CN106570786A - 一种基于调度规则时变特性的水库适应性调度方法 - Google Patents

Abstract

本发明公开了一种基于调度规则时变特性的水库适应性调度方法，其特征在于：考虑调度规则参数的时变特性，将调度规则参数作为状态变量，调度决策作为观测变量，新近径流序列对应的最优决策作为虚拟的观测值，利用数据同化方法不断更新调度规则参数，实现对新近径流信息的充分利用。本发明可广泛应用于水库适应性调度实践中，为面对径流变化所需的适应性水资源管理提供科学的技术支撑和新方法。

Description

一种基于调度规则时变特性的水库适应性调度方法

技术领域

本发明涉及水库调度技术领域，特别涉及一种基于调度规则时变特性的水库适应性调度方法。

背景技术

水库调度对自然状态下的水资源时空特征进行重新分配，用以实现防洪、发电、供水、灌溉、航运等任务，从而达到兴利除害的目的。水库调度规则将调度决策定义为当前可用信息的函数，如蓄水量、入库流量、气象特征等。因此，在水库调度的各个阶段，根据调度规则和当前阶段的可用信息，即可做出相应的水库调度决策。

调度规则的提取方式一般有两种：回归分析法和模拟-优化法。利用回归分析法确定水库调度规则的主要步骤为：(1)建立水库调度确定性优化模型；(2)将长序列历史径流数据作为模型输入，采用优化算法求解确定性优化模型，得到水库调度的最优决策轨迹；(3)利用回归分析确定最优决策变量与可用信息(如蓄水量、水库入流量、预测径流量等)之间的函数关系，即为水库调度规则。模拟-优化法确定水库调度规则的主要步骤为：(1)预先设定初始调度规则，建立水库调度模拟模型；(2)将调度规则作为模型参数，以调度效益最大或损失最小作为目标函数，建立水库调度优化模型；(3)采用优化算法对模型参数(即调度规则)进行优化，使得目标函数达到最优。此时，使目标函数达到最优的调度规则即为所求。

现有水库调度规则的提取大多基于历史径流数据，一经确定，便长期保持不变。在气候变化和人类活动的双重影响下，水库调度的径流的一致性假设不再成立，水库调度规则将呈现出现时变特性。因此，现行调度规则存在的问题为：(1)径流非一致性所导致的调度规则的时变特性未被合理考虑，一成不变的调度规则在变化径流条件下将导致水库调度的低效性；(2)调度规则参数确定后，新近观测的径流数据中携带的新信息未被充分利用，新息利用不足。

发明内容

针对现有技术中存在的不足，本发明提供了一种基于调度规则时变特性的水库适应性调度方法，在水库调度实践中充分考虑调度规则参数的时变特性，调度规则不再是一成不变的，而是随着径流特征的变化而不断更新，实现对新近径流信息的充分利用，从而实现水库的适应性调度。

为解决上述技术问题，本发明采用如下技术方案：

一种基于调度规则时变特性的水库适应性调度方法，其特征在于：基于历史径流数据作为调度规则初始值，考虑调度规则参数的时变特性，将调度规则参数作为状态变量，调度决策作为观测变量，新近径流序列对应的最优决策作为虚拟的观测值，利用数据同化方法不断更新调度规则参数，并且采用更新后的调度规则进行调度决策，直至调度期结束。

上述技术方案中，具体包括如下步骤：

步骤1：基于历史径流数据，采用回归分析法或模拟-优化法提取调度规则，作为调度规则初始值；

步骤2：将新近的径流序列作为水库优化调度模型输入，求解对于新径流的最优调度轨迹；

步骤3：采用新径流序列对应的最优调度轨迹作为虚拟的观测值，将调度规则参数作为状态变量，用数据同化技术对调度规则参数进行更新，得到新的调度规则；

步骤4：将新的调度规则参数应用于水库调度模拟模型，用于确定新形势下的调度决策；

步骤5：随着时间推进，重复步骤2-4，不断利用新的最优轨迹更新调度规则参数，并且采用更新后的调度规则进行调度决策，直至调度期结束。

上述技术方案中，步骤1中所提取的调度规则为线性调度函数。

上述技术方案中，步骤3中采用的数据同化技术为集合卡尔曼滤波方式，对调度规则进行更新的具体过程如下：

在调度规则参数更新的动态系统中，首先确定系统的状态转移方程，系统的状态转移方程为：

式中，分别为第t次状态转移后第i时段的调度规则参数，分别为第i时段的调度规则参数的模型误差，服从方差为的正态分布；

然后，将以上状态转移方程用向量形式表示，即：

x^t+1＝x^t+ξ^t,ξ^t～N(0,U_t)

