CN111783369B - 一种多闸群明渠调水工程的短期多目标优化调度方法 - Google Patents
一种多闸群明渠调水工程的短期多目标优化调度方法 Download PDFInfo
- Publication number
- CN111783369B CN111783369B CN202010712160.4A CN202010712160A CN111783369B CN 111783369 B CN111783369 B CN 111783369B CN 202010712160 A CN202010712160 A CN 202010712160A CN 111783369 B CN111783369 B CN 111783369B
- Authority
- CN
- China
- Prior art keywords
- gate
- water level
- constraint
- model
- objective
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 33
- 230000008878 coupling Effects 0.000 claims abstract description 16
- 238000010168 coupling process Methods 0.000 claims abstract description 16
- 238000005859 coupling reaction Methods 0.000 claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 230000033228 biological regulation Effects 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims 1
- 238000012546 transfer Methods 0.000 abstract description 7
- 230000001276 controlling effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02B—HYDRAULIC ENGINEERING
- E02B1/00—Equipment or apparatus for, or methods of, general hydraulic engineering, e.g. protection of constructions against ice-strains
- E02B1/02—Hydraulic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Mathematical Optimization (AREA)
- Fluid Mechanics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Mechanical Engineering (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种多闸群明渠调水工程的短期多目标优化调度方法,涉及水资源调度技术领域;对于长距离输水工程而言,本发明构建一维非恒定流水动力模型,实现长距离输水系统的水力衔接和联系,从而模拟整个调度期内各时刻的水位、流量情况;构建多目标优化调度模型,采用NSGA‑Ⅱ算法,满足实际多个调度目标的需求,通过优化各时刻闸门的调控过程,生成了多组直接作用于闸门的调控方案,保证输水系统的平稳安全运行;构建多目标优化算法(NSGA‑Ⅱ)与一维非恒定流水动力模型的耦合优化调度模型,对优化过程中涉及的水动力过程进行仿真模拟,更加贴合实际情况,从而实现复杂明渠调水工程的模拟优化调度工作。
Description
技术领域
本发明涉及多闸群明渠水资源调度技术领域,尤其涉及一种多闸群明渠调水工程的短期多目标优化调度方法。
背景技术
长距离明渠调水工程是解决地区间水资源分配不均,实现水资源合理配置的有效方法,目前长距离调水工程具有线路长、途径区域多、沿线相关建筑物多,水力联系复杂,调度难度巨大等难点,它是一个复杂的多目标优化调度问题,其具有高维性、非凸性、非线性性、而且约束条件众多,同时由于闸门开度只能为整数,导致了此问题变量为整型,又是一个复杂的整数规划问题。因此如何提出有效的方案提高输水效率和效益,保障工程安全成为亟待解决的问题。
对于长距离明渠调水工程的优化调度问题,目前的研究大多采用传统自动控制算法来求解,传统自动控制算法一般是通过输入渠池水位、流量等相关信息,输出闸门动作来实现整个渠道的控制操作,但是传统自动控制算法通常只考虑一个目标,无法兼顾多个目标,并且自动控制算法的闸门调节频次高,对于闸门的损耗也更加严重,再者就是对于大规模闸群的调节效果并不理想,无法满足实际工程的需要。
发明内容
本发明的目的在于提供一种多闸群明渠调水工程的短期多目标优化调度方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种多闸群明渠调水工程的短期多目标优化调度方法,包括以下步骤:
S1,构建一维非恒定流水动力模型,模拟计算获得整个系统的水位、流量过程,确定一维非恒定流水动力模型输入数据;
