CN115619120A - 一种面向恢复天然水文情势的水库调度方法 - Google Patents
一种面向恢复天然水文情势的水库调度方法 Download PDFInfo
- Publication number
- CN115619120A CN115619120A CN202211076827.1A CN202211076827A CN115619120A CN 115619120 A CN115619120 A CN 115619120A CN 202211076827 A CN202211076827 A CN 202211076827A CN 115619120 A CN115619120 A CN 115619120A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- water
- dispatching
- scheduling
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 312
- 238000005457 optimization Methods 0.000 claims abstract description 109
- 230000006870 function Effects 0.000 claims abstract description 51
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 51
- 238000003860 storage Methods 0.000 claims description 42
- 230000009467 reduction Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003973 irrigation Methods 0.000 claims description 5
- 230000002262 irrigation Effects 0.000 claims description 5
- 230000006735 deficit Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 239000002351 wastewater Substances 0.000 claims description 4
- 238000010353 genetic engineering Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000008239 natural water Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- GPRLSGONYQIRFK-MNYXATJNSA-N triton Chemical compound [3H+] GPRLSGONYQIRFK-MNYXATJNSA-N 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
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种面向恢复天然水文情势的水库调度方法,包括:基于调度图概化的直接优化方法将水库分为四个区;建立水库调度优化模型的目标函数,包括生态目标函数和经济社会供水目标函数;确定水库调度优化模型的约束条件,包括水库水量平衡方程、水库库容约束、优化变量约束和各变量非负约束;求解水库调度优化模型,优化水库调度参数;选定水库调度规则方案;根据所选的最优调度方案,绘制水库调度图并构建水库调度规则,实现面向恢复天然水文情势的水库优化调度。本发明可降低水利工程对河流产生的负面影响,恢复河流天然的水文情势,使水库调度运行带来的社会经济和生态效益最大化。
Description
技术领域
本发明涉及水资源保护和水资源调度技术,特别是涉及一种面向恢复天然水文情势的水库调度方法。
背景技术
河流的自然流动在很大程度上决定着河流的自然环境和栖息地的物理结构,河流的这种自然流动可以用天然水文情势来表征,一旦天然的水文情势发生了变化,那么必将影响长期以来形成的稳定的河流生态系统。现阶段,恢复受人类调控河流的天然水文情势,只能通过改变水库现行的调度方式来实现,以尽可能降低水利工程对河流产生的负面影响,因此考虑寻求一种新的水库调度运行规则以期尽力恢复河流天然的水文情势。
在了解目前河流生态水文状况的基础上,进一步明确恢复天然水文情势的生态目标。考虑生态的水库调度常规优化模型一般寻求使水库调度所产生的经济—生态效益、社会—生态效益或经济—社会—生态综合效益达到最大时的调度方案。水库生态调度模型一般是在传统的优化调度模型中引入生态指标,包括水文改变度、生态流量等。以生态流量为约束条件的模型是将生态流量作为一个新的约束条件引入模型,即河道中的流量不小于生态流量,并将缺水量作为供水效益目标的唯一因素。但传统的水库调度规划优化模型无法得到实现经济社会与河流生态共赢的最小生态需水量最优值,生态目标与经济社会供水目标函数单一,从而无法选择出最优调度方案。
发明内容
发明目的:本发明的目的是提供一种面向恢复天然水位情势的水库调度方法,意在通过改变水库现行的调度方式来尽可能降低水利工程对河流产生的负面影响,尽力恢复河流天然的水文情势。
技术方案:本发明的一种面向恢复天然水文情势的水库调度方法,包括以下步骤:
S1、基于调度图概化的直接优化方法,采用水库调度的上调度曲线、下调度曲线和关键调度线将水库分为四个区,其中,上调度线以上区域为I区;上调度线与下调度线之间区域为II区;下调度线与关键调度线之间区域为Ⅲ区;关键调度线以下区域为Ⅳ区;
