水庫優化調度綜述

王奕　徐鑫

摘 要：水電站的優化調度是一個組合優化問題，其最優解是具有實用價值的研究方向，求解方法非常重要。解決水庫優化調度問題的關鍵在于兩個方面：一是如何建立水庫優化調度數學模型；二是如何選擇優化方法求解該數學模型。到目前為止，優化調度的方法有很多，但也存在一些問題。本文引用幾個文獻來分析最優調度方法。

關鍵字：水庫；優化；優缺點

1 國內外研究進展

水庫群調度涉及多個目標，主要包括防洪、發電、灌溉用水、工業和住宅供水、環境保護、水質改善、旅游、導航等。目前國內外水庫群優化調度研究取得了很大進展。水庫優化運行研究的國內外專家學者主要包括：優化模型、優化求解方法模型、單庫、多庫、水庫泵站聯合優化調度等。

1.1 模型建立

不同的水資源配置系統有不同的決策變量、目標函數、約束條件。

（1）單水庫缺水調度

在文獻[1]中，作者以烏魯瓦提水庫為例，建立了以各時段水庫供水量為決策變量的數學模型。

目標函數：

烏魯瓦提水庫調度是一個多目標問題，具體有防洪發電、生態治理、排沙灌溉這幾個目標。根據調度原則，將防洪、排沙、生態治理作為基本約束條件，首先滿足這幾三個條件，把灌溉量的最多以及發電量的最大看作是模型的目標函數。

約束條件：

A.水庫調度水量平衡約束；B.灌溉供水流量約束；C.生態供水約束；D.水位約束；E.防洪約束；F.水電站出力約束。

（2）多水庫缺水調度

梯級電站綜合運行，包括蓄水能力、水文補償效益和電力補償效益。在給定的控制期間，文獻[2]的長期優化調度模型的目標函數是在控制期間保證輸出的最大發電量。

目標函數：

A.水量平衡約束；B.庫容限制約束；C.水庫出庫流量限制；D.邊界條件。

1.2 求解方法

水庫優化調度有很多方法，通過研究螢火蟲算法，我們可以了解螢火蟲算法（FA）在全局最優解的收斂速度和全局最優解的方差方面的表現優越。將蟻群算法運用到多庫系統中，結果表明，該算法可以有效的處理離三和連續的組合決策變量。研究水循環算法（WCA）在水庫系統優化中的性能，分別對WCA和遺傳算法（GA）的結果進行了10次獨立運行，并給出了各算法的收斂曲線。最后根據得到的結果：與GA相比，WCA具有更好的性能和性能。

1.3 單水庫與多水庫優化調度

①單水庫優化調度

具有高效參數化且結構合理的分段線性對沖規則的多目標模擬優化模型，可以為單個供水水庫的長期對沖操作獲取最優解。并行動態規劃和改進遺傳算法，利用OpenMP編程模式以及分層遺傳算法，可以為水庫優化調度指出新的方向。另外可以從理論上證明自優化模擬技術在最適合的決策領域中，證明模擬技術的準確性。采用多目標決策理論中的“權重法”進行分析，對子系統非線性規劃模型，則采用混合罰函數法（SUMT法）求解，編制了大系統逐層優化的ALGOIJ語言電算程序，進行大量的計算和靈敏度分析，可以得到系統最優規劃具有實際意義的成果。

②多水庫聯合優化調度

混沌算法與進化算法相結合的算法可以應用到水資源優化調度系統中；運用模擬退火算法可以得到水庫運行的最優規劃曲線；具有變異特征的蟻群系統的混合局部優化算法（MSA - ACS）可以用于解決梯級水庫優化調度問題，并且與蟻群算法進行比較和分析對其進行優化；并行多種群混合進化的粒子群算法全局優化，可以確定滿足各水庫供水要求的水庫群調水規則和供水規則，優化確定調水水庫的最大調水規模，最后根據優化規則及調水規模進行水庫調度計算，以證明該模型的科學性和有效性；通過建立在IA-PSO算法的水庫優化調度的思路，可以建立數學模型，實例表明，相對于傳統動態規劃算法來說，通過IA-PSO所得到的結果更優，IA-PSO算法的收斂速度比傳統算法的更快，此新方法為水庫調度問題開辟了一條更有效的道路。

2 存在問題

以文獻為例，分析國內在水庫水資源優化調度方面的優缺點進行分析。

在文獻[3]中，作者利用漸進式優化算法，建立了鐵嶺地區聚合虛擬水庫的聯合供水調度方案。作者以虛擬聚合水庫供水量最大為目標函數。

約束條件有：

A.虛擬聚合水庫水量平衡方程； B.水庫庫容約束。

分析：作者在這僅將所有水庫各時段最大供水量作為目標函數，欠缺考慮，一方面，即使供水量最大是否能滿足灌區用水需求，另一方面，超出灌區需水要求的水庫供水量會增加水庫的運行成本。故應該將灌區用水量也納入目標函數的考慮中。此外，作者未將水庫的年可供水總量列入約束條件。

在文獻[4]中，作者根據青海省黑泉水庫，分別利用自適應遺傳算法和標準遺傳算法解決對其進行優化調度，最后，將兩種方法進行比較。在保證灌溉用水和城市用水的前提下，作者以發電量最大為目標函數。

約束條件有：

水位約束；B.水輪機最大過機流量約束；C.電站出力約束；D.下泄流量約束；E.灌溉供水約束；F.水量平衡約束；

分析：自適應遺傳算法相對于標準遺傳算法來說，可根據個體適應度和群體分散程度，對遺傳控制參數進行有效調整。從而保持種群的多樣性，加快收斂速度，提高全局收斂的穩定性。

3 小結

本文通過對國內外大量文獻的總結和總結，研究了遺傳算法、螢火蟲算法、神經網絡、混合蟻群等國內外水庫優化調度的各種方法。然而，優化運行仍存在一些問題，主要問題在于模型的建立，大多數作者在水庫供水能力約束中沒有考慮到，在水庫供水中沒有考慮到每一時期的目標函數，理論比實際要多。

參考文獻

[1]潘雷曉，郭秀娟，等.烏魯瓦提水庫調度模型及算法研究[J].人民黃河，2012，34（1）：142-144.

[2]陳立，梅亞東，董雅，等.改進遺傳算法及其在水庫群優化調度中的應用[J].水利學報，2008，39（5）：550-556.

[3]李楠.鐵嶺市水庫群聯合供水優化調度方案研究[J].中國水能及電氣化，2017（6）：28-31.

[4]王少波，解建倉，孔珂.自適應遺傳算法在水庫優化調度中的應用[J]，水利學報，2006，37（4）：480-485.