CN109118120B - 考虑水库调度方案可持续性利用的多目标决策方法 - Google Patents

考虑水库调度方案可持续性利用的多目标决策方法 Download PDF

Info

Publication number
CN109118120B
CN109118120B CN201811052446.3A CN201811052446A CN109118120B CN 109118120 B CN109118120 B CN 109118120B CN 201811052446 A CN201811052446 A CN 201811052446A CN 109118120 B CN109118120 B CN 109118120B
Authority
CN
China
Prior art keywords
benefit
risk
type
target
evaluation index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811052446.3A
Other languages
English (en)
Other versions
CN109118120A (zh
Inventor
张玮
刘攀
谢艾利
桂梓玲
巩钰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201811052446.3A priority Critical patent/CN109118120B/zh
Publication of CN109118120A publication Critical patent/CN109118120A/zh
Application granted granted Critical
Publication of CN109118120B publication Critical patent/CN109118120B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种考虑水库调度方案可持续性利用的多目标决策方法,包括:步骤1.构建水库多目标优化调度模型,以历史实测径流作为模型输入,求解确定Pareto非劣解集;步骤2.将Pareto非劣解集在系列预测情景下进行模拟调度,以各个非劣解在气候变化条件下的多目标期望效益与期望风险构建评价指标矩阵,针对Pareto非劣解集均采用可视化分析技术定性识别各目标之间的相互关系和传递性;步骤3.基于评价指标矩阵结果定量计算三类路径系数;步骤4.建立以目标类型为坐标轴的空间坐标系,将三类路径系数点绘至坐标系中计算多种空间距离,将空间距离转化为评价指标权重,结合相应的评价指标确定最满意的水库多目标调度方案。

