CN115860357B - 活水多目标优化调度方法 - Google Patents
活水多目标优化调度方法 Download PDFInfo
- Publication number
- CN115860357B CN115860357B CN202211403298.1A CN202211403298A CN115860357B CN 115860357 B CN115860357 B CN 115860357B CN 202211403298 A CN202211403298 A CN 202211403298A CN 115860357 B CN115860357 B CN 115860357B
- Authority
- CN
- China
- Prior art keywords
- water
- water quality
- scheduling
- hydrodynamic
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种活水多目标优化调度方法,包括:调研活水工程信息,完成水动力水质模型的构建;确定活水调度目标,构建活水调度水动力‑水质‑工程经济评价指标体系;基于所述活水调度水动力‑水质‑工程经济评价评价指标体系,确定活水多目标优化调度模型的目标函数,设置约束条件并将闸门开度、泵站抽排流量作为优化调度的决策变量;耦合所述水动力水质模型与所述活水多目标优化调度模型,采用优化算法求解决策变量;平衡计算效率与计算精度,确定所述水动力水质模型的时间步长、优化算法参数,制定并行计算策略;基于实时数据驱动所述活水多目标优化调度耦合模型,生成最优调度方案。实现了活水调度方案动态快速模拟、科学优选。
Description
技术领域
本发明涉及河网水环境安全技术领域,尤其涉及一种活水多目标优化调度方法。
背景技术
河网在保障防洪排涝“水安全”与污染自净“水生态”中扮演重要角色。近年来,受城镇化进程高速推进、闸泵堤防工程大量修建的影响,河道水域面积侵占萎缩显著,水力联系削弱明显,水环境容量大幅降低,生态环境日渐恶化。
活水调度利用闸、泵等水资源调度工程实现河网与外部水系连通,通过引水冲污稀释污染物,进而实现水体黑臭改善,是水环境治理的重要非工程手段。利用闸、泵工程进行活水调度时,应综合考虑安全、经济、生态、环境等多方面因素,是一个多目标问题。目前活水调度常基于预案情景、监测数据以及调度管理人员主观经验,进行调度方案情景模拟比选与下发执行,存在情景方案不丰富、计算效率欠佳、智能性不足等局限性。
因此,如何利用水动力水质模型、多目标优化调度模型以及优化算法,实现河网水量水质的动态模拟、海量调度方案的高效比选与优化,辅助活水调度科学决策,仍然是本领域技术人员亟待解决的问题。
发明内容
本发明提供一种活水多目标优化调度方法,用以解决现有活水调度情景方案不丰富、计算效率欠佳、智能性不足等局限性的问题。
本发明提供一种活水多目标优化调度方法,包括:
调研活水工程信息,明确水动力水质模型建设范围,确定引水路线,完成闸泵调度工程设置;
对历史水位、流量、水质同步监测数据收集整理,选取典型事件对所述水动力水质模型中的参数进行率定验证,完成所述水动力水质模型的构建;
以水动力提升、水质改善与工程运行经济性为活水调度目标,构建活水调度水动力-水质-工程经济评价指标体系;
基于所述活水调度水动力-水质-工程经济评价指标体系,综合采用层次分析法和相对目标接近度法,确定活水多目标优化调度模型的目标函数,设置水位、流量、闸泵调度运行的约束条件,并将闸门开度、泵站抽排流量作为优化调度的决策变量;
耦合所述水动力水质模型与所述活水多目标优化调度模型,形成活水多目标优化调度耦合模型,采用优化算法求解所述活水多目标优化调度耦合模型;并以计算效率与计算精度平衡为原则确定所述水动力水质模型的计算时间步长、优化算法参数,制定并行计算策略;
接入实时水位、流量和水质数据,驱动所述活水多目标优化调度耦合模型进行实时计算,生成最优调度方案。
根据本发明提供的一种活水多目标优化调度方法,所述调研活水工程信息,明确水动力水质模型建设范围,确定引水路线,完成闸泵调度工程设置,具体包括:
调研收集区域内活水工程基础信息、空间分布、监测数据、运行调度情况数据;
根据引水源、河网在线监测设备以及闸泵空间位置信息,确定水动力水质模型建模范围;
结合所述建模范围内河网走向与横断面变化情况,确定断面测量布设点位并按测绘标准进行地形测量,整理形成所述水动力水质模型可调用的断面地形数据;
根据调研获取的闸泵的基础信息以及运行调度信息,结合河网流向,确定引水路线并完成所述水动力水质模型中闸泵参数与特性曲线设置。
根据本发明提供的一种活水多目标优化调度方法,所述对历史水位、流量、水质同步监测数据收集整理,选取典型事件对所述水动力水质模型中的参数进行率定验证,完成所述水动力水质模型的构建,具体包括:
收集整理历史河网、引水水源、闸门和泵站、出水口位置处的水位、流量和水质监测数据;
基于所述建模范围内水位、流量和水质在线监测情况以及水动力水质模型求解稳定性需要,将活水路线起始节点的流量、污染物浓度作为所述水动力水质模型上边界、活水路线末端节点的水位作为所述水动力水质模型下边界。
从收集整理的历史监测数据中选取典型事件,作为所述水动力水质模型上与下边界的输入,对所述水动力水质模型水动力参数以及水质参数进行率定验证,完成所述水动力水质模型的构建。
根据本发明提供的一种活水多目标优化调度方法,所述以水动力提升、水质改善与工程运行经济性为活水调度目标,构建活水调度水动力-水质-工程经济评价指标体系,具体包括:
以死水河段长度占比和活水河段长度占比作为水动力提升效果指标,并根据实际河网流速、评价考核标准、死水临界流速和活水临界流速,确定所述水动力提升效果指标;
所述死水河段长度占比Pd和活水河段长度占比Pl通过如下公式计算:
上述式中:Pd为死水河段长度占比,为无量纲数;Pl为活水河段长度占比,为无量纲数;vl为活水临界流速,单位为m/s;vd为死水临界流速,单位为m/s;v为调度期末流速,单位为m/s;为调度期末流速小于死水临界流速河道长度,单位为m;/>为调度期末流速大于活水临界流速河道长度,单位为m;S为河道总长度,单位为m;
