CN103088784B - 一种梯级水库汛限水位实时动态控制方法 - Google Patents

Abstract

本发明公开了一种梯级水库汛限水位实时动态控制方法，包括步骤：步骤1，建立流域汛期的数值气象水文预报模型，滚动预报流域未来1～7天的洪水过程；步骤2，建立基于“大***聚合思想”的随机性长期优化调度图模型，采用自适应遗传算法制定长期优化调度图；步骤3，据长期与短期调度的耦合原则，建立基于“大***聚合分解思想”的梯级水库汛限水位实时动态控制模型，并采用逐次优化法优化得到梯级水库汛限水位实时动态控制方案。本发明能对梯级水库群上下游各水库进行统一调度，在保证梯级水库防洪安全的前提下最大限度地提高梯级水库的发电效益，适宜在梯级水库或水库群洪水资源化调度中应用，可广泛应用于流域梯级水库汛限水位实时动态控制。

Description

一种梯级水库汛限水位实时动态控制方法

技术领域

本发明属于梯级水库调度领域，特别涉及一种梯级水库汛限水位实时动态控制方法。

背景技术

进入21世纪，随着我国大批水库水电站的建成和投入使用，中国水利水电工程已进入到由建设向管理运行的关键转型期，开展水库水电站群联合调度是顺应“节能发电”与“洪水资源化”时代需求的重大举措，具有重要的理论价值和现实意义。汛限水位动态控制是实现“洪水资源化”的重要非工程措施之一。随着水库***中水库数量（维数）的增加和流域中长期数值气象预报技术的大幅度提升，需考虑的信息越来越多，汛限水位的动态控制也将变得更加复杂。

目前国内外对梯级水库汛限水位研究的方法不多，现有的研究方法多数是将单一水库的汛限水位研究方法简单地嵌套进梯级水库，未考虑上下游水库之间的库容补偿问题和水库之间汛限水位的相互协调问题。武汉大学郭生练教授课题组对梯级水库汛限水位的动态控制问题进行了***的研究，先后提出了基于预报及库容补偿的水库群防洪补偿联合调度逐次渐进协调模型^[1]、基于预报及库容补偿的梯级水库汛限水位动态控制逐次渐进补偿调度模型^[2]和基于“聚合水库”的梯级水库汛限水位联合设计与运用调度模型^[3,4]。考虑到实际水库调度是一个“预报、决策、实施、再预报、再决策、再实施”的滚动向前过程^[5]，可知现有的梯级水库汛限水位动态控制模型只重视当前水情变化情况，未顾及入库径流的长期变化规律。

文中涉及的参考文献如下：

[1]李玮,郭生练,郭富强，等.水电站水库群防洪补偿联合调度模型研究及应用[J].水利学报，2007,38(7):826-831.

[2]李玮,郭生练,刘攀，等．梯级水库汛限水位动态控制模型研究及运用[J]．水力发电学报，2008,27(2):22-28．

[3]郭生练，陈炯宏，刘攀.一种梯级水库汛限水位联合运用调度方法：中国，CN201110067570.9[P].2011-9-14．

[4]郭生练，陈炯宏，栗飞，等.清江梯级水库汛限水位联合设计与运用[J].水力发电学报，2012,31(4):6-11．

[5]邱林，陈守煜.水电站水库实时优化调度模型及其应用[J].水利学报，1997,57(3):74-77

发明内容

针对现有技术的不足，本发明基于流域数值气象水文预报，提出了一种考虑上下游水库间的库容补偿、长期与短期调度相耦合的梯级水库汛限水位实时动态控制方法。

为解决上述技术问题，本发明采用如下技术方案：

一种梯级水库汛限水位实时动态控制方法，包括以下步骤：

步骤1，建立梯级水库流域汛期的数值气象水文预报模型，并滚动预报流域未来1～7天的洪水过程；所述的数值气象水文预报模型由数值气象预报模型和水文预报模型组成；

步骤2，基于“大***聚合思想”构建梯级水库的随机性长期优化调度图模型，并采用自适应遗传算法获取梯级水库的长期优化调度图，基于长期优化调度图获得聚合水库的长期优化调度策略；所述的长期优化调度图模型是基于“大***聚合思想”构建的随机性优化模型；

步骤3，根据聚合水库的长期优化调度和短期调度的耦合原则以及数值气象水文预报模型，构建基于“大***聚合分级思想”的梯级水库汛限水位实时动态控制模型，根据梯级水库汛限水位实时动态控制模型获得梯级水库汛限水位实时动态控制方案。

