大規模水庫群多目標防洪優化方法及裝置制造方法及圖紙

本發明專利技術提供了一種大規模水庫群多目標防洪優化方法及裝置，構建多目標防洪優化模型，并初始化多組決策變量以得到包含多個個體的初始種群，之后為初始種群中的每個個體初始化相應的目標向量和權重向量；基于初始種群以及初始種群中每個個體對應的目標向量和權重向量，采用預設的動態協同區域進化算法對多目標防洪優化模型進行迭代求解；當進化次數滿足預設次數，結束迭代求解，否則繼續進行迭代求解；將結束迭代求解時的求解結果作為水庫群的非劣調度方案集。采用本發明專利技術可以緩解現有水庫優化調度方法在處理大規模水庫群決策變量高維優化問題時算法的優化效率低的問題。優化問題時算法的優化效率低的問題。優化問題時算法的優化效率低的問題。

【技術實現步驟摘要】
大規模水庫群多目標防洪優化方法及裝置


[0001]本專利技術涉及水庫群防洪優化
，尤其是涉及一種大規模水庫群多目標防洪優化方法及裝置。

技術介紹

[0002]水庫優化調度模型是一個多階段決策問題，且滿足最優化原理、無后效性和重疊性，適合用動態規劃求解。但是，當面臨大規模水庫群優化調度求解問題時，隨著水庫數目增加，以及每個水庫優化時段的增加，優化決策變量的維度會急劇增長，無論是采用動態規劃算法求解還是采用啟發式算法求解，均容易產生決策變量“維數災”等問題，從而無法獲取最優解。為了解決水庫群優化調度問題，現有離散微分動態規劃、逐次優化算法、逐步動態規劃等技術能夠在一定程度上解決多水庫優化調度問題，但在處理大規模水庫群優化調度以及多目標求解問題上均存在技術瓶頸。
[0003]通過上述分析，現有技術存在的問題及缺陷為：
[0004](1)現有的水庫群優化求解方法，無法處理大規模水庫群優化調度面臨的決策變量“維數災”問題。
[0005](2)現有的水庫群優化求解方法，無法有效并行求解多目標調度模型，在大規模水庫群優化調度求解中無法獲取非劣前沿。
[0006]解決以上問題及缺陷的難度為：由于大規模水庫群優化調度面臨時間和水庫數量兩個方面的決策變量高維問題，并且在處理多目標問題時更難以有效收斂，因而難點在于調度優化變量設計、目標設計、約束設計以及模型的高效求解方法。
[0007]解決以上問題及缺陷的意義為：通過專利技術高效的大規模水庫群多目標優化調度求解方法，能夠得到流域、區域大規模水庫群的“帕累托”最優調度方案集，可為實際防洪調度運行提供有力的技術支撐和決策支持。

