CN114548609B - 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 PDF

Info

Publication number
CN114548609B
CN114548609B CN202210447296.6A CN202210447296A CN114548609B CN 114548609 B CN114548609 B CN 114548609B CN 202210447296 A CN202210447296 A CN 202210447296A CN 114548609 B CN114548609 B CN 114548609B
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.)
Active
Application number
CN202210447296.6A
Other languages
English (en)
Other versions
CN114548609A (zh
Inventor
李传哲
刘佳
张善钧
景兰舒
于福亮
王一之
朱赫
陈伟凡
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.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
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 China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202210447296.6A priority Critical patent/CN114548609B/zh
Publication of CN114548609A publication Critical patent/CN114548609A/zh
Application granted granted Critical
Publication of CN114548609B publication Critical patent/CN114548609B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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

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

一种面向生态发电供水的水资源协同调配方法
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：
Figure 274087DEST_PATH_IMAGE001
其中， E i,t 表示水库i在t时段的发电量，
Figure 512301DEST_PATH_IMAGE002
表示水库i在t时段用于发电的水量，C()为水库i在t时段发电量与发电水量之间的函数关系。
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：
Figure 79549DEST_PATH_IMAGE003
其中， T为总时段数，G为生态断面总数，
Figure 361494DEST_PATH_IMAGE004
表示t时段向生态断面g的供水量，
Figure 420717DEST_PATH_IMAGE005
为生态断面g在t时段维持适宜生态流量所需的水量。
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：
Figure 56098DEST_PATH_IMAGE006
其中，m为水库总数，
Figure 868065DEST_PATH_IMAGE007
表示水库i在t时段用于发电的水量，
Figure 196278DEST_PATH_IMAGE008
表示水库i 在t时段的发电量。
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：
Figure 477218DEST_PATH_IMAGE009
其中， K为计算单元总数，
Figure 181869DEST_PATH_IMAGE010
表示t时段计算单元k的需水量，
Figure 848342DEST_PATH_IMAGE011
表示t时段 向计算单元k的供水量。
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：
Figure 488402DEST_PATH_IMAGE012
其中，
Figure 115692DEST_PATH_IMAGE013
表示t时段向生态断面g处的供水的平均流量，
Figure 217510DEST_PATH_IMAGE014
表示生态断面g处t 时段的目标生态流量。
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：
Figure 879435DEST_PATH_IMAGE015
Figure 424817DEST_PATH_IMAGE016
Figure 539403DEST_PATH_IMAGE017
其中，
Figure 444911DEST_PATH_IMAGE018
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，
Figure 961343DEST_PATH_IMAGE019
表示水库i在t时段的发电流量，
Figure 677627DEST_PATH_IMAGE020
表示水库i在t时段的水头，
Figure 279509DEST_PATH_IMAGE021
表示第水库i在t时 段的蓄水位，
Figure 988708DEST_PATH_IMAGE022
表示水库i在t时段的尾水位。
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：
Figure 359647DEST_PATH_IMAGE023
Figure 246831DEST_PATH_IMAGE024
其中，
Figure 70431DEST_PATH_IMAGE025
表示t时段计算单元k的需水量，
Figure 589180DEST_PATH_IMAGE026
表示t时段向计算单元k的供水 量，
Figure 814625DEST_PATH_IMAGE027
表示t时段向计算单元k的供水流量。
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
Figure 872711DEST_PATH_IMAGE028
其中，
Figure 449186DEST_PATH_IMAGE029
为水量配置方案中相应月份向生态断面g的供水量，
Figure 500187DEST_PATH_IMAGE030
为t时段向生态 断面g处的供水的平均流量。
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：
Figure 845718DEST_PATH_IMAGE031
其中，
Figure 340284DEST_PATH_IMAGE032
为水量配置方案中相应月份水库i用于发电的水量，
Figure 528689DEST_PATH_IMAGE033
表示水库i在t 时段的发电流量。
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：
Figure 993168DEST_PATH_IMAGE034
其中，
Figure 334151DEST_PATH_IMAGE035
为水量配置方案中相应月份向计算单元k的供水量，
Figure 124252DEST_PATH_IMAGE036
表示t时段向计 算单元k的供水流量。
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：
Figure 268795DEST_PATH_IMAGE037
其中，
Figure 802544DEST_PATH_IMAGE038
为生态断面g维持生态服务功能所需的最小生态基流量。
