CN114117956B - 梯级水库汛期运行水位协同浮动的运用方法 - Google Patents
梯级水库汛期运行水位协同浮动的运用方法 Download PDFInfo
- Publication number
- CN114117956B CN114117956B CN202111360730.9A CN202111360730A CN114117956B CN 114117956 B CN114117956 B CN 114117956B CN 202111360730 A CN202111360730 A CN 202111360730A CN 114117956 B CN114117956 B CN 114117956B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- flood
- reservoirs
- water level
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 97
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 88
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 238000007599 discharging Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000007246 mechanism Effects 0.000 claims abstract description 7
- 238000010248 power generation Methods 0.000 claims abstract description 7
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 22
- 241000238814 Orthoptera Species 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000006424 Flood reaction Methods 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 239000003657 drainage water Substances 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 abstract description 3
- 239000011664 nicotinic acid Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011549 displacement method Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003405 preventing effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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]
-
- 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
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Control Of Non-Electrical Variables (AREA)
Abstract
本发明提供一种梯级水库汛期运行水位协同浮动的运用方法，包括：剖析梯级水库防洪库容的补偿机理，厘清梯级水库汛期运行水位协同浮动关系；对多个梯级水库，考虑梯级水库间水力联系，依从上游至下游顺序采用预报预泄法推求各水库汛期运行水位上浮的浮动量；建立以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数、水库出库流量为决策变量的协同优化模块，并根据该协同优化模块优化防洪库容等效置换系数和梯级水库汛期运行水位浮动量。本发明可大幅提升仿生进化算法的寻优效率，对梯级水库汛期运行水位协同浮动运用的预报调度一体化程度更高且可实现梯级水库防洪库容的等效置换。
Description
技术领域
本发明属于水库调度的技术领域，具体涉及一种梯级水库汛期运行水位协同浮动的运用方法。
背景技术
