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

摘要

本发明涉及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实现该方法的系统，其中所述方法通过分析水‑能源‑环境之间的纽带关系，构建水、能源、环境一体化的耦合分析系统，进一步针对西南水电的特点，分析以水为串联主线的协调技术，通过步骤一、获取分析源数据；步骤二、根据源数据计算河道生态流量；步骤三、建立梯级调度目标函数、分析优化约束条件；步骤四、建立智能求解算法模型，进一步对梯级调度方法进行优化；步骤五、确定多目标决策的最佳协调解。其中，结合智能进化算法实现对数据的优化选择，在政策的制定及梯度调度方面提供了最优方案制定的依据。

说明书

技术领域

本发明涉及水库群优化调度领域，具体涉及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。

背景技术

水库是在水资源系统中存储和重新分配自然水资源的重要工程措施，通常具有多功能属性，在经济、社会、生态环境等方面产生多重好处，包括防洪、发电、航运、供水、和生态等。为追求水资源高效开发利用和经济效益最大化，部分水库的运行模式未充分考虑下游减水河段生态需求，造成了河流生态系统不同程度的破坏。

现有技术中为满足水库大坝下游减水河段生态环境流量需求，研究人员将生态因素纳入水库运行调度中，提出以生态流量为主的水库生态调度。然而当前有关水库生态调度的研究，多以单一目标生态环境流量来表征下游减水河段生态流量需求，如生态基流，用于维持河道基本生态系统，忽略了河道其他生态环境状况，如最大、极好和最佳等。

发明内容

发明目的：一个目的是提供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，以实现水库群发电与生态协调，克服现有技术的不足。进一步目的是提供一种实现所述方法的系统，以解决现有技术存在的上述问题。

技术方案：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，通过对河道生态流量的计算、梯级水库群调度条件的约束分析、智能求解算法模型的构建、多目标决策优选，进行调度方法的优化，其流程具体划分如下：

步骤一、获取等待分析的数据；

步骤二、计算河道生态流量；

步骤三、建立梯级调度目标函数、分析优化约束条件；

步骤四、建立智能求解算法模型；

步骤五、确定多目标决策的最佳协调解。

在进一步的实施例中，所述步骤一进一步为获取用于后续步骤分析使用的数据，其中后续步骤中计算使用的源数据，包含历史各个时期采集到的水库群的各个参数信息，其中数据的来源于信息采集设备获取的相关参数信息，历史信息读取的方式为从数据存储的数据库中进行读取。

在进一步的实施例中，所述步骤二进一步基于蒙大拿法的分级标准，对VMF法进行扩展与分级，并提出一种多种生态环境状况河道生态流量确定方法，即基于月平均流量的特定百分比将栖息地定性描述为6个级别，所述级别进一步划分为差、适宜、好、非常好、极好和最佳。其中根据不同比例的月平均流量，将不同月份对应的生态流量进一步划分为月平均流量为80％至100％的丰水期、月平均流量为40％至80％的平水期、月平均流量为0至40％的枯水期。按照蒙大拿法生态流量标准，以10％的月平均流量作为最小生态流量，即最差状态。其中适宜至最佳状态，设置以10％月平均流量逐级递减的5个等级，当生态流量为100％月平均流量时，达到最佳状态。

在进一步的实施例中，所述步骤三进一步为建立目标函数和约束条件；其中梯级水电站群多目标优化调度主要目标为梯级发电量最大、梯级发电保证率最大和河段生态流量保证率最大，三个目标呈现相互竞争关系，因此对应的目标函数为E

其中E

N

式中：E

E

式中：E

E

式中：E

在进一步的实施例中，所述步骤三分析梯级水库群的调度约束条件，其中约束条件进一步包括水量平衡约束、水位约束、流量约束、出力约束、调度期初末时刻水位约束。其中所述水量平衡约束条件进一步为：

V

式中，V

其中所述水位约束条件进一步为：

式中，

其中所述流量约束条件进一步为：

式中，Q

其中所述出力约束条件进一步为：

0≤N

式中，N

其中所述调度期初末时刻水位约束条件进一步为：

Z

其中，Z

在进一步的实施例中，所述步骤四进一步为：采用带精英策略的快速非支配排序遗传算法对水库群多目标优化调度模型进行求解，进一步对约束条件采取最优选择方法，其具体流程如下：

