本发明涉及动态渠系配水领域，更具体地说，涉及一种基于实时需水量变化的动态渠系配水方法及系统。
背景技术：
1、灌区输配水由干、支、斗、农、毛五级渠系构成，灌溉方式包括轮灌和续灌，不同的灌溉方式组合成具体的输配水方式，具体可分为：从上至下灌溉、从下至上灌溉、组间续灌组内轮灌、组间轮灌组内续灌、轮灌五种方式。目前，大多数灌区仍然采用经验配水法，即凭借管理经验确定渠系的水量分配。这种方法无法实现精准配水，经常出现配水时间长、水资源浪费等问题。
2、渠系配水是灌区灌溉的一个重要组成部分。渠系优化配水是减少渠系渗漏损失、提高水利用系数、保障作物产量的关键。现有的方法通过建立不同的优化目标，如渠道输水损失最小、水位变化均匀等，将智能优化算法引入到渠系配水中。虽然现有方案关注到了实时作物需水量，但是仍然将其定义为静态优化过程。作物需水量易受天气、土壤条件等影响，在需水量及上游来水量发生变化时，当前配水方案可能变为次优方案。
技术实现思路
1、本发明的目的在于，提供一种基于实时需水量变化的动态渠系配水方法及系统，能满足环境变化后的水供需平衡，提高水利用率。
2、本发明解决其技术问题所采用的技术方案是提供一种基于实时需水量变化的动态渠系配水方法，包括以下步骤：s1、构建渠系调度模型，对渠系调度模型进行求解，得到初始配水方案；s2、计算当前时段的理想状态作物需水量、实时需水量，根据当前配水方案、理想状态作物需水量和实时需水量，进行方案动态优化，得到实时配水方案。
3、进一步地，上述的基于实时需水量变化的动态渠系配水方法的步骤s1具体包括以下步骤：
4、s11、构建渠系调度模型，渠系调度模型包括决策变量、目标函数和约束条件；决策变量包括各下级渠道渠首配水流量、各下级渠道渠首配水时间，目标函数包括最小化配水结束后下级子灌区缺水量和最小化输水损失，约束条件包括渠道输水能力约束、水量约束、时间约束、非负约束，如公式：
5、(1)目标函数：
6、
7、minwl＝min(wu+wd)
8、m＝ceil(t/s)
9、wu＝0.01βuauqu1-mluδt
10、wd＝0.01βdadqd1-mldδt
11、(2)约束条件：
12、1)渠道输水能力约束：
13、jqs≤qj≤αqs
14、2)水量约束：
15、
16、
17、3)时间约束：0≤tji≤s
18、4)非负约束：qji≥0
19、其中，min()表示最小化目标，ws为配水结束后下级子灌区缺水量，n为下级渠道的数量，wj为第j条下级渠道的需水量，m为灌水时段数量，qji为第j条渠道在第i时段的渠首配水流量，tji为第j条渠道在第i时段的配水时间，wl为输水损失，wu为上级渠道输水水量损失，wd为下级渠道输水水量损失，ceil()为浮点向上取整函数，t为灌水轮期，s为灌水时段长；qu为上级渠道的输水流量，lu为上级渠道的渠道长度，au、m、βu分别为上级渠道的的渠床土壤透水系数、指数和渗漏水量折减系数，qd为上级渠道的输水流量，ld为上级渠道的渠道长度，ad、m、βd分别为上级渠道的的渠床土壤透水系数、指数和渗漏水量折减系数，δt为灌水时长；qs为渠道设计流量，j为最小流量折减系数，qj为第j条下级渠道的配水量，α为加大流量系数；为i时刻的上级渠道引水量，ti为上级渠道在第i时段的配水时间，wo为来水量；
20、s12、利用遗传算法，对渠系调度模型进行求解，得到初始配水方案。
21、进一步地，上述的基于实时需水量变化的动态渠系配水方法的最小流量折减系数j为0.8、加大流量系数α为1.2。
22、进一步地，上述的基于实时需水量变化的动态渠系配水方法的步骤s12具体包括以下步骤：s121、根据决策变量，构建遗传算法的初始群体的编码结构，对遗传算法的种群进行初始化，得到生成的种群，如公式：
23、
24、其中，particle表示生成的种群的个体，每个个体表示一种解决方案；αji表示第j条下级渠道在第i时段配水流量qji与设计流量qs的比值，tji表示第j条下级渠道在第i时段的配水时间，n为下级渠道的数量，m为灌水时段数量；s122、构建适应度函数，如公式：
25、