水库汛期运行水位浮动运用是一种实现流域洪水资源化，提高水资源利用水平和供水保障能力的有效方法。水库汛期运行水位调度理论与方法有了长足进步，从单一静态运用、分期静态运用进阶至浮动运用，在有效预泄时间内基于水文预报、预报预泄法和风险防控实现水库汛期运行水位浮动运用，可在不增加防洪风险的前提下显著提高流域洪水资源化综合效益。相比单个水库汛期运行水位浮动运用，梯级水库汛期运行水位协同浮动运用的技术难点和挑战包括：①水文预报与梯级水库调度的互馈机理复杂，水力关联难以有效仿真模拟，达成预报调度一体化的难度更大；②预报预泄法可逐步推导出梯级水库中各水库汛期运行水位上浮的浮动量，却无法解析梯级水库防洪库容补偿机理，难以实现水库之间防洪库容的等效置换。
发明内容
本发明的目的在于针对现有技术的不足之处，提供一种梯级水库汛期运行水位协同浮动的运用方法，该方法以机器学习模型作为复杂水力联系的代理模型，对梯级水库水力联系和互馈影响进行高效仿真模拟，可大幅提升仿生进化算法的寻优效率，对梯级水库汛期运行水位协同浮动运用的预报调度一体化程度更高且可实现梯级水库防洪库容的等效置换。
为解决上述技术问题，本发明采用如下技术方案：
一种梯级水库汛期运行水位协同浮动的运用方法，包括如下步骤：
步骤一，剖析梯级水库防洪库容的补偿机理，厘清梯级水库汛期运行水位协同浮动关系；
步骤二，对多个梯级水库，考虑梯级水库间水力联系，依从上游至下游顺序采用预报预泄法推求各水库汛期运行水位上浮的浮动量；
步骤三，建立以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数、水库出库流量为决策变量的协同优化模块，并根据该协同优化模块优化防洪库容等效置换系数和梯级水库汛期运行水位浮动量。
进一步地，步骤一中采用库容置换方法剖析梯级水库防洪库容补偿机理，其中，库容置换过程如下：
若梯级水库按上游至下游依次编号为1, 2, …, N，梯级水库相应的防洪库容分别为,/>, …,/>，随机生成一个防洪库容置换系数矩阵/>()，则梯级水库的汛期运行水位浮动为/>,/>,…,/>；其中，/>,/>, …,/>为第1, 2, …, N个水库的库容转水位的函数；
梯级水库的防洪库容置换需满足如下限定性约束条件：
式中：为第i个水库的防洪库容置换系数；当/>时，代表水库的防洪库容减少且相应的汛期运行水位向上浮动；当/>时，代表水库的防洪库容不变且相应的汛期运行水位维持分期汛限水位；当/>时，代表水库的防洪库容增加且相应的汛期运行水位向下浮动。
进一步地，所述步骤二中梯级间水库间水力联系模拟如下：
先利用水文学法和水动力学法模拟第2, 3, …, N个水库的入库流量，得到水库入库流量样本，然后利用这些样本训练机器学习模型，得到梯级间水力联系的代理模型，相邻水库水力联系计算式如下：
式中，为第i个水库t-1时刻的出库流量；/>为第i+1个水库t-1时刻的出库流量；/>为第i+1个水库t时刻的入库流量；/>为第i+1个水库t时刻的区间入流；/>为机器学习模型的映射函数。
进一步地，所述步骤二中基于预报预泄法推求水库汛期运行水位上浮的浮动量如下：
综合考虑降雨预报及洪水预报预见期长度或精度、预泄能力约束和下游安全泄量，水库在有效预泄时间内按预泄能力对应的提前泄流水量将水库汛期运行水位向上浮动，浮动量计算如下：
式中：为第i个水库汛期运行水位上浮的浮动量；/>为第i个水库有效预泄时间；为有效预泄时间内第i个水库的平均预报入库流量，/>为有效预泄时间内第i个水库的平均出库流量；/>为第i个水库t时刻的入库流量，/>为第i个水库t时刻的出库流量；/>为第i个水库t时刻入库流量的预报误差；/>为第i个水库下游防护目标的堤防过流能力；/>为第i个水库的水文预报预见期，含降雨预报和洪水预报预见期；/>为第i个水库作业预报时间、决策时间和闸门操作时间之和；/>为计算时段；/>为有效预泄时间内第i个水库的预泄水量。
进一步地，步骤三中，以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数分别为：
式中：为防洪风险最小化目标函数，/>为发电量最大化目标函数；/>为第i个水库t时刻的库容；/>为第i个水库分期汛限水位对应的库容；M为年数或场次洪水数；/>为第i个水库t时刻的出力；/>为最小化函数，/>为最大化函数；
在建立上述的优化目标函数后，以水库出库流量为决策变量，综合考虑防洪库容置换、预报预泄过程、防洪调度规则、水力联系和水库水位、流量、出力约束，采用元启发式优化算法协同优化梯级水库调度过程，推求防洪库容等效置换系数和梯级水库汛期运行水位协同浮动量。
进一步地，步骤三中的目标函数及各水库/电站需满足以下约束条件：
a.水量平衡约束：
式中，和/>分别为第i个水库t时刻和t+1时刻的库容；/>为第i个水库t时刻的入库流量，/>为第i个水库t时刻的出库流量，/>分别为第i个水库t时刻的损失流量；
b.相邻水库水力联系：