S2、建立水库调度优化模型的目标函数,包括生态目标函数和经济社会供水目标函数,计算公式为:
minF=min(f1,f2)
其中,F为水库调度的目标函数;f1为生态目标函数,以整体水文改变度最小为目标;f2为经济社会供水目标函数,以经济社会用水的缺水程度最小为目标;
S3、确定水库调度优化模型的约束条件,包括水库水量平衡方程、水库库容约束、优化变量约束和各变量非负约束;
S4、求解水库调度优化模型,优化水库调度参数;采用NSGA-II优化算法,以整体水文改变度最小和广义缺水指数最小为目标,对水库调度优化模型进行求解,输出调度规则优化结果,得出不同参数下的整体水文改变度D和广义缺水指数GSI;
S5、选定水库调度规则方案;根据求解结果,可得到整体水文改变度D和广义缺水指数GSI的取值范围,分别记为闭区间X和Y。选择闭区间X的下限作为参考点E的横坐标,选择闭区间Y的下限作为参考点E的纵坐标,之后在所有方案点中选择与参考点E之间欧氏距离最小的方案点代表的方案作为最优方案;
S6,根据所选的最优调度方案,绘制水库调度图并构建水库调度规则,包括生态水量下泄规则、供水规则和弃水规则,实现面向恢复天然水文情势的水库优化调度。
进一步的,步骤S2中生态目标函数公式为:
其中,D为整体水文改变度,Di为第i个IHA指标的水文改变度。
进一步的,步骤S2中经济社会供水目标函数公式为:
其中,GSI为广义缺水指数;N为研究的总年数;DPDj为第j年缺水百分比日指数;DYj为第j年的总天数。
进一步的,步骤S3中水库调度优化模型的约束条件具体为:
(1)水库水量平衡方程;
V(i+1,j)=V(i,j)+WR(i,j)-WX1(i,j)-WX2(i,j)-WG(i,j)-WL(i,j)
其中,V(i,j),V(i+1,j)分别为第j年第i天,第i+1天水库的初始库容;WL(i,j)为第j年第i天水库的蒸发渗漏损失;WX2(i,j)为第j年第i天水库的弃水量;
(2)水库库容约束;
V(i,j)min≤V(i,j)≤V(i,j)max
其中,V(i,j)min为第j年第i天水库允许的最小库容,V(i,j)max为第j年第i天水库允许的最大库容;
(3)优化变量约束;
Vd≤V1≤Vn
Vd≤V2≤min(Vx,V1)
Ts≤T1≤T2≤T3≤T4≤To
0<a<b<1
(4)各变量非负约束。
进一步的,步骤S4具体为:
(1)设置NSGA-II优化算法相关参数,包括约束条件、迭代次数、种群规模、交叉概率、变异概率;将种群中每个个体表示为p=[p1,p2,…,p20];
(2)基于约束条件,随机生成含有N个个体的父代种群Pt;
(3)进行遗传操作,得到子代种群Pc、Pm;
(4)将父代种群Pt和子代种群Pc、Pm合并为一个新的种群Rt;
(5)计算生态目标函数值和经济社会供水目标函数值,在此基础上,对新的种群Rt进行分类排序,并计算拥挤距离,保留精英,选前N个个体进入父代种群Pt+1;
(6)进入下一次迭代,判断是否满足终止条件,满足则输出调度规则优化结果,包括:库容、时间、供水减少率、最小生态需水量、目标函数值,否则转到步骤(3)。
进一步的,步骤S5中欧氏距离ρ的计算公式为:
其中,xi、yi均表示n维空间中点的坐标,i=1,2,…,n。
进一步的,步骤S6中水库调度规则为:
(a)判断WR(i,j)+V(i,j)>Vd,若是,执行步骤(b);若否,不下泄也不供水;
(b)判断WR(i,j)+V(i,j)–Vd>WEp,若是,先下泄WEp,即:WX1(i,j)=WEp,继续执行步骤(c);若否,下泄水量为WR(i,j)+V(i,j)–Vd,供水量为零;
(c)判断WR(i,j)+V(i,j)–WX1(i,j)的大小,若处于I区,则正常供水,即:WG(i,j)=WC(i,j)+WN(i,j);若处于II区,则减少供水,供水减少率为a,即:WG(i,j)=(1-a)*(WC(i,j)+WN(i,j));若处于Ⅲ区,则减少供水,供水减少率为b,即:WG(i,j)=(1-b)*(WC(i,j)+WN(i,j));若处于Ⅳ区,为保证水库库容不小于死库容,有:WX1(i,j)=WR(i,j)+V(i,j)–Vd,供水量为零;
(d)判断WR(i,j)+V(i,j)–WX1(i,j)–WG(i,j)的大小,若处于I区,则弃水至上调度线;若处于II、Ⅲ区,则不产生弃水;若处于Ⅳ区,为保证水库库容不小于死库容,有:WG(i,j)=WR(i,j)+V(i,j)–WX1(i,j)–Vd,弃水量为零;
其中,WR(i,j)为第j年第i天的入库水量;V(i,j)为第j年第i天的初始库容;Vd为水库的死库容;WEp为p月日均最小生态需水量;WX1(i,j)为第j年第i天优先下泄到河道中的水量;WG(i,j)为第j年第i天的水库供水量;WC(i,j)为第j年第i天的城镇需水量;WN(i,j)为第j年第i天的农业灌区需水量;a为II区的供水减少率,b为Ⅲ区的供水减少率;
其中,步骤(b)为生态水量下泄规则,步骤(c)为供水规则,步骤(d)为弃水规则。
本发明的一种面向恢复天然水文情势的水库调度系统,包括:
水库空间分区模块,用于基于调度图概化的直接优化方法,采用水库调度的上调度曲线、下调度曲线和关键调度线将水库分为四个区,其中,上调度线以上区域为I区;上调度线与下调度线之间区域为II区;下调度线与关键调度线之间区域为Ⅲ区;关键调度线以下区域为Ⅳ区;
水库调度优化模型模块,用于建立水库调度优化模型的目标函数,包括生态目标函数和经济社会供水目标函数,并确定水库调度优化模型的约束条件,包括水库水量平衡方程、水库库容约束、优化变量约束和各变量非负约束;
水库调度优化模型求解模块,用于采用NSGA-II优化算法,以整体水文改变度最小和广义缺水指数最小为目标,对水库调度优化模型进行求解,输出调度规则优化结果,得出不同参数下的整体水文改变度D和广义缺水指数GSI;
