随着经济的发展和人口的增加,水资源问题越 来越突出,已严重地制约了地区、国家乃至全球的经济社会发展。目前我国面临着人均水资源占有量较少且水质污染日益加重等问题,面对未来有限的可供利用的水资源,研究和探讨水资源的优化调度问题,对于提高水资源利用效率、改善水生态与水环境质量、保障区域防洪除涝安全、促进社会经济的可持续发展具有重要意义。

本文研究的平原坡水区属于东部平原河网地区中一类特殊地形,具有一定坡度,但坡度较缓,水流从地势高处流向地势低处,为树状单向输水[1]。在河道上建梯级闸站,可形成小型的河道型梯级水库,在汛期蓄水,非汛期向周边地区供水。平原坡水区梯级闸站与梯级水库有一定相似之处,区别在于梯级水库以发电为主,而本文研究对象以灌溉供水为主。平原坡水区梯级闸站联合优化调度系统是一个开放式、复杂、高维、非线性系统,涉及社会、经济和生态环境等多个方面,需要统筹防洪、排涝、灌溉、供水、航运、生态等多方面功能[2-3]。

国内外对水资源优化调度的研究主要从模型构建和模型求解两部分内容重点展开。在水库优化调度方面,模型构建研究进展主要从单一水库优化调度到梯级水库及水库群的多目标联合优化调度[4-7],模型求解也相应地,由传统的时历法、统计法等简单的方法发展到线性规划方法、动态规划方法[8]、大系统分解协调技术[8-9]以及更为复杂的多目标优化技术和启发式智能算法[10-13]等。在平原河网地区水资源优化调度方面,由于平原河网地区水资源流向的不确定性,其模型构建更为复杂[14-16],如树状河网闸群防洪体系的优化调度模型、应用系统分析理论和方法的多时段多闸联合的闸群防洪体系优化调度模型等[17-19]。

本文拟在总结吸收前人研究成果基础上,围绕平原坡水区梯级闸站联合优化调度展开研究,构建多目标优化调度模型并用多目标进化算法求解,采用多属性评价决策进行方案优选,最后以宿迁市黄河故道及以南地区梯级闸站为实例进行研究,确定优化调度方案,并与常规调度方案进行对比。研究成果对于满足平原坡水区防洪、灌溉、供水等综合要求,提高水资源利用率具有重要的理论意义和实用价值。

1 平原坡水区梯级闸站联合优化调度模型建立

平原坡水区梯级闸站联合优化调度系统庞大、复杂,河道纵横交错,且各种人工控制性建筑物如水闸、泵站、船闸、涵洞分布其间,在计算时难以考虑所有因素,因此必须对系统进行概化。本文遵循合理减少河道数量、保留骨干河道、合并部分次要输水河道、保持河道总长不变和维持原有河道水面比降等原则进行系统概化,并构建包括社会、经济和生态环境三方面效益的多目标优化调度模型。

1.1 目标函数

平原坡水区梯级闸站联合优化调度总目标为

另外，对这种“保护”，在舆论宣传上一定要注意导向，大方向不能错。要突出“惩罚”，告诫“守法”，而不能突出“保护”，暗示犯了罪也没什么大事。如果一定要宣传“保护”，不妨多说说如何从快从重办理危害未成年人的案件，彰显守法孩子的保护神的形象，对犯罪者的严格惩处就是对守法者最大的保护。

 

式中:E为综合效益目标;E1为社会效益目标;E2为经济效益目标;E3为生态效益目标。其中,社会效益一般包含防洪效益与供水效益,本文选取供水效益目标作为社会效益目标,而将防洪效益目标作为约束条件。

(1)社会效益目标。

系统优化调度的主要目的是供水,包括生活需水和生产需水,不包括生态需水,其中生产需水又包括农业、工业和第三产业需水,在一般情况下,平原坡水区农业需水占的比例较大。本文采用系统缺水量最小目标来体现供水效益最大化,即:

 

式中:E1为系统缺水量(m3);G(i,t)为第i计算单元t时段内的供水量(m3);D(i,t)为第i计算单元t时段内的需水量(不包括生态需水)(m3);T为调度时段个数;N为计算单元数目。

(2)经济效益目标。

在水库优化调度中,通常考虑以发电量最大为目标,而由于本文研究的平原坡水区梯级闸站联合优化调度系统不考虑发电,优化调度的主要目的为供水,需要通过泵站从河道或者湖泊提水,因此经济效益目标可定为泵站提水量最小,即

将本市中医肝胆医院2014年5月~2017年6月收治的心血管疾病患者87例分为观察组和对照组,其中观察组44例,男女比例为25:19,年龄46~75岁,平均年龄(58.4±3.3)岁,病程3个月~18年,平均病程(9.7±1.5)年;对照组43例男女比例为23:20,年龄48~72岁,平均年龄(57.2±3.1)岁,病程5个月~17年,平均病程(8.7±1.9)年,对比两组患者年龄、性别等一般资料(P>0.05)。

