基于虚拟水的水库-泵站联合优化调度方法与流程

基于虚拟水的水库
‑
泵站联合优化调度方法
技术领域
1.本发明涉及水库调度技术领域，特别涉及一种水库优化调度方法。


背景技术：

2.水库
‑
泵站的联合调度是指对流域内相互间具有水文、水力、水利联系的水库、泵站以及相关工程设施进行统一的协调调度，以满足区域的用水要求，使流域内经济效益最大化。水库
‑
水泵联合优化调度是一个具有强约束、非线性、多阶段特征的组合优化问题，其核心就是：(1)构建合理的水库
‑
水泵优化调度模型。目前，水库优化调度主要集中于提高调度期的供水量以满足发电、灌溉和供水的最优选择；泵站优化调度主要集中于提高泵站的引水量、运行效率，减少泵站的运行费用等，二者在构建模型时只是单一的从物理水的角度出发，而未考虑区域内虚拟水(凝结在商品或服务中的水)的流通，不利于实现水资源的最优配置。(2)选择合适的求解方法。求解优化调度问题的方法一般有线性规划、非线性规划、动态规划和群体智能优化算法等，但这些方法也不可避免的存在一些问题：
①
线性规划和非线性规划存在求解速度慢、效率低等问题；
②
动态规划计算量大，易发生“维数灾”；
③
群体智能优化算法容易出现求解精度较低和陷入局部最优等问题。


技术实现要素：

3.针对现有技术中存在的不足，本发明提供了一种基于虚拟水的水库
‑
泵站联合优化调度方法，在传统水库优化调度的基础上，进一步考虑了虚拟水的流通，构建了地区的虚拟水
‑
水库优化模型，并在当前求解方法的基础上提出一种耦合中心游移和最速曲线的鲸鱼优化算法(c
‑
b
‑
vwoa)，进而，实现区域水资源的最优配置，并取得调度期内的最大经济效益。
4.本发明的目的是这样实现的：一种基于虚拟水的水库
‑
泵站联合优化调度方法，包括以下步骤：
5.步骤1)获取水库
‑
泵站
‑
引水区信息：获取调度参数信息、水库库容信息、泵站机组信息和引水区农作物信息，并根据公式完成农作物产量与虚拟水的转化，得到虚拟水信息；
6.步骤2)构建水库
‑
泵站
‑
引水区系统数据库：构建水库
‑
泵站
‑
引水区系统数据库，并在数据库中添加步骤1)各字段信息，然后将对应的水库、泵站及引水区信息数据批量导入，并实时更新数据信息；
7.步骤3)建立基于虚拟水的水库
‑
泵站优化调度模型：使用c 连接数据库，读取步骤2)中水库
‑
泵站
‑
引水区系统各字段数据信息，以各时段水库向各农作物的供水量和泵站引水量以及农作物年流通量为决策变量，以调度期内水库
‑
泵站联合供水的经济效益最大为目标函数，同时需满足产品进口、水库供水、水量平衡、水库库容、水库弃水、泵站引水和决策变量非负的约束，生成与数据库互馈的基于虚拟水的水库
‑
泵站联合优化调度模型；具体优化模型如下：
8.目标函数：
[0009][0010]
约束1(产品进口约束)：
[0011]
约束2(水库供水约束)：
[0012]
约束3(水量平衡约束)：v
ti
＝v
ti
‑1 ls
ti
‑
x
ti
‑
c
ti
‑
ef
ti
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
[0013]
约束4(水库库容约束)：v
min
≤v
ti
≤v
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0014]
约束5(水库弃水约束)：
[0015]
约束6(泵站引水约束)：
[0016]
约束7(变量非负约束)：x
ti,ty
≥0,y
ti,ty
≥0,imp
ty
≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(27)
[0017]
式中：ti为当前时段，ti∈[1,t]；ty为农作物类型，ty∈[1,n]；inc
ty
为泵站向ty农作物供水的收入，exp
ty
为泵站向ty农作物供水的成本，x
ti,ty
为水库在ti时段向ty农作物的供水量，y