水库调度规则方案选定模块,用于指定水库调度规则方案,并在所有方案点中选择和坐标点之间欧式距离最小的方案点代表的方案作为最优方案;
水库调度规则模块,用于根据所选的最优调度方案,绘制水库调度图并构建水库调度规则,包括生态水量下泄规则、供水规则和弃水规则,实现面向恢复天然水文情势的水库优化调度。
本发明的一种装置设备,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如上述一种面向恢复天然水文情势的水库调度方法的步骤。
本发明的一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如上述一种面向恢复天然水文情势的水库调度方法的步骤。
有益效果:与现有技术相比,本发明的技术效果为:(1)目前国内大多数学者几乎都是先通过水文统计方法得到最小生态需水量和适宜生态需水量,然后作为生态约束或目标函数之一计算生态满足程度,本发明打破了这种传统的思维定式,将最小生态需水量作为优化变量,寻求实现经济社会与河流生态共赢的最小生态需水量最优值;(2)以整体水文改变度最小为生态目标,且其函数涉及年极值出现时间、水流条件变化速率与频率等五个方面,因而优化模型的调度时段要按照日来划分;(3)以经济社会用水的缺水程度最小为经济社会供水目标,包括缺水量和供水保证率两个方面。考虑生态的水库调度常规优化模型中供水效益目标往往只考虑缺水量这一个因素,即计算需水量与实际供水量的差值,使经济社会总缺水量最小。
附图说明
图1是本发明方法流程图;
图2是调度规则曲线示意图;
图3是基于NSGA-II的水库调度规则优化模型求解流程图;
图4是大隆水库调度规则优化结果图;
图5是各典型优化方案下的调度规则曲线图;
图6是大隆水库多年日平均入流与逐月日均最小生态需水量图。
具体实施方式
下面结合附图和具体实施例,对本发明进行详细说明。
本发明打破了传统的思维定式,在考虑生态的水库调度常规优化模型基础上,将最小生态需水量从约束条件或目标函数转变为优化变量,以整体水文改变度最小为生态目标,以经济社会用水的缺水程度最小为经济社会供水目标(包括缺水量和供水保证率两个方面),寻求实现经济社会与河流生态共赢的最小生态需水量最优值,提出一种面向恢复天然水文情势的水库调度优化模型并对其进行求解。
针对恢复受人类调控河流的天然水位情势,本发明的一种面向恢复天然水位情势的水库调度方法,意在通过改变水库现行的调度方式来尽可能降低水利工程对河流产生的负面影响,尽力恢复河流天然的水文情势。按照河流最小生态需水量优先下泄的原则构建了面向恢复天然水文情势的水库调度规则优化模型,将整体水文情势改变程度最小和经济社会缺水程度最小作为调度目标,同时将水量平衡、库容约束以及优化变量的取值范围作为约束条件,并采用NSGA-II(改进的非支配排序遗传算法)优化算法对水库调度规则优化模型进行求解,得到数个面向恢复天然水文情势的水库调度规则优化方案并进行对比分析,最后基于欧式距离最小原则确定水库调度规则推荐方案。
面向恢复天然水文情势的水库调度规则优化研究属于水库生态调度的研究范畴,该优化模型旨在发挥水库供水效益的同时,尽量恢复由于水库运行带来的天然水文情势改变,尽力降低天然水文情势的改变程度,实现经济社会与河流生态的共赢,具体的建模原则有以下几点:
(1)河流最小生态需水量优先原则;
水库入流以及蓄水量在优先满足最小生态需水量的前提下,向经济社会供水,寻求能够实现经济社会和河流生态和谐共赢的调度运行规则。
(2)水文情势改变度最小原则;
对于生态目标来说,是尽量使整体水文改变度最小,其函数涉及年极值出现时间等五个方面,该原则保证最大限度地恢复河流的天然水文情势,维持河流健康,保证生态系统稳定。
(3)经济社会缺水程度最小原则;
经济社会用水若得不到满足,会制约经济社会的发展,因此,对于经济社会供水目标来说,是要尽量使经济社会用水的缺水程度达到最小,包括缺水量和供水保证率两个方面。该原则可以最大程度地保证经济社会供水,维持正常的经济发展和人民生活水平。
本发明的一种面向恢复天然水文情势的水库调度方法,首先将最小生态需水量作为优化变量,基于调度图概化的直接优化方法,建立最小生态需水量和水库调度曲线相结合的水库调度规则,指导每个调度时段的下泄水量和经济社会供水量。其次将整体水文改变度最小作为生态目标,将广义缺水指数最小作为经济社会供水目标,同时将水量平衡、库容约束以及优化变量的取值范围作为约束条件。并使用NSGA-II优化算法对模型进行求解,得到水库调度规则优化方案。最后依据欧式距离最小原则确定水库调度规则推荐方案及调度策略。该发明可降低水利工程对河流产生的负面影响,恢复河流天然的水文情势,使水库调度运行带来的社会经济和生态效益最大化。如图1所示,具体包括以下步骤:
S1、确定水库空间分区;
基于调度图概化的直接优化方法,运用两条水库调度曲线(上调度曲线与下调度曲线)和关键调度线将水库分为四个区:上调度线以上区域为I区;上调度线与下调度线之间区域为II区;下调度线与关键调度线之间区域为Ⅲ区;关键调度线以下区域为Ⅳ区。其中两个参数用来表示曲线的上、下水位高度(V1和V2),另外四个参数用来表示曲线转折的时间(T1、T2、T3、T4)。如图2所示。
S2、建立水库调度优化模型的目标函数;
对于水库调度的生态目标来说,是使得整体水文改变度最小;因此,将整体水文改变度最小作为生态目标,即:
其中,D为整体水文改变度,Di为第i个IHA指标(水文变化指标)的水文改变度,其函数涉及年极值出现时间、水流条件变化速率与频率等五个方面,因而优化模型的调度时段要按照日来划分。
将经济社会用水的缺水程度最小为经济社会供水目标,包括缺水量和供水保证率两个方面。使用广义缺水指数(GSI)最小作为经济社会供水目标,来衡量经济社会用水的缺水程度,即:
DPDj=∑(DRj×NDDj)
