Page 12 - 2022年第53卷第3期
P. 12
参考条件 n1
参考站m1
启动时机 参考条件 n2
参考站m2
参考条件 n1
参考站m1
判断条件 参考条件 n2
参考站m2
防洪对象A1
水工程A 控泄
调度规则库
调度方式 控制方式 控蓄
补偿
水位
控制变量
流量
控制量值 双精度浮点数
防洪对象 A2
水工程 B
图 8 调度规则库原型示意
构建关键技术之一，其构建方法为：针对调度规则库和知识库，提取其中调度对象与调度知识之间
的逻辑化、数字化、结构化、智慧化的关系数据，构建调度规则解析应用关系模型，开发驱动该关
系模型（即调度引擎）的相关模型集，形成规则库调用、转移、升级、查询等一系列面向专业用户的
规则库搭建、编译、维护和应用工具集，实现对各调度对象涉及信息和运用规则的解析、扩展和应
用。
规则库维护
规则库调用 规则库可视化
可通过机器学习不断进化
开始 预报洪水过程
安全阈值
库 则 规
水库群启用
堤防超标准运用
排涝泵站 洲滩民垸
水工程联合
调度结果 规则维护和反馈
图 9 调度规则库关键引擎要素
图 9 示意了水工程调度规则库的调用、可视化以及规则库维护等关键引擎要素。
以防洪调度为例，“数据—识别—研判”模型的构建是防洪调度引擎的实现路径，防洪调度引擎
的构建步骤如下：
（1）基于调度规则的数字化和模型化，对调度节点数据结构中的映射关系进行数字化描述；
（2）采用统计识别、结构识别等方法进行聚类分析，对规则中的复杂数据关系进行特征抽取，得
到不同数据结构关系与库群协作组合方式间的映射模式；
（3）分析评价调度效果及工程后续综合利用能力等，对映射模式进行反馈修正，完成可持续改进
的“数据—识别—研判”闭合模型构建。
基于上述技术路线，研究采用 JAVA 语言编写开发了防洪调度引擎并封装为服务，实现了水工程
调度规则库的解析和应用两方面功能：（1）基于统一框架标准格式解析规则库内的调度信息，并存储
于模型计算类中，封装成相应的服务供应用模型调用；（2）根据水文预报信息实现流域防洪形势智能
研判，在此基础上进行调度影响关系和效果评估，基于不同主观偏好驱动调度规则库，实现水工程
联合调度运用模拟。
— 260 —