式中，为第i个水库t-1时刻的出库流量，/>分别为第i个水库t时刻的出库流量；/>为第i+1个水库t-1时刻的出库流量，/>分别为第i+1个水库t时刻的入库流量；/>为第i+1个水库t时刻的区间入流；/>为机器学习模型的映射函数；
c.水库水位约束：
式中，为第i个水库t时刻的库水位；/>为第i个水库运行水位下限，汛期取分期汛限水位；/>为第i个水库运行水位上限，汛期取步骤二中推求的汛期运行水位：
d.水库出库流量约束：
式中，为第i个水库出库流量下限，综合考虑灌溉、航运和生态环境需求来定；为第i个水库出库流量上限，由下游堤防过流能力、水电站过流能力和水库泄流能力决定；
e.水电站出力约束：
式中，为第i个水库水电站的出力下限，/>分别为第i个水库水电站的出力上限。
进一步地，步骤三中以元启发式优化算法根据协同优化模块求解防洪库容等效置换系数和梯级水库汛期运行水位浮动量的过程如下：
①初始化蝗虫算法参数和编码决策变量；设置蝗虫种群规模Npop、最大迭代次数Imax、衰减系数的最小值Cmin和最大值Cmax；采用实数编码方式编码并随机生成一定规模的决策变量，即水库出库流量；
②评价适应度；对种群进行快速非支配排序，将蝗虫种群划分等级；计算蝗虫种群的拥挤距离；执行轮盘操作选择适应度最大个体，以生成规模仍为Npop的子代蝗虫种群；
③更新衰减系数和蝗虫个体在集群中位置；模拟梯级水库防洪库容置换、预报预泄过程、防洪调度规则和水力联系，且需满足水库水位/流量/出力约束，依据蝗虫集群行为，将蝗虫个体活动区域划分为吸引区(0, a1]、舒适区(a1, a2]、排斥区(a2, a3]，其中0<a1<a2<a3；对第k次迭代，衰减系数更新计算式和蝗虫个体在集群中位置/>的计算式分别如下：
式中，为第k次迭代的衰减系数，用于调整吸引区、舒适区和排斥区范围；/>为第j个蝗虫个体第d个决策变量的位置向量，其中，d=1, 2, …, D，D为决策变量数目；/>为第d个决策变量的最佳位置向量；/>为第d个决策变量约束的上限，/>为第d个决策变量约束的下限；/>第n个蝗虫个体的第d个，决策变量的位置，/>为第j个蝗虫个体的第d个决策变量的位置；/>为从第j个蝗虫个体位置到第n个蝗虫个体位置的单位向量；/>为自变量x的集群行为函数，其中参数F和L分别为吸引区的吸引强度和吸引距离尺度；
④判断计算终止条件；若当前迭代次数小于最大迭代次数Imax，则重复步骤②至④；否则终止计算并输出优化结果。
与现有技术相比，本发明的有益效果为：
1.现有技术对梯级水库水力联系描述以水文学和水动力学方法为主，将其嵌套至水库优化调度过程时易引发计算维数灾问题，本发明以机器学习模型作为复杂水力联系的代理模型，对梯级水库水力联系和互馈影响进行高效仿真模拟，可大幅提升仿生进化算法的寻优效率，梯级水库汛期运行水位协同浮动运用的预报调度一体化程度更高；
2.预报预泄法仅能逐步推导出梯级水库中各水库汛期运行水位上浮的浮动量，本发明提出的库容置换模块和预报预泄模块可解析梯级水库汛期运行水位协同上浮和下浮的浮动量，提出的协同优化模块可实现梯级水库防洪库容的等效置换。
附图说明
图1 是本发明实施例的梯级水库汛期运行水位协同浮动的运用方法的流程图；
图2 是本发明实施例的梯级水库防洪库容置换示意图；
图3 是本发明实施例的梯级水库水力联系仿真模拟示意图。
具体实施方式
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
如图1所示，本发明提供一种梯级水库汛期运行水位协同浮动的运用方法，包括以下步骤：
步骤一，建立防洪库容置换模块；
采用库容置换法随机生成防洪库容置换系数矩阵，揭示梯级水库防洪库容的补偿机理（见图2），厘清梯级水库汛期运行水位协同浮动关系；在该步骤中，库容置换过程如下：
若梯级水库按上游至下游依次编号为1, 2, …, N，梯级水库相应的防洪库容分别为,/>, …,/>，随机生成一个防洪库容置换系数矩阵/>()，则梯级水库的汛期运行水位浮动为/>,/>,…,/>；其中，/>,/>, …,/>为第1, 2, …, N个水库的库容转水位的函数；
其中，防洪库容置换需满足的限定性约束条件如下：
式中：为第i个水库的防洪库容置换系数；当/>时，代表水库的防洪库容减少且相应的汛期运行水位向上浮动；当/>时，代表水库的防洪库容不变且相应的汛期运行水位维持分期汛限水位；当/>时，代表水库的防洪库容增加且相应的汛期运行水位向下浮动。
步骤二，建立预报预泄模块；
对于N个梯级水库，考虑梯级水库间水力联系，依从上游至下游顺序采用预报预泄法推求各水库汛期运行水位上浮的浮动量；在该步骤中，先利用水文学法和水动力学法模拟第2, 3, …, N个水库的入库流量，得到水库入库流量样本，然后利用这些样本训练机器学习模型，得到梯级间水力联系的代理模型（如图3），最后采用预报预泄法依从上游至下游顺序推求各水库汛期运行水位上浮的浮动量；
