CN111079979A - 一种流域防洪调度方案优选方法及系统 - Google Patents

一种流域防洪调度方案优选方法及系统 Download PDF

Info

Publication number
CN111079979A
CN111079979A CN201911141542.XA CN201911141542A CN111079979A CN 111079979 A CN111079979 A CN 111079979A CN 201911141542 A CN201911141542 A CN 201911141542A CN 111079979 A CN111079979 A CN 111079979A
Authority
CN
China
Prior art keywords
scheme
scheduling scheme
index
flood
engineering
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.)
Granted
Application number
CN201911141542.XA
Other languages
English (en)
Other versions
CN111079979B (zh
Inventor
田世超
张秀菊
罗煜宁
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201911141542.XA priority Critical patent/CN111079979B/zh
Publication of CN111079979A publication Critical patent/CN111079979A/zh
Application granted granted Critical
Publication of CN111079979B publication Critical patent/CN111079979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Flow Control (AREA)
  • Barrages (AREA)

Abstract

本发明公开了一种流域防洪调度方案优选方法，包括基于工程调度方案的特征值，计算各调度方案下工程的指标值；基于工程的指标值，构建工程的指标特征值矩阵；基于指标特征值矩阵，获取工程的相对正理想方案和相对负理想方案；引入权重折衷系数，计算调度方案与相对正理想方案的加权KL距离、调度方案与相对负理想方案的加权KL距离；基于加权KL距离构建模糊迭代模型，获取工程最优的调度方案。本发明引入权重折衷系数调和主观权重与客观权重，大大提高了选优的科学性和合理性；同时采用KL距离度量调度方案与相对理想解和相对负理想解的差异程度，克服了欧式距离存在的缺陷。