步骤4-1、初始化种群；

步骤4-2、对初始化后的种群进行非支配排序和拥挤度计算；

步骤4-3、对生成的子代种群进行选择、交叉、变异的操作；

步骤4-4、将父代种群与子代种群合并；

步骤4-5、对产生新的种群进行非支配排序和拥挤度计算；

步骤4-6、选取符合条件的个体组成新的父代种群；

步骤4-6、判断是否满足循环终止条件；

步骤4-7、满足终止条件，则输出结果，否则跳转至步骤4-3。

在进一步的实施例中，所述步骤五进一步为采用基于熵权的TOPSIS法对所得的帕累托非劣解集进行优选，确定最佳协调解。基于熵权的TOPSIS法进一步包含熵权法和TOPSIS法两部分。其中熵权法是一种客观赋权法，仅依赖于数据本身的离散性，具有操作性和客观性强的特点。熵是信息论中对不确定性的一种度量，不确定性越大，熵就越大，反之亦然。在评价过程中，某指标的离散程度越大，则该指标的权重越大。具体实现流程划分为如下步骤：

步骤5-1、数据标准化；

步骤5-2、计算第j项指标下第i个样本值占该指标的比重p

步骤5-3、计算第j项指标的熵值；

步骤5-4、计算各项指标的权重u

其中所述p

式中，a

式中，e

式中，e

TOPSIS法是一种有效常用的的处理多目标决策问题分析方法，根据评价指标体系及相应的决策值，定义正负理想解，然后分别计算待评价方案与正负理想解的距离，从而得到各方案到理想方案的贴近程度，以此作为多目标方案集优劣评价的依据。具体计算步骤如下：

步骤5.1：构造标准化初始矩阵Z；

步骤5.2：构造规范化的加权矩阵；

步骤5.3：确定正、负理想解方案；

步骤5.4：计算评价方案集内各方案相对正、负理想解方案的距离；

步骤5.5：计算各评价方案与正负理想解的相对贴近度C

步骤5.6：以相对贴近度为衡量标准对各方案排序。

一种考虑多种生态流量的梯级水库群多目标优化调度系统，用于实现上述所述方法，其特征在于，包括以下模块：

用于获取数据集的第一模块；

用于计算河道生态流量的第二模块；

用于梯级水库调度的第三模块；

用于建立智能求解模型的第四模块；

用于确定多目标决策依据的第五模块。

在进一步的实施例中，所述第一模块进一步为通过设备信息采集方式以及历史数据的查询，进行数据的获取，其中数据包含历史各个时期采集的水库群的各个参数信息，并将该模块获取的数据集用于后续模块计算使用的源数据；

在进一步的实施例中，所述第二模块进一步基于蒙大拿法的分级标准，对VMF法进行扩展与分级，具体为基于月平均流量的特定百分比将栖息地定性的描述为不同的级别；对于不同的月份进一步按照月份对应的生态流量划分丰水期、平水期和枯水期；按照蒙大法，设置等级，并以10％的月平均流量作为每级递增的数值。

在进一步的实施例中，所述第三模块进一步包括目标函数建立模块、约束条件分析模块；其中目标函数建立模块进一步包括梯级发电量函数模块、梯级发电保证率最大函数模块、河段生态流量保证率最大函数模块，且三者之间呈现相互竞争的关系。

在进一步的实施例中，所述约束条件分析模块进一步包括约束数据获取模块和约束条件分析模块；其中所述数据获取模块进一步包括水位信息采集模块、水量信息采集模块、信息反馈模块、电力出力信息采集模块、数据处理中心控制模块；所述水位信息采集模块用于实时获得水库群水位信息；所述水量信息采集模块用于实时获取水库的蓄水量；所述电力出力信息采集模块用于实时获取电站的出力情况，并通过云端与信息反馈模块连接，将采集的信息反馈至数据处理控制中心模块；所述信息反馈模块用于实时反馈信息采集模块获取到的信息到数据处理控制中心模块；所述信息采集模块位于待采集水体的本地端，所述数据处理中心控制模块位于云端、且与所述信息采集模块通信连接。

在进一步的实施例中，所述约束条件分析模块进一步包括水量平衡约束模块、水位约束模块、流量约束模块、出力约束模块、调度期初末时刻水位约束模块。

在进一步的实施例中，所述第四模块进一步采用带精英策略的快速非支配排序遗传算法用于对梯级水库群多目标优化调度模型求解，即通过分析第三模块中获得的水量控制线、水位控制线、流量控制线、出力达标线、调度期初末时刻水位控制线组成的综合控制线，综合获得最优解；其中，所述综合控制线具体为一组与时间相关的水位过程线。

建立智能求解算法优化模型，即通过分析步骤三中获得的水量控制线、水位控制线、流量控制线、出力达标线、调度期初末时刻水位控制线组成的综合控制线，建立优化模型，并采用带精英策略的快速非支配排序遗传算法对梯级水库群多目标优化调度模型求解。其中，所述综合控制线具体为一组与时间相关的水位过程线，当水库在所有调度期内均按综合控制线控制库水位时，可以得到多年总的最优发电量。

