CN116681312B - 一种面向生态的多目标水库优化调度决策方法及系统 - Google Patents
一种面向生态的多目标水库优化调度决策方法及系统 Download PDFInfo
- Publication number
- CN116681312B CN116681312B CN202310940187.2A CN202310940187A CN116681312B CN 116681312 B CN116681312 B CN 116681312B CN 202310940187 A CN202310940187 A CN 202310940187A CN 116681312 B CN116681312 B CN 116681312B
- Authority
- CN
- China
- Prior art keywords
- ecological
- reservoir
- objective
- flow
- optimal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000035772 mutation Effects 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000008685 targeting Effects 0.000 abstract description 5
- 230000002860 competitive effect Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 241000510672 Cuminum Species 0.000 description 1
- 235000007129 Cuminum cyminum Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于水库调度决策领域,并具体公开了一种面向生态的多目标水库优化调度决策方法及系统,其包括步骤:根据流域的历史径流资料,分析水文序列的一致性,选择径流资料长度;基于所选长度的径流资料,确定生态流量过程,包括最小生态流量和适宜生态流量;基于下泄流量与最小生态流量、适宜生态流量的关系,构建生态保证程度计算模型,进而构建目标函数和约束条件,得到多目标优化调度模型,并求解得到帕累托最优解集;从帕累托最优解集中确定最优解,即最优水库调度方案。本发明可提高生态调度的目标性与针对性,并协调好生态目标与其他经济目标之间的竞争协同关系,兼顾指标间相关性问题,有效提高水库调度决策的可靠性。
Description
技术领域
本发明属于水库调度决策领域,更具体地,涉及一种面向生态的多目标水库优化调度决策方法及系统。
背景技术
水库调度的本质是一个多目标、多阶段、多约束、多属性的复杂决策问题。目前,面向生态的水库调度需求日益增加。以往关于水库生态调度的研究,主要以统一的生态流量标准作为目标或约束来表征下游河道的生态需求。这样的形式通常忽略了径流的确定性和随机性特征,以及径流在年内季节分布上存在的差异性问题,使得生态调度的目标性与针对性较弱。
此外,水资源管理正面临着复杂且多元化的挑战,多目标优化逐渐成为求解水库调度问题的主流研究方向。但目前大多数的研究主要集中在多目标问题的建模与求解方法上,有关非劣解集的决策问题常被忽视。现有的多属性决策方法大多从确定指标权重和调整模型结构出发,未能充分考虑决策指标之间信息重叠对决策过程的影响。
因此,如何全面考虑生态调度过程中生态需求面临的局限性,协调好生态目标与其他经济目标之间的竞争协同关系,进行兼顾指标间相关性问题的水库调度决策工作是目前亟需解决的技术难题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种面向生态的多目标水库优化调度决策方法及系统,其目的在于,提高生态调度的目标性与针对性,有效提高水库调度决策的可靠性。
为实现上述目的,按照本发明的第一方面,提出了一种面向生态的多目标水库优化调度决策方法,包括如下步骤:
S1、根据流域的历史径流资料,分析水文序列的一致性,从而选择使用的径流资料长度;
S2、基于所选长度的径流资料,确定生态流量过程,该生态流量过程包括最小生态流量和适宜生态流量;
S3、基于下泄流量与最小生态流量、适宜生态流量的关系,构建生态保证程度计算模型;进而根据生态保证程度计算模型构建目标函数和约束条件,得到多目标优化调度模型;求解该多目标优化调度模型得到帕累托最优解集;
S4、从帕累托最优解集中确定最优解,即最优水库调度方案。
作为进一步优选的,步骤S1中,根据流域的历史径流资料,分析水文序列的一致性,从而选择使用的径流资料长度,具体为:
若历史径流序列存在突变点,则不满足水文序列一致性要求,此时选择突变点前的历史径流序列为步骤S2使用的径流资料;
若历史径流序列不存在突变点,则满足水文序列一致性要求,此时选择完整的历史径流序列为步骤S2使用的径流资料。
作为进一步优选的,步骤S3中,所述生态保证程度计算模型为:
;
其中,D e,t 表示河道t时段生态保证程度,Q t 表示水电站t时段下泄流量,Q min,t 表示最小生态流量,Q d,t 表示适宜生态流量下限,Q u,t 表示适宜生态流量上限。
作为进一步优选的,步骤S2中,所述最小生态流量采用逐月最小生态径流法进行确定。
作为进一步优选的,步骤S2中,所述适宜生态流量的下限采用蒙大拿法计算,适宜生态流量的上限采用逐月频率法计算。
作为进一步优选的,步骤S4中,从帕累托最优解集中确定最优解,包括如下步骤:
S41、基于帕累托最优解集构建原始决策评价矩阵,该原始决策评价矩阵包括m个方案,n个指标;并将原始决策评价矩阵转化为标准化矩阵R;
S42、基于标准化矩阵R计算各指标的均值、标准差,进而计算得到变异系数:
;
其中,A j 、S j 、V j 分别为第j个指标的均值、标准差、变异系数;r ij 为标准化矩阵R中第i个方案中第j个指标的值;
S43、基于变异系数计算各指标的权重w j :
;
S44、根据标准化矩阵确定帕累托最优解集的正、负理想解方案Z+、Z-;
S45、确定各方案相对正、负理想解方案的马氏距离:
;
其中,D i +、D i -分别为第i个方案与正、负理想解方案的马氏距离;w为指标权重,,/>表示协方差矩阵的逆矩阵;
S46、计算各方案与正、负理想解方案的相对贴近度C i :
;
其中,C i 为第i个方案的相对贴近度;进而以相对贴近度值最大的方案为最优水库调度方案。
作为进一步优选的,步骤S41具体包括:
基于帕累托最优解集构建原始决策评价矩阵X如下:
;
进而将原始决策评价矩阵X中数据标准化,得到标准化矩阵R:
其中,x ij 为原始决策评价矩阵中第i个方案中第j个指标的值。
作为进一步优选的,步骤S3中,所述多目标优化调度模型的目标函数包括:
其中,E表示水库在调度期T内的发电量,K表示水电站综合出力系数,Q t 表示水电站t时段下泄流量,H t 表示水电站t时段平均发电水头,为计算时段时间长度;P表示下游河道在调度期T内的年均生态保证程度,D e,t 表示河道t时段生态保证程度。
按照本发明的第二方面,提供了一种面向生态的多目标水库优化调度决策系统,包括处理器,所述处理器用于执行上述面向生态的多目标水库优化调度决策方法。
按照本发明的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述面向生态的多目标水库优化调度决策方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.本发明根据水文序列的一致性选取使用的径流资料,并基于下泄流量与最小生态流量、适宜生态流量的关系确定生态保证程度,设计了一种分级别、分阶段的生态流量过程,能有效呼应径流在年内季节分布上存在着差异性问题,并有效避免生态调度在目标性和针对性上存在的局限性问题。本发明能够为决策者提供丰富的决策信息,能够有效提高水库调度决策的可靠性,可广泛应用于流域面向生态的水库多目标优化调度与决策问题中。
2、本发明在推求生态流量过程时增加了变异诊断环节,以确保所采用水文资料具备一致性条件。
3、本发明设计了改进的CV-ITOPSIS方法,以从帕累托最优解集中确定最优解,综合考虑了水库多目标调度多属性决策过程中的相关性因素,包括指标数据间的差异化问题和指标间的相关性问题等;从而消除了传统的多属性决策方法受数据分布和特征量纲的影响,将决策拓展至数据高维度线性分布且各纬度间非独立同分布的环境当中。
4、本发明设计了“目标-建模-约束-优化-方案决策”的决策框架。框架整体从验证、修正目标的可靠性程度开始,到根据目标和约束条件来构建、求解模型获取发电和生态目标的竞争协同关系,再延申至采用决策方法为水库实际运行和流域管理提供合适的协调方案,清晰地梳理了水电能源-生态环境-综合效益之间的关系与特征。
附图说明
图1为本发明实施例面向生态的多目标水库优化调度决策方法流程图。
图2为本发明实施例水库生态流量过程示意图。
图3为本发明实施例各典型年帕累托曲线图,其中,(a)-(c)分别为设计保证率P为10%、50%、90%时的帕累托曲线图。
图4为本发明实施例方案集的相对贴近度示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例提供的一种面向生态的多目标水库优化调度决策方法,如图1所示,包括如下步骤:
S1:获取流域多年历史径流资料,对其进行水文变异诊断,分析水文序列的一致性,从而确定后续使用的径流资料;
S2:根据所选择合理的径流序列长度推求生态流量过程,该生态流量过程包括最小生态流量和适宜生态流量;
S3:基于生态流量过程,确定调度目标、约束条件,建立水库多目标优化调度模型,并求解得到帕累托最优解集,即多种调度方案的集合;
S4:基于帕累托最优解集构建原始决策评价矩阵,采用改进的逼近理想解排序法(CV-ITOPSIS)对多种调度方案进行决策优选,得到最优水库调度方案。
进一步的,步骤S1包括:
通过多种预设方法对流域多年历史径流资料进行水文变异诊断,即对历史径流序列进行趋势分析及突变点的显著性分析:
若所述历史径流序列存在突变点,则认为突变点前后的序列在总体分布上不一致,不满足水文资料的一致性要求。此时,认为所述流域生态结构已适应突变前的水文状态,步骤S2中生态流量过程采用变异前的径流序列推求。
若所述历史径流序列不存在突变点,则认为序列在总体分布上具备一致性条件。此时,认为所述流域生态结构适应当前水文状态,步骤S2中生态流量过程采用所述完整的径流资料推求。
进一步的,步骤S2包括:
最小生态流量选用逐月最小生态径流法进行确定,反映下游河道生态系统不退化的基本要求。
适宜生态流量选用逐月频率法、蒙大拿法(Tennant法)进行确定,反映下游河道水生生物正常生存、繁衍,维持生物多样性的基本要求。其中,适宜生态流量的下限考虑汛期的变化,选用Tennant法计算;适宜生态流量的上限考虑年内丰枯变化过程,选用逐月频率法计算。
进一步的,步骤S3包括:
S31:基于生态流量过程确定调度目标:生态保证程度。生态保证程度定义为:若下泄流量低于最小生态流量,生态保护程度为0;若下泄流量处于最小生态流量与适宜生态流量下限之间,生态保护程度取值为0~0.5;若下泄流量处于适宜生态流量的上下限之间,生态保护程度取值为0.5~1;若下泄流量超出适宜生态流量上限,则记为1。其具体数学表达式如下:
;
式中,D e,t 表示河道t时段生态保证程度,单位为%;Q t 表示水电站t时段下泄流量,单位为m3/s;Q min,t 表示最小生态流量,单位为m3/s;Q d,t 表示适宜生态流量下限,单位为m3/s;Q u,t 表示适宜生态流量上限,单位为m3/s。
S32:构建水库的多目标优化调度模型;
多目标优化调度模型兼顾发电和生态问题,以发电量最大和生态保证程度最大为优化目标(包含但不限于此两种目标),目标函数表达式如下:
;
式中,E表示水库在调度期T内的发电量,单位为kW·h;K表示水电站综合出力系数,Q t 表示水电站t时段下泄流量,单位为m3/s;H t 表示水电站t时段平均发电水头,单位为m;为计算时段时间长度;P表示下游河道在调度期T内的年均生态保证程度。
多目标优化调度模型的约束条件,其表达式如下:
(1) 水量平衡约束
;
式中,V t+1表示第t时段末水库库容,单位为m3;V t 为第t时段初水库库容,单位为m3;I t 为第t时段水库入库流量,单位为m3/s;Q ck,t 为第t时段水库出库流量,单位为m3/s。
(2) 库水位或库容约束
;
式中,Z t 为库水位,一般为死水位,/>在汛期一般为汛限水位,非汛期为正常蓄水位,单位为m;/>一般为水库死库容,单位为m3;/>在汛期一般为防洪限制水位以下的库容,非汛期为正常蓄水位以下的库容,单位为m3。
(3) 下泄流量约束
;
式中,表示水电站在第t时段下泄流量的上、下限,单位为m3/s;由下游综合用水、航运、生态要求等确定,/>根据下游防洪等要求确定。
(4) 电站出力约束
;
式中,N t 为电站出力,分别表示水电站第t时段允许出力的上、下限,通过考虑机组额定出力、受阻容量、预想出力等确定,单位为kW。
(5) 其他约束
变量非负约束、水位库容关系曲线约束及尾水位流量关系曲线约束。
S33:采用多目标进化算法对多目标优化调度模型进行求解,得到帕累托最优解集。
进一步的,步骤S4中,CV-ITOPSIS方法具体如下:
Step 1:构建原始决策评价矩阵X,该矩阵包含m个方案,n个指标。本实施例中,帕累托最优解集中每个方案由两个指标构成,即发电量与生态保证程度。原始决策评价矩阵可以表示为:
;
Step 2:将原始决策评价矩阵X中的数据x ij 统一指标类型(正向化),即将成本指标、中间指标、区间指标统一转化为效益指标,得到正向化矩阵;本实施例中所有指标类型均为效益指标,故后续直接采用原始决策评价矩阵;
Step 3:将正向化矩阵数据标准化,以消除指标间不同单位的影响,使所有数据能够使用同一种方法进行计算,标准化后的矩阵为R;
;
其中,r ij 为标准化矩阵R中第i个方案中第j个指标的值;
Step 4:分别计算各指标的均值A j 、标准差S j ,据此计算变异系数V j ;
