CN114548609A - 一种面向生态发电供水的水资源协同调配方法 - Google Patents
一种面向生态发电供水的水资源协同调配方法 Download PDFInfo
- Publication number
- CN114548609A CN114548609A CN202210447296.6A CN202210447296A CN114548609A CN 114548609 A CN114548609 A CN 114548609A CN 202210447296 A CN202210447296 A CN 202210447296A CN 114548609 A CN114548609 A CN 114548609A
- Authority
- CN
- China
- Prior art keywords
- water
- reservoir
- ecological
- power generation
- water supply
- 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 354
- 238000010248 power generation Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 19
- 239000000126 substance Substances 0.000 claims description 44
- 238000013468 resource allocation Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 19
- 238000011161 development Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 239000008400 supply water Substances 0.000 description 5
- 230000008020 evaporation Effects 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 230000008595 infiltration Effects 0.000 description 4
- 238000001764 infiltration Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- 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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06F2111/04—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]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种面向生态发电供水的水资源协同调配方法,包括获取数据资料,还包括以下步骤:计算各计算单元需水量及各生态断面适宜生态流量,拟合水库发电量与发电水量之间的函数关系;构建面向生态、发电和供水的水量配置模型,优化求解得到最优解集;对模型求解的结果进行决策,得到月尺度水量配置方案;结合气象预报产品数据,利用水文模型预测各水库未来一月内逐日入库径流过程;构建水库短期调度模型,优化求解得到日尺度水库流量调度方案;整合日尺度流量调度数据为月尺度水量数据,修正配置模型输入数据。本发明综合考虑流域生态、发电、供水目标之间的协同与竞争关系,为流域水资源管理及水资源综合高效利用提供支撑。
Description
技术领域
本发明涉及水资源调配的技术领域,特别是一种面向生态发电供水的水资源协同调配方法。
背景技术
水资源调配是优化水资源管理,提高水资源开发利用效率的重要手段,由水资源配置与水库调度两方面组成。水资源配置着重于对流域内水资源量的分配,以缓解经济社会发展引发的供需水矛盾,对水资源开发利用与管理具有指导意义。水库调度着重于对节点或断面的流量过程进行调控,包括防洪调度、生态调度、发电调度等,是水库运行管理的主要依据。
目前,针对多维目标的水资源调配成为相关领域研究的热点,主要分为以下两种方法,一种是基于水资源系统模拟与调配规则的方法,另一种是基于多目标优化与决策模型的方法。基于规则的方法多用于水资源配置,其结果与流域发展规划相协调,但对多种目标之间的竞争关系考虑较少。基于优化的方法广泛用于水资源配置与水库调度中,能够得到协调多目标的最优解,但对经济社会发展与决策者的偏好信息考虑不足。由于时空尺度上的不匹配以及求解思路上的差异,导致配置模型与调度模型之间难以耦合衔接,不能充分发挥水资源配置的知道作用与水库调度的可操作性。
