灌區水資源優化配置決策支持系統
——以蜻蛉河灌區為例

王 瑩，余 航，楊茂靈，楊 鑫，鄭 斌(.云南農業大學水利學院 水資源與節水灌溉重點實驗室，昆明 6500；.昭通市水利水電勘測設計研究院, 云南 昭通 6500)

0 引 言

灌區灌溉用水經由水源、輸配水渠道至田間工程，取水、輸水、配水3個環節均需因時因地制定合理制度。本研究主要從水源和輸配水環節建立水資源優化配置決策支持系統，為灌區灌溉用水決策提供支持。

近年由于氣候變化，灌區水庫嚴重淤積，興利庫容變小，而水資源未能進行統一有效調度，使得干旱造成農業減產[1]。很多學者針對水庫群優化調度開展了廣泛研究[2,3]，為灌區的抗旱減災提供決策依據。

同時，大型灌區作物種植結構復雜、土壤類型不一、降雨分布不均，尤其云南高原灌區高差較大，渠道坡降差異顯著，諸多因素存在較大的時空變異性差異。水力模擬模型通常建立在配水過程中同時向下級配水的假設基礎之上[4-6]，適用于缺少數據資料的地區。而灌區尺度渠系系統配水流量不等的情況更加普遍[7,8]。

綜上，水庫優化調度和渠系工作制度優化是灌區水資源優化配置決策支持系統的重要組成部分，開展此項研究對提高云南高原灌區灌溉用水管理水平，節約灌溉用水量，減少旱災影響具有重大理論與現實意義。

1 系統組成及數學模型

1.1 系統組成

灌區水資源優化配置模型系統為三庫模式：即數據庫、模型庫、方法庫以及人機交互系統(圖1)。

圖1 灌區水資源優化配置模型系統框架

數據庫包括空間數據和非空間數據，包括歷史、實時以及未來的氣象、水源、作物、土壤、渠系和灌溉系統。水源信息包括水庫庫容、河流徑流量、下墊面參數和灌溉可供水量等水文信息。作物信息包括作物類型、作物種植結構、種植面積、作物系數、作物產量敏感系數和生育期。土壤信息主要為土壤類型分布圖以及與土壤類型相關的參數。渠系信息包括灌區渠系布置圖、渠系斷面尺寸、設計流量和渠系水利用系數等。灌溉方式信息包括地面灌、噴灌和滴灌以及田間水利用系數?？臻g數據描述各參數的空間位置，而非空間數據為不隨空間位置變化而改變的屬性參數?？臻g數據與非空間數據通過查詢表連接，每個柵格對應一個編碼方便模型優化時進行調用。

模型庫包含水庫優化調度模型和渠系工作制度時空優化模型。主程序與子模型之間是調度與反饋的關系。同時，模型受方法庫的支配。模型庫通過對空間數據庫的調用和參數傳遞實現優化，并將優化結果返回數據庫。

方法庫是通過算法對模型進行優化求解，如線性規劃、非線性規劃以及多目標優化優化等方法。方法庫中優化方法采用軟件編寫，可根據需求進行修改和擴充。

GIS人機交互系統是用戶與其他各庫發生決策行為的平臺。數據庫、模型庫以及方法庫的各功能通過GIS人機交互系統實施人為控制和決策。該系統的界面友好并能與Windows系統兼容。

1.2 數學模型

1.2.1水庫優化調度模型

總目標(年總引水量最大)：

(1)

階段目標(各水庫月引水量之和最大)：

(2)

式中：Xi,j為第i個水庫第j階段的引水量，萬m3；m為水庫數量；n表示階段。

約束條件：

(1)庫容約束：

Vi,死≤Vi,j≤Vi,限

(3)

其中：

(4)

式中：單位為萬m3。Vi,j為第i個水庫第j階段蓄水量；Vi,死為第i個水庫死庫容；Vi,限為第i個水庫限制庫容；Vi,0為時段初蓄水量；Ri,k-1為第i個水庫第k-1階段的來水量；Yi,k-1為第i個水庫第k-1階段的用水量；Ei,k-1為第i個水庫第k-1階段的蒸發滲漏損失量。

(2)引水量約束：

Xi,j≤Vi,j-Vi,死-Yi,j-Ei,j

(5)

(3)引水溝過流限制：水庫引水天數最多為5 d，則：

X1j≤64.8,X2j≤86.4,X3j≤172.8,X4j≤172.8

(6)

(4)庫容瞬時約束：

(7)

