CN114331033A - 梯级水库消落期运行水位协同调度方法及装置 - Google Patents
梯级水库消落期运行水位协同调度方法及装置 Download PDFInfo
- Publication number
- CN114331033A CN114331033A CN202111495608.2A CN202111495608A CN114331033A CN 114331033 A CN114331033 A CN 114331033A CN 202111495608 A CN202111495608 A CN 202111495608A CN 114331033 A CN114331033 A CN 114331033A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- water level
- scheduling
- period
- pollution
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000011156 evaluation Methods 0.000 claims abstract description 44
- 230000000630 rising effect Effects 0.000 claims abstract description 31
- 230000007704 transition Effects 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000001932 seasonal effect Effects 0.000 claims abstract description 15
- 230000009467 reduction Effects 0.000 claims abstract description 14
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 14
- 238000009792 diffusion process Methods 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 10
- 239000011664 nicotinic acid Substances 0.000 claims abstract description 10
- 238000009991 scouring Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 20
- 238000003911 water pollution Methods 0.000 claims description 14
- 230000008030 elimination Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 12
- 238000007418 data mining Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 239000013049 sediment Substances 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 230000002860 competitive effect Effects 0.000 claims description 4
- 230000008021 deposition Effects 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 241000192710 Microcystis aeruginosa Species 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 3
- 210000000349 chromosome Anatomy 0.000 claims description 2
- 230000003628 erosive effect Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000002035 prolonged effect Effects 0.000 claims description 2
- 108090000623 proteins and genes Proteins 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- 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
- Control Of Non-Electrical Variables (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供梯级水库消落期运行水位协同调度方法及装置,方法包括:步骤一,将水库消落期划分为枯水期、过渡期和汛前消落期;步骤二,构建适应消落期流量季节性特征的水库多级供水目标函数,以水库出库流量为决策变量,仿生进化算法为求解算法,推求梯级水库消落期运行水位协同调度方案集;步骤三,对各梯级水库分别采用水动力学方法分别模拟水库分期消落水位调度的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程;步骤四,以最大化发电量、河道外供水量、泥沙减淤量、污染推移距离、水位上涨幅度、水位日上涨率和最小化防洪风险、污染影响时间、污染团浓度为评价指标,以组合距离评估法为决策方法,优选水库调度方案。