其中,GSI为广义缺水指数,其值在0~1之间;N为研究的总年数;DPDj为第j年缺水百分比日指数,%·d;DYj为第j年的总天数,d;DRj为第j年缺水率,%;NDDj为第j年的缺水天数,d;TDj为第j年总缺水量,万m3;DWSj为第j年计划供水量,万m3。
综上所述,水库调度的目标为:
minF=min(f1,f2)
其中,F为水库调度的目标函数,f1为生态目标,f2为经济社会供水目标。
S3、确定水库调度优化模型的约束条件;
(1)水库水量平衡方程;
V(i+1,j)=V(i,j)+WR(i,j)-WX1(i,j)-WX2(i,j)-WG(i,j)-WL(i,j)
其中,V(i,j),V(i+1,j)分别为第j年第i天,第i+1天水库的初始库容;WL(i,j)为第j年第i天水库的蒸发渗漏损失;WX2(i,j)为第j年第i天水库的弃水量,万m3。
(2)水库库容约束;
V(i,j)min≤V(i,j)≤V(i,j)max
其中,V(i,j)min为第j年第i天水库允许的最小库容,V(i,j)max为第j年第i天水库允许的最大库容。在汛期时,V(i,j)max为汛限库容,在非汛期时,V(i,j)max为正常库容,V(i,j)min为死库容。
(3)优化变量约束;
Vd≤V1≤Vn
Vd≤V2≤min(Vx,V1)
Ts≤T1≤T2≤T3≤T4≤To
0<a<b<1
(4)各变量非负约束
S4、求解水库调度优化模型,优化水库调度参数;
采用NSGA-II优化算法,以整体水文改变度最小和广义缺水指数最小为目标,对水库调度优化模型进行求解,输出调度规则优化结果,包括库容、时间、供水减少率、最小生态需水量、目标函数值;得出不同参数下的整体水文改变度D和广义缺水指数GSI;
具体的:
将种群中每个个体表示为p=[p1,p2,…,p20],基于NSGA-II的水库调度优化模型求解步骤如下:
(1)设置相关参数,包括约束条件、迭代次数、种群规模、交叉概率、变异概率等;
(2)基于约束条件,随机生成含有N个个体的父代种群Pt;
(3)进行遗传操作,得到子代种群Pc、Pm;
(4)将亲代种群Pt和子代种群Pc、Pm合并为一个新的种群Rt;
(5)计算两个目标函数值(包括生态目标f1和经济社会供水目标f2),在此基础上,对群体Rt进行非支配分类排序,并计算拥挤距离,保留精英,选前N个个体进入父代种群Pt+1;
(6)gen=gen+1,gen为迭代次数,进入下一次迭代,判断是否满足终止条件(即是否达到最大迭代次数),满足则输出调度规则优化结果(库容、时间、供水减少率、最小生态需水量、目标函数值),否则转到步骤(3)。基于NSGA-II优化算法的水库调度优化模型求解流程如图3所示。
S5、选定水库调度规则方案;
由于上述水库调度优化模型为多目标优化问题,在上述步骤S4求解过程中可能得出多组最优解,因此需要对结果进行进一步遴选,确定最终的调度方案。水库调度规则采用欧氏距离的概念进行优选,欧氏距离通常用ρ来表示,它描述了n维空间中两点之间的实际距离,计算公式如下:
其中,xi、yi均表示n维空间中点的坐标,i=1,2,…,n。
面向恢复天然水文情势的水库调度优化模型中目标函数有两个,因此在本发明中n=2。如图4所示,帕累托前沿图中横坐标表示生态目标,即整体水文改变度,纵坐标表示经济供水目标,即广义缺水指数。为详细说明最优方案点的确定过程,需首先明确参考点的概念。根据求解结果,可得到整体水文改变度D和广义缺水指数GSI的取值范围,分别记为闭区间X和Y。选择闭区间X的下限作为参考点E的横坐标,选择闭区间Y的下限作为参考点E的纵坐标,即得参考点E。选择经济社会和河流生态达到共赢的方案作为最优方案,在帕累托前沿图中表现为在所有方案点中选择与参考点E之间欧氏距离最小的方案点,在该点处广义缺水指数和整体水文改变度均达到相对最小,将该点代表的方案作为最优方案。
S6、构建水库调度规则;
本发明中水库调度规则是基于M-5型调度规则提出的,采用基于调度图概化的直接优化方法,即:调度图中的调度规则曲线用若干个参数(曲线的上、下水位高度V1和V2,曲线转折的时间T1、T2、T3、T4)来表示,将这些参数作为决策变量进行优化,从而直接得到优化调度图,具体的水库调度规则如图2所示。考虑到随着水库蓄水量的减少,在优先满足最小生态需水量的前提下,会导致经济社会供水减少,则有II区的供水减少率a,Ⅲ区的供水减少率b。
面向恢复天然水文情势的水库调度规则包括:生态水量下泄规则、供水规则和弃水规则三部分。将各月日均最小生态需水量也作为待优化的变量,即WE1~WE12。具体调度策略如下:
(a)判断WR(i,j)+V(i,j)>Vd,若是,执行步骤(b);若否,不下泄也不供水;
(b)判断WR(i,j)+V(i,j)–Vd>WEp,若是,先下泄WEp,即:WX1(i,j)=WEp,继续执行步骤(c);若否,下泄水量为WR(i,j)+V(i,j)–Vd,供水量为零;
(c)判断WR(i,j)+V(i,j)–WX1(i,j)的大小,若处于I区,则正常供水,即:WG(i,j)=WC(i,j)+WN(i,j);若处于II区,则减少供水,供水减少率为a,即:WG(i,j)=(1-a)*(WC(i,j)+WN(i,j));若处于Ⅲ区,则减少供水,供水减少率为b,即:WG(i,j)=(1-b)*(WC(i,j)+WN(i,j));若处于Ⅳ区,为保证水库库容不小于死库容,有:WX1(i,j)=WR(i,j)+V(i,j)–Vd,供水量为零;
(d)判断WR(i,j)+V(i,j)–WX1(i,j)–WG(i,j)的大小,若处于I区,则弃水至上调度线;若处于II、Ⅲ区,则不产生弃水;若处于Ⅳ区,为保证水库库容不小于死库容,有:WG(i,j)=WR(i,j)+V(i,j)–WX1(i,j)–Vd,弃水量为零。
步骤(b)为生态水量下泄规则,步骤(c)为供水规则,步骤(d)为弃水规则。
