一种基于模型预测控制的泵闸群防洪调度方法及系统

技术领域

本发明涉及城市水系泵闸排涝站调度技术和计算技术的交叉领域，特别是涉及一种综合考虑泵闸站系统排涝能力、成本费用和设备运维成本的泵闸排涝站群防洪调度策略。

背景技术

城市防洪排涝调度是城市防洪应急调度的一个重要工作。然而，当前泵、闸站调度存在三个问题：(1)基于既定规则进行调度，很难应对降雨的不确定性，缺乏实时调度的灵活性；(2)在泵闸群优化运行的研究中，通常只强调排水防涝的效果，而忽略了与项目运行的经济性和安全性相关的指标，如机组维护成本和水泵启停时间及次数等。(3)防洪调度由调度人员根据经验制定，随意性大，实时调度计算过程没有统一标准，难以精确控制城市内河水位，更不能满足特定的调度目标，风险控制能力弱，同时很难对实时的短期调度、设备稳定运行、经济效益等产生即时的效果。

相对于普通河道的排水系统，城市排水系统更加复杂，加上我国城市建设的理念。我国对城市排水泵闸站优化运行和投资管理的重视程度较低。城市暴雨引起的城市水涝灾害也很常见。

因此，如何在现有的泵闸群调度方法的基础上，统一防洪调度标准是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于模型预测控制的泵闸群防洪调度方法，为了实现上述目的，本发明采用如下技术方案：

步骤一：根据泵闸排涝站排涝能力、运用费用和后期检修运维的构建泵闸群优化调度模型，所述泵闸群优化调度模型由调度目标和约束条件构成；

步骤二：进行调度优化问题求解，使用仿照蜜蜂蜂群采集蜂源的人工蜂群算法进行求解得到设计洪水和泵站启闭、闸门开度的组合方案；

步骤三：设置泵站、闸门分配方式，使用人工蜂群算法进行智能优化分配，将步骤一、步骤二建立的泵闸群优化调度模型，调度周期内结果带入构建的基于SWMM的城市水系河道水力学模型中，通过配置城市泵闸排涝站闸的开度，最后获取防洪调度模型；

步骤四：基于人工蜂群算法的泵闸排涝站实时调度策略，运用人工蜂群算法，求解建立的防洪调度模型，可得到降雨下的一个实时调度策略方案。

可选的，泵闸群优化调度模型包括以下调度目标：

(1-1)目标水位优化：

式中：ΔL

(1-2)运行期间抽水费用最少：

式中：F为调度周期内的抽排费用，k为电费单元/kW·h，ρ为水的密度，g为当地重力加速度，取9.8m/s

(1-3)泵站启闭次数最少：

式中：C为调度期间内泵站机组启闭机次数之和；L(i,j)为第i个泵站第j个时段与上一时段泵站机组变化台数；

(1-4)调度时段末水位峰值最低：

minΔL

式中：ΔL

可选的，泵闸群优化调度模型包括以下约束条件：

(2-1)水位约束：

此约束条件为目标泵闸排涝站水位约束条件，水位低于

(2-2)流量约束：

式中：

(2-3)水泵扬程约束：

式中：

(2-4)闸门开度约束：

K

式中：K

(2-5)非负条件约束：

上述所有变量均为非负变量。

可选的，步骤二中人工蜂群算法包括以下步骤：

步骤1、初始化人工蜂群算法参数，包括最大迭代次数maxcycles、阈值limit、新蜜源Vi、蜜源Xi、每个蜜源选择的概率Pi，还有参数SN、t＝1；

步骤2、生成初始种群X；

步骤3、雇佣峰i搜索蜜源产生新的蜜源Vi；

步骤4、判断fit(Vi)是否大于fit(Xi)，如果是则用Vi代替Xi，如果不是则保留蜜源Xi；

步骤5、判断蜜源i是否小于SN的一半，如果是则计算每个蜜源选择的概率Pi，并观察蜂根据概率进行贪婪选择，更新种群，记录最优解；如果不是则令雇佣峰数量加1回到步骤3继续循环执行；

步骤6、判断蜜源是否达到阈值limit，如果达到阈值limit则执行步骤7，如果没有达到阈值，则产生新蜂并执行步骤7；

步骤7、判断迭代次数t是否达到最大迭代次数maxcycle，若达到最大迭代次数则终止算法，输出最优解，若没有达到最大迭代次数，则令迭代次数加1并回到步骤3继续循环执行。

