不同调度方式对上游水库水量调度的影响

张改红,李蕾,石小庆

不同调度方式对上游水库水量调度的影响

张改红,李蕾,石小庆

陕西铁路工程职业技术学院, 陕西 渭南 714000

水资源调度方式的差异会对水库水量的调度产生重要影响，本文从系统分析的视角分别阐述了基于免疫规划算法的水资源调度方式和基于BP神经网络算法的调度方式，并分别研究了丰水年、平水年和枯水年条件下，对于出库水量和发电水量的影响。结果表明，在丰水期和枯水期免疫规划算法的调度性能更优，出库水量更多，而且节省了一部分用于发电的水库水量，而在平水年两种调度方式的结果趋同。

水库; 水量调度

水资源调度是一项重要的水利资源管理工作，由于我国人均水资源储量低，且分布极不均衡[1,2]，工农业用水、城市用水及生态用水，与水资源的空间分布存在严重矛盾，因此水资源跨地区调度工作具有十分重要的现实意义。水资源调度方式的选择是一个复杂的动态过程[3-5]，从决策方案的制定到具体调度计划的执行，不仅要考虑到水资源调度的具体需求，还需要兼顾上游水库的水量储备，及对水库水资源的调度产生的影响。水资源调度的概念较为宽泛，可以指对工农业用水的调度分配，也可以指对水利工程资源的调度及对水库水资源的调度。因此在研究水资源的调度方式的影响时，需要特别重视其对上游水库水量储备的影响，水资源调度的基本框架（图1）。

图1 水资源调度基本框架

河流上游的水库兼顾了城市用水、水资源储备、防洪、泄洪、旅游等多种功能于一身，河流下游的水利资源调度时，要基于季节等因素应选择合适的调度方法和调度模式，减少对上游水库水量调度的不利影响。近年来我国城市人口，尤其是东部沿海地区和华北地区的人口急剧膨胀，用水量陡增，地区经济发展与人口的增加对水库水量调度也产生了重要的影响，因此如何平衡人口密集区及干旱地区的水资源需求，减少跨地区水利调度对上游水库的不利影响，成为摆在水利部门，及水利专家学者面前的主要难题之一。

1 概述

水资源调度的基本目的是通过水量的调配实现水资源的优化配置，同时满足生态、防洪等要求，水资源调度方式主要分为常规调度方式和优化调度方式，这两种方式都是围绕着水量和水利工程这两基本的要素展开[6,7]。水资源的调度以水库等水利工程为中心进行水资源供给和配置，随着计算机技术及数学模型研究理论的成熟，在水资源的调度方式选用过程中，越来越多地采用模型研究的方法[8-10]。按照大类别划分水资源调度方式有综合分析方法[11,12]和系统分析方法[13,14]之分，综合分析方法主要基于理论和经验，基于水资源的自然分布状况和基本调度准则实施水资源的调度与分配。综合分析方法主要基于历史数据与专家的经验，在水量调度的准确性及水资源分配的合理性方面，不如系统分析方法有效，但这种方法成本更低，适用于影响范围较小的水利工程。

上世纪中叶以来，计算机技术和系统工程技术获得了快速的发展，水资源的调度方式选择问题和效果验证可以基于计算机算法进行仿真研究，增加了水资源调度优化路径的选择准确性和多样性。因此，系统分析方法在水资源调度中所发挥的作用日益提高，目前主流的系统分析方法主要包括线性及非线性规划、系统可靠性分析及及各种模拟算法等。本文主要从系统分析的角度出发，分别分析了免疫规划算法和BP神经网络算法下的水利调度方式对水库水量所产生的不同影响。

2 水资源调度方式研究

2.1 基于免疫规划算法的下游水资源调度方式

免疫算法是将生物学中的免疫思想引入到水利工程领域，利用局部的特征信息在全局范围内寻优，并在算法的执行过程中能够有针对地抑制种群的退化。针对水库下游河流水利的合理调度而言，存在多种可行的调度方式，但需要基于免疫算法模型在离散的种群空间内寻找最优解，同时提高算法的执行效率和成功率。初始种群中的编码基于下游河流的现有水位和水量编制，并在可行的范围内生成初始的解，在计算适应度的过程中，免疫规划父代群体用B表示：