其中:WR(i,j)为第j年第i天的入库水量,万m3;V(i,j)为第j年第i天的初始库容,万m3;Vd为水库的死库容,万m3;WEp为p月日均最小生态需水量,万m3;WX1(i,j)为第j年第i天优先下泄到河道中的水量,万m3;WG(i,j)为第j年第i天的水库供水量,万m3;WC(i,j)为第j年第i天的城镇需水量,万m3;WN(i,j)为第j年第i天的农业灌区需水量,万m3;a为II区的供水减少率,b为Ⅲ区的供水减少率,且0<a<b<1。
本发明的一种面向恢复天然水文情势的水库调度系统,包括:
水库空间分区模块,用于基于调度图概化的直接优化方法,采用水库调度的上调度曲线、下调度曲线和关键调度线将水库分为四个区,其中,上调度线以上区域为I区;上调度线与下调度线之间区域为II区;下调度线与关键调度线之间区域为Ⅲ区;关键调度线以下区域为Ⅳ区;
水库调度优化模型模块,用于建立水库调度优化模型的目标函数,包括生态目标函数和经济社会供水目标函数,并确定水库调度优化模型的约束条件,包括水库水量平衡方程、水库库容约束、优化变量约束和各变量非负约束;
水库调度优化模型求解模块,用于采用NSGA-II优化算法,以整体水文改变度最小和广义缺水指数最小为目标,对水库调度优化模型进行求解,输出调度规则优化结果,得出不同参数下的整体水文改变度D和广义缺水指数GSI;
水库调度规则方案选定模块,用于指定水库调度规则方案,并在所有方案点中选择和坐标点之间欧氏距离最小的方案点代表的方案作为最优方案;
水库调度规则模块,用于根据所选的最优调度方案,绘制水库调度图并构建水库调度规则,包括生态水量下泄规则、供水规则和弃水规则,实现面向恢复天然水文情势的水库优化调度。
本发明的一种装置设备,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如上述一种面向恢复天然水文情势的水库调度方法的步骤。
本发明的一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如上述一种面向恢复天然水文情势的水库调度方法的步骤。
下面以三亚市大隆水库为例,对本发明的实施运用进行详细说明。
确定优化模型需要输入的各参数,包括:天然日流量系列、水库蒸发渗漏损失、最小生态需水量的阈值以及经济社会需水量,根据资料条件和现实需求,选择2020年为规划水平年,基于对三亚市近年用水情况和未来用水趋势的分析,预测2020年大隆水库供水对象的需水量。运用NSGA-II优化算法对模型进行求解,得到大隆水库面向恢复天然水文情势的水库调度规则优化结果,选择其中三个典型方案分别从经济社会供水情况和生态水文指标改变情况两个角度进行对比分析,并最终确定2020水平年大隆水库调度规则的推荐方案。
大隆水库位于宁远河中下游河段,是一座以防洪、供水、灌溉为主,结合发电的大II型水利枢纽,也是海南省南部水资源调配的重点工程。三亚市的供水片区按照管网和传统划分为东部、中部和西部三个部分,大隆水库建成之初,为三亚市西部城镇提供生产生活用水,向大隆灌区提供灌溉用水,随着三亚市城市人口和产业规模的快速增长,用水量呈不断增长趋势,中部片区尤为突出,供水日趋紧张,曾多次出现供水危机,若中部三亚河的生态流量难以保障,将会影响城区水生态环境,对三亚市国际旅游城市和宜居城市的建设带来不利影响。
1、大隆水库调度优化模型输入
(1)天然日流量系列
大隆水库上游建有雅亮水文站,该站设立于1972年5月,具有1973年以来流量连续观测资料。根据数据质量情况,本发明在该实例中选用了1973-2002年共30年的逐日实测流量系列作为模型输入数据。
(2)水库蒸发渗漏损失
本发明中水库每天的漏损量取为水库当天初始库容的8‰(参考《2018年三亚市主要河流生态暨供水原水调度方案编制》)。由于水库所在的宁远河流域水汽充足,湿热多雨,不利于水面蒸发,因此这里不考虑蒸发损失。
(3)最小生态需水量阈值
为使模型符合当地实际情况,需界定最小生态需水量的上下限。对1973-2002系列的逐月平均日径流量进行排频,各月日均最小生态需水量WEp(p=1,2,…,12)的上限为p月10%频率对应的平均日径流量,各月日均最小生态需水量WEp(p=1,2,…,12)的下限为p月日径流量的最小值。表1为各月日均最小生态需水量的上下限。
表1日均最小生态需水量的上下限单位:万m3
(4)经济社会需水量
根据资料条件和现实需求,选择2020年为规划水平年。表2为规划水平年2020年三亚市分区城镇需水量预测值。
表2规划水平年2020年三亚市分区城镇需水量预测值单位:万m3
规划水平年2020年大隆水库的逐月需水量为西部区域的需水量和部分中部区域的需水量之和,表3为规划水平年2020年大隆水库城镇用水户的逐月需水过程。
表3规划水平年2020年大隆水库城镇用水户逐月需水过程单位:万m3
续表3
2、大隆水库调度优化模型结果
将雅量站1973-2002年天然日流量系列、大隆水库蒸发渗漏损失、2020水平年大隆水库供水对象的经济社会需水预测值以及各月日均最小生态需水量的阈值作为水库调度规则优化模型的基础数据,运用NSGA-II优化算法进行模型求解,其中算法参数设置为:群体数为50,迭代次数为200,交叉概率pc=0.9,变异概率为pm=0.1。调度规则优化结果如图4所示。
图4中,整体水文改变度D的取值范围为[0.6865,0.7532],广义缺水指数GSI的取值范围为[0.0183,0.1159]。A,B,C三点分别代表了三个典型调度规则优化方案,C点处整体水文改变度最小,但广义缺水指数达到了最大,说明可以最好地实现生态目标,但经济社会的缺水程度最高;A点处广义缺水指数最小,但整体水文改变度最大,说明经济社会供水目标可以被最大程度地满足,但生态目标实现效果最差;B点处欧式距离最小,在该点处生态目标和经济社会供水目标可以达到相对平衡。表4为典型调度规则优化方案目标函数取值情况,表5为典型调度规则优化方案各变量取值情况。