Description
技术领域
本发明属于水库调度技术领域,具体涉及一种梯级水库消落期运行水位协同调度方法及装置。
背景技术
水库消落期运行水位调度是面向多重水资源利用需求,涉及发电、防洪、供水、航运等常态化调度和泥沙减淤、环境生态保障等非常态化及应急调度的重要课题。水库消落期运行水位调度研究起步较晚,从水库规模来看,以单一水库调度和多年调节水库年末消落水位控制为主;从调度目标来看,梯级水库消落运用方式侧重考虑消落期发电效益;从调度时段步长来看,因消落期分期不明,多数研究以月或旬为调度时段步长,长短期嵌套调度甚少,总体来看尚未形成“分阶段消落-多目标融合-长短期嵌套”的水库调度方法。水库消落期运行水位协同调度的技术难点和挑战包括:①受梯级水库调节的互馈影响,消落期分期不明,表征极值流量季节性特征的难度大;②构建适应消落期流量季节性特征的多级供水调度并实现常规化、非常规化和应急调度的多目标融合难度大;③实现中长期径流预测、短期洪水预报与水库分阶段消落的嵌套调度极具挑战。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供梯级水库消落期运行水位协同调度方法及装置,基于“分期-优化-仿真-决策”框架,运用数据挖掘技术、仿生进化算法、水动力学法、多目标决策分析等方法协同配合,构建与高效求解水库消落期运行水位协同调度的通用模型,提出了梯级水库消落期运行水位协同调度方法,可为流域水库消落期运行水位协同调度方案的科学制定提供理论依据与技术支撑。
本发明为了实现上述目的,采用了以下方案:
<方法>
本发明提供梯级水库消落期运行水位协同调度方法,其特征在于,包括以下步骤:
步骤一,消落期分期:运用数据挖掘技术表征水库消落期极值流量的季节性特征,将水库消落期划分为枯水期、过渡期和汛前消落期;
步骤二,消落水位优化:构建适应消落期流量季节性特征的水库多级供水目标函数,以水库出库流量为决策变量,仿生进化算法为求解算法,推求梯级水库消落期运行水位协同调度方案集;
步骤三,水动力仿真:对方案集中各梯级水库(可依从上游至下游顺序)分别采用水动力学方法分别模拟水库分期消落水位调度的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程;
步骤四,多目标决策分析:以步骤二得到的最大化发电量、河道外供水量以及步骤三得到的泥沙减淤量、污染推移距离、水位上涨幅度、水位日上涨率和最小化防洪风险、污染影响时间、污染团浓度为评价指标,以组合距离评估法为决策方法,优选水库调度方案。
优选地,本发明提供的梯级水库消落期运行水位协同调度方法,还可以具有以下特征:在步骤一中,首先对水库长系列逐日入库流量资料,分别采用年最大值和年最小值取样法构建极值流量和发生时间的序列对和然后运用数据挖掘技术将水库的消落期划分为枯水期、过渡期和汛前消落期三分期,枯水期和汛前消落期取外包线,过渡期取内包线。
优选地,本发明提供的梯级水库消落期运行水位协同调度方法,还可以具有以下特征:在步骤二中,多级供水目标是指面向不同区域、不同消落期分期的多重水资源利用需求的供水调度目标;针对枯水期和过渡期的水库调度,考虑中长期径流预测结果,以有效预见期内发电量最大化和供水量最大化为目标,常态化调度目标函数如下:
式中,HG和WS分别为发电量最大化和供水量最大化目标函数;max{·}为最大化函数;M为年数;N为水库数目;为第i个水库有效预见期;Ki和分别为第i个水库机组出力系数和发电引用流量;和分别为第i个水库河道外供水流量、灌溉流量和调水流量;Δt为计算时段;
针对汛前消落期的水库调度,考虑短期洪水预报结果,以有效预见期内防洪风险最小化和发电量最大化为优化目标,常态化调度目标函数如下:
以出库流量为决策变量,考虑水库水位、流量和出力约束,采用仿生进化算法协同优化梯级水库消落期运行水位协同调度。上述调度目标属于常态化调度范畴,水库在消落期可适时开展非常态化和应急调度工作,如回水区泥沙减淤调度、水污染(如水华、瞬排型等)事故应急调度、洪水脉冲生态调度等。
优选地,本发明提供的梯级水库消落期运行水位协同调度方法,还可以具有以下特征:在步骤二中,水库常态化调度及各水库/电站需满足以下约束条件:
①水量平衡约束
②无时滞影响的水库水力联系
③水库水位约束
④水库出库流量约束
⑤水电站出力约束
优选地,本发明提供的梯级水库消落期运行水位协同调度方法,还可以具有以下特征:在步骤二中,对于水库在消落期开展的非常态化和应急调度工作,非常态化和应急供水调度及各水库/电站还需满足以下附加约束条件:
①面向泥沙减淤调度目标的水位变幅约束:
Zi(t+1)-Zi(t)|≤δi,
式中,δi为第i个水库的水位变幅量;
②面向水污染事故应急调度目标的约束:
为应对水华和瞬排型水污染事故,水库需启动应急调度方案,通过加大水库出库流量以减少下游水污染事件的污染影响时间、污染团浓度和延长污染推移距离,水库下游控制断面的流量需满足如下约束集:
③面向洪水脉冲生态调度的约束集:
式中,和分别为第i个水库下游水文站控制断面的起涨流量和t时刻流量;和分别为洪水脉冲峰现历时的最小值和最大值;为第i个水库下游水文站控制断面t时刻水位;fi(·)为第i个水库下游水文站控制断面的水位与流量转换函数;为洪水脉冲峰历时内第i个水库下游控断面k时刻的水位,其中 和分别为洪水脉冲峰历时内第i个水库下游水文站控断面的水位涨幅率最小值和最大值;和分别为第i个水库下游水文站控断面的洪水脉冲起始时刻水位和峰现时刻水位;和分别第i个水库水文站下游控断面的洪水脉冲峰现历时内的水位变幅最小值最大值。
优选地,本发明提供的梯级水库消落期运行水位协同调度方法,还可以具有以下特征:在步骤二中,用仿生进化算法求解消落期运行水位协同调度问题按如下步骤进行:
②生成子代种群:执行拥挤竞标赛选择操作选择适应度较大的个体以生成子代种群;执行概率Pc的交叉操作重组两个亲代的染色体以生成子代种群;执行概率Pm的变异操作以保持种群基因的多样性;三个操作算子用于生成Npop规模的新子代种群Q0;
③评价种群适应度和计算中间种群的拥挤距离:对于第w次迭代,评价种群Qk的适应度;将第w-1次迭代的种群Qk-1和第w次迭代的种群Qk合并为规模为2·Npop的中间种群Ak;执行快速非支配排序将中间种群划分为不同等级;计算不同等级种群的拥挤距离;
④生成新种群和评价种群适应度:执行拥挤竞标赛选择算子,从中间种群Ak中选出规模Npop的新亲代种群Ak+1;对种群Ak+1执行交叉操作和变异操作生成规模Npop的子代种群Qk+1;评价种群Qk+1的适应度;
⑤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⑤;否则终止计算并输出优化结果。
优选地,本发明提供的梯级水库消落期运行水位协同调度方法,还可以具有以下特征:在步骤三中,水库上游回水区泥沙冲淤模拟结果用于评估泥沙减淤调度效果,水库下游水污染扩散模拟结果用于评估水污染事故应急调度效果,水库下游洪水演进模拟结果用于评估洪水脉冲生态调度效果,相关评价指标的数学式如下:
式中,ΔS为梯级水库上游回水区的多年平均泥沙减淤量;ΔT,ΔC,ΔL分别为梯级水库下游水污染事故的多年平均污染影响时间变化量,污染团浓度变化量和污染推移距离变化量;Δzdown和Δψdown分别为梯级水库下游水文站控制断面的多年平均水位上涨幅度变化量和水位日上涨率变化量;Sopt(i,j)为第j年第i个水库消落水位优化调度方案对应的年泥沙淤积量;Topt(i,j),Copt(i,j)和Lopt(i,j)分别为第j年第i个水库消落水位优化调度方案对应的年污染影响时间,污染团浓度和污染推移距离;Δzopt(i,j)和Δψopt(i,j)分别为第j年第i个水库消落水位优化调度方案对应的年水位上涨幅度和水位日上涨率;Sbench(i,j)为第j年第i个水库消落水位常规调度方案对应的年泥沙淤积量;Tbench(ij),Cbench(i,j)和Lbench(i,j)分别为第j年第i个水库消落水位常规调度方案对应的年污染影响时间,污染团浓度和污染推移距离;Δzbench(i,j)和Δψbench(i,j)分别为第j年第i个水库消落水位常规调度方案对应的年水位上涨幅度和水位日上涨率。
优选地,本发明提供的梯级水库消落期运行水位协同调度方法,还可以具有以下特征:在步骤四中,用组合距离评估法优选水库调度方案的具体步骤如下:
①基于调度方案和水动力仿真结果构建评价指标矩阵(X):
式中,xuv为第u个调度方案第v个评价指标值,且xuv≥0;U和V分别为调度方案的数目和评价指标的数目;
②归一化和加权平均评价指标:
ruv=wv·yuv,
式中,Cbenefit和Ccost分别为效益型和成本型评价指标集;yuv为第u个调度方案第v个评价指标的归一化值;wv(0<wv<1)为第v个评价指标的权重系数,且ruv为第u个调度方案第v个评价指标的归一化加权值;
③识别负理想点并计算欧几里德距离和曼哈顿距离:
ns=[nsv]1×V,
式中,ns和nsv分别为负理想点方案和第v个评价指标的负理想点值;Eu和Tu分别为欧几里德距离和曼哈顿距离;
④采用阈值函数构建相对评价指标矩阵:
Rm=[hul]U×U,
hul=(Eu-El)+(g(Eu-El)×(Tu-Tl)),
式中,Rm为相对评价指标矩阵;hul为第u个调度方案第l个评价指标的相对距离;g(·)为衡量两个调度方案间欧几里德距离或曼哈顿距离的阈值函数;θ为阈值函数的参数,取值范围为[0.01,0.05];
⑤计算各调度方案得分并确定最优调度方案:
式中,Hu为第u个调度方案的评分,分值最高者为最优调度方案。
<装置>
进一步,本发明还提供能够自动实现上述<方法>的梯级水库消落期运行水位协同调度装置,其特征在于,包括:
消落期分期模块,运用数据挖掘技术表征水库消落期极值流量的季节性特征,将水库消落期划分为枯水期、过渡期和汛前消落期;
消落水位优化模块,构建适应消落期流量季节性特征的水库多级供水目标函数,以水库出库流量为决策变量,仿生进化算法为求解算法,推求梯级水库消落期运行水位协同调度方案集;
水动力仿真模块,对方案集中各梯级水库分别采用水动力学方法分别模拟水库分期消落水位调度的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程;