同时,由于生态、发电、供水等水资源开发利用目标之间相互竞争、不可公度等问题,多维目标协同机制下的水资源调配难度大。生态、发电、供水目标之间存在着复杂的协同、竞争关系,例如发电水量的增加往往会带来经济社会供水效益的损失,但可以增加水库下游的生态流量。但目前研究多针对水量分配或流量调度单方面要素进行计算,尚缺乏针对流域生态、供水、发电目标的统一考虑,弱化了水资源调配对提高水资源开发利用效率的作用。
2018年5月的水利学报公开了陈悦云、梅亚东、蔡昊和许新发的题目为《面向发电、供水、生态要求的赣江流域水库群优化调度研究》的文章,该文章以赣江流域内已建成的大型控制性水库为研究对象,将赣江流域上游至下游用水区概化成7个主要用水区域,综合考虑各水库的运用目标、流域主要用水区域水量需求以及河道内生态流量的要求,以水库群总发电量最大、用水区域总缺水量最小和外洲控制站调度后流量与天然流量偏差最小为目标,建立面向发电、供水、生态要求的赣江流域水库群优化调度模型,采用多目标粒子群算法进行求解,得到不同来水频率下发电、供水和生态3个目标的非劣解集,并对3个目标之间的竞争关系进行了剖析。最后分析了各典型方案相应的水库水位过程和区域缺水情况。结果表明:各来水频率下,发电、供水、生态3个目标之间竞争程度有强有弱,其中发电目标与生态目标之间、供水目标与生态目标之间存在较强的竞争性,发电目标与供水目标之间则相对较弱。该方法的缺点是只对面向生态、发电、供水目标的水库群调度过程进行了优化,没有对区域经济社会发展以及决策者的偏好信息进行充分考虑,在发挥水量配置对水库调度的指导作用上存在不足。
发明内容
为了解决上述的技术问题,本发明提出的一种面向生态发电供水的水资源协同调配方法,以生态、发电、供水为目标构建了水量配置模型与水库流量调度模型,结合多目标优化算法及决策方法进行求解,综合考虑流域生态、发电、供水目标之间的协同与竞争关系,为流域水资源管理及水资源综合高效利用提供支撑。
本发明的目的是提供一种面向生态发电供水的水资源协同调配方法,包括获取数据资料,还包括以下步骤:
步骤1:计算各计算单元需水量及各生态断面适宜生态流量,拟合水库发电量与发电水量之间的函数关系;
步骤2:构建面向生态、发电和供水的水量配置模型,优化求解得到最优解集;
步骤3:对所述水量配置模型求解的结果进行决策,得到月尺度水量配置方案;
步骤4:结合气象预报产品数据,利用水文模型预测各水库未来一月内逐日入库径流过程;
步骤5:构建水库短期调度模型,优化求解得到日尺度水库流量调度方案;
步骤6:整合日尺度流量调度数据为月尺度水量数据,修正配置模型输入数据。
优选的是,所述数据资料为水利工程基础数据,包括径流量、降水量、地下水开采量和发电量中至少一种。
在上述任一方案中优选的是,所述步骤1包括以下子步骤:
步骤11:计算流域内各计算单元经济社会需水量以及各生态断面的生态环境需水量;
步骤12:拟合流域内各水库月尺度发电量与发电水量之间的函数关系,公式为:
在上述任一方案中优选的是,所述步骤2包括以下子步骤:
步骤21:设置所述水量配置模型中的配置模型生态目标函数、配置模型发电目标函数和配置模型供水目标函数;
步骤22:使用NSGA-Ⅱ多目标优化算法求解得到Pareto最优解集。
在上述任一方案中优选的是,以与适宜生态流量偏差最小为所述配置模型生态目标函数,公式为:
在上述任一方案中优选的是,以综合发电量最大为所述配置模型发电目标函数,公式为:
在上述任一方案中优选的是,以综合缺水率最小为所述配置模型供水目标函数,公式为:
在上述任一方案中优选的是,所述步骤3包括以下子步骤:
步骤31:根据最优解集及评价指标构建方案决策矩阵;
步骤32:根据决策者偏好确定面向生态、发电、供水三个水资源开发利用目标的权重矩阵;
步骤33:对水量配置模型求解得到的最优解集进行决策,得到面向生态、发电、供水的水量配置方案。
在上述任一方案中优选的是,所述步骤4包括获取未来一个月的气象预报产品数据,使用水文模型对流域水文过程进行模拟,获得各水库未来一月内逐日入库径流过程。
在上述任一方案中优选的是,所述水库短期调度模型是以月尺度水量配置方案为约束,以流量为计算指标构建以与适宜生态流量偏差最小、综合发电量最大、综合缺水率最小为目标函数的多目标优化模型。
在上述任一方案中优选的是,所述步骤5包括以下子步骤:
步骤51:设置所述水库短期调度模型中的调度模型生态目标函数、调度模型发电目标函数和调度模型供水目标函数;
步骤52:设置约束条件;
步骤53:使用多目标优化算法对所述水库短期调度模型求解,并进行方案决策,得到水库日尺度流量调度方案。
在上述任一方案中优选的是,以与适宜生态流量偏差最小为所述调度模型生态目标函数,公式为:
在上述任一方案中优选的是,以综合发电量最大为所述调度模型发电目标函数,公式为:
在上述任一方案中优选的是,以综合缺水率最小为所述调度模型供水目标函数,公式为:
在上述任一方案中优选的是,所述约束条件包括河道内生态需水量约束、发电水量约束、计算单元需水量约束、生态基流约束、水量平衡约束、水库库容约束、水库水位约束和发电流量约束中至少一种。
在上述任一方案中优选的是,所述河道内生态需水量约束的约束条件为
在上述任一方案中优选的是,所述发电水量约束的约束条件为:
在上述任一方案中优选的是,所述计算单元需水量约束的约束条件为:
在上述任一方案中优选的是,所述生态基流约束的约束条件为:
在上述任一方案中优选的是,所述水量平衡约束的约束条件为:
其中,V t+1和V t 表示t时段末和t时段初的水库库容,表示t时段水库的来水流
量,表示t时段单位时间内水库因下渗、蒸发损失的水量,表示t时段水库的下泄流
量,SQ t 表示t时段水库的供水流量。
在上述任一方案中优选的是,所述水库库容约束的约束条件为:
其中, V min 和V max 表示水库库容的上下限。
在上述任一方案中优选的是,所述水库水位约束的约束条件为:
在上述任一方案中优选的是,所述发电流量约束的约束条件为:
其中,PQ max 水库发电引水流量的上限, PQ t 为t时段水库发电引水流量。
在上述任一方案中优选的是,所述步骤6包括整理所述日尺度水库流量调度方案,并合并为月尺度水量数据,对水量配置模型中径流输入数据进行修正。
本发明提出了一种面向生态发电供水的水资源协同调配方法,在水量配置过程中,根据决策者偏好对模型求解方案进行决策,弥补了基于优化方法的水资源配置在考虑经济社会发展规划及决策者偏好上的不足,在降低水资源不确定性对调配方案影响的同时,实现了水量配置模型与水库调度模型的动态衔接。
附图说明
图1为按照本发明的面向生态发电供水的水资源协同调配方法的一优选实施例的流程图。
图2为按照本发明的面向生态发电供水的水资源协同调配方法的另一优选实施例的流程图。
图3为按照本发明的面向生态发电供水的水资源协同调配方法的水量配置方案的一实施例的决策流程图。
图4为按照本发明的面向生态发电供水的水资源协同调配方法的逐日入库径流过程预测的一实施例的流程图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1所示,执行步骤100,获取数据资料,数据资料为水利工程基础数据,包括径流量、降水量、地下水开采量和发电量中至少一种。
执行步骤110,计算各计算单元需水量及各生态断面适宜生态流量,拟合水库发电量与发电水量之间的函数关系,包括以下子步骤:
执行步骤111,计算流域内各计算单元经济社会需水量以及各生态断面的生态环境需水量。
执行步骤112,拟合流域内各水库月尺度发电量与发电水量之间的函数关系,公式为:
执行步骤120,构建面向生态、发电和供水的水量配置模型,优化求解得到最优解集,包括以下子步骤:
执行步骤121,设置所述水量配置模型中的配置模型生态目标函数、配置模型发电目标函数和配置模型供水目标函数。
1)以与适宜生态流量偏差最小为所述配置模型生态目标函数,公式为:
2)以综合发电量最大为所述配置模型发电目标函数,公式为:
3)以综合缺水率最小为所述配置模型供水目标函数,公式为:
执行步骤122,使用NSGA-Ⅱ多目标优化算法求解得到Pareto最优解集。
执行步骤130,对所述水量配置模型求解的结果进行决策,得到月尺度水量配置方案,包括以下子步骤:
执行步骤131,根据最优解集及评价指标构建方案决策矩阵。
执行步骤132,根据决策者偏好确定面向生态、发电、供水三个水资源开发利用目标的权重矩阵。
执行步骤133,对水量配置模型求解得到的最优解集进行决策,得到面向生态、发电、供水的水量配置方案。
执行步骤140,结合气象预报产品数据,利用水文模型预测各水库未来一月内逐日入库径流过程。获取未来一个月的气象预报产品数据,使用水文模型对流域水文过程进行模拟,获得各水库未来一月内逐日入库径流过程。
执行步骤150,构建水库短期调度模型,优化求解得到日尺度水库流量调度方案。水库短期调度模型是以月尺度水量配置方案为约束,以流量为计算指标构建以与适宜生态流量偏差最小、综合发电量最大、综合缺水率最小为目标函数的多目标优化模型。步骤150包括以下子步骤:
执行步骤151,设置所述水库短期调度模型中的调度模型生态目标函数、调度模型发电目标函数和调度模型供水目标函数。
1)以与适宜生态流量偏差最小为所述调度模型生态目标函数,公式为:
2)以综合发电量最大为所述调度模型发电目标函数,公式为:
3)以综合缺水率最小为所述调度模型供水目标函数,公式为:
执行步骤152,设置约束条件,约束条件包括河道内生态需水量约束、发电水量约束、计算单元需水量约束、生态基流约束、水量平衡约束、水库库容约束、水库水位约束和发电流量约束中至少一种。
1)河道内生态需水量约束的约束条件为
2)发电水量约束的约束条件为:
3)计算单元需水量约束的约束条件为:
4)生态基流约束的约束条件为:
5)水量平衡约束的约束条件为:
其中,V t+1和V t 表示t时段末和t时段初的水库库容,表示t时段水库的来水流