B=(1,2,…,b,…,b) (1)

其中，b为群体中的任意一个个体，在父代群体中个体b出现的概率(b)可以表示为：

上式中，()为模拟退火函数，ς为单调递减的模拟退火控制序列。基于变异因子对当前的父代群体进行变异操作，生成新的子代群体¢。如果设被研究的水利工程种群为x，则种群中的父代和子代种群分别表示为(x,0)和(,¢0)，在变异因子的作用下子代子群的个体及其初始值分别表示为：

其中，为最优目标解得维数，k、min和max为免疫抗体的亲和度、最小值和最大值。此时对新的子代群体¢进行接种操作，得到新的种群，如此往复迭代寻优。在基于免疫规划模型寻找最优的水量调度路径中，也会对上游的水库水量存量构成影响，需要结合河流和水库数据库数据推理和演算，以方便对调度方式的选择与评估。对于普遍性的水库水量调度问题，可以基于历史水文记录和相关专家的先验知识进行评价；而对于复杂的水资源调度问题，就必须考虑到下游水资源分配和调度对上游水库所产生的影响。相关的水资源调度研究成果表明，历史数据、先验知识与计算机模型算法之间并不存在矛盾的关系，将多种方法结合于一身更有助于免疫算法在全局范围内寻优。

2.2 基于神经网络模型算法的水资源调度方式

BP神经网络算法是模拟人脑的工作原理，将大量的水文数据作为输入项输入模型，依靠模型强大的数据分析和筛选能力，选择出最佳的水资源调度方式。BP神经网络模型包括输入层、中间隐含层和数据输出层，BP神经网络模型的基本结构（图2）。

图2 神经网络调度模型基本结构图

在用于水资源调度的BP神经网络模型中，设输入向量集合为={1,2,…,z}，={1,2,…,y}为输出向量集合，={1,2,…,h}中间隐含层的向量集合，期望输出向量集合为={1,2,…,d}，其中、、、分别为各个层次对应的节点数量。输入层与中间隐含层、及中间隐含层到最有路径输出层之间的权值向量矩阵可以，分别表示为={1,2,…,v}和={1,2,…w}，此时模式的输入函数(z)、输出函数¢()及路径寻优的误差函数，可以分别表示为：

在利用BP神经网络算法计算水库下游的水资源调度方式时，利用后面层次的数据误差作为前一个层次的输入项，层层传递及叠加，在反复的训练学习和迭代过程中，使神经网络的结果输出值更加接近最终的期望值，就能够实现对水库下游水量资源的优化调度。BP神经网络模型适用于数据量较大的样本数据源，也可以将原始的水文数据及上游水库的水资源调度数据，都作为输入项参与运算和筛选，以提高最终水资源调度路径选择的科学性。在基于BP神经网络模型的复杂运算中，中间隐含会基于特定的标准进行大量的复杂运算，因此必须将将水资源上游水库的水文地质数据作为输入项参与运算，以减少水库下游水资源调度对水库水量产生的不利影响。输出的误差项以某种特定的形式反馈给中间隐含层和输入层，如果模型中出现了实际输出与期望输入偏差过大的情况。应及时修正向量矩阵的权值。基于BP算法计算流程如下所示：

STEP 1：将神经网络模型初始化，将各层次之间的链接权值限定在一个固定的区间内，并设定BP神经网络的最大学习次数、精度值范围和误差函数。

STEP 2：随机选取第个数据样本所对应最佳输出值，并求解中间隐含层内各个神经单元计算的最优结果，期望计算表示为：D()=[1(),2(),…,d()] (5)

STEP 3：利用BP神经网络模型，从输入的原始水文数据中识别出最佳的期望值，并利用水库下游的水资源调度误差值，和与中间隐层之间连接权值v求出中间隐层神经元的偏导值。