S2,构建多目标优化算法,耦合一维非恒定流水动力模型的优化调度模型;
S3,求解步骤S2中构建的优化调度模型,从而得到多组优化后的调度方案。
优选地,步骤S1具体包括:
S11,列出圣维南方程组:
S12,列出节制闸和分水口方程:
式中:Q表示节制闸过流流量,m3/s;m表示过流系数;e表示闸门开度,m;B表示过流宽度,m;Zup表示闸前水位,m;Zdown表示闸后水位;
Qi+1=Qi-qj (3)
式中:Qi+1表示后一个断面的流量,m3/s;Qi表示前一个断面的流量,m3/s;qj表示第j个分水口的分水流量,m3/s;
S13,将圣维南方程组(1)采用Preissmann格式离散,加上系统两端的边界条件,形成封闭的代数方程组,求解获得渠道内任一断面的水位和流量。
优选地,步骤S2具体包括:
S21,确定优化调度模型的目标函数:确定运行水位与目标水位的平均偏差最小、调度期内闸门调控次数最少、调控历时最短的三个目标函数。
S22,确定优化调度模型的决策变量:选取闸门开度变化量作为决策变量,提出动态变量范围选取策略,采取流量控制的闸门开度变化量范围作为决策变量的变化范围;
S23,确定优化调度模型的约束条件,包括水位约束和闸门开度约束,其中水位约束还包括各渠池水位约束、每小时水位变幅约束和每天水位变幅约束;
S24,采用多目标优化模型和一维非恒定流水动力模型之间的数据交互实现多目标优化算法和一维非恒定流水动力模型的耦合。
优选地,步骤S22中目标函数具体为:
①运行水位与目标水位的平均偏差最小的目标函数如式(4)所示
t=1,2,…,T,n=1,2,…,N;
②调度期内闸门调控次数最少的目标函数如式(5)所示:
minF2=min{c},t=1,2,…,T (5)
式中:c表示调度期内闸门调控次数;
③调控历时最短的目标函数如式(6)所示
minF3=min{Tc},t=1,2,…,T (6)
式中:Tc表示调度期内调控时间;
式中:F1表示运行水位与目标水位的平均偏差,m;T表示整个调度期;N表示闸门个数;Ztn表示t时刻n号闸门闸前水位,m;Zgn表示n号渠池目标水位,m。
优选地,所述采取流量控制的闸门开度变化量范围作为决策变量的变化范围具体为;
①根据步骤S1建立的一维非恒定流水动力模型,输入系统的初始边界条件和相关参数;
②对整个系统进行恒定流计算,得到系统初始状态水面线;
③根据初始状态水面线和系统流量上涨的变化量,由式(2)节制闸过闸公式反算得到各个闸门开度变化量的范围。
优选地,步骤S23中各渠池水位约束条件如式(7)所示:
每小时水位变幅约束约束条件如式(8)所示:
|Z(t+1),i-Zt,i|≤Zh (8)
每天水位变幅约束约束条件如式(9)所示:
|Z(t+24),i-Zt,i|≤Zd (9)
其中:分别表示渠池低限、高限水位,m;Zt,i、Z(t+1),i、Z(t+24),i分别表示第i个渠池在t、t+1、t+24时刻的水位,m;Zh、Zd分别表示每小时、每天的变幅,t表示时刻数,t=1,2,…,T;i表示闸门号,n=1,2,…,N。
闸门开度约束条件如式(10)所示:
式中:分别表示闸门开度最小值、最大值,m;et,i表示第i个闸门在t时刻的闸门开度,m;t表示时刻数,t=1,2,…,T;i表示闸门号,n=1,2,…,N。
优选地,步骤S3中采用NSGA-Ⅱ算法求解优化调度模型,得到多组优化后的调度方案,具体包括:
S31,设定NSGA-Ⅱ算法的基本参数,在给定变量范围内生成初始化种群;
S32,计算目标函数值,将各时刻闸门开度变化量转化为闸门开度,输入到一维非恒定流水动力模型程序中,调用一维非恒定流水动力模型程序,得到各时段各闸门的闸前水位、闸后水位和流量,然后计算各个个体的目标函数值;
S33,根据各目标函数值和约束情况确定初始化种群中各个个体的支配等级进行快速非支配排序,然后根据等级和拥挤度筛选N个个体作为父代种群;
S34,对筛选出的N个个体进行选择、交叉、变异操作生成子代种群,将子带种群和父代种群合并成2N个个体,然后进行快速非支配排序,确定各个个体的支配等级,然后再次选择N个个体作为下一代种群;
S35,重复步骤S34直到迭代次数达到设定值或者满足设定的终止条件为止,输出最优解集,得到多组面向现场操作的闸门群调控方案,用以指导实际的闸门调度过程。
优选地,步骤S31中的NSGA-Ⅱ算法的基本参数包括种群个数、迭代次数、目标个数、约束个数、变量个数、变量范围、交叉概率、变异概率、交叉分布指数和变异分布指数中的至少一种。
优选地,步骤S33中根据等级和拥挤度筛选N个个体的具体排序筛选规则如下:满足约束的个体优于不满足约束的个体;在满足约束的前提下,支配等级高的个体优于支配等级低的个体;在支配等级相同的个体中,拥挤距离大的个体优于拥挤距离小的个体;在不满足约束的前提下,约束违背值小的个体优于约束违背值大的个体。
优选地,所述一维非恒定流水动力模型输入数据包括:相关水力元件基本参数及相互连接关系数据,水动力初始条件及边界条件信息,各类模型参数,分水口调控期的分水数据以及需要优化的闸门开度过程。
本发明的有益效果是:
本发明提供一种多闸群明渠调水工程的短期多目标优化调度方法,对于长距离输水工程而言,本发明构建一维非恒定流水动力模型,实现长距离输水系统的水力衔接和联系,从而模拟整个调度期内各时刻的水位、流量情况;构建多目标优化调度模型,采用NSGA-Ⅱ算法,满足实际多个调度目标的需求,通过优化各时刻闸门的调控过程,生成了多组直接作用于闸门的调控方案,保证输水系统的平稳安全运行;构建多目标优化算法(NSGA-Ⅱ)与一维非恒定流水动力模型的耦合优化调度模型,对优化过程中涉及的水动力过程进行仿真模拟,更加贴合实际情况,从而实现复杂明渠调水工程的模拟优化调度工作;为实现复杂明渠调水工程的全自动化提供新的思路和方案,旨在保证各种水位、闸门等约束满足的条件下,考虑实际多个调度目标的需求,适用于实际的多种工况,特别是流量大幅度调整的不利工况,本模型可以通过优化闸门的调控过程,实现长距离输水系统的安全、经济和高效运行。
附图说明
图1是是实施例1中提供的多闸群明渠调水工程的多目标短期优化调度流程图;
图2是实施例1中提供的多闸群明渠调水工程示意图;
图3是实施例1中采用多目标优化算法和一维非恒定流水动力模型耦合关系的图像示意图;
图4是实施例1中采用多目标优化算法和一维非恒定流水动力模型耦合关系的计算示意图;
图5是实施例1中通过大流量调整后的输水工况下多闸群优化调度示意图;
图6是具体实施方式中南水北调中线总干渠中采用优化方法测试水位偏差过程(单向调节)对比图;
图7是具体实施方式中南水北调中线总干渠中采用优化方法测试开度变化过程(单向调节)对比图;
图8是具体实施方式中南水北调中线总干渠中采用优化方法测试算法流量变化过程(单向调节)对比图;
图9是具体实施方式中南水北调中线总干渠中采用优化方法测试水位偏差过程(双向调节)对比图;
图10是具体实施方式中南水北调中线总干渠中采用优化方法测试开度变化过程(双向调节)对比图;
图11是具体实施方式中南水北调中线总干渠中采用优化方法测试流量变化过程(双向调节)对比图;
图12是具体实施方式中南水北调中线总干渠采用经验式调控流量变化过程结果对比图;
图13是具体实施方式中南水北调中线总干渠中采用蓄量补偿算法流量变化过程结果对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
实施例1
本实施例提供一种多闸群明渠调水工程的短期多目标优化调度方法,具体流程如图1所示,其基本原理如下:
该调水工程系统示意图如图2所示,包括n座节制闸和n-1个渠池,假设上游边界水位和下游边界流量已知,各个分水口分水流量已知,并且系统初始处于稳定的状态。
S1,构建一维非恒定流水动力模型,确定模型输入数据,主要包括相关水力元件基本参数及相互连接关系数据(节制闸、倒虹吸、分水口、渐变段、渠道等水力参数数据)、水动力初始条件及边界条件信息(计算时间、计算步长、初始流量、上下游边界条件等)、模型参数文件(包括模型稳定性参数和糙率等率定参数)、分水口调控期的分水数据、需要优化的闸门开度过程等。
构建一维非恒定流水动力模型的过程包括:
S11,列出圣维南方程组:
S12,列出节制闸和分水口方程:
式中:Q表示节制闸过流流量,m3/s;m表示过流系数;e表示闸门开度,m;B表示过流宽度,m;Zup表示闸前水位,m;Zdown表示闸后水位;
Qi+1=Qi-qj (3)
式中:Qi+1表示后一个断面的流量,m3/s;Qi表示前一个断面的流量,m3/s;qj表示第j个分水口的分水流量,m3/s;
S13,将圣维南方程组(1)采用Preissmann格式离散,加上系统两端的边界条件,形成封闭的代数方程组,求解获得断面的水位和流量。
S2:构建NSGA-Ⅱ多目标优化算法嵌套一维非恒定流水动力模型的耦合优化调度模型,具体包括:
S21,确定优化调度模型的目标函数:确定运行水位与目标水位的平均偏差最小、调度期内闸门调控次数最少、调控历时最短的三个目标函数。
S22,确定优化调度模型的决策变量:选取闸门开度变化量作为决策变量,提出动态变量范围选取策略,采取流量控制的闸门开度变化量范围作为决策变量的变化范围;
S23,确定优化调度模型的约束条件,包括水位约束和闸门开度约束,其中水位约束还包括各渠池水位约束、每小时水位变幅约束和每天水位变幅约束;
S24,采用多目标优化模型和一维非恒定流水动力模型之间的数据交互实现多目标优化算法和一维非恒定流水动力模型的耦合。
本实施例中步骤S22中目标函数具体为:
④运行水位与目标水位的平均偏差最小的目标函数如式(4)所示
t=1,2,…,T,n=1,2,…,N;
⑤调度期内闸门调控次数最少的目标函数如式(5)所示:
minF2=min{c},t=1,2,…,T (5)
式中:c表示调度期内闸门调控次数;
⑥调控历时最短的目标函数如式(6)所示
minF3=min{Tc},t=1,2,…,T (6)
式中:Tc表示调度期内调控时间;
式中:F1表示运行水位与目标水位的平均偏差,m;T表示整个调度期;N表示闸门个数;Ztn表示t时刻n号闸门闸前水位,m;Zgn表示n号渠池目标水位,m。
所述采取流量控制的闸门开度变化量范围的选取,对于整个多目标优化调度模型的收敛速度和能否满足系统流量大幅度增长的需求有着很大的影响,变量范围选择过大,则会导致搜索空间过大,算法优化效率降低;而变量范围选择过小,可能无法满足系统流量大幅度增长的需求,因此在这里我们提出了一种动态变量范围选取策略,主要步骤如下:
①根据步骤S1建立的一维非恒定流水动力模型,输入系统的初始边界条件和相关参数;
②对整个系统进行恒定流计算,得到系统初始状态水面线;
③根据初始状态水面线和系统流量上涨的变化量,由式(2)节制闸过闸公式反算得到各个闸门开度变化量的范围。