在进一步的实施例中，所述第五模块进一步采用基于熵权的TOPSIS法对所得的帕累托非劣解集进行优选，确定最佳协调解；其中采用方法包括熵值权重计算模块、多目标方案优选模块；其中所述多目标方案优选模块进一步通过评价指标体系及相应的决策值，根据正负理想解，计算待评价方案与正负理想解的距离，从而得到方案到理想方案的贴近程度，并将获得的贴近程度作为多目标方案集优劣评价的依据。

有益效果：本发明通过分析西南地区水能开发与水电基地建设与区域水资源安全、能源安全和生态环境保护的协同关系，提出以水为串联主线的协调技术及其方法，梳理清晰水电基地的水-能源-环境纽带关系的属性特征。提出一种改进的生态流量计算方法，体现河道生态流量的季节性变化和水文节律，并与天然流量变化特征保持一致。本发明考虑多种生态流量的梯级水库群多目标优化调度方法及系统，不仅能够体现梯级水库群生态优先下的发电调度，同时还能缓解水电开发生态保护与发电效益的矛盾。进一步采用智能算法实现梯级调度的问题，在有限的计算内获得接近最优解的方案，为水库大坝下游减水河段的生态修复和保护提供科学依据。

附图说明

图1为本监控系统的结构示意图。

图2为本发明提出的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流程图。

图3为本发明采用的模型求解方法计算流程图。

图4为平水年下情景E1-E7的帕累托非劣解集和最佳协调解图。

图5为平水年下情景E1-E7锦屏一级和二滩水库库区月末水位图。

图6为平水年下情景E1-E7锦屏一级和二滩下泄流量图。

图7为实际平均生态流量与电能损失量的关系图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

西南水电基地水能资源富集，利用河流的天然落差开发水电，通过梯级调度的方式，提供优质的清洁能源。为了描述水、能源、环境要素构成体系的关联程度，本发明在理论研究和案例分析的基础上，构建了一种基于水-能源-环境协调配置耦合系统，通过分析西南水能开发、水电基地建设、区域水资源安全、能源安全和生态环境保护的协同关系，提出以水为串联主线的协调技术及其梯级调度方法。基于上述所述耦合系统，提出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，探究生态流量与发电的权衡关系。为更好阐述本发明提出的方法及实现该方法的系统，以下采用雅砻江下游梯级水库群具体实施例进行阐述，但该实施例并不作为对本发明自身的限制。

该方法具体实现流程如下：

步骤一、获取待分析数据，所述待分析数据为雅砻江下游梯级水库群水库特征数据资料、锦屏一级水库多年入库径流资料(1958-2018年)、各水库的区间入流、下渗、蒸发和坝址流量资料。

步骤二、根据步骤一获取的资料计算河道生态流量，所述河道生态流量的计算方法为基于蒙大拿法的分级标准，对VMF法进行扩展与分级，即基于月平均流量的特定百分比将栖息地定性描述为6个级别，所述级别进一步划分为差、适宜、好、非常好、极好和最佳。其中根据不同比例的月平均流量，将不同月份对应的生态流量进一步划分为月平均流量为30％的丰水期、月平均流量为45％的平水期、月平均流量为60％的枯水期。按照蒙大拿法生态流量标准，以10％的月平均流量作为最小生态流量，即最差状态。其中适宜至最佳状态，设置以10％月平均流量逐级递减的5个等级，当生态流量为100％月平均流量时，达到最佳状态。河道生态环境状况对应的流量具体如表1所示。

表1河道生态环境状况和对应的流量

根据获取的水库群资料，计算雅砻江下游梯级水库群减水河道的生态流量，其中锦屏一级水库中，根据其河道内生态环境状况，划分7种生态流量情景，即E1-E7，如表2所示，表中情景E1未考虑生态流量，作为参照情景，E7为河道生态需求最佳的状态。

表2锦屏一级电站下游减水河段生态流量(m

步骤三、建立梯级调度目标函数，分析梯级水库群的调度约束条件；其中目标函数的建立用于评价优化调度的目标，进一步为梯级发电量最大、梯级发电保证率最大和河段生态流量保证率最大，且三者之间呈现相互竞争的关系。其中所述约束条件包括水量平衡约束V

