CN101714193B - 面向河流生态系统保护的发电型水库调度函数优化方法 - Google Patents

Abstract

一种面向河流生态系统保护的发电型水库调度函数优化方法，首先将水库调度曲线和调度函数相结合，制定出水库调度规则，然后确定出量化河流水文情势扰动的方法以及水文情势扰动的阈值，并以水库调度发电量最大化为目标，运用遗传算法对调度函数的参数进行优化，在进行遗传算法适应度评价时，对水文情势扰动超出阈值范围的个体赋予低适应度值，以保证水文情势扰动在阈值范围的个体的生存，进而得出水文情势扰动在阈值范围之内的发电量最大的个体，即为能保证河流生态系统健康且发电量最大的水库调度函数。该发明能保证水库的运行不会造成河流生态系统的剧烈退化，并使水库的发电量最大化。

Description

面向河流生态系统保护的发电型水库调度函数优化方法

技术领域

本发明属于水资源保护和水资源管理领域，涉及一种发电型水库调度函数优化方法，尤其是面向河流生态系统保护的发电型水库调度函数优化方法。

背景技术

水库调度函数是指导水库运行调度的一项基本工具，制定合理的水库调度函数可以提高水库的社会经济效益并能有效的保护河流生态系统。制定水库调度函数的方法可以分为两类：直接法和间接法。直接法是先确定调度函数的形式，然后运用某种数学方法对调度函数的参数进行优化，将水库调度效益最大的参数值对应的调度函数作为最优的调度函数(KimTaesoon，Heo Jun-Haeng，Bae Deg-Hyo，Kim Jin-Hoon.Single-reservoir operating rules for a yearusing multiobjective genetic algorithm[J].Journal of Hydroinformatics，2008，10(2)：163-179)。间接法是先通过某种数学算法确定出水库不同时间最优的下泄水量，然后通过某种数学回归算法将水库入流量、水库水位等变量和最优的下泄水量进行回归，进而得出最优的水库调度函数(刘攀，郭生练，张文选，肖义，高仕春.梯级水库群联合优化调度函数研究[J].水科学进展，2007，18(16)：816-822)。现行的这两类水库调度函数优化方法都是以提高水库的供水和发电效益为目标，可有效的提高水库的社会经济效益，但并没有考虑河流生态系统保护的需求，会造成河流生态系统的退化。

发明内容

针对现有水库调度函数优化方法难以实现河流生态系统保护的问题，本发明要解决的技术问题是建立一种新的水库调度函数优化方法，基于此方法制定的水库调度函数能保证水库的运行不会造成河流生态系统的剧烈退化，并使水库运行的发电量最大化。

本发明解决这些技术问题所采用的技术方案如下：将水库调度曲线和调度函数相结合，制定出水库调度规则，使水库的调度规则更能够反映水库的入流特征，从而更容易维持河流自然的水文情势，然后确定出量化河流水文情势扰动的方法以及水文情势扰动的阈值，并以水库调度发电量最大化为目标，运用遗传算法对调度函数的参数进行优化，在进行遗传算法适应度评价时，对水文情势扰动超出阈值范围的个体赋予低适应度值，以保证水文情势扰动在阈值范围的个体的生存，进而得出水文情势扰动在阈值范围之内的发电量最大的个体，即为能保证河流生态系统健康且发电量最大的水库调度函数。其具体的步骤如下：

1.制定水库调度函数和水库调度曲线相结合的水库调度规则

运用水库汛期的汛限水位线、非汛期的正常高水位线(这两条曲线看作一条曲线)和死库容线，可将水库分为三个区域。当水库水位位于不同的区域时，水库水量下泄原则和发电原则不同，分别对这三个区域建立相应的调度规则。

①当汛期水位高于水库汛限水位，非汛期水位高于正常高水位时，水库应加大下泄流量，使水位下降到汛限水位或正常高水位，同时发电机组应加大出力。此时，水库调度函数可用下式表示：

$R_i=\mathrm{Min}(R_{\max },S_i+I_i-S_{i+1}^{\sup })---\left(1\right)$

式中：R_i是第i天水库下泄量(单位：m³)；R_max是水库允许日最大下泄量(单位：m³)；I_i是第i天水库入流量(单位：m³)；S_i是第i天水库起始库容量(单位：m³)；S_i+1 ^sup是第i天水库的汛限水位或正常高水位对应的库容量(单位：m³)。