ti,ty
为泵站在ti时段向ty农作物的引水量；p为介质系数，q
d
为设计流量，h为工作扬程，η为泵站额定工作效率，β为抽水能量系数，d为电费单价，time
ti
为泵站ti时段运行时间；ic
ty
为进口农产品ty的收入，ep
ty
为进口农产品ty的成本，imp
ty
为进口农产品的质量；prd
ty
为农产品ty的本地生产量，td
ty
为农产品ty的需求量；x
ti
为水库ti时段的供水量，y
ti
为泵站ti时段的供水量；sk为最大供水量，其需满足调度周期t内初始库容等于t时刻的水库库容，即v0＝v
t
；ls
ti
为水库ti时段的来水量，ef
ti
为水库ti时段的蒸发和渗漏量，c
ti
为水库ti时段的弃水量，v0水库初始水量，v
ti
为水库在ti时段的蓄水量，v
t
水库在t时段的需水量；v
min
为水库的最小蓄水量，v
max
为水库的最大蓄水量；lake
ti
为湖泊ti时刻可引水量，river
ti
为江河ti时刻可引水量；
[0018]
步骤4)模型求解方法：对于步骤1)
‑
3)构建的基于虚拟水的水库
‑
泵站联合优化调度模型，通过耦合中心游移及最速曲线的鲸鱼算法对该模型进行自动迭代优化求解，得到水库最优调度方案。
[0019]
作为本发明的进一步限定，步骤4)中求解的具体步骤如下：
[0020]
step1算法参数设置：设定变量矩阵va的行数num和列数dim＝ty
·
(2ti 1)、当前迭代数t、最大迭代次数t
max
、农作物需求量td
ty
、结果变量res和1
×
dim的结果矩res；结果变量res用来获取max f的值；结果矩res用来获取max f所对应的va(i)值；
[0021]
step2中心游移初始化：生成num
×
dim的变量矩阵va，将变量矩阵va每一行看作一
组候选解，候选解由x
ti,ty
、y
ti,ty
和imp
ty
组成；通过式9更新随机解通过式10生成矩阵va每一随机解的对立点同时对随机解采取中心游移策略式11进行游移，生成游移解进而以和的适应度为评价指标进行比选，保留其中的最优解，完成种群的初始化；具体公式如下：
[0022][0023][0024][0025]
式中：i表示矩阵va的行数，i∈[1,num]，up为变量上限，down为变量下限，ξ为[0,1]之间的随机数；为t次迭代生成的第i个随机解，为t次迭代对立学习生成的第i个对立解；为t次迭代中心游移生成的第i个游移解，δ为游移系数，其值为[0,1]之间的随机数；
[0026]
step3约束处理过程：读取水库和泵站相关数据，包括：v0、v
min
、v
max
、td
ty
、ls
ti
、ef
ti
、lake
ti
、river
ti
和vw
ty
，结合随机生成的x
ti,ty
、y
ti,ty
和imp
ty
计算v
ti
，进而对优化后的变量矩阵va进行约束处理，包括式2
‑
8，删除不满足以上约束的矩阵行va(i)，并通过中心游移重新生成，重复以上过程，直至候选解矩阵va全部符合约束，则进入下一过程；
[0027]
step4迭代更新过程：第t次迭代中，首先计算适应度值，得出最优解并根据对应公式更新算法参数，包括：a、a、c和p；在此基础上，根据p和|a|值，每组候选解分别进行包围捕食、随机或螺旋气泡的迭代更新策略；具体更新方式为：当p<0.4，|a|≤1，采用式13进行包围捕食更新；当p<0.4，|a|>1，根据式12进行随机更新；当p≥0.4，采用式14进行螺旋气泡更新；之后，随机选择一组候选解采取变异操作式15，并根据边界邻域更新式16对越界的候选解进行修正更新，得到第t 1代的候选解矩阵va；具体更新公式如下：
[0028]
随机搜索更新方式：va(i)
t 1
＝va(rand)
t
‑
a
·
|c
·
va(rand)
t
‑
va(i)
t
|
ꢀꢀꢀ
(31)
[0029]
包围捕食更新方式：
[0030]
螺旋气泡更新方式：
[0031]
高斯变异更新方式：va(i)