式中，

之后，将出库流量作为系统的观测变量，M年最优轨迹作为虚拟的观测值，则系统观测方程为：

式中，为第t+1次状态转移后第j年第i时段的第s个观测值；为第t+1次状态转移后第i时段第s个观测值的观测误差，服从标准差为的正态分布；将上述观测方程写成向量形式，即

y^t+1＝A_i,jx^t+1+η^t+1η^t+1～N(0,R^t+1)

式中，

之后，设采用N_en个样本，则对于每个样本，都需进行预测和更新两个步骤的操作，并且采用样本来估计协方差矩阵和增益矩阵；对于第k个样本，基于状态转移方程进行预测：

式中，为第k个样本在第t+1次更新时的预测值；为第k个样本在第t次更新时的更新值；为第k个样本在第t+1次更新时的模型误差，服从正态分布；

再然后，观测变量采用采用正态分布误差进行扰动，形成样本

其中，

式中，为第k个样本在第t+1次更新时的观测值；为第k个样本在第t+1次更新时的观测误差；将观测值中的信息同化至状态变量，可得在第t+1次更新时更新后的状态变量

式中：K^t+1为卡尔曼增益矩阵；卡尔曼增益矩阵可由样本值估计得到：

式中，为状态变量和观测变量预测值的交互协方差矩阵；为观测变量预测值的协方差矩阵；两个协方差矩阵可通过样本值进行估计：

式中， 和分别为状态变量和观测变量均值向量。

上述技术方案中，步骤4中，水库调度模拟模型是指以调度函数或者调度图作为规则进行调度的模型；当采用调度函数进行模拟调度时，调度规则参数为调度函数的参数；当采用调度图进行模拟调度时，调度规则参数为调度图重要节点的坐标。

上述技术方案中，步骤5中，每M年对调度规则参数进行一次更新，直至决策时段大于调度期。

上述技术方案中，本调度方法可用于供水调度、发电调度、防洪调度。

与现有技术相比，本发明具有以下优点和有益效果：

(1)本发明充分考虑了调度规则参数在径流变化条件下的时变特性，调度规则不再一成不变，而是随着径流特征的变化而调整的、时变的调度规则参数。

(2)本发明能够将新径流序列中携带的信息加入调度规则中，使调度规则参数能够反映新近的调度需求，充分利用了新息。

本发明可广泛应用于水库适应性调度实践中，为面对径流变化所需的适应性水资源管理提供科学的技术支撑。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面结合附图1对本发明的技术方案做进一步说明。

附图1为本发明的一种基于调度规则时变特性的水库适应性调度方法的流程图，具体步骤为：

步骤1：采用回归分析法或模拟-优化法，提取基于历史径流序列的调度规则，并作为数据同化中状态变量的初始值。

常用的调度函数型式，如线性调度函数如下：

Q_i,j＝a_i(I_i,j+V_i,j/Δt_i,j)+b_i i＝1,2,…,m；j＝1,2,…,n

式中：Q_i,j和I_i,j分别表示在调度期内第j年的第i时段的出库流量和入库流量；V_i,j和Δt_i,j分别表示调度期内第j年第i时段的时段初库容和时间长度；I_i,j+V_i,j/Δt_i,j表示在第j年第i时段末的可用水量；m、n分别为调度期长度和每年内划分的时段数；a_i和b_i均为调度函数参数。

步骤2：选定调度规则参数更新周期为M年：将M年新近径流数据作为确定性优化调度模型输入，确定出最优调度轨迹。

步骤3：将历史同期的M个最优调度决策作为虚拟的观测值，采用数据同化技术对调度规则参数进行更新，得到新的调度规则。

现介绍集合卡尔曼滤波技术，用以更新水库调度规则参数。集合卡尔曼滤波实质上是对卡尔曼滤波的蒙特卡洛实现，即对于每个集合样本都进行卡尔曼滤波操作，并用样本估计协方差矩阵和增益矩阵。在调度规则参数更新的动态系统中，系统的状态转移方程为：

式中，分别为第t次状态转移后第i时段的调度规则参数，分别为第i时段的调度规则参数的模型误差，服从方差为的正态分布。将以上状态转移方程用向量形式表示，即：

x^t+1＝x^t+ξ^t,ξ^t～N(0,U_t)