STEP 4：在基于中间隐层与输出层之间的连接权值w，求解出输出层神经元的偏导值。

STEP 5：最后判断各层次之间存在的误差能否满足需求，如果输出层训练误差值能够达到初始时设定的精度范围值，则证明该种水资源调度方法是一种最优的方法之一，可以满足下游的水资源使用的要求，还能够最大限度地减少对上游水库水量调度所造成的不利影响。

本文分别研究了基于免疫算法和神经网络算法的水库下游水资源调度方式，并以我国西部地区的水库为例，分析两种水资源调度方法下对水库水量储备及水量调度的影响。

3 水资源调度方式对水库水量调度的影响研究

水库是一座以水量调节为主，并兼顾发电功能和灌溉功能的水利工程，水库基本的设计概况，如下表1所示。

表1 水库基本概况

为验证免疫算法和BP神经网络算法的可行性、准确性和对上游水库水量调度的影响，本文分别选择丰水年、平水年和枯水年，入库径流相等的条件下分析两种调度算法的出库水量和发电水量。

3.1 丰水年水库调度结果比较

首先比较丰水年条件下基于免疫算法和BP神经网络算法水量调度方式，对上游水库出水量和发电水量的影响，调度结果如表2所示。

表2 丰水年条件下不同调度方式对水库水量调度影响

从丰水年的分析结果来看，在入库径流相同的条件下免疫算法调度方式下的出库水量总量为7521万m3，略优于BP神经网络算法的6923万m3；而用于发电的出水量为6006万m3，少于BP神经网络算法的6609万m3。数据分析结果能够得出结论，在丰水年免疫算法调度方式对于水库水量的调度结果更具有优势。再对比丰水期两种调度方式下，水库各月水位的变化值（图3）。

图3 丰水年两种调度方式下水库水位变化图

在丰水年的各月，基于免疫算法的水资源调度方式条件下各月的水位变化更趋近于水库标准设计，而且变化的波动范围也要小于BP算法。

3.2 平水年两种调度方式对水库调度结果比较

平水年各月两种调度算法条件下，水库的出水量和发电水量数据如表3所示。

表3 平水年条件下不同调度方式对水库水量调度影响

从数据统计结果分析可以看出，平水年条件下基于免疫算法与神经网络算法的水资源调度方式对于水库出水量和发电量的影响较小，出水总量的差值为100万m3，发电消耗水量的差值为62万m3。而两种调度算法下水库的水位变化也较为平稳，更趋近于标准水位，具体变化趋势如图4所示。

图4 平水年两种调度方式下水库水位变化图

3.3 枯水年不同调度方式对水库水量调度的影响

最后比较枯水年条件下，两种水资源调度方式对于水库出水量调度和发电水量调度的影响。枯水年由于入库径流总量明显降低，而下游用于工农业消费、和城市用水的水量并不会减少，因此对水资源调度准确率的要求会不断提升，用于水利发电的水量也会明显减少（表4）。

表4 枯水年两种调度方式对水库水量的影响

从表4中的数据分析能够得出结论，枯水期由于入库径流总量的减少，而导致了出库水量和发电水量都有了不同程度的减少，尤其是发电水量减少明显。对比基于免疫规划算法的下游水量调度方式，与基于BP神经网络算法的水量调度方式的水资源调度效果，免疫算法仍然具有一定的优势，水库总体的出水量更多，而用于发电的总体水量更少。而枯水年由于总径流入库量减少，两种方式调度下，水库的水位都低于标准水位，但波动性不大，各月水位水位走势图如图5所示。

图5 枯水年两种调度方式下水库水位变化图

综上分析，对水库下游水资源的合理调度和分配，能够影响到上游水库的水量储备及水量调度，而基于免疫规划算法的水资源调度方式，在丰水年和枯水年都能够获得更好水库水量调度结果，优于基于BP神经网络的调度方式；而在平水年，两种水资源调度方式的调度结果趋同，差距很小。