Description

考虑水库调度方案可持续性利用的多目标决策方法
技术领域
本发明属于水库调度技术领域,具体涉及考虑水库调度方案可持续性利用的多目标决策方法。
技术背景
气候变化影响下,水资源的时空分配和径流特性发生改变,洪涝、干旱灾害不断加剧、水资源供需矛盾也日益凸显,社会经济的正常发展面临着巨大的挑战。水库作为有效解决水资源分配的重要工程措施,具有防洪、发电、供水、航运、生态等功能与任务。水库多目标优化调度,能够同时实现多个水库兴利任务的效益最大化与防洪任务的灾害最小化,但是,由于各个目标之间的不可约性,由多目标优化所产生的非劣解集(多组调度方案)为决策者选择合适调度方案带来了困扰。多目标决策方法是帮助决策者解决这一问题必不可少的工具。在气候变化影响愈加显著的时代背景下,越来越多的多目标决策方法正在将气候变化不确定性考虑在内,以使得所推荐的决策方案能够适应气候变化。
在水资源管理领域,现有的考虑气候变化不确定性的多目标决策方法主要是分为以下两种:(1)依托于气候变化条件下的气象水文预测结果,通过水库多目标优化调度模型提取适用于气候变化条件的非劣解集(多组调度方案),然后根据可靠性、脆弱性、回弹性等评价指标,结合经典多目标决策技术(例如:TOPSIS、投影追踪法、层次分析法、模糊优选决策法等),确定推荐的调度方案;(2)考虑气候变化的深度不确定性,通过权衡决策方案在未来气候变化条件下的稳健性与机遇性,实施稳健式决策方法,该方法将决策者偏好、基于气候条件的失效阈值考虑在内,具体的分类为,多目标稳健决策法(Multi-objective RobustDecision Making,MORDM)、实物期权法(Real Option Analysis,ROA)、决策尺度法(Decision Scaling,DS)以及动态自适应的决策路径法(Dynamic Adaptive PolicyPathways,DAPP)。
但是,在现有的技术中存在如下问题:(1)气候变化本身是一件不确定的事情,且历史实测径流依旧是当前水库管理的重要依据,而现有的方法一却忽略了对于历史实测径流的应用,且方法的应用有效性局限于所研究的气候变化条件下;(2)考虑气候变化深度不确定性的决策方法二主要是宏观的考虑了决策方案的稳健性和机遇性,尚未从水库所承担的多种调度任务本身出发进行分析,并且,决策者变动这一人为因素的影响会使决策过程变得更为复杂化。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种考虑水库调度方案可持续性利用的多目标决策方法,该方法提供的水库调度方案不仅能最大化以历史实测径流为依托的近期多目标利益,也能确保长期气候变化影响下的多目标效益最佳与风险最小,从而实现水库调度决策结果从一致性水文条件到气候变化条件下的可持续性利用。
本发明为了实现上述目的,采用了以下方案:
如图1所示,本发明提供了一种考虑水库调度方案可持续性利用的多目标决策方法,其特征在于,包括以下步骤:
步骤1.构建水库多目标优化调度模型,以历史实测径流作为模型输入,采用基于直接策略搜索思路的非支配排序遗传算法-II(Non-Dominated Sorting GeneticAlgorithm-II,NSGA-II)进行求解,确定Pareto非劣解集(多种调度方案);
步骤2.对未来气候变化条件下多种径流情景进行预测,将Pareto非劣解集在系列预测情景下进行模拟调度,进而以各个非劣解在气候变化条件下的多目标期望效益与期望风险来构建评价指标矩阵,此外,针对Pareto非劣解集的历史优化与未来模拟结果,均采用可视化分析技术定性识别各目标之间的相互关系以及这一关系在历史和未来间的传递性;
步骤3.基于评价指标矩阵结果,采用结构方程模型(Structural EquationModel,SEM)定量计算三类路径系数,包括:表征多目标之间相互关系的路径系数、表征效益型因子对各目标影响大小的路径系数和表征风险型因子对各目标影响大小的路径系数;
步骤4.建立以目标类型为坐标轴的空间坐标系,将步骤3中的三类路径系数点绘至坐标系中,再根据平面形心与空间距离的理念,计算多种空间距离,进而将空间距离转化为评价指标权重,最后结合相应的评价指标,确定最满意的水库多目标调度方案,即称之为基于空间坐标系的多目标决策模型(the multi-objective decision-making methodbased on the Space Coordinate System,SCS-MODM)。
本发明提供的考虑水库调度方案可持续性利用的多目标决策方法,还可以具有以下特征:在步骤1中,多目标优化调度函数为:
MaxB1,B2,...,BK (1)
式中:B1,B2,...,BK为需要同时优化的水库K个效益目标;这些效益目标均是以历史实测径流为模型输入的结果。