式中，U^t＝E(ξ^tξ^tT)，ξ^tT为ξ^t的转置矩阵。

将出库流量作为系统的观测变量，M年最优轨迹作为虚拟的观测值，则系统观测方程为：

式中，为第t+1次状态转移后第j年第i时段的第s个观测值；为第t+1次状态转移后第i时段第s个观测值的观测误差，服从标准差为的正态分布。将上述观测方程写成向量形式，即

y^t+1＝A_i,jx^t+1+η^t+1η^t+1～N(0,R^t+1)

式中，

η^t+1T是η^t+1的转置矩阵。

设采用N_en个样本，则对于每个样本，都需进行预测和更新两个步骤的操作，并且采用样本来估计协方差矩阵和增益矩阵。对于第k个样本，基于状态转移方程进行预测：

式中，为第k个样本在第t+1次更新时的预测值；为第k个样本在第t次更新时的更新值；为第k个样本在第t+1次更新时的模型误差，服从正态分布。

观测变量采用采用正态分布误差进行扰动，形成样本

式中，为第k个样本在第t+1次更新时的观测值；为第k个样本在第t+1次更新时的观测误差。将观测值中的信息同化至状态变量，可得在第t+1次更新时更新后的状态变量

式中：K^t+1为卡尔曼增益矩阵。卡尔曼增益矩阵可由样本值估计得到：

式中，为状态变量和观测变量预测值的交互协方差矩阵；为观测变量预测值的协方差矩阵。两个协方差矩阵可通过样本值进行估计：

式中，和分别为状态变量和观测变量均值向量。

步骤4：将新的调度规则参数应用于水库调度模拟模型，用于确定新形势下的调度决策。

水库调度模拟模型是指以调度函数或者调度图作为规则进行调度的模型，包括供水调度、发电调度、防洪调度等。当采用调度函数进行模拟调度时，调度规则参数为调度函数的参数；当采用调度图进行模拟调度时，调度规则参数为调度图重要节点的坐标。以发电调度为例的水库调度模拟模型，包括水量平衡方程和库容、泄流量、出力等约束条件：

水量平衡方程：

V_i,min≤V_i,j≤V_i,max, i＝1,2,…,n

Q_i,min≤Q_i,j≤Q_i,max, i＝1,2,…n

N_min≤N_i,j≤N_max, i＝1,2,…n

式中，Δt_i,j为在调度期内第j年的第i时段的时段长；V_i,max和V_i,min分别为第i时段的最大和最小库容值；Q_i,max和Q_i,min分别为第i时段的最大和最小泄流量；N_max和N_min分别为最大和最小出力值；N_i,j为第j年的第i时段的出力值，计算方法如下：

N_i,j＝min(KQ_i,jH_i,j,f_max(H_i,j))

式中，K为水库综合效用系数，H_i,j为水库调度期内第j年的第i时段的净水头，等于水库上下游水位差；f_max(·)为水库发电出力限制函数，为净水头的函数。

步骤5：重复步骤2至步骤4，每M年对调度规则参数进行一次更新，直至决策时段大于调度期。调度结束后，对于水库调度的综合效益进行评估。

发电调度的两个重要评价指标为年均发电量E和发电保证率α，其计算方式分别如下：

式中，N_f为保证出力；T为水库调度期内的总时段数；#(N_i,j≥N_f)为计数函数，计算调度期内发电出力不小于保证出力的时段数。

Claims (7)

1.一种基于调度规则时变特性的水库适应性调度方法，其特征在于：基于历史径流数据采集调度规则初始值，考虑调度规则参数的时变特性，将调度规则参数作为状态变量，调度决策作为观测变量，新近径流序列对应的最优决策作为虚拟的观测值，利用数据同化方法不断更新调度规则参数，并且采用更新后的调度规则进行调度决策，直至调度期结束。