Description

一种流域防洪调度方案优选方法及系统
技术领域
本发明涉及一种流域防洪调度方案优选方法及系统，属于流域洪水调度领域。
背景技术
洪水调度通常是一种多目标、多层次、多属性的决策过程，特别是在复杂流域中，当涉及多种工程类别、多个工程对象的联合防护时，需综合考虑各个防洪建筑物面临的安全威胁与发挥的防洪效益，因此使调度方案的优劣判断变得更为困难。
在防洪调度方案优选问题上，目前应用较多的有灰关联决策法、TOPSIS法、投影寻踪法、模糊评价法等。如何合理、可靠地权衡各指标间的关系，这些方法或仅仅考虑了主观权重，或采用欧氏距离来度量与最优最劣解的差异。
由于主观权重主要靠人的主观臆测，受决策者偏好影响大，缺乏一定的科学依据；欧氏距离存在以下缺陷：当评价对象位于相对理想解和相对负理想解的中垂线上时，该对象就与二者等距，导致无法判断对象地优劣性。
发明内容
本发明提供了一种流域防洪调度方案优选方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种流域防洪调度方案优选方法，包括，
基于工程调度方案的特征值，计算各调度方案下工程的指标值；
基于工程的指标值，构建工程的指标特征值矩阵；
基于指标特征值矩阵，获取工程的相对正理想方案和相对负理想方案；
引入权重折衷系数，计算调度方案与相对正理想方案的加权KL距离、调度方案与相对负理想方案的加权KL距离；
基于加权KL距离构建模糊迭代模型，获取工程最优的调度方案。
工程按类别分为水闸工程、湖泊/水库工程、防护河段工程和分洪区工程。
水闸工程调度方案的特征值：水闸在调度期内达到的最大下泄流量；水闸工程的指标：水闸安全度，计算公式为，
Figure BDA0002281075920000021
其中，SRl为第l座水闸的安全度，
Figure BDA0002281075920000022
为第l座水闸的设计下泄流量，
Figure BDA0002281075920000023
为第l座水闸在调度期内达到的最大下泄流量；
湖泊/水库工程的特征值：湖泊/水库在调度期内达到的最高水位、湖泊/水库在调度期末的水位；湖泊/水库工程的指标：湖泊/水库安全度、湖泊/水库末水位偏离度，计算公式分别为，
Figure BDA0002281075920000024
Figure BDA0002281075920000025
其中，SLl为第l个湖泊/水库的安全度，
Figure BDA0002281075920000026
为第l个湖泊/水库的设计水位，
Figure BDA0002281075920000027
为第l个湖泊/水库在调度期内达到的最高水位；DLl为第l个湖泊/水库末水位偏离度，
Figure BDA0002281075920000028
为第l个湖泊/水库的汛末水位，
Figure BDA0002281075920000029
为第l个湖泊/水库在调度期末的水位；
防护河段工程调度方案的特征值：防护河段在调度期内达到的最大下泄流量；防护河段工程的指标：防护河段行洪安全度，计算公式为，
Figure BDA0002281075920000031
其中，SCl为第l个防护河段的行洪安全度，
Figure BDA0002281075920000032
为第l个防护河段的设计行洪流量，
Figure BDA0002281075920000033
为第l个防护河段在调度期内达到的最大下泄流量；
分洪区工程调度方案的特征值：分洪区在调度期内的分洪量；分洪区工程的指标：分洪区分洪指数，计算公式为，
Figure BDA0002281075920000034
其中，SFl为第l个分洪区的分洪指数，
Figure BDA0002281075920000035
为第l个分洪区的最大分洪量，
Figure BDA0002281075920000036
为第l个分洪区在调度期内的分洪量。
工程的指标特征值矩阵为，
Figure BDA0002281075920000037
Figure BDA0002281075920000038
其中，
1≤i≤m，m为指标数量，1≤j≤n，n为工程调度方案数量，xij为第j个调度方案第i项指标的特征值；
若为水闸工程，αl位第l座水闸的权重系数，K为纳入评价体系的水闸个数，Tl为SRl；
若为湖泊/水库工程，αl为第l个湖泊/水库的权重系数，K为纳入评价体系的湖泊/水库个数，计算湖泊/水库安全度的特征值时，Tl为SLl，计算湖泊/水库末水位偏离度的特征值时，Tl为DLl；
若为防护河段工程，αl为第l个防护河段的权重系数，K为纳入评价体系的防护河段个数，Tl为SCl；
若为分洪区工程，αl为1，K为纳入评价体系的分洪区个数，Tl为SFl。
获取工程的相对正理想方案和相对负理想方案的过程为，
基于指标特征值矩阵，计算相对隶属度矩阵；
用相对隶属度矩阵中各行的最大值构成相对正理想方案；
用相对隶属度矩阵中各行的最小值构成相对正理想方案。
调度方案与相对正理想方案的加权KL距离为，
