梯级水库汛期运行水位协同浮动的运用方法与流程

1.本发明属于水库调度的技术领域，具体涉及一种梯级水库汛期运行水位协同浮动的运用方法。


背景技术：

2.水库汛期运行水位浮动运用是一种实现流域洪水资源化，提高水资源利用水平和供水保障能力的有效方法。水库汛期运行水位调度理论与方法有了长足进步，从单一静态运用、分期静态运用进阶至浮动运用，在有效预泄时间内基于水文预报、预报预泄法和风险防控实现水库汛期运行水位浮动运用，可在不增加防洪风险的前提下显著提高流域洪水资源化综合效益。相比单个水库汛期运行水位浮动运用，梯级水库汛期运行水位协同浮动运用的技术难点和挑战包括：
①
水文预报与梯级水库调度的互馈机理复杂，水力关联难以有效仿真模拟，达成预报调度一体化的难度更大；
②
预报预泄法可逐步推导出梯级水库中各水库汛期运行水位上浮的浮动量，却无法解析梯级水库防洪库容补偿机理，难以实现水库之间防洪库容的等效置换。


技术实现要素：

3.本发明的目的在于针对现有技术的不足之处，提供一种梯级水库汛期运行水位协同浮动的运用方法，该方法以机器学习模型作为复杂水力联系的代理模型，对梯级水库水力联系和互馈影响进行高效仿真模拟，可大幅提升仿生进化算法的寻优效率，对梯级水库汛期运行水位协同浮动运用的预报调度一体化程度更高且可实现梯级水库防洪库容的等效置换。
4.为解决上述技术问题，本发明采用如下技术方案：
5.一种梯级水库汛期运行水位协同浮动的运用方法，包括如下步骤：
6.步骤一，剖析梯级水库防洪库容的补偿机理，厘清梯级水库汛期运行水位协同浮动关系；
7.步骤二，对多个梯级水库，考虑梯级水库间水力联系，依从上游至下游顺序采用预报预泄法推求各水库汛期运行水位上浮的浮动量；
8.步骤三，建立以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数、水库出库流量为决策变量的协同优化模块，并根据该协同优化模块优化防洪库容等效置换系数和梯级水库汛期运行水位浮动量。
9.进一步地，步骤一中采用库容置换方法剖析梯级水库防洪库容补偿机理，其中，库容置换过程如下：
10.若梯级水库按上游至下游依次编号为1,2,
…
,n，梯级水库相应的防洪库容分别为随机生成一个防洪库容置换系数矩阵随机生成一个防洪库容置换系数矩阵则梯级水库的汛期运行水位浮动为
其中，f1(
·
),f2(
·
),
…
,fn(
·
)为第1,2,
…
,n个水库的库容转水位的函数；
11.梯级水库的防洪库容置换需满足如下限定性约束条件：
[0012][0013]
式中：为第i个水库的防洪库容置换系数；当时，代表水库的防洪库容减少且相应的汛期运行水位向上浮动；当时，代表水库的防洪库容不变且相应的汛期运行水位维持分期汛限水位；当时，代表水库的防洪库容增加且相应的汛期运行水位向下浮动。
[0014]
进一步地，所述步骤二中梯级间水库间水力联系模拟如下：
[0015]
先利用水文学法和水动力学法模拟第2,3,
…
,n个水库的入库流量，得到水库入库流量样本，然后利用这些样本训练机器学习模型，得到梯级间水力联系的代理模型，相邻水库水力联系计算式如下：
[0016][0017]
式中，为第i个水库t-1时刻的出库流量；为第i+1个水库t-1时刻的出库流量；为第i+1个水库t时刻的入库流量；为第i+1个水库t时刻的区间入流；g(
·
)为机器学习模型的映射函数。
[0018]
进一步地，所述步骤二中基于预报预泄法推求水库汛期运行水位上浮的浮动量如下：
[0019]
综合考虑降雨预报及洪水预报预见期长度或精度、预泄能力约束和下游安全泄量，水库在有效预泄时间内按预泄能力对应的提前泄流水量将水库汛期运行水位向上浮动，浮动量δz计算如下：
[0020][0021][0022][0023][0024][0025][0026]
式中：δzi为第i个水库汛期运行水位上浮的浮动量；ti为第i个水库有效预泄时间；为有效预泄时间内第i个水库的平均预报入库流量，为有效预泄时间内第i个水库的平均出库流量；为第i个水库t时刻的入库流量，为第i个水库t时刻的出库流量；εi(t)为第i个水库t时刻入库流量的预报误差；为第i个水库下游防护目标的堤防过流能力；为第i个水库的水文预报预见期，含降雨预报和洪水预报预见期；为第i
