張改紅,李蕾,石小慶

不同調(diào)度方式對上游水庫水量調(diào)度的影響

張改紅,李蕾,石小慶

陜西鐵路工程職業(yè)技術(shù)學(xué)院, 陜西 渭南 714000

水資源調(diào)度方式的差異會對水庫水量的調(diào)度產(chǎn)生重要影響，本文從系統(tǒng)分析的視角分別闡述了基于免疫規(guī)劃算法的水資源調(diào)度方式和基于BP神經(jīng)網(wǎng)絡(luò)算法的調(diào)度方式，并分別研究了豐水年、平水年和枯水年條件下，對于出庫水量和發(fā)電水量的影響。結(jié)果表明，在豐水期和枯水期免疫規(guī)劃算法的調(diào)度性能更優(yōu)，出庫水量更多，而且節(jié)省了一部分用于發(fā)電的水庫水量，而在平水年兩種調(diào)度方式的結(jié)果趨同。

水庫; 水量調(diào)度

水資源調(diào)度是一項重要的水利資源管理工作，由于我國人均水資源儲量低，且分布極不均衡[1,2]，工農(nóng)業(yè)用水、城市用水及生態(tài)用水，與水資源的空間分布存在嚴重矛盾，因此水資源跨地區(qū)調(diào)度工作具有十分重要的現(xiàn)實意義。水資源調(diào)度方式的選擇是一個復(fù)雜的動態(tài)過程[3-5]，從決策方案的制定到具體調(diào)度計劃的執(zhí)行，不僅要考慮到水資源調(diào)度的具體需求，還需要兼顧上游水庫的水量儲備，及對水庫水資源的調(diào)度產(chǎn)生的影響。水資源調(diào)度的概念較為寬泛，可以指對工農(nóng)業(yè)用水的調(diào)度分配，也可以指對水利工程資源的調(diào)度及對水庫水資源的調(diào)度。因此在研究水資源的調(diào)度方式的影響時，需要特別重視其對上游水庫水量儲備的影響，水資源調(diào)度的基本框架（圖1）。

圖1 水資源調(diào)度基本框架

河流上游的水庫兼顧了城市用水、水資源儲備、防洪、泄洪、旅游等多種功能于一身，河流下游的水利資源調(diào)度時，要基于季節(jié)等因素應(yīng)選擇合適的調(diào)度方法和調(diào)度模式，減少對上游水庫水量調(diào)度的不利影響。近年來我國城市人口，尤其是東部沿海地區(qū)和華北地區(qū)的人口急劇膨脹，用水量陡增，地區(qū)經(jīng)濟發(fā)展與人口的增加對水庫水量調(diào)度也產(chǎn)生了重要的影響，因此如何平衡人口密集區(qū)及干旱地區(qū)的水資源需求，減少跨地區(qū)水利調(diào)度對上游水庫的不利影響，成為擺在水利部門，及水利專家學(xué)者面前的主要難題之一。

1 概述

水資源調(diào)度的基本目的是通過水量的調(diào)配實現(xiàn)水資源的優(yōu)化配置，同時滿足生態(tài)、防洪等要求，水資源調(diào)度方式主要分為常規(guī)調(diào)度方式和優(yōu)化調(diào)度方式，這兩種方式都是圍繞著水量和水利工程這兩基本的要素展開[6,7]。水資源的調(diào)度以水庫等水利工程為中心進行水資源供給和配置，隨著計算機技術(shù)及數(shù)學(xué)模型研究理論的成熟，在水資源的調(diào)度方式選用過程中，越來越多地采用模型研究的方法[8-10]。按照大類別劃分水資源調(diào)度方式有綜合分析方法[11,12]和系統(tǒng)分析方法[13,14]之分，綜合分析方法主要基于理論和經(jīng)驗，基于水資源的自然分布狀況和基本調(diào)度準則實施水資源的調(diào)度與分配。綜合分析方法主要基于歷史數(shù)據(jù)與專家的經(jīng)驗，在水量調(diào)度的準確性及水資源分配的合理性方面，不如系統(tǒng)分析方法有效，但這種方法成本更低，適用于影響范圍較小的水利工程。

上世紀中葉以來，計算機技術(shù)和系統(tǒng)工程技術(shù)獲得了快速的發(fā)展，水資源的調(diào)度方式選擇問題和效果驗證可以基于計算機算法進行仿真研究，增加了水資源調(diào)度優(yōu)化路徑的選擇準確性和多樣性。因此，系統(tǒng)分析方法在水資源調(diào)度中所發(fā)揮的作用日益提高，目前主流的系統(tǒng)分析方法主要包括線性及非線性規(guī)劃、系統(tǒng)可靠性分析及及各種模擬算法等。本文主要從系統(tǒng)分析的角度出發(fā)，分別分析了免疫規(guī)劃算法和BP神經(jīng)網(wǎng)絡(luò)算法下的水利調(diào)度方式對水庫水量所產(chǎn)生的不同影響。