Figure BDA0002281075920000041
其中，Dg为调度方案与相对正理想方案的加权KL距离，1≤i≤m，m为指标数量，1≤j≤n，n为工程调度方案数量，uj为第j个调度方案对优的相对优属度，δ为权重折衷系数，wi为第i个指标的客观权重，pi为第i个指标的主观权重，gi为第i个指标的相对隶属度最大值，是相对正理想方案中第i个元素，rij为第j个调度方案第i项指标的相对隶属度，是相对隶属度矩阵中的元素；
调度方案与相对负理想方案的加权KL距离为，
Figure BDA0002281075920000042
其中，Db为调度方案与相对负理想方案的加权KL距离，1-uj为第j个调度方案对劣的相对优属度，bi为第i个指标的相对隶属度最小值，是相对负理想方案中第i个元素。
以调度方案与相对正理想方案的加权KL距离加上调度方案与相对负理想方案的加权KL距离之和最小为目标，构建模糊迭代模型；
模糊迭代模型公式为，
Figure BDA0002281075920000051
Figure BDA0002281075920000052
其中，Jm为模糊迭代模型输出，1≤i≤m，m为指标数量，1≤j≤n，n为工程调度方案数量，uj为第j个调度方案对优的相对优属度，δ为权重折衷系数，wi为第i个指标的客观权重，pi为第i个指标的主观权重，gi为第i个指标的相对隶属度最大值，是相对正理想方案中第i个元素，rij为第j个调度方案第i项指标的相对隶属度，是相对隶属度矩阵中的元素，1-uj为第j个调度方案对劣的相对优属度，bi为第i个指标的相对隶属度最小值，是相对负理想方案中第i个元素。
在迭代初始时，分别对uj和δ进行预设初始值赋值，采用熵值法对wi进行初始值赋值。
在迭代过程中，uj、δ和wi每次迭代的更新公式为，
Figure BDA0002281075920000061
其中，
Figure BDA0002281075920000062
分别为第t次和第t+1次迭代时的uj，δt、δt+1分别为第t次和第t+1次迭代时的δ，
Figure BDA0002281075920000063
分别为第t次和第t+1次迭代时的wi，k≠i；
响应于
Figure BDA0002281075920000064
则停止迭代。
一种流域防洪调度方案优选系统，包括，
指标值计算模块：基于工程调度方案的特征值，计算各调度方案下工程的指标值；
矩阵构建模块：基于工程的指标值，构建工程的指标特征值矩阵；
理想方案获取模块：基于指标特征值矩阵，获取工程的相对正理想方案和相对负理想方案；
加权KL距离计算模块：引入权重折衷系数，计算调度方案与相对正理想方案的加权KL距离、调度方案与相对负理想方案的加权KL距离；
最优调度方案获取模块：基于加权KL距离构建模糊迭代模型，获取工程最优的调度方案。
本发明所达到的有益效果：本发明引入权重折衷系数调和主观权重与客观权重，大大提高了选优的科学性和合理性；同时采用KL距离度量调度方案与相对理想解和相对负理想解的差异程度，克服了欧式距离存在的缺陷。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种流域防洪调度方案优选方法，包括以下步骤：
步骤1，基于工程调度方案的特征值，计算各调度方案下工程的指标值。
防洪工程按类别分为水闸工程、湖泊/水库工程、防护河段工程和分洪区工程。
水闸工程调度方案的特征值：水闸在调度期内达到的最大下泄流量；水闸工程的指标：水闸安全度，计算公式为，
Figure BDA0002281075920000071
其中，SRl为第l座水闸的安全度，
Figure BDA0002281075920000072
为第l座水闸的设计下泄流量，
Figure BDA0002281075920000073
为第l座水闸在调度期内达到的最大下泄流量。
湖泊/水库工程的特征值：湖泊/水库在调度期内达到的最高水位、湖泊/水库在调度期末的水位；湖泊/水库工程的指标：湖泊/水库安全度、湖泊/水库末水位偏离度，计算公式分别为，
Figure BDA0002281075920000081
Figure BDA0002281075920000082
其中，SLl为第l个湖泊/水库的安全度，
Figure BDA0002281075920000083
为第l个湖泊/水库的设计水位，
Figure BDA0002281075920000084
为第l个湖泊/水库在调度期内达到的最高水位；DLl为第l个湖泊/水库末水位偏离度，
Figure BDA0002281075920000085
为第l个湖泊/水库的汛末水位，
Figure BDA0002281075920000086
为第l个湖泊/水库在调度期末的水位。
防护河段工程调度方案的特征值：防护河段在调度期内达到的最大下泄流量；防护河段工程的指标：防护河段行洪安全度，计算公式为，
Figure BDA0002281075920000087