本发明提供的考虑水库调度方案可持续性利用的多目标决策方法,还可以具有以下特征:在步骤2中,评价指标矩阵为:
Figure GDA0002468806200000031
式中:ecf,l为第f个评价指标在第l个Pareto非劣解的结果;F和L分别为评价指标的总数、Pareto非劣解的总数;当下标f为奇数时,评价指标为效益型
Figure GDA0002468806200000032
f为偶数时,评价指标为风险型
Figure GDA0002468806200000033
且相邻的效益型、风险型指标描述同一目标类型;
对于任一个Pareto非劣解,指标计算表达式如下:
效益型
Figure GDA0002468806200000034
风险型
Figure GDA0002468806200000035
式中:
Figure GDA0002468806200000036
Figure GDA0002468806200000037
分别为期望效益值与期望风险值;
Figure GDA0002468806200000038
Figure GDA0002468806200000039
分别为第s个气候变化情景下目标类型obj所对应的效益值和风险值;
Figure GDA00024688062000000310
的计算公式同公式(1),但该效益值是以未来径流预测为输入的计算结果;
Figure GDA00024688062000000311
的表达式与相应的调度目标类型、研究案例有关;ps为第s个未来径流预测情景的概率;S为未来径流预测情景总数。
此外,步骤2中的可视化分析技术不仅描述了基于历史优化效益下的多目标关系,还从未来气候变化下效益侧与风险侧两个方面,对多目标关系也进行了描述,并探究了不同径流条件下多目标关系的传递性。
本发明提供的考虑水库调度方案可持续性利用的多目标决策方法,还可以具有以下特征:在步骤3中,对于结构方程模型SEM,各个目标互为潜变量,用于描述潜变量的观测变量为相应目标下的期望效益与期望风险,在SEM路径图中,各个目标之间以双箭头连接,共有K个子观测模型和1个结构模型,SEM的输入为:针对各个目标下,由每一个Pareto非劣解在所有未来径流预测条件中获得的期望效益与期望风险的标准化结果;路径系数的计算采用自由尺度最小二乘法。
本发明提供的考虑水库调度方案可持续性利用的多目标决策方法,还可以具有以下特征:在步骤3中,对于结构方程模型SEM,各个目标互为潜变量,用于描述潜变量的观测变量为相应目标下的期望效益与期望风险,在SEM路径图中,各个目标之间以双箭头连接,共有M个子观测模型和一个结构模型,可参见图2的示意图;SEM的输入为:针对各个目标下,由每一个Pareto非劣解在所有未来径流预测条件中获得的期望效益与期望风险的标准化结果;路径系数的计算采用自由尺度最小二乘法;评价指标的标准化计算公式为:
效益型
Figure GDA0002468806200000041
风险型
Figure GDA0002468806200000042
式中:nvf,l为第f个评价指标在第l个Pareto非劣解的标准化结果;ecf,min和ecf,max分别为第f个评价指标在所有Pareto非劣解中的最小值与最大值。
本发明提供的考虑水库调度方案可持续性利用的多目标决策方法,还可以具有以下特征:在步骤4中,以各个目标类型为坐标轴,建立空间坐标系,将表征效益型/风险型因子对各目标影响大小的路径系数点绘至对应目标的坐标轴上,将表征多目标之间的相互关系的路径系数点绘至相应相邻两个坐标轴的角平分线上;由坐标轴上所有效益型坐标点构成效益平面、所有风险型坐标点构成风险平面,由角平分线上所有目标关系型坐标点构成目标关系平面;
进而,采用定比分点公式计算各个平面的形心坐标,计算公式为:
Figure GDA0002468806200000043
式中:(xc,yc,zc)为平面形心坐标;(x1,y1,z1),(x2,y2,z2)和(x3,y3,z3)为三个顶点坐标;λ为比例因子,根据迭代计算确定;通过三点共线原理验证形心坐标的正确性。
本发明提供的考虑水库调度方案可持续性利用的多目标决策方法,还可以具有以下特征:在步骤4中,根据距离公式计算:集合效益距离DBensem、集合风险距离DRensem、效益-风险距离DBRensem、各个目标的效益型距离DBf、以及各个目标的风险型距离DRf,其中,集合效益距离DBensem为效益平面形心与目标关系平面形心之间的距离,集合风险距离DRensem为风险平面形心与目标关系平面形心之间的距离,效益-风险距离DBRensem为效益平面形心与风险平面形心之间的距离,各个目标的效益型距离DBf为效益平面各顶点至目标关系平面的距离,各个目标的风险型距离DRf为风险平面各顶点至目标关系平面的距离;