式中：V0,j為洋派水庫j階段的蓄水量，m3。

(5)非負約束：

Xi,j≥0

(8)

模型采用線性規劃求解方法。

1.2.2渠系工作制度優化模型

目標1：上級渠道流量波動最小，即方差最小。

(9)

(10)

式中：q*j為第j個下級渠道的毛配水流量，m3/s；N為一個輪灌組內的支渠個數；fij(x)是一個描述在輪灌期內渠道連續配水狀態的連續函數[式(11)]。

(11)

式中：t0j為灌水開始時間，h；t2j為灌水結束時間，h。

目標2：渠道滲漏損失最小。

(12)

式中：Vs為上級渠道的滲漏損失，m3；Vd為下級渠道的滲漏損失，m3；Wsi為上級渠道凈配水量，m3；W*dj為第j個下級渠道毛配水量，m3；ηs為上級渠道渠系水利用系數；ηdj為第j個下級渠道的渠系水利用系數。

目標3：配水量與需水量的差值最小。

minZ3=min{W*dj-Wnj}

(13)

式中：Wnj為第j個渠道控制范圍的需水量，m3。

約束條件：

(1)配水連續性約束：

0≤t0j≤Tj=1,2,…,N

(14)

t2j≤Tj=1,2,…,N

(15)

t0j+t1j=t2jj=1,2,…,N

(16)

式中：t1j為灌溉時間，h。

(2)配水量約束：

Wsi=Qsits60×60W*dj=q*jt1j60×60

(17)

式中：ts為時段i的時間步長，h。

(3)流量約束：

aqj≤q*j≤bqjQsi≤cQsd

(18)

式中：qj為第j個下級渠道的設計流量，m3/s；Qsd為上級渠道的設計流量，m3/s；a,b,c分別為下級渠道和上級渠道運行流量的允許閾值系數。

(4)灌溉可供水量約束：

Wai≥Wsi/ηs

(19)

式中：Wai為時段i灌溉可供水量，m3。

決策變量：灌水結束時間(t2j)和毛配水流量(q*j)。

模型采用多目標規劃求解的方法求解，尋找目標函數的非劣解集。

2 灌區概況

蜻蛉河大型灌區位于云南省楚雄彝族自治州中西部金沙江二級支流蜻蛉河沿河兩岸。灌區地理位置北緯25°28′～25°45′，東經101°05′～101°10′，范圍涉及姚安、大姚兩縣的7個鄉鎮，農業人口26.6萬人。灌區有效灌溉面積2萬hm2。流域內多年平均氣溫16.5 ℃，年最高氣溫37.1 ℃，最低零下5.5 ℃。年平均日照時數2 518 h，灌區多年平均降雨量834.7 mm，多年平均蒸發量2 096 mm。灌區已經基本形成灌排結合的大型灌區體系，目前蜻蛉河灌區共建成中型水庫4座，小(Ⅰ)型水庫18座，小(Ⅱ)型水庫4座，其他小型水利設施1 900余座，水利工程平均農業灌溉供水量為1.8億m3。灌區總體布置形成三大灌溉體系，即紅梅-洋派灌溉體系，白鶴-妙峰灌溉體系以及大羅古-永豐灌溉體系。

3 系統界面及運行結果

3.1 系統界面

界面包含菜單、圖層顯示、地圖顯示、目標函數選擇、按鈕(數據輸入、優化、結果顯示)。系統各功能界面如圖2～圖5所示。

圖2 系統界面

圖3 片區選定界面

圖4 實際作物需水量計算界面

圖5 水庫聯合優化調度模型軟件界面

3.2 運行結果

(1)水庫優化調度優化結果。根據統計資料分析，在保證率為75%下的紅梅水庫、胡家山水庫來水量典型年為2005-2006年(表1)。

表1 水庫基礎數據 萬m3

水庫聯合優化調度模型優化結果見表2。在保證率為75%的情況下，上游水庫向洋派水庫引水總量為668.25萬m3，其中11、12、8月引水最多，分別為149.46、151.80和151.83 萬m3。4座水庫中胡家山水庫向洋派水庫引水最多為538.35萬m3，大康郎水庫引水最少為10.08萬m3，而紅梅水庫由于蓄水較少、死庫容較多，且用水較大導致引水入洋派水庫也較少。

表2 上游水庫引水入洋派水庫結果 萬m3

(2)渠系工作制度優化結果。根據灌區各骨干水源相對獨立的特點，灌區總體布置形成三大灌溉體系，共29條渠道，各參數見表3。

表3 蜻蛉河灌區渠道模型參數表

蜻蛉河灌區渠系工作制度優化結果見圖6至圖8，分別為目標函數1和2、目標函數1和3以及目標函數2和3的優化結果。決策者根據管理經驗確定兩個目標函數的重要程度，從Pareto解集中選取一組解作為多目標遺傳算法優化后的渠系工作制度。一次灌水過程的灌水時間為2 880 h(即4個月)。根據選擇的目標函數不同，渠系工作制度存在較大差異。其中目標函數1和2的優化結果顯示，渠道在配水區間分布均勻，渠道流量波動較小。目標函數1和3的優化結果顯示，渠道運行相對集中在中前期，而目標函數2和3的優化結果顯示渠系運行時間相對集中在中間時段。從圖6、圖7可以看出，渠系配水過程連續，即每個時段都有灌水事件發生，利于渠道運行流量的穩定。圖8顯示配水時間小于2 880 h，只有1 901 h，減少了灌水時間。

圖6 灌溉保證率P=75%目標函數1和2優化后渠系工作制度

圖7 灌溉保證率P=75%目標函數1和3優化后渠系工作制度

圖8 灌溉保證率P=75%目標函數2和3優化后渠系工作制度

4 結 語

本研究以GIS為平臺建立了水土資源優化配置支持系統，解決了水資源優化調度以及山丘區渠系調水配水不合理的問題。主要結論如下：

(1)水庫優化調度模型可以解決多水庫向單一水庫引水問題，模型可得到不同頻率下水庫優化調度方案，優化結果合理。

(2)渠系工作制度優化模型能很好地解決云南高原灌區灌溉系統的渠系配水問題，縮短了渠系運行時間，提高了渠系運行的穩定性，減少了渠系滲漏損失，使得灌溉供需更加平衡。

□

[1] 余 航, 王 龍, 文 俊, 等. 云南蜻蛉河大型灌區水庫聯合優化調度[J]. 水資源與水工程學報, 2015,(6):90-92，97. 去人為確定2個因子合適的權重，對于權重的確定本文選擇定性分析[10]的方法。當水力性能和粒子通過率同等重要時，即選取C點的結構參數進行流道設計。

4 結 論

借鑒彎道環流現象可以增加流動內部的碰撞和漩渦，增加流態內部的紊亂程度，從而有效耗能，設計彎道環流式迷宮流道。通過數值模擬和計算分析進行正交實驗，并對實驗結果進行直觀、方差及回歸分析。以流態指數和粒子通過率作為衡量新型流道的水力性能和抗堵性能的指標，同時，以流量作為約束指標，采用多目標粒子群算法對2組目標函數進行迭代優化，得到具有最小流態指數和最大粒子通過率的非劣解集。

□

參考文獻：

[1] 張 俊. 迷宮流道灌水器水力與抗堵性能評價及結構優化研究[D]. 西安：西安交通大學, 2009.

[2] 鄧聚龍.灰理論基礎[M]. 武漢：華中科技大學出版社, 2002:162-225.

[3] 李 寧. 粒子群優化算法的理論分析與應用研究[D]. 武漢：華中科技大學, 2006.

[4] 芮德繁. 連續彎道環流運動與泥沙沖淤特性的數值模擬及實驗[D]. 成都：四川大學, 2005.

[5] 張 俊, 魏公際, 趙萬華,等. 灌水器內圓弧形流道的液固兩相流場分析[J]. 中國機械工程, 2007, 18(5):589-593.

[6] Shi Y, Eberhart R. Modified particle swarm optimizer[C]∥ IEEE world congress proceedings on computational intelligence，1998. IEEE International Conference on Evolutionary Computation,2015:69-73.

[7] Frans V D B, Engelbrecht A P. A Cooperative approach to particle swarm optimization[J]. Transactions on Evolutionary Computation, 2004, 8(3):225-239.

[8] Coello C A C, Pulido G T, Lechuga M S. Handling multiple objectives with particle swarm optimization[J]. Transactions on Evolutionary Computation, 2004, 8(3):256-279.

[9] Coello C A C, Lechuga M S. MOPSO: a proposal for multiple objective particle swarm optimization[C]∥ Proceedings of the 2002 congress on evolutionary computation, 2002:1 051-1 056.

[10] 朱學軍. 基于Pareto多目標進化計算的健壯性設計方法及應用研究[D]. 上海：上海交通大學, 1999.