其中，SCl为第l个防护河段的行洪安全度，
Figure BDA0002281075920000088
为第l个防护河段的设计行洪流量，
Figure BDA0002281075920000089
为第l个防护河段在调度期内达到的最大下泄流量。
分洪区工程调度方案的特征值：分洪区在调度期内的分洪量；分洪区工程的指标：分洪区分洪指数，计算公式为，
Figure BDA00022810759200000810
其中，SFl为第l个分洪区的分洪指数，
Figure BDA00022810759200000811
为第l个分洪区的最大分洪量，
Figure BDA00022810759200000812
为第l个分洪区在调度期内的分洪量。
步骤2，基于工程的指标值，构建工程的指标特征值矩阵。
工程的指标特征值矩阵为：
Figure BDA0002281075920000091
Figure BDA0002281075920000092
其中，1≤i≤m，m为指标数量，1≤j≤n，n为工程调度方案数量，xij为第j个调度方案第i项指标的特征值，αl∈[0,1]。
若为水闸工程，αl位第l座水闸的权重系数，K为纳入评价体系的水闸个数，Tl为SRl。
若为湖泊/水库工程，αl为第l个湖泊/水库的权重系数，K为纳入评价体系的湖泊/水库个数，计算湖泊/水库安全度的特征值时，Tl为SLl，计算湖泊/水库末水位偏离度的特征值时，Tl为DLl。
若为防护河段工程，αl为第l个防护河段的权重系数，K为纳入评价体系的防护河段个数，Tl为SCl。
若为分洪区工程，αl为1，K为纳入评价体系的分洪区个数，Tl为SFl。
步骤3，基于指标特征值矩阵，计算相对隶属度矩阵。
不同指标特征值之间量级差别较大，需要对指标特征值矩阵进行归一化处理，得到指标的相对隶属度矩阵。
Figure BDA0002281075920000093
rij为第j个调度方案第i项指标的相对隶属度，是相对隶属度矩阵中的元素；
对于效益型指标(越大越优)，
Figure BDA0002281075920000101
对于成本型指标(越小越优)，
Figure BDA0002281075920000102
其中，
Figure BDA0002281075920000103
分别为指标特征值矩阵中第i行的最小值和最大值。
步骤4，基于相对隶属度矩阵，获取工程的相对正理想方案和相对负理想方案。
用相对隶属度矩阵中各行的最大值构成相对正理想方案G＝(g1,g2,…,gm)T，用相对隶属度矩阵中各行的最小值构成相对正理想方案B＝(b1,b2,…,bm)T。
步骤5，引入权重折衷系数，计算调度方案与相对正理想方案的加权KL距离、调度方案与相对负理想方案的加权KL距离。
设各指标的客观权重向量为W＝(w1,w2,…,wm)T，且满足wi∈[0,1]，采用KL距离度量调度方案与相对正理想方案的差异度、调度方案与相对负理想方案的差异度：
Figure BDA0002281075920000104
Figure BDA0002281075920000105
则调度方案与相对正理想方案的加权KL距离为：
Figure BDA0002281075920000111
其中，Dg为调度方案与相对正理想方案的加权KL距离，uj为第j个调度方案对优的相对优属度，δ为权重折衷系数，wi为第i个指标的客观权重，pi为第i个指标的主观权重，gi为第i个指标的相对隶属度最大值，是相对正理想方案中第i个元素；
调度方案与相对负理想方案的加权KL距离为：
Figure BDA0002281075920000112
其中，Db为调度方案与相对负理想方案的加权KL距离，1-uj为第j个调度方案对劣的相对优属度，bi为第i个指标的相对隶属度最小值，是相对负理想方案中第i个元素。
步骤6，以调度方案与相对正理想方案的加权KL距离加上调度方案与相对负理想方案的加权KL距离之和最小为目标，构建模糊迭代模型，获取工程最优的调度方案。
模糊迭代模型公式为：
Figure BDA0002281075920000113
Figure BDA0002281075920000114
其中，Jm为模糊迭代模型输出，即两个加权KL距离之和最小的调度方案为最优调度方案。
在迭代初始时，分别对uj和δ进行预设初始值赋值，uj的初始值为0.9，δ的初始值为0.5，采用熵值法对wi进行初始值赋值。
wi初始值赋值过程如下：
根据相对隶属度矩阵，计算每个指标的熵Hi，熵越小，各调度方案在该指标上存在较大差异，应该重点考察；
Figure BDA0002281075920000121
其中，
Figure BDA0002281075920000122
根据公式
Figure BDA0002281075920000123
计算得到指标的熵权值，即wi的初始值。
在迭代过程中，uj、δ和wi每次迭代的更新公式计算如下：
构造拉格朗日函数：
Figure BDA0002281075920000124
令
Figure BDA0002281075920000125