可选的，步骤三中获取防洪调度模型的方法包括以下步骤：

步骤1、基于SWMM构建河道水力学模型，提供设计洪水来水预报；

步骤2、根据状态变量、控制变量构建基于水量平衡的预测模型；

步骤3、初始化来水预报结果、泵闸站前初始水位和设置总时段为T，t为t时刻，还有参数k；

步骤4、基于所述泵闸群优化调度模型进行一次优化，求解所述泵闸群优化调度模型得到k个控制变量序列，但只采用第一个序列的控制变量，并令t＝t+1；

步骤5、判断时刻t是否小于总时段T，若是则重新更新初值，回到步骤3继续循环执行，直至完成整个时间轴的优化，若否则输出防洪调度模型。

另一方面，提供一种基于模型预测控制的泵闸群防洪调度系统，包括以下模块：

调度策略生成模块，根据泵闸排涝站排涝能力、运用费用和后期检修运维的构建泵闸群优化调度模型；

调度优化问题求解模块，使用仿照蜜蜂蜂群采集蜂源的人工蜂群算法进行求解得到设计洪水和泵站启闭、闸门开度的组合方案；

智能优化分配模块，使用人工蜂群算法进行智能优化分配，将建立的泵闸群优化调度模型，调度周期内结果带入构建的基于SWMM的城市水系河道水力学模型中，通过配置城市泵闸排涝站闸的开度，最后获取防洪调度模型；

实时调度策略方案生成模块，运用人工蜂群算法，求解建立的防洪调度模型，可得到降雨下的一个实时调度策略方案。

可选的，调度策略生成模块还包括调度目标生成模块，用于生成目标水位优化、运行期间抽水费用最少、泵站启闭次数最少和调度时段末水位峰值最低的调度目标。

可选的，调度策略生成模块还包括约束条件生成模块，用于生成水位约束、流量约束、水泵扬程约束、闸门开度约束和非负条件约束。

可选的，调度优化问题求解模块还包括人工蜂群算法模块，用于求解泵闸群联合调度优化问题的最优解。

可选的，智能优化分配模块还包括防洪调度模型获取模块，用于获取防洪调度模型。

经由上述的技术方案可知，与现有技术相比，本发明提供了一种基于模型预测控制的泵闸群防洪调度方法及系统，与传统方法相比，通过针对不同调度需求选择优化目标和约束条件，有利于调度周期内水位维持平稳、降低调度运行期间的运营成本；另外，本发明将泵站的启动闭合作为重要的调度目标进行优化，减少维修次数、提高设备使用寿命。

附图说明

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。

图1为人工蜂群算法原理图；

图2为某泵闸群实时调度策略流程图；

图3为潮位过程曲线图；

图4为100年一遇上游一级泵闸站调度图；

图5为100年一遇下游二级泵闸站调度图。

具体实施方式

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。

本发明实施例公开了一种基于模型预测控制的泵闸群防洪调度方法，包括以下步骤：

步骤一：根据泵闸排涝站排涝能力、运用费用和后期检修运维的构建泵闸群优化调度模型，所述泵闸群优化调度模型由调度目标和约束条件构成；

步骤二：进行调度优化问题求解，使用仿照蜜蜂蜂群采集蜂源的人工蜂群算法进行求解得到设计洪水和泵站启闭、闸门开度的组合方案；

步骤三：设置泵站、闸门分配方式，使用人工蜂群算法进行智能优化分配，将步骤一、步骤二建立的泵闸群优化调度模型，调度周期内结果带入基于SWMM构建的城市水系河道水力学模型中，通过配置城市泵闸排涝站闸的开度，最后获取防洪调度模型；