多目标决策分析模块,以消落水位优化模块得到的最大化发电量、河道外供水量以及水动力仿真模块得到的泥沙减淤量、污染推移距离、水位上涨幅度、水位日上涨率和最小化防洪风险、污染影响时间、污染团浓度为评价指标,以组合距离评估法为决策方法,优选水库调度方案;
调度模块,根据优选的调度方案调控各水库的运行;以及
控制模块,与消落期分期模块、消落水位优化模块、水动力仿真模块、多目标决策分析模块、调度模块均通信相连,控制它们的运行。
优选地,本发明提供的梯级水库消落期运行水位协同调度装置,还可以包括:输入显示模块,与消落期分期模块、消落水位优化模块、水动力仿真模块、多目标决策分析模块、调度模块、控制模块均通信相连,根据用户输入的操作指令,显示相应的信息。
优选地,本发明提供的梯级水库消落期运行水位协同调度装置,还可以具有以下特征:输入显示模块能够根据操作指令对消落期分期模块的水库消落期分期情况进行显示,并能够根据操作指令对消落水位优化模块推求的梯级水库消落期运行水位协同调度方案集进行显示,而且能够根据操作指令对水动力仿真模块模拟的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程以图表或者动态图方式进行显示,还能够根据操作指令对多目标决策分析模块确定的优选水库调度方案进行显示,以及根据操作指令对调度模块的调控情况和各水库的运行情况进行显示。
发明的作用与效果
1.从分阶段消落角度看,本发明基于年最大值流量序列和年最小值流量序列,运用数据挖掘技术可有效表征水库消落期极值流量的季节性特征,为制定水库分阶段消落水位提供分期依据。
2.从多目标融合角度看,本发明构建的多级供水目标不仅可适应消落期流量季节性特征,而且可融合常规化调度、非常规化调度和应急调度目标。
3.从长短期嵌套角度看,本发明不仅可实现中长期径流预测与枯水期、过渡期水库消落的嵌套调度,而且可实现短期洪水预报与汛前消落期水库消落的嵌套调度,可显著提高流域水资源综合利用效益。
附图说明
图1为本发明涉及的梯级水库消落期运行水位协同调度方法的流程图;
图2为本发明实施例涉及的基于数据挖掘的水库消落期三分期示意图;其中(a)为年最大值流量序列,(b)为年最小值流量序列,(c)为分期结果;
图3为本发明实施例涉及的水库消落期高水位运行方案、均匀消落运行水位方案和提前消落运行水位方案(a)及梯级水库汛前消落期调度的Pareto前沿解集(b)示意图;
图4为本发明实施例涉及的水库回水区泥沙冲淤、下游水污染扩散和下游洪水演进建模示意图;
图5为本发明实施例涉及的基于多目标决策分析的调度方案优选示意图,其中(a)对应平水年组、枯水年组,(b)对应丰水年组,(c)对应洪水。
具体实施方式
以下结合附图对本发明涉及的梯级水库消落期运行水位协同调度方法及装置的具体实施方案进行详细地说明。
<实施例>
如图1所示,本实施例所提供的梯级水库消落期运行水位协同调度方法包括如下步骤:
步骤一,消落期分期:
基于年最大值流量序列(如图2(a))和年最小值流量序列(如图2(b)),运用数据挖掘技术中的聚类算法切分水库枯水期,对过渡期取内包线得到枯水期、过渡期和汛前消落期三分期结果(如图2(c))。
步骤二,消落水位优化:
以日为时间步长、消落期(如12月1日至次年6月10日)为调度期,对于枯水期/过渡期水库调度,将多年(如1950-2020年)入库或区间流量序列按径流序列排频,划分为丰水年组(频率≤33%)、平水年组(33%<频率<67%)和枯水年组(频率≥67%);对于汛前消落期水库调度,按年最大值法对汛前消落期多年逐日入库或区间流量序列选样,并推求不同频率(如10%、5%、2%、1%、0.1%)的设计洪水,按上游与区间来水同频率法或最可能地区组成法推求水库入库流量。
以三种典型消落方案,即高水位运行方案、均匀消落运行水位方案和提前消落运行水位方案(如图3(a))作为库水位约束,采用NSGA-II算法优化各分期不同来水情景下梯级水库消落调度。以汛前消落期为例,图3(b)展示了梯级水库调度的Pareto前沿解集。
步骤三,水动力仿真:
先用四边形网格和三角形网格混合方式搭建河段的计算网格(如图4);然后用MIKE 21软件模拟水库回水区泥沙冲淤变化,用MIKE Ecolab软件模拟水库下游水污染扩散过程,用MIKE Flood软件模拟水库下游洪水演进过程。依据模拟结果,计算水库回水区泥沙减淤量、水库下游污染影响时间、污染团浓度、污染推移距离、水位上涨幅度和水位日上涨率指标。
步骤四,多目标决策分析:
建立评价指标矩阵,其中效益型指标有发电量、河道外供水量、泥沙减淤量、污染推移距离、水位上涨幅度和水位日上涨率,成本型指标有防洪风险、污染影响时间和污染团浓度。
基于组合距离评估法优选水库调度方案:当梯级水库在枯水期/过渡期遭遇平水年组或枯水年组时(如图5(a)),推荐采用得分最高的高水位运行方案指导梯级水库枯水期/过渡期运行水位协同调度;当梯级水库在枯水期/过渡期遭遇丰水年组时(如图5(b)),推荐采用得分最高的均匀消落运行水位方案指导梯级水库枯水期/过渡期运行水位协同调度;当梯级水库在汛前消落期遭遇洪水时(如图5(c)),推荐采用得分最高的提前消落运行水位方案指导梯级水库汛前消落期运行水位协同调度。
进一步,本实施例还提供了能够自动实现上述方法的梯级水库消落期运行水位协同调度装置,该装置包括消落期分期模块、消落水位优化模块、水动力仿真模块、多目标决策分析模块、调度模块、输入显示模块以及控制模块。