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：
Figure 732454DEST_PATH_IMAGE039
其中，V t+1和V t 表示t时段末和t时段初的水库库容，
Figure 427878DEST_PATH_IMAGE040
表示t时段水库的来水流 量，
Figure 590875DEST_PATH_IMAGE041
表示t时段单位时间内水库因下渗、蒸发损失的水量，
Figure 538102DEST_PATH_IMAGE042
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：
Figure 447152DEST_PATH_IMAGE043
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：
Figure 703690DEST_PATH_IMAGE044
其中，Z min 和Z max 表示水库水位的上下限，
Figure 698191DEST_PATH_IMAGE045
为t时段水库水位。
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：
Figure 449109DEST_PATH_IMAGE046
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：
Figure 478245DEST_PATH_IMAGE001
其中， E i,t 表示水库i在t时段的发电量，
Figure 640105DEST_PATH_IMAGE002
表示水库i在t时段用于发电的水量，C()为水库i在t时段发电量与发电水量之间的函数关系。
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：
Figure 387481DEST_PATH_IMAGE003
其中， T为总时段数，G为生态断面总数，
Figure 676511DEST_PATH_IMAGE047
表示t时段向生态断面g的供水量，
Figure 825733DEST_PATH_IMAGE005
为生态断面g在t时段维持适宜生态流量所需的水量。
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：
Figure 158494DEST_PATH_IMAGE006
其中，m为水库总数，
Figure 127587DEST_PATH_IMAGE007
表示水库i在t时段用于发电的水量，
Figure 220308DEST_PATH_IMAGE008
表示水库i 在t时段的发电量。
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：
Figure 958457DEST_PATH_IMAGE048
其中， K为计算单元总数，
Figure 721839DEST_PATH_IMAGE010
表示t时段计算单元k的需水量，
Figure 178228DEST_PATH_IMAGE011
表示t时段 向计算单元k的供水量。
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：
Figure 809061DEST_PATH_IMAGE012
其中，
Figure 667296DEST_PATH_IMAGE013
表示t时段向生态断面g处的供水的平均流量，
Figure 607439DEST_PATH_IMAGE014
表示生态断面g处t 时段的目标生态流量。
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：
Figure 426490DEST_PATH_IMAGE015
Figure 985647DEST_PATH_IMAGE049
Figure 823022DEST_PATH_IMAGE050
其中，
Figure 809433DEST_PATH_IMAGE018
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，
Figure 115780DEST_PATH_IMAGE051
表示水库i在t时段的发电流量，
Figure 213049DEST_PATH_IMAGE020
表示水库i在t时段的水头，
Figure 170510DEST_PATH_IMAGE052
表示第水库i在t时 段的蓄水位，
Figure 62243DEST_PATH_IMAGE022
表示水库i在t时段的尾水位。
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：
Figure 855886DEST_PATH_IMAGE023
Figure 756846DEST_PATH_IMAGE024
其中，
Figure 568813DEST_PATH_IMAGE025
表示t时段计算单元k的需水量，
Figure 897026DEST_PATH_IMAGE026
表示t时段向计算单元k的供水 量，
Figure 912387DEST_PATH_IMAGE053
表示t时段向计算单元k的供水流量。
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
Figure 351459DEST_PATH_IMAGE028
其中，
Figure 17932DEST_PATH_IMAGE029
为水量配置方案中相应月份向生态断面g的供水量，
Figure 657992DEST_PATH_IMAGE030
为t时段向生态 断面g处的供水的平均流量。
2）发电水量约束的约束条件为：
Figure 285282DEST_PATH_IMAGE031
其中，
Figure 652679DEST_PATH_IMAGE032
为水量配置方案中相应月份水库i用于发电的水量，
Figure 314604DEST_PATH_IMAGE033
表示水库i在t 时段的发电流量。
3）计算单元需水量约束的约束条件为：
Figure 859986DEST_PATH_IMAGE034
其中，
Figure 974573DEST_PATH_IMAGE035
为水量配置方案中相应月份向计算单元k的供水量，
Figure 145660DEST_PATH_IMAGE054
表示t时段向计 算单元k的供水流量。
4）生态基流约束的约束条件为：
Figure 662092DEST_PATH_IMAGE055
其中，
Figure 378375DEST_PATH_IMAGE038
为生态断面g维持生态服务功能所需的最小生态基流量。
5）水量平衡约束的约束条件为：
Figure 714679DEST_PATH_IMAGE039
其中，V t+1和V t 表示t时段末和t时段初的水库库容，
Figure 429737DEST_PATH_IMAGE040
表示t时段水库的来水流 量，
Figure 800675DEST_PATH_IMAGE041
表示t时段单位时间内水库因下渗、蒸发损失的水量，
Figure 953439DEST_PATH_IMAGE042
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：
Figure 167252DEST_PATH_IMAGE056
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：
Figure 289928DEST_PATH_IMAGE044
其中，Z min 和Z max 表示水库水位的上下限，
Figure 921898DEST_PATH_IMAGE057
为t时段水库水位。
8）电流量约束的约束条件为：
Figure 104618DEST_PATH_IMAGE058
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：
Figure 805726DEST_PATH_IMAGE001
其中， E i,t 表示水库i在t时段的发电量，
Figure 607460DEST_PATH_IMAGE059
表示水库i在t时段用于发电的水量，C()为水库i在t时段发电量与发电水量之间的函数关系。