步骤S23中各渠池水位约束条件如式(7)所示:
每小时水位变幅约束约束条件如式(8)所示:
|Z(t+1),i-Zt,i|≤Zh (8)
每天水位变幅约束约束条件如式(9)所示:
|Z(t+24),i-Zt,i|≤Zd (9)
其中:分别表示渠池低限、高限水位,m;Zt,i、Z(t+1),i、Z(t+24),i分别表示第i个渠池在t、t+1、t+24时刻的水位,m;Zh、Zd分别表示每小时、每天的变幅,t表示时刻数,t=1,2,…,T;i表示闸门号,n=1,2,…,N。
闸门开度约束条件如式(10)所示:
式中:分别表示闸门开度最小值、最大值,m;et,i表示第i个闸门在t时刻的闸门开度,m;t表示时刻数,t=1,2,…,T;i表示闸门号,n=1,2,…,N。
S3:初始化种群,在设置的变量范围内随机生成N个个体,在计算各个目标函数值时,将优化变量(闸门开度变化量)转换为闸门开度,输入到一维非恒定流水动力模型程序中,启动一维非恒定流水动力模型进行非恒定流计算,输出各时刻各渠池的水位、流量过程,根据水位、流量过程计算各个目标函数值,然后进行快速非支配排序,确定各个个体间的支配关系;
具体包括:
S31,设定NSGA-Ⅱ算法的基本参数,包括种群个数、迭代次数、目标个数、约束个数、变量个数、变量范围、交叉概率、变异概率、交叉分布指数和变异分布指数中的至少一种,在给定变量范围内生成初始化种群;
S32,计算目标函数值,将各时刻闸门开度变化量转化为闸门开度,输入到一维非恒定流水动力模型程序中,调用一维非恒定流水动力模型程序,得到各时段各闸门的闸前水位、闸后水位和流量,然后计算各个个体的目标函数值;
S33,根据各目标函数值和约束情况确定初始化种群中各个个体的支配等级进行快速非支配排序,然后根据等级和拥挤度筛选N个个体作为父代种群;
S34,对筛选出的N个个体进行选择、交叉、变异操作生成子代种群,将子带种群和父代种群合并成2N个个体,然后进行快速非支配排序,确定各个个体的支配等级,然后再次选择N个个体作为下一代种群;
S35,重复步骤S34直到迭代次数达到设定值或者满足设定的终止条件为止,输出最优解集,得到多组面向现场操作的闸门群调控方案,用以指导实际的闸门调度过程。
步骤S32中计算各个目标函数值,也就是多目标优化算法和一维非恒定流水动力模型程序间的耦合主要通过两个模型之间的数据交互来实现,多目标优化算法提供各时刻各闸门的开度值,一维非恒定流水动力模型提供模拟的各时刻各闸门水位、流量过程,而闸门水位、流量过程决定了算法的搜索方向,这种效果反作用于闸门的开度上,由此实现了两个模型之间的耦合和高效求解,具体耦合关系见图3和图4,大流量调整的输水工况下多闸群优化调度示意图见图5;
步骤S34中快速非支配排序是一种对多个个体进行多目标评价的有效方法,父代和子代合并后的2N个个体具体排序规则如下:满足约束的个体优于不满足约束的个体;在满足约束的前提下,支配等级高的个体优于支配等级低的个体;在支配等级相同的个体中,拥挤距离大的个体优于拥挤距离小的个体;在不满足约束的前提下,约束违背值小的个体优于约束违背值大的个体。同时将父代和子代进行合并是一种精英保留策略,有助于保留父代中的优秀个体。
本方法中在进行耦合计算的过程中,采用OpenMP多线程并行计算技术,通过优化一维非恒定流水动力模型程序内部代码结构和数据结构,增加并行计算的逻辑,显著提升了模型优化的速度,实现模型的高效求解。
本发明中采用多目标优化算法对模型进行耦合计算时采用的是NSGA-Ⅱ算法,也可以采用其他的多目标算法,甚至可以采用单目标算法,一维非恒定流水动力模型也可以替换成等价的简化模型。
具体实施例
本发明以南水北调中线总干渠为例,按照本发明实施例1中的描述方法,制定短期的闸门调控策略。
以2019年2月-3月北京需水增加20个流量大幅调整工况为例,采用本发明实施例1中的方法来实现全线的节制闸流量增加过程的优化调度,生成闸门调控指令。决策变量采用闸门开度变化值,闸门的开度变化量根据实际情况采用10mm为步长,最小开度30mm,调度期长度为7天,研究区域为陶岔渠首闸到北拒马节制闸(共计61座节制闸),其中陶岔渠首闸闸后水位作为上边界,北拒马节制闸过闸流量作为下边界。约束条件包括闸门开度约束、渠池水位约束。采用一维非恒定流水动力模型模拟水位,采用NSGA-Ⅱ算法进行优化求解得到耦合多目标优化调度模型。
得到的优化结果如下:
首先采用限制节制闸单向调节的多目标优化模型对研究区域进行优化调控,结果如图6-图8所示(仅绘制关键节制闸结果),距目标水位平均偏差0.038m,闸门调控次数213次,调控历时86小时;
然后采用允许节制闸双向调节的多目标优化模型对研究区域进行优化调控,结果如图9-图11所示(仅绘制关键节制闸结果),距目标水位平均偏差0.073m,闸门调控次数218次,调控历时36小时。