解得更新公式：
Figure BDA0002281075920000131
其中，
Figure BDA0002281075920000132
分别为第t次和第t+1次迭代时的uj，δt、δt+1分别为第t次和第t+1次迭代时的δ，
Figure BDA0002281075920000133
分别为第t次和第t+1次迭代时的wi，k≠i；
响应于
Figure BDA0002281075920000134
则停止迭代，否则继续迭代。
上述方法引入权重折衷系数调和主观权重与客观权重，大大提高了选优的科学性和合理性；同时采用KL距离度量调度方案与相对理想解和相对负理想解的差异程度，克服了欧式距离存在的缺陷。
一种流域防洪调度方案优选系统，包括，
指标值计算模块：基于工程调度方案的特征值，计算各调度方案下工程的指标值；
矩阵构建模块：基于工程的指标值，构建工程的指标特征值矩阵；
理想方案获取模块：基于指标特征值矩阵，获取工程的相对正理想方案和相对负理想方案；
加权KL距离计算模块：引入权重折衷系数，计算调度方案与相对正理想方案的加权KL距离、调度方案与相对负理想方案的加权KL距离；
最优调度方案获取模块：基于加权KL距离构建模糊迭代模型，获取工程最优的调度方案。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备流域防洪调度方案优选方法。
一种计算设备，包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行流域防洪调度方案优选方法的指令。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.一种流域防洪调度方案优选方法，其特征在于：包括，
基于工程调度方案的特征值，计算各调度方案下工程的指标值；
基于工程的指标值，构建工程的指标特征值矩阵；
基于指标特征值矩阵，获取工程的相对正理想方案和相对负理想方案；
引入权重折衷系数，计算调度方案与相对正理想方案的加权KL距离、调度方案与相对负理想方案的加权KL距离；
基于加权KL距离构建模糊迭代模型，获取工程最优的调度方案。
2.根据权利要求1所述的一种流域防洪调度方案优选方法，其特征在于：工程按类别分为水闸工程、湖泊/水库工程、防护河段工程和分洪区工程。
3.根据权利要求2所述的一种流域防洪调度方案优选方法，其特征在于：
水闸工程调度方案的特征值：水闸在调度期内达到的最大下泄流量；水闸工程的指标：水闸安全度，计算公式为，
Figure FDA0002281075910000011
其中，SRl为第l座水闸的安全度，
Figure FDA0002281075910000012
为第l座水闸的设计下泄流量，
Figure FDA0002281075910000013
为第l座水闸在调度期内达到的最大下泄流量；
湖泊/水库工程的特征值：湖泊/水库在调度期内达到的最高水位、湖泊/水库在调度期末的水位；湖泊/水库工程的指标：湖泊/水库安全度、湖泊/水库末水位偏离度，计算公式分别为，
Figure FDA0002281075910000014
Figure FDA0002281075910000021
其中，SLl为第l个湖泊/水库的安全度，
Figure FDA0002281075910000022
为第l个湖泊/水库的设计水位，
Figure FDA0002281075910000023
为第l个湖泊/水库在调度期内达到的最高水位；DLl为第l个湖泊/水库末水位偏离度，
Figure FDA0002281075910000024
为第l个湖泊/水库的汛末水位，
Figure FDA0002281075910000025
为第l个湖泊/水库在调度期末的水位；
防护河段工程调度方案的特征值：防护河段在调度期内达到的最大下泄流量；防护河段工程的指标：防护河段行洪安全度，计算公式为，
Figure FDA0002281075910000026
其中，SCl为第l个防护河段的行洪安全度，
Figure FDA0002281075910000027
为第l个防护河段的设计行洪流量，
Figure FDA0002281075910000028
为第l个防护河段在调度期内达到的最大下泄流量；
分洪区工程调度方案的特征值：分洪区在调度期内的分洪量；分洪区工程的指标：分洪区分洪指数，计算公式为，
Figure FDA0002281075910000029
其中，SFl为第l个分洪区的分洪指数，WFl max为第l个分洪区的最大分洪量，WFl real为第l个分洪区在调度期内的分洪量。
4.根据权利要求3所述的一种流域防洪调度方案优选方法，其特征在于：工程的指标特征值矩阵为，
Figure FDA00022810759100000210
Figure FDA0002281075910000031
其中，
1≤i≤m，m为指标数量，1≤j≤n，n为工程调度方案数量，xij为第j个调度方案第i项指标的特征值；