消落期分期模块运用数据挖掘技术表征水库消落期极值流量的季节性特征,将水库消落期划分为枯水期、过渡期和汛前消落期。
消落水位优化模块构建适应消落期流量季节性特征的水库多级供水目标函数,以水库出库流量为决策变量,仿生进化算法为求解算法,推求梯级水库消落期运行水位协同调度方案集。
水动力仿真模块对方案集中各梯级水库分别采用水动力学方法分别模拟水库分期消落水位调度的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程。
多目标决策分析模块以消落水位优化模块得到的最大化发电量、河道外供水量以及水动力仿真模块得到的泥沙减淤量、污染推移距离、水位上涨幅度、水位日上涨率和最小化防洪风险、污染影响时间、污染团浓度为评价指标,以组合距离评估法为决策方法,优选水库调度方案。
调度模块根据优选出的调度方案调控各水库的运行。
输入显示模块与消落期分期模块、消落水位优化模块、水动力仿真模块、多目标决策分析模块、调度模块、控制模块均通信相连,根据用户输入的操作指令,显示相应的信息。例如,输入显示模块能够根据操作指令对消落期分期模块的水库消落期分期情况进行显示,并能够根据操作指令对消落水位优化模块推求的梯级水库消落期运行水位协同调度方案集进行显示,而且能够根据操作指令对水动力仿真模块模拟的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程以图表或者动态图方式进行显示,还能够根据操作指令对多目标决策分析模块确定的优选水库调度方案进行显示,以及根据操作指令对调度模块的调控情况和各水库的运行情况进行显示。
控制模块与消落期分期模块、消落水位优化模块、水动力仿真模块、多目标决策分析模块、调度模块、输入显示模块均通信相连,控制它们的运行。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的梯级水库消落期运行水位协同调度方法及装置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 (10)
1.梯级水库消落期运行水位协同调度方法,其特征在于,包括以下步骤:
步骤一,消落期分期:运用数据挖掘技术表征水库消落期极值流量的季节性特征,将水库消落期划分为枯水期、过渡期和汛前消落期;
步骤二,消落水位优化:构建适应消落期流量季节性特征的水库多级供水目标函数,以水库出库流量为决策变量,仿生进化算法为求解算法,推求梯级水库消落期运行水位协同调度方案集;
步骤三,水动力仿真:对方案集中各梯级水库分别采用水动力学方法分别模拟水库分期消落水位调度的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程;
步骤四,多目标决策分析:以步骤二得到的最大化发电量、河道外供水量以及步骤三得到的泥沙减淤量、污染推移距离、水位上涨幅度、水位日上涨率和最小化防洪风险、污染影响时间、污染团浓度为评价指标,以组合距离评估法为决策方法,优选水库调度方案。
3.根据权利要求1所述的梯级水库消落期运行水位协同调度方法,其特征在于:
其中,在步骤二中,多级供水目标是指面向不同区域、不同消落期分期的多重水资源利用需求的供水调度目标;针对枯水期和过渡期的水库调度,考虑中长期径流预测结果,以有效预见期内发电量最大化和供水量最大化为目标,常态化调度目标函数如下:
式中,HG和WS分别为发电量最大化和供水量最大化目标函数;max{·}为最大化函数;M为年数;N为水库数目;为第i个水库有效预见期;Ki和分别为第i个水库机组出力系数和发电引用流量;和分别为第i个水库河道外供水流量、灌溉流量和调水流量;Δt为计算时段;
针对汛前消落期的水库调度,考虑短期洪水预报结果,以有效预见期内防洪风险最小化和发电量最大化为优化目标,常态化调度目标函数如下:
4.根据权利要求1所述的梯级水库消落期运行水位协同调度方法,其特征在于:
其中,在步骤二中,对于水库在消落期开展的非常态化和应急调度工作,非常态化和应急供水调度及各水库/电站还需满足以下附加约束条件:
①面向泥沙减淤调度目标的水位变幅约束:
|Zi(t+1)-Zi(t)|≤δi,
式中,δi为第i个水库的水位变幅量;
②面向水污染事故应急调度目标的约束:
为应对水华和瞬排型水污染事故,水库需启动应急调度方案,通过加大水库出库流量以减少下游水污染事件的污染影响时间、污染团浓度和延长污染推移距离,水库下游控制断面的流量需满足如下约束集:
③面向洪水脉冲生态调度的约束集:
5.根据权利要求1所述的梯级水库消落期运行水位协同调度方法,其特征在于:
其中,在步骤二中,用仿生进化算法求解消落期运行水位协同调度问题按如下步骤进行:
②生成子代种群:执行拥挤竞标赛选择操作选择适应度较大的个体以生成子代种群;执行概率Pc的交叉操作重组两个亲代的染色体以生成子代种群;执行概率Pm的变异操作以保持种群基因的多样性;三个操作算子用于生成Npop规模的新子代种群Q0;
③评价种群适应度和计算中间种群的拥挤距离:对于第w次迭代,评价种群Qk的适应度;将第w-1次迭代的种群Qk-1和第w次迭代的种群Qk合并为规模为2·Npop的中间种群Ak;执行快速非支配排序将中间种群划分为不同等级;计算不同等级种群的拥挤距离;
④生成新种群和评价种群适应度:执行拥挤竞标赛选择算子,从中间种群Ak中选出规模Npop的新亲代种群Ak+1;对种群Ak+1执行交叉操作和变异操作生成规模Npop的子代种群Qk+1;评价种群Qk+1的适应度;