量,表示t时段单位时间内水库因下渗、蒸发损失的水量,表示t时段水库的下泄流
量,SQ t 表示t时段水库的供水流量。
6)所述水库库容约束的约束条件为:
其中, V min 和V max 表示水库库容的上下限。
7)水库水位约束的约束条件为:
8)电流量约束的约束条件为:
其中,PQ max 水库发电引水流量的上限, PQ t 为t时段水库发电引水流量。
执行步骤153,使用多目标优化算法对所述水库短期调度模型求解,并进行方案决策,得到水库日尺度流量调度方案。
执行步骤160,整合日尺度流量调度数据为月尺度水量数据,修正配置模型输入数据。整理所述日尺度水库流量调度方案,并合并为月尺度水量数据,对水量配置模型中径流输入数据进行修正。
实施例二
本发明提供了一种面向生态发电供水的水资源协同调配方法,包括以下步骤:
S1、获取数据资料,计算各计算单元需水量及各生态断面适宜生态流量,拟合水库发电量与发电水量之间的函数关系;
S2、以年为配置周期,以月为配置时段,构建面向生态、发电、供水的水量配置模型,优化求解得到最优解集;
S3、根据决策者偏好,对模型求解结果进行决策,得到月尺度水量配置方案;
S4、结合气象预报产品数据,利用水文模型预测各水库未来一月内逐日入库径流过程;
S5、以水量配置方案为约束条件,以月为调度周期,以日为调度时段构建水库短期调度模型,优化求解得到日尺度水库流量调度方案;
S6、整合日尺度流量调度数据为月尺度水量数据,修正配置模型输入数据。
所述步骤S1具体包括以下内容:
S11、获取水利工程基础数据,收集径流量、降水量、地下水开采量、发电量等长系列数据资料;
S12、根据近三年数据计算流域内各计算单元经济社会需水量以及各生态断面的生态环境需水量;
S13、根据历史数据拟合流域内各水库月尺度发电量与发电水量之间的函数关系,用以下公式表示:
进一步的,以与适宜生态水量偏差最小、综合发电量最大、综合缺水率最小为目标函数,构建多目标优化模型,求解得到月尺度水量配置最优解集,所述步骤S2具体包括以下内容,
S21、目标函数:
①以与适宜生态流量偏差最小为生态目标函数:
②以综合发电量最大作为发电目标函数:
③以综合缺水率最小作为供水目标函数:
模型约束条件包括:水量平衡约束、供水能力约束、水库库容约束、出力约束等。
①水量平衡约束
②供水能力约束
③水库库容约束
其中, V min 和V max 表示水库库容的上下限
④出力约束
S22、使用NSGA-Ⅱ多目标优化算法求解得到Pareto最优解集。
进一步的,如图2所示,根据决策者偏好,使用交互式切比雪夫决策方法对最优解集进行决策,得到月尺度水量配置方案,所述步骤S3具体包括以下内容:
S33、计算各方案得分向量并不断迭代,最终得到面向生态、发电、供水的水量配置方案。
进一步的,如图3所示,所述步骤S4的具体方法为:
①构建流域水文模型,使用历史降水及径流数据对模型参数进行率定;
②获取未来一个月的气象预报产品数据,使用水文模型对流域径流过程进行模拟,获得各水库未来一月内逐日入库径流过程。
进一步的,以月尺度水量配置方案为约束,以流量为计算指标构建以与适宜生态流量偏差最小、综合发电量最大、综合缺水率最小为目标函数的多目标优化模型,求解得到各水库未来一月逐日的流量调度方案,所述步骤S5具体包括以下内容:
S51、目标函数:
①以与适宜生态流量偏差最小为生态目标函数:
②以综合发电量最大作为发电目标函数:
其中,m为水库总数,表示水库i在t时段的出力,△t表示时段长度,K i 表示水库i的出力系数,表示水库i在t时段的发电流量,表示水库i在t时段的水头,表示
第水库i在t时段的蓄水位,表示水库i在t时段的尾水位。
③以综合缺水率最小作为供水目标函数:
S52、约束条件:
①河道内生态需水量约束
②发电水量约束
③计算单元需水量约束
④生态基流约束
⑤水量平衡约束
其中,V t+1和V t 表示t时段末和t时段初的水库库容,表示t时段水库的来水流
量,表示t时段单位时间内水库因下渗、蒸发损失的水量,表示t时段水库的下泄流
量,SQ t 表示t时段水库的供水流量。
⑥水库库容约束
其中, V min 和V max 表示水库库容的上下限。
⑦水库水位约束
⑧发电流量约束
其中,PQ max 水库发电引水流量的上限, PQ t 为t时段水库发电引水流量。
S53、使用多目标优化算法对模型求解,并进行方案决策,得到水库日尺度流量调度方案。
进一步的,所述步骤S6的具体方法为:整理日尺度水库流量调度方案,并合并为月尺度水量数据,对水量配置模型中径流输入数据进行修正。
本发明的有益效果是:1、以生态、发电、供水为目标构建了水量配置模型与水库流量调度模型,结合多目标优化算法及决策方法进行求解,综合考虑流域生态、发电、供水目标之间的协同与竞争关系,为流域水资源管理及水资源综合高效利用提供支撑;2、在水量配置过程中,根据决策者偏好对模型求解方案进行决策,弥补了基于优化方法的水资源配置在考虑经济社会发展规划及决策者偏好上的不足;3、以水量配置方案作为约束条件构建水库调度模型,结合日尺度入库径流预测数据进行求解,并整合调度方案修正水量配置模型输入数据,在降低水资源不确定性对调配方案影响的同时,实现了水量配置模型与水库调度模型的动态衔接。
