公开/公告号CN112529247A
专利类型发明专利
公开/公告日2021-03-19
原文格式PDF
申请/专利权人 中国水利水电科学研究院;华中科技大学;
申请/专利号CN202011206829.9
申请日2020-11-03
分类号G06Q10/04(20120101);G06Q10/06(20120101);G06Q50/26(20120101);G06N3/04(20060101);G06N3/08(20060101);
代理机构42201 华中科技大学专利中心;
代理人李智
地址 100048 北京市海淀区车公庄西路20号
入库时间 2023-06-19 10:19:37
技术领域
本发明属于河道水沙调控领域,更具体地,涉及基于支流水库联合补水的干流排沙优化调度方法和系统。
背景技术
多沙河流的水沙调控问题对区域经济、社会发展以及防洪减灾,保障人民生命财产安全有着关键作用。特别是诸如黄河等典型多沙河流,河道淤积问题严峻,水库修建可拦截上游泥沙,有效改善河道淤积情势。随着我国水库水沙治理的几十年探索,累积了大量水沙调控方面的宝贵经验。如有学者探索黄河三门峡水库调控后凝练的“蓄清排浑”水库运行方式,对后续水库水沙调控提供了重要指导。但随着水库运用时间的累积,水库、河道双重淤积的矛盾日益突出,开展针对水库、河道的综合性水沙优化调控工作尤为重要。
现有水库水沙优化调控研究主要针对干流水库,依据水库冲淤、防洪、生态、发电等不同调度目标构建单目标或多目标的干流水库调度模型、干流水库-河道耦合调度模型以及干流梯级水库-河道耦合模型等,并采用数学规划方法、智能计算等方法进行求解模型,研究取得了大量有效成果。但是,针对支流水库补水作用对干流河道泥沙冲淤影响的研究相对较少。实际上,对于含沙量低的支流河道,支流水库对入库清水进行调蓄、重分配,相机补水配合干流河道泥沙冲淤,可在河道水沙治理方面发挥重要作用,因此,针对支流水库的优化调度研究有重要实际意义。
综上所述,现有针对河道泥沙治理研究的水沙优化调度方法存在主要考虑干流骨干水库作用,忽略了支流水库优化补水过程对河道冲淤的积极影响,使得河道冲淤效益较低的问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于支流水库联合补水的干流排沙优化调度方法和系统,其目的在于考虑支流水库优化补水过程,以加大河道冲淤效益。
为实现上述目的,按照本发明的一个方面,提供了一种基于支流水库联合补水的干流排沙优化调度方法,包括:
S1.获取流域内支流各水库特征数据,以及干流河道平滩流量、生态流量、防洪标准数据;
S2.根据获取得到的数据确定补水排沙调度过程的约束条件,并以干流河道断面补水后输沙增量最大为调度目标,建立河道支流水库联合补水排沙优化调度模型;所述约束条件包括支流水库补水水量约束、干支流水力联系;
S3.将目标调度时期内干流河道补水前流量、含沙量数据、支流水库断面可用补水量作为模型输入,求解所述优化调度模型得到支流补水排沙调度的最优方案。
进一步地,步骤S3具体包括:
利用干流河道断面历史场次洪水的排沙比与来沙系数数据训练BP网络模型,训练好的BP网络模型用于河道输沙过程的排沙比计算;
采用GA算法求解所述河道支流联合补水排沙优化调度模型;求解过程中采用训练好的BP网络模型进行河道输沙过程的排沙比计算。
进一步地,所述河道支流水库联合补水排沙优化调度模型为:
式中,T为整个调度时期内的时段个数;Δy
进一步地,支流水库补水水量约束为:
式中,Δb
进一步地,干支流水力联系为:
式中,
按照本发明的另一方面提供了一种基于支流水库联合补水的干流排沙优化调度系统,包括:
数据收集模块,用于获取流域内支流各水库特征数据,以及干流河道平滩流量、生态流量、防洪标准数据;
模型构建模块,用于根据获取得到的数据确定补水排沙调度过程的约束条件,并以干流河道断面补水后输沙增量最大为调度目标,建立河道支流水库联合补水排沙优化调度模型;所述约束条件包括支流水库补水水量约束、干支流水力联系;
