護數據進行隱患演化,獲得隱患演化信息,并基于所述隱患演化信息確定水利設備的可能失事分布;
17、基于預處理后的設備維護數據、流量數據和環境數據進行隱患后果推演,獲得隱患后果推演信息,并基于虛擬引擎利用水利設備的可能失事分布和隱患后果推演信息構建推演模型。
18、可選的,所述基于預處理后的流量數據和環境數據進行洪水暴發不確定性分析,獲得洪水暴發不確定性分析結果,包括:
19、獲取洪水暴發不確定性分析記錄數據集,并對所述洪水暴發不確定性分析記錄數據集進行數值化處理,獲得數值化洪水暴發不確定性分析記錄數據集;
20、基于所述數值化洪水暴發不確定性分析記錄數據集構建特征數據矩陣,并基于所述特征數據矩陣生成若干個洪水暴發影響因子;
21、基于若干個洪水暴發影響因子生成對應的洪水暴發影響特征值,并基于所述洪水暴發影響特征值對若干個洪水暴發影響因子進行關聯關系分析,獲得因子關聯關系;
22、基于所述因子關聯關系生成不確定性分析拓撲網絡,基于預處理后的流量數據和環境數據利用貝葉斯定理進行不確定性推導,獲得不確定性推導參數,并基于所述不確定性推導參數利用所述不確定性分析拓撲網絡進行洪水暴發不確定性分析,獲得洪水暴發不確定性分析結果。
23、可選的,所述基于預處理后的流量數據和環境數據結合所述孿生模型和推演模型進行匯流演進分析,獲得匯流演進分析結果,包括:
24、基于所述孿生模型結合預處理后的流量數據和環境數據生成水深-時刻網格矩陣;
25、基于所述推演模型結合預處理后的流量數據和環境數據生成匯流網格,對所述匯流網格進行鄰域迭代分析,獲得匯流流向;
26、基于所述水深-時刻網格矩陣和匯流流向結合元胞自動機進行匯流演進分析,獲得匯流演進分析結果。
27、可選的,所述基于所述洪水暴發不確定性分析結果和匯流演進分析結果確定洪水暴發位置,包括:
28、基于所述洪水暴發不確定性分析結果和匯流演進分析結果進行水位趨勢變化分析和水位序列顯著性分析,獲得水位趨勢變化信息和水位序列顯著性信息;
29、基于所述水位趨勢變化信息和水位序列顯著性信息結合水位預測模型確定洪水暴發位置。
30、可選的,所述確定水利設備在所述洪水暴發位置所需承受的壓力,包括:
31、獲取歷史承壓參數集合和歷史水利設備環境信息集合,對所述歷史承壓參數集合和歷史水利設備環境信息集合進行關聯性分析,獲得承壓相關性參數;
32、基于所述承壓相關性參數確定水利設備在所述洪水暴發位置所需承受的壓力。
33、可選的,所述構建水利設備的結構有限元模型,基于應力分析結合所述結構有限元模型和預處理后的設備維護數據進行抗壓分析,獲得水利設備各區域的抗壓性能參數,包括:
34、基于水利設備的結構參數利用有限元分析軟件構建水利設備的結構有限元模型;
35、基于所述結構有限元模型進行有限元靜力計算,獲得水利設備各區域的應力,并基于所述結構有限元模型進行自振特性分析,獲得自振特性信息;
36、基于水利設備各區域的應力和自振特性信息結合預處理后的設備維護數據進行位移響應和應力響應分析,獲得目標位移響應和目標應力響應,并基于所述目標位移響應和目標應力響應進行水利設備各區域的抗壓分析,獲得水利設備各區域的抗壓性能參數。
37、可選的,所述基于所述對比結果判斷是否需要發出預警信息,包括:
38、若目標區域的抗壓性能參數與所需承受的壓力之間的差值達到預設閾值區間,則發出預警信息。
39、另外,本發明還提供了一種基于數字孿生的智能水利預警系統,所述系統包括:
40、數據采集和預處理模塊:用于采集水利設備的設備維護數據、流量數據和環境數據,并對所述設備維護數據、流量數據和環境數據進行預處理,獲得預處理后的設備維護數據、流量數據和環境數據;
41、模型構建模塊:用于基于預處理后的設備維護數據、流量數據和環境數據構建水利設備的孿生模型和推演模型;
42、洪水暴發不確定性分析模塊:用于基于預處理后的流量數據和環境數據進行洪水暴發不確定性分析,獲得洪水暴發不確定性分析結果;
43、匯流演進分析模塊:用于基于預處理后的流量數據和環境數據結合所述孿生模型和推演模型進行匯流演進分析,獲得匯流演進分析結果;
44、洪水暴發位置和承壓確定模塊:用于基于所述洪水暴發不確定性分析結果和匯流演進分析結果確定洪水暴發位置,并確定水利設備在所述洪水暴發位置所需承受的壓力;
45、抗壓分析模塊:用于構建水利設備的結構有限元模型,基于應力分析結合所述結構有限元模型和預處理后的設備維護數據進行抗壓分析,獲得水利設備各區域的抗壓性能參數;
46、預警判斷模塊:用于基于所述洪水暴發位置利用水利設備各區域的抗壓性能參數確定目標區域的抗壓性能參數,并將目標區域的抗壓性能參數與所需承受的壓力進行對比,獲得對比結果,基于所述對比結果判斷是否需要發出預警信息。
47、在本發明實施例中,基于由預處理后的流量數據和環境數據生成的不確定性推導參數利用不確定性分析拓撲網絡進行洪水暴發不確定性分析,提高了洪水暴發不確定性分析的準確性,能夠更為有效且全面地量化洪水暴發的不確定性。基于由孿生模型結合預處理后的流量數據和環境數據所生成的水深-時刻網格矩陣和由推演模型結合預處理后的流量數據和環境數據所生成的匯流流向結合元胞自動機進行匯流演進分析,加入了匯流演進的分析,從而能夠達到動態的匯流的演進分析過程,匯流演進分析可以實現洪水暴發的突發性預警,避免水利預警的不及時。基于洪水暴發不確定性分析結果和匯流演進分析結果確定洪水暴發位置,并確定水利設備在所述洪水暴發位置所需承受的壓力,使最終確定的洪水暴發位置和所需承受的壓力更為準確,能夠實現高精度和高可靠性的水利預警。基于應力分析結合結構有限元模型和預處理后的設備維護數據進行抗壓分析,能夠更為全面且準確獲得水利設備各區域的抗壓性能參數,以此與水利設備所需承受的壓力進行對比,判斷是否需要發出預警信息,實現水利的及時預警和水利預警的智能化,使洪水預警達到更為理想的效果。