若为水闸工程，αl位第l座水闸的权重系数，K为纳入评价体系的水闸个数，Tl为SRl；
若为湖泊/水库工程，αl为第l个湖泊/水库的权重系数，K为纳入评价体系的湖泊/水库个数，计算湖泊/水库安全度的特征值时，Tl为SLl，计算湖泊/水库末水位偏离度的特征值时，Tl为DLl；
若为防护河段工程，αl为第l个防护河段的权重系数，K为纳入评价体系的防护河段个数，Tl为SCl；
若为分洪区工程，αl为1，K为纳入评价体系的分洪区个数，Tl为SFl。
5.根据权利要求1所述的一种流域防洪调度方案优选方法，其特征在于：获取工程的相对正理想方案和相对负理想方案的过程为，
基于指标特征值矩阵，计算相对隶属度矩阵；
用相对隶属度矩阵中各行的最大值构成相对正理想方案；
用相对隶属度矩阵中各行的最小值构成相对正理想方案。
6.根据权利要求1所述的一种流域防洪调度方案优选方法，其特征在于：调度方案与相对正理想方案的加权KL距离为，
Figure FDA0002281075910000032
其中，Dg为调度方案与相对正理想方案的加权KL距离，1≤i≤m，m为指标数量，1≤j≤n，n为工程调度方案数量，uj为第j个调度方案对优的相对优属度，δ为权重折衷系数，wi为第i个指标的客观权重，pi为第i个指标的主观权重，gi为第i个指标的相对隶属度最大值，是相对正理想方案中第i个元素，rij为第j个调度方案第i项指标的相对隶属度，是相对隶属度矩阵中的元素；
调度方案与相对负理想方案的加权KL距离为，
Figure FDA0002281075910000041
其中，Db为调度方案与相对负理想方案的加权KL距离，1-uj为第j个调度方案对劣的相对优属度，bi为第i个指标的相对隶属度最小值，是相对负理想方案中第i个元素。
7.根据权利要求1所述的一种流域防洪调度方案优选方法，其特征在于：以调度方案与相对正理想方案的加权KL距离加上调度方案与相对负理想方案的加权KL距离之和最小为目标，构建模糊迭代模型；
模糊迭代模型公式为，
Figure FDA0002281075910000042
Figure FDA0002281075910000043
其中，Jm为模糊迭代模型输出，1≤i≤m，m为指标数量，1≤j≤n，n为工程调度方案数量，uj为第j个调度方案对优的相对优属度，δ为权重折衷系数，wi为第i个指标的客观权重，pi为第i个指标的主观权重，gi为第i个指标的相对隶属度最大值，是相对正理想方案中第i个元素，rij为第j个调度方案第i项指标的相对隶属度，是相对隶属度矩阵中的元素，1-uj为第j个调度方案对劣的相对优属度，bi为第i个指标的相对隶属度最小值，是相对负理想方案中第i个元素。
8.根据权利要求7所述的一种流域防洪调度方案优选方法，其特征在于：在迭代初始时，分别对uj和δ进行预设初始值赋值，采用熵值法对wi进行初始值赋值。
9.根据权利要求7所述的一种流域防洪调度方案优选方法，其特征在于：在迭代过程中，uj、δ和wi每次迭代的更新公式为，
Figure FDA0002281075910000051
Figure FDA0002281075910000052
Figure FDA0002281075910000053
其中，
Figure FDA0002281075910000054
分别为第t次和第t+1次迭代时的uj，δt、δt+1分别为第t次和第t+1次迭代时的δ，
Figure FDA0002281075910000061
分别为第t次和第t+1次迭代时的wi，k≠i；
响应于
Figure FDA0002281075910000062
max|δt+1-δt|≤ε3，则停止迭代。
10.一种流域防洪调度方案优选系统，其特征在于：包括，
指标值计算模块：基于工程调度方案的特征值，计算各调度方案下工程的指标值；
矩阵构建模块：基于工程的指标值，构建工程的指标特征值矩阵；
理想方案获取模块：基于指标特征值矩阵，获取工程的相对正理想方案和相对负理想方案；
加权KL距离计算模块：引入权重折衷系数，计算调度方案与相对正理想方案的加权KL距离、调度方案与相对负理想方案的加权KL距离；
最优调度方案获取模块：基于加权KL距离构建模糊迭代模型，获取工程最优的调度方案。
CN201911141542.XA 2019-11-20 2019-11-20 一种流域防洪调度方案优选方法及系统 Active CN111079979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911141542.XA CN111079979B (zh) 2019-11-20 2019-11-20 一种流域防洪调度方案优选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911141542.XA CN111079979B (zh) 2019-11-20 2019-11-20 一种流域防洪调度方案优选方法及系统

Publications (2)

Publication Number Publication Date
CN111079979A true CN111079979A (zh) 2020-04-28
CN111079979B CN111079979B (zh) 2022-08-19

Family

ID=70311327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911141542.XA Active CN111079979B (zh) 2019-11-20 2019-11-20 一种流域防洪调度方案优选方法及系统

Country Status (1)

Country Link
CN (1) CN111079979B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967692A (zh) * 2020-09-07 2020-11-20 中国人民解放军国防科技大学 一种基于搜寻理论的搜救资源方案生成方法及相关设备
CN112749490A (zh) * 2021-01-05 2021-05-04 河海大学 一种调水引流方案评价方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472001A (zh) * 2018-11-02 2019-03-15 广东电网有限责任公司 一种方案的优劣评估方法、优劣评估系统及相关装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472001A (zh) * 2018-11-02 2019-03-15 广东电网有限责任公司 一种方案的优劣评估方法、优劣评估系统及相关装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张彦霞等: "组合权重优化的企业财务绩效可变模糊综合评价模型", 《数学的实践与认识》 *
房强: "用于图片特征分解的稀疏多因式非负矩阵分解算法", 《电子设计工程》 *
王本德: "水库洪水调度系统的模糊循环迭代模型及应用", 《水科学进展》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111967692A (zh) * 2020-09-07 2020-11-20 中国人民解放军国防科技大学 一种基于搜寻理论的搜救资源方案生成方法及相关设备
CN112749490A (zh) * 2021-01-05 2021-05-04 河海大学 一种调水引流方案评价方法及系统

Also Published As

Publication number Publication date
CN111079979B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
Li et al. Comparison of random forests and other statistical methods for the prediction of lake water level: a case study of the Poyang Lake in China
CN111079979B (zh) 一种流域防洪调度方案优选方法及系统
Xu et al. Comparison of three global optimization algorithms for calibration of the Xinanjiang model parameters
CN105676814A (zh) 基于sfla-svm的数字化水岛在线加药控制方法
Bao et al. Application of linearized calibration method for vertically mixed runoff model parameters
Fang et al. A new method of the relative membership degree calculation in variable fuzzy sets for water quality assessment
Li et al. Improved neural network model and its application in hydrological simulation
Fowe et al. OPTIWAM: an intelligent tool for optimizing irrigation water management in coupled reservoir–groundwater systems
Zhang et al. Integrated IMO-TSP and AHP method for regional water allocation under uncertainty
Pannocchia Distributed model predictive control
Dong et al. Simulation of daily diffuse solar radiation based on three machine learning models
Luo et al. Research on stage-divided water level prediction technology of rivers-connected lake based on machine learning: a case study of Hongze Lake, China
Lin et al. Deformation forecasting of pulp-masonry arch dams via a hybrid model based on CEEMDAN considering the lag of influencing factors
Zhu et al. Exploring a multi-objective cluster-decomposition framework for optimizing flood control operation rules of cascade reservoirs in a river basin
Yang et al. Vulnerability of assessing water resources by the improved set pair analysis
Liu et al. Using a Bayesian probabilistic forecasting model to analyze the uncertainty in real-time dynamic control of the flood limiting water level for reservoir operation
Han et al. Surrogate-based stochastic multiobjective optimization for coastal aquifer management under parameter uncertainty
Sørensen Dynamic positioning control systems for ships and underwater vehicles
Tadokoro Disaster response robot
Juan et al. Multi-step prediction of dissolved oxygen in river based on random forest missing value imputation and attention mechanism coupled with recurrent neural network
Castañón Dynamic noncooperative games
Kawan Data rate of nonlinear control systems and feedback entropy
Bar-Shalom et al. Data association
Wang et al. Flood season division with an improved fuzzy C-mean clustering method in the Taihu lake basin in China
Shim Disturbance observers

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