;
Step 5:计算各指标的权重w j :
;
Step 6:以标准化矩阵R为基础,确定待评价方案集的正、负理想解方案Z+、Z-;
;
Step 7:采用马氏距离作为判别标准,分别计算评价方案集内各方案相对正、负理想解方案的距离D i +、D i -;
;
式中,w为CV法获取的指标权重,,/>为协方差矩阵的逆矩阵。
Step 8:计算各评价方案与正负理想解的相对贴近度C i ;
;
Step 9:根据相对贴近度C i 对各方案进行排序,C i 值的大小表明了不同方案的相对优劣程度,值越大则方案相对评价越好,反之亦然;选取C i 值最大的方案为最优方案。
以下为具体实施例:
以赣江中下游万安水库为实例对象,选取1970-1971年、1980-1981年和1986-1987年作为丰水年、平水年和枯水年。取万安水库一个完整的蓄水-消落周期(4月1日至次年3月31日)为调度期,其中4月至6月为主汛期,7月至9月为后汛期,其余月份为枯水期。本实例采用Mann-Kendall 检验法、有序聚类法和游程检验法对1957-2015年的历史径流序列进行水文变异诊断和突变点显著性分析,结果表明该序列没有显著变化趋势和突变点存在。因此,本实例采用完整的径流资料进行生态流量过程的推求。
根据赣江中下游的实际情况,对河道生态流量进行分级别、分阶段计算。河道最小生态流量选用逐月最小生态径流法进行确定;适宜生态流量选用逐月频率法、Tennant法进行确定。其中,适宜生态流量的下限考虑汛期的变化,选用Tennant法计算,汛期(4月-9月)取年均流量的60%,非汛期(10月-3月)取年均流量的40%。适宜生态流量的上限考虑年内丰枯变化过程,选用逐月频率法计算,丰水期(5月-9月)保证率取50%,平水期(3、4、10、11月)保证率取70%,枯水期(12月-2月)保证率取90%。生态流量过程如图2所示。
根据上述条件,建立以年发电量最大和年均生态保证程度最大为目标的水库多目标优化调度模型,并采用智能优化算法NSGA-Ⅱ对模型进行求解。算法参数设置如下:种群Pop=100,迭代次数 Gen=3000,交叉和变异概率分别取0.75和0.25。将所得调度结果绘制为Pareto前沿曲线,如图3所示。
以图3所示的Pareto曲线为基础,采用CV-ITOPSIS法对方案进行优选。其中,CV法通过各评价指标当前值相对单位均值的差异化程度来对指标进行客观赋权。CV是一种相对波动的衡量指标,一方面可以解决量纲化问题;另一方面可以有效检验不同指标间数据是否存在显著差异,差异程度越大则赋权越重。目标间的相关系数与权重计算结果见表1;
随着入库径流的减少,两指标间权重占比的表现为:年发电量权重逐渐下降,年均生态保证程度权重逐渐升高。这与单目标调度结果得到的竞争关系一致,即来水充足的情况下优先考虑发电效益,来水不足的情况下水库需要采取措施来提高生态效益。故在决策过程中,赋予各典型年如表1所示的权重是符合实际运行情况的,体现出CV法的优越性。结合上述确定的各指标权重,计算CV-ITOPSIS方法下的各评价方案与正、负理想解的相对贴近度。将所得评价结果与传统欧式距离下的TOPSIS方法评价结果进行对比,如图4所示。
(1) 丰、平、枯三典型年在CV-ITOPSIS方法下排序前十的方案分别稳定在方案50、方案40、方案25附近。在来水充足的情况下,系列方案同时兼顾了发电效益与生态效益;而对于来水较少的平、枯水年,系列方案则优先考虑生态效益,这样的决策符合实际生产需求,体现出CV-ITOPSIS方法的适用性。此外,本实施例对Pareto曲线采用一种非拟合曲线的方式来判断离散型函数的近似拐点,如图3所示。三典型年的最优方案也对应或接近Pareto前沿曲线的拐点方案,这表明所得的决策方案已达到多目标平衡状态,符合多目标转换规律。
(2) CV-ITOPSIS方法的决策结果中,最优方案之前的方案其决策结果受较多因素所影响,各方案的排序情况与评价体系指标间的权重及相关程度关系密切。最优方案之后的方案,随着发电量的增加,其相对贴近度逐渐降低,此时方案的优劣程度主要由生态保证程度的大小决定。
(3) CV-ITOPSIS方法与传统TOPSIS方法得到的最优方案与排序结果并不完全一致。但从排序前十的系列方案可以看出,两种决策方法均未推荐发电量最大的方案作为最优方案。这是权衡指标间的综合效益的结果,在一定程度上体现了多属性决策方法应用于方案评价时的合理性。对两种决策方法计算所得的相对贴近度进行相关性分析,结合表1与图3可以看出,两者评价结果在整体趋势上呈现一致性。这表明基于马氏距离计算的评价结果在对指标进行有效赋权及剔除指标间重叠信息的同时,仍保留了TOPSIS良好的综合评价性能。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种面向生态的多目标水库优化调度决策方法,其特征在于,包括如下步骤:
S1、根据流域的历史径流资料,分析水文序列的一致性,从而选择使用的径流资料长度;
S2、基于所选长度的径流资料,确定生态流量过程,该生态流量过程包括最小生态流量和适宜生态流量;所述适宜生态流量的下限采用蒙大拿法计算,适宜生态流量的上限采用逐月频率法计算;
S3、基于下泄流量与最小生态流量、适宜生态流量的关系,构建生态保证程度计算模型;进而根据生态保证程度计算模型构建目标函数和约束条件,得到多目标优化调度模型;求解该多目标优化调度模型得到帕累托最优解集;
所述生态保证程度计算模型为:
其中,D e,t 表示河道t时段生态保证程度,Q t 表示水电站t时段下泄流量,Q min,t 表示最小生态流量,Q d,t 表示适宜生态流量下限,Q u,t 表示适宜生态流量上限;
S4、从帕累托最优解集中确定最优解,即最优水库调度方案;
从帕累托最优解集中确定最优解,包括如下步骤:
S41、基于帕累托最优解集构建原始决策评价矩阵,该原始决策评价矩阵包括m个方案,n个指标;并将原始决策评价矩阵转化为标准化矩阵R;
S42、基于标准化矩阵R计算各指标的均值、标准差,进而计算得到变异系数:
其中,A j 、S j 、V j 分别为第j个指标的均值、标准差、变异系数;r ij 为标准化矩阵R中第i个方案中第j个指标的值;
S43、基于变异系数计算各指标的权重w j :
S44、根据标准化矩阵确定帕累托最优解集的正、负理想解方案Z+、Z-;
S45、确定各方案相对正、负理想解方案的马氏距离:
其中,D i +、D i -分别为第i个方案与正、负理想解方案的马氏距离;w为指标权重,,/>表示协方差矩阵的逆矩阵;
S46、计算各方案与正、负理想解方案的相对贴近度C i :
其中,C i 为第i个方案的相对贴近度;进而以相对贴近度值最大的方案为最优水库调度方案。
2.如权利要求1所述的面向生态的多目标水库优化调度决策方法,其特征在于,步骤S1中,根据流域的历史径流资料,分析水文序列的一致性,从而选择使用的径流资料长度,具体为:
若历史径流序列存在突变点,则不满足水文序列一致性要求,此时选择突变点前的历史径流序列为步骤S2使用的径流资料;
若历史径流序列不存在突变点,则满足水文序列一致性要求,此时选择完整的历史径流序列为步骤S2使用的径流资料。
3.如权利要求1所述的面向生态的多目标水库优化调度决策方法,其特征在于,步骤S2中,所述最小生态流量采用逐月最小生态径流法进行确定。
4.如权利要求1所述的面向生态的多目标水库优化调度决策方法,其特征在于,步骤S41具体包括:
基于帕累托最优解集构建原始决策评价矩阵X如下:
进而将原始决策评价矩阵X中数据标准化,得到标准化矩阵R :
其中,x ij 为原始决策评价矩阵中第i个方案中第j个指标的值。
5.如权利要求1-4任一项所述的面向生态的多目标水库优化调度决策方法,其特征在于,步骤S3中,所述多目标优化调度模型的目标函数包括:
其中,E表示水库在调度期T内的发电量,K表示水电站综合出力系数,Q t 表示水电站t时段下泄流量,H t 表示水电站t时段平均发电水头,Δt为计算时段时间长度;P表示下游河道在调度期T内的年均生态保证程度,D e,t 表示河道t时段生态保证程度。
6.一种面向生态的多目标水库优化调度决策系统,其特征在于,包括处理器,所述处理器用于执行如权利要求1-5任一项所述的面向生态的多目标水库优化调度决策方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的面向生态的多目标水库优化调度决策方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310940187.2A CN116681312B (zh) | 2023-07-28 | 2023-07-28 | 一种面向生态的多目标水库优化调度决策方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310940187.2A CN116681312B (zh) | 2023-07-28 | 2023-07-28 | 一种面向生态的多目标水库优化调度决策方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116681312A CN116681312A (zh) | 2023-09-01 |
CN116681312B true CN116681312B (zh) | 2023-10-31 |
Family