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：
Figure 218570DEST_PATH_IMAGE003
其中， T为总时段数，G为生态断面总数，
Figure 696825DEST_PATH_IMAGE004
表示t时段向生态断面g的供水量，
Figure 495017DEST_PATH_IMAGE060
为生态断面g在t时段维持适宜生态流量所需的水量。
②以综合发电量最大作为发电目标函数：
Figure 100441DEST_PATH_IMAGE006
其中，m为水库总数，
Figure 300479DEST_PATH_IMAGE007
表示水库i在t时段用于发电的水量，
Figure 949635DEST_PATH_IMAGE008
表示水库i 在t时段的发电量。
③以综合缺水率最小作为供水目标函数：
Figure 235123DEST_PATH_IMAGE061
其中， K为计算单元总数，
Figure 644238DEST_PATH_IMAGE010
表示t时段计算单元k的需水量，
Figure 698782DEST_PATH_IMAGE062
表示t时段 向计算单元k的供水量。
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
Figure 518839DEST_PATH_IMAGE063
其中，V t+1和V t 表示t时段末和t时段初的水库库容，
Figure 432569DEST_PATH_IMAGE064
表示t时段水库的来水量，
Figure 504430DEST_PATH_IMAGE065
表示t时段水库因下渗、蒸发损失的水量，
Figure 538114DEST_PATH_IMAGE066
表示t时段水库的下泄水量，包括发电水 量，
Figure 670018DEST_PATH_IMAGE067
表示t时段水库的供水量。
②供水能力约束
Figure 539885DEST_PATH_IMAGE068
其中，
Figure 415437DEST_PATH_IMAGE069
表示t时段水库的供水能力。
③水库库容约束
Figure 303627DEST_PATH_IMAGE043
其中， V min 和V max 表示水库库容的上下限
④出力约束
Figure 606433DEST_PATH_IMAGE070
其中，
Figure 963596DEST_PATH_IMAGE071
和
Figure 377260DEST_PATH_IMAGE072
表示t时段水电站出力的上下限，
Figure 995323DEST_PATH_IMAGE073
表示t时段水电站用于 发电的水量，
Figure 876821DEST_PATH_IMAGE074
表示t时段水电站的发电量，△t表示时段长度。
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：
S31、以生态、发电、供水效益作为评价指标，结合最优解肌构建方案决策矩阵
Figure 721280DEST_PATH_IMAGE075
，并规范化得到矩阵
Figure 938635DEST_PATH_IMAGE076
，其中，i=1,2，…n，表示方案序号；j=1,2,3，表示评 价指标序号；
S32、根据决策者偏好确定生态、发电、供水三个水资源开发利用目标的权重矩阵
Figure 801417DEST_PATH_IMAGE077
，获得决策者权重向量
Figure 446025DEST_PATH_IMAGE078
，其中，k=1,2,..,K，表示决策者 序号。
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：
Figure 777781DEST_PATH_IMAGE079
其中，T为总时段数，G为生态断面总数，
Figure 533247DEST_PATH_IMAGE013
表示t时段向生态断面g处的供水的平 均流量，
Figure 516115DEST_PATH_IMAGE014
表示生态断面g处t时段的目标生态流量。
②以综合发电量最大作为发电目标函数：
Figure 66045DEST_PATH_IMAGE015
Figure 885097DEST_PATH_IMAGE049
Figure 444254DEST_PATH_IMAGE050
其中，m为水库总数，
Figure 281629DEST_PATH_IMAGE018
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，
Figure 533619DEST_PATH_IMAGE051
表示水库i在t时段的发电流量，
Figure 574387DEST_PATH_IMAGE020
表示水库i在t时段的水头，
Figure 671656DEST_PATH_IMAGE080
表示 第水库i在t时段的蓄水位，
Figure 629117DEST_PATH_IMAGE022
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：
Figure 786429DEST_PATH_IMAGE023
Figure 314493DEST_PATH_IMAGE024
其中，K为计算单元总数，
Figure 215453DEST_PATH_IMAGE025
表示t时段计算单元k的需水量，
Figure 27420DEST_PATH_IMAGE081
表示t时段向 计算单元k的供水量，
Figure 355633DEST_PATH_IMAGE082
表示t时段向计算单元k的供水流量，△t表示时段长度。
S52、约束条件：
①河道内生态需水量约束
Figure 370994DEST_PATH_IMAGE083
其中，
Figure 810065DEST_PATH_IMAGE029
为水量配置方案中相应月份向生态断面g的供水量，
Figure 476539DEST_PATH_IMAGE030
为t时段向生态 断面g处的供水的平均流量。
②发电水量约束
Figure 975653DEST_PATH_IMAGE084
其中，
Figure 478310DEST_PATH_IMAGE032
为水量配置方案中相应月份水库i用于发电的水量，
Figure 721072DEST_PATH_IMAGE033
表示水库i在t 时段的发电流量。
③计算单元需水量约束
Figure 242052DEST_PATH_IMAGE085
其中，
Figure 912068DEST_PATH_IMAGE035
为水量配置方案中相应月份向计算单元k的供水量，
Figure 902021DEST_PATH_IMAGE054
表示t时段向计 算单元k的供水流量。
④生态基流约束
Figure 948474DEST_PATH_IMAGE055
其中，
Figure 329820DEST_PATH_IMAGE038
为生态断面g维持生态服务功能所需的最小生态基流量。
⑤水量平衡约束
Figure 311683DEST_PATH_IMAGE086
其中，V t+1和V t 表示t时段末和t时段初的水库库容，
Figure 647986DEST_PATH_IMAGE087
表示t时段水库的来水流 量，
Figure 622764DEST_PATH_IMAGE088
表示t时段单位时间内水库因下渗、蒸发损失的水量，
Figure 993703DEST_PATH_IMAGE042
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
Figure 880887DEST_PATH_IMAGE056
其中， V min 和V max 表示水库库容的上下限。
⑦水库水位约束
Figure 970066DEST_PATH_IMAGE044
其中，Z min 和Z max 表示水库水位的上下限，
Figure 217377DEST_PATH_IMAGE045
为t时段水库水位。
⑧发电流量约束
Figure 442822DEST_PATH_IMAGE089
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 (8)