基于上述距离,可计算各个评价指标的权重,计算公式为:
效益型
Figure GDA0002468806200000051
风险型
Figure GDA0002468806200000052
式中:ωf为第f个评价指标的权重值。
本发明提供的考虑水库调度方案可持续性利用的多目标决策方法,还可以具有以下特征:在步骤4中,对所有权重值进行归一化处理:
Figure GDA0002468806200000053
式中:
Figure GDA0002468806200000054
为第f个评价指标的归一化权重值;
结合公式(2)的评价指标矩阵和公式(10)的归一化评价指标权重,构建多目标决策评价函数,旨在使得所确定的最满意Pareto解(调度方案)是效益最佳且风险最小,具体表达式为:
Figure GDA0002468806200000055
式中:optl为第l个Pareto非劣解的决策评价函数值,其中最大值者为最满意解;
Figure GDA0002468806200000061
为所有效益型评价指标之和;
Figure GDA0002468806200000062
为所有基于规避风险的评价指标之和。
发明的作用与效果
与现有技术相比,本发明的有益效果在于:
(1)本发明提出了一种考虑水库调度方案可持续性利用的多目标决策方法,在基于历史多目标效益最优化的前提下,将未来期望效益与期望风险同时考虑在评价指标中,以实现最满意调度方案在气候变化条件下的可持续应用性。
(2)本发明所提出的多目标决策方法,不仅采用可视化分析技术定性描述了多目标相互关系及其传递性,并通过结构方程模型将多目标相互关系定量化,进而借助空间坐标系确定了指标权重,定义了基于效益最佳和风险最小思路的决策评价函数来确定最满意调度决策。
(3)本发明提出的多目标决策方法,能够使所得到的最满意Pareto解(调度方案)能兼顾历史和未来变化多种条件,并能在未来气候变化环境下具有良好的稳健性。
附图说明
图1为本发明所涉及的考虑水库调度方案可持续性利用的多目标决策方法的流程图;
图2为本发明步骤3中所涉及的结构方程模型中各个目标及其相应的期望效益与期望风险构成的路径系数图;
图3为本发明实例中考虑水库调度方案可持续性利用的多目标决策方法的实施流程图;
图4为本发明实例中所构建的空间坐标系的示意图,其中,(a)为空间点的位置图,(b)为空间平面关系图,(c-1)为效益平面与目标关系平面之间的距离关系图,(c-2)为风险平面与目标关系平面之间的距离关系图,(c-3)为效益平面与风险平面之间的距离关系图;
图5为本发明实例中基于SEM计算的路径系数结果图;
图6为本发明实例与对比例在两种径流变化条件下的比较结果图,其中,左列的三幅图表示径流均值减少20%的情景下在发电(a-1)、生态至(b-1)、蓄水(c-1)三个方面的效益变幅,右列的三幅图表示径流Cv波动增加20%的情景下在发电(a-2)、生态(b-2)、蓄水(c-2)三个方面的效益变幅。
具体实施方式
以下结合附图对本发明涉及的考虑水库调度方案可持续性利用的多目标决策方法进行详细地说明。
<实施例>
如图3所示,本实施例所提供的考虑水库调度方案可持续性利用的多目标决策方法包括以下步骤:
步骤1.以发电(hydropower generation,pow)、生态(ecology,eco)、蓄水(waterstorage,stor)的效益最大化为目标函数,结合水量平衡和水库基本约束条件,构建水库多目标优化调度模型;以历史实测径流作为模型输入,采用基于直接策略搜索思路的非支配排序遗传算法-II(Non-Dominated Sorting Genetic Algorithm-II,NSGA-II)进行求解,确定Pareto非劣解集(多种调度方案)。目标函数的具体计算表达式为:
发电:
Figure GDA0002468806200000071
式中:m和n分别为总年数和总的年内步长数;Δti,j为各步长的时间长度;Ni,j为第j年中第i时段的出力值,取决于装机最大出力与当前实际出力的最小值。
Figure GDA0002468806200000072
生态:
Figure GDA0002468806200000073
式中:αi,j为生态保证率,与最小生态流量
Figure GDA0002468806200000074
Figure GDA0002468806200000075
呈如公式(14)的分段线性关系。
蓄水:
Figure GDA0002468806200000076
式中:tERP为汛末蓄水结束的时间节点;
Figure GDA0002468806200000077
为汛末蓄水期结束时的库容值,限制于该时间节点下的库容上限
Figure GDA0002468806200000078
