技术特征：
1.一种多阶段溃坝智能优化应急调度方法，其特征在于，包括如下步骤：步骤1，获取流域各水库的参数以及特征曲线，确定应急调度过程约束条件，以水库群总坝前最高水位最低以及出库流量平方和最小为调度目标，建立流域梯级水库群应急调度子模型；步骤2，将应急调度子模型与溃口洪水计算模块以及溃坝洪水演进模块无缝耦合，描述梯级水库群应急调度中的溃坝情形；对于梯级水库群应急调度过程中发生溃坝导致水库边界条件突变，算法不易求解的问题，提出多阶段溃坝智能优化应急调度模型，运行模型得到梯级水库群溃坝应急优化调度方案；步骤包括：(1)以流域梯级水库群应急调度子模型为基础，输入参与调度的水库数目及相应约束，通过遗传算法求解调度模型；(2)判断优化调度结果中是否有水库发生溃决，若有水库i发生溃决，保存水库i上游的调度结果，调用溃口洪水计算模块计算溃口洪水，调用溃坝洪水演进模块计算水库i+1的入库流量；(3)将水库i的下游所有水库、相应约束条件以及水库i+1的入库流量作为输入条件，重新优化水库i的下游水库；(4)重复(1)
‑
(3)直至无水库溃决或末水库单库优化完成；最终得到梯级水库群溃坝应急优化调度结果。2.如权利要求1所述的一种多阶段溃坝智能优化应急调度方法，其特征在于，所述的梯级水库群应急调度子模型中，调度过程的库水位通过目标函数进行决策，调度目标函数形式如下：式中，f
obj
为总目标函数；f1和f2分别为水位目标和出库流量目标；α1和α2分别为两子目标权重系数；n为水库数目；t为调度时段；为水库i在调度过程中的最高水位；为水库i在第j时段的出库流量平方。3.如权利要求1所述的一种多阶段溃坝智能优化应急调度方法，其特征在于，所述的梯级水库群应急调度子模型中，需要满足以下约束条件：水量平衡约束、上下游水力联系约束、水库下泄能力约束、水库水位约束。4.如权利要求1所述的一种多阶段溃坝智能优化应急调度方法，其特征在于，所述的大坝溃决计算模块以及溃坝洪水演进模块中，溃坝洪水过程计算公式以及河道演进公式如下：其中，考虑大坝瞬间溃决情形，溃坝洪水洪峰流量计算式如下：式中，q
bmax
为发生溃坝洪水时的洪峰流量；avg{}为取均值；为三种不同溃坝洪水洪峰流量计算经验公式的结果；
溃坝洪水到达下游水库时的流量过程计算式如下：溃坝洪水到达下游水库时的流量过程计算式如下：式中k为系数；w为溃坝时溃口以上的库区蓄水量；t1为下游洪水起涨时间；t2为下游洪峰出现时间；t3为下游洪水结束时间；为溃坝洪水到达下游水库时的最大洪峰流量；v为上下游区间水流流速；l为区间距离；h
m
为下游最大流量对应的河道水深。5.如权利要求1所述的一种多阶段溃坝智能优化应急调度方法，其特征在于，所述的多阶段溃坝智能优化应急调度模型，调度过程的库水位通过目标函数进行决策，调度目标函数形式如下：式中分别为第一、二、m阶段的目标函数；t为水库调度过程中的t时段；k1为第一阶段流域全部水库中，水库k1发生溃决，且k1上游水库均未溃决；k2为第二阶段水库k1的全部下游中，水库k2发生溃决，且k2上游水库均未溃决；为水库k1在时段t的水位；为水库k1的坝顶高程；为水库k2在时段t的水位；为水库k2的坝顶高程。6.如权利要求5所述的方法，其特征在于，通过ga遗传算法求解梯级水库群应急调度模型中采用惩罚函数法计算当前种群中每个个体的适应度，个体的适应度为：式中，f
obj
为式(1)中的目标函数；α3和α4分别为溃坝惩罚因子，若优化后总是有水库发生溃决，则应使溃决尽可能发生在下游水库，同时发生溃决的时刻应尽可能晚，为此引入α3和α4对水位到达坝顶高程的个体进行惩罚。若所有水库均未发生溃坝，则α3和α4分别为0。
技术总结
本发明公开了一种多阶段溃坝智能优化应急调度方法，属于水库调度领域，本发明选取流域内水库群坝前最高水位最低以及出库流量平方和最小为调度目标，建立了梯级水库群应急调度子模型；并将应急调度子模型与溃口洪水计算模块以及溃坝洪水演进模块进行耦合，建立了应急调度、溃决计算与洪水演进无缝连接的动态耦合调用模型；针对溃坝库群条件突变导致的调度过程难以优化求解问题，提出了多阶段溃坝智能优化应急调度模型，实现了流域水库群溃坝应急调度的全局智能优化。本发明建立了溃坝应急调度多阶段智能优化模型，解决了溃坝情形下库群数目改变和边界条件变化导致优化过程被迫中断的难题，为流域梯级水库群溃坝应急调度提供了一种新的思路和方法。了一种新的思路和方法。了一种新的思路和方法。
技术研发人员：陈璐 郭靖 葛林松 谢霄易 薛阳 贺阳 李启龙 葛诚 王司辰 覃叶红萍
受保护的技术使用者：中国电建集团华东勘测设计研究院有限公司
技术研发日：2021.09.22
技术公布日：2022/1/4