面向水华防控的水工程多目标优化调度方法

技术领域

本发明属于水库调度技术领域，特别涉及一种面向水华防控的水工程多目标优化调度方法。

背景技术

水华是淡水水体中藻类大量繁殖的一种自然生态现象，是水体富营养化的一种特征，常见于湖泊、水库等流速较低的水体，对生态系统、社会经济发展、人体健康造成严重不良影响。近年来，我国的汉江中下游、太湖和滇池等重要水域均多次暴发水华，许多学者围绕水华成因和治理防控等方面开展了研究工作。但现如今水华防控研究大多在湖泊开展，缺少水华防控与水工程调度的结合，同时，水工程调度技术(非工程措施)和脱氮除磷装置(工程措施)融合过少，水华防控效果很难达到预期目标。面向水华防控的新需求，水工程调度的技术难点和挑战包括：①实现水华防控、水量调配和发电的协同调度难度大，难以充分发挥水工程协同调度的综合效益；②缺少水工程调度技术和脱氮除磷装置融合。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供面向水华防控的水工程多目标优化调度方法和水华处理装置，运用水文学、仿生进化算法等理论方法，通过水华水质扩散运移模拟与水库调度的深度融合，提出了可协同优化水华防控、水量调配和发电的调度目标的水工程调度方法；通过布设脱氮除磷装置，提高水体自净能力，降解有机污染物。本发明可为流域有关水华防控的水库调度方案的科学制定提供理论依据与技术支撑。

本发明为了实现上述目的，采用了以下方案：

本发明提供面向水华防控的水工程多目标优化调度方法，包括以下步骤：

步骤一，调度模型构建：构建面向生态、水量和发电需求的多目标函数，以各时段水库出库流量为决策变量的面向水华防控的水工程联合调度模型；

步骤二，水华水质扩散运移模拟：运用一维对流扩散方程模拟水华水质扩散运移，以评估生态、水量和发电调度目标函数；

步骤三，调度方案生成：采用多目标蚁狮优化算法求解调度模型，获取可协同优化水华防控与水量、发电调度目标的帕累托解集，提供水工程多目标优化调度方案；

步骤四，布设水体脱氮除磷装置于下游水体富营养化区域，为水华防控提供工程措施。

优选地，其中，所述步骤一中，多目标函数是指面向生态、水量、发电需求的调度目标；最小化生态目标函数如下：

式中，F

优选地，所述阶跃函数定义如下所示：

①对于正向指标，即指标数值越高，水华爆发概率越低，主要包括生态断面流量指标：

其中生态断面流量与水工程各时段水库出库流量相关联，即生态断面流量用式(3)表示：

式中，Q

②对于负向指标，即指标数值越高，水华爆发概率越高，主要包括总氮TN、总氮TP指标：

优选地，最大化蓄水量和最大化发电量的兴利调度目标函数分别如下：

式中，F

优选地，所述步骤一中，水库蓄水调度需满足以下约束条件：水库水量平衡约束、水位约束、水位变幅约束、水库水位边界约束、出库流量约束、出力约束、取水节点水量计算、用水节点水量计算、回水节点水量计算、航电枢纽约束。

优选地，在步骤二中，运用一维对流扩散模块去模拟水华水质扩散运移过程，以评估生态、水量和发电调度目标函数，其中，一维对流扩散方程为：

式中，C为污染物浓度，mg/L；D为污染物弥散系数；A为断面过水面积，m

优选地，所述步骤二中，需满足以下约束条件：

水质指标初始浓度

式中，C

优选地，其中，在步骤三中，用多目标蚁狮优化算法求解调度模型按如下步骤进行：

①数据初始化：初始化迭代次数、种群大小和各时段水库出库流量，各时段水库出库流量对应蚁狮优化算法中蚁狮的位置；

②确定精英蚁狮：在解空间边界范围内对蚂蚁和蚁狮的位置进行随机初始化，计算出全部种群的适应度值，并且按降序进行排序，把蚁狮种群中适应度值最好的那只蚁狮命名为精英蚁狮；

③给每只蚂蚁用轮盘赌随机匹配一只蚁狮，依据匹配到的蚁狮位置，更新游走范围上下边界值，并让蚂蚁在选中的蚁狮附近及精英蚁狮附近分别进行随机游走，并取平均值，作为该蚂蚁下一代初始位置；

④每一次迭代都要重新给蚂蚁和蚁狮种群赋初值并重新计算它们的适应度值，取适应度值前50％的位置作为新一代蚁狮的位置，取适应度值最好的蚁狮位置作为新一代精英蚁狮的位置；

⑤终止准则判断：若当前迭代次数小于最大迭代次数t

优选地，其中，在步骤四中，布设水体脱氮除磷装置于下游水体富营养化区域，为水华防控提供工程措施，治理装备包括移动式水质净化装置和固定式脱氮除磷系统。

与现有技术相比，本申请具有如下有益效果：

1.从水华防控的角度看，基于水华水质扩散运移模拟方法，应用水文学、仿生进化算法等理论方法，构建与高效求解面向水华防控的水工程多目标优化调度模型，通过水华水质扩散运移模拟与水库调度的深度融合，可协同优化水华防控、水量调配和发电调度目标。