26、其中，fit(particle)为适应度函数，q为配水总量，α为前后两项的权重，ws为配水结束后下级子灌区缺水量，wl为输水损失；s123、根据适应度函数，计算已经生成的种群中的每个个体的适应度；s124、根据已经生成的种群中的每个个体的适应度，选择适应度高于预设数值的个体作为为遗传算法的父代；s125、根据预设的交叉概率及交叉规则，将父代中的个体进行随机配对，进行交叉运算，生成新的个体；s126、根据预设的变异概率及变异规则，对父代进行变异操作，生成新的个体；s127、根据适应度函数，重新计算种群中的每个个体的适应度，得到新的种群；s128、根据预设的结束条件进行判断，当满足结束条件时，停止计算；当不满足结束条件时，返回步骤s124；根据新的种群得到初始配水方案；以初始配水方案作为当前配水方案。
27、进一步地，上述的基于实时需水量变化的动态渠系配水方法的交叉概率为0.40～0.99之间；交叉规则为均匀算术交叉方法。
28、进一步地，上述的基于实时需水量变化的动态渠系配水方法的变异概率为0.0001～0.1之间；变异规则为非均匀变异方法；结束条件为设定轮数超参，到达设定轮数停止。
29、进一步地，上述的基于实时需水量变化的动态渠系配水方法的步骤s2具体包括以下步骤：s21、获取初始需水量与灌溉水量，根据初始需水量与灌溉水量，计算当前时段的理想状态作物需水量；获取环境参数，根据所环境参数，计算实时需水量；s22、若当前时段的理想状态作物需水量和实时需水量的差值小于预设误差值，以当前配水方案作为实时配水方案；若当前时段的理想状态作物需水量和实时需水量的差值不小于预设误差值，进行方案动态优化，得到实时配水方案。
30、进一步地，上述的基于实时需水量变化的动态渠系配水方法的步骤s21具体包括以下步骤：s211、获取初始需水量与灌溉水量，根据初始需水量与灌溉水量计算当前时段的理想状态作物需水量，如公式所示：
31、
32、其中，为第j条下级渠道在执行到第k个方案时的理想状态作物需水量，wj为第j条下级渠道的初始需水量，t为灌水时段的数量，qkji为在第k个方案下第j条下级渠道在第i个时段的渠首配水量，tkji为第k个方案下第j条渠道在第i个时段的配水时间，wkj为第j条下级渠道在执行到第k个方案时的下级需水量，可通过wk-1j与当前方案执行中的灌溉水量得到；s212、获取环境参数，根据环境参数，计算实时需水量，如公式所示：
33、wi＝(θ1-θ0)d×h
34、
35、其中，wi表示第i种作物的灌溉水量，θ1表示目标土壤水分含量，θ0表示当前土壤水分含量，d表示根系深度，h表示有效灌溉深度系数，wj*表示第j条渠道在第*时段结束后的需水量，si表示第i种作物的种植面积，s表示作物的种类数，η水表示灌溉水利用系数；环境参数包括目标土壤水分含量、当前土壤水分含量、根系深度、有效灌溉深度系数、作物的种植面积、作物的种类数、灌溉水利用系数。
36、进一步地，上述的基于实时需水量变化的动态渠系配水方法的步骤s22中进行方案动态优化，得到实时配水方案，具体包括以下步骤：s221、获取来水量，根据来水量、实时需水量进行变量更新，变量包括需水量、来水量、配水时间；s222、利用遗传算法，使用当前配水方案及对应种群进行初始化，以当前配水方案作为当前最优解，以当前最优解所在的一代种群作为群体初始化方案，如公式：
37、
38、其中，particle表示当前种群的个体，每个个体表示一种解决方案；αji表示第j条下级渠道在第i时段配水流量qji与设计流量qs的比值，t表示第t时段的配水时间，n为下级渠道的数量，m为灌水时段数量；s223、利用遗传算法，对渠系调度模型进行求解，得到新的配水方案；s224、若新的配水方案的水损失量小于当前配水方案的水损失量，且灌溉后新的配水方案的下级缺水量小于当前配水方案的下级缺水量，则以新的配水方案作为实时配水方案；否则，以当前配水方案作为实时配水方案，如公式所示：
39、
40、
41、其中，wsk为第k个方案的下级缺水量，min()表示最小化目标，wjt表示第j条渠道在第t时段结束后的需水量，n为下级渠道的数量，m为灌水时段数量，qjik表示在第k个方案下第j条下级渠道在第i个时段的渠首配水量，tjik表示第k个方案下第j条渠道在第i个时段的配水时段，wlk为第k个方案的水损失量，wuk为第k个方案的上级渠道输水水量损失，wdk为第k个方案的下级渠道输水水量损失。
42、本发明还提供一种基于实时需水量变化的动态渠系配水系统，包括模型构建模块和模型优化模块；模型构建模块，用于：构建渠系调度模型，对渠系调度模型进行求解，得到初始配水方案，具体包括：构建渠系调度模型，渠系调度模型包括决策变量、目标函数和约束条件；决策变量包括各下级渠道渠首配水流量、各下级渠道渠首配水时间，目标函数包括最小化配水结束后下级子灌区缺水量和最小化输水损失，约束条件包括渠道输水能力约束、水量约束、时间约束、非负约束，如公式：