技術實現思路

[0008]有鑒于此，本專利技術的目的在于提供一種大規模水庫群多目標防洪優化方法及裝置，以緩解現有水庫優化調度方法在處理大規模水庫群決策變量高維優化問題時算法的優化效率低的問題。
[0009]第一方面，本專利技術實施例提供了一種大規模水庫群多目標防洪優化方法，所述方法包括如下步驟：
[0010]步驟1，以水位和/或下泄流量為決策變量，以下游防洪斷面最大流量最小化和支流動用最大庫容最小化為目標構建多目標防洪優化模型；其中，決策變量的總數量是基于參與優化調度的水庫群中水庫的數目、調度期的時段步長、總調度時長確定的，所述多目標防洪優化模型的約束包括水位約束、水量平衡約束、河道流量演進、泄流能力約束、下泄流量約束、防洪控制點流量約束和所述水庫群的初始運行調度規則；
[0011]步驟2，根據所述水庫群中各個水庫的水位變幅上限值、水位變幅下限值和初始運
行調度規則初始化多組決策變量，得到包含多個個體的初始種群；其中，初始種群中的每個個體為一組決策變量；
[0012]步驟3，根據目標數量和種群規模，為初始種群中的每個個體初始化相應的目標向量和權重向量；其中，目標向量和權重向量的維數均與目標數量相等；
[0013]步驟4，基于初始種群以及初始種群中每個個體對應的目標向量和權重向量，采用預設的動態協同區域進化算法對所述多目標防洪優化模型進行迭代求解；其中，每次迭代求解的求解結果包括相應的決策變量和目標向量；
[0014]步驟5，當進化次數滿足預設次數，結束迭代求解，否則進入步驟4繼續進行迭代求解；
[0015]步驟6，將結束迭代求解時的求解結果作為所述水庫群的非劣調度方案集。
[0016]第二方面，本專利技術實施例還提供一種大規模水庫群多目標防洪優化裝置，所述裝置包括如下模塊：
[0017]模型構建模塊，用于以水位和/或下泄流量為決策變量，以下游防洪斷面最大流量最小化和支流動用最大庫容最小化為目標構建多目標防洪優化模型；其中，決策變量的總數量是基于參與優化調度的水庫群中水庫的數目、調度期的時段步長、總調度時長確定的，所述多目標防洪優化模型的約束包括水位約束、水量平衡約束、河道流量演進、泄流能力約束、下泄流量約束、防洪控制點流量約束和所述水庫群的初始運行調度規則；
[0018]第一初始化模塊，用于根據所述水庫群中各個水庫的水位變幅上限值、水位變幅下限值和初始運行調度規則初始化多組決策變量，得到包含多個個體的初始種群；其中，初始種群中的每個個體為一組決策變量；
[0019]第二初始化模塊，用于根據目標數量和種群規模，為初始種群中的每個個體初始化相應的目標向量和權重向量；其中，目標向量和權重向量的維數均與目標數量相等；
[0020]模型求解模塊，用于基于初始種群以及初始種群中每個個體對應的目標向量和權重向量，采用預設的動態協同區域進化算法對所述多目標防洪優化模型進行迭代求解；其中，每次迭代求解的求解結果包括相應的決策變量和目標向量；當進化次數滿足預設次數，結束迭代求解，否則繼續進行迭代求解；
[0021]非劣調度方案集模塊，用于將結束迭代求解時的求解結果作為所述水庫群的非劣調度方案集。
[0022]本專利技術實施例提供的一種大規模水庫群多目標防洪優化方法及裝置，以水位和/或下泄流量為決策變量，以下游防洪斷面最大流量最小化和支流動用最大庫容最小化為目標構建多目標防洪優化模型；根據水庫群中各個水庫的水位變幅上限值、水位變幅下限值和初始運行調度規則初始化多組決策變量，得到包含多個個體的初始種群；根據目標數量和種群規模，為初始種群中的每個個體初始化相應的目標向量和權重向量；基于初始種群以及初始種群中每個個體對應的目標向量和權重向量，采用預設的動態協同區域進化算法對多目標防洪優化模型進行迭代求解；當進化次數滿足預設次數，結束迭代求解，否則繼續進行迭代求解；將結束迭代求解時的求解結果作為水庫群的非劣調度方案集。上述技術提供了一種高效的大規模水庫群多目標優化調度求解方案，能夠得到流域、區域大規模水庫群的非劣調度方案集，可為實際防洪調度運行提供有力的技術支撐和決策支持。
[0023]本專利技術的其他特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變
得顯而易見，或者通過實施本專利技術而了解。本專利技術的目的和其他優點在說明書、權利要求書以及附圖中所特別指出的結構來實現和獲得。
[0024]為使本專利技術的上述目的、特征和優點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。
附圖說明