ID=87785770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310940187.2A Active CN116681312B (zh) | 2023-07-28 | 2023-07-28 | 一种面向生态的多目标水库优化调度决策方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681312B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172492B (zh) * | 2023-09-13 | 2024-04-30 | 大连理工大学 | 一种水库生态调度方案确定方法、系统、电子设备及介质 |
CN117744501B (zh) * | 2024-01-19 | 2024-05-28 | 水利部水利水电规划设计总院 | 考虑生态流量的水网系统调蓄节点优化调度与决策方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005285090A (ja) * | 2003-12-24 | 2005-10-13 | Yamaha Motor Co Ltd | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
KR20180116820A (ko) * | 2017-04-18 | 2018-10-26 | 연세대학교 산학협력단 | 다중 가중치 산정 및 topsis를 이용한 단위유역별 수자원 취약성 평가 방법 |
CN112036632A (zh) * | 2020-08-26 | 2020-12-04 | 三峡大学 | 一种梯级水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法 |
CN112132488A (zh) * | 2020-10-10 | 2020-12-25 | 陕西省引汉济渭工程建设有限公司 | 一种耦合建模-优化-优选的水库生态调度方法 |
CN112184070A (zh) * | 2020-10-28 | 2021-01-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 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 |
CN114611759A (zh) * | 2022-02-14 | 2022-06-10 | 河北工业大学 | 一种公路大中修沥青路面养护方案的优化方法 |
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11009001B2 (en) * | 2017-12-22 | 2021-05-18 | Dalian University Of Technology | Method for multi-objective optimal operations of cascade hydropower plants based on relative target proximity and marginal analysis principle |
CN112966805B (zh) * | 2021-03-15 | 2022-10-18 | 河海大学 | 一种基于图卷积神经网络和nsga-ⅱ算法的水库调度多目标优化方法 |
-
2023
- 2023-07-28 CN CN202310940187.2A patent/CN116681312B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005285090A (ja) * | 2003-12-24 | 2005-10-13 | Yamaha Motor Co Ltd | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
KR20180116820A (ko) * | 2017-04-18 | 2018-10-26 | 연세대학교 산학협력단 | 다중 가중치 산정 및 topsis를 이용한 단위유역별 수자원 취약성 평가 방법 |
CN112036632A (zh) * | 2020-08-26 | 2020-12-04 | 三峡大学 | 一种梯级水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法 |
CN112132488A (zh) * | 2020-10-10 | 2020-12-25 | 陕西省引汉济渭工程建设有限公司 | 一种耦合建模-优化-优选的水库生态调度方法 |