⑤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⑤;否则终止计算并输出优化结果。
6.根据权利要求1所述的梯级水库消落期运行水位协同调度方法,其特征在于:
其中,在步骤三中,水库上游回水区泥沙冲淤模拟结果用于评估泥沙减淤调度效果,水库下游水污染扩散模拟结果用于评估水污染事故应急调度效果,水库下游洪水演进模拟结果用于评估洪水脉冲生态调度效果,相关评价指标的数学式如下:
式中,ΔS为梯级水库上游回水区的多年平均泥沙减淤量;ΔT,ΔC,ΔL分别为梯级水库下游水污染事故的多年平均污染影响时间变化量,污染团浓度变化量和污染推移距离变化量;Δzdown和Δψdown分别为梯级水库下游水文站控制断面的多年平均水位上涨幅度变化量和水位日上涨率变化量;Sopt(i,j)为第j年第i个水库消落水位优化调度方案对应的年泥沙淤积量;Topt(i,j),Copt(i,j)和Lopt(i,j)分别为第j年第i个水库消落水位优化调度方案对应的年污染影响时间,污染团浓度和污染推移距离;Δzopt(i,j)和Δψopt(i,j)分别为第j年第i个水库消落水位优化调度方案对应的年水位上涨幅度和水位日上涨率;Sbench(i,j)为第j年第i个水库消落水位常规调度方案对应的年泥沙淤积量;Tbench(i,j),Cbench(i,j)和Lbench(i,j)分别为第j年第i个水库消落水位常规调度方案对应的年污染影响时间,污染团浓度和污染推移距离;Δzbench(i,j)和Δψbench(i,j)分别为第j年第i个水库消落水位常规调度方案对应的年水位上涨幅度和水位日上涨率。
7.根据权利要求1所述的梯级水库消落期运行水位协同调度方法,其特征在于:
其中,在步骤四中,用组合距离评估法优选水库调度方案的具体步骤如下:
①基于调度方案和水动力仿真结果构建评价指标矩阵(X):
式中,xuv为第u个调度方案第v个评价指标值,且xuv≥0;U和V分别为调度方案的数目和评价指标的数目;
②归一化和加权平均评价指标:
ruv=wv·yuv,
式中,Cbenefit和Ccost分别为效益型和成本型评价指标集;yuv为第u个调度方案第v个评价指标的归一化值;wv(0<wv<1)为第v个评价指标的权重系数,且ruv为第u个调度方案第v个评价指标的归一化加权值;
③识别负理想点并计算欧几里德距离和曼哈顿距离:
ns=[nsv]1×V,
式中,ns和nsv分别为负理想点方案和第v个评价指标的负理想点值;Eu和Tu分别为欧几里德距离和曼哈顿距离;
④采用阈值函数构建相对评价指标矩阵:
Rm=[hul]U×U,
hul=(Eu-El)+(g(Eu-El)×(Tu-Tl)),
式中,Rm为相对评价指标矩阵;hul为第u个调度方案第l个评价指标的相对距离;g(·)为衡量两个调度方案间欧几里德距离或曼哈顿距离的阈值函数;θ为阈值函数的参数,取值范围为[0.01,0.05];
⑤计算各调度方案得分并确定最优调度方案:
式中,Hu为第u个调度方案的评分,分值最高者为最优调度方案。
8.梯级水库消落期运行水位协同调度装置,其特征在于,包括:
消落期分期模块,运用数据挖掘技术表征水库消落期极值流量的季节性特征,将水库消落期划分为枯水期、过渡期和汛前消落期;
消落水位优化模块,构建适应消落期流量季节性特征的水库多级供水目标函数,以水库出库流量为决策变量,仿生进化算法为求解算法,推求梯级水库消落期运行水位协同调度方案集;
水动力仿真模块,对方案集中各梯级水库分别采用水动力学方法分别模拟水库分期消落水位调度的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程;
多目标决策分析模块,以所述消落水位优化模块得到的最大化发电量、河道外供水量以及所述水动力仿真模块得到的泥沙减淤量、污染推移距离、水位上涨幅度、水位日上涨率和最小化防洪风险、污染影响时间、污染团浓度为评价指标,以组合距离评估法为决策方法,优选水库调度方案;
调度模块,根据优选出的调度方案调控各水库的运行;以及
控制模块,与所述消落期分期模块、所述消落水位优化模块、所述水动力仿真模块、所述多目标决策分析模块、所述调度模块均通信相连,控制它们的运行。
9.根据权利要求8所述的梯级水库消落期运行水位协同调度装置,其特征在于,还包括:
输入显示模块,与所述消落期分期模块、所述消落水位优化模块、所述水动力仿真模块、所述多目标决策分析模块、所述调度模块、所述控制模块均通信相连,根据用户输入的操作指令,显示相应的信息。
10.根据权利要求9所述的梯级水库消落期运行水位协同调度装置,其特征在于:
其中,所述输入显示模块能够根据操作指令对所述消落期分期模块的水库消落期分期情况进行显示,并能够根据操作指令对所述消落水位优化模块推求的梯级水库消落期运行水位协同调度方案集进行显示,而且能够根据操作指令对所述水动力仿真模块模拟的上游回水区泥沙冲淤变化、下游水污染扩散和下游洪水演进过程以图表或者动态图方式进行显示,还能够根据操作指令对所述多目标决策分析模块确定的优选水库调度方案进行显示,以及根据操作指令对所述调度模块的调控情况和各水库的运行情况进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495608.2A CN114331033B (zh) | 2021-12-09 | 2021-12-09 | 梯级水库消落期运行水位协同调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495608.2A CN114331033B (zh) | 2021-12-09 | 2021-12-09 | 梯级水库消落期运行水位协同调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114331033A true CN114331033A (zh) | 2022-04-12 |