以水质达标耗时th和所述期末污染物浓度降低值cg作为水质改善效果指标;
所述水质达标耗时th和所述期末污染物浓度降低值cg通过如下公式计算:
th=td-to
cg=c0-ce
上述式中,th为断面水质达标耗时,单位为h;td为断面水质达标时间,单位为h;t0为调度模拟开始时间,单位为h;cg为污染物浓度降低值,单位为mg/L;c0为模拟开始时污染物浓度,单位为mg/L;ce为模拟结束时污染物浓度,单位为mg/L;
基于泵站运行调度经济性要求,确定调度过程泵站抽排电费W为调度工程运行经济效益评价指标;
所述调度过程泵站抽排电费W通过如下公式计算:
上述式中,W为调度过程中泵站抽排电费,单位为元;Υ为抽水能量不均匀系数,为无量纲数;δ为区域电价,单位为元/kWh,Hp为泵站水头提升高度,单位为m;Qp为泵站抽排流量,单位为m3/s;η为泵站效率,为无量纲数。
根据本发明提供的一种活水多目标优化调度方法,所述基于所述活水调度水动力-水质-工程经济评价指标体系,综合采用层次分析法和相对目标接近度法,确定活水多目标优化调度模型的目标函数,设置水位、流量、闸泵调度运行的约束条件,并将闸门开度、泵站抽排流量作为优化调度的决策变量,具体包括:
基于所述评价指标体系中的五个指标的理想正负点fimax与fimin(i=1,2,3,4,5;fimin≤fi≤fimax)以及预设标准化公式,对所述五个指标可行解对应目标向量F=(f1,f2,f3,f4,f5)进行标准化,得到可行解对应的标准化向量AF=(α1,α2,α3,α4,α5);
其中,对活水河段长度占比f1、期末污染物浓度降低值f4正向目标,以第一预设规则进行标准化,得到活水河段长度占比f1经标准化处理后相对目标接近度α1、期末污染物浓度降低值f4经标准化处理后相对目标接近度α4;
具体地,所述活水河段长度占比f1、期末污染物浓度降低值f4通过如下公式进行标准化处理:
对死水河段长度占比f2、水质达标耗时f3和泵站抽排电费f5负向指标以第二预设规则进行标准化,得到死水河段长度占比f2经标准化处理后相对目标接近度α2、水质达标耗时f3经标准化处理后相对目标接近度α3以及泵站抽排电费f5经标准化处理后相对目标接近度α5;
具体地,所述死水河段长度占比f2、水质达标耗时f3和泵站抽排电费f5通过如下公式进行标准化处理:
最终得到可行解得标准化向量AF=(α1,α2,α3,α4,α5),其中,正理想点AFMAX=(1,1,1,1,1),负理想点AFMIN=(0,0,0,0,0);
采用层次分析法AHP,计算所述五个指标的权重ω1、ω2、ω3、ω4、ω5;
基于所述五个指标的权重ω1、ω2、ω3、ω4、ω5和所述标准化向量AF=(α1,α2,α3,α4,α5),采用加权欧式距离计算所属标准化向量AF=(α1,α2,α3,α4,α5)相对目标接近度f,以相对目标接近度f最大为目标,确定活水多目标优化调度目标函数,将多目标转化为单目标问题;
具体地,所述可行解标准化后向量AF=(α1,α2,α3,α4,α5)至正理想点AFMAX(1,1,1,1,1)加权欧式距离g1通过如下公式进行计算:
具体地,所述可行解标准化后向量AF=(α1,α2,α3,α4,α5)至负理想点AFMIN(0,0,0,0,0)加权欧式距离g2通过如下公式进行计算:
具体地,所述活水多目标优化调度目标函数通过如下公式进行计算:
设置河道防洪排涝、生态景观、闸泵运行安全性约束条件以及水源引水能力约束;
河道防洪排涝水位约束通过如下公式表示:
Zi,t≤Zi f
式中,Zi,t为第i个断面在t时刻水位,单位为m;Zi f为第i个断面的防洪水位,单位为m;
所述河道生态景观约束通过如下公式表示:
Zi,t≤Zi e
式中,Zi,t为第i个断面在t时刻水位,单位为m;Zi e为第i个断面的生态景观水位,单位为m;
所述水源可引水量约束通过如下公式表示:
Yi,t≤Yimax
式中,Yi,t为第i个引水水源在t时刻引水流量,单位为m3/s;Yi,max为第i个引水水源可引流量上限,单位为m3/s;
所述闸门过流安全性约束通过如下公式表示:
所述泵站抽排能力约束通过如下公式表示:
Qt≤Qp
式中,Qt为t时刻泵站抽排流量,单位为m3/s,Qp为泵站的设计流量,单位为m3/s;
将泵站抽排流量与闸门开度作为优化调度的决策变量,基于所述闸门过流安全性以及泵站抽排能力约束,调整所述泵站抽排流量与闸门开度作为优化调度的决策变量。
根据本发明提供的一种活水多目标优化调度方法,所述耦合所述水动力水质模型与所述优化算法,形成活水多目标优化调度耦合模型,采用优化算法求解所述耦合后活水多目标优化调度模型,并以计算效率与计算精度平衡为原则确定所述水动力水质模型的计算时间步长,制定并行计算策略,具体包括:
将所述水动力水质模型模拟的河段流速、河段污染物浓度、泵站抽排流量作为所述活水多目标优化调度模型的输入,将优化算法的决策变量作为所述水动力水质模型的输入,并基于遗传算法NSGA_Ⅱ以目标函数值最大为优化迭代方向,对上述决策变量优化迭代,进而实现水动力水质模型、优化算法的耦合,形成活水多目标优化调度耦合模型;
对优化算法NSGA_Ⅱ的种群规模N、进化代数G、杂交概率pc、以及变异概率pm参数进行初设,初步制定基于GPU的并行优化计算策略;
调整初拟的时间步长、所述优化算法初设种群规模N以及进化代数G和所述并行优化计算策略,直至满足所述活水多目标优化调度计算效率与水动力水质模型计算精度要求。
根据本发明提供的一种活水多目标优化调度方法,所述接入实时水位、流量和水质数据,驱动所述耦合后活水多目标优化调度模型进行实时计算,生成最优调度方案,具体包括:
接入实时监测水位、流量、水质数据,所述实时监测水位、流量、水质监测数据包括活水引水水源、河道各关键断面以及出水口的实时水位、流量和水质监测数据;
采用所述驱动数据驱动所述活水多目标优化调度耦合模型进行实时优化计算,生成活水调度方案。
本发明提供的活水多目标优化调度方法,以水动力提升、水质改善与工程运行经济性为河网活水调度目标,构建活水调度水动力-水质-工程经济评价指标体系;利用优化算法求解水动力水质模型与活水多目标优化调度耦合模型中闸门开度以及泵站抽排流量,以计算效率与计算精度平衡为原则,确定所述水动力水质模型的计算时间步长,优化算法参数并完成并行计算策略的制定;接入实时水位、流量和水质数据,驱动所述耦合后活水多目标优化调度模型进行实时计算,实现了河网水量水质的实时动态模拟、海量调度方案的比选与迭代优化,有效辅助活水调度科学决策。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的活水多目标优化调度方法的流程示意图;