为了证明本发明中采用的调度方法的效果,本实施方式中同时采用现有的经验调控方法和蓄量补偿算法实现调度方案的生成,结果如图12和图13所示,可以看到经验调控方法和蓄量补偿算法的调控时间分别需要162小时和107小时,与本发明中采用的优化调度方法所需的调控时间分别缩短了3天(48%)和1天(21%),显著提高调度效率。同时,采用OpenMP并行计算技术使得本发明中构建的多目标优化模型可以在10分钟之内生成未来一周的优化调度方案。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供一种多闸群明渠调水工程的短期多目标优化调度方法,对于长距离输水工程而言,本发明构建一维非恒定流水动力模型,实现长距离输水系统的水力衔接和联系,从而模拟整个调度期内各时刻的水位、流量情况;构建多目标优化调度模型,采用NSGA-Ⅱ算法,满足实际多个调度目标的需求,通过优化各时刻闸门的调控过程,生成了多组直接作用于闸门的调控方案,保证输水系统的平稳安全运行;构建多目标优化算法(NSGA-Ⅱ)与一维非恒定流水动力模型的耦合优化调度模型,对优化过程中涉及的水动力过程进行仿真模拟,更加贴合实际情况,从而实现复杂明渠调水工程的模拟优化调度工作,为实现复杂明渠调水工程的全自动化提供新的思路和方案,旨在保证各种水位、闸门等约束满足的条件下,考虑实际多个调度目标的需求,适用于实际的多种工况,特别是流量大幅度调整的不利工况,本模型可以通过优化闸门的调控过程,实现长距离输水系统的安全、经济和高效运行。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (7)
1.一种多闸群明渠调水工程的短期多目标优化调度方法,其特征在于,包括以下步骤:
S1,构建一维非恒定流水动力模型,模拟计算获得整个系统的水位、流量过程,确定一维非恒定流水动力模型的输入数据;
S2,构建耦合多目标优化算法和一维非恒定流水动力模型的优化调度模型;
S3,求解步骤S2中构建的优化调度模型,从而得到多组优化后的调度方案;
S4,采用OpenMP并行计算技术,通过耦合一维非恒定流水动力模型内部机理的分析,结合优化调度模型本身的特点,通过优化程序内部代码结构和数据结构,增加并行计算的逻辑,以实现模型的高效求解;
步骤S1具体包括:
S11,列出圣维南方程组:
S12,列出节制闸和分水口方程:
式中:Q表示节制闸过流流量,m3/s;m表示过流系数;e表示闸门开度,m;B表示过流宽度,m;Zup表示闸前水位,m;Zdown表示闸后水位;
Qi+1=Qi-qj (3)
式中:Qi+1表示后一个断面的流量,m3/s;Qi表示前一个断面的流量,
m3/s;qi表示第j个分水口的分水流量,m3/s;
S13,将圣维南方程组(1)采用Preissmann格式离散,加上系统两端的边界条件,形成封闭的代数方程组,求解获得渠道内任一断面的水位和流量;
步骤S2具体包括:
S21,确定优化调度模型的目标函数:确定运行水位与目标水位的平均偏差最小、调度期内闸门调控次数最少、调控历时最短的三个目标函数;
S22,确定优化调度模型的决策变量:选取闸门开度变化量作为决策变量,提出动态变量范围选取策略,采取流量控制的闸门开度变化量范围作为决策变量的变化范围;
S23,确定优化调度模型的约束条件,包括水位约束和闸门开度约束,其中水位约束还包括各渠池水位约束、每小时水位变幅约束和每天水位变幅约束;
S24,采用多目标优化模型和一维非恒定流水动力模型之间的数据交互实现多目标优化算法和一维非恒定流水动力模型的耦合;
步骤S3中采用NSGA-Ⅱ算法求解优化调度模型,得到多组优化后的调度方案,具体包括:
S31,设定NSGA-Ⅱ算法的基本参数,在给定变量范围内生成初始化种群;
S32,计算目标函数值,将各时刻闸门开度变化量转化为闸门开度,输入到一维非恒定流水动力模型程序中,调用一维非恒定流水动力模型程序,得到各时段各闸门的闸前水位、闸后水位和流量,然后计算各个个体的目标函数值;
S33,根据各目标函数值和约束情况确定初始化种群中各个个体的支配等级进行快速非支配排序,然后根据等级和拥挤度筛选N个个体作为作为父代种群;
S34,对筛选出的N个个体进行选择、交叉、变异操作生成子代种群,将子带种群和父代种群合并成2N个个体,然后进行快速非支配排序,确定各个个体的支配等级,然后再次选择N个个体作为下一代种群;
S35,重复步骤S34直到迭代次数达到设定值或者满足设定的终止条件为止,输出最优解集,得到多组面向现场操作的闸门群调控方案,用以指导实际的闸门调度过程。
2.根据权利要求1所述的多闸群明渠调水工程的短期多目标优化调度方法,其特征在于,步骤S22中目标函数具体为:
①运行水位与目标水位的平均偏差最小的目标函数如式(4)所示
②调度期内闸门调控次数最少的目标函数如式(5)所示:
minF2=min{c},t=1,2,...,T (5)
式中:c表示调度期内闸门调控次数;
③调控历时最短的目标函数如式(6)所示
minF3=min{Tc},t=1,2,...,T (6)
式中:Tc表示调度期内调控时间;
式中:F1表示运行水位与目标水位的平均偏差,m;T表示整个调度期;N表示闸门个数;Ztn表示t时刻n号闸门闸前水位,m;Zgn表示n号渠池目标水位,m。
3.根据权利要求1所述的多闸群明渠调水工程的短期多目标优化调度方法,其特征在于,所述采取流量控制的闸门开度变化量范围作为决策变量的变化范围具体为;
①根据步骤S1建立的一维非恒定流水动力模型,输入系统的初始边界条件和相关参数;
②对整个系统进行恒定流计算,得到系统初始状态水面线;
③根据初始状态水面线和系统流量上涨的变化量,由式(2)节制闸过闸公式反算得到各个闸门开度变化量的范围。
4.根据权利要求1所述的多闸群明渠调水工程的短期多目标优化调度方法,其特征在于,步骤S23中各渠池水位约束条件如式(7)所示:
每小时水位变幅约束约束条件如式(8)所示:
|Z(t+1),i-Zt,i|≤Zh (8)
每天水位变幅约束约束条件如式(9)所示:
|Z(t+24),i-Zt,i|≤Zd (9)
其中:分别表示渠池低限、高限水位,m;Zt,i、Z(t+1),i、Z(t+24),i分别表示第i个渠池在t、t+1、t+24时刻的水位,m;Zh、Zd分别表示每小时、每天的变幅,t表示时刻数,t=1,2,...,T;i表示闸门号,n=1,2,...,N;
闸门开度约束条件如式(10)所示:
式中:分别表示闸门开度最小值、最大值,m;et,i表示第i个闸门在t时刻的闸门开度,m;t表示时刻数,t=1,2,...,T;i表示闸门号,n=1,2,...,N。
5.根据权利要求1所述的多闸群明渠调水工程的短期多目标优化调度方法,其特征在于,步骤S31中的NSGA-Ⅱ算法的基本参数包括种群个数、迭代次数、目标个数、约束个数、变量个数、变量范围、交叉概率、变异概率、交叉分布指数和变异分布指数中的至少一种。
6.根据权利要求1所述的多闸群明渠调水工程的短期多目标优化调度方法,其特征在于,步骤S33中根据等级和拥挤度筛选N个个体的具体排序筛选规则如下:满足约束的个体优于不满足约束的个体;在满足约束的前提下,支配等级高的个体优于支配等级低的个体;在支配等级相同的个体中,拥挤距离大的个体优于拥挤距离小的个体;在不满足约束的前提下,约束违背值小的个体优于约束违背值大的个体。
7.根据权利要求1所述的多闸群明渠调水工程的短期多目标优化调度方法,其特征在于,所述一维非恒定流水动力模型输入数据包括:相关水力元件基本参数及相互连接关系数据,水动力初始条件及边界条件信息,各类模型参数,分水口调控期的分水数据以及需要优化的闸门开度过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010712160.4A CN111783369B (zh) | 2020-07-22 | 2020-07-22 | 一种多闸群明渠调水工程的短期多目标优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010712160.4A CN111783369B (zh) | 2020-07-22 | 2020-07-22 | 一种多闸群明渠调水工程的短期多目标优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111783369A CN111783369A (zh) | 2020-10-16 |
CN111783369B true CN111783369B (zh) | 2024-01-26 |
Family
ID=72763903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010712160.4A Active CN111783369B (zh) | 2020-07-22 | 2020-07-22 | 一种多闸群明渠调水工程的短期多目标优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783369B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597667B (zh) * | 2021-01-08 | 2022-02-01 | 中国水利水电科学研究院 | 一种梯级泵站系统调水工程泵站优化调度方法 |
CN112733367B (zh) * | 2021-01-13 | 2022-08-30 | 武汉科技大学 | 一种基于七日气象预报的调水工程冰期输水调度方法 |
CN113050565B (zh) * | 2021-03-12 | 2022-05-20 | 北京航空航天大学杭州创新研究院 | 闸门控制方法和装置、电子设备及存储介质 |
CN113627673B (zh) * | 2021-08-11 | 2023-08-04 | 太原理工大学 | 一种调水工程多水力设施联合优化调控方案制定方法 |
CN113850692A (zh) * | 2021-09-26 | 2021-12-28 | 天津大学 | 一种基于深度学习的城市供水系统闸泵群优化调度方法 |
CN115423346B (zh) * | 2022-09-20 | 2023-04-07 | 中国水利水电科学研究院 | 一种明渠调水工程串联闸群汛期可调节能力实时测算方法 |
CN115371685B (zh) * | 2022-10-24 | 2023-03-24 | 成都市以太节点科技有限公司 | 工控场景下无人设备优势路径规划方法、装置及存储介质 |
CN116384259A (zh) * | 2022-11-22 | 2023-07-04 | 中国长江三峡集团有限公司 | 一种水动力优化方案确定方法、装置及电子设备 |
CN116411550A (zh) * | 2023-03-02 | 2023-07-11 | 中国长江三峡集团有限公司 | 一种闸门联动控制方法、装置及并联供水发电系统 |
CN117314062B (zh) * | 2023-09-14 | 2024-04-12 | 长江信达软件技术(武汉)有限责任公司 | 一种多级闸门联合多目标优化配水调度方法 |