[0025]為了更清楚地說明本專利技術具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術的一些實施方式，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0026]圖1為本專利技術實施例中一種規模水庫群多目標防洪優化方法的流程示意圖；
[0027]圖2為本專利技術實施例中動態協同區域進化算法的流程示例圖；
[0028]圖3為本專利技術實施例中四種算法的非劣前沿圖；
[0029]圖4為本專利技術實施例中非劣調度集中梧州洪峰流量最小的龍灘水庫的水位流量過程示例圖；
[0030]圖5為本專利技術實施例中本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種大規模水庫群多目標防洪優化方法，其特征在于，所述方法包括：步驟1，以水位和/或下泄流量為決策變量，以下游防洪斷面最大流量最小化和支流動用最大庫容最小化為目標構建多目標防洪優化模型；其中，決策變量的總數量是基于參與優化調度的水庫群中水庫的數目、調度期的時段步長、總調度時長確定的，所述多目標防洪優化模型的約束包括水位約束、水量平衡約束、河道流量演進、泄流能力約束、下泄流量約束、防洪控制點流量約束和所述水庫群的初始運行調度規則；步驟2，根據所述水庫群中各個水庫的水位變幅上限值、水位變幅下限值和初始運行調度規則初始化多組決策變量，得到包含多個個體的初始種群；其中，初始種群中的每個個體為一組決策變量；步驟3，根據目標數量和種群規模，為初始種群中的每個個體初始化相應的目標向量和權重向量；其中，目標向量和權重向量的維數均與目標數量相等；步驟4，基于初始種群以及初始種群中每個個體對應的目標向量和權重向量，采用預設的動態協同區域進化算法對所述多目標防洪優化模型進行迭代求解；其中，每次迭代求解的求解結果包括相應的決策變量和目標向量；步驟5，當進化次數滿足預設次數，結束迭代求解，否則進入步驟4繼續進行迭代求解；步驟6，將結束迭代求解時的求解結果作為所述水庫群的非劣調度方案集。2.根據權利要求1所述的方法，其特征在于，所述步驟1包括：根據下游防洪斷面每個時段經過上游水庫調度后的流量，構建以下游防洪斷面最大流量最小化為目標的第一目標函數：其中，F1為下游防洪斷面最大流量，為第t個時段下游防洪斷面經過上游水庫調度后的流量，T為總調度時長；根據每個時段每個水庫動用的防洪庫容，構建以支流動用最大庫容最小化為目標的第二目標函數：其中，F2為支流動用最大庫容，ΔV
i,
為第i個水庫第t個時段動用的防洪庫容，n為支流水庫個數，T為總調度時長；將所述第一目標函數和所述第二目標函數組成所述多目標防洪優化模型。3.根據權利要求1所述的方法，其特征在于，所述步驟2包括：根據所述水庫群中各個水庫的水位變幅上限值、當前時段初始水位、水位約束和流量約束計算得到各個水庫在下一時段的水位值，并將計算出來的各個水庫每個時段的水位值初始化成第一組決策變量；根據所述水庫群中各個水庫的水位變幅下限值、當前時段初始水位、水位約束和流量約束計算得到各個水庫在下一時段的水位值，并將計算出來的各個水庫每個時段的水位值初始化成第二組決策變量；按照所述水庫群中各個水庫的初始運行調度規則對各個水庫進行模擬運行，并將模擬
運行過程中得到的各個水庫每個時段的水位值初始化成第三組決策變量；通過在預設的決策變量上下限區間內隨機采樣的方式生成第一組決策變量、第二組決策變量和第三組決策變量以外的其他組決策變量。4.根據權利要求3所述的方法，其特征在于，所述步驟3包括：根據種群規模，在維度數與目標數量相等的空間范圍內為初始種群中的每個個體均勻初始化一個權重向量；為初始種群中的每個個體計算相應的目標值，并將每個個體的目標值初始化成一個目標向量。5.根據權利要求1所述的方法，其特征在于，所述步驟4包括：(41)根據初始種群中每個個體與其對應的權重向量之間的垂直距離，確定初始種群中每個個體所屬的區域；(42)將所述初始種群中每個個體所包含的同一水庫對應的決策變量作為一組決策變量分離出來，并將分離出來的同一水庫對應的全部組決策變量組成相應的一個子種群；(43)根據各個子種群中每個個體所屬的區域，對各個子種群進行迭代優化；其中，每次迭代優化時均會將相應的決策變量代入所述多目標防洪優化模型得到相應的目標值；(44)基于各個子種群的迭代優化結果，對所述多目標防洪優化模型進行迭代求解；其中，每個子種群的迭代優化結果包括相應的優化決策...

【專利技術屬性】
技術研發人員：劉永琦，易靈，湯廣忠，王保華，侯貴兵，李媛媛，王玉虎，黃鋒，盧健濤，鐘逸軒，朱炬明，高唯珊，李爭和，林若蘭，吳樂平，閻菁遙，
申請(專利權)人：中水珠江規劃勘測設計有限公司，
類型：發明
國別省市：