图2为本发明提供的技术流程示意图;
图3为本发明提供的多目标优化模型的建模范围与测量断面分布图;
图4为本发明提供的多目标优化模型部分断面形状参数信息示意图;
图5为本发明提供的多目标优化模型的目标函数构造页面;
图6为本发明提供的多目标优化模型实时计算过程中,目标函数对目标接近度变化过程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由于现有的活水调度方法普遍存在情景方案不丰富、计算效率欠佳、智能性不足等局限性的问题,下面结合图1-图6描述本发明的活水多目标优化调度方法。图1为本发明提供的活水多目标优化调度方法的流程示意图,如图1所示,该方法包括:
步骤110,调研活水工程信息,明确水动力水质模型建设范围、确定引水路线,完成闸泵调度工程设置。
步骤120,对历史水位、流量、水质同步监测数据收集整理,选取典型事件对所述水动力水质模型中的参数进行率定验证,完成所述水动力水质模型的构建。
步骤130,以水动力提升、水质改善与工程运行经济性为河网活水调度目标,构建活水调度水动力-水质-工程经济评价指标体系。
步骤140,基于所述评价指标体系,综合采用层次分析法和相对目标接近度法,确定活水多目标优化调度模型的目标函数,设置水位、流量、闸泵调度运行的约束条件,并将闸门开度、泵站抽排流量作为优化调度的决策变量。
步骤150,耦合所述水动力水质模型与所述活水多目标优化调度模型,形成活水多目标优化调度耦合模型,采用优化算法求解所述活水多目标优化调度耦合模型;并以计算效率与计算精度平衡为原则确定所述水动力水质模型的计算时间步长、优化算法参数,制定并行计算策略。
步骤160,接入实时水位、流量和水质数据,驱动所述活水多目标优化调度耦合模型进行实时计算,生成最优调度方案。
本发明提供的活水多目标优化调度方法,以水动力提升、水质改善与工程运行经济性为活水调度目标,利用优化算法求解水动力水质模型与活水多目标优化调度耦合模型中闸门开度以及泵站抽排流量,以计算效率与计算精度平衡为原则,确定所述水动力水质模型的计算时间步长,优化算法参数并完成并行计算策略的制定;接入实时水位、流量和水质数据,驱动所述耦合后活水多目标优化调度模型进行实时计算,实现了河网水量水质的实时动态模拟、海量调度方案的比选与迭代优化,有效辅助活水调度科学决策。
基于上述实施例,该方法中,所述调研活水工程信息、明确水动力水质模型建设范围,确定引水路线,完成闸泵调度工程设置,具体地,包括以下步骤:
S11:调研区域内活水工程(河网、引水水源、闸门、泵站)基础信息、空间分布、监测数据、运行调度情况;
S12:根据引水源、河网在线监测设备以及闸泵空间位置信息,确定水动力水质模型建设范围;
S13:结合建模范围内河网走向与横断面变化情况,确定断面测量布设点位并按测绘标准进行地形测量,整理形成水动力水质模型可调用的断面地形数据;
S14:根据调研获取的闸泵的基础信息(形状尺寸、设计参数)以及运行调度信息(启闭规程),结合河网流向,确定引水路线并完成水动力水质模型中闸泵参数与特性曲线设置。
基于上述实施例,该方法中,所述对历史水位、流量、水质同步监测数据收集整理,选取典型事件对所述水动力水质模型中的参数进行率定验证,完成所述水动力水质模型的构建,具体地,包括以下步骤:
S21:收集整理历史河网、引水水源、闸门、泵站等位置水位、流量、水质监测数据;
S22:综合考虑建模范围内水位、流量、水质在线监测情况以及模型求解稳定性需要,将活水路线起始节点的流量(引水流量)以及污染物浓度作为水动力水质模型上边界、活水路线末端节点的水位作为水动力水质模型下边界。
S23:从收集整理的历史监测数据(水位、流量、水质)中选取典型事件对水动力水质模型水动力参数(曼宁系数)以及水质参数(污染物衰减系数)进行率定验证,率定验证步骤如下:
(a):根据河道断面形状、材质等基本信息,对河道各河段糙率进行初步设置;
(b):基于河道断面的水质考核要求,确定参与水质模拟的污染物种类,对各类污染物衰减系数的初始值进行设置;
(c):研判模型模拟的空间尺度、计算精度与速率要求,初步拟定水动力水质模型计算的时间步长,实现河道水动力水质模型初步构建。
(d):根据上下边界以及建模范围内关键点位历史水位、流量、污染物浓度监测情况,选取典型事件用于率定验证,并将对应事件下引水水源流量、污染物浓度监测数据以及出水口水位监测数据按建模格式整理输入模型,运行模拟;
(e):以相对误差(RE)与纳什效率系数(NSE)为率定验证评价指标,基于关键断面模拟值与实测值差异,采用人工试错法对各河段水动力参数(曼宁系数)进行调整,完成水动力模型率定;基于率定后水动力模型,对各类污染物的衰减系数(水质参数)进行调整,直至模拟污染物浓度与实测污染物浓度相对误差(RE)与纳什效率系数(NSE)在许可范围内,进而完成水质模型率定;
(f):在模型验证期,基于上述步骤(e)确定的参数进行水动力水质模拟计算,验证模型有效性。
基于上述实施例,该方法中,以水动力提升、水质改善与工程运行经济性为活水调度目标,构建活水调度水动力-水质-工程经济评价指标体系,具体地,包括以下步骤:
S31:以死水河段长度占比Pd和活水河段长度占比Pl作为水动力提升效果指标,并根据实际河网流速、评价考核标准、死水临界流速和活水临界流速,确定所述水动力提升效果指标;
具体地,所述死水河段长度占比Pd和活水河段长度占比Pl通过如下公式计算:
上述式中:Pd为死水河段长度占比,为无量纲数;Pl为活水河段长度占比,为无量纲数;vl为活水临界流速,单位为m/s;vd为死水临界流速,单位为m/s;v为调度期末流速,单位为m/s;为调度期末流速小于死水临界流速河道长度,单位为m;/>为调度期末流速大于活水临界流速河道长度,单位为m;S为河道总长度,单位为m;
S32:以水质达标耗时th和所述期末污染物浓度降低值cg作为水质改善效果指标;