其中，机器学习模型仿真模拟相邻水库水力联系的计算式如下：
式中，为第i个水库t-1时刻的出库流量；/>为第i+1个水库t-1时刻的出库流量；/>为第i+1个水库t时刻的入库流量；/>为第i+1个水库t时刻的区间入流；/>为机器学习模型的映射函数；
在获取上述的梯级间水力联系的代理模型后，综合考虑降雨预报及洪水预报预见期长度或精度、预泄能力约束和下游安全泄量，水库在有效预泄时间内按预泄能力对应的提前泄流水量将水库汛期运行水位向上浮动，得到浮动量计算如下：
式中：为第i个水库汛期运行水位上浮的浮动量；/>为第i个水库有效预泄时间；为有效预泄时间内第i个水库的平均预报入库流量，/>为有效预泄时间内第i个水库的平均出库流量；/>为第i个水库t时刻的入库流量，/>为第i个水库t时刻的出库流量；/>为第i个水库t时刻入库流量的预报误差；/>为第i个水库下游防护目标的堤防过流能力；/>为第i个水库的水文预报预见期，含降雨预报和洪水预报预见期；/>为第i个水库作业预报时间、决策时间和闸门操作时间之和；/>为计算时段；/>为有效预泄时间内第i个水库的预泄水量。
步骤三，建立协同优化模块；
构建以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数、水库出库流量为决策变量的协同优化模块，采用元启发式优化算法为求解算法根据该协同优化模块优化防洪库容等效置换系数和相应的梯级水库汛期运行水位浮动量；
其中，各优化目标函数公式如下：
式中：为防洪风险最小化目标函数，/>为发电量最大化目标函数；/>为第i个水库t时刻的库容；/>为第i个水库分期汛限水位对应的库容；M为年数或场次洪水数；/>为第i个水库t时刻的出力；/>为最小化函数，/>为最大化函数；
各优化目标函数及各水库/电站需满足以下约束条件：
a. 水量平衡约束
式中，和/>分别为第i个水库t时刻和t+1时刻的库容；/>为第i个水库t时刻的入库流量，/>为第i个水库t时刻的出库流量，/>分别为第i个水库t时刻的损失流量；
b.相邻水库水力联系
式中，为第i个水库t-1时刻的出库流量，/>分别为第i个水库t时刻的出库流量；/>为第i+1个水库t-1时刻的出库流量，/>分别为第i+1个水库t时刻的入库流量；/>为第i+1个水库t时刻的区间入流；/>为机器学习模型的映射函数；
c.水库水位约束：
式中，为第i个水库t时刻的库水位；/>为第i个水库运行水位下限，汛期取分期汛限水位；/>为第i个水库运行水位上限，汛期取步骤二中推求的汛期运行水位：
d.水库出库流量约束：
式中，为第i个水库出库流量下限，需综合考虑灌溉、航运和生态环境需求来定；/>为第i个水库出库流量上限，由下游堤防过流能力、水电站过流能力和水库泄流能力决定；
e.水电站出力约束：
式中，为第i个水库水电站的出力下限，/>分别为第i个水库水电站的出力上限。
根据上述的约束条件，在本实施例中，以元启发式优化算法根据上述协同优化模块求解防洪库容等效置换系数(/>)和梯级水库汛期运行水位协同浮动量/>,/>, …,/>的过程如下：
①初始化蝗虫算法参数和编码决策变量；设置蝗虫种群规模Npop=500、最大迭代次数Imax=100、衰减系数的最小值Cmin=0.005和最大值Cmax=0.015；采用实数编码方式编码并随机生成一定规模的决策变量，即水库出库流量；
②评价适应度；对种群进行快速非支配排序，将蝗虫种群划分等级；计算蝗虫种群的拥挤距离；执行轮盘操作选择适应度最大个体（即精英保留策略），以生成规模仍为Npop的子代蝗虫种群；
③更新衰减系数和蝗虫个体在集群中位置；模拟梯级水库防洪库容置换、预报预泄过程、防洪调度规则和水力联系，其中水力联系采用机器学习模型仿真模拟（如图3），且需满足水库水位/流量/出力约束；依据蝗虫集群行为，将蝗虫个体活动区域划分为吸引区(0, 1]，舒适区(1, 3]，排斥区(3, 15]；对第k次迭代，衰减系数更新计算式和蝗虫个体在集群中位置/>的计算式分别如下：
式中，为第k次迭代的衰减系数，用于调整吸引区、舒适区和排斥区范围；/>为第j个蝗虫个体第d个决策变量的位置向量，其中，d=1, 2, …, D，D为决策变量数目；/>为第d个决策变量的最佳位置向量；/>为第d（d=1, 2, …, D）个决策变量约束的上限，/>为第d（d=1, 2, …, D）个决策变量约束的下限；/>第n个蝗虫个体的第d（d=1, 2, …, D）个决策变量的位置，/>为第j个蝗虫个体的第d（d=1, 2, …, D）个决策变量的位置；/>为从第j个蝗虫个体位置到第n个蝗虫个体位置的单位向量；/>为自变量x的集群行为函数，其中参数F和L分别为吸引区的吸引强度和吸引距离尺度；
④判断计算终止条件：若当前迭代次数小于最大迭代次数Imax，则重复步骤②至④；否则终止计算并输出优化结果。