步骤四：基于人工蜂群算法的泵闸群实时调度策略，运用人工蜂群算法，求解建立的防洪调度模型，可得到降雨下的一个实时调度策略方案。

在一个具体实施例中，泵闸群优化调度模型包括以下调度目标：

(1-1)目标水位优化：

式中：ΔL

(1-2)运行期间抽水费用最少：

式中：F为调度周期内的抽排费用，k为电费单元/kW·h，ρ为水的密度，g为当地重力加速度，取9.8m/s

(1-3)泵站启闭次数最少：

式中：C为调度期间内泵站机组启闭机次数之和；L(i,j)为第i个泵站第j个时段与上一时段泵站机组变化台数；

(1-4)调度时段末水位峰值最低：

minΔL

式中：ΔL

在一个具体实施例中，泵闸群优化调度模型包括以下约束条件：

(2-1)水位约束：

此约束条件为目标泵闸排涝站水位约束条件，水位低于

(2-2)流量约束：

式中：

(2-3)水泵扬程约束：

式中：

(2-4)闸门开度约束：

K

式中：K

(2-5)非负条件约束：

上述所有变量均为非负变量。

在一个具体实施例中，如图1所示，步骤二中人工蜂群算法包括以下步骤：

步骤1、初始化人工蜂群算法参数，包括最大迭代次数maxcycles、阈值limit、新蜜源Vi、蜜源Xi、每个蜜源选择的概率Pi，还有参数SN、t＝1；

步骤2、生成初始种群X；

步骤3、雇佣峰i搜索蜜源产生新的蜜源Vi；

步骤4、判断fit(Vi)是否大于fit(Xi)，如果是则用Vi代替Xi，如果不是则保留蜜源Xi；

步骤5、判断蜜源i是否小于SN的一半，如果是则计算每个蜜源选择的概率Pi，并观察蜂根据概率进行贪婪选择，更新种群，记录最优解；如果不是则令雇佣峰数量加1回到步骤3继续循环执行；

步骤6、判断蜜源是否达到阈值limit，如果达到阈值limit则执行步骤7，如果没有达到阈值，则产生新蜂并执行步骤7；

步骤7、判断迭代次数t是否达到最大迭代次数maxcycle，若达到最大迭代次数则终止算法，输出最优解，若没有达到最大迭代次数，则令迭代次数加1并回到步骤3继续循环执行。

在一个具体实施例中，步骤三中获取防洪调度模型的方法包括以下步骤：

步骤1、基于SWMM构建河道水力学模型，提供设计洪水来水预报；其中，通过使用SWMM软件，根据当地地形数据、土地利用类型、降雨数据、河道断面数据等构建河道水动力模型，模拟研究区动态降雨-径流模拟过程。

步骤2、根据状态变量、控制变量构建基于水量平衡的预测模型；其中，状态量为泵闸群的实时水位，控制变量为泵站的启闭情况及闸门开度。结合实际工程需求，在进行汛期防洪调度过程中，主要关注自身水位变化，通过观测水位变化采用相应的工程措施进行调度。并且能够根据当前运行水位以及未来一段时间内的入库流量、出库情况、利用水位库容关系等，推演未来一段时间内研究区域的末水位变化过程，这样才可以在泵闸群优化调度模型内建立基于水量平衡原理的预测模型。

步骤3、初始化来水预报结果、泵闸站前初始水位和设置总时段为T，t为t时刻，还有参数k；

步骤4、基于所述泵闸群优化调度模型进行一次优化，求解所述泵闸群优化调度模型得到k个控制变量序列，但只采用第一个序列的控制变量，并令t＝t+1；

步骤5、判断时刻t是否小于总时段T，若是则重新更新初值，回到步骤3继续循环执行，直至完成整个时间轴的优化，若否则输出防洪调度模型。

在一个具体的实施例中，以某泵闸群为例，编制其调度计划，实时调度策略流程图如图2所示，

上游泵闸站总装机3000kW，泵站净扬程范围为0.0～7.0m，泵站设计流量为25m

下游泵闸站末端受到当地潮位影响，当外江潮位高于内河水位时关闭水闸、开启排涝站，若低于则关闭排涝站通过闸门排水。排涝站工作流量为120m

基于SWMM构建河道水动力学模型模拟洪水演进过程，将入库流量输入到泵闸群联合防洪优化调度模型中，设置泵闸站初始水位，在控制时域内进行对泵闸群联合防洪优化调度模型求解，得到控制时域内的初库流量最优控制序列；但在当前t时段，只执行第一个控制序列的指令。同时获得t时刻的末水位，即t+1时刻的初水位，令t＝t+1，重新更新初始值。重复进行上一过程，直至完成整个时间轴的优化。

降雨设置：根据暴雨强度公式，使用芝加哥雨型生成上述地区100年一遇的典型设计降雨，其中降雨总量为251.18mm，平均雨强i＝0.1744mm/min。

潮位设置：由于泵闸排涝站，在实际运行期间闸、泵的启闭受下游潮位影响，本文选取的潮位数据由上述地区潮位监测站监测而得，潮位过程曲线图如图3所示。

起始水位设置：本文假设一级泵闸站初水位为4.15m、二级泵闸闸初始水位4.02m。

优化调度为基于一种基于模型预测控制的泵站群防洪调度方法。

规则调度为当该地区上游一级泵闸站在汛期到来河道水位时大于5米开启泵站，二级泵闸站维持在4.2米左右。

本文在研究100年一遇设计洪水下一、二级泵闸站的调度图如图4、图5所示。在100年一遇的设计洪水下，基于模型预测控制的闸群联合防洪调度的一、二级泵站启闭统计如表1、2所示。在100年一遇设计洪水下基于模型预测控制的泵闸群联合防洪优化调度的二级泵闸站闸门开度和下泄量如表3所示。