具体地,所述水质达标耗时th和所述期末污染物浓度降低值cg通过如下公式计算:
th=td-to
cg=c0-ce
上述式中,th为断面水质达标耗时,单位为h;td为断面水质达标时间,单位为h;t0为调度模拟开始时间,单位为h;cg为污染物浓度降低值,单位为mg/L;c0为模拟开始时污染物浓度,单位为mg/L;ce为模拟结束时污染物浓度,单位为mg/L;
S33:基于泵站运行调度经济性要求,确定调度过程泵站抽排电费W为调度工程运行经济效益评价指标;
具体地,所述调度过程泵站抽排电费W通过如下公式计算:
上述式中,W为调度过程中泵站抽排电费,单位为元;Υ为抽水能量不均匀系数,为无量纲数;δ为区域电价,单位为元/kWh,Hp为泵站水头提升高度,单位为m;Qp为泵站抽排流量,单位为m3/s;η为泵站效率,为无量纲数。
上述公式中用于求解死水河段长度占比、活水河段长度占比、水质达标耗时、期末污染物浓度降低值和泵站抽排电费的参数均来自于水动力水质模型的输出。
基于上述实施例,该方法中,所述基于所述活水调度水动力-水质-工程经济评价指标体系,综合采用层次分析法和相对目标接近度法,确定活水多目标优化调度模型的目标函数,设置水位、流量、闸泵调度运行的约束条件,并将闸门开度、泵站抽排流量作为优化调度的决策变量,具体地,包括以下步骤:
S41:基于所述评价指标体系中的五个指标的理想正负点fimax与fimin(i=1,2,3,4,5;fimin≤fi≤fimax)以及预设标准化公式,对所述五个指标可行解对应目标向量F=(f1,f2,f3,f4,f5)进行标准化,得到可行解对应的标准化向量AF=(α1,α2,α3,α4,α5);
其中,对活水河段长度占比f1、期末污染物浓度降低值f4正向目标,以第一预设规则进行标准化,得到活水河段长度占比f1经标准化处理后相对目标接近度α1、期末污染物浓度降低值f4经标准化处理后相对目标接近度α4;
具体地,所述活水河段长度占比f1、期末污染物浓度降低值f4通过如下公式进行标准化处理:
对死水河段长度占比f2、水质达标耗时f3和泵站抽排电费f5负向指标以第二预设规则进行标准化,得到死水河段长度占比f2经标准化处理后相对目标接近度α2、水质达标耗时f3经标准化处理后相对目标接近度α3以及泵站抽排电费f5经标准化处理后相对目标接近度α5;
具体地,所述死水河段长度占比f2、水质达标耗时f3和泵站抽排电费f5通过如下公式进行标准化处理:
最终得到可行解得标准化向量AF=(α1,α2,α3,α4,α5),其中,正理想点AFMAX=(1,1,1,1,1),负理想点AFMIN=(0,0,0,0,0);
S42:采用层次分析法AHP,计算所述五个指标的权重ω1、ω2、ω3、ω4、ω5;
具体地,采用层次分析法(AHP),计算所述五个指标的权重ω1、ω2、ω3、ω4、ω5,计算流程如下所示:
(a)判断矩阵构造:将活水调度评价指标体系下各指标对优化调度方案决策影响性大小相互比较,表1为本发明提供的比较标度表,确定任意两评价指标之间比较标度aij(aij=1/aji),并参照表1合理取值。
表1比较标度表
最终得到判断矩阵P如下所示:
(b)采用和法对判断矩阵归一化处理,得到最大特征值对应特征向量w:
对P同列元素按下式进行归一化,得到归一化矩阵B=(bij)5×5,
并对B同行元素求和得到向量C=(C1,C2,C3,C4,C5)T,其中Ci:
再按照下式对C归一化,得到特征向量W=(w1,w2,w3,w4,w5)T,该特征向量即为最大特征值对应特征向量
(c)特征值计算:
λmaxW=P·W
(d)一致性检验:
按照下式计算一致性CI(Consistency Index):
按照下式计算随机一致性比率CR(Consistency Ratio)
根据随机一致性指标取值表,n=5时,RI=1.12,当CR<0.1时,判断矩阵P一致性通过检验,最大特征值对应特征向量即为各评价指标权重;
S43:基于所述五个指标的权重ω1、ω2、ω3、ω4、ω5和所述标准化向量AF=(α1,α2,α3,α4,α5),采用加权欧式距离计算所属标准化向量AF=(α1,α2,α3,α4,α5)相对目标接近度f,以相对目标接近度f最大为目标,确定活水多目标优化调度目标函数,将多目标转化为单目标问题;
具体地,所述可行解标准化后向量AF=(α1,α2,α3,α4,α5)至正理想点AFMAX(1,1,1,1,1)加权欧式距离g1通过如下公式进行计算:
具体地,所述可行解标准化后向量AF=(α1,α2,α3,α4,α5)至负理想点AFMIN(0,0,0,0,0)加权欧式距离g2通过如下公式进行计算:
具体地,所述活水多目标优化调度目标函数通过如下公式进行计算:
S44:设置河道防洪排涝、生态景观、闸泵运行安全性约束条件以及水源引水能力约束;
(a)河道防洪排涝水位约束:为保证调度过程河道与沿岸城市安全,各断面在活水调度期间,水位均小于对应断面洪水位;
河道防洪排涝水位约束通过如下公式表示:
Zi,t≤Zi f
式中,Zi,t为第i个断面在t时刻水位,单位为m;Zi f为第i个断面的防洪水位,单位为m;
(b)河道生态景观约束:为保证城市内河水生态与景观需要,河道各断面水位不宜过低,各段面在活水调度期间应高于生态水位:
所述河道生态景观约束通过如下公式表示:
Zi,t≤Zi e
式中,Zi,t为第i个断面在t时刻水位,单位为m;Zi e为第i个断面的生态景观水位,单位为m;
所述水源可引水量约束通过如下公式表示:
Yi,t≤Yimax
式中,Yi,t为第i个引水水源在t时刻引水流量,单位为m3/s;Yi,max为第i个引水水源可引流量上限,单位为m3/s;
(c)闸门过流安全性:为保证闸门过流安全性,在活水调度期间闸门各闸孔过流流量应小于闸门设计流量:
所述闸门过流安全性约束通过如下公式表示:
(d)泵站抽排能力:泵站引水调度期间,泵站抽排流量应不超过设计过流能力;所述泵站抽排能力约束通过如下公式表示:
Qt≤Qp
式中,Qt为t时刻泵站抽排流量,单位为m3/s,Qp为泵站的设计流量,单位为m3/s。
将泵站抽排流量与闸门开度作为优化调度的决策变量,基于所述闸门过流安全性以及泵站抽排能力约束,调整所述泵站抽排流量与闸门开度作为优化调度的决策变量。