CN117557060A (zh) * | 2023-12-07 | 2024-02-13 | 中国水利水电科学研究院 | 适用于供需侧总量控制的调水工程年度调度方案编制方法 |
CN117473876A (zh) * | 2023-12-08 | 2024-01-30 | 中国水利水电科学研究院 | 一种融合shap方法和基因表达式编程的闸群联控方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4987913A (en) * | 1988-06-25 | 1991-01-29 | Kabushiki Kaisha Toshiba | Apparatus and method for controlling operation of storm sewage pump |
CN106651054A (zh) * | 2016-12-30 | 2017-05-10 | 中国水利水电科学研究院 | 基于遗传算法的长距离调水工程输水渠道糙率辨识方法 |
CN107633141A (zh) * | 2017-09-22 | 2018-01-26 | 中国水利水电科学研究院 | 一种一维水动力模型泵站特性曲线系数的辨识方法 |
CN107679317A (zh) * | 2017-09-28 | 2018-02-09 | 中国水利水电科学研究院 | 一种一维明渠水动力模型泵站内边界的处理方法 |
CN109024466A (zh) * | 2018-08-10 | 2018-12-18 | 中国水利水电科学研究院 | 一种调水工程运行方式转换方法 |
CN110647039A (zh) * | 2019-10-08 | 2020-01-03 | 黄河勘测规划设计研究院有限公司 | 长距离明渠输水工程同步控制自适应平衡调度方法 |
CN111178712A (zh) * | 2019-12-18 | 2020-05-19 | 中国水利水电科学研究院 | 一种用于引调水工程事故后援救预警方法及系统 |
CN111340350A (zh) * | 2020-02-21 | 2020-06-26 | 中国水利水电科学研究院 | 长距离输水渠道实现渠道局部水力冲刷的闸门群调控方法 |
-
2020
- 2020-07-22 CN CN202010712160.4A patent/CN111783369B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4987913A (en) * | 1988-06-25 | 1991-01-29 | Kabushiki Kaisha Toshiba | Apparatus and method for controlling operation of storm sewage pump |
CN106651054A (zh) * | 2016-12-30 | 2017-05-10 | 中国水利水电科学研究院 | 基于遗传算法的长距离调水工程输水渠道糙率辨识方法 |
CN107633141A (zh) * | 2017-09-22 | 2018-01-26 | 中国水利水电科学研究院 | 一种一维水动力模型泵站特性曲线系数的辨识方法 |
CN107679317A (zh) * | 2017-09-28 | 2018-02-09 | 中国水利水电科学研究院 | 一种一维明渠水动力模型泵站内边界的处理方法 |
CN109024466A (zh) * | 2018-08-10 | 2018-12-18 | 中国水利水电科学研究院 | 一种调水工程运行方式转换方法 |
CN110647039A (zh) * | 2019-10-08 | 2020-01-03 | 黄河勘测规划设计研究院有限公司 | 长距离明渠输水工程同步控制自适应平衡调度方法 |
CN111178712A (zh) * | 2019-12-18 | 2020-05-19 | 中国水利水电科学研究院 | 一种用于引调水工程事故后援救预警方法及系统 |
CN111340350A (zh) * | 2020-02-21 | 2020-06-26 | 中国水利水电科学研究院 | 长距离输水渠道实现渠道局部水力冲刷的闸门群调控方法 |
Non-Patent Citations (8)
Title |
---|
MOBILE OPEN CHANNEL SCHEDULING DECISION SUPPORT SYSTEM AND APPLICATIONS TO LONG DISTANCE WATER DIVERSION PROJECT;HAN YAN-CHENG 等;Journal of Theoretical and Applied Information Technology;第50卷(第2期);第484-489页 * |
Multi-objective optimization of 3D micro-fins using NSGA-II;Shima Soleimani 等;International Journal of Heat and Mass Transfer 197 (2022) 123315;全文 * |
南水北调中线干渠短期水量优化调度研究;黄鑫;中国优秀硕士学位论文全文数据库 工程科技II辑;全文 * |