43、(1)目标函数：
44、
45、minwl＝min(wu+wd)
46、m＝ceil(t/s)
47、wu＝0.01βuauqu1-mluδt
48、wd＝0.01βdadqd1-mldδt
49、(2)约束条件：
50、1)渠道输水能力约束：
51、jqs≤qj≤αqs
52、2)水量约束：
53、
54、
55、3)时间约束：0≤tji≤s
56、4)非负约束：qji≥0
57、其中，min()表示最小化目标，ws为配水结束后下级子灌区缺水量，n为下级渠道的数量，wj为第j条下级渠道的需水量，m为灌水时段数量，qji为第j条渠道在第i时段的渠首配水流量，tji为第j条渠道在第i时段的配水时间，wl为输水损失，wu为上级渠道输水水量损失，wd为下级渠道输水水量损失，ceil()为浮点向上取整函数，t为灌水轮期，s为灌水时段长；qu为上级渠道的输水流量，lu为上级渠道的渠道长度，au、m、βu分别为上级渠道的的渠床土壤透水系数、指数和渗漏水量折减系数，qd为上级渠道的输水流量，ld为上级渠道的渠道长度，ad、m、βd分别为上级渠道的的渠床土壤透水系数、指数和渗漏水量折减系数，δt为灌水时长；qs为渠道设计流量，j为最小流量折减系数，qj为第j条下级渠道的配水量，α为加大流量系数；为i时刻的上级渠道引水量，ti为上级渠道在第i时段的配水时间，wo为来水量；
58、利用遗传算法，对渠系调度模型进行求解，得到初始配水方案，具体包括：根据决策变量，构建遗传算法的初始群体的编码结构，对遗传算法的种群进行初始化，得到生成的种群，如公式：
59、
60、其中，particle表示生成的种群的个体，每个个体表示一种解决方案；αji表示第j条下级渠道在第i时段配水流量qji与设计流量qs的比值，tji表示第j条下级渠道在第i时段的配水时间，n为下级渠道的数量，m为灌水时段数量；构建适应度函数，如公式：
61、
62、其中，fit(particle)为适应度函数，q为配水总量，α为前后两项的权重，ws为配水结束后下级子灌区缺水量，wl为输水损失；根据适应度函数，计算已经生成的种群中的每个个体的适应度；根据已经生成的种群中的每个个体的适应度，选择适应度高于预设数值的个体作为为遗传算法的父代；根据预设的交叉概率及交叉规则，将父代中的个体进行随机配对，进行交叉运算，生成新的个体；根据预设的变异概率及变异规则，对父代进行变异操作，生成新的个体；根据适应度函数，重新计算种群中的每个个体的适应度，得到新的种群；
63、根据预设的结束条件进行判断，当满足结束条件时，停止计算；当不满足结束条件时，根据已经生成的种群中的每个个体的适应度，选择适应度高于预设数值的个体作为为遗传算法的父代；根据预设的交叉概率及交叉规则，将父代中的个体进行随机配对，进行交叉运算，生成新的个体；根据预设的变异概率及变异规则，对父代进行变异操作，生成新的个体；根据适应度函数，重新计算种群中的每个个体的适应度，得到新的种群；根据预设的结束条件进行判断，当满足结束条件时，停止计算；当不满足结束条件时，继续重复前述操作，直到满足条件；
64、根据新的种群得到初始配水方案；以初始配水方案作为当前配水方案；
65、模型优化模块，用于：计算当前时段的理想状态作物需水量、实时需水量，根据当前配水方案、理想状态作物需水量和实时需水量，进行方案动态优化，得到实时配水方案。
66、进一步地，上述的一种基于实时需水量变化的动态渠系配水系统的模型优化模块，还用于：获取初始需水量与灌溉水量，根据初始需水量与灌溉水量，计算当前时段的理想状态作物需水量；获取环境参数，根据所环境参数，计算实时需水量；若当前时段的理想状态作物需水量和实时需水量的差值小于预设误差值，以当前配水方案作为实时配水方案；若当前时段的理想状态作物需水量和实时需水量的差值不小于预设误差值，进行方案动态优化，得到实时配水方案。
67、进一步地，上述的一种基于实时需水量变化的动态渠系配水系统的模型优化模块，还用于：获取初始需水量与灌溉水量，根据初始需水量与灌溉水量计算当前时段的理想状态作物需水量，如公式所示：
68、