t
′
＝n(0,1)
·
va(i)
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(34)
[0032]
边界邻域更新方式：
[0033]
式中：va(i)
t
为t次迭代中第i组候选解；为t次迭代中最优解；va(rand)
t
为t次迭代矩阵va中随机选择的一组解，va(i)
t
′
为t次迭代中第i组候选解的变异解；a和c是矩阵系数，分别表示为：a＝2a
·
(r1‑
1)和c＝2a
·
r2；a为收敛因子，耦合最速曲线的收敛因子表示为a＝a0‑
k0(1
‑
cosθ)，其中，a0取值为2，k0为系数，θ为收敛曲线上某一点切线与纵轴的夹角；r1、r2是[0,1]的随机向量；d
′
表示t次迭代中第i个候选解与最优解的距离；b为螺旋形状常数，取值为1；l为[
‑
1,1]的随机数，其大小决定候选解距最优解的距离，l＝
‑
1距离最近，l＝1最远；n(0,1)表示服从标准正态分布，u(0,0.1)表示服从[0,
0.1]之间的均匀分布；
[0034]
step5判断迭代条件：当t≤t
max
时，重复step4直至退出迭代，并将结果输出为.txt文件，其结果信息包括：
[0035]
(1)虚拟水信息vw
ty
；
[0036]
(2)模型参数信息，包括供水净收益inc
ty
‑
exp
ty
、泵机流量q
d
、扬程h和工作效率η、介质系数p、流量能量系数β、电费单价d、流通净收益ic
ty
‑
ep
ty
和农作物需求量td
ty
；
[0037]
(3)最优供水量x
ti,ty
、y
ti,ty
和农产品进口量imp
ty
；
[0038]
(4)最大经济效益max f；
[0039]
(5)各时段泵机运行时间time
ti
。
[0040]
作为本发明的进一步限定，step4中获取最优解具体过程为：t次迭代中，计算va(i)的适应度值(max f)，并比较res与max f；若max f≤res，则保持res和res不变；若max f>res，则将max f赋值于res，并将va(i)赋值于res，直至完成矩阵va的计算，则此时
[0041]
step4中耦合最速曲线的收敛曲线的生成方式为：
[0042]
(1)确定收敛因子a的变化范围a0到0，并取特解点为(x0,y0)＝(1,a0)；
[0043]
(2)根据最速曲线式18可求解得出θ0，进而求出k0；
[0044]
(3)结合算法过程与曲线，得到各迭代点，即：以θ0/t
max
为步长因子，将θ离散为t
max
个点θ∈[0,θ0]，即可得到耦合最速曲线的收敛曲线式19；
[0045][0046]
a＝a0‑
k0(1
‑
cosθ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(37)
[0047]
式19中x表示横坐标，其坐标轴正方向向右；y表示纵坐标，其坐标轴正方向向下。
[0048]
作为本发明的进一步限定，step5中将结果输出为.txt文件的具体方法，在程序中添加路径并创建.txt文件，打开.txt文件，向文件中添加标头字段信息，即：
[0049]
(1)虚拟水信息vw
ty
；
[0050]
(2)模型参数信息，包括：供水净收益inc
ty
‑
exp
ty
、泵机流量q
d
、扬程h和工作效率η、介质系数p、流量能量系数β、电费单价d、流通净收益inc
ty
‑
exp
ty
和农作物需求量td
ty
；
[0051]
(3)最优供水量x
ti,ty
和y
ti,ty
、农产品进口量imp
ty
；
[0052]
(4)最大经济效益max f；
[0053]
(5)各时段泵机运行时间time。
[0054]
然后，分别读取对应数据，虚拟水：vw1和vw2；供水净收益：inc1‑
exp1、inc2‑
exp2和inc3‑
exp3；泵机流量q
d
、扬程h和工作效率η、介质系数p、流量能量系数β、电费单价d；流通净收益(inc1‑