基于明渠非恒定流仿真模型的灌区水情信息耦合研究;赵丽华;徐立中;;水利学报(第05期);第537-544页 * |
复杂内边界长距离输水明渠的一维非恒定流数学模型;张成;傅旭东;王光谦;;南水北调与水利科技(第06期);第16-20页 * |
梯级泵站输水系统旬优化调度及经济运行研究;吴怡;李智;王京晶;曹悦;雷晓辉;;人民黄河(第05期);第150-153+158页 * |
流域水量调控非恒定流数值计算模型;冶运涛;黑鹏飞;梁犁丽;蒋云钟;假冬冬;尚毅梓;;应用基础与工程科学学报(第05期);第866-880页 * |
长距离明渠调水工程数值仿真平台研究;郭晓晨;陈文学;吴一红;刘之平;;南水北调与水利科技(第05期);第15-19页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111783369A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783369B (zh) | 一种多闸群明渠调水工程的短期多目标优化调度方法 | |
Liu et al. | The damping accumulated grey model and its application | |
Xia et al. | Optimal dynamic economic dispatch of generation: A review | |
CN106055836B (zh) | 连铸机组浇炉次选择、排序与开浇时间决策的多目标优化方法 | |
CN110598929B (zh) | 一种风电功率非参数概率区间超短期预测方法 | |
CN110414725B (zh) | 预测决策一体化的风电场储能系统调度方法及装置 | |
CN112036633A (zh) | 一种水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法 | |
CN109948847A (zh) | 一种应用于水库群调度的多目标进化算法 | |
Sedeh et al. | Optimization of bidding strategy in the day-ahead market by consideration of seasonality trend of the market spot price | |
Jiang et al. | Research on short-term optimal scheduling of hydro-wind-solar multi-energy power system based on deep reinforcement learning | |
CN114757104B (zh) | 一种串联闸群调水工程水力实时调控模型的构建方法 | |
CN113869795B (zh) | 一种工业副产煤气系统长期调度方法 | |
CN113642803A (zh) | 一种考虑水量预测的供水泵组优化调度方法 | |
CN116470511A (zh) | 基于深度强化学习的线路潮流控制方法 | |
CN115453931A (zh) | 一种水电机组监控系统有功功率控制的优化方法及装置 | |
CN117458501A (zh) | 耦合短期调峰需求的水风光综合基地长期互补调度方法 | |
CN116599860B (zh) | 一种基于强化学习的网络流量灰色预测方法 | |
CN111833596B (zh) | 考虑出行者决策惯性的逐日路段流量预测方法 | |
CN110826763B (zh) | 一种基于引导学习策略的中长期合约电量分解方法 | |
Wang et al. | A novel approach to forecast electricity consumption based on fractional grey model | |
CN113205250A (zh) | 一种考虑水库调度风险的风光水互补发电计划编制方法 | |
Sundaram et al. | Multi-Objective Stochastic Paint Optimizer for Solving Dynamic Economic Emission Dispatch with Transmission Loss Prediction Using Random Forest Machine Learning Model | |
Kausar et al. | Bi-level multi-objective stochastic linear fractional programming with general form of distribution | |
Xiuli et al. | An improved differential evolution algorithm for solving a distributed flexible job shop scheduling problem | |
Patil et al. | Optimal Power Flow Problem Using Particle Swarm Optimization Algorithm |
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 |