步骤1中的数值气象水文预报模型是基于数值气象预报和分布式可变下渗能力水文模型建立的，有效预见期可达1～7天，数值气象预报用于预报降雨、气温等气象特征。

步骤2中的基于“大***聚合思想”构建梯级水库的随机性长期优化调度图模型进一步包括子步骤：

2-1a基于“大***聚合思想”聚合梯级水库得到虚拟的聚合水库；

2-2a以时段初蓄能和面临时刻入能表示聚合水库运行状态，以时段末蓄能为决策变量，构建涉及聚合水库相邻时段入能相关性的随机性长期优化调度模型，并确定约束条件。

步骤2中的采用自适应遗传算法获取梯级水库的长期优化调度图进一步包括子步骤：

2-1b采用遗传算法随机生成聚合水库的初始调度线；

2-2b初始调度线经个体变异、交叉和选择产生新的调度线，计算聚合水库初始调度线和新调度线的适应度；所述的适应度为随机性长期优化调度图模型的目标函数值，所述的目标函数为梯级水库的年均发电量。

2-3b基于调度线的适应度判断新调度线是否收敛，若收敛，所述的新调度线即为聚合水库的长期优化调度图，否则重复步骤2-2b。

步骤2中所得聚合水库的长期优化调度策略为：

s_*(t+1)＝Opt(u(t),s(t),t)

式中，

s_*(t+1)为聚合水库第t+1时段的长期优化调度策略；

Opt(u(t),s(t),t)为聚合水库长期调度t时段最优策略。

步骤3中的长期优化调度和短期优化调度的耦合原则表示为：

$s(T+1)=\frac{{\mathrm{\τ}}_t}{T_y}\mathrm{Opt}(u\left(t\right),s\left(t\right),t)+\frac{T_y-{\mathrm{\τ}}_t}{T_y}\mathrm{Opt}(u(t+1),s(t+1),t+1)$

其中，

T为短期调度的最后一个时段；

s(T+1)为“聚合水库”的时段末蓄能；

T_y为有效预见期，其值为1～7天；

τ_t为在预见期T_y内属于长期优化调度t时段内的时间长度。

s(t)、s(t+1)为聚合水库t、t+1时段初蓄能；

Opt(u(t),s(t),t)、Opt(u(t+1),s(t+1),t+1)分别为聚合水库长期调度t、t+1时段最优策略；

u(t)、u(t+1)为聚合水库t、t+1时段入能， $u(t+1)=\frac{1}{T_y-{\mathrm{\τ}}_t}\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{I}_j^y\left(t\right)\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left(c_{j,i}{K}_i{H}_{2i}\left(t\right)\right)\mathrm{\Δt},$ 为第j个水库及区间预报入流过程，L为梯级水库中水库的数目，c_j，i为水力关联矩阵值，K_i为第i个水库的出力系数，H_2i(t)为第i个水库t时段的平均发电水头，Δt为计算时段长，i、j为梯级水库中各水库的编号。

与现有技术相比，本发明具有以下优点和效果：

1、本发明能够对梯级水库上下游各水库进行统一调度，在保证梯级水库防洪安全的前提下，将长期发电计划与短期实时调度有效耦合，能最大限度地提高梯级水库的兴利效益，适宜在梯级水库或水库群洪水资源化调度中应用，可广泛应用于流域梯级水库汛限水位实时动态控制；

2、现有技术均以多年平均效益最大化为优化目标，本发明强调基于流域汛期的数值气象水文预报，将流域梯级水库入库径流的有效预见期T_y延长至7天，在有效预见期7天内寻求梯级水库的效益值最大的汛限水位实时动态控制方案，在实际中更具有实用性。

附图说明

图1为本发明梯级水库汛限水位实时动态控制流程图；

图2为本具体实施中的聚合水库长期优化调度图。

具体实施方式

本发明基于数值气象水文预报，据长期与短期调度的耦合原则，建立梯级水库汛限水位实时动态控制模型，并基于梯级水库汛限水位实时动态控制模型对梯级水库上下游各水库进行统一调度，在保证梯级水库防洪安全的前提下，寻求综合利用效益最大的梯级水库汛限水位实时动态控制方案，其具体流程详见图1。