 

式中:E2表示泵站提水量(m3);j为泵站编号;m为泵站数量;QS(j,t)为j泵站t时段的提水量(m3);其他符号同前。

(3)生态环境效益目标。

平原坡水区主要位于东部沿海地区,人口密度较大,经济发展较快,同时水流流动性较差,水质恶化较严重。因此,在充分考虑社会效益和经济效益目标的同时,需要考虑生态环境效益目标,以实现生态环境保护的功能,本文考以生态需水缺水量最小为目标函数,即

在室外拾音必须提前做好录音设备检查，携带好录音器材。当遇到过强声音时，为避免录音机输入的过载，造成失真不能使用。可以使用提前准备的小型衰减器，控制传声器与声源的距离角度。还要注意有用信号和噪声的关系，为了使录到的声音不被周围的噪声掩盖，必须注意传声器与有用信号的距离，设法减弱无用噪声的比例，比如让传声器远离噪声源或者用吸声材料做适当的隔声处理等。注意防风，加装防风罩或其他方法，减少对传声器的影响。

2.1.2 NSGA-Ò算法求解梯级闸站联合优化调度模型步骤

最后是验证信息。作为商务翻译的最后一个环节，其主要目的是确保翻译信息的准确性，一旦发现存在翻译不妥或者是漏译、过译等，应及时修正。信息验证时可请第三者阅读从而发现翻译过程中的不当之处。

 

⑯爱新觉罗·弘历:《汲惠泉烹竹炉歌叠旧作韵》，裴大中、倪咸生修，秦缃业等纂:《光绪无锡金匮县志》，《中国地方志集成·江苏府县志辑》第24册，第26页。

式中:E3为生态环境需水缺水量(m3);Q(i,t)为第i计算单元t时段内的流量(m3/s);QDmin(i,t)为第i计算单元t时段内所要求的最小生态环境流量(m3/s);Δt为计算步长(s);其他符号同前。

1.2 约束条件

Step3基于偏序关系,计算个体适应度值,在此基础上对种群进行遗传操作,包括二元锦标赛选择、模拟二进制交叉和多项式变异,产生子代种群Qt。

(1)河道水量平衡约束。

平原坡水区由于地势较低,河道规模差距较大,蓄水能力有限,因此分为有调蓄能力的河道和无调蓄能力的河道,河道在每一时段均应满足水量平衡约束。式(5)为有调蓄能力的河道应满足的水量平衡方程式,式(6)为无调蓄能力的河道应满足的水量平衡方程式:

 

式中:V(i,t)为第i个节点t时段初的蓄水量(m3);Qs(i,t)、Qu(i,t)分别为第i条连线t时段内的区间来水和用水流量(m3/s);Q1(i,t)与Q2(i,t)分别为第i条连线t时段内上游入流量和下游出流量(m3/s);其他符号同前。

(2)河道调蓄能力约束。

 

式中:Vmin(i,t)、Vmax(i,t)分别表示第i河道t时段允许的最小和最大蓄水库容(m3)。当V(i,t)＞Vmax(i,t)时,产生弃水,以此保证河道的防洪工程安全;当V(i,t)＜Vmin(i,t)时,产生缺水,缺水量为Vmin(i,t)-V(i,t),以确保河道水位始终在最小水位以上。

(3)河道水位要求约束。

运用SPSS17.0软件分析数据，采用“±s”来表示计量资料，以t为结果检验，以百分数（%）表述计数资料，采用χ2进行检验，P＜0.05，则表示有统计学意义[5]。

河道水位要求包括防洪排涝水位、航运水位、地下水水位要求,其中,防洪排涝水位要求即洪水期河道的水位应低于防洪排涝要求的最高水位,航运水位要求即河道水位要高于满足航运要求的最低水位,地下水水位要求即河道水位需满足地下水最低水位。

1.打好“人才牌”，提升支持力。要发展就必须打好“人才牌”，增强竞争力。要全力提升培训水平，在传统培训方式之外，着力抓好“网络课堂、班组课堂、现场课堂”这三个载体，合理配置资源，提高培训质量和管理水平，努力开创“大培训”工作格局。加快现有人才队伍建设。树立“有能有为、人人是才”的人才理念和“培训就是企业最好的福利”的观念，培育激励机制，制定积极的激励措施，大力创造有利于优秀人才脱颖而出、施展抱负、发挥才干的环境，使每个人都能够为企业发展建功立业。

 

式中:Zmin(i,t)、Zmin(i,t)分别表示第i河道t时段允许的最小和最大水位(m)。

(4)河道输水能力约束。

河道的输水流量需要满足不超过河道的输水能力。

 