个水库作业预报时间、决策时间和闸门操作时间之和；δt为计算时段；wi为有效预泄时间内第i个水库的预泄水量。
[0027]
进一步地，步骤三中，以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数分别为：
[0028][0029][0030]
式中：fr为防洪风险最小化目标函数，hg为发电量最大化目标函数；vi(t)为第i个水库t时刻的库容；为第i个水库分期汛限水位对应的库容；m为年数或场次洪水数；pi(t)为第i个水库t时刻的出力；min{
·
}为最小化函数，max{
·
}为最大化函数；
[0031]
在建立上述的优化目标函数后，以水库出库流量为决策变量，综合考虑防洪库容置换、预报预泄过程、防洪调度规则、水力联系和水库水位、流量、出力约束，采用元启发式优化算法协同优化梯级水库调度过程，推求防洪库容等效置换系数和梯级水库汛期运行水位协同浮动量。
[0032]
进一步地，步骤三中的目标函数及各水库/电站需满足以下约束条件：
[0033]
a.水量平衡约束：
[0034][0035]
式中，vi(t)和vi(t+1)分别为第i个水库t时刻和t+1时刻的库容；为第i个水库t时刻的入库流量，为第i个水库t时刻的出库流量，分别为第i个水库t时刻的损失流量；
[0036]
b.相邻水库水力联系：
[0037][0038]
式中，为第i个水库t-1时刻的出库流量，分别为第i个水库t时刻的出库流量；为第i+1个水库t-1时刻的出库流量，分别为第i+1个水库t时刻的入库流量；为第i+1个水库t时刻的区间入流；g(
·
)为机器学习模型的映射函数；
[0039]
c.水库水位约束：
[0040][0041]
式中，z(t)为第i个水库t时刻的库水位；为第i个水库运行水位下限，汛期取分期汛限水位；为第i个水库运行水位上限，汛期取步骤二中推求的汛期运行水位：
[0042]
d.水库出库流量约束：
[0043]
[0044]
式中，为第i个水库出库流量下限，综合考虑灌溉、航运和生态环境需求来定；为第i个水库出库流量上限，由下游堤防过流能力、水电站过流能力和水库泄流能力决定；
[0045]
e.水电站出力约束：
[0046][0047]
式中，为第i个水库水电站的出力下限，分别为第i个水库水电站的出力上限。
[0048]
进一步地，步骤三中以元启发式优化算法根据协同优化模块求解防洪库容等效置换系数和梯级水库汛期运行水位浮动量的过程如下：
[0049]
①
初始化蝗虫算法参数和编码决策变量；设置蝗虫种群规模n
pop
、最大迭代次数i
max
、衰减系数的最小值c
min
和最大值c
max
；采用实数编码方式编码并随机生成一定规模的决策变量，即水库出库流量
[0050]
②
评价适应度；对种群进行快速非支配排序，将蝗虫种群划分等级；计算蝗虫种群的拥挤距离；执行轮盘操作选择适应度最大个体，以生成规模仍为n
pop
的子代蝗虫种群；
[0051]
③
更新衰减系数和蝗虫个体在集群中位置；模拟梯级水库防洪库容置换、预报预泄过程、防洪调度规则和水力联系，且需满足水库水位/流量/出力约束，依据蝗虫集群行为，将蝗虫个体活动区域划分为吸引区(0,a1]、舒适区(a1,a2]、排斥区(a2,a3]，其中0《a1《a2《a3；对第k次迭代，衰减系数ck更新计算式和蝗虫个体在集群中位置的计算式分别如下：
[0052]ck
＝c
max-k(c
max-c
min
)/i
max
；
[0053][0054][0055]
式中，ck为第k次迭代的衰减系数，用于调整吸引区、舒适区和排斥区范围；为第j个蝗虫个体第d个决策变量的位置向量，其中，d＝1,2,
…
,d，d为决策变量数目；为第d个决策变量的最佳位置向量；ud为第d个决策变量约束的上限，ld为第d个决策变量约束的下限；第n个蝗虫个体的第d个，决策变量的位置，为第j个蝗虫个体的第d个决策变量的位置；为从第j个蝗虫个体位置到第n个蝗虫个体位置的单位向量；s(x)为自变量x的集群行为函数，其中参数f和l分别为吸引区的吸引强度和吸引距离尺度；
[0056]
④
判断计算终止条件；若当前迭代次数小于最大迭代次数i
max
，则重复步骤
②
至
④
；否则终止计算并输出优化结果。
[0057]
与现有技术相比，本发明的有益效果为：
[0058]