下面通过实施例，并结合附图，对本发明做进一步说明。

一种梯级水库汛限水位实时动态控制方法，包括以下步骤：

步骤1，基于数值气象预报和水文模型建立梯级水库流域汛期的数值气象水文预报模型，数值气象水文预报模型可滚动预报流域预见期内的洪水过程，数值气象水文预报模型的有效预见期可达1～7。

目前，洪水预报预测普遍以“落地雨”为预报基础，预见期有限；而数值气象模式可以预先获得未来可能发生的降雨等气象信息，通过耦合气象预报结果与分布式水文模型，可延长洪水预报的预见期，为防洪决策赢得宝贵的时间，为正确做出防洪调度决策提供科学依据，可减免洪灾损失、增大发电蓄水等，获得巨大的经济效益和社会效益。

可靠的数值气象预报精度，为实现气象预报与水文预报的耦合、有效延长洪水预报预见期提供了科学依据。本实施例建立了日本、德国和人工多种数值气象模式与分布式可变下渗能力（VIC）水文模型的耦合机制，从而获得梯级水库流域汛期的数值气象水文预报模型。利用数值气象模式的各种气象预报输出，如，时段长为1h的降雨、气温过程，驱动分布式VIC水文模型，实现对梯级水库流域洪水过程的连续模拟和实时预报。

在预见期为7天的情况下，传统洪水预报几乎丧失了对洪峰的预报能力，但数值气象水文预报模型仍能预报流域未来可能出现的洪水信息，因此，数值气象水文预报模型在7天前就能预见洪水发生事件，可实现流域气象水文实时预报，从而有效延长了洪水预报的预见期，为开展防洪形势分析、水库调度等工作起到了积极的作用。

步骤2，基于“大***聚合思想”构建梯级水库的随机性长期优化调度图模型，并采用自适应遗传算法获取梯级水库的长期优化调度图，基于长期优化调度图对聚合水库进行模拟调度得到长期优化调度策略。

该步骤进一步包括以下步骤：

1）构建梯级水库的随机性长期优化调度图模型

本步骤首先基于“大***聚合思想”聚合梯级水库得到虚拟的聚合水库，并推求聚合水库的优化调度图，从而为梯级水库的实时调度提供长期调度信息。

聚合水库运行状态由时段初蓄能和面临时刻入能组成的向量表示，以时段末蓄能为决策变量，建立考虑到聚合水库相邻时段入能相关性的随机性长期优化调度模型（以汛期5～10月为调度期，周为调度时段t）的逆序递推方程，如下：

$\left\{\begin{array}{c}{F}_t(u\left(t\right),s\left(t\right))=\max \{R_t(u\left(t\right),s\left(t\right),s(t+1))+\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{p}_k(t+1)F_{t+1}^{*}(u(t+1),s(t+1))\}\\ F_t^{*}\left(s\left(t\right)\right)=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{p}_k\left(t\right)F_t^{*}(u\left(t\right),s\left(t\right))\end{array}\right.---\left(1\right)$

式中，

s(t)、s(t+1)分别为聚合水库t时段初、末蓄能；

u(t)、u(t+1)为聚合水库t、t+1时段入能；

R_t(u(t),s(t),s(t+1))为聚合水库t时段阶段效益；

M为t时段入能的离散数目；

k为时段入能的离散序号；

p_k(t)、p_k(t+1)分别为聚合水库t、t+1时段的第k等份入能转移概率，其中，p_k(t)＝P(u(t)u(t-1))、p_k(t+1)＝P(u(t+1)/u(t))，P(x)为概率分布函数，u(t-1)为聚合水库t－1时段入能；

分别为聚合水库t、t+1时段至调度期末的最优余留期效益；

F_t(u(t),s(t))为t时段至调度期末的余留期效益；

为t时段至调度期末的M个离散入能中最优余留期效益。

下面将详细说明梯级水库的聚合过程：

梯级水库中，因上游水库的水能可被下游水库重复利用，那么在计算各水库所蕴含电量时，应乘以该水库及其下游全部梯级水库的转换系数之和，可按式（2）计算聚合水库t时段初蓄能s(t)：

$s\left(t\right)=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}(V_j\left(t\right)-V_j\left(0\right))\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left(c_{j,i}{K}_i{H}_{1i}\left(t\right)\right)---\left(2\right)$