表1 基于模型预测控制泵闸群联合防洪优化调度各时刻开机统计

表2 泵闸群规则调度各时刻开机统计

表3100年一遇设计洪水下基于模型预测控制的泵闸群联合防洪优化调度的下游闸门开度和下泄量

由上述图表可知，100年一遇的设计洪水下上游一级泵闸站的洪峰流量为147.33m

在洪峰来临前，下游二级泵闸站通过调节闸门开度使水位维持在4.1m上下，有闽江潮位的影响，排涝站闸门和泵站机组只能采用二者其一，将下游二级泵闸站的水位控制在警戒水位以下。由图5可得，在下游二级泵闸站洪峰来临时，恰好遭遇潮位上升，只能采用泵站机组泄洪。下游二级泵闸站调度周期内最高水位为5.621m，按照规则调度时候，下游二级泵闸站峰值水位为5.732m。基于模型预测控制的泵闸群联合防洪优化调度相对于规则调度下游二级泵闸站最高水位降低了1.93％。

通过观察图5可以清晰地发现，采用规则调度的下游二级泵闸站末水位波动性较大，而基于模型预测控制晋安河泵闸群联合防洪优化调度的光下游二级泵闸站末水位较平稳。

通过表1、2统计得出基于模型预测控制的泵闸群联合防洪优化调度方案泵站启闭43次、规则调度方案泵站启闭46次，基于模型预测控制的泵闸群联合防洪优化调度方案泵站启闭次数相对于规则调度方案泵站启闭降低了7％。基于模型预测控制的泵闸群联合防洪优化调度抽水总费用2.36万元，规则调度的抽水总费用2.48万元，模型预测控制的泵闸群联合防洪优化调度抽水总费用相对于规则调度的抽水总费用降低了4.8％。

表3为100年一遇设计洪水下基于模型预测控制的的泵闸群联合防洪优化调度的下游二级泵闸站闸门开度和下泄量，其中闸门开度是根据基于模型预测控制的晋安河的泵闸群联合防洪优化调度优化出的下游二级泵闸站闸排下泄量，反复调试SWMM模型河道水动力模型下游二级泵闸站闸门开度，当调试的下泄量一致时，将此时的闸门开度作为模型预测控制的泵闸群联合防洪优化调度方案的下游二级泵闸站闸门的闸门开度。

结果表明，某电站实时调度过程优化作用明显，水位过程更加平稳，运行成本显著降低，最重要的是为某电站实时调度过程提供了科学指导。

在一个具体实施例中，公开了一种基于模型预测控制的泵闸群防洪调度系统，包括以下模块：

调度策略生成模块，根据泵闸排涝站排涝能力、运用费用和后期检修运维的构建泵闸群优化调度模型；

调度优化问题求解模块，使用仿照蜜蜂蜂群采集蜂源的人工蜂群算法进行求解得到设计洪水和泵站启闭、闸门开度的组合方案；

智能优化分配模块，使用人工蜂群算法进行智能优化分配，将建立的泵闸群优化调度模型，调度周期内结果带入构建的基于SWMM的城市水系河道水力学模型中，通过配置城市泵闸排涝站闸的开度，最后获取防洪调度模型；

实时调度策略方案生成模块，运用人工蜂群算法，求解建立的防洪调度模型，可得到降雨下的一个实时调度策略方案。

进一步的，调度策略生成模块还包括调度目标生成模块，用于生成目标水位优化、运行期间抽水费用最少、泵站启闭次数最少和调度时段末水位峰值最低的调度目标。

进一步的，调度策略生成模块还包括约束条件生成模块，用于生成水位约束、流量约束、水泵扬程约束、闸门开度约束和非负条件约束。

进一步的，调度优化问题求解模块还包括人工蜂群算法模块，用于求解泵闸群联合调度优化问题的最优解。

更进一步的，智能优化分配模块还包括防洪调度模型获取模块，用于获取防洪调度模型。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。