1.现有技术对梯级水库水力联系描述以水文学和水动力学方法为主，将其嵌套至水库优化调度过程时易引发计算维数灾问题，本发明以机器学习模型作为复杂水力联系的代理模型，对梯级水库水力联系和互馈影响进行高效仿真模拟，可大幅提升仿生进化算法
的寻优效率，梯级水库汛期运行水位协同浮动运用的预报调度一体化程度更高；
[0059]
2.预报预泄法仅能逐步推导出梯级水库中各水库汛期运行水位上浮的浮动量，本发明提出的库容置换模块和预报预泄模块可解析梯级水库汛期运行水位协同上浮和下浮的浮动量，提出的协同优化模块可实现梯级水库防洪库容的等效置换。
附图说明
[0060]
图1是本发明实施例的梯级水库汛期运行水位协同浮动的运用方法的流程图；
[0061]
图2是本发明实施例的梯级水库防洪库容置换示意图；
[0062]
图3是本发明实施例的梯级水库水力联系仿真模拟示意图。
具体实施方式
[0063]
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动的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。
[0064]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0065]
下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
[0066]
如图1所示，本发明提供一种梯级水库汛期运行水位协同浮动的运用方法，包括以下步骤：
[0067]
步骤一，建立防洪库容置换模块；
[0068]
采用库容置换法随机生成防洪库容置换系数矩阵，揭示梯级水库防洪库容的补偿机理(见图2)，厘清梯级水库汛期运行水位协同浮动关系；在该步骤中，库容置换过程如下：
[0069]
若梯级水库按上游至下游依次编号为1,2,
…
,n，梯级水库相应的防洪库容分别为随机生成一个防洪库容置换系数矩阵随机生成一个防洪库容置换系数矩阵则梯级水库的汛期运行水位浮动为则梯级水库的汛期运行水位浮动为其中，f1(
·
),f2(
·
),
…
,fn(
·
)为第1,2,
…
,n个水库的库容转水位的函数；
[0070]
其中，防洪库容置换需满足的限定性约束条件如下：
[0071][0072]
式中：为第i个水库的防洪库容置换系数；当时，代表水库的防洪库容减少且相应的汛期运行水位向上浮动；当时，代表水库的防洪库容不变且相应的汛期运行水位维持分期汛限水位；当时，代表水库的防洪库容增加且相应的汛期运行水位向下浮动。
[0073]
步骤二，建立预报预泄模块；
[0074]
对于n个梯级水库，考虑梯级水库间水力联系，依从上游至下游顺序采用预报预泄法推求各水库汛期运行水位上浮的浮动量；在该步骤中，先利用水文学法和水动力学法模
拟第2,3,
…
,n个水库的入库流量，得到水库入库流量样本，然后利用这些样本训练机器学习模型，得到梯级间水力联系的代理模型(如图3)，最后采用预报预泄法依从上游至下游顺序推求各水库汛期运行水位上浮的浮动量；
[0075]
其中，机器学习模型仿真模拟相邻水库水力联系的计算式如下：
[0076][0077]
式中，为第i个水库t-1时刻的出库流量；为第i+1个水库t-1时刻的出库流量；为第i+1个水库t时刻的入库流量；为第i+1个水库t时刻的区间入流；g(
·
)为机器学习模型的映射函数；
[0078]
在获取上述的梯级间水力联系的代理模型后，综合考虑降雨预报及洪水预报预见期长度或精度、预泄能力约束和下游安全泄量，水库在有效预泄时间内按预泄能力对应的提前泄流水量将水库汛期运行水位向上浮动，得到浮动量δz计算如下：
[0079][0080][0081][0082][0083][0084][0085]
式中：δzi为第i个水库汛期运行水位上浮的浮动量；ti为第i个水库有效预泄时间；为有效预泄时间内第i个水库的平均预报入库流量，为有效预泄时间内第i个水库的平均出库流量；为第i个水库t时刻的入库流量，为第i个水库t时刻的出库流量；εi(t)为第i个水库t时刻入库流量的预报误差；为第i个水库下游防护目标的堤防过流能力；为第i个水库的水文预报预见期，含降雨预报和洪水预报预见期；为第i个水库作业预报时间、决策时间和闸门操作时间之和；δt为计算时段；wi为有效预泄时间内第i个水库的预泄水量。
[0086]