式中，

V_j(t)为第j个水库t时段初蓄水量；

V_j(0)为第j个水库死库容；

L为梯级水库中水库的数目；

i、j为梯级水库中水库编号；

H_1i(t)为第i个水库在t时段初蓄水状态具有的平均水头，其中，φ_i为第i个水库的水位库容曲线，H_1i(0)为第i个水库的下游水头；V_i(t)、V_i(0)分别为第i个水库t时段初蓄水量和死库容；

K_i为第i个水库的出力系数；

c_j，i为水力关联矩阵的具体取值，其取值规则见式（3）～（5）：

c_j，i＝λ(X_j，i,Y_j,i)i,j∈[1,L]（3）

$X_{j,i}=\left\{\begin{array}{c}1\\ 0\end{array}\right.,Y_{j,i}=\left\{\begin{array}{c}1\\ 0\end{array}\right.---\left(4\right)$

式（3）～（5）中，

当水库j在水库i下游时，X_j,i取值为0，否则为1；

当水库i、j有水力联系时，Y_j,i取值为1，否则为0；

当X_j，i=Y_j,i=1时，c_j，i为1，否则，c_j，i为0。

同样可计算聚合水库t时段入能u(t)：

$u\left(t\right)=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{I}_j\left(t\right)\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left(c_{j,i}{K}_i{H}_{2i}\left(t\right)\right)\mathrm{\Δt}---\left(6\right)$

式中，

L为梯级水库中水库的数目；

i、j为梯级水库中水库编号；

K_i为第i个水库的出力系数；

c_j，i为水力关联矩阵的具体取值，其取值规则见式（3）～（5）；

I_j(t)为第j个水库t时段的平均入库流量，I_j(t)=Q_j-1(t)+QJ_j(t)，Q_j-1(t)为第j-1个水库t时段的发电流量，QJ_j(t)为第j-1个水库与第j个水库之间的区间入流，第j-1个水库与第j个水库为相邻水库；

H_2i(t)为第i个水库t时段的平均发电水头，φ_i为第i个水库的水位库容曲线，V_i(t)、V_i(t+1)分别为第i个水库t、t+1时段初蓄水量，为第i个水库下游水位流量曲线，Q_i(t)为第i个水库t时段的发电流量，H_2i(0)为第i个水库的水头损失；

Δt为计算时段长。

聚合水库在t时段出能r(t)如下：

$r\left(t\right)=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{Q}_j\left(t\right)\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left(c_{j,i}{K}_i{H}_{2i}\left(t\right)\right)\mathrm{\Δt}---\left(7\right)$

式中，

Q_j(t)为第j个水库t时段的发电流量；

L为梯级水库中水库的数目；

i、j为梯级水库中水库编号；

H_2i(t)为第i个水库t时段的平均发电水头，φ_i为第i个水库的水位库容曲线，V_i(t)、V_i(t+1)分别为第i个水库t、t+1时段初蓄水量，为第i个水库下游水位流量曲线，Q_i(t)为第i个水库t时段的发电流量，H_2i(0)为第i个水库的水头损失；

c_j，i为水力关联矩阵的具体取值，其取值规则见式（3）～（5）；

K_i为第i个水库的出力系数；

Δt为计算时段长。

聚合水库时段t弃能w(t)如下：

$w\left(t\right)=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{W}_j\left(t\right)\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left(c_{j,i}{K}_i{H}_{2i}\left(t\right)\right)\mathrm{\Δt}---\left(8\right)$

式中，

W_j(t)为第j个水库时段t的弃水流量；

H_2i(t)为第i个水库t时段的平均发电水头，其中，φ_i为第i个水库的水位库容曲线，V_i(t)、V_i(t+1)分别为第i个水库t、t+1时段初蓄水量，为第i个水库下游水位流量曲线，Q_i(t)为第i个水库t时段的发电流量，H_2i(0)为第i个水库的水头损失；

c_j，i为水力关联矩阵的具体取值，其取值规则见式（3）～（5）；

K_i为第i个水库的出力系数；

L为梯级水库中水库的数目；

i、j为梯级水库中水库编号；

Δt为计算时段长。

梯级水库转换成虚拟聚合水库很大程度上取决于净水头，而净水头的变化常常很大，故需要构造聚合水库在t时段的实际发电量函数。若聚合水库的调度规则为分段线性函数图，如图2所示，该图中横坐标表示聚合水库t时段可利用能力s(t)+u(t)，纵坐标表示聚合水库t时段的实际发电量d(t)，对于落在点B(x_B,y_B)与C(x_C,y_C)之间的点，可采用式（9）计算聚合水库t时段的实际发电量：