式中:Qmax(i,t)表示i河道t时段的最大输水流量(m3/s)。

(5)泵站提水能力约束。

泵站的提水流量应满足不大于相应泵站提水能力的约束。

 

式中:DO(j,t)表示j泵站t时段的提水流量(m3/s);DOmax(j,t)表示相应泵站的提水能力(m3/s)。

(6)水闸过流能力约束。

水闸的下泄流量应满足不大于对应水闸过流能力的约束。

 

式中:PR(j,t)表示t时段由水闸j下泄的流量(m3/s);P(j,t)表示相应控制水闸的过流能力(m3/s)。

2.1.1 NSGA-Ò算法

以上所有参数满足非负约束条件。

“对企业来说，发展需要资金，相比银行贷款，基金的借用手续更加简单，也无需任何抵押，”石柱县财政局谭文会副局长说，“根据《实施意见》规定，基金的主要使用方向要围绕乡村旅游、特色产业发展及其他能够为重点贫困户带来稳定资产性收益的项目进行。而其收益也分为固定收益和效益收益，其中，固定收益是指基金借用单位要以借用资金乘以同期银行贷款基准利率来分配给重点贫困户，而效益收益则是基金借用单位要按照借用资金产生效益的40%分配给重点贫困户，另有10%用于基金管理机构的管理费用。同样，如若借用单位因财务制度不健全等原因导致年终效益无法核实的，也应按照基金借用额度的4%进行分配。”

2 多目标优化方法

构建起平原坡水区梯级闸站联合优化调度多目标模型后,需选取合适的多目标优化方法对模型进行求解。本文采用NSGA-Ò算法对模型求解得到非劣解集并用基于混沌遗传算法优化的投影寻踪聚类模型对方案进行多属性评价决策。

2.1 模型求解方法

(7)非负约束。

NSGA-Ò算法[20-21]是由 Deb等于2002年在NSGA算法[22]的基础上提出的,主要针对NSGA算法的时间复杂度较高、未引入精英保留策略和难以确定维持种群分布性的共享参数值大小三方面问题做了改进。NSGA-Ò算法的核心是非支配排序、聚集距离排序和精英保留策略,其中,快速非支配排序部分决定了NSGA-Ò算法的时间复杂度为O(rN2)。

NSGA-Ò算法的主要流程包括编码及参数设置,生成初始种群并计算目标函数值、非支配序和聚集距离,遗传操作(选择、交叉、变异)产生新种群,采用精英策略对父子两代合并排序并选出前N个个体作为新的父代,判断是否满足终止条件等步骤。其中,遗传操作主要采用基于偏序关系的二元锦标赛选择机制、模拟二进制交叉和多项式变异组合策略。

国内硫酸钾市场暂时保持平稳走势，厂家报价虽然较之前期略有走高，但实际成交多根据订单量一单一议为主。目前曼海姆硫酸钾厂家装置开工仍维持在6成左右，厂家报价50%粉在2950元/吨，52%粉报价在3050-3150元/吨，但据悉实际成交多有一定的可商谈空间，询单稍有增加。

本文构建的平原坡水区梯级闸站联合优化调度模型求解步骤具体有以下五步:

Step1 编码、参数设置和全局数据的初始化。采用实数编码,确定种群规模N、最大迭代次数T,并将全局数据包括河道库容、水位、泵站提水能力、水闸泄流能力、系统来水与需水情况等初始化操作。

Step2以相应泵站提水能力为限随机生成一个初始种群P0,此时令t=0。对每个个体所代表的方案进行模拟调度运行,计算各个目标函数值(供水缺水量E1、泵站提水量E2及生态需水缺水量E3),并以此计算个体非支配等级Fk和聚集距离Fdis,然后按偏序关系进行排序。

河道整治工作不仅需要做好前期工程，还需要做好后期养护工作。河道整治会耗费大量人力、物力，成本较高。因此，要尽可能保证河道使用寿命，以实现资源使用最大化。为了促进河道养护工作者的积极性，应通过阶段评比等方式，评选出养护情况最好的区域给予奖励，以有效提高河道养护水平。

本文研究的平原坡水区梯级闸站联合优化调度模型的约束条件主要有河道水量平衡、调蓄能力、水位要求、输水能力、泵站提水能力、水闸过流能力等约束。

Step4合并Qt与Pt得到Rt,对Rt按偏序关系进行非支配排序与聚集距离排序,选取前N个个体,作为最终的子代种群Pt+1。

Step5判断是否满足终止条件(t≥T),若满足,则退出循环并输出最后一代种群作为Pareto最优解集;若不满足,则继续以Pt+1作为父代种群,返回至Step3,继续循环运行直到满足判断终止条件。

