基于可行空间搜索遗传算法的梯级水库群调度规则研究

以梯级水库群系统多年平均发电量和旬出力保证率最大为目标函数,以梯级水库群内各水库拐点式调度图为决策变量,建立梯级水库群联合发电调度模型,并采用可行空间搜索遗传算法进行求解。为了避免模型求解过程中对不可行解的过多处理,有针对性地对可行解进行优化。最后,以汉江流域梯级水库群为例,对模型和算法的有效性进行了验证。     

南水北调东线江苏段典型泵站运行效率模拟模型

泵站机组运行受多种因素影响,导致泵站运行理论效率与实际效率误差较大。针对泵站机组运行效率精准模拟难题,运用基于高价多项式回归、回归树、多元线性回归、向量机回归、高斯过程回归、神经网络的10个回归算法,建立泵站机组效率模拟模型并开展对比分析,优选出有效的泵站运行效率模拟建模方法。讨论分析采用“上下游水位+流量”代替传统“扬程+流量”开展泵站运行模拟的效果。以南水北调东线邳州站和遂宁二站共8台机组的历史数据开展实例分析,相关实验结果表明：在所有方法中,高斯过程回归（Gaussian process regression,GPR）模型在均方根误差（ERMS）、平均绝对误差（EMA）、均方误差（EMS）、决定系数（R2）和最大个体误差（EMI）指标上综合表现最佳,R2逼近0.95;使用站上、站下水位代替传统的扬程对模型进行训练,所有模型的综合评价指标整体有所改善。综合来看,使用GPR模型并使用上游、下游水位代替扬程进行模拟效率表现最好,以邳州站4号机为例,可将模拟效率的EMA和EMI分别从16.49%和20.40%减少至0.41%和2.30%,研究成果具有一定实际意义,可为我国调水工程泵站经济...     

梯级泵站输水系统日优化调度及经济运行研究

南水北调来水调入密云水库调蓄工程是北京南水北调配套工程的重要内容,前半段从团城湖通过6级泵站提升输水至怀柔水库。为实现工程高效经济运行,基于分时电价规则,建立大系统分解协调模型求解该工程日优化调度及经济运行问题。将大系统分解成3个子系统,先采用动态规划法实现各子系统的最优化,然后根据大系统的总体目标,依据各子系统之间的关联,实现大系统的全局优化。结果表明,模型实用性强,优化调度运行方案中低电价时段所分配流量较大,对于实现工程高效经济运行具有指导意义。     

基于GRA-NARX神经网络的泵站站前水位预测模型

针对多种水工建筑物相互作用和影响下的泵站水位预测难题,提出基于GRA-NARX（grey relation analysis-nonlinear autoregressive model with exogenous inputs）神经网络的泵站站前水位预测模型。该模型包括灰色关联分析(GRA)和NARX神经网络两部分,利用3种训练算法和不同时间延迟分别对密云水库调蓄工程屯佃泵站站前水位进行2 h预测,并与NARX模型和GRA-BP(grey relation analysis-back propagation)模型的预测结果进行比较。研究结果表明,GRA-NARX-BR(grey relation analysis-nonlinear autoregressive model with exogenous inputs-bayesian regularization)模型用于水位预测能够比较全面地考虑影响因子,预测精度高,相关系数最高达0.986 62,均方根误差最小为0.008 6 m,预测效果比NARX模型和GRA-BP模型好,且时间延迟越长,均方根误差越小。模型也可在其他调水工程中推广使用。     

Seq2Seq模型的短期水位预测

为有效预测未来一定时间内的连续水位,提出了基于序列到序列(Seq2Seq) 的短期水位预测模型,并使用一个长短期记忆神经网络(LSTM)作为编码层,将历史水位序列编码为一个上下文向量,使用另一个LSTM 作为解码层,将上下文向量解码来预测目标水位序列。以流溪河为研究对象,针对不同预测长度分别建立水位预测模型,并与LSTM 模型和人工神经网络(ANN)模型进行了对比。结果表明:Seq2Seq 模型对连续6 h、12 h 和24 h 水位预测的纳什效率系数最高分别为0.93、0.90和0.85;当预测长度为6 h 时,LSTM 和Seq2Seq 模型预测结果相似,ANN 模型精度较低;当预测长度为12 h 和24 h 时,Seq2Seq 模型相比LSTM 模型和ANN 模型预测效果更好,收敛速度更快。     

多级串联明渠调水工程多目标水位预测控制模型研究

针对传统的明渠水位预测控制模型无法考虑闸门调控次数限制的问题,本文在以往的预测控制目标中加入了流量调整惩罚量,构造了多目标渠池水位预测控制模型;并采用带有精英排序策略的遗传算法来进行复杂优化问题的求解。将此模型应用于南水北调中线干线工程最后6级渠池的虚拟仿真模型中对模型可靠性进行分析,结果表明在两种测试工况中,本文的多目标预测控制模型相比于传统预测控制模型,能在保持相似的水位控制效果同时使得闸控次数降低43%和52%;而且采用遗传算法求解能考虑闸门死区带来的流量最小变幅约束问题,在需要提前进行流量微调的情况下生成更加合理的调控方案。本文结果也表明,基于水位状态预测模型构造多目标预测控制模型,并采用启发式算法进行优化问题求解,这一思路具有一定可行性。     

WROOM模型及其在渭河流域水量调度中的应用

通用水资源优化调配模型WROOM作为将优化与模拟技术相结合的水资源系统模型,能很好地进行水资源调度问题求解。现根据渭河流域水量调度实际需求,对WROOM模型进行了改进,建立了渭河流域水量调度年调度模型及月调度模型,实现了渭河流域水量调度方案自动化编制,提高了水量调度管理工作的科学化水平。     

LSTM神经网络和量纲分析法在弧形闸门过流计算中的对比

为保障工程建筑物的合理设计、输水渠道的科学调控及调水系统的安全运行,需对弧形闸门过闸流量进行精确计算。以南水北调中线工程干渠59座节制闸为研究对象,建立基于量纲分析法和长短期记忆神经网络两种不同的弧形闸门流量计算模型,选取2018—2019年2 h时间尺度的原始观测数据作为模型输入,对比分析两种模型闸门流量计算的平均绝对误差、平均相对误差、均方根误差及纳什效率系数。结果表明：对于工程整体而言,长短期记忆神经网络方法的误差结果略优于量纲分析法,两者流量平均相对误差分别为2%~2.5%和3%~4%。另外,量纲分析法受水位波动影响较大,更适用于中线工程中下游（中、小流量）的闸门过流计算;长短期记忆神经网络方法受水位波动的影响相对略小,更适用于中线工程中上游（大、中流量）的闸门过流计算。该研究为南水北调中线工程闸门水力计算及调度运行提供了科学依据。     

考虑湖泊调蓄的引江济淮工程旬水量调度方案

为挖掘引江济淮工程沿线湖泊调蓄能力在保障供水、降低泵站输水能耗方面的潜力,开展考虑湖泊调蓄的 跨流域调水工程旬水量调度研究,构建考虑湖泊调蓄的泵站-湖泊多目标旬水量优化调度模型,并采用遗传算法进 行求解,以制定满足用水单元缺水量最少、泵站能耗最小和湖泊不平衡量最小的泵站-湖泊联合调度方案。分析 引江济淮工程调度运行的不同典型运行工况,以自流引江工况为例讨论考虑湖泊调蓄的旬水量调度方案的优势。 结果表明,考虑湖泊调蓄的调度方案能有效提高供水保证率、降低泵站总输水能耗,可为引江济淮工程运行调度 提供决策支撑。     

基于PCA-PSO-SVR 的丹江口水库年径流预报研究

在年径流预报中,气象因子之间的自相关会对预报精度产生影响。针对这个问题,将主成分分析(PCA)和粒子群优化(PSO)算法加入SVR模型中,建立了PCA-PSO-SVR预报模型,剔除冗余信息和噪声,提取因子间的主要特征,并选择模型的最优参数组合作为回归支持向量机(SVR)模型的输入。选择南水北调中线水源地丹江口水库为研究区,利用丹江口1981-2016年入库资料进行模型检验。结果表明,模型验证期间合格率为83.33%、距平一致率也达到83.33%,具有精度高稳定性强等优点,对丹江口水库年径流预报有一定的参考意义。