2 水資源調(diào)度方式研究

2.1 基于免疫規(guī)劃算法的下游水資源調(diào)度方式

免疫算法是將生物學(xué)中的免疫思想引入到水利工程領(lǐng)域，利用局部的特征信息在全局范圍內(nèi)尋優(yōu)，并在算法的執(zhí)行過程中能夠有針對地抑制種群的退化。針對水庫下游河流水利的合理調(diào)度而言，存在多種可行的調(diào)度方式，但需要基于免疫算法模型在離散的種群空間內(nèi)尋找最優(yōu)解，同時提高算法的執(zhí)行效率和成功率。初始種群中的編碼基于下游河流的現(xiàn)有水位和水量編制，并在可行的范圍內(nèi)生成初始的解，在計算適應(yīng)度的過程中，免疫規(guī)劃父代群體用B表示：

B=(1,2,…,b,…,b) (1)

其中，b為群體中的任意一個個體，在父代群體中個體b出現(xiàn)的概率(b)可以表示為：

上式中，()為模擬退火函數(shù)，?為單調(diào)遞減的模擬退火控制序列?；谧儺愐蜃訉Ξ斍暗母复后w進行變異操作，生成新的子代群體￠。如果設(shè)被研究的水利工程種群為x，則種群中的父代和子代種群分別表示為(x,0)和(,￠0)，在變異因子的作用下子代子群的個體及其初始值分別表示為：

其中，為最優(yōu)目標解得維數(shù)，k、min和max為免疫抗體的親和度、最小值和最大值。此時對新的子代群體￠進行接種操作，得到新的種群，如此往復(fù)迭代尋優(yōu)。在基于免疫規(guī)劃模型尋找最優(yōu)的水量調(diào)度路徑中，也會對上游的水庫水量存量構(gòu)成影響，需要結(jié)合河流和水庫數(shù)據(jù)庫數(shù)據(jù)推理和演算，以方便對調(diào)度方式的選擇與評估。對于普遍性的水庫水量調(diào)度問題，可以基于歷史水文記錄和相關(guān)專家的先驗知識進行評價；而對于復(fù)雜的水資源調(diào)度問題，就必須考慮到下游水資源分配和調(diào)度對上游水庫所產(chǎn)生的影響。相關(guān)的水資源調(diào)度研究成果表明，歷史數(shù)據(jù)、先驗知識與計算機模型算法之間并不存在矛盾的關(guān)系，將多種方法結(jié)合于一身更有助于免疫算法在全局范圍內(nèi)尋優(yōu)。

2.2 基于神經(jīng)網(wǎng)絡(luò)模型算法的水資源調(diào)度方式

BP神經(jīng)網(wǎng)絡(luò)算法是模擬人腦的工作原理，將大量的水文數(shù)據(jù)作為輸入項輸入模型，依靠模型強大的數(shù)據(jù)分析和篩選能力，選擇出最佳的水資源調(diào)度方式。BP神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間隱含層和數(shù)據(jù)輸出層，BP神經(jīng)網(wǎng)絡(luò)模型的基本結(jié)構(gòu)（圖2）。

圖2 神經(jīng)網(wǎng)絡(luò)調(diào)度模型基本結(jié)構(gòu)圖

在用于水資源調(diào)度的BP神經(jīng)網(wǎng)絡(luò)模型中，設(shè)輸入向量集合為={1,2,…,z}，={1,2,…,y}為輸出向量集合，={1,2,…,h}中間隱含層的向量集合，期望輸出向量集合為={1,2,…,d}，其中、、、分別為各個層次對應(yīng)的節(jié)點數(shù)量。輸入層與中間隱含層、及中間隱含層到最有路徑輸出層之間的權(quán)值向量矩陣可以，分別表示為={1,2,…,v}和={1,2,…w}，此時模式的輸入函數(shù)(z)、輸出函數(shù)￠()及路徑尋優(yōu)的誤差函數(shù)，可以分別表示為：

