WaterStrategy
中国人
中国人
  • WaterStrategy 文档
  • 支持
  • 入门
    • 创建账户
    • 登录
    • 界面之旅
    • 创建新项目和网络
    • 共享项目和网络
    • 导出和导入模型
    • 处理模型错误
    • 上传外部数据
  • 建模基础知识
    • 水资源系统建模?
    • 什么是 Pywr?
    • Pywr 概念
    • 节点类型
      • 水输入
        • 输入节点
        • 集水节点
        • 比例输入节点
      • 水上运输
        • Link Node
        • 河流节点
        • 延迟节点
        • RiverSplit Node
        • RiverSplitWithGauge Node
        • 河池节点
        • BreakLink Node
        • PiecewiseLink Node
        • MultiSplitLink Node
      • 储水
        • Storage Node
        • 水库节点
        • VirtualStorage Node
        • 滚动虚拟存储节点
        • 年度虚拟存储节点
        • 季节性虚拟存储节点
        • 聚合存储节点
      • 水产量
        • 输出节点
        • 损失 Link Node
      • 水电
        • 涡轮节点
      • 其他
        • 聚合节点
    • 分配罚款
    • 场景
      • WaterStrategy 场景
      • Pywr 场景
        • 参数和 pywr 场景集成
    • 参数
      • 基本参数类
        • 参数
        • 索引参数
      • 简单参数
        • 常数
        • 常量场景参数
        • 常量场景索引参数
      • 组合多个参数
        • 聚合参数
        • 聚合索引参数
        • 分区参数
        • 负参数
        • 最大参数
        • 负的最大参数
        • 最小参数
        • 负的最小参数
        • 偏移量参数
      • 时间序列和概况
        • 每日简介
        • 每周简介
        • 每月概况
        • 统一提款概况
        • 场景每日概况
        • 场景每周简介
        • 场景月度概况
        • 数组索引情景月度因子
        • RBF 简介
      • DataFrame 参数
      • HDF5 参数
      • 基于数组的参数
        • 数组索引参数
        • 数组索引场景参数
        • 索引数组参数
      • 阈值参数
        • 抽象阈值
        • 存储阈值
        • 节点阈值
        • 参数阈值
        • 录音机阈值
        • 本年度阈值
        • 当前序数天阈值
      • 插值参数
        • 插值参数
        • 插值正交
        • 插值流
        • 插值音量
      • 控制曲线参数
        • 基本控制曲线
        • 控制曲线插值参数
        • 控制曲线分段插值参数
        • 控制曲线索引参数
      • 水力发电参数
      • 其他
        • 年度谐波系列参数
        • 赤字参数
        • 场景包装器参数
        • 分段积分参数
        • 流量参数
        • 流量延迟参数
        • 折扣系数参数
    • 录音机
      • 基础录音机
        • 录音机
        • 节点记录器
        • 存储记录器
        • 参数记录器
        • 索引参数记录器
        • 聚合器
      • Numpy 数组记录器
        • Numpy 数组节点记录器
        • Numpy 数组存储记录器
        • Numpy 数组电平记录器
        • Numpy 数组区域记录器
        • Numpy 数组参数记录器
        • Numpy 数组索引参数记录器
        • Numpy 数组每日配置文件参数记录器
      • 流量持续时间曲线记录器
        • 流量持续时间曲线记录器
        • 存储时长曲线记录器
        • 流量持续时间曲线偏差记录器
        • 季节性流量持续时间曲线记录器
      • 赤字记录器
        • Numpy 数组节点缺陷记录器
        • Numpy 数组节点提供的比率记录器
        • Numpy 数组节点缩减比率记录器
        • 总赤字节点记录器
        • 赤字频率节点记录器
      • 统计记录器
        • 聚合记录器
        • 平均流量节点记录器
        • 总流量节点记录器
        • 年度总流量记录器
        • 平均参数记录器
        • 总参数记录器
        • 滚动平均流量节点记录器
        • 最低容量存储记录器
        • 最低阈值容量存储记录器
        • 时间步长计数索引参数记录器
        • 年度计数指数阈值记录器
        • 滚动窗口参数记录器
      • 索引记录器
        • 年度计数指数参数记录器
      • 文件记录器
        • CSV 记录器
        • 表格记录器
      • 水力发电记录器
        • 水力发电记录器
        • 总水电能量记录器
  • 应用建模
    • 水库和存储节点
  • 教程
    • 创建和运行一个简单的模型
      • 创建和运行模型
        • 设置项目和网络
        • 添加节点和链接(边)
        • 向节点添加数据
        • 设定时间范围
        • 运行模型并可视化其输出
        • 创建新场景
        • 运动
      • 对模型进行更改
        • 添加水库
        • 添加基本操作规则
    • 对流域储层系统进行建模
      • 创建新项目和网络
      • 添加水坝(水库)
      • 添加需求
      • 添加有亏损的水处理工程
      • 添加代表地下水的来源
      • 其他练习
      • 添加水库测深、蒸发和降雨量
        • 水库蒸发和降水的背景
        • 添加水库测深(区域)
        • 添加水库测深(等级)
        • 添加每月蒸发量和降雨量
      • 使用分配罚款和控制规则来平衡来源
      • 控制曲线和需求节约
        • 增加油藏控制曲线和需求节约(减少)
    • 使用分配罚款来分配用水
    • PyWR 场景读取外部 DataFrame 并添加自定义规则
      • 上传文件
      • 读取 CSV 数据框
      • 运行 pywr 场景
      • 为 pywr 场景读取 h5 DataFrame
      • 创建自定义规则-TranscientDesicionParameter
Powered by GitBook
On this page