共产党不仅在革命以前是重要，即在革命时也是重要，革命之后又须监护劳农会，尤其重要。除非到共产主义完全实现的时代，共产党不可一日不存在。

平原坡水区梯级闸站联合优化调度模型求解流程见图1。

  

图1 平原坡水区梯级闸站联合优化调度模型求解流程Fig.1 The solving process of joint optimal scheduling model for cascade sluice stations in plain slope water area

2.2 方案多属性评价决策

对模型求解后,可得到优化调度方案的非劣解集,此时需要决策者结合实际情况,采用合适的方法选取能实现整个系统的综合效益最大化的最佳均衡方案。本文选用无偏好信息的投影寻踪法,该方法不需要决策者提供偏好信息,避免了人为赋予权重的弊端,并采用混沌遗传算法优化投影指标函数。

2.2.1 平原坡水区梯级闸站联合优化调度方案评价指标体系构建

平原坡水区梯级闸站联合优化调度是一个复杂的、涉及多部门多领域的系统,调度模型包括社会、经济和生态环境效益三个目标,相应地,评价指标体系的构建也从社会、经济和生态环境三方面考虑。其中,社会评价指标包括防洪与供水效益,本文选取汛末河道总库容(正向)和系统缺水量(逆向)两个指标;经济评价指标选取系统提水量(逆向)和系统弃水量(逆向)两个指标;生态环境评价指标选取生态缺水量(逆向)一个指标。平原坡水区梯级闸站联合优化调度方案评价决策指标集见图2。

  

图2 平原坡水区梯级闸站联合优化调度方案评价决策指标集Fig.2 Evaluation decision-making index set of joint optimal scheduling schemes for cascade sluice stations in plain slope water area

2.2.2 基于混沌遗传算法优化的投影寻踪聚类模型评价优选方案

宿迁市黄河故道及以南地区梯级闸站联合优化调度系统由骆马湖、洪泽湖两个主要调蓄湖泊,中运河、黄河故道、西民便河、西沙河、五河、成子河六条骨干河道以及皂河灌区、船行灌区、运南灌区三大灌区组成。目前,黄河故道上规划建成11级梯级控制,由西向东依次是皂河地涵、蔡支闸、船行枢纽、古城橡胶坝、仓集闸、陈圩闸、大兴闸、成子河分洪闸、泗阳橡胶坝、李口闸、新袁闸。

混沌遗传算法(Chaos Genetic Algorithm,CGA)结合混沌运动的遍历性、随机性、规律性和GA算法的反演性等特点,将两种算法耦合,提高了传统GA算法的收敛速度和优化效果。该算法的基本思想是利用混沌优化算法的随机性和遍历性改善初始种群质量,并对遗传操作即选择、交叉、变异后的种群附加混沌扰动,以避免搜索过程陷入局部极值[24-25]。

基于混沌遗传算法优化的投影寻踪聚类模型具体求解步骤[25]包括:方案指标集的归一化处理,构造投影指标函数Q(a),利用混沌遗传算法优化投影指标函数,根据投影值Z*(i)的大小对方案分类排序并优选方案。基于混沌遗传算法优化的投影寻踪聚类模型评价优选方案基本流程见图3。

  

图3 基于混沌遗传算法优化的投影寻踪聚类模型评价优选方案基本流程Fig.3 T he flow chart of evaluating the optimization schemes with the Projection Pursuit model based on Chaos Genetic Algorithm optimization

3 实例研究

3.1 宿迁市黄河故道及以南地区概况与系统概化

投影寻踪(Projection Pursuit,PP)法[23-24]作为一类新兴的多元数据分析的数学方法,于20世纪70年代由美国科学家Kruscal提出,其基本思想是通过在低维空间处理数据的方式以达到研究和分析高维数据特征及结构的目的,具体思路是将影响问题的多因素指标通过聚类分析,得到反映其综合指标特性的投影特征值,然后建立与因变量之间的一一对应关系函数,从而进行分析与研究,避免了专家赋权的人为干扰。投影寻踪聚类模型的核心是构造投影指标函数,本文采用混沌遗传算法优化投影指标函数。

该系统庞大且复杂,影响因素难以全面考虑,其最显著的特点是除宿城和泗阳运南灌区一部分从洪泽湖提水,即反向提水外,其余均为从北向南、由西往东输水,且系统内并联河道和串联闸站工程较多,因此根据系统主要组成以及骨干河渠间的连接关系进行系统概化,使其既能突出区域水资源供需现状,又能真实反映梯级控制闸站的工作特性。该系统的供水任务主要从骆马湖和中运河提水,通过皂河电灌站、七堡枢纽等泵站提水至黄河故道,再通过皂河干渠、船行干渠、张圩干渠、运南南渠首等渠道向皂河灌区、船行灌区、运南灌区供水,黄河故道上沿途也供水给周边用水户,且通过11级梯级闸站由西向东输水,最终汇入洪泽湖。宿迁市黄河故道及以南地区水资源系统概化见图4。