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需水量，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；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；
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，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；
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；
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：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
表示t时段向生态断面g处的供水的平均流量，
Figure DEST_PATH_IMAGE006
表示生态断面g处t时段的目标生态流量；
以综合发电量最大为所述调度模型发电目标函数，公式为：
Figure DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE014
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，
Figure DEST_PATH_IMAGE016
表示水库i在t时段的发电流量，
Figure DEST_PATH_IMAGE018
表示水库i在t时段的水头，
Figure DEST_PATH_IMAGE020
表示第水库i在t时段的蓄水位，
Figure DEST_PATH_IMAGE022
表示水库i在t时段的尾水位；
以综合缺水率最小为所述调度模型供水目标函数，公式为：
Figure DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE026
其中，
Figure DEST_PATH_IMAGE028
表示t时段计算单元k的需水量，
Figure DEST_PATH_IMAGE030
表示t时段向计算单元k的供水量，
Figure DEST_PATH_IMAGE032
表示t时段向计算单元k的供水流量；
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；
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；
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。
2.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：
Figure DEST_PATH_IMAGE034
其中， E i,t 表示水库i在t时段的发电量，
Figure DEST_PATH_IMAGE036
表示水库i在t时段用于发电的水量，C()为水库i在t时段发电量与发电水量之间的函数关系。
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。
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。
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，所述河道内生态需水量约束的约束条件为：
Figure DEST_PATH_IMAGE038
其中，
Figure DEST_PATH_IMAGE040
为水量配置方案中相应月份向生态断面g的供水量，
Figure DEST_PATH_IMAGE042
为t时段向生态断面g处的供水的平均流量，T为总时段数，△t为时段长度。
6.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，所述发电水量约束的约束条件为：
Figure DEST_PATH_IMAGE044
其中，
Figure DEST_PATH_IMAGE046
为水量配置方案中相应月份水库i用于发电的水量，
Figure DEST_PATH_IMAGE048
表示水库i在t时段的发电流量，T为总时段数，△t为时段长度。
7.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，所述计算单元需水量约束的约束条件为：
Figure DEST_PATH_IMAGE050
其中，
Figure DEST_PATH_IMAGE052
为水量配置方案中相应月份向计算单元k的供水量，
Figure DEST_PATH_IMAGE054
表示t时段向计算单元k的供水流量，T为总时段数，△t为时段长度。
8.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。
CN202210447296.6A 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 Active CN114548609B (zh)