步骤三，建立协同优化模块；
[0087]
构建以有效预泄时间内防洪风险最小化和发电量最大化为优化目标函数、水库出库流量为决策变量的协同优化模块，采用元启发式优化算法为求解算法根据该协同优化模块优化防洪库容等效置换系数和相应的梯级水库汛期运行水位浮动量；
[0088]
其中，各优化目标函数公式如下：
[0089][0090][0091]
式中：fr为防洪风险最小化目标函数，hg为发电量最大化目标函数；vi(t)为第i个
水库t时刻的库容；为第i个水库分期汛限水位对应的库容；m为年数或场次洪水数；pi(t)为第i个水库t时刻的出力；min{
·
}为最小化函数，max{
·
}为最大化函数；
[0092]
各优化目标函数及各水库/电站需满足以下约束条件：
[0093]
a.水量平衡约束
[0094][0095]
式中，vi(t)和vi(t+1)分别为第i个水库t时刻和t+1时刻的库容；为第i个水库t时刻的入库流量，为第i个水库t时刻的出库流量，分别为第i个水库t时刻的损失流量；
[0096]
b.相邻水库水力联系
[0097][0098]
式中，为第i个水库t-1时刻的出库流量，分别为第i个水库t时刻的出库流量；为第i+1个水库t-1时刻的出库流量，分别为第i+1个水库t时刻的入库流量；为第i+1个水库t时刻的区间入流；g(
·
)为机器学习模型的映射函数；
[0099]
c.水库水位约束：
[0100][0101]
式中，z(t)为第i个水库t时刻的库水位；为第i个水库运行水位下限，汛期取分期汛限水位；为第i个水库运行水位上限，汛期取步骤二中推求的汛期运行水位：
[0102]
d.水库出库流量约束：
[0103][0104]
式中，为第i个水库出库流量下限，需综合考虑灌溉、航运和生态环境需求来定；为第i个水库出库流量上限，由下游堤防过流能力、水电站过流能力和水库泄流能力决定；
[0105]
e.水电站出力约束：
[0106][0107]
式中，为第i个水库水电站的出力下限，分别为第i个水库水电站的出力上限。
[0108]
根据上述的约束条件，在本实施例中，以元启发式优化算法根据上述协同优化模块求解防洪库容等效置换系数和梯级水库汛期运行水位协同浮动量的过程如下：
[0109]
①
初始化蝗虫算法参数和编码决策变量；设置蝗虫种群规模n
pop
＝500、最大迭代次数i
max
＝100、衰减系数的最小值c
min
＝0.005和最大值c
max
＝0.015；采用实数编码方式编
码并随机生成一定规模的决策变量，即水库出库流量
[0110]
②
评价适应度；对种群进行快速非支配排序，将蝗虫种群划分等级；计算蝗虫种群的拥挤距离；执行轮盘操作选择适应度最大个体(即精英保留策略)，以生成规模仍为n
pop
的子代蝗虫种群；
[0111]
③
更新衰减系数和蝗虫个体在集群中位置；模拟梯级水库防洪库容置换、预报预泄过程、防洪调度规则和水力联系，其中水力联系采用机器学习模型仿真模拟(如图3)，且需满足水库水位/流量/出力约束；依据蝗虫集群行为，将蝗虫个体活动区域划分为吸引区(0,1]，舒适区(1,3]，排斥区(3,15]；对第k次迭代，衰减系数ck更新计算式和蝗虫个体在集群中位置的计算式分别如下：
[0112]ck
＝c
max-k(c
max-c
min
)/i
max
；
[0113][0114][0115]
式中，ck为第k次迭代的衰减系数，用于调整吸引区、舒适区和排斥区范围；为第j个蝗虫个体第d个决策变量的位置向量，其中，d＝1,2,
…
,d，d为决策变量数目；为第d个决策变量的最佳位置向量；ud为第d(d＝1,2,
…
,d)个决策变量约束的上限，ld为第d(d＝1,2,
…
,d)个决策变量约束的下限；第n个蝗虫个体的第d(d＝1,2,
…
,d)个决策变量的位置，为第j个蝗虫个体的第d(d＝1,2,
…
,d)个决策变量的位置；为从第j个蝗虫个体位置到第n个蝗虫个体位置的单位向量；s(x)为自变量x的集群行为函数，其中参数f和l分别为吸引区的吸引强度和吸引距离尺度；
[0116]
④
判断计算终止条件：若当前迭代次数小于最大迭代次数i
max
，则重复步骤
②
至
④
；否则终止计算并输出优化结果。
[0117]
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。