  

图4 宿迁市黄河故道及以南地区水资源系统概化图Fig.4 The sketch of water resources sy stem in the Yellow River and its southern area in Suqian city

3.2 宿迁市黄河故道及以南地区梯级闸站联合优化调度

3.2.1 梯级闸站联合优化调度模型构建

宿迁市黄河故道及以南地区水资源优化调度所需要解决的主要问题是让沿黄河故道及皂河、船行、运南三大灌区的系统缺水量最小,同时考虑经济成本即提水量最小,因此将系统缺水量最小和泵站提水量最小作为模型的两个目标函数,而将生态效益目标转化为生态约束。将生态环境效益作为约束条件后,调度方案的供水首先满足生态需水要求,再满足农业等其他需水要求,实例中系统缺水量最小目标中的需水包括农业需水和生态需水。

生态约束要求各河道和受水区水量满足一定的生态需求,包括水系连通、景观环境、生态基流等,即

 

式中:Qj min(i,t)为第i河道或受水区t时段内的最小生态流量(m3/s)。

3.2.2 梯级闸站联合优化调度模型求解与方案优选

《罪与罚》涉及到的人物形象很多，尤其是女性形象特别多。有他的妹妹杜妮亚、继女索菲亚、放贷者阿谬娜……这些人物形象或多或少都可以在《圣经》以及古希腊神话中找到相应的原型。这里以索菲亚和阿谬娜为例进行原型阐释。

结合宿迁市黄河故道及以南地区实际情况,参考《宿迁市水资源公报》(2013年)和《宿迁市黄河故道及以南地区水资源优化配置与调控研究》,采用定额分析法对研究区域在规划水平年(2020年)不同保证率下的农业需水进行计算,生态需水量考虑到变化较小,且对需水总量影响较小,因此采用区域现状生态用水量,具体计算结果见表1。生活和工业用水均来自水厂,而水厂的水取自洪泽湖和骆马湖,为本文研究水资源系统以外,因此不考虑生活与工业需水。

 

表1 宿迁市黄河故道及以南地区2020年需水量预测Tab.1 Forecast of water demand in 2020 of the Yellow River and its southern area in Suqian city亿m3

  

农业需水量 合计片区50% 75% 95%生态需水量50% 75% 95%黄河故道 1.16 1.35 1.65 0.029 1.19 1.38 1.68皂河灌区 1.10 1.34 1.75 0.035 1.14 1.38 1.79船行灌区 1.13 1.39 1.81 0.031 1.16 1.42 1.84运南灌区 1.61 2.00 2.63 0.073 1.68 2.07 2.70合计 5.00 6.08 7.83 0.170 5.17 6.25 8.00

基于规划水平年(2020年)水资源供需平衡情况,从汛期6月初开始,以月为调度时段,分别对平水年(P=50%)、枯水年(P=75%)和特枯水年(P=95%)采用NSGA-Ò算法进行模型求解得到调度方案非劣解集,再用基于混沌遗传算法优化的投影寻踪聚类模型对三个水平年分别选取的10个非劣解进行多属性评价决策,最终确定相对较好的调度方案。

(1)采用NSGA-Ò算法求解时,设置种群大小为100,最大迭代次数为10 000次。以平水年为例,迭代10 000次即最后一代的非劣解集见图5。由于实例中主要考虑水量平衡关系,因此两者总体呈现线性负相关关系。图5为最后一代的100个非劣解,两个目标函数值分布范围较广,其中缺水量目标范围为[0,2.879]亿m3,提水量目标范围为[0.062,2.975]亿m3,可供决策者选择的方案较多,具体可结合区域实际或者决策者偏好进行方案选择。

(2)采用基于混沌遗传算法优化的投影寻踪聚类模型对调度方案集进行方案优选时,由于实例主要目的为满足区域供水,在尽量保证缺水量较小的前提下,使得提水量最小,成本最低,因此选取非劣解集中缺水量最小的前10个方案进行多属性决策。实例中将生态环境目标转化为约束条件处理,即计算时必须首先满足生态需水要求,同时由于选择缺水量最小的前10个方案进行优选,缺水主要表现为农业缺水,因此这10个方案生态缺水量指标均为0,在实例中生态缺水量不作为多属性决策指标。

  

图5 平水年下迭代10 000次后的非劣解集Fig.5 Non-inferior solution set after 10000 iterations in a normal year