②当水库水位低于死库容水位时，应减小下泄流量，使水位上升。为了使水位尽快上升，本发明令水库的下泄流量为零，此时因为水头较低，不适合发电，因此此时发电机组不运行，发电功率为零。

③当水库的水位在汛期的汛限水位线、非汛期的正常高水位线和死库容线之间时，建立以日为时间步长的调度函数，如式(2)所示：

$R_i=a_k{I}_i+b_k\frac{S_i-S^{\inf }}{M}+86400c_k---\left(2\right)$

式中M为参数，不同月的M值不同，分别等于各个月的天数；S^inf表示水库的死库容(单位m³)；a_k，b_k和c_k是参数，它们的下标k表示第k月，a_k，b_k，c_k值在各个月内保持不变。

2.确定优化参数的约束条件

为了保持河流的水文情势，随着入流量I_i增大，水库的出水量都应相应的变大，因此参数a_k应该大于零。当水库库容量S_i增大时，水库的出水量应相应的变大，因此参数b_k也应该大于零。为保证水库的出流量不小于零，这里c_k取不小于零的数值。当a_k≥1时，水库按照式(2)下泄，第k月水库的出流量总是大于入流量，会造成水库的泄空，另外，水库的出流量大于入流量(河流自然的径流量)，会造成河流水文情势的改变，因此本发明中a_k取小于1的数。当b_k≥M时，水库按照式(2)下泄，一天内水库的水量会降低到死库容，这与实际的水库调度不相符，因此水库b_k应小于M。为保持河流自然水文情势，86400c_k应小于历史最大水库日入流量I_max，另外86400_kc_k也应小于最大允许下泄流量R_max。综上所述，a_k，b_k和c_k的取值范围分别为：

0＜a_k＜1           (3)

0＜b_k＜M           (4)

0≤c_k＜min(I_max，R_max)/86400           (5)

3.确定量化河流水文情势扰动的方法以及水文情势扰动的阈值

本发明采用变化范围法(Range of Variability Approach，RVA)量化河流水文情势的扰动。该方法首先选取了32个具有重要生态意义的水文指标(表1)，再运用公式(6)确定各个指标的水文扰动程度D_m，然后求出这32个指标的水文情势扰动程度的算术平均值，作为总的河流水文情势扰动值D，并将0.67作为保证河流生态系统健康的河流水文情势扰动值D的阈值。

$D_m=\left|\frac{N_{a,m}-N_{b,m}}{N_{b,m}}\right|\×100\%---\left(6\right)$

式(6)中D_m是第m个水文指标的扰动程度；N_a，m是人为扰动后第m个水文指标的数值落在其目标变化范围的次数；N_b，m是人为扰动前该水文扰动指标的数值落在其目标变化范围的次数。

4.采用遗传算法确定最优的水库调度函数

本发明采用遗传算法，以水库的发电量最大化为目标，对水库的调度函数参数a_k，b_k和ck进行调整，在进行种群个体的适应度评价时，若河流水文情势扰动程度D超过阈值，令该个体的适应度为0，当扰动在阈值范围之内时，将实际发电量作为适应度值。从而保证遗传算法得出的最优个体产生的水文情势扰动在阈值范围之内，以保证河流生态系统的健康。并将水文扰动在阈值范围之内的发电量最大的个体对应的调度函数作为最优的水库调度函数。

本发明的优点在于将水库调度曲线和调度函数相结合，制定出水库调度规则，使水库的调度规则更能够反映水库的入流特征，从而更容易维持河流自然的水文情势，其次运用遗传算法对调度函数的参数进行优化时，通过对水文情势扰动超出阈值范围的个体赋予低适应度值，可以有效的保证水文情势扰动在阈值范围的个体的生存，从而可以得到保证河流生态系统健康且发电量最大的水库调度函数。

附图说明

附图为本发明建立的水库调度函数优化方法的流程图。

具体实施方式

下面以某流域的一个水库为实施例进一步说明本发明。

1.制定水库调度函数和水库调度曲线相结合的水库调度规则

当汛期水位高于水库汛限水位，非汛期水位高于正常高水位时，水库按照式(1)的调度函数运行；当水库水位低于死库容水位时，水库的下泄流量为零；当水库的水位在汛期的汛限水位线、非汛期的正常高水位线和死库容线之间时，水库按照式(2)的调度函数运行。