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 CN114548609A (zh) 2022-05-27
CN114548609B true 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)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951985B (zh) * 2017-03-06 2021-06-25 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
CN110851977B (zh) * 2019-11-06 2023-01-31 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
CN111709134B (zh) * 2020-06-12 2021-05-04 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

Also Published As

Publication number Publication date
CN114548609A (zh) 2022-05-27

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
Zeng et al. A sustainable water-food-energy plan to confront climatic and socioeconomic changes using simulation-optimization approach
CN104008430B (zh) 一种构建拟境挖掘动态智能负荷预测模型的方法
CN103714426B (zh) 中小径流式水电站群一体化调度系统
Tan et al. The optimization model for multi-type customers assisting wind power consumptive considering uncertainty and demand response based on robust stochastic theory
Xi et al. Inter-basin water transfer-supply model and risk analysis with consideration of rainfall forecast information
CN104268653A (zh) 基于集束径流预报的梯级水库优化调度方法
CN105470998B (zh) 基于主动配电网的分布式电源与调压一体化控制方法
CN108842713A (zh) 多沙河流水质水量一体化配置与调度方法及其系统
CN109685256A (zh) 一种面向总量控制的流域水量动态优化分配方法
CN107968439A (zh) 基于混合整数线性规划的主动配电网联合优化算法
CN114548609B (zh) 一种面向生态发电供水的水资源协同调配方法
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
Jiang et al. Refining long-term operation of large hydro–photovoltaic–wind hybrid systems by nesting response functions
CN107769268A (zh) 一种含小水电的地调范围日前预测省供负荷方法
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
CN106886835A (zh) 广义联络线模式下网省两级实时交易预测协调优化方法
Xu et al. Optimal dispatching rules of hydropower reservoir in flood season considering flood resources utilization: A case study of Three Gorges Reservoir in China
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
CN104408557B (zh) 一种汛期水电富集电网省调平衡电厂电源电量分配方法
Irawan et al. Integrated strategic energy mix and energy generation planning with multiple sustainability criteria and hierarchical stakeholders
Yang et al. Integrated agricultural irrigation management technique in the arid inland area, China
Lang et al. Runoff optimization and control for basin water allocation
CN111030192A (zh) 促进新能源消纳的四鱼断面限额优化方法

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