2.从水华治理的角度看，当水华事件发生时，通过布设脱氮除磷装置，提高水体自净能力，降解有机污染物。

附图说明

图1是本发明实施例的一种面向水华防控的水工程多目标优化调度方法的流程图。

图2是本发明实施例的求解面向水华防控的水工程多目标优化调度模型的流程图。

图3是本发明实施例的移动式水质净化装置图和固定式脱氮除磷处理系统图。

图4是本发明实施例水华防控断面的水质平均浓度与最低流量的Pareto解集分布情况图。

具体实施方式

以下结合附图、实施例和对比例详细说明本发明技术方案。

<实施例>

为了使本发明实施例的目的、技术方案、优点更加清晰，下面将结合本发明实施例来介绍本发明的技术方案。以某河流水库及下游两个断面为例，采用面向水华防控的水工程多目标优化调度方法，实现水华防控与供水、补水、发电多目标均衡优化。如图1所示，包括如下步骤：

步骤一，调度模型构建：构建面向生态、水量和发电需求的多目标函数，以各时段出库流量为决策变量的面向水华防控的水工程联合调度模型，如图1中(a)所示。

步骤二，水华水质扩散运移模拟：运用一维对流扩散模块模拟水华水质扩散运移，以评估生态、水量和发电调度目标函数。

步骤三，调度方案生成：采用多目标蚁狮优化算法求解调度模型，获取可协同优化水华防控与水量、发电调度目标的帕累托解集，提供水工程多目标优化调度方案，如图1中(b)所示。

如图2所示，按照①数据初始化：确定蚂蚁和蚁狮初始种群数量；②确定精英蚁狮；③更新蚂蚁位置；④更新蚁狮位置和精英蚁狮位置；⑤判断终止准则的基本流程，求解面向水华防控的水工程联合调度模型，获取帕累托解集，以生成调度方案，指导水库蓄水调度与风险决策。

步骤四，当水华事件发生时，在该水域布设水体脱氮除磷装置，如图3所示，水质改善后，逐渐形成水生态平衡系统，装置可以退出运行。

在本实施例中，所述步骤一中，多目标函数是指面向生态、水量、发电需求的调度目标；最小化生态目标函数如下：

式中，F

进一步地，阶跃函数定义如下所示：

①对于正向指标，即指标数值越高，水华爆发概率越低，主要包括生态断面流量指标：

其中生态断面流量与水工程各时段水库出库流量相关联，即生态断面流量用式(3)表示：

式中，Q

②对于负向指标，即指标数值越高，水华爆发概率越高，主要包括总氮TN、总氮TP指标：

优选地，最大化蓄水量和最大化发电量的兴利调度目标函数分别如下：

式中，F

步骤一中，水库蓄水调度需满足以下约束条件：水库水量平衡约束、水位约束、水位变幅约束、水库水位边界约束、出库流量约束、出力约束、取水节点水量计算、用水节点水量计算、回水节点水量计算、航电枢纽约束。

水库水量平衡约束

V

式中，V

水位约束

式中，Z

水位变幅约束

|Z

式中，δ

水库水位边界约束

式中，

出库流量约束

式中，

出力约束

P

P

式中，P

取水节点水量计算

R

W

式中，R

用水节点水量计算

W

式中，W

回水节点水量计算

Q

式中，Q

航电枢纽约束

一般在水库下游会建设航电枢纽，主要发挥航运和发电功能，调节能力较小，对于此类工程约束，按其常规调度规程进行模拟，如下所示：

O

式中，O

在步骤二中，运用一维对流扩散模块去模拟水华水质扩散运移过程，以评估生态、水量和发电调度目标函数，其中，一维对流扩散方程为：

式中，C为污染物浓度，mg/L；D为污染物弥散系数；A为断面过水面积，m

优选地，所述步骤二中，需满足以下约束条件：

水质指标初始浓度

式中，C

其中，在步骤三中，用多目标蚁狮优化算法求解调度模型按如下步骤进行：

①数据初始化：初始化迭代次数、种群大小和各时段水库出库流量，各时段水库出库流量对应蚁狮优化算法中蚁狮的位置；

②确定精英蚁狮：在解空间(7)～(18)、(20)、(21)边界范围内对蚂蚁和蚁狮的位置进行随机初始化，根据式(1)～(6)、(19)计算出全部种群的适应度值，并且按降序进行排序，把蚁狮种群中适应度值最好的那只蚁狮命名为精英蚁狮；

③给每只蚂蚁用轮盘赌随机匹配一只蚁狮，依据匹配到的蚁狮位置，更新游走范围上下边界值，并让蚂蚁在选中的蚁狮附近及精英蚁狮附近分别进行随机游走，并取平均值，作为该蚂蚁下一代初始位置；

④每一次迭代都要重新给蚂蚁和蚁狮种群赋初值并重新计算它们的适应度值，取适应度值前50％的位置作为新一代蚁狮的位置，取适应度值最好的蚁狮位置作为新一代精英蚁狮的位置；

⑤终止准则判断：若当前迭代次数小于最大迭代次数t

其中，在步骤四中，布设水体脱氮除磷装置于下游水体富营养化区域，为水华防控提供工程措施，治理装备包括移动式水质净化装置和固定式脱氮除磷系统。

如图4所示，随着断面TP、TP平均浓度降低，水电站发电量呈现增加趋势，而水库库容余留水量呈现降低趋势；断面最小流量与发电量呈现协同增加关系，二者的增加会导致水库库容余留水量的降低。此外，以常规调度结果做分界线，可以将上述Pareto解集划分为A、B两个区域。显然，A区的Pareto解集的发电量，断面TP、TP平均浓度和最小流量均劣于常规调度解，但水库余留库容效益更优；而B区的Pareto解集的断面TP、TP平均浓度、最小流量、水电站发电量以及库容余留效益均优于常规调度解。本实施例获取的多目标Pareto解集可针对生态、水量和发电目标，提升水工程联合调度综合效益。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，并不会偏离本发明的精神或者超过所附权利要求书所定义的范围。