$d\left(t\right)=y_B+\frac{y_C-y_B}{x_C-x_B}((s\left(t\right)+u\left(t\right))-x_B)---\left(9\right)$

式中，

d(t)为聚合水库t时段的实际发电量，d(t)＝D(t)·Δt，D(t)为梯级水库t时段出力，Δt为计算时段长；

s(t)+u(t)为聚合水库t时段初蓄能与t时段入能之和，可理解为t时段可利用能量。

至此，已将梯级水库聚合为1个虚拟的聚合水库，聚合水库要素包括s(t)、s(t+1)、u(t)、r(t)、w(t)和d(t)）。

确定聚合水库的随机性长期优化调度模型的约束条件，如下：

（1）聚合水库能量平衡约束，可由下列公式表示：

s(t+1)＝s(t)+u(t)-r(t)-w(t)（10）

式中，

s(t)、s(t+1)分别为聚合水库t时段初、末蓄能；

u(t)为聚合水库t时段入能；

w(t)为聚合水库t时段弃能；

r(t)为聚合水库在t时段出能。

（2）聚合水库保证率约束，可由下列公式表示：

D'(t)＝D(t)-σA(NF-D(t))（11）

式中，

D′(t)为兼顾保证率约束的梯级水库t时段的出力；

NF为梯级水库保证出力；

D(t)为梯级水库t时段出力；

A为大于0的惩罚系数，数量级为10³～10⁶；

σ为0或1变量，其取值规则为：D(t)≥NF时，σ为0，否则为1。

（3）聚合水库蓄能约束，可由下列公式表示：

0≤s(t)≤su(t)（12）

式中，

s(t)为聚合水库t时段初蓄能；

su(t)为聚合水库t时段的最大蓄能，在汛期，su(t)为聚合水库中各水库的汛限水位对应库容放空至死库容所具有的蓄能总和。

（4）聚合水库出能约束，可由下列公式表示：

rl(t)≤r(t)≤ru(t)（13）

式中，

r(t)为聚合水库t时段出能；

rl(t)为聚合水库t时段的最小出能，由各水库的灌溉、供水、航运或者生态要求决定；

ru(t)为聚合水库t时段的最大出能，由各水库的下游防洪要求、泄流能力决定。

（5）聚合水库边界条件，可由下列公式表示：

s(0)＝s₀（14）

s(T+1)＝s_T+1（15）

式中，

s₀为聚合水库调度期初蓄能，为聚合水库中各水库调度期初给定库容放空至死库容所具有的蓄能总和；

s_T+1为聚合水库在调度期末蓄能，为聚合水库中各水库调度期末给定库容放空至死库容所具有的蓄能总和。

（6）水库变量非负约束。

2）基于梯级水库的随机性长期优化调度图模型获取梯级水库的长期优化调度图。

可采用自适应遗传算法获取梯级水库的长期优化调度图。可首先预设初始调度线的形状，如图2所示，然后采用遗传算法对关键点的横、纵坐标进行编码。对各时段的调度线，如以周为调度时段，仅需要对4个控制点A、B、C、D的横、纵坐标设置编码变量，也就是8个浮点数编码变量。利用遗传编码随机给出调度线的可行解，聚合水库按照调度图运行，统计运行结果，选择最优的调度图，通过交叉、变异等遗传算子得到新的改进调度线，反复迭代，直到收敛为止。

采用自适应遗传算法制定聚合水库优化调度图的步骤如下：

①采用遗传算法随机生成聚合水库的初始调度线；

②初始调度线经个体变异、交叉和选择产生新的调度线；计算初始调度线和新调度线的适应度；本发明以梯级水库的年均发电量为随机性长期优化调度图模型的目标函数，聚合水库调度线的适应度为随机性长期优化调度图模型的目标函数值；

③判断新的调度线是否满足遗传算法的收敛条件，收敛条件为相邻两次迭代的目标函数差值小于或等于设定精度，若满足收敛则输出调度线，从而获得长期优化调度图；否则，重复步骤②。