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (3)
1.一种梯级水库汛期运行水位协同浮动的运用方法，其特征在于，包括如下步骤：
步骤一，剖析梯级水库防洪库容的补偿机理，厘清梯级水库汛期运行水位协同浮动关系；
步骤二，对多个梯级水库，考虑梯级水库间水力联系，依从上游至下游顺序采用预报预泄法推求各水库汛期运行水位上浮的浮动量；
步骤三，建立以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数、水库出库流量为决策变量的协同优化模块，并根据该协同优化模块优化防洪库容等效置换系数和梯级水库汛期运行水位浮动量；
其中，步骤一中采用库容置换方法剖析梯级水库防洪库容补偿机理，其中，库容置换过程如下：
若梯级水库按上游至下游依次编号为1, 2, …, N，梯级水库相应的防洪库容分别为, />, …, />，随机生成一个防洪库容置换系数矩阵/>()，则梯级水库的汛期运行水位浮动为/>, />,…, />；其中，/>, />, …, />为第1, 2, …, N个水库的库容转水位的函数；
梯级水库的防洪库容置换需满足如下限定性约束条件：
式中：为第i个水库的防洪库容置换系数；当/>时，代表水库的防洪库容减少且相应的汛期运行水位向上浮动；当/>时，代表水库的防洪库容不变且相应的汛期运行水位维持分期汛限水位；当/>时，代表水库的防洪库容增加且相应的汛期运行水位向下浮动；
步骤二中梯级间水库间水力联系模拟如下：
先利用水文学法和水动力学法模拟第2, 3, …, N个水库的入库流量，得到水库入库流量样本，然后利用这些样本训练机器学习模型，得到梯级间水力联系的代理模型，相邻水库水力联系计算式如下：
式中，为第i个水库t-1时刻的出库流量；/>为第i+1个水库t-1时刻的出库流量； />为第i+1个水库t时刻的入库流量；/>为第i+1个水库t时刻的区间入流；/>为机器学习模型的映射函数；
所述步骤二中基于预报预泄法推求水库汛期运行水位上浮的浮动量如下：
综合考虑降雨预报及洪水预报预见期长度或精度、预泄能力约束和下游安全泄量，水库在有效预泄时间内按预泄能力对应的提前泄流水量将水库汛期运行水位向上浮动，浮动量计算如下：
式中：为第i个水库汛期运行水位上浮的浮动量；/>为第i个水库有效预泄时间；/>为有效预泄时间内第i个水库的平均预报入库流量，/>为有效预泄时间内第i个水库的平均出库流量；/>为第i个水库t时刻的入库流量，/>为第i个水库t时刻的出库流量；为第i个水库t时刻入库流量的预报误差；/>为第i个水库下游防护目标的堤防过流能力；/>为第i个水库的水文预报预见期，含降雨预报和洪水预报预见期；/>为第i个水库作业预报时间、决策时间和闸门操作时间之和；/>为计算时段；/>为有效预泄时间内第i个水库的预泄水量；
步骤三中，以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数分别为：
式中：为防洪风险最小化目标函数，/>为发电量最大化目标函数；/>为第i个水库t时刻的库容；/>为第i个水库分期汛限水位对应的库容；M为年数或场次洪水数；/>为第i个水库t时刻的出力；/>为最小化函数，/>为最大化函数；
在建立上述的优化目标函数后，以水库出库流量为决策变量，综合考虑防洪库容置换、预报预泄过程、防洪调度规则、水力联系和水库水位、流量、出力约束，采用元启发式优化算法协同优化梯级水库调度过程，推求防洪库容等效置换系数和梯级水库汛期运行水位协同浮动量。
2.根据权利要求1所述的梯级水库汛期运行水位协同浮动的运用方法，其特征在于，步骤三中的优化目标函数及各水库/电站需满足以下约束条件：
a.水量平衡约束：
式中，和/>分别为第i个水库t时刻和t+1时刻的库容；/>为第i个水库t时刻的入库流量，/>为第i个水库t时刻的出库流量，/>分别为第i个水库t时刻的损失流量；
b.相邻水库水力联系：
式中，为第i个水库t-1时刻的出库流量，/>分别为第i个水库t时刻的出库流量；/>为第i+1个水库t-1时刻的出库流量，/>分别为第i+1个水库t时刻的入库流量；/>为第i+1个水库t时刻的区间入流；/>为机器学习模型的映射函数；
c.水库水位约束：
式中，为第i个水库t时刻的库水位；/>为第i个水库运行水位下限，汛期取分期汛限水位；/>为第i个水库运行水位上限，汛期取步骤二中推求的汛期运行水位：
d.水库出库流量约束：
式中，为第i个水库出库流量下限，综合考虑灌溉、航运和生态环境需求来定；/>为第i个水库出库流量上限，由下游堤防过流能力、水电站过流能力和水库泄流能力决定；
e.水电站出力约束：
式中，为第i个水库水电站的出力下限，/>分别为第i个水库水电站的出力上限。