exp1和inc2‑
exp2；农作物需求量：td1和td2写入文件对应的标头位置；其中，x
ti,ty
、y
ti,ty
和imp
ty
数据信息位于结果矩阵res中；max f对应数据信息位于res中，依次读取数据，并将y
ti,ty
转化为各时段运行时间time，并依次写入文件对应位置，完成后关闭文件。
[0055]
作为本发明的进一步限定，步骤1)中所述的调度参数信息，包括，泵站调度周期、调度时段总数t和农作物类型总数n。
[0056]
作为本发明的进一步限定，步骤1)中所述的水库库容信息，包括，当前时段ti、水
库库容信息v0、v
max
、v
min
、水库各时段来水情况ls
ti
、水库各时段蒸发渗漏量ef
ti
和各时段降雨量信息。
[0057]
作为本发明的进一步限定，步骤1)中所述的泵站机组信息，包括，当前时段ti、泵机流量q
d
、扬程h、工作效率η、介质系数p、流量能量系数β、电费单价(d)和泵站各时段可引水量lake
ti
和river
ti
。
[0058]
作为本发明的进一步限定，步骤1)中所述的引水区农作物信息，包括：农作物类型ty、各时段农作物ty需水量d
ti,ty
、农作物产量信息prd
ty
、流通成本ep
ty
和收益信息ic
ty
。
[0059]
作为本发明的进一步限定，步骤1)中所述的虚拟水信息即虚拟水量，它是通过农产品
‑
虚拟水的转化公式计算的；具体公式如下：
[0060][0061]
其中：ty为农作物类型，vw
ty
为农作物ty的消耗性水足迹，et
ty
为农作物生长期的绿色和蓝色蒸散量，y
ty
为农作物ty的产量。
[0062]
作为本发明的进一步限定，步骤2)中水库
‑
泵站
‑
引水区各字段信息，构建水库
‑
泵站
‑
引水区数据库，并添加以上字段信息，包括，泵站调度周期、调度时段总数t和农作物类型总数n；当前时段ti、水库库容信息v0、v
max
、v
min
、水库各时段来水情况ls
ti
、水库各时段蒸发渗漏量ef
ti
和各时段降雨量信息；泵机流量q
d
、扬程h、工作效率η、介质系数p、抽水能量系数β、电费单价d和泵站各时段可引水量lake
ti
和river
ti
；农作物类型ty、农作物产量信息prd
ty
、流通成本ep
ty
、收益信息ic
ty
和虚拟水信息vw
ty
；字段添加完成后，为ls
ti
、ef
ti
、lake
ti
和river
ti
添加主键索引，并将以上各字段对应数据批量导入，完成数据库构建。
[0063]
与现有技术相比，本发明的有益效果在于：
[0064]
(1)本方法构建了水库
‑
泵站
‑
受水区系统数据库，并将水库调度参数数据、水库库容数据、泵站机组信息、受水区农作物数据和虚拟水量的计算数据批量存入数据库，方便数据的查询、读取和实时更新，且易实现多用户之间的数据共享；
[0065]
(2)本方法实时读取水库
‑
泵站
‑
受水区系统数据库信息，并自动生成与数据库互馈的考虑虚拟水的水库优化调度模型，实现了区域水资源的最优配置。该模型以各时段向农作物ty供水量(x
ti,ty
)(和y
ti,ty
)以及农作物年流通量(imp
ty
)为决策变量，以调度期内水库供水经济效益(maxf)最大为目标函数，同时需满足产品进口、水库供水、水量平衡、水库库容、水库弃水、泵站引水、联合供水和决策变量非负的约束；
[0066]
(3)水库优化调度模型求解是基于鲸鱼优化算法，进一步改进提出c
‑
b
‑
vwoa，提高了求解复杂水利系统的优化调度问题的收敛精度和速度。
①
该方法通过中心游移进行初始化，并对越界鲸鱼采取边界邻域更新，提高了种群的质量，提高了算法的收敛速度；
②
该方法改进算法参数并引入最速曲线，加速了鲸鱼种群寻优的过程，提高了算法的寻优精度；
③
该方法针对水库
‑
泵站联合优化调度模型维数大的特点，对更新后的鲸鱼个体进行正态随机扰动变异，使得鲸鱼个体具有一定的变异特性，随机突变到异向解空间进行搜索，从而提高求解大维数模型的精确性，并进一步避免了算法陷入局部最优。