基于上述实施例,该方法中,耦合所述,所述耦合所述水动力水质模型与所述优化算法,形成活水多目标优化调度耦合模型,采用优化算法求解所述耦合后活水多目标优化调度模型,并以计算效率与计算精度平衡为原则确定所述水动力水质模型的计算时间步长,制定并行计算策略,具体地,包括以下步骤:
S51:将所述水动力水质模型模拟的河段流速、河段污染物浓度、泵站抽排流量作为所述活水多目标优化调度模型的输入,将优化算法的决策变量作为所述水动力水质模型的输入,并基于遗传算法NSGA_Ⅱ以目标函数值最大为优化迭代方向,对上述决策变量优化迭代,进而实现水动力水质模型、优化算法的耦合,形成活水多目标优化调度耦合模型;
S52:对遗传算法种群代数种群规模(N)、进化代数(G)、杂交概率(pc)、以及变异概率(pm)等参数进行初设,鉴于活水多目标优化调度模型求解的速度和效率相对较低(水动力水质模型计算耗时较长、优化计算复杂且数据处理高密),初步制定基于GPU的并行优化计算策略;
S53:调整水动力水质模型初拟的时间步长、所述优化算法初设种群规模N以及进化代数G和所述的并行优化计算策略,直至满足活水多目标优化调度模型计算效率与水动力水质模型计算精度要求。
接入实时水位、流量和水质数据,驱动所述耦合后活水多目标优化调度模型进行实时计算,生成最优调度方案,具体地,包括以下步骤:
S61:接入实时数据,所述实时数据包括活水引水水源、出水口和河道关键断面的实时水位、流量和水质监测数据;
S62:采用所述实时监测数据驱动所述活水多目标优化调度耦合模型进行实时优化计算,生成活水调度方案。
具体地,采用所述实时监测数据驱动所述耦合后活水多目标优化调度模型进行实时优化计算,选择最优的决策变量泵站抽排流量和闸门开度作为最优的活水调度方案。
图2为本发明提供的技术流程示意图,图3为本发明提供的多目标优化模型的建模范围与测量断面分布图,图4为本发明提供的多目标优化模型部分断面形状参数信息示意图;图5为本发明提供的多目标优化模型的目标函数构造页面;图6为本发明提供的多目标优化模型实时计算过程中,目标函数相对目标接近度变化过程示意图。表2为本发明提供的河道生态景观水位下限与防洪排涝水位约束上限表,表3为本发明提供的闸门过流量与对称性约束表。
参阅图2-图6以及表2和表3可知:如图3所示,本发明中,城市河网活水多目标智能优化调度方法,包括以下步骤:
(1)调研活水工程(河网、引水水源、闸门、泵站)基础信息、监测数据以及运行调度情况,确定模型建设范围;综合考虑河网走向以及横断面变化情况,完成断面布设、测量与整理(模型建设范围、断面布设测量点位分布如图3所示;部分断面测量整理成果如图4所示);根据调研获取闸泵基础信息与运行调度信息,确定引水路线并完成模型闸泵参数、特性曲线设置;
(2)收集整理历史水位、流量、水质同步监测数据,综合考虑监测数据获取可行性以及模型求解稳定性,确定模型计算上边界条件为上游两引水水源流量随时间变化过程、下边界条件为下游三出水口水位随时间变化过程;研判模拟空间范围、计算精度以及计算效率要求,对模型计算时间步长进行初设;并从历史监测数据中选取典型事件,以典型断面水位、流量以及污染物浓度变化过程模拟值、实测值相对误差(RE)与纳什系数(NSE)在精度许可范围内为评价指标,并采用人工试错法对水动力水质参数(河道曼宁系数、污染物衰减系数)进行调整,误差满足精度要求。
(3)参照城市河网活水调度相关文献,结合区域实际情况,确定活水优化调度目标(水动力提升、水质改善、调度经济性)、活水优化调度评价指标(死水河段占比Pd、活水河段占比Pl、水质达标耗时th、调度期末污染物浓度降低值cg、泵站抽排电费W),根据该区域实际情况,各指标状态判断与取值情况如下所示:死水河段:vd=0.005m/s;活水河段vl=0.1m/s、COD达标阈值浓度30mg/L,古城区泵售用电价格0.4567元/kW·h。
(4)利用各评价指标与理想正负值的相对接近情况,将各评价指标进行归一化处理;开发评价指标相对重要程度比较接口,支持用户对各评价指标相对重要程度进行设置,并根据用户设置相对重要程度利用层次分析法(AHP)确定各评价指标权重,进而确定多优化调度模型目标函数,基于各评价指标相对目标接近度以及层次分析法计算权重,采用加权欧式距离计算可行解相对目标接近度,以距离理想点相对目标接近度f最大为目标,确定多目标优化调度模型目标函数,多目标优化调度模型目标函数构造页面如图5所示。进一步,基于引水源监测信息、闸门泵站基础信息以及运行调度记录,确定多目标优化调度模型约束条件:基于水源流量监测数据,确定外源引水流量范围为0至流量监测值;根据各河道基础信息以及历史水位监测记录,确定生态景观水位下限与防洪排涝水位约束上限,详情如表2所示;基于闸门基础参数信息以及运行调度记录,确定各闸门过流流量以及对称性约束如表3所示;根据泵站基础参数信息,设计流量为3m3/s,确定泵站抽排流量0≤Qt≤3m3/s。将泵站抽排流量与闸门开度作为优化算法的决策变量,在合理范围内对决策变量值进行调整变化。
表2河道生态景观水位下限与防洪排涝水位约束上限
表3闸门过流量与对称性约束表
(5)提取水动力水质模型模拟结果中的河段流速、污染物浓度以及泵站耗能,作为多目标优化调度目标函数的输入;将优化调度的决策变量(泵站抽排流量、闸门开度)作为水动力水质模型输入,并基于优化算法(遗传算法NSGA_Ⅱ)以目标函数值最大为优化迭代方向,对上述决策变量优化迭代,进而实现水动力水质模型、活水多目标优化调度模型耦合;为保证活水多目标优化调度求解的速度和效率,基于GPU制定并行优化策略,调整遗传算法种群代数种群规模(N)、进化代数(G)、以及水动力水质模型计算时间步长,直至满足活水多目标优化调度计算效率与水动力水质模型计算精度要求。
(6)根据用户输入调度时间范围以及对应时间范围内水情水质在线监测数据,动态更新耦合模型两外源引水流量约束条件、水质边界条件以及下游三出水口水位边界条件。用户点击运算后,系统自动计算对各评价指标以及目标函数相对接近度变化情况进行展示,并输出最佳调度方案闸门开度、泵站抽排流量变化时间序列,其中优化调度过程中,目标函数相对目标接近度变化过程如图6所示。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (2)
1.一种活水多目标优化调度方法,其特征在于,包括:
调研活水工程信息,明确水动力水质模型建设范围、确定引水路线,完成闸泵调度工程设置;
对历史水位、流量、水质同步监测数据收集整理,选取典型事件对所述水动力水质模型中的参数进行率定验证,完成所述水动力水质模型的构建;
以水动力提升、水质改善与工程运行经济性为河网活水调度目标,构建活水调度水动力-水质-工程经济评价指标体系;
基于所述活水调度水动力-水质-工程经济评价指标体系,综合采用层次分析法和相对目标接近度法,确定活水多目标优化调度模型的目标函数,设置水位、流量、闸泵调度运行的约束条件,并将闸门开度、泵站抽排流量作为优化调度的决策变量;
耦合所述水动力水质模型与所述活水多目标优化调度模型,形成活水多目标优化调度耦合模型,采用优化算法求解所述活水多目标优化调度耦合模型;并以计算效率与计算精度平衡为原则确定所述水动力水质模型的计算时间步长、优化算法参数,制定并行计算策略;
接入实时水位、流量和水质数据,驱动所述活水多目标优化调度耦合模型进行实时计算,生成最优调度方案;
所述调研活水工程信息,明确水动力水质模型建设范围,确定引水路线,完成闸泵调度工程设置,具体包括:
调研收集区域内活水工程基础信息、空间分布、监测数据、运行调度情况数据;
根据引水源、河网在线监测设备以及闸泵空间位置信息,确定水动力水质模型建模范围;
结合所述建模范围内河网走向与横断面变化情况,确定断面测量布设点位并按测绘标准进行地形测量,整理形成所述水动力水质模型可调用的断面地形数据;
根据调研获取的闸泵的基础信息以及运行调度信息,结合河网流向,确定引水路线并完成所述水动力水质模型中闸泵参数与特性曲线设置;
对历史水位、流量、水质同步监测数据收集整理,选取典型事件对所述水动力水质模型中的参数进行率定验证,完成所述水动力水质模型的构建,具体包括:
收集整理历史河网、引水水源、闸门和泵站、出水口位置处的水位、流量和水质监测数据;
基于所述建模范围内水位、流量和水质在线监测情况以及水动力水质模型求解稳定性需要,将活水路线起始节点的流量、污染物浓度作为所述水动力水质模型上边界、活水路线末端节点的水位作为所述水动力水质模型下边界;
从收集整理的历史监测数据中选取典型事件,作为所述水动力水质模型上与下边界的输入,对所述水动力水质模型水动力参数以及水质参数进行率定验证,完成所述水动力水质模型的构建;
所述以水动力提升、水质改善与工程运行经济性为活水调度目标,构建活水调度水动力-水质-工程经济评价指标体系,具体包括:
以死水河段长度占比Pd和活水河段长度占比Pl作为水动力提升效果指标,并根据实际河网流速、评价考核标准、死水临界流速和活水临界流速,确定所述水动力提升效果指标;
所述死水河段长度占比Pd和活水河段长度占比Pl通过如下公式计算:
上述式中:Pd为死水河段长度占比,为无量纲数;Pl为活水河段长度占比,为无量纲数;vl为活水临界流速,单位为m/s;vd为死水临界流速,单位为m/s;v为调度期末流速,单位为m/s;为调度期末流速小于死水临界流速河道长度,单位为m;/>为调度期末流速大于活水临界流速河道长度,单位为m;S为河道总长度,单位为m;
以水质达标耗时th和期末污染物浓度降低值cg作为水质改善效果指标;
所述水质达标耗时th和所述期末污染物浓度降低值cg通过如下公式计算:
th=td-to
cg=c0-ce
上述式中,th为断面水质达标耗时,单位为h;td为断面水质达标时间,单位为h;t0为调度模拟开始时间,单位为h;cg为污染物浓度降低值,单位为mg/L;c0为模拟开始时污染物浓度,单位为mg/L;ce为模拟结束时污染物浓度,单位为mg/L;
基于泵站运行调度经济性要求,确定调度过程泵站抽排电费W为调度工程运行经济效益评价指标;
所述调度过程泵站抽排电费W通过如下公式计算:
上述式中,W为调度过程中泵站抽排电费,单位为元;Υ为抽水能量不均匀系数,为无量纲数;δ为区域电价,单位为元/kWh,Hp为泵站水头提升高度,单位为m;Qp为泵站抽排流量,单位为m3/s;η为泵站效率,为无量纲数;
所述基于所述活水调度水动力-水质-工程经济评价指标体系,综合采用层次分析法和相对目标接近度法,确定活水多目标优化调度模型的目标函数,设置水位、流量、闸泵调度运行的约束条件,并将闸门开度、泵站抽排流量作为优化调度的决策变量,具体包括:
基于所述评价指标体系中的五个指标的理想正负点fimax与fimin以及预设标准化公式,i=1,2,3,4,5;fimin≤fi≤fimax,对所述五个指标可行解对应目标向量F=(f1,f2,f3,f4,f5)进行标准化,得到可行解对应的标准化向量AF=(α1,α2,α3,α4,α5);
其中,对活水河段长度占比f1、期末污染物浓度降低值f4正向目标,以第一预设规则进行标准化,得到活水河段长度占比f1经标准化处理后相对目标接近度α1、期末污染物浓度降低值f4经标准化处理后相对目标接近度α4;
具体地,所述活水河段长度占比f1、期末污染物浓度降低值f4通过如下公式进行标准化处理:
对死水河段长度占比f2、水质达标耗时f3和泵站抽排电费f5负向指标以第二预设规则进行标准化,得到死水河段长度占比f2经标准化处理后相对目标接近度α2、水质达标耗时f3经标准化处理后相对目标接近度α3以及泵站抽排电费f5经标准化处理后相对目标接近度α5;
具体地,所述死水河段长度占比f2、水质达标耗时f3和泵站抽排电费f5通过如下公式进行标准化处理:
最终得到可行解得标准化向量AF=(α1,α2,α3,α4,α5),其中,正理想点AFMAX=(1,1,1,1,1),负理想点AFMIN=(0,0,0,0,0);
采用层次分析法AHP,计算所述五个指标的权重ω1、ω2、ω3、ω4、ω5;
基于所述五个指标的权重ω1、ω2、ω3、ω4、ω5和所述标准化向量AF=(α1,α2,α3,α4,α5),采用加权欧式距离计算所属标准化向量AF=(α1,α2,α3,α4,α5)相对目标接近度f,以相对目标接近度f最大为目标,确定活水多目标优化调度目标函数,将多目标转化为单目标问题;
所述可行解标准化后向量AF=(α1,α2,α3,α4,α5)至正理想点AFMAX(1,1,1,1,1)加权欧式距离g1通过如下公式进行计算:
所述可行解标准化后向量AF=(α1,α2,α3,α4,α5)至负理想点AFMIN(0,0,0,0,0)加权欧式距离g2通过如下公式进行计算:
所述活水多目标优化调度目标函数通过如下公式进行计算:
设置河道防洪排涝、生态景观、闸泵运行安全性约束条件以及水源引水能力约束;
河道防洪排涝水位约束通过如下公式表示:
河道生态景观约束通过如下公式表示:
Zi,t≤Zi e
式中,Zi,t为第i个断面在t时刻水位,单位为m;Zi e为第i个断面的生态景观水位,单位为m;
水源可引水量约束通过如下公式表示:
Yi,t≤Yimax
式中,Yi,t为第i个引水水源在t时刻引水流量,单位为m3/s;Yimax为第i个引水水源可引流量上限,单位为m3/s;
闸门过流安全性约束通过如下公式表示:
泵站抽排能力约束通过如下公式表示:
Qt≤Qp
式中,Qt为t时刻泵站抽排流量,单位为m3/s,Qp为泵站的设计流量,单位为m3/s;
将泵站抽排流量与闸门开度作为优化调度的决策变量,基于所述闸门过流安全性以及泵站抽排能力约束,调整所述泵站抽排流量与闸门开度作为优化调度的决策变量;
所述耦合所述水动力水质模型与所述优化算法,形成活水多目标优化调度耦合模型,采用优化算法求解所述耦合后活水多目标优化调度模型,并以计算效率与计算精度平衡为原则确定所述水动力水质模型的计算时间步长,制定并行计算策略,具体包括:
将所述水动力水质模型模拟的河段流速、河段污染物浓度、泵站抽排流量作为所述活水多目标优化调度模型的输入,将优化算法的决策变量作为所述水动力水质模型的输入,并基于遗传算法NSGA_Ⅱ以目标函数值最大为优化迭代方向,对上述决策变量优化迭代,进而实现水动力水质模型、优化算法的耦合,形成活水多目标优化调度耦合模型;
对遗传算法NSGA_Ⅱ的种群规模N、进化代数G、杂交概率pc、以及变异概率pm参数进行初设,初步制定基于GPU的并行优化计算策略;
调整初拟的时间步长、所述优化算法初设种群规模N以及进化代数G和所述并行优化计算策略,直至满足活水多目标优化调度计算效率与水动力水质模型计算精度要求。
2.根据权利要求1所述的活水多目标优化调度方法,其特征在于,接入实时水位、流量和水质数据,驱动所述耦合后活水多目标优化调度模型进行实时计算,生成最优调度方案,具体包括:
接入实时监测水位、流量、水质数据,所述实时监测水位、流量、水质监测数据包括活水引水水源、河道各关键断面以及出水口的实时水位、流量和水质监测数据;
采用驱动数据驱动所述活水多目标优化调度耦合模型进行实时优化计算,生成活水调度方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211403298.1A CN115860357B (zh) | 2022-11-10 | 2022-11-10 | 活水多目标优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211403298.1A CN115860357B (zh) | 2022-11-10 | 2022-11-10 | 活水多目标优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115860357A CN115860357A (zh) | 2023-03-28 |
CN115860357B true CN115860357B (zh) | 2023-06-20 |
Family
ID=85662986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211403298.1A Active CN115860357B (zh) | 2022-11-10 | 2022-11-10 | 活水多目标优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860357B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629018B (zh) * | 2023-06-09 | 2024-05-10 | 长江生态环保集团有限公司 | 一种水体弱流区域的水动力提升方法及装置 |
CN116883913B (zh) * | 2023-09-05 | 2023-11-21 | 长江信达软件技术(武汉)有限责任公司 | 一种基于视频流相邻帧的船只识别方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202618A (zh) * | 2016-06-24 | 2016-12-07 | 珠江水利委员会珠江水利科学研究院 | 一种工程调度与感潮河网污染物输移过程耦合的数值模拟方法 |
US9834464B1 (en) * | 2016-09-12 | 2017-12-05 | Namon A. Hawthorne | Fractal system for recursive separation of contaminants from a flowable medium |
CN107862421A (zh) * | 2017-12-27 | 2018-03-30 | 河海大学 | 一种河道型水库建设影响预评估方法 |
CN109544024A (zh) * | 2018-11-30 | 2019-03-29 | 北京科技大学 | 一种适合小流域河流多水源水质水量调度的方法 |
CN111027264A (zh) * | 2019-12-03 | 2020-04-17 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 基于生态恢复目标的平原区城市河网水循环调控方法 |
CN111461167A (zh) * | 2020-03-02 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN113763204A (zh) * | 2021-08-31 | 2021-12-07 | 中冶华天工程技术有限公司 | 多目标优化下平原区河网调水工程提升水环境效果评估方法 |
-
2022