3.根据权利要求2所述的梯级水库汛期运行水位协同浮动的运用方法，其特征在于，步骤三中以元启发式优化算法根据协同优化模块求解防洪库容等效置换系数和梯级水库汛期运行水位浮动量的过程如下：
①初始化蝗虫算法参数和编码决策变量；设置蝗虫种群规模Npop、最大迭代次数Imax、衰减系数的最小值Cmin和最大值Cmax；采用实数编码方式编码并随机生成一定规模的决策变量，即水库出库流量；
②评价适应度；对种群进行快速非支配排序，将蝗虫种群划分等级；计算蝗虫种群的拥挤距离；执行轮盘操作选择适应度最大个体，以生成规模仍为Npop的子代蝗虫种群；
③更新衰减系数和蝗虫个体在集群中位置；模拟梯级水库防洪库容置换、预报预泄过程、防洪调度规则和水力联系，且需满足水库水位/流量/出力约束，依据蝗虫集群行为，将蝗虫个体活动区域划分为吸引区(0, a1]、舒适区(a1, a2]、排斥区(a2, a3]，其中0<a1<a2<a3；对第k次迭代，衰减系数更新计算式和蝗虫个体在集群中位置/>的计算式分别如下：
式中，为第k次迭代的衰减系数，用于调整吸引区、舒适区和排斥区范围；/>为第j个蝗虫个体第d个决策变量的位置向量，其中，d=1, 2, …, D，D为决策变量数目；/>为第d个决策变量的最佳位置向量；/>为第d个决策变量约束的上限，/>为第d个决策变量约束的下限；/>第n个蝗虫个体的第d个决策变量的位置，/>为第j个蝗虫个体的第d个决策变量的位置；/>为从第j个蝗虫个体位置到第n个蝗虫个体位置的单位向量；/>为自变量x的集群行为函数，其中参数F和L分别为吸引区的吸引强度和吸引距离尺度；
④判断计算终止条件；若当前迭代次数小于最大迭代次数Imax，则重复步骤②至④；否则终止计算并输出优化结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111360730.9A CN114117956B (zh) | 2021-11-17 | 2021-11-17 | 梯级水库汛期运行水位协同浮动的运用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111360730.9A CN114117956B (zh) | 2021-11-17 | 2021-11-17 | 梯级水库汛期运行水位协同浮动的运用方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114117956A CN114117956A (zh) | 2022-03-01 |
| CN114117956B true CN114117956B (zh) | 2024-04-09 |
Family
ID=80397522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111360730.9A Active CN114117956B (zh) | 2021-11-17 | 2021-11-17 | 梯级水库汛期运行水位协同浮动的运用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114117956B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115034521B (zh) * | 2022-08-09 | 2022-11-25 | 长江勘测规划设计研究有限责任公司 | 一种梯级水库汛期水位分期上浮控制方法 |
| CN117494949B (zh) * | 2023-11-23 | 2024-05-03 | 长江水利委员会水文局 | 一种水库汛控水位上浮域推求的解析化方法 |
| CN117436619B (zh) * | 2023-12-20 | 2024-03-15 | 长江水利委员会水文局 | 一种基于等效防洪作用的梯级水库防洪库容联合预留方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102182159A (zh) * | 2011-03-21 | 2011-09-14 | 武汉大学 | 一种梯级水库汛限水位联合运用调度方法 |
| CN105676890A (zh) * | 2016-01-22 | 2016-06-15 | 长江水利委员会长江科学院 | 三维及以上梯级水库汛期运行水位动态控制方法 |
| CN108596417A (zh) * | 2018-01-03 | 2018-09-28 | 华北电力大学 | 一种基于库容补偿法的梯级水库洪水资源化利用方法 |
| CN110288239A (zh) * | 2019-06-27 | 2019-09-27 | 华中科技大学 | 基于自适应分级预泄法的汛限水位动态控制方法及系统 |