Was this helpful?

Export as PDF
  1. 建模基础知识

什么是 Pywr?


description: 为了建立 “数字双胞胎”(计算机模拟器),WaterStrategy 使用 Pywr(“Python 水资源”)。


什么是 Pywr?

Pywr 是一个免费的开源 Python 语言软件库,允许构建高质量(详细和准确)的水资源系统仿真模型。

Pywr 模型可以在您的计算机上快速运行,如果是 WaterStrategy,则可以在云端快速运行。它们可以代表小型水资源系统,例如城市的供水系统,也可以代表非常大的水资源系统,例如横跨多个国家的河流流域,拥有数百名用水者和基础设施资产。Pywr 可以在不同的时间步长(从每天到每月)模拟短期(例如几个月)或更长的周期(如 100 年)。

以下是 Pywr 建模过程的摘要:

1\。设置模型

首先,需要空间水系地图以及相关的水文和用水需求数据。WaterStrategy 可帮助您创建此网络地图,其中包含水进入系统(“流入”)、用水地点(“用水需求”)以及水资源管理地点(基础设施位置)的所有地点(“节点”)。这些节点形成由河流、运河或管道连接的网络(Pywr 称这些为 “链接” 或 “边缘”)。设置网络地图后,即可提供供水和需求数据(通常为时间序列)。

2\。运行模拟

输入所有数据(包括时间步长和时间范围)后,模型就可以进行仿真了(即逐步穿越时间并在整个系统中进行水资源核算)。在每个时间步开始时,计算机首先向所有流入地点注水,然后将这些水输送到管网并分配到不同的用水需求和基础设施位置。该分配过程使用一种称为线性编程的计算技术来执行。一个时间步完成后,模型会更新存储空间,记录哪些地点有多少水,然后继续到下一个时间步长,直到模拟时间跨度结束。

每个用水需求节点都被分配了一个优先级,以表示模型中的水资源分配。每个节点都有相关的惩罚,分配算法在整个网络中分配水,以最大限度地减少总体损失。这种简单的方法允许进行快速且可维护的模拟,可以灵活地表示详细而现实的水管理规则。

3\。查看结果

模型输出包括有多少水进入每个地点(节点),以及每个时间步中有多少水储存、消耗或流过该地点(节点)。这可以跟踪基础设施的使用情况,以及城市、生态系统、灌溉区、发电厂等是否有足够的水。研究结果详细说明了水资源管理系统的运作方式以及水资源收益的分配情况。

最初,模型的参数化很差,产生的预测不准确(“垃圾进入,垃圾流出” 阶段)。但是,随着时间的推移,随着模型的改进(“校准”),它可以成为帮助运营或规划供水系统的有价值的数字双胞胎。该工具可帮助您的组织快速而廉价地评估未来潜在水资源变化和干预措施的影响,并做出正确的决策。

祝你好运!

Previous水资源系统建模?NextPywr 概念

Last updated 6 months ago

Was this helpful?