4 结论与展望

我国水资源储备总量在世界大国中并不具有明显优势，而人均水资源储备量更是低于世界平均水平。而随着社会经济的发展、人口的增加及城市化进程的加速我国许多地区都出现了水资源危机。由于我国北方地区和西部内陆地区降水较少，地下水资源储量不足，河流断流、土地沙漠化和湿地退化较为严重，加上工业发展对于河流和地下水的污染加剧了这些地区的水荒，因此关于水资源的调度问题研究在这些地区较为普遍。水库是重要的水利工程和水利枢纽，在调节地区径流、防洪泄洪、及地区电力供应方面发挥着十分重要的作用，而水库的储水量、出水量与上下游河流径流量及水资源的调度方式密切相关，对下游河流水资源的合理调度能够减少对水库调节的不利影响，也能够有效缓解由于水资源短缺而造成的各部门之间的矛盾。本文从定量研究的视角出发，利用两种调度模型分析水资源调度方式的差异给水库水量调度带来的不同影响，结果表明基于免疫规划的算法在水资源调度方面具有一定的优势，对上游水库产生的不利影响更小。

水资源调度问题的影响范围较广，调度方式不合理不仅会浪费更多的水资源，甚至会制约我国国民经济总体的发展。随着对水资源调度研究的深入，一些新的调度模型、算法会不断地应用到水资源的调度工作当中，例如基于计算机科学技术而建立决策系统模型，或利用大数据和云计算技术，为水利工作者的决策提供更为完整和准确数据支持。鉴于水库资源调度的复杂性，在未来研究中需要更多地引入系统研究的思维，建立水资源调度系统设计，利用数学模型进行优化求解，找出最优的水资源调度路径。

[1] 吴芳,张新锋,崔雪锋.中国水资源利用特征及未来趋势分析[J].长江科学院院报,2017,34(1):30-39

[2] 孙金华,陈静,朱乾德,等.我国重大调水工程水资源调度管理现状研究[J].人民长江,2016,47(5):29-33

[3] 杨怀德,冯起,黄珊,等.民勤绿洲水资源调度的生态环境效应[J].干旱区资源与环境,2017,31(7):68-73

[4] 刘忠华,于华,杨方廷,等.不确定条件下的山西省水资源调度规划研究[J].水力发电学报,2016,35(3):36-46

[5] 闫堃,钟平安,万新宇.滨海地区水资源多目标优化调度模型研究[J].南水北调与水利科技,2016(1):59-66

[6] 王冬,方娟娟,李义天,等.三峡水库调度方式对洞庭湖入流的影响研究[J].长江科学院院报,2016,33(12):10-16

[7] 吴书悦,赵建世,雷晓辉,等.气候变化对新安江水库调度影响与适应性对策[J].水力发电学报,2017,36(1):50-58

[8] 赵继伟,魏群,张国新.水利水电工程的图形信息模型研究[J].中国水利水电科学研究院学报,2016,14(2):155-159

[9] 李卉.基于三角模糊数的水利水电EPC项目投标风险评价模型研究[J].水利水电技术,2016,47(11):55-60

[10] 宁武,李君,宣国祥,等.柳江红花二线船闸输水系统布置与水力学模型试验研究[J].水运工程,2017(10):154-159

[11] 吕守国,崔玉新,冯迎春,等.基于综合分析方法的变压器故障诊断技术与软件开发[J].电力系统保护与控制,2017,45(10):123-128

[12] 张旺勋,李群,王维平,等.复杂系统脆弱性综合分析方法[J].国防科技大学学报,2016,38(2):150-155

[13] 孔宪仁,熊怀,李海勤,等.一种Hilbert变换法在非线性系统分析中的应用[J].机械工程学报,2016,52(19):95-101

[14] 吴衡,冯青,刘高文,等.熵分析法在盖板式预旋系统分析中的应用[J].推进技术,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

陕西铁路工程职业技术学院科研基金项目(Ky2017-088)

张改红(1977-),女,博士,副教授,主要研究方向:雨洪资源化利用技术. E-mail:zgh197768@163.com