3）通过长期优化调度图对聚合水库进行模拟调度，便可得到长期优化调度策略：

s_*(t+1)＝Opt(u(t),s(t),t)（16）

式中，

s_*(t+1)为聚合水库第t+1时段的长期优化调度策略；

Opt(u(t),s(t),t)为聚合水库长期调度t时段最优策略。

步骤3，据长期与短期调度的耦合原则，建立基于“大***聚合分解思想”的梯级水库汛限水位实时动态控制模型。

本实施例中的梯级水库汛限水位实时动态控制模型以“有效预见期T_y内梯级水库的发电效益最大”作为优化目标，并满足如下约束条件：(1)水量平衡约束；(2)上下游水库之间的水力联系约束；(3)水库水位约束；(4)出库流量限制；(5)电站出力约束。此外，还需满足水库边界条件约束

$\left\{\begin{array}{c}{Z}_i\left(0\right)=Z_i^0\\ Z_i(T+1)=Z_i^{T+1}\end{array}\right.---\left(17\right)$

式中，

Z_i(0)，Z_i(T+1)分别为调度期初和末水位；

分别为调度期初和末给定水位。

据式（2）将各水库边界条件约束式中的调度期末水位聚合为时段末蓄能s(T+1)：

$s(T+1)=\underset{j=1}{\overset{L}{\mathrm{\Σ}}}(V_j(T+1)-V_j\left(0\right))\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left(c_{j,i}{K}_i{H}_{1i}(T+1)\right)---\left(18\right)$

式中，

V_j(T+1)为第j个水库调度期末水位对应库容；

V_j(0)为第j水个水库死水位对应库容；

L为梯级水库中水库的数目；

i、j为梯级水库中水库编号；

H_1i(T+1)为第i个水库调度期末蓄水状态的平均水头，其中，φ_i为第i个水库的水位库容曲线，H_1i(0)为第i个水库的下游水头；V_i(T+1)、V_i(0)分别为第i个水调度期末蓄水量和死库容；

K_i为第i个水库的出力系数；

c_j，i为水力关联矩阵的具体取值，其取值规则见式（3）～（5）。

要建立“聚合水库”长期与短期优化调度相结合的实时优化调度模型，关键是如何利用随机性长期优化调度策略式（16），确定短期优化调度模型中的时段末蓄能s(T+1)，使长、短期优化调度联系起来，以反映在短期调度中怎样考虑径流的统计变化规律兼顾梯级水库调度的长期效益。

若流域梯级水库汛期入库径流预见期T_y=7天，则可将径流过程按周为时段离散以汛期为调度周期的简单马尔科夫链，建立“聚合水库”的随机性长期优化调度模型的优化策略式（16）。设在t时段内的t_c时刻作预报，各水库及区间预报入流过程为预见期为T_y，可根据步骤1所构建的数值气象水文预报模型获得。则“聚合水库”的短期优化调度模型中的时段末蓄能s(T+1)按以下规则确定：

$s(T+1)=\frac{{\mathrm{\τ}}_t}{T_y}\mathrm{Opt}(u\left(t\right),s\left(t\right),t)+\frac{T_y-{\mathrm{\τ}}_t}{T_y}\mathrm{Opt}(u(t+1),s(t+1),t+1)---\left(19\right)$

式中，

$u\left(t\right)=\frac{1}{{\mathrm{\τ}}_t}\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{I}_j^y\left(t\right)\underset{i=1}{\overset{L}{\mathrm{\Σ}}}{c}_{j,i}{K}_i{H}_{2i}\left(t\right)\mathrm{\Δt};$

$u(t+1)=\frac{1}{T_y-{\mathrm{\τ}}_t}\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{I}_j^y\left(t\right)\underset{i=1}{\overset{L}{\mathrm{\Σ}}}{c}_{j,i}{K}_i{H}_{2i}\left(t\right)\mathrm{\Δt};$

τ_t为在预见期T_y内属于长期优化调度时段t内的时间长度。

由于r(t)和式（17）中的Z_i(0)为已知，便可根据防洪调度规程和水库分级控泄原则，寻求出使梯级水库的发电效益最大的最优分解策略。基于“大***聚合分解思想”，首先根据上下游水库之间的水力联系和各防洪控制点防洪标准来建立上下游梯级水库的预蓄库容上限关系，直至各水库在有效预见期T_y的预蓄库容上限满足等式（19）。在每个起始时段根据预报信息求出一组最优策略，并随着预报信息滚动不断更新策略，使梯级水库的发电效益最大化。本实施例中的梯级水库汛限水位实时动态控制问题属于多维多阶段优化决策问题，可用非线性优化方法来求解，采用动态规划问题中较为成熟的逐次优化法来优化得到梯级水库汛限水位实时动态控制方案。

Claims (8)

