一种平原渠道测流设备及方法
| 专利类型 | 发明公开 | 法律事件 | 公开; 实质审查; 授权; |
| 专利有效性 | 有效专利 | 当前状态 | 授权 |
| 申请号 | CN202010494062.8 | 申请日 | 2020-06-03 |
| 公开(公告)号 | CN111551216A | 公开(公告)日 | 2020-08-18 |
| 申请人 | 中国科学院地理科学与资源研究所; | 申请人类型 | 科研院所 |
| 发明人 | 刘恩民; | 第一发明人 | 刘恩民 |
| 权利人 | 中国科学院地理科学与资源研究所 | 权利人类型 | 科研院所 |
| 当前权利人 | 中国科学院地理科学与资源研究所 | 当前权利人类型 | 科研院所 |
| 省份 | 当前专利权人所在省份：北京市 | 城市 | 当前专利权人所在城市：北京市朝阳区 |
| 具体地址 | 当前专利权人所在详细地址：北京市朝阳区大屯路甲11号 | 邮编 | 当前专利权人邮编：100000 |
| 主IPC国际分类 | G01F1/00 | 所有IPC国际分类 | G01F1/00 ; G01F23/28 ; G01F1/66 ; E02B1/00 ; E02B5/00 |
| 专利引用数量 | 15 | 专利被引用数量 | 0 |
| 专利权利要求数量 | 10 | 专利文献类型 | A |
| 专利代理机构 | 北京润捷智诚知识产权代理事务所 | 专利代理人 | 孙巍; |
| 摘要 | 本 发明 实施例 公开了一种平原渠道测流设备及方法，安装在渠道上，包括：监测设备和信息化智能平台；所述监测设备包括：雷达测流主站；上游 水 位站，所述上游水位站设置在所述雷达测流主站的上游；下游水位站，所述下游水位站设置在所述雷达测流主站的下游；所述信息化智能平台分别与所述雷达测流主站、上游水位站、下游水位站通讯连接，所述信息化智能平台用于采集所述雷达测流主站、上游水位站以及下游水位站监测到的数据并计算流量。本发明实施例具有当雷达测流进入盲区时，根据水位差计算流量，弥补雷达测流的 缺陷 的特点。 | ||
| 权利要求 | 1.一种平原渠道测流设备，安装在渠道上，其特征在于，包括：监测设备和信息化智能平台；所述监测设备包括： |
||
| 说明书全文 | 一种平原渠道测流设备及方法技术领域背景技术[0002] 平原沟渠测流是在沟渠首部设置测流装置对过水量进行监测。平原区沟渠坡降很缓，一般不能满足修建量水建筑物的条件，只能靠流速和水位的监测计算过水量。限于投资的因素，在比较小的支渠，流量的远程自动监测站多利用雷达探头进行流速、水位测定，是比较好的解决方案，非接触测量可避免水中杂物和淤积的干扰，且具有投资少和无需值守的优点。但雷达流速探头的启动流速较大(0.22m/s)，当流速小于启动流速，监测的流量为“零”，导致在流速缓慢时流量计算出现盲区，是这种雷达测流方法的缺陷。由于平原渠道，尤其是较小的支渠，兼有蓄水和输水的功能，流速缓慢的情况也会在水深的时候出现，如不能计算流量造成的误差会更大。 发明内容[0004] 为此，本发明实施例提供一种平原渠道测流设备及方法，以解决现有技术中由于雷达测流技术在流速缓慢时出现的的测流盲区问题。 [0005] 为了实现上述目的，本发明实施例提供如下技术方案： [0006] 根据本发明实施例的第一方面，提供一种平原渠道测流设备，安装在渠道上，包括：监测设备和信息化智能平台；所述监测设备包括： [0007] 雷达测流主站； [0008] 上游水位站，所述上游水位站设置在所述雷达测流主站的上游； [0009] 下游水位站，所述下游水位站设置在所述雷达测流主站的下游； [0010] 所述信息化智能平台分别与所述雷达测流主站、上游水位站、下游水位站通讯连接，所述信息化智能平台用于采集所述雷达测流主站、上游水位站以及下游水位站监测到的数据并计算流量。 [0012] 可选的，所述雷达测流主站设有依次连接的雷达探头、第二电缆管、第一采集与传输设备。 [0013] 可选的，所述信息化智能平台包括自动采集与上传模块、物联网数据库以及智能算法模块，所述物联网数据库分别与所述自动采集与上传模块和智能算法模块通讯连接，所述自动采集与上传模块分别与所述第一采集与传输设备、第二采集与传输设备通讯连接。 [0014] 可选的，所述自动采集与上传模块包括采集设备、物联网协议以及平台数据库，所述采集设备通过所述物联网协议将采集的监测数据传输至所述平台数据库。 [0016] 可选的，所述上游水位站与下游水位站之间的距离大于300m。 [0017] 可选的，所述雷达探头与水面的距离大于等于2m。 [0018] 可选的，所述雷达探头包括雷达多普勒流速探头和雷达水位探头，所述雷达探头包括多普勒流速探头和雷达水位探头。 [0019] 根据本发明实施例的第二方面，提供一种使用上述的平原渠道的测流设备的测流方法，包括如下步骤： [0020] a.当渠道内的水流为正常流速时，采用雷达多普勒流速探头和雷达水位探头分别监测流速和水位；第二采集与传输设备采集监测到的流速和水位并传输至自动采集与上传模块，自动采集与上传模块采集监测到的流速和水位并上传至物联网数据库，智能算法模块通过物联网数据库的数据计算出流量Q1； [0021] 按条件 C＝0引入SPSS拟合模块得出a、b； [0022] 其中，Q1i为由雷达测站的流速和水位计算得出的流量；Xi为上下游水位差；a、b为回归参数；c为常数； [0023] 同时通过第一压力式水位探头和第二压力式水位探头监测上、下游的水位；第一采集与传输设备采集监测到的流速和水位并传输至自动采集与上传模块，自动采集与上传模块采集监测到的流速和水位并上传至物联网数据库； [0024] b.每30分钟重复一次a步骤，渠道内的水流逐渐减小至启动流速，得到多组“流量-水位差”数据；智能算法模块跟踪数据变化实时进行回归分析，实时更新“流量-水位差”函数关系的参数； [0025] c.在雷达测速的盲区，根据上、下游水位站监测到的水位差以及当前水深，智能算法模块通过物联网数据库的数据，采用“流量-水位差”函数关系计算流量Q2； [0026] Q2＝aX2+bX+c [0027] 其中，Q2为雷达测流盲区时根据水位差计算的流量。 [0028] 本发明实施例具有如下优点： [0029] 本发明实施例结构简单、成本低、设计思路新颖，能够弥补雷达测流的盲区，从而提高测流精度，有利于在平原渠道的流量远程自动监测中推广应用。雷达测流存在盲区，导致在低流速情况下测流误差较大。本发明实施例提出在水流断面的上、下游增加水位站测定上下游水位的方法来计算低流速时的过流量，弥补了雷达测流的缺陷，在低成本前提下提高了测流的精度。本发明实施例的智能算法模块依靠雷达测流主站“实时自动”拟合回归参数，特点是每次雷达测流进入盲区时都是用最新的标定的“水位差-流量”关系进行计算，结果准确。附图说明 [0030] 为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。 [0031] 本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。 [0032] 图1为本发明实施例提供的一种平原渠道测流设备布局示意图； [0033] 图2为本发明实施例提供的一种平原渠道测流设备的信息化智能平台构成示意图； [0034] 图3为本发明实施例提供的一种平原渠道测流设备的雷达测流主站示意图； [0035] 图4为本发明实施例提供的一种平原渠道测流设备的水位站示意图； [0036] 图5为本发明实施例提供的一种平原渠道测流设备的智能算法模块各功能单元及相互关系示意图； [0037] 图6为本发明实施例提供的一种平原渠道测流设备的上下游水位高程差与流量关系回归曲线示意图； [0038] 图7为本发明实施例提供的一种平原渠道测流设备的雷达测站的水深及上下游水位差随时间变化的过程示意图； [0039] 图8为本发明实施例提供的一种平原渠道测流设备的有雷达实测数据的水位差-流量数据处理过程示意图； [0040] 图9为本发明实施例提供的一种平原渠道测流设备的小水位差情况下(雷达测流处于盲区，无雷达实测数据)的水位差-流量数据处理过程示意图； [0041] 图中：1-上游水位站；11-第一电缆管；12-第二采集与传输设备；13-砂石过滤槽；14-第一压力式水位探头；2-雷达测流主站；21-雷达探头；211-雷达多普勒流速探头；212-雷达水位探头；22-第一采集与传输设备；3-下游水位站；4-水面；5-渠道；6-信息化智能平台；61-自动采集与上传模块；62-物联网数据库；63-智能算法模块；631-跟踪学习单元； 632-历史数据分析单元；633-数据处理单元；7-水流断面。 