为了更好地理解本发明,以上结合本发明的具体实施例做了详细描述,但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改,均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种面向生态发电供水的水资源协同调配方法,包括获取数据资料,其特征在于,还包括以下步骤:
步骤1:计算各计算单元需水量及各生态断面适宜生态流量,拟合水库发电量与发电水量之间的函数关系;
步骤2:构建面向生态、发电和供水的水量配置模型,优化求解得到最优解集;
步骤3:对所述水量配置模型求解的结果进行决策,得到月尺度水量配置方案;
步骤4:结合气象预报产品数据,利用水文模型预测各水库未来一月内逐日入库径流过程;
步骤5:构建水库短期调度模型,优化求解得到日尺度水库流量调度方案;
步骤6:整合日尺度流量调度数据为月尺度水量数据,修正配置模型输入数据。
3.如权利要求2所述的面向生态发电供水的水资源协同调配方法,其特征在于,所述步骤2包括以下子步骤:
步骤21:设置所述水量配置模型中的配置模型生态目标函数、配置模型发电目标函数和配置模型供水目标函数;
步骤22:使用NSGA-Ⅱ多目标优化算法求解得到Pareto最优解集。
4.如权利要求3所述的面向生态发电供水的水资源协同调配方法,其特征在于,所述步骤3包括以下子步骤:
步骤31:根据最优解集及评价指标构建方案决策矩阵;
步骤32:根据决策者偏好确定面向生态、发电、供水三个水资源开发利用目标的权重矩阵;
步骤33:对水量配置模型求解得到的最优解集进行决策,得到面向生态、发电、供水的水量配置方案。
5.如权利要求4所述的面向生态发电供水的水资源协同调配方法,其特征在于,所述步骤4包括获取未来一个月的气象预报产品数据,使用水文模型对流域水文过程进行模拟,获得各水库未来一月内逐日入库径流过程。
6.如权利要求5所述的面向生态发电供水的水资源协同调配方法,其特征在于,所述步骤5包括以下子步骤:
步骤51:设置所述水库短期调度模型中的调度模型生态目标函数、调度模型发电目标函数和调度模型供水目标函数;
步骤52:设置约束条件,所述约束条件包括河道内生态需水量约束、发电水量约束、计算单元需水量约束、生态基流约束、水量平衡约束、水库库容约束、水库水位约束和发电流量约束中至少一种;
步骤53:使用多目标优化算法对所述水库短期调度模型求解,并进行方案决策,得到水库日尺度流量调度方案。
10.如权利要求1所述的面向生态发电供水的水资源协同调配方法,其特征在于,所述步骤6包括整理所述日尺度水库流量调度方案,并合并为月尺度水量数据,对水量配置模型中径流输入数据进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210447296.6A CN114548609B (zh) | 2022-04-27 | 2022-04-27 | 一种面向生态发电供水的水资源协同调配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210447296.6A CN114548609B (zh) | 2022-04-27 | 2022-04-27 | 一种面向生态发电供水的水资源协同调配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114548609A true CN114548609A (zh) | 2022-05-27 |
CN114548609B CN114548609B (zh) | 2022-08-05 |
Family
ID=81666880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210447296.6A Active CN114548609B (zh) | 2022-04-27 | 2022-04-27 | 一种面向生态发电供水的水资源协同调配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548609B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809718A (zh) * | 2022-10-09 | 2023-03-17 | 当涂南科院科研试验有限公司 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951985A (zh) * | 2017-03-06 | 2017-07-14 | 河海大学 | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 |