所述目标函数的建立中梯级发电量最大函数，进一步为：

N

式中，E

所述目标函数的建立中梯级发电保证率最大函数，进一步为：

式中，E

所述目标函数的建立中河段生态流量保证率最大函数，进一步为：

式中，E

所述约束条件中水量平衡约束进一步为：

V

式中，V

所述约束条件中水位约束进一步为：

式中，

所述约束条件中流量约束条件进一步为：

式中，

所述约束条件中出力约束条件进一步为：

0≤N

式中，N

所述约束条件中调度期初末时刻水位约束条件进一步为：

Z

式中，Z

步骤四、建立智能求解算法优化模型，即通过分析步骤三中获得的水量控制线、水位控制线、流量控制线、出力达标线、调度期初末时刻水位控制线组成的综合控制线，建立优化模型，并采用带精英策略的快速非支配排序遗传算法对梯级水库群多目标优化调度模型求解。其中，所述综合控制线具体为一组与时间相关的水位过程线，当水库在所有调度期内均按综合控制线控制库水位时，可以得到多年总的最优发电量。

其中对梯级水库群多目标优化调度模型求解的过程进一步划分为如下步骤：

步骤4-1、初始化种群；

步骤4-2、对初始化后的种群进行非支配排序和拥挤度计算，并生成第一代子代种群；

步骤4-3、对生成的子代种群进行选择、交叉、变异的操作；

步骤4-4、将父代种群与子代种群合并，并进行非支配排序，同时对每个非支配层中的个体进行拥挤度计算；

步骤4-5、根据步骤4-4中的非支配关系和计算出的拥挤度，选取符合条件的个体组成新的父代种群；

步骤4-6、判断演化的子代数量是否不超过最大进化代数N

步骤五、确定最佳协调解；该步骤进一步为采用基于熵权的TOPSIS法对所得的帕累托非劣解集进行优选，其中所述的基于熵权的TOPSIS法进一步包含熵权法和TOPSIS法两部分。其中所述熵权法是一种客观赋权法，仅依赖于数据本身的离散性，具有操作性和客观性强的特点。熵是信息论中对不确定性的一种度量，不确定性越大，熵就越大，反之亦然。在评价过程中，待评价指标的离散程度越大，则该指标的权重越大，具体流程划分如下：

步骤5-1、标准化数据；

步骤5-2、计算第j项指标下第i个样本值占该指标的比重p

式中，a

步骤5-3、计算第j项指标的熵值e

式中：e

步骤5-4、计算各项指标的权重u

式中：e

其中所述TOPSIS法根据评价指标体系及相应的决策值，定义正负理想解，然后分别计算待评价方案与正负理想解的距离，从而得到各方案到理想方案的贴近程度，以此作为多目标方案集优劣评价的依据。其具体实现流程进一步为：

步骤5.1、构造标准化初始矩阵Z，即：

步骤5.2、构造规范化的加权矩阵，通过熵权法计算指标权重为：W＝[w

式中，diag(W)为指标权重向量W对应的对角矩阵。

步骤5.3、确定正、负优选方案，进一步为基于加权矩阵，确定待评价方案集的正、负理想解方案S

式中，r

步骤5.4、计算评价方案集内各方案相对正、负理想解方案的距离，即

式中，

步骤5.5、计算各评价方案与正负理想解的相对贴近度C

式中，C

步骤5.6、以相对贴近度为衡量标准对各方案排序。

通过模型求解和决策优选，得到平水年(P＝50％)雅砻江下游梯级水库群在不同生态流量下的帕累托非劣解集和最佳协调解，如图4和表4所示。其中锦屏一级和二滩水库平水年下运行水位和下泄流量如图5和6所示。

表4平水年下情景E1-E7最佳协调解表

为进一步说明梯级水电站群生态流量与发电的关系，五种典型水文年，即：特枯水年、偏枯水年、平水年、偏丰水年和特丰水年，情景E2-E7较未考虑生态的E1情景，梯级电能损失量如表5所示。五种典型水文年平均生态流量与梯级电能损失的关系如图7所示。本发明提供的考虑多种生态流量的梯级水库群多目标优化调度结果合理可靠，并能够量化生态流量与梯级发电量的关系，为雅砻江下游的生态修复和保护提供科学依据，同时为多种生态环境状况下梯级水电站群生态调度提供参考。

表5五种典型水文年情景E2-E7较E1梯级电能损失量

根据上述方法，构建用于实现该方法的系统，进一包括用于获取数据集的第一模块；

用于计算河道生态流量的第二模块、用于梯级水库调度的第三模块、用于建立智能求解模型的第四模块、用于确定多目标决策依据的第五模块。

水库是在水资源系统中存储和重新分配自然水资源的重要工程措施，通常具有多功能属性，在经济、社会、生态环境等方面产生多重好处，包括防洪、发电、航运、供水、和生态等。本发明通过构建水、能源、环境一体化的耦合分析系统，进一步针对西南水电的特点，分析以水为串联主线的协调技术，结合智能进化算法实现对数据的优化选择，从而进一步作为最优方案制定的依据。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。