根据基于混沌遗传算法优化的投影寻踪聚类模型的平原坡水区梯级闸站联合优化调度方案优选的流程,先将三个水平年下10个方案的4个指标归一化处理(本文将各指标的最大值和最小值分别取为该指标在非劣解集中实际能达到的最大值和最小值,因此三个水平年是相互独立的),然后构造投影指标函数,并用混沌遗传算法求解最佳投影方向。求解时,设定各参数为:变量取值范围[0,1]、种群规模500、最大迭代次数500、交叉概率0.9、变异概率0.1,然后分别将程序在MATLAB 2012a版本中运行。以平水年为例,最大指标函数值为0.052,最佳投影方向a*=[0.210,0.131,0.308,0.918],最佳投影值见表2,根据z*值的大小,最终确定平水年下z*值最大的方案1为最佳方案;同理,枯水年下得到最大指标函数值为0.355,最佳投影方向a*=[0.235,0.311,0.183,0.902],最终确定方案1为最优方案;特枯水年下得到最大指标函数值为0.371,最佳投影方向a*=[0.169,0.185,0.132,0.959],最终确定方案2为最优方案。

 

表2 平水年下方案评价指标集及排序结果Tab.2 Evaluation index set and sorting results of the schemes in a normal year

  

万m3序号 系统缺水量系统提水量系统弃水量汛末河道总库容 z* 排序1 0.0 29 753.8 3 700.0 1 082.2 0.639 1 2 123.8 29 624.9 3 694.8 1 075.2 0.632 2 3 444.5 29 268.5 3 659.1 955.2 0.515 3 4 783.0 28 945.0 3 674.2 846.9 0.405 4 5 1 818.2 27 669.2 3 491.6 781.5 0.354 7 6 2 203.1 27 241.1 3 436.1 824.9 0.400 6 7 2 735.3 26 701.7 3 443.8 745.2 0.319 8 8 2 793.3 26 646.8 3 446.1 745.2 0.319 10 9 3 030.5 26 413.6 3 437.4 745.2 0.319 9 10 3 227.2 26 245.0 3 424.9 828.9 0.402 5

平水年时,宿迁市黄河故道及以南地区泵站共计提水2.975亿m3,系统供水5.170亿m3,缺水量为0,总弃水量为0.370亿m3,汛末(9月末)河道总库容为0.108亿m3。其中,汛期(6月-9月)共计提水2.603亿m3,供水4.920亿m3。平水年、枯水年和特枯水年三个水平年的调度方案对比具体见表 3。

此外，队员们还要用生命去救护伤员。鲁南战役的傅山口战场，高启文带领二中队负责火线抢救。他自己带一副担架隐蔽在战场最前沿的瓜棚下。战斗中一颗炮弹落在瓜棚上，把高启文埋了起来。等他挣扎出来，不顾自己的伤痛，按一个战士的指点到一条隐蔽的沟里寻找伤员，可到沟底才发现，那位同志已经停止了呼吸。高启文帮烈士整理了军帽，又掏出裹煎饼的包布，擦干净烈士脸上的血和手脚上的泥，才抱起遗体向担架队走去。

 

表3 不同水平年宿迁市黄河故道及以南地区调度方案对比T ab.3 Comparison of scheduling schemes for the Yellow River and its southern area in Suqian city in different level years

  

亿m3提水量 供水量水平年汛期 非汛期 合计 汛期 非汛期 合计缺水量 弃水量 汛末河道总库容平水年 2.603 0.373 2.975 4.920 0.250 5.170 0 0.370 0.108枯水年 4.853 0.408 5.261 5.974 0.276 6.250 0 0.335 0.152特枯水年 6.714 0.478 7.192 7.605 0.320 7.925 0.085 0.359 0.158

3.3 联合优化调度优势分析

宿迁市黄河故道及以南地区梯级闸站常规调度与优化调度的计算工况相同,主要遵循水资源开发利用与社会经济发展相适应、优先使用地表水、优先满足生活用水、优水优用等原则进行配置和调度水资源。优先使用地表水,根据区域需水情况再从骆马湖、中运河和洪泽湖提水,通过各级泵站和水闸向各个受水区供水。河道中若水位高于最高水位,则通过水闸泄水。平水年、枯水年、特枯水年优化调度与常规调度结果对比见表4。

 

表4 不同水平年优化调度与常规调度结果对比T ab.4 Comparison between optimized and conventional scheduling results in different level years亿m3

  

平水年 枯水年 特枯水年水平年优化调度 常规调度 优化调度 常规调度优化调度常规调度提水量 2.975 2.900 5.261 5.010 7.192 6.580供水量 5.170 4.970 6.250 5.700 7.925 7.240缺水量 0 0.200 0 0.550 0.085 0.760弃水量 0.370 0.520 0.335 0.490 0.359 0.470