与库容下限
Figure GDA0002468806200000079
步骤2.对未来气候变化条件下多种径流情景进行预测,将Pareto非劣解集在系列预测情景下进行模拟调度,进而以各个非劣解在气候变化条件下的多目标期望效益与期望风险来构建评价指标矩阵,此外,针对Pareto非劣解集的优化与模拟结果,均采用可视化分析技术定性识别各目标之间的相互关系与这一关系在历史和未来间的传递性。评价指标矩阵同计算公式(2),其中评价指标总数F为6,Pareto非劣解总数为200。期望效益计算是使用公式(3)、(13)、(14)、(15);期望风险的计算公式(4)中,发电、生态、蓄水的风险计算表达式为:
发电:
Figure GDA0002468806200000081
式中:Nfirm为保证出力;#(Ni,j,k<Nfirm)为统计所有时间段内实际出力值低于保证出力值的次数。
Figure GDA0002468806200000082
生态:
Figure GDA0002468806200000083
式中:βi,j,k为风险因子,取决于水库实际出流与最小生态流量和适宜生态流量的关系。
蓄水:
Figure GDA0002468806200000084
式中:
Figure GDA0002468806200000085
为统计多年时间中水库汛末蓄水期结束时水库未蓄满情况发生的次数。
步骤3.基于评价指标矩阵结果,采用结构方程模型(Structural EquationModel,SEM)定量计算表征多目标之间相互关系(发电、生态、蓄水)的路径系数、表征效益型因子对各目标影响大小的路径系数和表征风险型因子对各目标影响大小的路径系数。路径系数图同附图2,其中目标1、2、3分别为发电、生态和蓄水。
步骤4.建立以发电为x轴、生态为y轴、蓄水为z轴的空间坐标系,如图4所示,将步骤3中的3类路径系数点绘至坐标系中(参见下1),再根据平面形心与空间距离的理念,计算多种空间距离,进而将空间距离转化为评价指标权重,最后结合相应的评价指标,确定最满意水库多目标调度方案,即称之为基于空间坐标系的多目标决策模型(the multi-objective decision-making method based on the Space Coordinate System,SCS-MODM)。
表1为本实施例步骤4中所涉及的空间坐标点绘制的坐标描述表
Figure GDA0002468806200000091
将以上步骤运用于考虑了26种不同径流变化情况、兼具着发电、生态与蓄水目标要求的某多目标水库中,计算的多目标关系量化结果如图5所示;历史优化效益、未来期望效益与风险结果如下表2中方案SCS-MODM行所示;该决策方法推荐的最满意调度方案在两种不利环境条件下(径流减少20%、Cv波动增加20%)的效益变幅评估结果见图6中SCS-MODM。
<对比例>
在本对比例中,提供的是模糊优选决策方法(Fuzzy optimum selection model,FOS),该方法基于理想点和非理想点的理念,计算时,将各个评价指标按照公式(5)和(6)进行标准化处理,各个评价指标权重采用熵权法进行计算,决策评价函数表达式为:
Figure GDA0002468806200000092
式中:ul为为第l个Pareto非劣解的决策评价函数值,其中,最大值者为最满意解;
Figure GDA0002468806200000093
为第f个评价指标基于熵权法计算的权重值;nvf,l为第f个评价指标在第l个Pareto非劣解的标准化结果。
基于模糊优选决策方法,实施两个对比方案:对比方案1:采用与SCS-MODM相同的评价指标矩阵,即考虑了未来发电、生态、蓄水的期望效益与风险,称之为FOS-1;对比方案2:也是采用模糊优选决策方法,但评价指标矩阵是历史条件下发电、生态、蓄水的优化效益,称之为FOS-2。
如图5~6和下表2所示,将实施例(SCS-MODM)与对比例中两个对比方案(FOS-1和FOS-2)的发电量相关数据进行比较可知,实施例所采用的适应性调度方案效果更加显著。
表2为实施例与对比例涉及的历史多目标优化效益和未来多目标期望效益与风险对比表
Figure GDA0002468806200000101
备注:发电效益的单位为108kWh。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的考虑水库调度方案可持续性利用的多目标决策方法,包括:水库多目标优化调度模型构建与求解、评价指标矩阵构建、可视化分析技术应用、结构方程模型量化计算、空间坐标系建立以及决策评价函数,并不仅仅限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。