WO2019119413A1 (zh) * | 2017-12-22 | 2019-06-27 | 大连理工大学 | 一种耦合相对目标接近度和边际分析原理的梯级水电站多目标优化调度方法 |
CN110851977A (zh) * | 2019-11-06 | 2020-02-28 | 武汉大学 | 基于生态流量的供水-发电-生态多目标调度图优化方法 |
CN111709134A (zh) * | 2020-06-12 | 2020-09-25 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
-
2022
- 2022-04-27 CN CN202210447296.6A patent/CN114548609B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951985A (zh) * | 2017-03-06 | 2017-07-14 | 河海大学 | 一种基于改进人工蜂群算法的梯级水库多目标优化调度方法 |
WO2019119413A1 (zh) * | 2017-12-22 | 2019-06-27 | 大连理工大学 | 一种耦合相对目标接近度和边际分析原理的梯级水电站多目标优化调度方法 |
CN110851977A (zh) * | 2019-11-06 | 2020-02-28 | 武汉大学 | 基于生态流量的供水-发电-生态多目标调度图优化方法 |
CN111709134A (zh) * | 2020-06-12 | 2020-09-25 | 河海大学 | 一种基于闸泵站群控制的多水源跨流域调度方法及装置 |
Non-Patent Citations (4)
Title |
---|
CHUANZHE LI 等: "《Research on reservoir optimal operation based on dynamic programming model》", 《2011 INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND SERVICE SYSTEM (CSSS)》 * |
张晓: "《引汉济渭跨流域调水工程运行调度模式研究及实现》", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
张翔宇等: "基于改进多目标遗传算法的小浪底水库优化调度研究", 《水电能源科学》 * |
郭成等: "日月尺度耦合解集方法在降水模拟中的应用", 《人民黄河》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809718A (zh) * | 2022-10-09 | 2023-03-17 | 当涂南科院科研试验有限公司 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 |
CN115809718B (zh) * | 2022-10-09 | 2024-03-15 | 当涂南科院科研试验有限公司 | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114548609B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Long-term complementary operation of a large-scale hydro-photovoltaic hybrid power plant using explicit stochastic optimization | |
Ming et al. | Optimizing utility-scale photovoltaic power generation for integration into a hydropower reservoir by incorporating long-and short-term operational decisions | |
Zhang et al. | Optimal photovoltaic capacity of large-scale hydro-photovoltaic complementary systems considering electricity delivery demand and reservoir characteristics | |
Jiang et al. | Multi-stage progressive optimality algorithm and its application in energy storage operation chart optimization of cascade reservoirs | |