在利用BP神經(jīng)網(wǎng)絡(luò)算法計算水庫下游的水資源調(diào)度方式時，利用后面層次的數(shù)據(jù)誤差作為前一個層次的輸入項，層層傳遞及疊加，在反復(fù)的訓(xùn)練學(xué)習(xí)和迭代過程中，使神經(jīng)網(wǎng)絡(luò)的結(jié)果輸出值更加接近最終的期望值，就能夠?qū)崿F(xiàn)對水庫下游水量資源的優(yōu)化調(diào)度。BP神經(jīng)網(wǎng)絡(luò)模型適用于數(shù)據(jù)量較大的樣本數(shù)據(jù)源，也可以將原始的水文數(shù)據(jù)及上游水庫的水資源調(diào)度數(shù)據(jù)，都作為輸入項參與運算和篩選，以提高最終水資源調(diào)度路徑選擇的科學(xué)性。在基于BP神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜運算中，中間隱含會基于特定的標準進行大量的復(fù)雜運算，因此必須將將水資源上游水庫的水文地質(zhì)數(shù)據(jù)作為輸入項參與運算，以減少水庫下游水資源調(diào)度對水庫水量產(chǎn)生的不利影響。輸出的誤差項以某種特定的形式反饋給中間隱含層和輸入層，如果模型中出現(xiàn)了實際輸出與期望輸入偏差過大的情況。應(yīng)及時修正向量矩陣的權(quán)值?；贐P算法計算流程如下所示：

STEP 1：將神經(jīng)網(wǎng)絡(luò)模型初始化，將各層次之間的鏈接權(quán)值限定在一個固定的區(qū)間內(nèi)，并設(shè)定BP神經(jīng)網(wǎng)絡(luò)的最大學(xué)習(xí)次數(shù)、精度值范圍和誤差函數(shù)。

STEP 2：隨機選取第個數(shù)據(jù)樣本所對應(yīng)最佳輸出值，并求解中間隱含層內(nèi)各個神經(jīng)單元計算的最優(yōu)結(jié)果，期望計算表示為：D()=[1(),2(),…,d()] (5)

STEP 3：利用BP神經(jīng)網(wǎng)絡(luò)模型，從輸入的原始水文數(shù)據(jù)中識別出最佳的期望值，并利用水庫下游的水資源調(diào)度誤差值，和與中間隱層之間連接權(quán)值v求出中間隱層神經(jīng)元的偏導(dǎo)值。

STEP 4：在基于中間隱層與輸出層之間的連接權(quán)值w，求解出輸出層神經(jīng)元的偏導(dǎo)值。

STEP 5：最后判斷各層次之間存在的誤差能否滿足需求，如果輸出層訓(xùn)練誤差值能夠達到初始時設(shè)定的精度范圍值，則證明該種水資源調(diào)度方法是一種最優(yōu)的方法之一，可以滿足下游的水資源使用的要求，還能夠最大限度地減少對上游水庫水量調(diào)度所造成的不利影響。

本文分別研究了基于免疫算法和神經(jīng)網(wǎng)絡(luò)算法的水庫下游水資源調(diào)度方式，并以我國西部地區(qū)的水庫為例，分析兩種水資源調(diào)度方法下對水庫水量儲備及水量調(diào)度的影響。

3 水資源調(diào)度方式對水庫水量調(diào)度的影響研究

水庫是一座以水量調(diào)節(jié)為主，并兼顧發(fā)電功能和灌溉功能的水利工程，水庫基本的設(shè)計概況，如下表1所示。

表1 水庫基本概況

為驗證免疫算法和BP神經(jīng)網(wǎng)絡(luò)算法的可行性、準確性和對上游水庫水量調(diào)度的影響，本文分別選擇豐水年、平水年和枯水年，入庫徑流相等的條件下分析兩種調(diào)度算法的出庫水量和發(fā)電水量。

3.1 豐水年水庫調(diào)度結(jié)果比較

首先比較豐水年條件下基于免疫算法和BP神經(jīng)網(wǎng)絡(luò)算法水量調(diào)度方式，對上游水庫出水量和發(fā)電水量的影響，調(diào)度結(jié)果如表2所示。

表2 豐水年條件下不同調(diào)度方式對水庫水量調(diào)度影響

從豐水年的分析結(jié)果來看，在入庫徑流相同的條件下免疫算法調(diào)度方式下的出庫水量總量為7521萬m3，略優(yōu)于BP神經(jīng)網(wǎng)絡(luò)算法的6923萬m3；而用于發(fā)電的出水量為6006萬m3，少于BP神經(jīng)網(wǎng)絡(luò)算法的6609萬m3。數(shù)據(jù)分析結(jié)果能夠得出結(jié)論，在豐水年免疫算法調(diào)度方式對于水庫水量的調(diào)度結(jié)果更具有優(yōu)勢。再對比豐水期兩種調(diào)度方式下，水庫各月水位的變化值（圖3）。