具体实施方式[0042] 以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 [0043] 如图1至图9所示，本发明实施例提供一种平原渠道测流设备，安装在渠道5的侧壁上，包括：监测设备和智能化信息平台；监测设备包括： [0044] 雷达测流主站2； [0045] 上游水位站1，上游水位站1设置在雷达测流主站2的上游； [0046] 下游水位站3，下游水位站3设置在雷达测流主站2的下游； [0047] 信息化智能平台6分别与雷达测流主站2、上游水位站1、下游水位站3通讯连接，信息化智能平台6用于采集雷达测流主站2、上游水位站1以及下游水位站3监测到的数据并计算流量。 [0048] 本发明结构简单、成本低、设计思路新颖，能够提高雷达测流的测量精度，有利于在平原渠道的流量远程自动监测中推广应用。平原渠道雷达测流存在盲区，导致在低流速情况下测流误差较大。例如，当流速为0.15m/s、过水流断面7为1m2时，每天过水量约为3 7000m ，单靠雷达测流，这个流量是测不到的。针对这个问题，本发明提出在水流断面7的上、下游增加水位站测定上下游水位的方法来计算低流速时的过流量，弥补了雷达测流的缺陷，在低成本前提下提高了测流的准确度。 [0049] 而单靠上下游水位差来计算流量，虽然理论上存在关系，但有很大的局限性，“水位差-流量”关系不稳定，数据离散性很大。本发明的智能算法模块63依靠雷达测流主站2“实时自动”拟合回归参数，特点是每次雷达测流进入盲区时都是用最新的标定的“水位差-流量”关系进行计算，结果准确。 [0050] 作为本发明可选的一个实施例，如图3所示，雷达测流主站2设有雷达探头21，雷达探头21尽量靠近水面4，高于最高水位2m即可，有利于获得较好的雷达多普勒信号；横断面上看，探头应该尽量接近中心位置，确保获得最大表面流速。 [0051] 作为本发明可选的一个实施例，如图3所示，雷达探头21包括雷达多普勒流速探头211和雷达水位探头212，雷达探头21包括多普勒流速探头211和雷达水位探头212，可探测水面4流速和水位用于流量的计算；通过第一采集与传输设备22完成自动采集和上报。 [0052] 作为本发明可选的一个实施例，如图4所示，上游水位站1设有依次连接的第一压力式水位探头14、第一电缆管、第二采集与传输设备12；雷达测流主站2设有依次连接的雷达探头21、第二电缆管、第一采集与传输设备22；第一压力式水位探头14、第二压力式水位探头用于感知水深，并通过采集与传输设备12完成自动采集与上报，同步上报至信息化智能平台6的自动采集与上传模块61。第一压力式水位探头14、第二压力式水位探头埋设在渠道5边坡地面以下，不受水位冲刷和杂物堵塞的干扰；第一压力式水位探头14、第二压力式水位探头应低于渠底50cm，确保对最低水位的监测；沿渠道5边坡自第一压力式水位探头14、第二压力式水位探头向上有不小于100cm的砂石过滤槽13，砂石过滤槽13截面为40* 50cm，砂石过滤槽13的槽内填充砂石，透水性良好并有过滤作用，以确保对水位的感应；上、下游水位站用水准测量确定相对高程。 [0053] 作为本发明可选的一个实施例，如图2所示，信息化智能平台6包括自动采集与上传模块61、物联网数据库62以及智能算法模块63，物联网数据库62分别与自动采集与上传模块61和智能算法模块63通讯连接，自动采集与上传模块61分别与第一采集与传输设备22、第二采集与传输设备12通讯连接。 [0054] 作为本发明可选的一个实施例，自动采集与上传模块61包括采集设备、物联网协议以及平台数据库，采集设备远程对上游水位站1、下游水位站3以及雷达测流主站2监测到的数据进行同步采集，通过物联网协议传输至平台数据库。 [0055] 作为本发明可选的一个实施例，物联网数据库62用于监测数据的存储和访问服务，可被信息化智能平台6调用。 [0056] 作为本发明可选的一个实施例，如图4和图5所示，智能算法模块63包括跟踪学习单元631、历史数据分析单元632以及数据处理单元633；跟踪学习单元631是智能算法模块63的核心，实时跟踪雷达测流和上下游水位数据，自动学习功能可以根据实测数据实时计算得出“流量-水位差”的相关性参数。历史数据分析单元632的作用是对历史监测数据分析，确定不同水位情况下“流量-水位差”的定性关系。跟踪学习单元631通过对监测数据的跟踪，生成“流量-水位差”函数关系的参数。数据处理单元633根据当前雷达测流的状态和当前水深，选择不同的计算方法计算流量。 [0057] 作为本发明可选的一个实施例，如图1所示，上游水位站1与下游水位站3之间不能有泵站取水设施，可以有渠道5分叉，上游水位站1与下游水位站3之间的距离大于300m。 [0058] 如图1至图5所示，本发明实施例还提供一种使用上述的平原渠道的测流设备的测流方法，包括如下步骤： [0059] a.当渠道内的水流为正常流速时，采用雷达多普勒流速探头211和雷达水位探头212分别监测流速和水位；第二采集与传输设备12采集监测到的流速和水位并传输至自动采集与上传模块61，自动采集与上传模块61采集监测到的流速和水位并上传至物联网数据库62，智能算法模块63通过物联网数据库62的数据计算出流量Q1；具体地：跟踪学习单元 631实时跟踪雷达测流和上下游水位数据，自动学习功能根据实测数据实时计算得出“流量-水位差”的相关性参数。历史数据分析单元632确定不同水位情况下“流量-水位差”的定性关系。跟踪学习单元631通过对监测数据的跟踪，生成“流量-水位差”函数关系的参数。数据处理单元633根据当前雷达测流的状态和当前水深，进行状态识别，根据是否大于启动流速、深水、浅水、MR标记等不同状态，选择不同的计算方法计算流量； [0060] 按条件 C＝0引入SPSS拟合模块得出a、b；拟合条件的数据阵列随雷达测流数据不断更新，数据“0，0”代表水位差为零时流量也为零。回归参数a、b随雷达数据的更新而跟踪变化。 [0061] 其中，Q1i，单位m3/s，为由雷达测站的流速和水位计算得出的流量；Xi＝L1i-L2i，单位cm，L1i、L2i分别为上、下游水位站3测得的水位高程； [0062] 为上下游水位差；a、b为回归参数；c为常数； [0063] 同时通过第一压力式水位探头14和第二压力式水位探头监测上、下游的水位；第一采集与传输设备22采集监测到的流速和水位并传输至自动采集与上传模块61，自动采集与上传模块61采集监测到的流速和水位并上传至物联网数据库62； [0064] b.每30分钟重复一次a步骤，渠道内的水流逐渐减小至启动流速，得到多组“流量-水位差”数据；智能算法模块63跟踪数据变化实时进行回归分析，实时更新“流量-水位差”函数关系的参数； [0065] c.在雷达测速的盲区，根据上、下游水位站监测到的水位差以及当前水深，智能算法模块63通过物联网数据库62的数据，采用“流量-水位差”函数关系计算流量Q2； [0066] Q2＝aX2+bX+c [0067] 其中，Q2，单位m3/s，为雷达测流盲区时根据水位差计算的流量。 [0068] 具体地，如图7，图8所示，图中： [0069] H1，单位m，为雷达测站的水深； [0070] T，单位h，为监测记录距监测开始的时间，监测频度为半小时一次，此处选取部分记录说明计算处理过程； [0071] Q3，单位m3/s，本次引水过程尚无最新雷达测流数据时，如图7(1)中A-U，选用数据库内最近一次相同水深的回归参数计算的流量； [0072] Q，单位m3/s，经过分析整理后的测流结果； [0073] MR，递归计算和水位差复位标记，2位字符，M--0为正常、1为等待“递归”计算，R--0为正常、1为水位差回复到零。 [0074] 如图7(1)所示，归纳为“水位差复位-盲区-雷达实测-盲区-水位差复位”型，A-U、D-B为盲区，U-D为雷达正常测流区；如图7(2)所示，归纳为“水位差复位-盲区-水位差复位”型，渠道5引水量小，水位差逐渐增大，流速没有达到雷达多普勒流速探头211的启动流速，随后水位差逐渐归零，从A点到B点都运行在雷达盲区。 [0075] 如图7(1)的A-U段，图8(1)所示，水位差开始增大，但处于盲区，选用数据库内最近一次相同水深的回归参数计算的流量，同时将MR标记为“10”。 [0076] 水位差增大，开始进入U-D段，如图7(1)，图8(2)所示，流量Q直接采用雷达流量Q1，并自3次以上雷达测流数据开始，逐条计算出回归参数a、b；随后用最新获得的回归参数对前面的A-U段计算流量Q，简称为“递归算法”，并将MR标记为“00”。 [0077] 如图7(1)中D-B段、图8(2)所示，用数据表中最后一条记录的回归参数a、b计算流量Q2，并直接写入Q，这里“实时标定实时回归计算流量”。 [0078] 如图7(2)，图9(1)所示，整个测流位于盲区，选用数据库内最近一次相同水深的回归参数计算的流量，同时将MR标记为“10”；如图9(2)所示，当水位差再次复位时，对测流数据进行处理，使Q＝Q3，MR标记为“00”。 |
||
QQ群二维码
意见反馈
意见反馈