CN106682810B (zh) | 巨型水电站动态投产下跨流域梯级水电站群长期运行方法 | |
CN103714426B (zh) | 中小径流式水电站群一体化调度系统 | |
Zeng et al. | A sustainable water-food-energy plan to confront climatic and socioeconomic changes using simulation-optimization approach | |
Tan et al. | The optimization model for multi-type customers assisting wind power consumptive considering uncertainty and demand response based on robust stochastic theory | |
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 | |
CN104268653B (zh) | 基于集束径流预报的梯级水库优化调度方法 | |
Zhao et al. | Flexibility evaluation of wind-PV-hydro multi-energy complementary base considering the compensation ability of cascade hydropower stations | |
Xi et al. | Inter-basin water transfer-supply model and risk analysis with consideration of rainfall forecast information | |
CN107968439A (zh) | 基于混合整数线性规划的主动配电网联合优化算法 | |
CN105656026B (zh) | 可再生能源的设备建设资源配置方法和系统 | |
CN104200289A (zh) | 一种基于投资回报率的分布式光伏装机容量预测方法 | |
CN107769268A (zh) | 一种含小水电的地调范围日前预测省供负荷方法 | |
CN114548609B (zh) | 一种面向生态发电供水的水资源协同调配方法 | |
Jiang et al. | Refining long-term operation of large hydro–photovoltaic–wind hybrid systems by nesting response functions | |
Yu et al. | Optimal scheduling strategy of cascade hydropower plants under the joint market of day-ahead energy and frequency regulation | |
CN117332908B (zh) | 一种耦合集合预报的梯级水库多目标优化调度方法及系统 | |
Li et al. | Research on short-term joint optimization scheduling strategy for hydro-wind-solar hybrid systems considering uncertainty in renewable energy generation | |
Liu et al. | Effect of the quality of streamflow forecasts on the operation of cascade hydropower stations using stochastic optimization models | |
Li et al. | Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system | |
Wang et al. | Itô-theory-based multi-time scale dispatch approach for cascade hydropower-photovoltaic complementary system | |
Zhang et al. | Monthly optimal reservoirs operation for multicrop deficit irrigation under fuzzy stochastic uncertainties |
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 |