Claims (8)

1.一种考虑水库调度方案可持续性利用的多目标决策方法,其特征在于,包括以下步骤:
步骤1.构建水库多目标优化调度模型,以历史实测径流作为模型输入,采用基于直接策略搜索思路的非支配排序遗传算法-II进行求解,确定Pareto非劣解集;
步骤2.对未来气候变化条件下多种径流情景进行预测,将Pareto非劣解集在系列预测情景下进行模拟调度,进而以各个非劣解在气候变化条件下的多目标期望效益与期望风险来构建评价指标矩阵,此外,针对Pareto非劣解集的历史优化与未来模拟结果,均采用可视化分析技术定性识别各目标之间的相互关系以及这一关系在历史和未来间的传递性;
步骤3.基于评价指标矩阵结果,采用结构方程模型SEM定量计算三类路径系数,包括:表征多目标之间相互关系的路径系数、表征效益型因子对各目标影响大小的路径系数和表征风险型因子对各目标影响大小的路径系数;
步骤4.建立以目标类型为坐标轴的空间坐标系,将步骤3中的三类路径系数点绘至坐标系中,再根据平面形心与空间距离的理念,计算多种空间距离,进而将空间距离转化为评价指标权重,最后结合相应的评价指标,确定最满意的水库多目标调度方案。
2.根据权利要求1所述的考虑水库调度方案可持续性利用的多目标决策方法,其特征在于:
在所述步骤1中,多目标优化调度函数为:
MaxB1,B2,...,BK (1)
式中:B1,B2,...,BK为需要同时优化的水库K个效益目标;这些效益目标均是以历史实测径流为模型输入的结果。
3.根据权利要求2所述的考虑水库调度方案可持续性利用的多目标决策方法,其特征在于:
在所述步骤2中,评价指标矩阵为:
Figure FDA0002468806190000021
式中:ecf,l为第f个评价指标在第l个Pareto非劣解的结果;F和L分别为评价指标的总数、Pareto非劣解的总数;当下标f为奇数时,评价指标为效益型
Figure FDA0002468806190000022
f为偶数时,评价指标为风险型
Figure FDA0002468806190000023
且相邻的效益型、风险型指标描述同一目标类型;
对于任一个Pareto非劣解,指标计算表达式如下:
效益型
Figure FDA0002468806190000024
风险型
Figure FDA0002468806190000025
式中:
Figure FDA0002468806190000026
Figure FDA0002468806190000027
分别为期望效益值与期望风险值;
Figure FDA0002468806190000028
Figure FDA0002468806190000029
分别为第s个气候变化情景下目标类型obj所对应的效益值和风险值;
Figure FDA00024688061900000210
的计算公式同公式(1),但该效益值是以未来径流预测为输入的计算结果;
Figure FDA00024688061900000211
的表达式与相应的调度目标类型、研究案例有关;ps为第s个未来径流预测情景的概率;S为未来径流预测情景总数。
4.根据权利要求1所述的考虑水库调度方案可持续性利用的多目标决策方法,其特征在于:
在所述步骤3中,对于结构方程模型SEM,各个目标互为潜变量,用于描述潜变量的观测变量为相应目标下的期望效益与期望风险,在SEM路径图中,各个目标之间以双箭头连接,共有M个子观测模型和一个结构模型,SEM的输入为:针对各个目标下,由每一个Pareto非劣解在所有未来径流预测条件中获得的期望效益与期望风险的标准化结果;路径系数的计算采用自由尺度最小二乘法。
5.根据权利要求3所述的考虑水库调度方案可持续性利用的多目标决策方法,其特征在于:
在所述步骤3中,评价指标的标准化计算公式为:
效益型
Figure FDA0002468806190000031
风险型
Figure FDA0002468806190000032
式中:nvf,l为第f个评价指标在第l个Pareto非劣解的标准化结果;ecf,min和ecf,max分别为第f个评价指标在所有Pareto非劣解中的最小值与最大值。
6.根据权利要求1所述的考虑水库调度方案可持续性利用的多目标决策方法,其特征在于:
在所述步骤4中,以各个目标类型为坐标轴,建立空间坐标系,将表征效益型/风险型因子对各目标影响大小的路径系数点绘至对应目标的坐标轴上,将表征多目标之间的相互关系的路径系数点绘至相应相邻两个坐标轴的角平分线上;由坐标轴上所有效益型坐标点构成效益平面、所有风险型坐标点构成风险平面,由角平分线上所有目标关系型坐标点构成目标关系平面;
进而,采用定比分点公式计算各个平面的形心坐标,计算公式为:
Figure FDA0002468806190000033
式中:(xc,yc,zc)为平面形心坐标;(x1,y1,z1),(x2,y2,z2)和(x3,y3,z3)为三个顶点坐标;λ为比例因子,根据迭代计算确定;通过三点共线原理验证形心坐标的正确性。
7.根据权利要求6所述的考虑水库调度方案可持续性利用的多目标决策方法,其特征在于:
在所述步骤4中,根据距离公式计算:集合效益距离DBensem、集合风险距离DRensem、效益-风险距离DBRensem、各个目标的效益型距离DBf、以及各个目标的风险型距离DRf
其中,集合效益距离DBensem为效益平面形心与目标关系平面形心之间的距离,集合风险距离DRensem为风险平面形心与目标关系平面形心之间的距离,效益-风险距离DBRensem为效益平面形心与风险平面形心之间的距离,各个目标的效益型距离DBf为效益平面各顶点至目标关系平面的距离,各个目标的风险型距离DRf为风险平面各顶点至目标关系平面的距离;
基于上述距离,计算各个评价指标的权重,计算公式为:
效益型
Figure FDA0002468806190000041
风险型
Figure FDA0002468806190000042
式中:ωf为第f个评价指标的权重值。
8.根据权利要求7所述的考虑水库调度方案可持续性利用的多目标决策方法,其特征在于:
在所述步骤4中,对所有权重值进行归一化处理:
Figure FDA0002468806190000043
式中:
Figure FDA0002468806190000044
为第f个评价指标的归一化权重值;
结合公式(2)的评价指标矩阵和公式(10)的归一化评价指标权重,构建多目标决策评价函数,旨在使得所确定的最满意Pareto解是效益最佳且风险最小,具体表达式为:
Figure FDA0002468806190000045
式中:optl为第l个Pareto非劣解的决策评价函数值,其中最大值者为最满意解;
Figure FDA0002468806190000046
为所有效益型评价指标之和;
Figure FDA0002468806190000047
为所有基于规避风险的评价指标之和。
CN201811052446.3A 2018-09-10 2018-09-10 考虑水库调度方案可持续性利用的多目标决策方法 Active CN109118120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811052446.3A CN109118120B (zh) 2018-09-10 2018-09-10 考虑水库调度方案可持续性利用的多目标决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811052446.3A CN109118120B (zh) 2018-09-10 2018-09-10 考虑水库调度方案可持续性利用的多目标决策方法