圖3 豐水年兩種調(diào)度方式下水庫水位變化圖

在豐水年的各月，基于免疫算法的水資源調(diào)度方式條件下各月的水位變化更趨近于水庫標準設(shè)計，而且變化的波動范圍也要小于BP算法。

3.2 平水年兩種調(diào)度方式對水庫調(diào)度結(jié)果比較

平水年各月兩種調(diào)度算法條件下，水庫的出水量和發(fā)電水量數(shù)據(jù)如表3所示。

表3 平水年條件下不同調(diào)度方式對水庫水量調(diào)度影響

從數(shù)據(jù)統(tǒng)計結(jié)果分析可以看出，平水年條件下基于免疫算法與神經(jīng)網(wǎng)絡(luò)算法的水資源調(diào)度方式對于水庫出水量和發(fā)電量的影響較小，出水總量的差值為100萬m3，發(fā)電消耗水量的差值為62萬m3。而兩種調(diào)度算法下水庫的水位變化也較為平穩(wěn)，更趨近于標準水位，具體變化趨勢如圖4所示。

圖4 平水年兩種調(diào)度方式下水庫水位變化圖

3.3 枯水年不同調(diào)度方式對水庫水量調(diào)度的影響

最后比較枯水年條件下，兩種水資源調(diào)度方式對于水庫出水量調(diào)度和發(fā)電水量調(diào)度的影響?？菟暧捎谌霂鞆搅骺偭棵黠@降低，而下游用于工農(nóng)業(yè)消費、和城市用水的水量并不會減少，因此對水資源調(diào)度準確率的要求會不斷提升，用于水利發(fā)電的水量也會明顯減少（表4）。

表4 枯水年兩種調(diào)度方式對水庫水量的影響

從表4中的數(shù)據(jù)分析能夠得出結(jié)論，枯水期由于入庫徑流總量的減少，而導(dǎo)致了出庫水量和發(fā)電水量都有了不同程度的減少，尤其是發(fā)電水量減少明顯。對比基于免疫規(guī)劃算法的下游水量調(diào)度方式，與基于BP神經(jīng)網(wǎng)絡(luò)算法的水量調(diào)度方式的水資源調(diào)度效果，免疫算法仍然具有一定的優(yōu)勢，水庫總體的出水量更多，而用于發(fā)電的總體水量更少。而枯水年由于總徑流入庫量減少，兩種方式調(diào)度下，水庫的水位都低于標準水位，但波動性不大，各月水位水位走勢圖如圖5所示。

圖5 枯水年兩種調(diào)度方式下水庫水位變化圖

綜上分析，對水庫下游水資源的合理調(diào)度和分配，能夠影響到上游水庫的水量儲備及水量調(diào)度，而基于免疫規(guī)劃算法的水資源調(diào)度方式，在豐水年和枯水年都能夠獲得更好水庫水量調(diào)度結(jié)果，優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的調(diào)度方式；而在平水年，兩種水資源調(diào)度方式的調(diào)度結(jié)果趨同，差距很小。

4 結(jié)論與展望

我國水資源儲備總量在世界大國中并不具有明顯優(yōu)勢，而人均水資源儲備量更是低于世界平均水平。而隨著社會經(jīng)濟的發(fā)展、人口的增加及城市化進程的加速我國許多地區(qū)都出現(xiàn)了水資源危機。由于我國北方地區(qū)和西部內(nèi)陸地區(qū)降水較少，地下水資源儲量不足，河流斷流、土地沙漠化和濕地退化較為嚴重，加上工業(yè)發(fā)展對于河流和地下水的污染加劇了這些地區(qū)的水荒，因此關(guān)于水資源的調(diào)度問題研究在這些地區(qū)較為普遍。水庫是重要的水利工程和水利樞紐，在調(diào)節(jié)地區(qū)徑流、防洪泄洪、及地區(qū)電力供應(yīng)方面發(fā)揮著十分重要的作用，而水庫的儲水量、出水量與上下游河流徑流量及水資源的調(diào)度方式密切相關(guān)，對下游河流水資源的合理調(diào)度能夠減少對水庫調(diào)節(jié)的不利影響，也能夠有效緩解由于水資源短缺而造成的各部門之間的矛盾。本文從定量研究的視角出發(fā)，利用兩種調(diào)度模型分析水資源調(diào)度方式的差異給水庫水量調(diào)度帶來的不同影響，結(jié)果表明基于免疫規(guī)劃的算法在水資源調(diào)度方面具有一定的優(yōu)勢，對上游水庫產(chǎn)生的不利影響更小。