1.一种梯级水库汛限水位实时动态控制方法，其特征在于，包括以下步骤：

步骤1，建立梯级水库流域汛期的数值气象水文预报模型，并滚动预报流域未来1～7天的洪水过程；

步骤2，基于“大***聚合思想”构建梯级水库的随机性长期优化调度图模型，并采用自适应遗传算法获取梯级水库的长期优化调度图，基于长期优化调度图获得聚合水库的长期优化调度策略；

步骤3，根据聚合水库的长期优化调度和短期调度的耦合原则以及数值气象水文预报模型，构建基于“大***聚合分解思想”的梯级水库汛限水位实时动态控制模型，根据梯级水库汛限水位实时动态控制模型获得梯级水库汛限水位实时动态控制方案。

2.根据权利要求1所述的梯级水库汛限水位实时动态控制方法，其特征在于：

所述步骤1的梯级水库流域汛期的数值气象水文预报模型是基于数值气象预报和分布式可变下渗能力水文模型构建的。

3.根据权利要求1所述的梯级水库汛限水位实时动态控制方法，其特征在于：

所述的基于“大***聚合思想”构建梯级水库的随机性长期优化调度图模型进一步包括子步骤：

2-1a基于“大***聚合思想”聚合梯级水库得到虚拟的聚合水库；

2-2a以时段初蓄能和面临时刻入能表示聚合水库运行状态，以时段末蓄能为决策变量，构建涉及聚合水库相邻时段入能相关性的随机性长期优化调度模型，并确定约束条件。

4.根据权利要求1所述的梯级水库汛限水位实时动态控制方法，其特征在于：

所述的采用自适应遗传算法获取梯级水库的长期优化调度图进一步包括子步骤：

2-1b采用遗传算法随机生成聚合水库的初始调度线；

2-2b初始调度线经个体变异、交叉和选择产生新的调度线，计算聚合水库初始调度线和新调度线的适应度；

2-3b基于调度线的适应度判断新调度线是否收敛，若收敛，所述的新调度线即为聚合水库的长期优化调度图，否则重复步骤2-2b。

5.根据权利要求4所述的梯级水库汛限水位实时动态控制方法，其特征在于：

所述的聚合水库调度线的适应度为随机性长期优化调度图模型的目标函数值，所述的目标函数为梯级水库的年均发电量。

6.根据权利要求1所述的梯级水库汛限水位实时动态控制方法，其特征在于：

所述的聚合水库的长期优化调度策略为：

s_*(t+1)＝Opt(u(t),s(t),t)

式中，

s_*(t+1)为聚合水库第t+1时段的长期优化调度策略；

Opt(u(t),s(t),t)为聚合水库长期调度t时段最优策略。

7.根据权利要求1所述的梯级水库汛限水位实时动态控制方法，其特征在于：所述的长期优化调度和短期调度的耦合原则为：

$s(T+1)=\frac{{\mathrm{\τ}}_t}{T_y}\mathrm{Opt}(u\left(t\right),s\left(t\right),t)+\frac{T_y-{\mathrm{\τ}}_t}{T_y}\mathrm{Opt}(u(t+1),s(t+1),t+1)$

其中，

s(T+1)为“聚合水库”的时段末蓄能；

T为短期调度的最后一个时段；

T_y为有效预见期，其值为1～7天；

τ_t为在预见期T_y内属于长期优化调度t时段内的时间长度。

s(t)、s(t+1)为聚合水库t、t+1时段初蓄能；

Opt(u(t),s(t),t)、Opt(u(t+1),s(t+1),t+1)分别为聚合水库长期调度t、t+1时段最优策略；

u(t)、u(t+1)为聚合水库t、t+1时段入能， $u(t+1)=\frac{1}{T_y-{\mathrm{\τ}}_t}\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{I}_j^y\left(t\right)\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\left(c_{j,i}{K}_i{H}_{2i}\left(t\right)\right)\mathrm{\Δt},$ 为第j个水库及区间t时段预报入流过程，L为梯级水库中水库的数目，c_j,i为水力关联矩阵值，K_i为第i个水库的出力系数，H_2i(t)为第i个水库t时段的平均发电水头，Δt为计算时段长，i、j为梯级水库中各水库的编号。

8.根据权利要求1所述的梯级水库汛限水位实时动态控制方法，其特征在于：

所述的梯级水库汛限水位实时动态控制方案的优化目标为有效预见期T_y内梯级水库的发电效益最大。