69、其中，为第j条下级渠道在执行到第k个方案时的理想状态作物需水量，wj为第j条下级渠道的初始需水量，t为灌水时段的数量，qkji为在第k个方案下第j条下级渠道在第i个时段的渠首配水量，tkji为第k个方案下第j条渠道在第i个时段的配水时间，wkj为第j条下级渠道在执行到第k个方案时的下级需水量，可通过wk-1j与当前方案执行中的灌溉水量得到；获取环境参数，根据环境参数，计算实时需水量，如公式所示：
70、wi＝(θ1-θ0)d×h
71、
72、其中，wi表示第i种作物的灌溉水量，θ1表示目标土壤水分含量，θ0表示当前土壤水分含量，d表示根系深度，h表示有效灌溉深度系数，wj*表示第j条渠道在第*时段结束后的需水量，si表示第i种作物的种植面积，s表示作物的种类数，η水表示灌溉水利用系数；环境参数包括目标土壤水分含量、当前土壤水分含量、根系深度、有效灌溉深度系数、作物的种植面积、作物的种类数、灌溉水利用系数。
73、进一步地，上述的一种基于实时需水量变化的动态渠系配水系统的模型优化模块，还用于：获取来水量，根据来水量、实时需水量进行变量更新，变量包括需水量、来水量、配水时间；利用遗传算法，使用当前配水方案及对应种群进行初始化，以当前配水方案作为当前最优解，以当前最优解所在的一代种群作为群体初始化方案，如公式：
74、
75、其中，particle表示当前种群的个体，每个个体表示一种解决方案；αji表示第j条下级渠道在第i时段配水流量qji与设计流量qs的比值，t表示第t时段的配水时间，n为下级渠道的数量，m为灌水时段数量；利用遗传算法，对渠系调度模型进行求解，得到新的配水方案；若新的配水方案的水损失量小于当前配水方案的水损失量，且灌溉后新的配水方案的下级缺水量小于当前配水方案的下级缺水量，则以新的配水方案作为实时配水方案；否则，以当前配水方案作为实时配水方案，如公式所示：
76、
77、
78、其中，wsk为第k个方案的下级缺水量，min()表示最小化目标，wjt表示第j条渠道在第t时段结束后的需水量，n为下级渠道的数量，m为灌水时段数量，qjik表示在第k个方案下第j条下级渠道在第i个时段的渠首配水量，tjik表示第k个方案下第j条渠道在第i个时段的配水时段，wlk为第k个方案的水损失量，wuk为第k个方案的上级渠道输水水量损失，wdk为第k个方案的下级渠道输水水量损失。
79、实施本发明提供的基于实时需水量变化的动态渠系配水方法及系统，具有以下有益效果：
80、考虑到灌溉过程的持续性，以及需水量、来水量、降雨等信息的动态变化特征，以水损失量最小、配水结束后下级缺水量最少为目标建立初始的优化模型，并使用遗传算法求解初始配水方案；在环境发生变化时，即理想状态下的作物需水量与实际作物需水量不匹配时，进行配水方案动态修改；配水方案的修改采用遗传算法求解，以当前方案及对应种群作为初始化编码，减少迭代次数，使算法能够快速收敛，得到新方案后，与当前方案进行比较，假如新方案优于当前方案，即水量损失减少、配水后缺失水量减少，则进行方案更新，满足环境变化后的水供需平衡，减少水量损失，从而提高水利用率，达到减少水资源浪费的效果。
1.一种基于实时需水量变化的动态渠系配水方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于实时需水量变化的动态渠系配水方法，其特征在于，步骤s1具体包括以下步骤：
3.根据权利要求2所述的一种基于实时需水量变化的动态渠系配水方法，其特征在于，步骤s12具体包括以下步骤：
4.根据权利要求3所述的一种基于实时需水量变化的动态渠系配水方法，其特征在于，步骤s2具体包括以下步骤：
5.根据权利要求4所述的一种基于实时需水量变化的动态渠系配水方法，其特征在于，步骤s21具体包括以下步骤：
6.根据权利要求5所述的一种基于实时需水量变化的动态渠系配水方法，其特征在于，步骤s22中所述进行方案动态优化，得到实时配水方案，具体包括以下步骤：
7.一种基于实时需水量变化的动态渠系配水系统，其特征在于，所述系统包括模型构建模块和模型优化模块；
8.根据权利要求7所述的一种基于实时需水量变化的动态渠系配水系统，其特征在于，所述模型优化模块，还用于：
9.根据权利要求8所述的一种基于实时需水量变化的动态渠系配水系统，其特征在于，所述模型优化模块，还用于：
10.根据权利要求9所述的一种基于实时需水量变化的动态渠系配水系统，其特征在于，所述模型优化模块，还用于：
