多模型耦合与自适应差分进化的水资源调度方案优化方法与流程

摘要: 本发明请求保护多模型耦合与自适应差分进化的水资源调度方案优化方法,属于水利工程与计算机优化调度。背景技术:1、传统水调度方案制定主要依赖于单一的水文预报模型或经...
多模型耦合与自适应差分进化的水资源调度方案优化方法与流程

本发明请求保护多模型耦合与自适应差分进化的水资源调度方案优化方法,属于水利工程与计算机优化调度。

背景技术:

1、传统水调度方案制定主要依赖于单一的水文预报模型或经验性调度规则,例如仅采用降雨径流模型预测来水,再依据固定的水库调度图确定泄流决策。这类方法在面对复杂多变的流域水循环过程时,难以同时考虑河道水力变化、不同用水户的需水动态以及水库群联合调度之间的耦合关系。尤其是在极端降水、持续干旱或突发水质污染等灾害情境下,单一模型的预测能力显著下降,无法准确描述灾害发展过程中水文、水力与用水需求之间的非线性相互作用。现有的一些多模型集成方法多为离线组合或简单加权平均,子模型之间缺乏实时数据交换与动态协同,导致模拟结果与实际情况偏差较大,进而影响调度方案的可靠性。

2、近年来,进化计算技术被逐步应用于水调度优化领域,其中差分进化算法因其结构简单、收敛性能较好而受到关注。然而,传统差分进化算法中的变异缩放因子和交叉概率因子在整个优化过程中保持固定不变,或者仅按照预设的代数进行线性衰减,无法根据种群个体的实际分布特征和当前灾害发展阶段自动调整搜索步长与探索方向。当应用于水调度这一高维、多约束、多峰值的复杂优化问题时,固定参数的差分进化算法容易陷入局部最优,或者在最优解附近产生振荡,难以稳定地找到全局满意的调度方案。此外,现有方法通常将水文模型、水动力模型与差分进化算法分离运行,未建立模型模拟与进化优化之间的紧密耦合机制,导致每次适应度评估都需要重新启动外部模型,计算效率低下且无法充分利用模型中间状态信息来指导进化方向。

3、现有水调度优化方法对于灾害类型的自适应性不足,调度目标和约束条件往往预设为固定形式,不能根据实时接收的洪水、干旱、冰凌或水质污染等不同灾害预警信息进行动态切换和调整。例如,同一套调度目标函数既用于防洪削峰也用于抗旱供水,无法体现不同灾害情境下工程控制优先级的本质差异。同时,调度策略库缺乏对灾害类型、预警等级与模型权重系数的结构化映射关系,导致多模型耦合模拟系统无法针对不同灾害改变各子模型的贡献程度,模拟结果与调度决策之间的逻辑链条不够紧密。因此,亟需一种能够将多模型耦合模拟与自适应差分进化相结合、且能根据灾害类型动态调整调度目标与约束的水资源调度方案优化方法,以提升区域水资源系统在灾害条件下的应变能力和调度决策的科学性。

技术实现思路

1、为实现上述目的,本技术提供如下技术方案:

2、一种多模型耦合与自适应差分进化的水资源调度方案优化方法,包括以下步骤:

3、s1,获取目标区域的水文气象数据、水利工程参数以及灾害预警信息,输入至由水文循环模型、水动力模型、需水预测模型和供水调度模型耦合而成的多模型耦合模拟系统中,运行所述多模型耦合模拟系统生成所述目标区域在当前灾害情境下的水情态势集合;

4、s2,根据所述灾害预警信息中的灾害类型,从预设的调度策略库中匹配对应的调度目标函数和调度约束条件,将所述调度目标函数和调度约束条件嵌入自适应差分进化算法的适应度评估机制;

5、s3,基于所述水情态势集合初始化种群,所述种群中的每个个体代表水调度方案的编码向量,采用自适应差分进化算法对所述种群进行迭代优化,在每次迭代中根据种群个体的分布特征动态调整差分进化策略中的变异缩放因子和交叉概率因子;

6、s4,当迭代次数达到预设阈值或适应度值收敛时,停止迭代,将当前种群中的最优个体解码为实际的水调度方案并输出。

7、进一步地,所述调度策略库中包含灾害类型标识与调度目标函数、调度约束条件的映射关系,每种灾害类型关联一组权重系数,在多模型耦合模拟系统中采用该组权重系数对水文循环模型、水动力模型、需水预测模型和供水调度模型的输出结果进行加权融合;

8、洪水灾害类型下水动力模型的权重系数高于其他模型,干旱灾害类型下需水预测模型的权重系数高于其他模型,水质污染灾害类型下水文循环模型和水动力模型的权重系数同时提高。

9、进一步地,所述s3中在每次迭代中根据种群个体的分布特征动态调整差分进化策略中的变异缩放因子和交叉概率因子包括:

10、计算当前种群中所有个体的适应度值的中位数和四分位距,根据中位数和四分位距将种群划分为多个子区间,将变异缩放因子设定为与个体适应度值所在子区间相关联的递减函数,将交叉概率因子设定为与个体适应度排名相关联的递增函数,并且随着迭代代数的增加,逐步缩小变异缩放因子的取值范围并扩大交叉概率因子的取值范围。

11、进一步地,所述s1包括:

12、将水文循环模型作为基础驱动模型,接收水文气象数据中的降水数据、蒸发数据和下渗数据,生成目标区域各子流域的径流过程序列;

13、将水动力模型与水文循环模型并行耦合,从水文循环模型获取各子流域出口断面的流量过程线作为上游边界条件,同时从水利工程参数中获取河道断面几何数据和糙率系数,采用水动力模型求解器计算河道沿程水位和流量分布;