Publications (2)

Publication Number Publication Date
CN109118120A CN109118120A (zh) 2019-01-01
CN109118120B true CN109118120B (zh) 2020-06-23

Family

ID=64858218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811052446.3A Active CN109118120B (zh) 2018-09-10 2018-09-10 考虑水库调度方案可持续性利用的多目标决策方法

Country Status (1)

Country Link
CN (1) CN109118120B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033164B (zh) * 2019-03-04 2021-07-02 华中科技大学 一种水库群联合防洪调度的风险评估与决策方法
CN110782366B (zh) * 2019-10-12 2022-09-06 大连理工大学 一种基于情景不确定性的供水管网多目标优化调控方法
CN111325648B (zh) * 2020-02-20 2023-05-05 杭州电子科技大学 一种基于犹豫模糊的养老服务组合优化方法及系统
CN112184479B (zh) * 2020-09-17 2021-08-17 长江水利委员会水文局 一种水库群调度规则型式和参数对气候变化的适应性研究方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330538A (zh) * 2016-09-20 2017-11-07 武汉大学 一种气候变化条件下水库适应性调度规则编制的方法
CN107392460A (zh) * 2017-07-17 2017-11-24 华北电力大学 一种水库群多目标调度风险分析最佳均衡解的获取方法
CN107527117A (zh) * 2017-08-28 2017-12-29 武汉大学 基于d‑s证据理论的水库适应性调度方法
CN107704965A (zh) * 2017-10-17 2018-02-16 河海大学 一种兼顾生态保护需求的水库兴利调度图优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9811061B1 (en) * 2001-05-18 2017-11-07 The Energy Authority, Inc. Method for management and optimization of hydropower generation and consumption

