一种水库闸门群多目标防洪优化调度方法及系统

技术领域

本发明属于水库闸门调度技术领域，具体涉及一种水库闸门群多目标防洪优化调度方法及系统。

背景技术

在雨季或者冰雪融化时段河段的水位急剧上涨，洪水超过一定限度后将会给人们的生活生产带来巨大的危害，因此水库闸门在汛期防洪的时段起到了至关重要作用，提高水库闸门群防洪的能力成为众多工程研究的重点。传统的水库防洪优化调度模型仅以下泄流量的最高峰值为优化目标，考虑优化的条件单一，仅能保证一个水库处于最优调度状态，无法满足水库闸门群的优化调度。

现有的水库群防洪优化调度模型的智能算法主要有遗传算法和粒子群算法，遗传算法主要是对初始的优化调度种群通过交叉、变异迭代收敛，这种迭代方法不易得到最优解，且迭代收敛时间过长；粒子群算法收敛过快，且容易造成局部收敛，找寻最优解不精准。

发明内容

本发明旨在解决现有技术中存在的技术问题，提供一种水库闸门群多目标防洪优化调度方法及系统，增加考虑优化的条件，使其满足水库闸门群的优化调度，提高优化模型的收敛速度和精准性。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种水库闸门群多目标防洪优化调度方法，包括以下步骤：根据水库信息建立多个目标函数，根据多个目标函数构建多目标优化模型，多个目标函数具体包括起额洪量最小目标函数、最大下泄流量最小目标函数、最高运行水位最低目标函数、入库流量最小目标函数和出库流量最小目标函数；建立多目标优化模型的约束条件；根据约束条件和改进灰狼算法计算多目标优化模型的最优解。

进一步，多目标优化模型具体为：minF＝F

进一步，起额洪量最小目标函数具体为：

进一步，根据约束条件和改进灰狼算法计算多目标优化模型的最优解的步骤具体包括：S1：根据约束条件确定多目标优化模型的上限和下限；S2：设置改进灰狼算法的算法参数，初始化改进灰狼算法的灰狼种群及位置公式中的动态权重，初始化改进灰狼算法中的控制系数，控制系数包括随机向量、搜索范围系数及搜索范围系数的收敛因子；S3：计算灰狼种群中每只狼的适应度值，并将适应度值排序赋予至头狼和捕猎狼；根据位置公式更新捕猎狼的位置，更新控制系数；S4：判断多目标优化模型是否达到收敛条件，若达到收敛条件，则输出头狼的位置，结束运算；若未达到收敛条件，并返回步骤S3。

进一步，头狼包括第一头狼、第二头狼和第三头狼；

步骤S4具体为：判断多目标优化模型是否达到收敛条件，若达到收敛条件，则输出第一头狼的位置，结束运算；若未达到收敛条件，并返回步骤S3。

进一步，设定水库的超额洪量为第一头狼，设定闸门最大下泄流量峰值为第二头狼，设定水库群的最高运行水位为第三头狼，其余目标设定为捕猎狼。

进一步，动态权重包括第一权重、第二权重和第三权重；第一权重的计算公式如下：

进一步，位置公式具体为：

进一步，约束条件包括水量平衡约束、水库水位上下限约束、水库水位变化约束、水库下泄流量限度约束和水库闸门最大下泄流量约束。

为了实现本发明的上述目的，根据本发明的第二个方面，本发明提供了一种水库闸门群多目标防洪优化调度系统，在运行过程中使用了上述任一一种水库闸门群多目标防洪优化调度方法，该系统包括创建模块、约束模块和计算模块；创建模块用于根据水库信息建立多个目标函数，还用于根据多个目标函数构建多目标优化模型；约束模块用于建立多目标优化模型的约束条件；计算模块用于根据约束条件和改进灰狼算法计算多目标优化模型的最优解。