14、将需水预测模型与水动力模型串联耦合,根据水动力模型输出的河道水位和流量分布,结合水利工程参数中的取水口位置和取水能力,计算各取水节点的实际可获取水量,并依据灾害预警信息调整需水预测模型中的需水系数;

15、将供水调度模型与需水预测模型和水动力模型联合耦合,供水调度模型接收需水预测模型输出的需水缺口数据和各水源工程的可供水量数据,同时接收水动力模型输出的河道实时过流能力约束,生成多个候选调度决策序列;

16、多模型耦合模拟系统采用并行计算框架同步运行各个子模型,在每个模拟时步内交换子模型之间的边界条件和状态变量,直至完成整个预测时段的模拟,输出包含各水源工程蓄水状态、河道各断面流量水位过程、各用水户供需差额在内的水情态势集合。

17、进一步地,所述种群中每个个体的编码向量采用实数编码方式,决策变量按照水利工程类型和调度时段进行分层组织;

18、水库调度时段层包含各时段的水库蓄水位或出库流量,河道分水枢纽层包含各时段的分水比例,泵站群层包含各时段的运行流量,编码向量中各决策变量的取值范围根据水情态势集合中的水工程安全边界确定。

19、进一步地,所述适应度值收敛的判断方式为:

20、记录每次迭代中种群最优适应度值,当连续多次迭代的最优适应度值的变化量绝对值均小于预设的相对变化阈值,并且当前种群中所有个体的适应度值的标准差与最优适应度值的比值小于预设的离散度阈值时,同时满足当前迭代代数大于预设的最小迭代代数时,判定适应度值收敛。

21、进一步地,所述s3中采用自适应差分进化算法对所述种群进行迭代优化包括:

22、根据水情态势集合确定决策变量的取值范围,采用拉丁超立方抽样方法在所述取值范围内生成初始种群,每个个体的编码向量包含各水利工程在多个调度时段的控制变量;

23、针对当前种群中的每一个目标个体,从种群中随机选择多个不同个体构造变异向量,所使用的差分策略根据当前迭代阶段和种群多样性指标进行自适应切换,当种群多样性指标高于多样性上限阈值时采用强调全局探索的差分策略,当种群多样性指标低于多样性下限阈值时采用强调局部开发的差分策略;

24、将目标个体与变异向量进行交叉操作生成试验个体,交叉操作中每个基因位的交叉概率根据该基因位对应决策变量的灵敏度动态调整,所述灵敏度基于该决策变量在最近若干次迭代中引起适应度值变化的幅度计算得到;

25、将试验个体的编码向量输入到多模型耦合模拟系统中执行模拟,得到试验个体对应的模拟结果,再根据调度目标函数和调度约束条件计算试验个体的适应度值,对于违反调度约束条件的个体,采用约束处理机制将其适应度值置为惩罚值;

26、采用贪心选择机制将试验个体与目标个体的适应度值进行比较,保留适应度值更优的个体进入下一代种群;

27、在每一代迭代结束后,更新种群多样性指标,并根据种群多样性指标的变化趋势调整变异缩放因子的取值范围,同时记录适应度值收敛曲线;

28、重复执行变异、交叉、模拟评估、选择操作直至达到预设最大迭代代数或满足收敛条件。

29、进一步地,所述s2中根据所述灾害预警信息中的灾害类型,从预设的调度策略库中匹配对应的调度目标函数时包括:

30、当灾害预警信息中的灾害类型为洪水灾害时,调度目标函数设定为多个防洪控制断面的洪峰流量加权和最小化以及各水库最高水位与防洪限制水位的偏差平方和最小化;

31、当灾害类型为干旱灾害时,调度目标函数设定为各用水户的缺水量加权和最小化以及重要工业用水户的供水保证率最大化;

32、当灾害类型为冰凌灾害时,调度目标函数设定为河道冰塞风险指数最小化以及水库出流水温调控效果最大化;

33、当灾害类型为水质污染灾害时,调度目标函数设定为污染团前锋到达取水口的时间最大化以及取水口处污染物浓度峰值最小化。

34、进一步地,所述调度约束条件包括各水库的水位上下限约束、各水库的出库流量变化率约束、河道各断面的最小生态流量约束、各分水闸门的最大过流能力约束、各泵站的最大运行功率约束以及各引水渠道的最大输水能力约束,对于联合运行的水库群,还包括水库群之间的水量平衡约束和库容曲线约束。

35、进一步地,将当前种群中的最优个体解码为实际的水调度方案后,按照水利工程类型对方案中的决策变量进行分组,将水库调度决策转换为闸门开度调节指令和下泄流量设定指令,将分水枢纽决策转换为分水闸门开度比例指令,将泵站运行决策转换为启停时间表和转速调节指令,对指令序列进行时序对齐和冲突检测,将无冲突的指令序列封装为符合目标区域水利工程自动化控制协议的数据帧,通过通信网络逐帧发送至各水利工程现场的控制单元。

36、本发明请求保护多模型耦合与自适应差分进化的水资源调度方案优化方法,属于水利工程与计算机优化调度技术领域。通过构建多模型耦合模拟系统,实时生成目标区域灾害情境下的水情态势集合;根据灾害类型从调度策略库中匹配对应的目标函数与约束条件,并嵌入自适应差分进化算法的适应度评估机制;基于个体适应度分布特征动态调整变异缩放因子与交叉概率因子,实现全局探索与局部开发的平衡。本发明能够显著提高复杂灾害条件下水调度方案寻优的收敛速度与解的质量,避免陷入局部最优,灵活应对不同灾害类型对水利工程控制优先级的差异化需求,有效提升区域水资源系统在极端事件中的应急响应能力和调度决策的科学性。