- 2022-11-10 CN CN202211403298.1A patent/CN115860357B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202618A (zh) * | 2016-06-24 | 2016-12-07 | 珠江水利委员会珠江水利科学研究院 | 一种工程调度与感潮河网污染物输移过程耦合的数值模拟方法 |
US9834464B1 (en) * | 2016-09-12 | 2017-12-05 | Namon A. Hawthorne | Fractal system for recursive separation of contaminants from a flowable medium |
CN107862421A (zh) * | 2017-12-27 | 2018-03-30 | 河海大学 | 一种河道型水库建设影响预评估方法 |
CN109544024A (zh) * | 2018-11-30 | 2019-03-29 | 北京科技大学 | 一种适合小流域河流多水源水质水量调度的方法 |
CN111027264A (zh) * | 2019-12-03 | 2020-04-17 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 基于生态恢复目标的平原区城市河网水循环调控方法 |
CN111461167A (zh) * | 2020-03-02 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN113763204A (zh) * | 2021-08-31 | 2021-12-07 | 中冶华天工程技术有限公司 | 多目标优化下平原区河网调水工程提升水环境效果评估方法 |
Non-Patent Citations (2)
Title |
---|
枯水年引汉济渭并联水库多目标调度及决策;金文婷 等;《水力发电学报》;第38卷(第2期);第68-81页 * |
运东大包围畅流活水方案研究;张茜 等;《水电能源科学》;第39卷(第5期);第54-57页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115860357A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115860357B (zh) | 活水多目标优化调度方法 | |
Zhang et al. | Short-time multi-energy load forecasting method based on CNN-Seq2Seq model with attention mechanism | |
CN111160430A (zh) | 一种基于人工智能算法的水资源优化配置方法 | |
Zhang et al. | Improved particle swarm optimization algorithm for multi-reservoir system operation | |
Zhou et al. | Boosting hydropower output of mega cascade reservoirs using an evolutionary algorithm with successive approximation | |
CN111401604A (zh) | 电力系统负荷功率预测方法及储能电站功率分配方法 | |
CN110165698B (zh) | 一种实现前瞻性误差资产转换的风电场平滑并网方法 | |
CN112819225A (zh) | 基于bp神经网络和arima模型的碳市场价格预测方法 | |
CN115841250A (zh) | 一种基于集成学习的电费拖欠风险预警方法及系统 | |
CN115796023A (zh) | 一种基于碳配额的电力系统调度方法、装置及设备 | |
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 | |
Wen et al. | ELCC-based capacity value estimation of combined wind-storage system using IPSO algorithm | |
CN111460378A (zh) | 一种考虑风险测度的配电网精准投资项目优选方法 | |
CN110956304A (zh) | 一种基于ga-rbm的分布式光伏发电量短期预测方法 | |
He et al. | A lyapunov drift-plus-penalty-based multi-objective optimization of energy consumption, construction period and benefit | |
CN117422165A (zh) | 一种基于低碳排放的城市输水系统水量预测方法及系统 | |
CN116362552B (zh) | 一种评估小型水库安全风险等级的方法 | |
CN112653194A (zh) | 一种新能源极限消纳能力评估方法 | |
CN110610264A (zh) | 一种针对不确定性情景下供水管网调控的单目标优化算法 | |
CN115375010A (zh) | 一种适用于机场道面长期养护规划的决策方法及电子设备 | |
Zhu et al. | Selection of criteria for multi-criteria decision making of reservoir flood control operation | |
CN115271153A (zh) | 一种基于多目标规划的区域产业结构调整优化方法和系统 | |
CN114511158A (zh) | 基于尾流偏转效应和2DJensen模型的风力机功率预测方法 | |
CN113807019A (zh) | 基于改进场景分类和去粗粒化的mcmc风电模拟方法 | |
CN113792911A (zh) | 光储系统储能容量双层协同优化配置方法及系统 |
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 |