表4典型调度规则优化方案目标函数取值情况
各典型优化方案下的调度规则曲线如图5所示,图中从上到下依次为:上调度线、A方案下调度线、B方案下调度线、C方案下调度线、关键调度线。
水库多年日平均入流与逐月日均最小生态需水量如图6所示,图中从上到下依次为:水库多年平均入库径流量、C方案最小生态需水量、B方案最小生态需水量、A方案最小生态需水量,可以看出逐月日均最小生态需水量变化趋势与多年平均入库水量变化趋势基本一致,1-5月份呈缓慢下降趋势,6-9月份呈上升趋势,9月份达到最大,10-12月份急剧下降,且二者之间会呈现一定的比例关系,因此,采用某一固定比例确定最小生态需水量更加符合当地实际。
表5典型调度规则优化方案各变量取值情况
注:表中V1、V2、WE1~WE12的单位为万m3;T1~T4的单位为日。
3、大隆水库调度规划优化方案分析及推荐方案
有上述计算分析得到三个典型调度规则优化方案,分别是广义缺水指数最小方案(A方案)、折中方案(B方案)和整体水文改变度最小方案(C方案),为了进一步比对不同调度规则的效果,从经济社会供水和水文情势改变情况两个方面对三种典型调度规则优化方案进行对比分析。采用欧式距离概念的方案选优方法,经计算,图4中的B点即为欧式距离最小的点,将该点所代表的方案作为大隆水库调度规则推荐方案,具体的调度策略如下:
(1)判断入流+初始库容>死库容,若是,执行步骤(2);若否,不下泄也不供水;
(2)判断入流+初始库容-死库容>河流最小生态需水量,若是,优先下泄水量=河流最小生态需水量,继续执行步骤(3);若否,总下泄水量=入流+初始库容-死库容,供水量为零;
(3)判断入流+初始库容-优先下泄水量的大小,若处于I区,则正常供水,供水量=需水量;若处于II区,则减少供水,供水量=87.1%*需水量;若处于Ⅲ区,则减少供水,供水量=76.5%*需水量;若处于Ⅳ区,为保证水库库容不小于死库容,优先下泄水量=入流+初始库容-死库容,供水量为零;
(4)判断入流+初始库容-优先下泄水量-供水量的大小,若处于I区,则弃水至上调度线;若处于II、Ⅲ区,则不产生弃水;若处于Ⅳ区,为保证水库库容不小于死库容,供水量=入流+初始库容-优先下泄水量-死库容,弃水量为零。
B方案下经济社会目标和生态目标达到了相对平衡状态,整体水文情势改变度和广义缺水指数可达到综合最小。对于水库管理者甚至政府决策者而言,不能一味追求经济利益的最大化,也不能脱离经济谈生态,这两种思想都是片面的,都不能实现经济与生态的和谐共赢,若想使经济得到长足发展的同时降低对河流生态环境的影响,就要寻求二者相对平衡的方案。
Claims (10)
1.一种面向恢复天然水文情势的水库调度方法,其特征在于,包括以下步骤:
S1、基于调度图概化的直接优化方法,采用水库调度的上调度曲线、下调度曲线和关键调度线将水库分为四个区,其中,上调度线以上区域为I区;上调度线与下调度线之间区域为II区;下调度线与关键调度线之间区域为Ⅲ区;关键调度线以下区域为Ⅳ区;
S2、建立水库调度优化模型的目标函数,包括生态目标函数和经济社会供水目标函数,计算公式为:
min F=min(f1,f2)
其中,F为水库调度的目标函数;f1为生态目标函数,以整体水文改变度最小为目标;f2为经济社会供水目标函数,以经济社会用水的缺水程度最小为目标;
S3、确定水库调度优化模型的约束条件,包括水库水量平衡方程、水库库容约束、优化变量约束和各变量非负约束;
S4、求解水库调度优化模型,优化水库调度参数;采用NSGA-II优化算法,以整体水文改变度最小和广义缺水指数最小为目标,对水库调度优化模型进行求解,输出调度规则优化结果,得出不同参数下的整体水文改变度D和广义缺水指数GSI;
S5、选定水库调度规则方案;根据求解结果,得到整体水文改变度D和广义缺水指数GSI的取值范围,分别记为闭区间X和Y,选择闭区间X的下限作为参考点E的横坐标,选择闭区间Y的下限作为参考点E的纵坐标,之后在所有方案点中选择与参考点E之间欧氏距离最小的方案点代表的方案作为最优方案;
S6,根据所选的最优调度方案,绘制水库调度图并构建水库调度规则,包括生态水量下泄规则、供水规则和弃水规则,实现面向恢复天然水文情势的水库优化调度。
4.根据权利要求1所述的一种面向恢复天然水文情势的水库调度方法,其特征在于,步骤S3中水库调度优化模型的约束条件具体为:
(1)水库水量平衡方程;
V(i+1,j)=V(i,j)+WR(i,j)-WX1(i,j)-WX2(i,j)-WG(i,j)-WL(i,j)
其中,V(i,j),V(i+1,j)分别为第j年第i天,第i+1天水库的初始库容;WL(i,j)为第j年第i天水库的蒸发渗漏损失;WX2(i,j)为第j年第i天水库的弃水量;
(2)水库库容约束;
V(i,j)min≤V(i,j)≤V(i,j)max
其中,V(i,j)min为第j年第i天水库允许的最小库容,V(i,j)max为第j年第i天水库允许的最大库容;
(3)优化变量约束;
Vd≤V1≤Vn
Vd≤V2≤min(Vx,V1)
Ts≤T1≤T2≤T3≤T4≤To
0<a<b<1
(4)各变量非负约束。
5.根据权利要求1所述的一种面向恢复天然水文情势的水库调度方法,其特征在于,步骤S4具体为:
(1)设置NSGA-II优化算法相关参数,包括约束条件、迭代次数、种群规模、交叉概率、变异概率;将种群中每个个体表示为p=[p1,p2,…,p20];
(2)基于约束条件,随机生成含有N个个体的父代种群Pt;
(3)进行遗传操作,得到子代种群Pc、Pm;
(4)将父代种群Pt和子代种群Pc、Pm合并为一个新的种群Rt;