2.确定优化参数的约束条件

本发明的优化变量为a_k，b_k和c_k，它们应满足式(3)-(5)的约束条件。

3.确定量化河流水文情势扰动的方法以及水文情势扰动的阈值

采用变化范围法量化河流水文情势改变，并将0.67作为保证河流生态系统健康的河流水文情势扰动值D阈值。

4.采用遗传算法确定最优的水库调度函数

本发明采用遗传算法，以水库的发电量最大化为目标，对水库的调度函数参数a_k，b_k和c_k进行调整，种群个数设为500，最大进化代数为1000代，具体的运算步骤如下：

步骤1：实数编码。遗传算法中个体的形式为I＝[a₁，b₁，c₁，...，a_k，b_k，c_k，...，a₁₂，b₁₂，c₁₂]。实数编码采用线性变换将[0，1]区间上的随机数与各个优化变量进行对应。

步骤2：生成初始父代个体。在可行域范围内随机产生n个初始父代群体。

步骤3：适应度评价。分别按照上一步生成的n个初始父代个体代表的调度函数进行水库下泄和发电模拟，得出各个个体对应的实际发电量和产生的河流水文情势扰动程度D，当河流水文情势扰动程度D超过阈值时，令该个体的适应度为0，当扰动在阈值范围之内时，将实际发电量作为适应度值。适应度值越大说明该个体的适应能力越强。

步骤4：选择操作。把已有父代个体按其对应的适应度值从小到大排序。从这些父代个体中，用转轮方法进行个体选择。

步骤5：交叉和变异操作。

步骤6：进化迭代。由上一步得到的子代个体作为新的父代个体，转入遗传算法的步骤3，进入下一代进化过程，重新评价、选择、交叉和变异，如此循环，直到迭代满足算法的终止准则，此时优化个体将逼近最优点。

运用以上的遗传算法，得到保证河流生态系统健康的最优的水库调度函数，其参数见表2，按照该调度函数水库运行运行，其发电量为6.57×10¹⁰kW·h。

表1变化范围法的水文指标表

表2调度函数优化参数值

Claims (1)

1.一种面向河流生态系统保护的发电型水库调度函数优化方法，其计算步骤如下：

（1）制定水库调度函数和水库调度曲线相结合的水库调度规则

a) 当汛期水位高于水库汛限水位，非汛期水位高于正常高水位时，水库调度函数可用下式表示: 

式中R _i 是第i天水库下泄量；R _max 是水库允许日最大下泄量；I _i 是第i天水库入流量；S _i 是第i天水库起始库容量；

是第i天水库的汛限水位或正常高水位对应的库容量；

b) 当水库水位低于死库容水位时，水库的下泄流量为零；

c) 当水库的水位在汛期的汛限水位、非汛期的正常高水位和死库容水位之间时，水库调度函数如下式表示：

式中M为参数，不同月的M值不同，分别等于各个月的天数；S ^inf表示水库的死库容；a _k , b _k 和c _k 是水库调度函数的参数，它们的下标k表示第k月，a _k 、b _k 、c _k 值在各个月内保持不变；

（2）确定优化参数的约束条件

水库调度函数的参数a _k 、b _k 和c _k 需要做进一步的优化，它们的约束条件如下：

0<a _k <1

0<b _k <M

0≤c _k <min(I _max , R _max )/86400

式中I_max表示历史最大水库日入流量；

（3）确定量化河流水文情势扰动的方法以及水文情势扰动的阈值

采用变化范围法量化河流水文情势的扰动，并将0.67作为保证河流生态系统健康的河流水文情势扰动值的阈值;

（4）采用遗传算法确定最优的水库调度函数

采用遗传算法，以水库的发电量最大化为目标，对水库调度函数的参数a _k、b _k和c _k进行调整，在进行种群个体的适应度评价时，如果河流水文情势扰动程度超过阈值，令该个体的适应度为0，如果扰动在阈值范围之内时，将实际发电量作为适应度值，进而得出水文情势扰动在阈值范围之内的发电量最大的个体，该个体对应的调度函数即为保证河流生态系统健康的最优的水库调度函数。

Images