附图说明
[0067]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图；
[0068]
图1为本发明技术路线图。
[0069]
图2为本发明c
‑
b
‑
vwoa算法在实施例中的收益收敛曲线图。
具体实施方式
[0070]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围；
[0071]
下面结合实例及附图对本发明作进一步说明：
[0072]
选取南京六合区金牛山水库及其邻近泵站作为实验研究对象，最大库容9315万m3，兴利库容5165万m3，兴利水位21.5m，死库容260万m3，死水位13.5m，集水面积124.14km2。具体已知调度参数信息、水库库容信息、泵站机组信息、引水区农作物信息见表1
‑
4。
[0073]
如图1所示，具体实施步骤如下：
[0074]
(1)获取水库
‑
泵站
‑
引水区信息：获取调度参数信息、水库库容信息、泵站机组信息和引水区农作物信息，并根据公式完成农作物产量与虚拟水的转化，得到虚拟水信息。
[0075]
(2)构建水库
‑
泵站
‑
引水区系统数据库：构建水库
‑
泵站
‑
引水区系统数据库，并在数据库中添加步骤(1)各字段信息，然后将对应的水库、泵站及引水区信息数据批量导入，并实时更新数据信息。
[0076]
(3)建立基于虚拟水的水库
‑
泵站优化调度模型：使用c 连接数据库，读取步骤(2)中水库
‑
泵站
‑
引水区系统各字段数据信息，自动生成与数据库互馈的基于虚拟水的水库
‑
泵站联合优化调度模型，该模型以各时段水库向各农作物的供水量(x
ti,ty
)和泵站引水量(y
ti,ty
)以及农作物年流通量(imp
ty
)为决策变量，以调度期内水库
‑
泵站联合供水的经济效益(max f)最大为目标函数，同时需满足产品进口、水库供水、水量平衡、水库库容、水库弃水、泵站引水和决策变量非负的约束。具体优化模型如下：
[0077]
目标函数：
[0078][0079]
约束1(产品进口约束)：
[0080]
约束2(水库供水约束)：
[0081]
约束3(水量平衡约束)：v
ti
＝v
ti
‑1 ls
ti
‑
x
ti
‑
c
ti
‑
ef
ti
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(42)
[0082]
约束4(水库库容约束)：v
min
≤v
ti
≤v
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(43)
[0083]
约束5(水库弃水约束)：
[0084]
约束6(泵站引水约束)：
[0085]
约束7(变量非负约束)x
ti,ty
≥0,y
ti,ty
≥0,imp
ty
≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(46)
[0086]
式中：ti为当前时段，ti∈[1,t]。ty为农作物类型，ty∈[1,n]。inc
ty
为泵站向ty农作物供水的收入(元/m3)，exp
ty
为泵站向ty农作物供水的成本(元/m3)，x
ti,ty
为水库在ti时段向ty农作物的供水量(m3)，y
ti,ty
为泵站在ti时段向ty农作物的引水量(m3)。p为介质系数，q
d
为设计流量(m3/s)，h为工作扬程(m)，η为泵站额定工作效率，β为抽水能量系数，d为电费单价(元/kw
·
h)，time
ti
为泵站ti时段运行时间(h)。ic
ty
为进口农产品ty的收入(元/kg)，ep
ty
为进口农产品ty的成本(元/kg)，imp
ty
为进口农产品的质量(104kg)。prd
ty
为农产品ty的本地生产量(104kg)，td
ty
为农产品ty的需求量。x
ti
为水库ti时段的供水量，y