(5)计算生态目标函数值和经济社会供水目标函数值,在此基础上,对新的种群Rt进行分类排序,并计算拥挤距离,保留精英,选前N个个体进入父代种群Pt+1;
(6)进入下一次迭代,判断是否满足终止条件,满足则输出调度规则优化结果,包括:库容、时间、供水减少率、最小生态需水量、目标函数值,否则转到步骤(3)。
7.根据权利要求1所述的一种面向恢复天然水文情势的水库调度方法,其特征在于,步骤S6中水库调度规则为:
(a)判断WR(i,j)+V(i,j)>Vd,若是,执行步骤(b);若否,不下泄也不供水;
(b)判断WR(i,j)+V(i,j)–Vd>WEp,若是,先下泄WEp,即:WX1(i,j)=WEp,继续执行步骤(c);若否,下泄水量为WR(i,j)+V(i,j)–Vd,供水量为零;
(c)判断WR(i,j)+V(i,j)–WX1(i,j)的大小,若处于I区,则正常供水,即:WG(i,j)=WC(i,j)+WN(i,j);若处于II区,则减少供水,供水减少率为a,即:WG(i,j)=(1-a)*(WC(i,j)+WN(i,j));若处于Ⅲ区,则减少供水,供水减少率为b,即:WG(i,j)=(1-b)*(WC(i,j)+WN(i,j));若处于Ⅳ区,为保证水库库容不小于死库容,有:WX1(i,j)=WR(i,j)+V(i,j)–Vd,供水量为零;
(d)判断WR(i,j)+V(i,j)–WX1(i,j)–WG(i,j)的大小,若处于I区,则弃水至上调度线;若处于II、Ⅲ区,则不产生弃水;若处于Ⅳ区,为保证水库库容不小于死库容,有:WG(i,j)=WR(i,j)+V(i,j)–WX1(i,j)–Vd,弃水量为零;
其中,WR(i,j)为第j年第i天的入库水量;V(i,j)为第j年第i天的初始库容;Vd为水库的死库容;WEp为p月日均最小生态需水量;WX1(i,j)为第j年第i天优先下泄到河道中的水量;WG(i,j)为第j年第i天的水库供水量;WC(i,j)为第j年第i天的城镇需水量;WN(i,j)为第j年第i天的农业灌区需水量;a为II区的供水减少率,b为Ⅲ区的供水减少率;
其中,步骤(b)为生态水量下泄规则,步骤(c)为供水规则,步骤(d)为弃水规则。
8.一种面向恢复天然水文情势的水库调度系统,其特征在于,包括:
水库空间分区模块,用于基于调度图概化的直接优化方法,采用水库调度的上调度曲线、下调度曲线和关键调度线将水库分为四个区,其中,上调度线以上区域为I区;上调度线与下调度线之间区域为II区;下调度线与关键调度线之间区域为Ⅲ区;关键调度线以下区域为Ⅳ区;
水库调度优化模型模块,用于建立水库调度优化模型的目标函数,包括生态目标函数和经济社会供水目标函数,并确定水库调度优化模型的约束条件,包括水库水量平衡方程、水库库容约束、优化变量约束和各变量非负约束;
水库调度优化模型求解模块,用于采用NSGA-II优化算法,以整体水文改变度最小和广义缺水指数最小为目标,对水库调度优化模型进行求解,输出调度规则优化结果,得出不同参数下的整体水文改变度D和广义缺水指数GSI;
水库调度规则方案选定模块,用于指定水库调度规则方案,并在所有方案点中选择和坐标点之间欧式距离最小的方案点代表的方案作为最优方案;
水库调度规则模块,用于根据所选的最优调度方案,绘制水库调度图并构建水库调度规则,包括生态水量下泄规则、供水规则和弃水规则,实现面向恢复天然水文情势的水库优化调度。
9.一种装置设备,其特征在于,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如权利要求1-7任一项所述一种面向恢复天然水文情势的水库调度方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如权利要求1-7任一项所述一种面向恢复天然水文情势的水库调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211076827.1A CN115619120A (zh) | 2022-09-05 | 2022-09-05 | 一种面向恢复天然水文情势的水库调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211076827.1A CN115619120A (zh) | 2022-09-05 | 2022-09-05 | 一种面向恢复天然水文情势的水库调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619120A true CN115619120A (zh) | 2023-01-17 |
Family
ID=84859398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211076827.1A Pending CN115619120A (zh) | 2022-09-05 | 2022-09-05 | 一种面向恢复天然水文情势的水库调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619120A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575289A (zh) * | 2024-01-15 | 2024-02-20 | 广东工业大学 | 水量-水质多目标协同的水库优化调度方法 |
-
2022
- 2022-09-05 CN CN202211076827.1A patent/CN115619120A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575289A (zh) * | 2024-01-15 | 2024-02-20 | 广东工业大学 | 水量-水质多目标协同的水库优化调度方法 |