CN114331033B CN114331033B (zh) | 2024-05-31 |
Family
ID=81049877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111495608.2A Active CN114331033B (zh) | 2021-12-09 | 2021-12-09 | 梯级水库消落期运行水位协同调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331033B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307261A (zh) * | 2023-05-11 | 2023-06-23 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水库防洪调度评估系统及其调度评估方法 |
CN118114921A (zh) * | 2024-02-05 | 2024-05-31 | 武汉大学 | 基于蓄滞洪区补偿的水库群提前蓄水调度方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200090285A1 (en) * | 2018-03-16 | 2020-03-19 | Dalian University Of Technology | Method for short-term generation scheduling of cascade hydropower plants coupling cluster analysis and decision tree |
CN111079297A (zh) * | 2019-12-20 | 2020-04-28 | 华中科技大学 | 一种推求梯级水库汛前联合消落时机的方法及系统 |
CN111126847A (zh) * | 2019-12-24 | 2020-05-08 | 华中科技大学 | 耦合河道水动力过程的梯级水库短期优化调度方法和系统 |
CN111723995A (zh) * | 2020-06-24 | 2020-09-29 | 中国长江三峡集团有限公司 | 一种梯级水库联合调度下水库汛期泥沙优化调度方法 |
CN111931982A (zh) * | 2020-07-06 | 2020-11-13 | 国家电网公司华中分部 | 考虑径流不确定性的水电站水调电调协调优化方法及系统 |
-
2021
- 2021-12-09 CN CN202111495608.2A patent/CN114331033B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200090285A1 (en) * | 2018-03-16 | 2020-03-19 | Dalian University Of Technology | Method for short-term generation scheduling of cascade hydropower plants coupling cluster analysis and decision tree |
CN111079297A (zh) * | 2019-12-20 | 2020-04-28 | 华中科技大学 | 一种推求梯级水库汛前联合消落时机的方法及系统 |
CN111126847A (zh) * | 2019-12-24 | 2020-05-08 | 华中科技大学 | 耦合河道水动力过程的梯级水库短期优化调度方法和系统 |
CN111723995A (zh) * | 2020-06-24 | 2020-09-29 | 中国长江三峡集团有限公司 | 一种梯级水库联合调度下水库汛期泥沙优化调度方法 |
CN111931982A (zh) * | 2020-07-06 | 2020-11-13 | 国家电网公司华中分部 | 考虑径流不确定性的水电站水调电调协调优化方法及系统 |
Non-Patent Citations (3)
Title |
---|
樊书刚;朱代臣;何艳军;李俊青;: "三峡水库变动回水区胡家滩滩段阶梯状整治建筑物设计方案", 水运工程, no. 01 * |
符芳明;钟平安;徐斌;王玉华;陈宇婷;: "金沙江下游与三峡梯级水库群协同消落方式研究", 南水北调与水利科技, no. 04 * |