根据表4,将联合优化调度与常规调度方式相对比:(1)平水年下,常规调度只能提供4.97亿m3的水量,缺水量为0.2亿m3,缺水率为3.87%,而优化调度求解得到的缺水量为0;(2)枯水年下,常规调度只能提供5.7亿m3的水量,缺水量为0.55亿m3,缺水率为8.8%,而优化调度缺水量为0;(3)特枯水年下,常规调度只能提供7.24亿m3的水量,缺水量为0.76亿m3,缺水率为9.5%,而优化调度求解得到的缺水量为0.085亿m3,缺水率为1.06%,远远小于常规调度,因此,优化调度通过增加提水量,有效降低了缺水率,提高了系统的供水能力。同时,从弃水量的角度,优化调度弃水量在平水年、枯水年和特枯水年均小于常规调度,说明优化调度有效减少了弃水,充分利用了水资源,从而节约了供水成本。

4 结论

水资源是人类赖以生存的自然资源,研究和探讨水资源的合理配置与调度,对于提高水资源利用效率,促进社会经济可持续发展具有重要意义。本文围绕平原坡水区梯级闸站联合优化调度,构建了以社会、经济和生态环境三方面效益为目标的多目标优化调度模型,以宿迁市黄河故道及以南地区为实例进行了研究,并将求解结果与常规调度进行了对比。结果表明:联合优化调度相比常规调度,能够保证可供水量在各区域间的科学合理分配,提高整个系统的供水保证率,充分利用水资源,减少弃水,节约供水成本。因此,本文构建的多目标优化调度模型及求解方法具有较好的可操作性和优越性,对实际工程尤其是平原坡水区优化调度具有指导意义和应用价值。

参考文献(References):

[1] 乐红玲,张萍霞,王船海,等.平原河网区坡面汇流分布式单位线研究[J].水电能源科学,2015,33(2):25-28.(LE H L,ZHANG P X,WANG H C,et al.Study on slope confluence distribution unit line in plain river network area[J].Hydropower Energy Science,2015,33(2):25-28.(in Chinese))

[2] 潘理中,芮孝芳.水电站水库优化调度研究的若干进展[J].水文,1999(6):37-39.(PAN L Z,RU I X F.The research progress for reservoir optimized operation of hydropower station[J].Journal of China Hydrology,1999(6):37-39.(in Chinese))

[3] 裴哲义,姚志宗,郭生练,等.中国水库调度工作近年来的成就与展望[J].水电自动化与大坝监测.2004,28(1):1-3.(PEI Z Y,YAO Z Z,GUO S L,et al.Achievements and prospects of hydropower operation automation in China[J].Hydropower Automa-tion and Dam Monitoring,2004,28(1):1-3.(in Chinese))

[4] LIT TLE J D C.T he use of storage water in a hydroelectric system[J].Operation Research.1955,3(2):187-197.

[5] REDDY M J,KU MAR D N.Optimal reservoir operation using multi-objective evolutionary algorithm[J].Water Resources M anagement,2006,20(6):861-878.DOI:10.1007/s11269-005-9011-1.

[6] 张勇传,李福生,熊斯毅,等.水电站水库群优化调度方法的研究[J].水力发电,1981,(11):50-54.(ZHANG Y C,LI F S,XIONG S Y,et al.Study on optimal dispatch method of reservoir group in hydropower station[J].Hydroelectric power,1981,(11):50-54.(in Chinese))

[7] 覃晖,周建中,肖舸,等.梯级水电站多目标发电优化调度[J].水科学进展,2010,21(3):377-384.(QIN H,ZHOU J Z,XIAO K,et al.Multi-target g eneration optimal scheduling of cascade hydropower stations[J].Water Science Progress,2010,21(3):377-384.(in Chinese))

[8] 畅建霞,黄强,王义民.水电站水库优化调度几种方法的探讨[J].水电能源科学,2000,18(3):19-22.(CHANG J X,HUANG Q,WA NG Y M.A discussion on methods of single reservoir optimal operation[J].Water Resources and Power,2001,18(3):19-22.(in Chinese))

[9] 张双虎.梯级水库群发电优化调度的理论与实践——以乌江梯级水库群为例[D].西安:西安理工大学,2007.(ZHANG S H.T he theory and practice of cascade reservoirs power generation optimized operation-with Wujiang cascade reservoirs as the study objective[D].Xi'an:Xi'an University of T echnology,2007.(in Chinese))

[10] 畅建霞,黄强,王义民.基于改进遗传算法的水电站水库优化调度[J].水力发电学报,2001(3):85-90.(CHANG J X,HUANG Q,WANG Y M.Optimal operation of hydropower station reservoir by using an improved genetic algorithm[J].Journal of Hydroelectric Engineering,2001(3):85-90.(in Chinese))DOI:10.3969/j.issn.1003-1243.2001.03.010.

[11] 马玉新,解建仓,罗军刚.基于方向自学习遗传算法的水库优化调度[J].水力发电学报,2009,28(4):43-48.(MA Y X,XIE J C,LUO J G.Study on optimal operation of reservoir based on directional self-learning genetic algorithm[J].Journal of Hydroelectric Engineering,2009,28(4):43-48.(in Chinese))

[12] 刘卫林,董增川,王德智.混合智能算法及其在供水水库群优化调度中的应用[J].水利学报,2007,38(12):1437-1443.(LIU W L,DONG Z C,WANG D Z.Hybrid intelligent algorithm and its application in dispatch optimization for water supply reservoir group[J].Journal of Hydraulic Engineering,2007,38(12):1437-1443.(in Chinese))DOI:10.3321/j.issn:0559-9350.2007.12.005.

[13] ROBIN W,M OHD S.Evaluation of genetic algorithms for optimal reservoir system operation[J].Journal of Water Resources Planning and M anagement,1999,125(1):25-33.

[14] 林宝新,苏锡祺.平原河网闸群防洪体系的优化调度[J].浙江大学学报(自然科学版).1996,30(6):652-663.(LIN B X,SU X Q.Optimal dispatch of flood prevention system in plain river gateway[J].Journal of Zhejiang University(Natural Science),1996,30(6):652-663.(in Chinese))

[15] 刘芹.平原河网水力计算及闸群防洪体系优化调度研究[D].南京:河海大学.2006.(LIU Q.Study on hydraulic calculation of flood plain network and flood control system optimal regulation of floodgate group[D].Naning:Hohai U niversity,2006.(in Chinese))

[16] GU Z H,CAO X M,LIU G L,et al.Optimizing operation rules of sluices in river networks based on knowledge-driven and datadriven mechanism[J].Water Resources Management,2014,28(11):3455-3469.DOI:10.1007/s11269-014-0679-y.

[17] 胡振鹏.大系统多目标分解聚合算法及应用[D].武汉:武汉水利电力学院.1985.(HU Z P.Multi-objective decomposition and aggregation algorithm for large system and its application[D].Wuhan:Wuhan Hydraulic and Electric Power Institute.1985.(in Chinese))

[18] 张建云,陈洁云.南水北调东线工程优化调度研究[J].水科学进展.1995,6(3):198-204.(Zhang J Y,CHEN J Y.Study on optimal dispatch of east route of south north water transfer project[J].Water Science Progress,1995,6(3):198-204.(in Chinese))

[19] 于凤存,方国华,王文杰,等.基于多目标遗传算法的南水北调东线工程湖泊群优化调度研究[J].灌溉排水学报,2016,35(3):78-85.(YU F C,FANG G H,WANG W J,et al.Study on optimal scheduling of lake groups in eastern route of south-to-north water resources projecting based on multi-objective genetic algorithm[J].Journal of Irrigation and Drainage,2016,35(3):78-85.(in Chinese))DOI:10.13522/j.cnki.gg ps.2016.03.015.

[20] DEB K,PRAT AP A,AGARWAL S,et al.A fast and elitist multiobjective genetic algorithm:NSGA-II[J].IEEE Transactions Evolutionary Computation,2002,6(2):182-197.

[21] 黄晓敏,雷晓辉,王宇晖,等.基于 NSGA-Ò的水文模型参数多目标优化研究[J].人民长江.2012,43(2):16-21.(HUANG X M,LEI X H,WANG Y H,et al.Study of multiobjective optimization of parameters of HYMOD model using NSGA-Ò algorithm[J].People Yangtze River,2012,43(2):16-21.(in Chinese))

[22] SRINIVAS N,DEB K.Multi-objective optimization using nondominated sorting in genetic algorithms[J].Evolutionary Computation,1994,2(3):221-248.

[23] FRIEDMAN J H,T UKEY J W.A projection pursuit algorithm for ex ploratory data analysis[J].IEEE Transactions on Computers,1974,C-23(9):881-890.

[24] 方国华,黄显峰.多目标决策理论、方法及其应用[M].北京:科学出版社,2011:164-167.(FANG G H,HU ANG X F.Multiobjective decision making theory,Method and Application[M].Beijing:Science Press,2011:164-167.(in Chinese))

[25] 刘飞飞,方国华,高颖,等.基于最严格水资源管理制度的水质型缺水地区节水型社会建设评价[J].水利经济,2016,34(5):42-46.(LIU F F,FANG G H,GAO Y,et al.Evaluation of water saving society construction in water quality and scarcity areas based on the most stringent water resources management system[J].Water conservancy economy,2016,34(5):42-46.(in Chinese))DOI:10.3880/j.issn.1003-9511.2016.05.010.