ti
为泵站ti时段的供水量。sk为最大供水量，其需满足调度周期t内初始库容等于t时刻的水库库容，即v0＝v
t
。ls
ti
为水库ti时段的来水量，ef
ti
为水库ti时段的蒸发和渗漏量，c
ti
为水库ti时段的弃水量，v0水库初始水量，v
ti
为水库在ti时段的蓄水量，v
t
水库在t时段的需水量。v
min
为水库的最小蓄水量，v
max
为水库的最大蓄水量。lake
ti
为湖泊ti时刻可引水量，river
ti
为江河ti时刻可引水量。
[0087]
(4)模型求解方法：对于步骤(1)
‑
(3)构建的基于虚拟水的水库
‑
泵站联合优化调度模型，通过耦合中心游移及最速曲线的鲸鱼算法(c
‑
b
‑
vwoa)对该模型进行自动迭代优化求解。c
‑
b
‑
vwoa的具体步骤如下：
[0088]
step1 c
‑
b
‑
vwoa算法参数设置：设定变量矩阵va的行数(num)和列数(dim＝ty
·
(2ti 1)、当前迭代数(t)、最大迭代次数(t
max
)、农作物需求量(td
ty
)、结果变量(res：用来获取max f的值)和1
×
dim的结果矩(res：用来获取max f所对应的va(i)值)。
[0089]
step2中心游移初始化：生成num
×
dim的变量矩阵va，将变量矩阵va每一行看作一组候选解，候选解由x
ti,ty
、y
ti,ty
和imp
ty
组成。通过(式9)更新随机解通过(式10)生成矩阵va每一随机解的对立点同时对随机解采取中心游移策略(式11)进行游移，生成游移解进而以和的适应度(目标函数)为评价指标进行比选，保留其中的最优解，完成种群的初始化。具体公式如下：
[0090][0091][0092][0093]
式中：i表示矩阵va的行数，i∈[1,num]，up为变量上限，down为变量下限，ξ为[0,1]之间的随机数；为t次迭代生成的第i个随机解，为t次迭代对立学习生成的第
i个对立解；为t次迭代中心游移生成的第i个游移解，δ为游移系数，其值为[0,1]之间的随机数。
[0094]
step3约束处理过程：读取水库和泵站相关数据(包括：v0、v
min
、v
max
、td
ty
、ls
ti
、ef
ti
、lake
ti
、river
ti
和vw
ty
)，结合随机生成的x
ti,ty
、y
ti,ty
和imp
ty
计算(v
ti
)，进而，对优化后的变量矩阵va进行约束处理(包括式2
‑
8)，删除不满足以上约束的矩阵行va(i)，并通过中心游移重新生成，重复以上过程，直至候选解矩阵va全部符合约束，则进入下一过程。
[0095]
step4迭代更新过程：第t次迭代中，首先计算适应度值，得出最优解并根据对应公式更新算法参数(包括：a、a、c和p)。在此基础上，根据p和|a|值，每组候选解分别进行包围捕食、随机或螺旋气泡的迭代更新策略。具体更新方式为：当p<0.4，|a|≤1，采用(式13)进行包围捕食更新；当p<0.4，|a|>1，根据(式12)进行随机更新；当p≥0.4，采用(式14)进行螺旋气泡更新。之后，随机选择一组候选解采取变异操作(式15)，并根据边界邻域更新(式16)对越界的候选解进行修正更新，得到第t 1代的候选解矩阵va。具体更新公式如下：
[0096]
随机搜索更新方式：va(i)
t 1
＝va(rand)
t
‑
a
·
|c
·
va(rand)
t
‑
va(i)
t
|
ꢀꢀꢀꢀ
(50)
[0097]
包围捕食更新方式：
[0098]
螺旋气泡更新方式：
[0099]
高斯变异更新方式：va(i)
t
′
＝n(0,1)
·
va(i)
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(53)
[0100]
边界邻域更新方式：
[0101]
式中：va(i)
t
为t次迭代中第i组候选解；为t次迭代中最优解；va(rand)
t