陈雨菲;董增川;: "金沙江梯级水库群供水发电联合调度研究", 河北工程大学学报(自然科学版), no. 03 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307261A (zh) * | 2023-05-11 | 2023-06-23 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水库防洪调度评估系统及其调度评估方法 |
CN116307261B (zh) * | 2023-05-11 | 2023-08-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水库防洪调度评估系统及其调度评估方法 |
CN118114921A (zh) * | 2024-02-05 | 2024-05-31 | 武汉大学 | 基于蓄滞洪区补偿的水库群提前蓄水调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114331033B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ming et al. | Hydropower reservoir reoperation to adapt to large-scale photovoltaic power generation | |
CN112184070B (zh) | 一种协同生态流量需求的梯级水电站多目标优化调度方法及系统 | |
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 | |
Kalogirou | Optimization of solar systems using artificial neural-networks and genetic algorithms | |
CN109858173B (zh) | 一种风光水互补发电系统联合调度的多目标正切方法 | |
CN114331033A (zh) | 梯级水库消落期运行水位协同调度方法及装置 | |
CN108805434A (zh) | 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法 | |
Yu et al. | Multi-objective optimal operation of cascade hydropower plants considering ecological flow under different ecological conditions | |
CN107909220A (zh) | 一种电采暖负荷预测方法 | |
CN105447509A (zh) | 一种光伏发电系统的短期功率预测方法 | |
CN105676890A (zh) | 三维及以上梯级水库汛期运行水位动态控制方法 | |
CN112184479B (zh) | 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 | |
CN104050517A (zh) | 基于grnn神经网络的光伏发电预测方法 | |
CN115238993A (zh) | 基于nsga-ⅱ算法的水库群多目标优化调度方案决策系统 | |
CN114117956B (zh) | 梯级水库汛期运行水位协同浮动的运用方法 | |
CN115271304A (zh) | 基于气候变化的跨流域调水工程优化调度方法 | |
Tan et al. | Two-stage stochastic optimal operation model for hydropower station based on the approximate utility function of the carryover stage | |
CN114358379A (zh) | 梯级水库旱限水位调度线优化方法、装置及系统 | |
CN114298377A (zh) | 一种基于改进极限学习机的光伏发电预测方法 | |
CN117674282A (zh) | 一种光伏-抽蓄电力系统调度优化方法及相关装置 | |
CN115099477A (zh) | 一种水库旱限水位优化及抗旱调度方法 | |
CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
Liu et al. | Quantifying streamflow predictive uncertainty for the optimization of short-term cascade hydropower stations operations | |
Feng et al. | Peak operation optimization of cascade hydropower reservoirs and solar power plants considering output forecasting uncertainty | |
Xu et al. | Influence of different optimization aalgorithms on prediction accuracy of photovoltaic output power based on BP neural network |
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 |