水資源調(diào)度問題的影響范圍較廣，調(diào)度方式不合理不僅會浪費更多的水資源，甚至?xí)萍s我國國民經(jīng)濟總體的發(fā)展。隨著對水資源調(diào)度研究的深入，一些新的調(diào)度模型、算法會不斷地應(yīng)用到水資源的調(diào)度工作當中，例如基于計算機科學(xué)技術(shù)而建立決策系統(tǒng)模型，或利用大數(shù)據(jù)和云計算技術(shù)，為水利工作者的決策提供更為完整和準確數(shù)據(jù)支持。鑒于水庫資源調(diào)度的復(fù)雜性，在未來研究中需要更多地引入系統(tǒng)研究的思維，建立水資源調(diào)度系統(tǒng)設(shè)計，利用數(shù)學(xué)模型進行優(yōu)化求解，找出最優(yōu)的水資源調(diào)度路徑。

[1] 吳芳,張新鋒,崔雪鋒.中國水資源利用特征及未來趨勢分析[J].長江科學(xué)院院報,2017,34(1):30-39

[2] 孫金華,陳靜,朱乾德,等.我國重大調(diào)水工程水資源調(diào)度管理現(xiàn)狀研究[J].人民長江,2016,47(5):29-33

[3] 楊懷德,馮起,黃珊,等.民勤綠洲水資源調(diào)度的生態(tài)環(huán)境效應(yīng)[J].干旱區(qū)資源與環(huán)境,2017,31(7):68-73

[4] 劉忠華,于華,楊方廷,等.不確定條件下的山西省水資源調(diào)度規(guī)劃研究[J].水力發(fā)電學(xué)報,2016,35(3):36-46

[5] 閆堃,鐘平安,萬新宇.濱海地區(qū)水資源多目標優(yōu)化調(diào)度模型研究[J].南水北調(diào)與水利科技,2016(1):59-66

[6] 王冬,方娟娟,李義天,等.三峽水庫調(diào)度方式對洞庭湖入流的影響研究[J].長江科學(xué)院院報,2016,33(12):10-16

[7] 吳書悅,趙建世,雷曉輝,等.氣候變化對新安江水庫調(diào)度影響與適應(yīng)性對策[J].水力發(fā)電學(xué)報,2017,36(1):50-58

[8] 趙繼偉,魏群,張國新.水利水電工程的圖形信息模型研究[J].中國水利水電科學(xué)研究院學(xué)報,2016,14(2):155-159

[9] 李卉.基于三角模糊數(shù)的水利水電EPC項目投標風(fēng)險評價模型研究[J].水利水電技術(shù),2016,47(11):55-60

[10] 寧武,李君,宣國祥,等.柳江紅花二線船閘輸水系統(tǒng)布置與水力學(xué)模型試驗研究[J].水運工程,2017(10):154-159

[11] 呂守國,崔玉新,馮迎春,等.基于綜合分析方法的變壓器故障診斷技術(shù)與軟件開發(fā)[J].電力系統(tǒng)保護與控制,2017,45(10):123-128

[12] 張旺勛,李群,王維平,等.復(fù)雜系統(tǒng)脆弱性綜合分析方法[J].國防科技大學(xué)學(xué)報,2016,38(2):150-155

[13] 孔憲仁,熊懷,李海勤,等.一種Hilbert變換法在非線性系統(tǒng)分析中的應(yīng)用[J].機械工程學(xué)報,2016,52(19):95-101

[14] 吳衡,馮青,劉高文,等.熵分析法在蓋板式預(yù)旋系統(tǒng)分析中的應(yīng)用[J].推進技術(shù),2016,37(11):2048-205

Influence of Different Dispatching Ways on Water Amount in Upstream Reservoirs

ZHANG Gai-hong, LI Lei, SHI Xiao-qing

714000,

The difference of water resources dispatching ways will have an important impact on reservoir water dispatching. From a perspective of systemic analysis, this paper respectively studied two kinds of dispatching ways, the immune programming algorithm and BP neural network algorithm, to influence on discharge from reservoir and power generation water amount. The results showed the immune programming algorithm was better than the other in flood season and dry season, and had more discharge water and saved a part of the water to be used for power generation, however, they were consistent in normal flow years.

Reservoir; water dispatching

TV697.1+1

A

1000-2324(2019)05-0805-06

10.3969/j.issn.1000-2324.2019.05.014

2018-04-02

2018-05-23

陜西鐵路工程職業(yè)技術(shù)學(xué)院科研基金項目(Ky2017-088)

張改紅(1977-),女,博士,副教授,主要研究方向:雨洪資源化利用技術(shù). E-mail:zgh197768@163.com