| WO2021120787A1 (zh) * | 2019-12-20 | 2021-06-24 | 华中科技大学 | 一种流域干支流大规模水库群模拟调度方法 |
| CN113469528A (zh) * | 2021-06-30 | 2021-10-01 | 河海大学 | 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法 |
| WO2021196552A1 (zh) * | 2020-03-28 | 2021-10-07 | 华中科技大学 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
| CN113506010A (zh) * | 2021-07-21 | 2021-10-15 | 华电云南发电有限公司 | 一种大型流域水电站泄洪闸门数字化集中调控方法 |
-
2021
- 2021-11-17 CN CN202111360730.9A patent/CN114117956B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102182159A (zh) * | 2011-03-21 | 2011-09-14 | 武汉大学 | 一种梯级水库汛限水位联合运用调度方法 |
| CN105676890A (zh) * | 2016-01-22 | 2016-06-15 | 长江水利委员会长江科学院 | 三维及以上梯级水库汛期运行水位动态控制方法 |
| CN108596417A (zh) * | 2018-01-03 | 2018-09-28 | 华北电力大学 | 一种基于库容补偿法的梯级水库洪水资源化利用方法 |
| CN110288239A (zh) * | 2019-06-27 | 2019-09-27 | 华中科技大学 | 基于自适应分级预泄法的汛限水位动态控制方法及系统 |
| WO2021120787A1 (zh) * | 2019-12-20 | 2021-06-24 | 华中科技大学 | 一种流域干支流大规模水库群模拟调度方法 |
| WO2021196552A1 (zh) * | 2020-03-28 | 2021-10-07 | 华中科技大学 | 一种基于互馈关系解析的梯级水库风险评估方法及系统 |
| CN113469528A (zh) * | 2021-06-30 | 2021-10-01 | 河海大学 | 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法 |
| CN113506010A (zh) * | 2021-07-21 | 2021-10-15 | 华电云南发电有限公司 | 一种大型流域水电站泄洪闸门数字化集中调控方法 |
Non-Patent Citations (2)
| Title |
|---|
| Mohit Kumar,Sathans.Level management in connected water reservoirs employing curve fitting based PID control scheme.IEEE/Level management in connected water reservoirs employing curve fitting based PID control scheme.2019,285-288. * |
| 苗家坝-碧口梯级水库汛期水位动态控制研究;张忠波;何晓燕;耿思敏;李辉;任明磊;;中国水利水电科学研究院学报;20171215(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114117956A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114117956B (zh) | 梯级水库汛期运行水位协同浮动的运用方法 | |
| Chang et al. | Optimized cascade reservoir operation considering ice flood control and power generation | |
| CN108109076B (zh) | 一种考虑径流预报的梯级水电站群发电调度弃水风险分析方法 | |
| Hu et al. | Multi-objective ecological reservoir operation based on water quality response models and improved genetic algorithm: A case study in Three Gorges Reservoir, China | |