CN112184070A (zh) * | 2020-10-28 | 2021-01-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 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 |
CN114611759A (zh) * | 2022-02-14 | 2022-06-10 | 河北工业大学 | 一种公路大中修沥青路面养护方案的优化方法 |
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 |
Non-Patent Citations (4)
Title |
---|
基于改进TOPSIS的水库水沙联合调度方案评价;李继伟;纪昌明;张新明;石萍;刘方;;中国农村水利水电(10);全文 * |
基于生态流量区间的多目标水库生态调度模型及应用;张召等;《南水北调与水利科技》;正文第96-101页 * |
张召等.基于生态流量区间的多目标水库生态调度模型及应用.《南水北调与水利科技》.2016,正文第96-101页. * |
李继伟 ; 纪昌明 ; 张新明 ; 石萍 ; 刘方 ; .基于改进TOPSIS的水库水沙联合调度方案评价.中国农村水利水电.2013,(10),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116681312A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116681312B (zh) | 一种面向生态的多目标水库优化调度决策方法及系统 | |
CN110782366B (zh) | 一种基于情景不确定性的供水管网多目标优化调控方法 | |
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 | |
CN111695793B (zh) | 一种综合能源系统用能灵活性评价方法及系统 | |
CN112084705B (zh) | 一种用于综合能源系统的并网协调规划方法及系统 | |
CN103023065A (zh) | 一种基于相对误差熵值法的风电短期功率预测方法 | |
CN113095791A (zh) | 一种综合能源系统运行方法及系统 | |
CN110197296B (zh) | 一种基于时间序列相似性的机组负荷预测方法 | |
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 | |
CN112132488A (zh) | 一种耦合建模-优化-优选的水库生态调度方法 | |
CN110895773A (zh) | 一种基于广义需求侧资源的dbn电网负荷预测方法及装置 | |
CN104182804A (zh) | 一种预测出力不确定小水电与大中型水电站协调的日前发电方法 | |
CN112184479A (zh) | 一种水库群调度规则型式和参数对气候变化的适应性研究方法 | |
CN112465286A (zh) | 一种电动汽车充电网络服务能力评价方法 | |
CN115860192A (zh) | 基于模糊神经网络和遗传算法的供水管网优化调度方法 | |
CN115456406A (zh) | 一种综合能源系统的评估方法、装置、设备以及存储介质 | |
CN117744501B (zh) | 考虑生态流量的水网系统调蓄节点优化调度与决策方法 | |
CN114595762A (zh) | 一种光伏电站异常数据序列提取方法 | |
CN116029559B (zh) | 一种电力系统基建项目组合方案决策方法 | |
CN115796341A (zh) | 一种基于碳效码的企业低碳经济表现的协同测度方法 | |
CN115204944A (zh) | 一种计及全寿命周期的储能最优峰谷价差测算方法及装置 | |
CN111079066B (zh) | 一种水库群发电生态两目标竞争关系分析方法 | |
Luo et al. | Optimal scheduling of electrolyzer in power market with dynamic prices | |
CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 | |
CN114742285B (zh) | 一种居民电力消费模式预测模型的构建方法及其应用 |
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 |