模型求解模块,用于将目标调度时期内干流河道补水前流量、含沙量数据、支流水库断面可用补水量作为模型输入,求解所述优化调度模型得到支流补水排沙调度的最优方案。
进一步地,模型求解模块的具体实施过程包括:
利用干流河道断面历史场次洪水的排沙比与来沙系数数据训练BP网络模型,训练好的BP网络模型用于河道输沙过程的排沙比计算;
采用GA算法求解所述河道支流联合补水排沙优化调度模型;求解过程中采用训练好的BP网络模型进行河道输沙过程的排沙比计算。
进一步地,所述河道支流水库联合补水排沙优化调度模型为:
式中,T为整个调度时期内的时段个数;Δy
进一步地,支流水库补水水量约束为:
式中,Δb
进一步地,干支流水力联系为:
式中,
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,能够取得下列有益效果。
(1)本发明考虑了河道输沙过程中输沙量对支流水库联合补水作用的响应,充分发挥流域各支流水库补水对河道冲淤效益的促进作用,有效提高了河道冲淤效益及流域水沙调度效益。
(2)本发明利用河道断面历史场次洪水的排沙比与来沙系数数据,建立BP网络模型用于河道输沙过程的排沙比计算,与GA算法结合求解支流水库联合补水排沙优化调度模型,为流域河道水沙调度研究提供了一种新的思路和方法。
附图说明
图1是本发明实施例提供的一种基于BP-GA算法的基于支流水库联合补水的干流排沙优化调度方法流程示意图;
图2(a)是本发明实施例提供的小浪底水库出库的流量、沙量数据;
图2(b)是本发明实施例提供的支流水库汛期可用补水量数据;
图3是本发明实施例提供的历史花园口断面来沙系数与排沙比散点图;
图4(a)是本发明实施例提供的BP网络训练期模拟排沙比与实测排沙比散点图;
图4(b)是本发明实施例提供的BP网络检验期模拟排沙比与实测排沙比散点图;
图5是本发明实施例提供的断面汛期补水后输沙量、排沙比变化;
图6(a)是本发明实施例提供的自然情形下各支流汛期平均补水量;
图6(b)是本发明实施例提供的优化情形下各支流汛期平均补水量;
图7(a)是本发明实施例提供的优化情形输沙增量-补水流量散点图;
图7(b)是本发明实施例提供的优化情形输沙增量-来沙系数散点图;
图8(a)是本发明实施例提供的自然情形输沙增量-来水流量散点图;
图8(b)是本发明实施例提供的自然情形补水流量-来水流量散点图;
图8(c)是本发明实施例提供的优化情形输沙增量-来水流量散点图;
图8(d)是本发明实施例提供的优化情形补水流量-来水流量散点图。
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。
如图1所示,为本发明实施例提供的一种基于BP-GA算法的基于支流水库联合补水的干流排沙优化调度方法和系统的流程图示意图,包括如下步骤:
(1)收集流域内支流各水库特征数据,包括调节库容大小,水库下泄能力,以及干流河道平滩流量、生态流量、防洪标准数据;
(2)基于(1)中数据确定补水排沙调度过程的约束条件,并以河道断面补水后输沙增量最大为调度目标,建立河道支流水库联合补水排沙优化调度模型;
具体的,各约束条件包括:
支流水库补水水量约束:
式中,Δb
Δb
式中,Δb
干流河道流量约束:
式中,
干支流水力联系:
式中,
干支流水量平衡:
式中,各符号含义同前所述。
干流河道沙量平衡:
式中,
非负约束:所有参与计算的变量均大于等于0。
河道支流水库联合补水排沙优化调度模型表示为:
式中,T为整个调度时期内的时段个数;Δy
(3)收集所研究河道断面历史场次洪水的排沙比与来沙系数数据,建立关于二者的BP网络模型用于河道输沙过程的排沙比计算;收集河道目标调度期内的流量、含沙量数据以及支流水库断面可用补水量作为模型输入,用GA求解模型,从而得到支流补水排沙调度的最优方案。
具体的,步骤(3)包括以下子步骤:
(31)利用历史河道来沙系数-排沙比数据训练BP网络模型,作为调度模型的排沙比计算模块;
(32)设置所述调度模型运行所需的初始条件,包括支流水库个数、调度周期时段数、时段步长;
(33)将补水前的河道流量、含沙量数据以及支流水库断面可用水量输入所述模型中,采用基于GA算法的补水量分配模块求解模型,得到支流水库联合补水优化调度方案。
为了更清楚地体现本发明的目的以及所采用的方法和整体逻辑,以黄河中下游干流小浪底水库、支流故县、陆浑、河口村水库以及小浪底下游的花园口断面为研究对象,以汛期作为调度时期,进一步说明本发明内容。
步骤1,收集流域内花园口断面上游支流故县、陆浑、河口村水库调节库容、下泄能力数据,花园口断面平滩流量、生态流量、防洪标准数据,构建以泥沙冲淤、防洪、生态为目标的河道支流水库联合补水排沙优化调度模型,支流水库基础数据如表1所示。
表1河道支流水库特征数据
以上游小浪底水库22年的汛期(7~10月)出库流量、沙量数据作为花园口断面补水前流量、沙量,与支流各库各年汛期可用补水量一同输入调度模型,小浪底水库出库水沙量、支流可用补水量如图2(a)-图2(b)所示。故县、陆浑、河口村水库年均可用水量为7.58亿m
步骤2,以河道泥沙冲淤、防洪、生态为目标构建河道支流水库联合补水排沙优化调度模型,将防洪、供水目标作为约束条件,其中花园口断面平滩流量取4000m
步骤3,对基于BP-GA耦合的黄河下游河道支流水库多功能协调补水模型求解,首先对排沙比计算模块构建BP网络,研究以历史河道花园口断面排沙比系列数据为率定数据构建BP网络,数据如图3所示。
将历史场次洪水的来沙系数、排沙比的数据分为两组作为训练期和检验期输入数据,构建来沙系数-排沙比的BP神经网络模型,利用BP神经网络常用的Sigmoid函数作为激活函数刻画神经元的输出转化,形式如下:
式中,f
表2BP网络训练结果
表2中R
由图5可以看出,支流补水结果经过优化调度分配后,泥沙冲淤效果相比自然来流情形明显较优,汛期各时段输沙量以及排沙比都得到明显提升。自然补水、优化补水情形下的输沙量增量分别为0.061亿t、0.136亿t,优化补水输沙量增是自然情形下的2.23倍。相比无支流补水情形下花园口年平均输沙量为1.496亿t,自然补水以及优化补水后平均输沙量分别1.557亿t以及1.632亿t,分别增加了4.09%和9.12%,各年总增量分别为1.347亿t和3.001亿t,优化调度相比自然情形输沙量增加了约5%。各支流补水流量分配情形如图6(a)-图6(b)所示。
由图6(a)-图6(b)可以看出,就各水库汛期可用补水量而言,其中故县水库断面来水较丰承担了较多补水任务。对比自然情形、优化情形下的支流来水量以及补水量年内分配情况,自然情形下支流各水库的分配按照支流来水量进行,二者总量、趋势均一致,而优化补水情形下的支流水量被水库调配,二者虽总量一致但补水量的分配情形随来沙、来水情形改变,以寻求最优的分配方案使得干流河道输沙增量最大化。进一步分析优化情形下输沙量增加与补水流量、来水流量以及来沙系数的关系,以及自然和优化情形下补水流量和输沙增量对来水流量的响应,如图7(a)-图7(b)、图8(a)-图8(d)所示。
从图7(a)可以看出,补水流量和输沙增量间有较好的正相关关系,即干流河道的输沙增量对支流补水具有较好的正反馈现象;此外观察图7(b)可以看出排沙量的增加集中于来沙系数为0~0.02kg·s/m
总体而言,所构建的补水模型可较好反映河道实际输沙情形,且对比支流自然补水情形及优化补水情形得知,优化补水调度模型对干流河道泥沙冲淤的优化改善作用较为显著。
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。
机译: 基于遗传算法的调度与资源分配联合优化方法
机译: 基于遗传算法的调度与资源分配联合优化方法
机译: 基于调度实体的时间特性和系统工作负荷来优化OS调度决策以节省功率的系统和方法