CN117575289B (zh) * | 2024-01-15 | 2024-05-03 | 广东工业大学 | 水量-水质多目标协同的水库优化调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Cascade hydropower plants operation considering comprehensive ecological water demands | |
Chang et al. | Multi-objective evolutionary algorithm for operating parallel reservoir system | |
CN107527119A (zh) | 基于改进的多目标量子遗传算法的水资源优化调度方法 | |
Bai et al. | Optimize multi-objective transformation rules of water-sediment regulation for cascade reservoirs in the Upper Yellow River of China | |
CN105297827A (zh) | 一种考虑多用户需水和多水源供水的水资源配置方法 | |
CN105913146B (zh) | 南方湿润地区的水资源优化配置系统 | |
Zhang et al. | Assessing the weighted multi-objective adaptive surrogate model optimization to derive large-scale reservoir operating rules with sensitivity analysis | |
CN113065980A (zh) | 一种面向河流生态需水的多水源优化配置方法 | |
CN106873372A (zh) | 基于防洪调度数据自适应控制的水库防洪调度优化方法 | |
Li et al. | Water resources optimal allocation based on large-scale reservoirs in the upper reaches of Yangtze River | |
Zeng et al. | A developed fuzzy-stochastic optimization for coordinating human activity and eco-environmental protection in a regional wetland ecosystem under uncertainties | |
Wang et al. | An eco-environmental water demand based model for optimising water resources using hybrid genetic simulated annealing algorithms. Part I. Model development | |
CN115619120A (zh) | 一种面向恢复天然水文情势的水库调度方法 | |
Zhang et al. | Long-term and mid-term ecological operation of cascade hydropower plants considering ecological water demands in arid region | |
CN108734378A (zh) | 一种不完全信息条件下的水库调度风险型群决策方法 | |
Ai et al. | Optimization of ecological reservoir operation rules for a northern river in China: Balancing ecological and socio-economic water use | |
CN114663254B (zh) | 一种水资源-粮食-能源-生态协同调控方法 | |
CN110135652B (zh) | 一种长期汛期径流预测方法 | |
CN113379152B (zh) | 基于可调能力的闸坝群低影响中长期联合调度方法 | |
Yang et al. | Method for quantitatively assessing the impact of an inter-basin water transfer project on ecological environment-power generation in a water supply region | |
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. | Comprehensive evaluation and scenario simulation of water resources carrying capacity: a case study in Xiong’an New Area, China | |
CN109919397A (zh) | 平原河网地区排涝容量校验优化方法 | |
CN116484647B (zh) | 面向统筹协调的分布式水资源配置方法及系统 | |
Bai et al. | Optimal dispatching scheme of multi-objective cascade reservoirs by parallel mechanism-optimization algorithms |
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 |