为t次迭代矩阵va中随机选择的一组解，va(i)
t
′
为t次迭代中第i组候选解的变异解。a和c是矩阵系数，分别表示为：a＝2a
·
(r1‑
1)和c＝2a
·
r2；a为收敛因子，耦合最速曲线的收敛因子表示为a＝a0‑
k0(1
‑
cosθ)，其中，a0取值为2，k0为系数，θ为收敛曲线上某一点切线与纵轴的夹角；r1、r2是[0,1]的随机向量。d
′
表示t次迭代中第i个候选解与最优解的距离。b为螺旋形状常数，取值为1。l为[
‑
1,1]的随机数，其大小决定候选解距最优解的距离，l＝
‑
1距离最近，l＝1最远。n(0,1)表示服从标准正态分布，u(0,0.1)表示服从[0,0.1]之间的均匀分布。
[0102]
step5判断迭代条件：当t≤t
max
时，重复step4直至退出迭代，并将结果输出为.txt文件，其结果信息包括，(1)虚拟水信息(vw
ty
)、(2)模型参数信息，包括(供水净收益(inc
ty
‑
exp
ty
)、泵机流量(q
d
)、扬程(h)和工作效率(η)、介质系数(p)、流量能量系数(β)、电费单价(d)、流通净收益(ic
ty
‑
ep
ty
)和农作物需求量(td
ty
))、(3)最优供水量(x
ti,ty
和y
ti,ty
)和农产品进口量(imp
ty
)、(4)最大经济效益(max f)和(5)各时段泵机运行时间(time
ti
)。
[0103]
步骤(1)中所述的调度参数信息，包括，泵站调度周期、调度时段总数(t)和农作物类型总数(n)；
[0104]
步骤(1)中所述的水库库容信息，包括，当前时段(ti)、水库库容信息(v0、v
max
、v
min
)、水库各时段来水情况(ls
ti
)、水库各时段蒸发渗漏量(ef
ti
)和各时段降雨量信息。
[0105]
步骤(1)中所述的泵站机组信息，包括，当前时段(ti)、泵机流量(q
d
)、扬程(h)、工
作效率(η)、介质系数(p)、抽水能量系数(β)、电费单价(d)和泵站各时段可引水量(lake
ti
和river
ti
)。
[0106]
步骤(1)中所述的引水区农作物信息，包括：农作物类型(ty)、农作物产量信息(prd
ty
)、流通成本(ep
ty
)和收益信息(ic
ty
)。
[0107]
步骤(1)中所述的虚拟水信息即虚拟水量，它是通过农产品
‑
虚拟水的转化公式计算的。具体公式如下：
[0108][0109]
其中：ty为农作物类型，vw
ty
为农作物ty的消耗性水足迹，et
ty
为农作物生长期的绿色和蓝色蒸散量，y
ty
为农作物ty的产量。
[0110]
步骤(2)中水库
‑
泵站
‑
引水区各字段信息，构建水库
‑
泵站
‑
引水区数据库，并添加以上字段信息，包括，泵站调度周期、调度时段总数(t)和农作物类型总数(n)；当前时段(ti)、水库库容信息(v0、v
max
、v
min
)、水库各时段来水情况(ls
ti
)、水库各时段蒸发渗漏量(ef
ti
)和各时段降雨量信息；泵机流量(q
d
)、扬程(h)、工作效率(η)、介质系数(p)、抽水能量系数(β)、电费单价(d)和泵站各时段可引水量(lake
ti
和river
ti
)；农作物类型(ty)、农作物产量信息(prd
ty
)、流通成本(ep
ty
)、收益信息(ic
ty
)和虚拟水信息(vw
ty
)。字段添加完成后，为ls
ti
、ef
ti
、lake
ti
和river
ti
添加主键索引，并将以上各字段对应数据批量导入，完成数据库构建。
[0111]
step4中获取最优解具体过程为：t次迭代中，计算va(i)的适应度值(max f)，并比较res与max f。若max f≤res，则保持res和res不变；若max f>res，则将max f赋值于res，并将va(i)赋值于res，直至完成矩阵va的计算，则此时
[0112]