本发明的技术原理及有益效果：本发明引入多个目标函数，构建起额洪量最小、水库闸门群最大泄洪流量最小、水库群最高运行水位最低、水库入库流量最小，水库出库流量最小的多目标优化模型，并且引入约束条件和改进灰狼算法计算多目标优化模型的最优解。改进灰狼算法根据狼群的等级制度分为领导的头狼和捕猎狼，头狼向其余的捕猎狼发出寻找猎物位置的指令，捕猎狼通过不断寻找猎物和不断迭代更新捕猎位置，最终包围得到猎物，即找到最优解。改进灰狼算法引入动态权重，使头狼对猎捕狼的领导能力做出区分，地位越高的头狼对猎捕狼的领导权重越大，提高猎捕浪的围捕能力，使寻优能力更高，且最优解更精准，还有效避免了局部优化和收敛，减少迭代次数，加快了多目标优化函数的收敛速度。

附图说明

图1是本发明所述的一种水库闸门群多目标防洪优化调度方法的步骤示意图；

图2是本发明所述的根据约束条件和改进灰狼算法计算多目标优化模型的最优解的步骤示意图；

图3是本发明所述的一种水库闸门群多目标防洪优化调度系统的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如附图1所示，本实施例提供了一种水库闸门群多目标防洪优化调度方法，包括以下步骤：根据水库信息建立多个目标函数，根据多个目标函数构建多目标优化模型，多个目标函数具体包括起额洪量最小目标函数、最大下泄流量最小目标函数、最高运行水位最低目标函数、入库流量最小目标函数和出库流量最小目标函数；建立多目标优化模型的约束条件；根据约束条件和改进灰狼算法计算多目标优化模型的最优解。

本实施例中，水库信息包括水库的大坝监测水位、闸门前监测水位、所有闸门水位、闸门宽度和闸门开启高度；再建立多个目标函数之前还包括对水库信息进行预处理和计算。

进一步，多目标优化模型具体为：minF＝F

优选地，洪水来临的汛期可能会带来破坏性的影响，不仅要考虑下游的防洪安全，还要考虑水库的洪水量，因此多个目标函数中包括起额洪量，控制起额洪量可以减少洪水流域对周围造成的损失，还能减少汛期洪水造成的危害时间；起额洪量最小目标函数具体为：

其中，F

优选地，控制水库闸门群的最大下泄流量最小，可以减少水库闸门群下游的压力，使下游的水库收到更小的冲击，保护下游水库安全；因此多个目标函数中包括最大下泄流量最小目标函数，最大下泄流量最小目标函数具体为：

其中，F

优选地，控制水库闸门群的最高运行水位在安全的限度内，可以尽可能的保护水库的安全，并且在遇到突发状况时，水库可以更好的应对，因此多个目标函数中包括最高运行水位最低目标函数，最高运行水位最低目标函数具体为：

其中，F

优选地，由于汛期洪水流量变化跨度非常大，不仅要考虑水库的运行水位，同时还是随时监测入库流量，放置水库闸门群的入库流量急剧变化，对下游造成影响。因此多个目标函数中包括水库流量最小目标函数，控制入库流量可以降低防洪风险，入库流量最小目标函数具体为：

其中，F

优选地，出库流量过大对下游发电站的发电、同行、综合供水以及下游生态造成影响，因此多个目标函数中包括出库流量最小目标函数，出库流量最小目标函数具体为：

其中，F

本实施例中，水库的超额洪量、下泄流量最大值、最高运行水位、入库流量和出库流量由水库闸门设计和监测获得。

如附图2所示，根据约束条件和改进灰狼算法计算多目标优化模型的最优解的步骤具体包括：

S1：根据约束条件确定多目标优化模型的上限和下限；多目标优化模型的上限和下限包括入库总水量、出库水量、水库水位的上下限、水库水位变化的上下限、水库下泄流量限度以及最大下泄流量值；