| Zhou et al. | Boosting hydropower output of mega cascade reservoirs using an evolutionary algorithm with successive approximation | |
| Dittmann et al. | Optimum multi-objective reservoir operation with emphasis on flood control and ecology | |
| Bai et al. | Multi-objective optimal operation model of cascade reservoirs and its application on water and sediment regulation | |
| Kim et al. | A study on optimal operation of gate-controlled reservoir system for flood control based on PSO algorithm combined with rearrangement method of partial solution groups | |
| Khan et al. | Optimization and simulation of reservoir operation with sediment evacuation: a case study of the Tarbela Dam, Pakistan | |
| Chang et al. | Real-time reservoir operation for flood control using artificial intelligent techniques | |
| CN113379117B (zh) | 基于改进的精英保留策略遗传算法的闸坝群联合调度方法及系统 | |
| CN114792071B (zh) | 基于机器学习技术的排水泵站优化调度方法 | |
| Khan et al. | Reservoir optimization-simulation with a sediment evacuation model to minimize irrigation deficits | |
| CN114331033B (zh) | 梯级水库消落期运行水位协同调度方法及装置 | |
| CN107609683A (zh) | 一种基于萤火虫算法的梯级水库群调度优化方法 | |
| CN116562537B (zh) | 一种闸泵群防洪排涝实时优化调度方法、系统和存储介质 | |
| Al-Aqeeli et al. | Enhanced genetic algorithm optimization model for a single reservoir operation based on hydropower generation: case study of Mosul reservoir, northern Iraq | |
| Zargar et al. | Optimization of gated spillways operation for flood risk management in multi-reservoir systems | |
| 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 | |
| CN114358379A (zh) | 梯级水库旱限水位调度线优化方法、装置及系统 | |
| CN115271304A (zh) | 基于气候变化的跨流域调水工程优化调度方法 | |
| Wen et al. | Operation chart optimization of multi-hydropower system incorporating the long-and short-term fish habitat requirements | |
| CN118114921A (zh) | 基于蓄滞洪区补偿的水库群提前蓄水调度方法及系统 | |
| Wu et al. | Trade-offs in the water-energy-ecosystem nexus for cascade hydropower systems: a case study of the Yalong River, China | |
| CN116777135B (zh) | 一种基于高效优化算法的水库-蓄滞洪区精细化防洪联合调度方法 |
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 |