2.根据权利要求1所述的基于调度规则时变特性的水库适应性调度方法，其特征在于具体包括如下步骤：

步骤1：基于历史径流数据，采用回归分析法或模拟-优化法提取调度规则，作为调度规则初始值；

步骤2：将新近的径流序列作为水库优化调度模型输入，求解对于新径流的最优调度轨迹；

步骤3：采用新径流序列对应的最优调度轨迹作为虚拟的观测值，将调度规则参数作为状态变量，用数据同化技术对调度规则参数进行更新，得到新的调度规则；

步骤4：将新的调度规则参数应用于水库调度模拟模型，用于确定新形势下的调度决策；

步骤5：随着时间推进，重复步骤2-4，不断利用新的最优轨迹更新调度规则参数，并且采用更新后的调度规则进行调度决策，直至调度期结束。

3.根据权利要求2所述的基于调度规则时变特性的水库适应性调度方法，其特征在于步骤1中所提取的调度规则为线性调度函数。

4.根据权利要求2所述的基于调度规则时变特性的水库适应性调度方法，其特征在于步骤3中采用的数据同化技术为集合卡尔曼滤波方式，对调度规则进行更新的具体过程如下：

在调度规则参数更新的动态系统中，确定系统的状态转移方程为：

式中，分别为第t次状态转移后第i时段的调度规则参数，分别为第i时段的调度规则参数的模型误差，服从方差为的正态分布；

将以上状态转移方程用向量形式表示，即：

x^t+1＝x^t+ξ^t,ξ^t～N(0,U_t)

式中，U^t＝E(ξ^tξ^tT)；

将出库流量作为系统的观测变量，M年最优轨迹作为虚拟的观测值，则系统观测方程为：

$\begin{array}{cc}{Q}_{i,j,t+1}^s=a_i^{t+1}(I_{i,j}+V_{i,j})+b_i^{t+1}+{\mathrm{\ζ}}_{i,s}^{t+1}& {\mathrm{\ζ}}_{i,s}^{t+1}~N(0,{\mathrm{\σ}}_{i,s,t+1}^2),s=1,2,...,M\end{array}$

式中，为第t+1次状态转移后第j年第i时段的第s个观测值；为第t+1次状态转移后第i时段第s个观测值的观测误差，服从标准差为的正态分布；将上述观测方程写成向量形式，即

y^t+1＝A_i,jx^t+1+η^t+1 η^t+1～N(0,R^t+1)

式中，A_i,j＝(V_i,j+I_i,j 1)，R^t+1＝E(η^t+1η^t+1T)；

设采用N_en个样本，则对于每个样本，都需进行预测和更新两个步骤的操作，并且采用样本来估计协方差矩阵和增益矩阵；对于第k个样本，基于状态转移方程进行预测：

$x_k^{t+1|t}=x_k^{t|t}+{\mathrm{\ξ}}_k^t$

式中，为第k个样本在第t+1次更新时的预测值；为第k个样本在第t次更新时的更新值；为第k个样本在第t+1次更新时的模型误差，服从正态分布；

观测变量采用采用正态分布误差进行扰动，形成样本

$y_k^{t+1}=y^{t+1}+{\mathrm{\η}}_k^{t+1}$

式中，为第k个样本在第t+1次更新时的观测值；为第k个样本在第t+1次更新时的观测误差；将观测值中的信息同化至状态变量，可得在第t+1次更新时更新后的状态变量

$x_k^{t+1|t+1}=x_k^{t+1|t}+K^{t+1}(y_k^{t+1}-A_{i,j}{x}_k^{t+1|t})$

式中：K^t+1为卡尔曼增益矩阵；卡尔曼增益矩阵可由样本值估计得到：

$K^{t+1}=C_{xy}^{t+1|t}{\[C_{yy}^{t+1|t}+R^{t+1}\]}^{-1}$

式中，为状态变量和观测变量预测值的交互协方差矩阵；为观测变量预测值的协方差矩阵；两个协方差矩阵可通过样本值进行估计：

$C_{xy}^{t+1|t}=\frac{1}{N_{en}-1}{X}^{t+1|t}{\left(Y^{t+1|t}\right)}^T$

$C_{yy}^{t+1|t}=\frac{1}{N_{en}-1}{X}^{t+1|t}{\left(Y^{t+1|t}\right)}^T$

式中， 和分别为状态变量和观测变量均值向量。

5.根据权利要求2所述的基于调度规则时变特性的水库适应性调度方法，其特征在于步骤4中，水库调度模拟模型是指以调度函数或者调度图作为规则进行调度的模型；当采用调度函数进行模拟调度时，调度规则参数为调度函数的参数；当采用调度图进行模拟调度时，调度规则参数为调度图重要节点的坐标。

6.根据权利要求2所述的基于调度规则时变特性的水库适应性调度方法，其特征在于步骤5中，每M年对调度规则参数进行一次更新，直至决策时段大于调度期。

7.根据权利要求2所述的基于调度规则时变特性的水库适应性调度方法，其特征在于本调度方法可用于供水调度、发电调度、防洪调度。