step4中耦合最速曲线的收敛曲线的生成方式，(1)确定收敛因子(a)的变化范围(a0到0)，并取特解点为(x0,y0)＝(1,a0)；(2)根据最速曲线(式18)可求解得出θ0，进而求出k0；(3)结合算法过程与曲线，得到各迭代点，即：以(θ0/t
max
)为步长因子，将θ离散为t
max
个点(θ∈[0,θ0])，即可得到耦合最速曲线的收敛曲线(式19)。
[0113][0114]
a＝a0‑
k0(1
‑
cosθ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(57)
[0115]
式18中x表示横坐标，其坐标轴正方向向右；y表示纵坐标，其坐标轴正方向向下。
[0116]
step5中将结果输出为.txt文件的具体方法，在程序中添加路径并创建.txt文件，打开.txt文件，向文件中添加标头字段信息，即：(1)虚拟水信息(vw
ty
)、(2)模型参数信息，包括(供水净收益(inc
ty
‑
exp
ty
)、泵机流量(q
d
)、扬程(h)和工作效率(η)、介质系数(p)、抽水能量系数(β)、电费单价(d)、流通净收益(ic
ty
‑
ep
ty
)和农作物需求量(td
ty
))、(3)最优供水量(x
ti,ty
和y
ti,ty
)和农产品进口量(imp
ty
)、(4)最大经济效益(max f)和(5)各时段泵机运行时间(time
ti
)。然后，分别读取对应数据(虚拟水：vw1和vw2；供水净收益：(inc1‑
exp1)、(inc2‑
exp2)和(inc3‑
exp3)；泵机流量(q
d
)、扬程(h)和工作效率(η)、介质系数(p)、抽水能量系数(β)、电费单价(d)；流通净收益：(ic1‑
ep1)、(ic2‑
ep2)和(ic3‑
ep3)；农作物需求量：td1和td2)写入文件对应的标头位置。其中，x
ti,ty
、y
ti,ty
和imp
ty
数据信息位于结果矩阵res中；
max f对应数据信息位于res中，依次读取数据，并将y
ti,ty
转化为各时段运行时间(time
ti
)，并依次写入文件对应位置，完成后关闭文件。
[0117]
如图2所示，为本发明实施例中经济效益收敛曲线图
[0118]
表1调度参数信息
[0119][0120]
表2水库库容信息
[0121][0122][0123]
表3泵站机组信息
[0124][0125]
注：江河引水量(river
ti
)为0。
[0126]
表4农作物信息
[0127][0128]
表5虚拟水信息、模型参数信息、最优供水量和农产品进口量、最大经济效益和运行时间的输出结果
[0129][0130][0131]
inc
ty
‑
exp
ty
：向农作物ty供水净收益(ty∈[1,3]，分别表示小麦，水稻和油菜)；泵机流量(q
d
)、扬程(h)和工作效率(η)、介质系数(p)、抽水能量系数(β)、电费单价(d)；ic
ty
‑
ep
ty
：农作物ty流通净收益(ty∈[1,3],分别表示小麦和水稻)，td
ty
：表示农作物ty的需求量；x
ti,ty
：表示ti时段水库向农作物ty的供水量(ti∈[1,12])；y
ti,ty
：表示ti时段泵站向农作物ty的供水量(ti∈[1,12])；imp
ty
：表示农作物产品ty的年流通量；time
ti
：表示ti时段泵站运行时间。
[0132]
表5为本发明实施例的输出结果信息，包括，虚拟水信息(vw
ty
)、模型参数信息(供水净收益：(inc
ty
‑
exp
ty
)、泵机流量(q
d
)、扬程(h)、工作效率(η)、介质系数(p)、抽水能量系数(β)、电费单价(d)、流通净收益：(ic
ty
‑
ep
ty
)和农作物需求量(td
ty
))、各时段向农作物ty供水量(x
ti,ty
和y
ti,ty
)以及农产品进口量(imp
ty
)、最大收益(max f)和泵站各时段运行时间(time
ti
)。
[0133]
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。