买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利跨流域水资源系统协同调度与正-反双向耦合动态决策方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120317763B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510805202.1，技术领域涉及：G06Q10/0639；该发明授权跨流域水资源系统协同调度与正-反双向耦合动态决策方法及系统是由朱非林;侯添甜;朱鸥;赵灵琪;张璟;林妹艳;骆春华;钟平安设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本跨流域水资源系统协同调度与正-反双向耦合动态决策方法及系统在说明书摘要公布了：本发明属于水文水资源智能管理技术领域，公开了跨流域水资源系统协同调度与正‑反双向耦合动态决策方法及系统，方法包括：S1：构建多模态水利基础设施拓扑关系图谱，并进行双向传导优化；S2：基于所述多模态水利基础设施拓扑关系图谱和优化的双向传导，感知水文缺口风险态势与分析多源供水潜力耦合；S3：基于水文缺口风险态势与多源供水潜力耦合，生成弹性分级水量分配策略与跨工程置换协议；S4：基于弹性分级水量分配策略与跨工程置换协议，构建与优化“正‑反”双向预演决策引擎。本发明解决传统单向调度模型难以应对复杂拓扑关系、突发缺水事件及跨行政区域协同的技术难题。

本发明授权跨流域水资源系统协同调度与正-反双向耦合动态决策方法及系统在权利要求书中公布了：1.跨流域水资源系统协同调度与正-反双向耦合动态决策方法，其特征在于，所述方法包括： S1：构建多模态水利基础设施拓扑关系图谱，并进行双向传导优化； S2：基于所述多模态水利基础设施拓扑关系图谱和优化的双向传导，感知水文缺口风险态势与分析多源供水潜力耦合； S3：基于水文缺口风险态势与多源供水潜力耦合，生成弹性分级水量分配策略与跨工程置换协议； S4：基于弹性分级水量分配策略与跨工程置换协议，构建与优化“正-反”双向预演决策引擎； 所述S4中，基于弹性分级水量分配策略与跨工程置换协议，构建与优化“正-反”双向预演决策引擎，包括： S4.1：正向风险推演与目标量化； S4.2：反向调度预演与水权多准则非支配排序； 其中，所述S4.1中，正向风险推演与目标量化，包括： 风险形势模拟与工程蓄水量评估； 用户需水缺口熵值评估与调度目标量化； 所述S4.2中，反向调度预演与水权多准则非支配排序，包括; 约束条件反演与物理约束映射； 水权多准则非支配排序算法与非支配水权配置集生成； 风险形势模拟与工程蓄水量评估，包括： 通过水文模型和调度模型，模拟未来调度期内的水库蓄水量、河道流量、用户需水量关键指标； 根据模拟结果，生成工程蓄水量超限热力图，标注蓄水量超过设计库容的区域，计算公式为： 其中，为第时段位置处的蓄水量超限状态，为第时段位置的蓄水量，为位置的设计库容； 根据模拟结果，绘制用户需水缺口熵值空间分布图，标注高风险区域，计算公式为： 其中，、、分别为第时段位置的用户缺水率、用户 需水量、实际供水量； 用户需水缺口熵值评估与调度目标量化，包括： 其中，、分别为实际和目标的供水量或下泄流量； 约束条件反演与物理约束映射，包括： 根据实时数据和预测数据，动态调整工程的最小运行水位和最大提水能力， 计算公式为： 其中，为第时段的最小运行水位，为第时段的最大提水能力， 和为动态调整函数； 通过投影技术，将物理约束即最小运行水位和最大提水能力映射至可行解空 间，计算公式为： 其中，、分别为可行解和原始解，为物理约束集合； 水权多准则非支配排序算法与非支配水权配置集生成，包括： 通过水权多准则非支配排序算法，同步优化供水稳定性、下泄达标率、调度成本三项目 标；其中，供水稳定性：最小化供水波动，在调度时段长下，计算公式为： 其中，、分别为时段的实际和目标的供水量； 下泄达标率：最大化下泄流量达标率： 其中，为时段的下泄流量； 调度成本：最小化调度成本： 其中，、分别为时段的物理约束和总流量； 采用改进的多目标梦境优化算法即IMODOA输出非支配水权配置集；其中，在梦境优化算法DOA的基础上，融合动态遗忘维度调整、自适应权重调整、混合搜索策略、约束处理机制改进策略，获得改进的多目标梦境优化算法即IMODOA： 其中，探索阶段，迭代次数从0到： 动态遗忘维度调整：遗忘维度的数量随迭代次数动态调整： 其中，是第次迭代中的遗忘维度数量，为初始遗忘维度数量，是最大迭代 次数； 记忆策略：个体记住所在组的最优解： 其中，为第次迭代中组的最优解，成为第次迭代时个体的位置； 遗忘与补充策略：个体在遗忘维度上随机更新位置： 其中，为第次迭代中个体在维度的位置，为第次迭代中组的最优解 在维度的位置，和分别为维度的下限和上限，为当前迭代次数，是探索阶段的 最大迭代次数，分别表示在第1次、第2次…第次迭代时，遗忘维度中被选择 的维度索引； 梦境共享策略：个体在遗忘维度上随机获取其他个体的位置信息： 其中，、分别为第次、第次迭代中个体在维度的位置；为范围内 随机选择的自然数，表示个体索引； 开发阶段，迭代次数从到： 动态遗忘维度调整：遗忘维度的数量随迭代次数动态调整： 其中，是第次迭代中的遗忘维度数量，为初始遗忘维度数量； 记忆策略：个体记住整个种群的最优解： 其中，为第次迭代中整个种群的最优解，成为第次迭代时个体的位置； 遗忘与补充策略：个体在遗忘维度上随机更新位置： 其中，为第次迭代中整个种群的最优解在维度的位置； 自适应权重调整：根据目标函数的收敛情况，动态调整目标函数的权重： 其中，为第次迭代中目标函数的权重，为第次迭代中最优解的 目标函数值； 约束处理机制： 约束修正：对违反约束的解进行修正： 约束惩罚：对违反约束的解进行惩罚： 其中，为惩罚系数，为种群的最优解，为种群达到最优解时的惩罚函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。