S2：设置改进灰狼算法的算法参数，算法参数包括最大迭代次数iter

S3：计算灰狼种群中每只狼的适应度值，并将适应度值排序赋予至头狼和捕猎狼ω狼；根据位置公式更新捕猎狼ω狼的位置；

S4：判断多目标优化模型是否达到收敛条件，若达到收敛条件，则输出头狼的位置，结束运算；若未达到收敛条件，则更新控制系数，并返回步骤S3。

优选地，头狼包括第一头狼α狼、第二头狼β狼和第三头狼δ狼，步骤S4具体为：判断多目标优化模型是否达到收敛条件，若达到收敛条件，则输出第一头狼的位置，结束运算；若未达到收敛条件，则更新控制系数和位置公式中的动态权重，并返回步骤S3。

在传统的灰狼算法中，头狼对捕猎狼ω狼的领导能力落后，并且没有区别α狼、β狼、δ狼的地位和权重，导致模型过早收敛、迭代次数过多，无法得到最优的解，因此本实施例引入动态权重，使α狼、β狼、δ狼对ω狼的领导能力做出区分，地位越高的狼对ω狼的领导权重越大，提高围捕能力，使传统的灰狼算法得到改进，有效避免局部的优化和收敛，减少迭代次数。改进灰狼算法与其他智能算法相比优化迭代速度快，能平衡全局优化和局部优化的搜索，并且改进灰狼算法的参数变量时候，优化结果精度更高。

在本实施例中，水库的超额洪量，F

具体地，步骤S3中根据适应值大小进行排序，将适应值依次赋予至α狼、β狼、δ狼和ω狼。

由于ω狼受到α狼、β狼、δ狼的领导，根据α狼、β狼、δ狼的所处位置和当前迭代次数的控制系数得到ω狼向α狼、β狼、δ狼移动的距离，将动态权重和移动距离带入位置公式中，得到更新后的ω狼所处的位置；动态权重包括第一权重ω

具体地，位置公式如下：

其中，X表示捕猎狼当前迭代所处的位置，X(l+1)表示捕猎狼下一迭代所处的位置，ω

X

X

X

其中，D

D

D

D

其中，C

第一权重的计算公式如下：

第二权重的计算公式如下：

第三权重的计算公式如下：

其中，ω

具体地，控制参数由以下公式获得：

A＝2a·rd

C＝2rd

其中，C为随机向量，A为搜索范围系数，a为搜索范围系数A的收敛因子，l为当前迭代次数，随着不断迭代，a的值在不断变化，rd

具体地，随机向量C和rd

搜索范围系数A是狼群逼近猎物的一个控制缩小范围的系数，搜索范围系数A受收敛因子a的控制，由于狼群在捕猎时需要不断的接近猎物，所以收敛因子a也在不断的减小，同时受控制的搜索范围系数A的随机范围也在不断减小，当A>1时，狼群在猎物和当前位置不断搜索，搜索范围大且寻找最优解，当A<1时，使得狼群攻击猎物，进入局部搜索。

进一步，约束条件包括水量平衡约束、水库水位上下限约束、水库水位变化约束、水库下泄流量限度约束和水库闸门最大下泄流量约束。

具体地，水量平衡约束的公式如下：

V

其中，V

水库水位上下限约束的公式如下：

其中，Z

水库水位变化约束的公式如下：

|Z

其中，Z

水库下泄流量限度约束的公式如下：

其中，Q

水库闸门最大下泄流量约束的公式如下：

其中，Q

如附图3所示，本实施例提供了一种水库闸门群多目标防洪优化调度系统，在运行过程中使用了上述任一一种水库闸门群多目标防洪优化调度方法，该系统包括创建模块、约束模块和计算模块；创建模块用于根据水库信息建立多个目标函数，还用于根据多个目标函数构建多目标优化模型；约束模块用于建立多目标优化模型的约束条件；计算模块用于根据约束条件和改进灰狼算法计算多目标优化模型的最优解。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。