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330538A (zh) * 2016-09-20 2017-11-07 武汉大学 一种气候变化条件下水库适应性调度规则编制的方法
CN107392460A (zh) * 2017-07-17 2017-11-24 华北电力大学 一种水库群多目标调度风险分析最佳均衡解的获取方法
CN107527117A (zh) * 2017-08-28 2017-12-29 武汉大学 基于d‑s证据理论的水库适应性调度方法
CN107704965A (zh) * 2017-10-17 2018-02-16 河海大学 一种兼顾生态保护需求的水库兴利调度图优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Value of adaptive water resources management in Northern California under climatic variability and change: Reservoir management";A.P. Georgakakos等;《Journal of Hydrology》;20121231;全文 *
"变化环境下的水库适应性调度";刘攀 等;《中国水利学会2016学术年会论文集》;20161231;全文 *
"水库多目标优化调度技术比较研究";刘心愿;《长江科学院院报》;20150731;全文 *

Also Published As

Publication number Publication date
CN109118120A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
CN109118120B (zh) 考虑水库调度方案可持续性利用的多目标决策方法
Xu et al. Mid-term prediction of electrical energy consumption for crude oil pipelines using a hybrid algorithm of support vector machine and genetic algorithm
Wan et al. Optimal prediction intervals of wind power generation
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
CN102509173B (zh) 一种基于马尔科夫链的电力系统负荷准确预测方法
CN107506868A (zh) 一种短时电力负荷预测的方法及装置
CN108537379A (zh) 自适应变权重组合负荷预测方法及装置
Arias-Rosales et al. Wind turbine selection method based on the statistical analysis of nominal specifications for estimating the cost of energy
CN102801629B (zh) 一种流量矩阵的估计方法
CN113983646A (zh) 基于生成对抗网络的空调互动末端能耗预测方法及空调
Dong et al. Short-term building cooling load prediction model based on DwdAdam-ILSTM algorithm: A case study of a commercial building
Kim et al. Extracting baseline electricity usage using gradient tree boosting
Li et al. Financial risk prediction for listed companies using IPSO-BP neural network
Zhu et al. Exploring a multi-objective cluster-decomposition framework for optimizing flood control operation rules of cascade reservoirs in a river basin
Wu et al. Use of a multi-objective correlation index to analyze the power generation, water supply and ecological flow mutual feedback relationship of a reservoir
Carvalho et al. A new methodology to estimate future water‐energy nexus based on artificial neural networks
CN105162173B (zh) 一种接入风力发电的电力系统备用容量确定方法
CN113887809A (zh) 双碳目标下配电网供需平衡方法、系统、介质及计算设备
CN113947499A (zh) 基于分层优化模型的水、风、光规划方案集优选方法
Kousounadis-Knousen et al. A New Co-Optimized Hybrid Model Based on Multi-Objective Optimization for Probabilistic Wind Power Forecasting in a Spatiotemporal Framework
Tai Algorithm Analysis of VaR for Financial Market Risk Based on Optimized BP Neural Network
Chen et al. Accounting information disclosure and financial crisis beforehand warning based on the artificial neural network
Wu et al. Risk Assessment of Low‐Speed Wind Power Projects Based on an Aggregated Cloud Method: A Case in China
CN108921726A (zh) 基于非径向dea的能源转型效率评价模型建立方法
Kooshknow et al. Are electricity storage systems in the Netherlands indispensable or doable? Testing single-application electricity storage business models with exploratory agent-based modeling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant