CN111724003B - 一种基于“分区-分级”理论的复杂水资源系统优化配置方法 - Google Patents

一种基于“分区-分级”理论的复杂水资源系统优化配置方法 Download PDF

Info

Publication number
CN111724003B
CN111724003B CN202010668751.6A CN202010668751A CN111724003B CN 111724003 B CN111724003 B CN 111724003B CN 202010668751 A CN202010668751 A CN 202010668751A CN 111724003 B CN111724003 B CN 111724003B
Authority
CN
China
Prior art keywords
water
water resource
resource system
partition
individuals
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
CN202010668751.6A
Other languages
English (en)
Other versions
CN111724003A (zh
Inventor
郭玉雪
许月萍
程伟平
于欣廷
尤延锋
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010668751.6A priority Critical patent/CN111724003B/zh
Publication of CN111724003A publication Critical patent/CN111724003A/zh
Application granted granted Critical
Publication of CN111724003B publication Critical patent/CN111724003B/zh
Priority to PCT/CN2021/085198 priority patent/WO2022012093A1/zh
Priority to US17/533,112 priority patent/US20220092238A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于“分区‑分级”理论的复杂水资源系统优化配置方法，步骤如下：首先获取水资源系统基本信息数据，其次对复杂水资源系统进行概化；然后按照水库、泵站、河道、输水管道与水厂之间的供给水关系对整个水资源系统进行分区，并建立不同分区水力关系数字化矩阵；最后按照供水水源类型构建和求解多级水资源系统优化配置模型，确定合理的优化配置方案集合。本发明可实现复杂水资源系统的简单化，为水资源高效利用提供新的途径。

Description

一种基于“分区-分级”理论的复杂水资源系统优化配置方法
技术领域
本发明属于水资源配置领域，具体涉及一种基于“分区-分级”理论的复杂水资源系统优化配置方法。
背景技术
为了解决水资源分布时空不均问题导致的水资源短缺问题，开展水资源优化配置研究能够提高水资源利用率，具有明显的社会和经济效益。然而随着社会经济的快速发展，水资源优化配置需要考虑的因素日益增多，尤其是针对复杂水资源系统，在优化配置模型的构建和求解过程中，容易出现维数灾难问题，因此有必要对系统进行分区处理，实现系统的有效降维，以提高计算效率。同时，以往的水资源优化配置模型通常以全区域的总供水保证率最大为社会效益目标，难以保证各分区用水户效益的公平性。另外，在优化配置模型的求解方面，Mirjalili等人(2014)提出的灰狼优化算法(GWO)已被证明在对函数求解精度和稳定性上要明显优于粒子群算法(PSO)、差分算法(DE)和遗传算法(GA)等优化算法，但也存在着收敛速度慢、全局搜索能力弱、容易陷入局部最优的缺陷。
发明内容
本发明的目的在于提供一种复杂水资源系统优化配置方法，该方法基于“分区-分级”理论进行水资源优化配置模型构建，同时对灰狼算法进行改进，并应用于模型求解，确定最优配水方案集合。该方法能够简化多维优化求解过程，避免陷入局部优化提高计算效率，且保证各用水户的公平性及提高供水保证率。
为实现上述目的，本发明的技术方案是：
一种基于“分区-分级”理论的复杂水资源系统优化配置方法，包括以下步骤：
步骤1，获取水资源系统基本信息数据，包括水库水位-库容关系曲线，水库、泵站、河道、输水管道、水厂的基本特征参数、地理位置信息等；
步骤2，将复杂水资源系统概化为不同单元，包括节点和有向线段；
步骤3，对整个复杂水资源系统进行片区划分，分别建立不同分区水力关系数字化矩阵；
步骤4，按照供水水源类型构建和求解多级水资源系统优化配置模型，确定合理的水资源优化配置方案集合。
上述技术方案中，进一步地，所述步骤2中将系统中的水库、泵站、河道、水厂分别概化为节点，输水管道概化为有向线段。
进一步地，所述步骤3中分区原则是以水厂为分区中心，按照水库、泵站、河道、输水管道与水厂之间的水力关系进行片区划分。
更进一步地，所述步骤3中将不同分区之间的交汇处概化为虚拟节点。
进一步地，所述步骤3中水力关系均以0，-1和1数字化表示，其中0表示无水力关系，-1表示出流，1表示入流。
进一步地，所述步骤4中的供水水源包括本地水和外调水，其中本地水包括水库和河道水。
进一步地，所述步骤4按照供水水源类型构建和求解多级水资源系统优化配置模型，包括以下步骤：
步骤4-1，仅考虑本地水，建立第一级水资源单目标优化配置模型。以分区水资源系统为对象，分别构建各分区以水厂供水保证率最大为目标函数，以水量平衡、本地水源可供水量、泵站过流能力、管道输水能力等为约束的水资源单目标优化配置模型，其中，目标函数：
Figure GDA0002920020190000021
式中，Qj为j水厂的需水量(m3)，xij为第i水库向第j水厂的供水量(m3)。
步骤4-2，采用改进的单目标灰狼算法进行上述模型求解，确定各个水厂的缺水量WQi(i＝1,2,...,M)，M为整个水资源系统内的水厂个数；
步骤4-3，同时考虑本地水和外调水，建立第二级水资源多目标优化配置模型。以整个水资源系统为对象，构建以系统供水保证率最大、运营总成本最小为目标函数，以外调水分配到各个水厂不小于各水厂缺水量WQi、水量平衡、本地水源可供水量、外调水水源可供水量、泵站过流能力、管道输水能力等为约束的水资源多目标优化配置模型，其中，目标函数为：
供水保证率最大
Figure GDA0002920020190000022
运营总成本最小Min f2(x)＝Me+Mi-Mb (3)
式中，k＝1,2,..,K为分区个数，Mi为本地水使用费用(￥)，Me为外调水使用费用(￥)，Mb为收益(￥)。其中，本地供水费用包括泵站运行电费、政府水资源费用、非自有水库水资源购置费；外调水包括政府水资源费、以及泵站运行电费。
步骤4-4，按照各分区计算，采用改进的多目标灰狼算法求解多目标优化配置模型，获得Pareto方案集合，确定不同方案下各个水库的配水量和外调水量。
进一步地，所述步骤4-2采用改进的单目标灰狼算法求解各个分区单目标优化模型，包括以下步骤：
步骤4-2-1，初始化算法参数和种群。种群规模大小为Popsize，最大迭代次数Maxgen，决策变量个数Dimension，决策变量取值范围[Lb,Ub]，按照决策变量的取值范围初始化灰狼种群X＝[X1,X2,...,Xi,...,XPopsize]；
步骤4-2-2，计算种群中每个个体的适应度，其中水厂供水保证率越大，返回的适应度越大；按照适应度大小进行排序，选择并保存适应度最大的三个个体：Xα、Xβ、Xδ，其中Xα为全局最优的灰狼；
步骤4-2-3，采用Xα、Xβ、Xδ对种群中的所有灰狼个体进行更新，更新方式为：
Figure GDA0002920020190000031
其中，t为迭代次数，A＝2a×r1-a，C＝2×r2；A、C和a均为收敛因子，r1、r2为随机变量，r1、r2∈(0，1)，Dα、Dβ、Dδ表示个体Xα、Xβ、Xδ与个体Xi之间的距离。
步骤4-2-4，判断迭代次数是否已达到MAXGEN，若是，则终止运行并输出水厂的缺水量；若否，返回步骤4-2-2继续进化；
步骤4-2-5，确定系统内所有水厂的缺水量。
进一步地，所述步骤4-2-3中收敛因子a采用基于抛物线的非线性收敛方式收敛，方程为：
a＝2-2(t/MAXGEN)2 (5)
其中，t为当前迭代次数，MAXGEN为最大迭代次数。
进一步地，所述步骤4-4采用改进的多目标灰狼算法求解系统多目标优化配置模型，包括以下步骤：
步骤4-4-1，初始化算法参数和种群。种群规模大小为Np，外部归档集个数为Ne，最大迭代次数为Ngen，决策变量个数为Nd，决策变量取值范围为[Lb,Ub]，按照决策变量的取值范围初始化灰狼种群X；
步骤4-4-2，计算种群中每个个体的适应度值，按照适应度值计算所有个体的非支配排序等级
Figure GDA0002920020190000041
和拥挤距离
Figure GDA0002920020190000042
按照以下规则选取Ne个个体作为初始的外部归档集NEA：选取非支配排序等级为rank＝1的个体，若等级为1的个体数量大于Ne，则选择拥挤距离较大的前Ne个体；若不足，则依此选择排序等级为rank＝rank+1中拥挤距离较大的个体，直至外部归档集NEA包含个体数为Ne，以保证种群的多样性；
步骤4-4-3，在外部归档集NEA中按照以下规则选择X'α、X'β、X'δ三个个体作为优先等级：若非支配排序的等级均为非占优等级或第一等级，分别选取拥挤距离最大的前三个个体作为X'α、X'β、X'δ；若非支配排序的等级个数等于2，分别在rank＝1的等级中选取拥挤距离最大的前两个个体作为X'α、X'β，在rank＝2的等级中选取拥挤距离最大的个体作为X'δ；若非支配排序的等级个数大于2，分别在rank＝1、2、3等级选取拥挤距离最大的三个个体作为X'α、X'β、X'δ，其中X'α为全局最优的灰狼；
步骤4-4-4，按照X'α、X'β、X'δ采用式(4)-(5)对种群中的所有灰狼个体进行更新；
步骤4-4-5，计算种群中每个个体的适应度值，将更新后的新种群与外部归档集NEA进行合并，按照步骤4-4-2所述的选取规则更新外部归档集NEA；
步骤4-4-6，判断迭代次数是否已达到MAXGEN，若是，则终止运行并输出外部归档集NEA中的Pareto非劣解集合；若否，返回步骤4-4-3继续进化；
步骤4-4-7，整理输出不同非劣解对应的水库供水量、河道翻水量和外调水量。
本发明与现有技术相比，具有以下有益效果：
(1)以水厂为中心，按照供水关系对水资源系统进行分区处理，能够简化复杂水资源系统的高维优化求解过程；
(2)按照供水水源类型构建和求解多级水资源优化配置模型，可在提高供水保证率的前提下，实现经济效益最大化和水资源利用最大化；
(3)建立水力关系数字化矩阵，能够直观展示复杂水资源系统单元之间的水力联系，简化模型构建与求解过程；
(4)以各分区供水保证率最大化为目标函数计算缺水量，能够保障各用水户的供水公平性；
(5)采用基于抛物线的非线性收敛方式，可使收敛因子a初期衰减程度降低，确保更好地寻找全局最优解；后期衰减程度提高，更加精确地寻找局部最优解，能够有效地平衡灰狼算法全局搜索和局部搜索能力，提高模型求解效率；
附图说明
图1是本发明的方法流程图；
图2是本发明中步骤4-2的具体流程图；
图3是本发明中步骤4-2-3中的参数a非线性收敛图；
图4是本发明中步骤4-4的具体流程图；
图5是实施案例中D2分区系统概化图；
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，一种基于“分区-分级”理论的复杂水资源系统优化配置方法，具体包括以下步骤：
步骤1，获取水资源系统基本信息数据，包括水库水位-库容关系曲线，水库、泵站、河道、输水管道、水厂的基本特征参数、地理位置信息等；
步骤2，将复杂水资源系统概化为不同单元，包括节点和有向线段；
步骤3，对整个复杂水资源系统进行片区划分，分别建立不同分区水力关系数字化矩阵；
步骤4，按照供水水源类型构建和求解多级水资源系统优化配置模型，确定合理的水资源优化配置方案集合。
所述步骤2中将系统中的水库、泵站、河道、水厂分别概化为节点，输水管道概化为有向线段。
步骤3中分区原则是以水厂为分区中心，按照水库、泵站、河道、输水管道与水厂之间的供给水关系进行片区划分。
步骤3中将不同分区之间的交汇处概化为虚拟节点。
步骤3中水力关系矩阵均以0，-1和1数字化表示，其中0表示无水力关系，-1表示出流，1表示入流。
所述步骤4中的供水水源包括本地水和外调水，其中本地水包括水库和河道水。
步骤4-1，仅考虑本地水，建立第一级水资源单目标优化配置模型。以分区水资源系统为对象，分别构建各分区以水厂供水保证率最大为目标函数，以水量平衡、本地水源可供水量、泵站过流能力、管道输水能力等为约束的水资源单目标优化配置模型，其中，目标函数：
Figure GDA0002920020190000061
式中，Qj为j水厂的需水量(m3)，xij为第i水库向第j水厂的供水量(m3)。
步骤4-2，采用改进的单目标灰狼算法进行上述模型求解，确定各个水厂的缺水量WQi(i＝1,2,...,M)，M为整个水资源系统内的水厂个数；
步骤4-3，同时考虑本地水和外调水，建立第二级水资源多目标优化配置模型。以整个水资源系统为对象，构建以系统供水保证率最大、运营总成本最小为目标函数，以外调水分配到各个水厂不小于各水厂缺水量WQi、水量平衡、本地水源可供水量、外调水水源可供水量、泵站过流能力、管道输水能力等为约束的水资源多目标优化配置模型，其中，目标函数为：
供水保证率最大
Figure GDA0002920020190000062
运营总成本最小Min f2(x)＝Me+Mi-Mb (3)
式中，k＝1,2,..,K为分区个数，Mi为本地水使用费用(￥)，Me为外调水使用费用(￥)，Mb为收益(￥)。其中，本地供水费用包括泵站运行电费、政府水资源费用、非自有水库水资源购置费；外调水包括政府水资源费、以及泵站运行电费。
步骤4-4，按照各分区计算，采用改进的多目标灰狼算法求解多目标优化配置模型，获得Pareto方案集合，确定不同方案下各个水库的配水量和外调水量。
步骤4-2的采用改进的单目标灰狼算法求解各个分区单目标优化模型，其流程图如图2所示，具体步骤如下：
步骤4-2-1，初始化算法参数和种群。种群规模大小为Popsize，最大迭代次数Maxgen，决策变量个数Dimension，决策变量取值范围[Lb,Ub]，按照决策变量的取值范围初始化灰狼种群X＝[X1,X2,...,Xi,...,XPopsize]；
步骤4-2-2，计算种群中每个个体的适应度，其中水厂供水保证率越大，返回的适应度越大；按照适应度大小进行排序，选择并保存适应度最大的三个个体：Xα、Xβ、Xδ，其中Xα为全局最优的灰狼；
步骤4-2-3，更新收敛因子A、C和a，按照Xα、Xβ、Xδ对种群中的所有灰狼个体进行更新，更新方式为：
Figure GDA0002920020190000071
其中，t为迭代次数，A＝2a×r1-a，C＝2×r2；A、C和a均为收敛因子，r1、r2为随机变量，r1、r2∈(0，1)，Dα、Dβ、Dδ表示个体Xα、Xβ、Xδ与个体Xi之间的距离。
步骤4-2-4，判断迭代次数是否已达到MAXGEN，若是，则终止运行并输出水厂的缺水量；若否，返回步骤4-2-2继续进化；
步骤4-2-5，确定系统内所有水厂的缺水量。
如图3所示，所述的收敛因子a采用基于抛物线的非线性收敛方式，方程为：
a＝2-2(t/MAXGEN)2 (5)
其中，t为当前迭代次数，MAXGEN为最大迭代次数。
步骤4-4，采用改进的多目标灰狼算法求解整个系统的多目标优化配置模型，获得Pareto方案集合，确定不同方案下各个水库的配水量和外调水量，其流程图如图4所示，具体步骤如下：
步骤4-4-1，初始化算法参数和种群。种群规模大小为Np，外部归档集个数为Ne，最大迭代次数为Ngen，决策变量个数为Nd，决策变量取值范围为[Lb,Ub]，按照决策变量的取值范围初始化灰狼种群X；
步骤4-4-2，计算种群中每个个体的适应度值，按照适应度值计算所有个体的非支配排序等级
Figure GDA0002920020190000072
和拥挤距离
Figure GDA0002920020190000073
按照以下规则选取Ne个个体作为初始的外部归档集NEA：选取非支配排序等级为rank＝1的个体，若等级为1的个体数量大于Ne，则选择拥挤距离较大的前Ne个体；若不足，则依此选择排序等级为rank＝rank+1中拥挤距离较大的个体，直至外部归档集NEA包含个体数为Ne，以保证种群的多样性；
步骤4-4-3，在外部归档集NEA中按照以下规则选择X'α、X'β、X'δ三个个体作为优先等级：若非支配排序的等级均为非占优等级或第一等级，分别选取拥挤距离最大的前三个个体作为X'α、X'β、X'δ、Xδ；若非支配排序的等级个数等于2，分别在rank＝1的等级中选取拥挤距离最大的前两个个体作为X'α、X'β，在rank＝2的等级中选取拥挤距离最大的个体作为X'δ；若非支配排序的等级个数大于2，分别在rank＝1、2、3等级选取拥挤距离最大的三个个体作为X'α、X'β、X'δ，其中X'α为全局最优的灰狼；
步骤4-4-4，按照X'α、X'β、X'δ采用式(4)-(5)对种群中的所有灰狼个体进行更新；
步骤4-4-5，计算种群中每个个体的适应度值，将更新后的新种群与外部归档集NEA进行合并，按照步骤4-4-2所述的选取规则更新外部归档集NEA；
步骤4-4-6，判断迭代次数是否已达到MAXGEN，若是，则终止运行并输出外部归档集NEA中的Pareto非劣解集合；若否，返回步骤4-4-3继续进化；
步骤4-4-7，整理输出不同非劣解对应的水库供水量、河道翻水量和外调水量。
现以某城市复杂水资源系统优化配置为例，说明发明方法的有效性与合理性。该研究地区涉及27个水库、22个泵站以及4个供水水厂：A、B、C和D水厂。按照泵站、水库与水厂的供给水关系可将此区域划分为3个片区，D1、D2和D3，其中A和B水厂位于D1分区，C水厂位于D2分区，D水厂位于D3分区。对系统进行概化，如图5所示为D2分区系统概化图；分析各片区的水力关系，建立数字化矩阵，如表1为D2分区的水力关系数字化矩阵的部分信息。选取计算时段为2016年6月1日，按照供水水源类型构建和求解研究区多级水资源系统优化配置模型，表2为以6月1日为例，在多目标解集中选择的多组水库配水方案，可知，在多种方案下四个水厂于6月1日供水保证率均满足100％。其中所在D1分区的R1水库存储外调水，并负责对A、B、C三个水厂进行供水。
表1 D2分区的水力关系数字化矩阵的部分信息
Figure GDA0002920020190000081
Figure GDA0002920020190000091
表2 6月1日多组水库供水水量方案
Figure GDA0002920020190000092
Figure GDA0002920020190000101

Claims (8)

1.一种基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，包括以下步骤：
步骤1，获取水资源系统基本信息数据，包括水库水位-库容关系曲线，水库、泵站、河道、输水管道、水厂的基本特征参数、地理位置信息；
步骤2，将水资源系统概化为不同单元，包括节点和有向线段；
步骤3，对整个水资源系统进行片区划分，分别建立不同分区水力关系数字化矩阵；
步骤4，按照供水水源类型构建和求解多级水资源系统优化配置模型，确定合理的水资源优化配置方案集合；
所述步骤4中的供水水源包括本地水和外调水，其中本地水包括水库和河道水；所述步骤4按照供水水源类型构建和求解多级水资源系统优化配置模型，包括以下步骤：
步骤4-1，仅考虑本地水，建立第一级水资源单目标优化配置模型：以分区水资源系统为对象，分别构建各分区以水厂供水保证率最大为目标函数，以水量平衡、本地水源可供水量、泵站过流能力、管道输水能力为约束的水资源单目标优化配置模型；
步骤4-2，采用改进的单目标灰狼算法求解步骤4-1建立的各个分区单目标优化配置模型，确定各个水厂的缺水量WQi，其中，i＝1,2,...,M，M为整个水资源系统内的水厂个数；
步骤4-3，同时考虑本地水和外调水，建立第二级水资源多目标优化配置模型：以整个水资源系统为对象，构建以系统供水保证率最大、运营总成本最小为目标函数，以外调水分配到各个水厂不小于各水厂缺水量WQi、水量平衡、本地水水源可供水量、外调水水源可供水量、泵站过流能力、管道输水能力为约束的水资源多目标优化配置模型；
步骤4-4，采用改进的多目标灰狼算法求解步骤4-3建立的系统多目标优化配置模型，获得Pareto方案集合，确定不同方案下各个水库的配水量和外调水量。
2.如权利要求1所述的基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，所述步骤2中将系统中的水库、泵站、河道、水厂分别概化为节点，输水管道概化为有向线段。
3.如权利要求1所述的基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，所述步骤3中分区原则是以水厂为分区中心，按照水库、泵站、河道、输水管道与水厂之间的水力关系进行片区划分。
4.如权利要求3所述的基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，所述步骤3中将不同分区之间的交汇处概化为虚拟节点。
5.如权利要求3所述的基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，所述步骤3中水力关系均以0，-1和1数字化表示，其中0表示无水力关系，-1表示出流，1表示入流。
6.如权利要求1所述的基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，所述步骤4-2采用改进的单目标灰狼算法求解各个分区单目标优化模型，包括以下步骤：
步骤4-2-1，初始化算法参数和种群，其中，种群规模大小为Popsize，最大迭代次数为Maxgen，决策变量个数为Dimension，决策变量取值范围为[Lb,Ub]，按照决策变量的取值范围初始化灰狼种群X＝[X1,X2,...,Xi,...,XPopsize]；
步骤4-2-2，计算种群中每个个体的适应度，其中水厂供水保证率越大，返回的适应度越大；按照适应度大小进行排序，选择并保存适应度最大的三个个体：Xα、Xβ、Xδ，其中Xα为全局最优的灰狼；
步骤4-2-3，采用Xα、Xβ、Xδ对种群中的所有灰狼个体进行更新，更新方程为：
Figure FDA0002920020180000021
其中，t为迭代次数，A＝2a×r1-a，C＝2×r2；A、C和a均为收敛因子，r1、r2为随机变量，r1、r2∈(0，1)，Dα、Dβ、Dδ表示个体Xα、Xβ、Xδ与个体Xi之间的距离；
步骤4-2-4，判断迭代次数是否已达到MAXGEN，若是，则终止运行并输出水厂的缺水量；若否，返回步骤4-2-2；
步骤4-2-5，确定系统内所有水厂的缺水量。
7.如权利要求6所述的基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，所述步骤4-2-3中，收敛因子a采用基于抛物线的非线性收敛方式收敛，方程为：
a＝2-2(t/MAXGEN)2 (2)。
8.如权利要求7所述的基于“分区-分级”理论的复杂水资源系统优化配置方法，其特征在于，所述步骤4-4采用改进的多目标灰狼算法求解系统多目标优化配置模型，包括以下步骤：
步骤4-4-1，初始化算法参数和种群，其中，种群规模大小为Np，外部归档集个数为Ne，最大迭代次数为Ngen，决策变量个数为Nd，决策变量取值范围为[Lb,Ub]，按照决策变量的取值范围初始化灰狼种群X；
步骤4-4-2，计算种群中每个个体的适应度值，按照适应度值计算所有个体的非支配排序等级
Figure FDA0002920020180000031
和拥挤距离
Figure FDA0002920020180000032
其中，j＝1,2,...,Np，
Figure FDA0002920020180000033
为迭代t次后第j个体的非支配排序等级，
Figure FDA0002920020180000034
为迭代t次后第j个体的拥挤距离，按照以下规则选取Ne个个体作为初始的外部归档集NEA：选取非支配排序等级为rank＝1的个体，若等级为1的个体数量大于Ne，则选择拥挤距离较大的前Ne个体；若不足，则依次选择排序等级为rank＝rank+1中拥挤距离较大的个体，直至外部归档集NEA包含个体数为Ne，以保证种群的多样性；
步骤4-4-3，在外部归档集NEA中按照以下规则选择X'α、X'β、X'δ三个个体作为优先等级：若非支配排序的等级均为非占优等级或第一等级，分别选取拥挤距离最大的前三个个体作为X'α、X'β、X'δ；若非支配排序的等级个数等于2，分别在rank＝1的等级中选取拥挤距离最大的前两个个体作为X'α、X'β，在rank＝2的等级中选取拥挤距离最大的个体作为X'δ；若非支配排序的等级个数大于2，分别在rank＝1、2、3等级选取拥挤距离最大的三个个体作为X'α、X'β、X'δ，其中X'α为全局最优的灰狼；
步骤4-4-4，按照X'α、X'β、X'δ采用式(1)-(2)对种群中的所有灰狼个体进行更新；
步骤4-4-5，计算种群中每个个体的适应度值，将更新后的新种群与外部归档集NEA进行合并，按照步骤4-4-2所述的选取规则更新外部归档集NEA；
步骤4-4-6，判断迭代次数是否已达到MAXGEN，若是，则终止运行并输出外部归档集NEA中的Pareto非劣解集合；若否，返回步骤4-4-3；
步骤4-4-7，整理输出不同非劣解对应的水库供水量、河道翻水量和外调水量。
CN202010668751.6A 2020-07-13 2020-07-13 一种基于“分区-分级”理论的复杂水资源系统优化配置方法 Active CN111724003B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010668751.6A CN111724003B (zh) 2020-07-13 2020-07-13 一种基于“分区-分级”理论的复杂水资源系统优化配置方法
PCT/CN2021/085198 WO2022012093A1 (zh) 2020-07-13 2021-04-02 一种基于"分区-分级"理论的复杂水资源系统优化配置方法
US17/533,112 US20220092238A1 (en) 2020-07-13 2021-11-23 Optimal allocation method of complex water resource system based on "zoning-grading" theory

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010668751.6A CN111724003B (zh) 2020-07-13 2020-07-13 一种基于“分区-分级”理论的复杂水资源系统优化配置方法

Publications (2)

Publication Number Publication Date
CN111724003A CN111724003A (zh) 2020-09-29
CN111724003B true CN111724003B (zh) 2021-03-23

Family

ID=72573994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010668751.6A Active CN111724003B (zh) 2020-07-13 2020-07-13 一种基于“分区-分级”理论的复杂水资源系统优化配置方法

Country Status (3)

Country Link
US (1) US20220092238A1 (zh)
CN (1) CN111724003B (zh)
WO (1) WO2022012093A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724003B (zh) * 2020-07-13 2021-03-23 浙江大学 一种基于“分区-分级”理论的复杂水资源系统优化配置方法
CN112785037B (zh) * 2020-12-30 2024-02-23 苏州电力设计研究院有限公司 一种配电网反时限过电流保护定值优化方法
CN113111583B (zh) * 2021-04-13 2022-05-17 浙江大学 一种考虑再生水的多水源多用户分质供水优化配置方法
CN114492617A (zh) * 2022-01-23 2022-05-13 广州市自来水有限公司 一种基于聚类的管网分区及跨区水量调配的方法
CN116681262A (zh) * 2023-07-28 2023-09-01 山东锋士信息技术有限公司 一种基于遥感数据的水资源优化配置方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102841595A (zh) * 2012-09-27 2012-12-26 南京需求响应节能科技有限公司 多级资源调度管理系统
CN104700150A (zh) * 2013-12-04 2015-06-10 航天科工仿真技术有限责任公司 两阶段情景下的三层水资源配置规划方法
CN108764573A (zh) * 2018-05-29 2018-11-06 中国水利水电科学研究院 一种面向内陆干旱区的水资源多维均衡配置系统
CN109658287A (zh) * 2018-12-27 2019-04-19 中国水利水电科学研究院 一种基于水资源时空均匀分配的流域水量调度方法
CN109919485A (zh) * 2019-03-06 2019-06-21 桂林理工大学 一种基于nsga-ii的水资源配置的多目标优化方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7593839B1 (en) * 2002-03-07 2009-09-22 Bentley Systems, Incorporated Method for optimizing design and rehabilitation of water distribution systems
CN107491855B (zh) * 2017-06-30 2020-08-04 中国水利水电科学研究院 一种跨流域调水工程的配置调度方法及装置
CN108764557A (zh) * 2018-05-22 2018-11-06 中国水利水电科学研究院 一种可实现宽浅式破坏的水资源优化配置方法
CN110276700A (zh) * 2019-06-24 2019-09-24 北京师范大学 水资源优化配置方法、装置、设备及存储介质
CN111724003B (zh) * 2020-07-13 2021-03-23 浙江大学 一种基于“分区-分级”理论的复杂水资源系统优化配置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102841595A (zh) * 2012-09-27 2012-12-26 南京需求响应节能科技有限公司 多级资源调度管理系统
CN104700150A (zh) * 2013-12-04 2015-06-10 航天科工仿真技术有限责任公司 两阶段情景下的三层水资源配置规划方法
CN108764573A (zh) * 2018-05-29 2018-11-06 中国水利水电科学研究院 一种面向内陆干旱区的水资源多维均衡配置系统
CN109658287A (zh) * 2018-12-27 2019-04-19 中国水利水电科学研究院 一种基于水资源时空均匀分配的流域水量调度方法
CN109919485A (zh) * 2019-03-06 2019-06-21 桂林理工大学 一种基于nsga-ii的水资源配置的多目标优化方法

Also Published As

Publication number Publication date
WO2022012093A1 (zh) 2022-01-20
US20220092238A1 (en) 2022-03-24
CN111724003A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN111724003B (zh) 一种基于“分区-分级”理论的复杂水资源系统优化配置方法
CN105719091B (zh) 一种梯级水电站群并行多目标优化调度方法
CN107480813A (zh) 基于多目标混沌遗传算法的流域水资源优化配置方法
CN105243458A (zh) 一种基于多目标混合蛙跳差分算法的水库调度方法
CN107527119A (zh) 基于改进的多目标量子遗传算法的水资源优化调度方法
Chen et al. Applying a real‐coded multi‐population genetic algorithm to multi‐reservoir operation
CN114663254B (zh) 一种水资源-粮食-能源-生态协同调控方法
Feng et al. Scheduling of short-term hydrothermal energy system by parallel multi-objective differential evolution
CN106779219A (zh) 一种用电量预测方法及系统
Li et al. Study of optimal allocation of water resources in Dujiangyan irrigation district of China based on an improved genetic algorithm
Li et al. Water resources optimal allocation based on large-scale reservoirs in the upper reaches of Yangtze River
CN110633849B (zh) 一种基于启发式大系统分解协调思想的水资源配置方法
CN110163420B (zh) 一种基于分解文化进化算法的多目标生态调度方法和系统
CN116029405A (zh) 一种基于灌区渠系的多目标动态配水方法
Xu et al. Optimization of operation strategies for an interbasin water diversion system using an aggregation model and improved NSGA-II algorithm
Bai et al. Evaluation for development effect of enterprise innovation with neural network from low-carbon economy
CN116207797B (zh) 一种配电网多串并联设备协调优化控制方法
CN109359671B (zh) 一种水电站水库调度规则的分类智能提取方法
CN116796997A (zh) 基于第三代非支配排序遗传算法的三级渠系配水优化方法
CN111476477A (zh) 基于发电效益目标的梯级水电站中长期优化调度方法
CN116663740A (zh) 一种多水库、多线路、多受水区的跨流域调水工程联合调度规则优化方法
CN114580864B (zh) 针对综合能源系统的多元储能分配方法、系统及设备
CN113360289B (zh) 基于边缘计算的多区域综合能源系统分布式协同优化方法
Kong et al. Ecological multi-objective joint optimized scheduling of cascade hydropower plants based on improved marine predators algorithm
CN115239117A (zh) 基于多目标优化的分类与特征选择方法

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