买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长江水利委员会长江科学院;河海大学

摘要：本发明公开了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，属于水库优化调度技术领域，包括以下步骤：步骤1、构建动态多目标优化调度模型；步骤2、求解最优调度方案集；步骤3、对最优调度方案集进行预处理；步骤4、通过执行基于降维和需求交互的偏好决策模块得到一个最优调度方案；步骤5、执行环境监测模块监测环境是否发生变化；步骤6、判断是否达到预设环境变化次数。本发明提供了一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，结合实际调度需求进行偏好权重调整，在环境变化情形下得到实时最优决策方案，此外依据预报信息在不降低防洪标准的前提下挖掘水资源利用潜力，实现目标效益最大化。

主权项：1.一种均衡风险与效益的汛期水位智能动态控制模型的构建方法，其特征在于，包括以下步骤：步骤1、构建动态多目标优化调度模型：构建调度期内以水库发电量最大、控制断面的削峰最大以及可供水量最大为目标函数的动态多目标优化调度模型；同时对构建的动态多目标优化调度模型添加基础约束条件，输入预报数据，预设动态多目标优化调度模型静态优化次数MaxIter、种群规模N、精英种群规模Nc、目标函数个数M、决策变量个数D、预报预见期长度Ty并将水库调度期的出库流量设置为决策变量，同时根据决策变量的预设范围生成多个个体作为初始种群；步骤2、根据动态多目标优化调度模型及水库数量，水库特征参数求解水库在当前环境下的最优调度方案集，采用动态多目标优化方法中的静态优化算法NSGAII静态算法求解最优调度方案集；步骤3、通过执行预报不确定风险处理模块对最优调度方案集进行预处理；步骤4、通过执行基于降维和需求交互的偏好决策模块得到一个最优调度方案，通过对静态优化算法得到的帕累托前沿解集采用投影寻踪法对高维数据进行降维得到一维的客观决策权重，结合实际调度的偏好需求进行偏好权重调整，得到一个最优调度方案；步骤5、通过执行环境监测模块监测环境是否发生变化，实时监测降水预报信息、水库状态、决策变量实时状态环境信息与最优调度方案的匹配程度；若匹配误差较大则采用动态多目标优化方法中的动态响应算法对环境进行快速跟踪得到新的帕累托前沿解集；步骤6、判断是否达到预设环境变化次数，若达到环境变化次数则输出水库状态数据和当前及历史的最优调度方案集和适应度值，否则在环境变化时将执行动态响应算法得到个体返回到步骤2继续执行；步骤1中调度期内水库发电量最大的目标函数为： ；其中，E为时段内所有水库的总发电量；K、t分别为水库数量和当前时段；Ty是预报预见期长度；、、分别为第t个时段第k个水库的出力、发电流量、水头；为第k个水库的出力系数；为计算时段长；步骤1中调度期内控制断面的最大削峰目标函数为： ；其中，C是削峰调度函数；决策变量为第k个水库t时刻出库流量；为第k个水库至防洪控制断面间t时刻的区间入流预报值；K为水库数目；为将第k个水库出库流量过程演算到下游水库或下游防洪控制断面的流量过程计算方法，有时滞影响时，采用马斯京根法进行演算，否则直接叠加；步骤1中调度期内可供水量最大目标函数为： ；其中，G是调度期内可供水量最大调度函数；决策变量为第k个水库t时刻供水流量；和为第k个水库t时刻的供水能力上限和下限；K为水库数目；步骤1中基础约束条件包括水量平衡约束、出力约束、库容约束、出库流量约束和发电流量约束，具体表达式如下：水量平衡约束： ；其中，、分别为第t个时段第k个水库的区间入流、出库流量；为第t个时段第k个水库的库容，为第t-1个时段第k个水库的库容，为计算时段长，为第t个时段第l个水库的出库流量，Ty是预报预见期长度，为与水库k直接相连的所有上游水库，为上游水库的出库流量去除损失水量；出力约束： ；其中，、分别为第t个时段第k个水库的最大、最小出力；库容约束： ；其中，、分别为第t个时段第k个水库的最大、最小库容；出库流量约束： ；其中，、分别为第t个时段第k个水库的最大、最小出库流量；发电流量约束； ；其中，、分别为第t个时段第k个水库的最大、最小发电流量；步骤3中执行预报不确定风险处理模块包括以下步骤：S31、多种预报模型预处理，首先基于降水预报数据，采用长短期记忆、门控循环单元和基于注意力机制的循环神经网络的深度学习预报模型得到多个模型的径流预报数据P，将多个模型的径流预报数据P采用加权平均处理得到集合预报结果作为优化调度模型的未来入库径流数据，具体表达式如下： ；其中，I为预报模型个数，Ty是预报预见期长度，为第i个预报模型第t个时段的集合预报降水量；S32、特征配置随机模拟，对不同的深度学习预报模型得到的径流预报数据P进行排列得到预报区间，采用一种特征配置随机模拟方法在预报区间内生成大量的随机预报径流序列R；S33、风险动态评估，结合实际调度问题对静态优化中得到的调度方案依据随机预报径流序列R进行两阶段风险评估，并将风险评估结果作为风险约束处理，之后依据当前水库的水位，设置动态风险阈值，若超出风险阈值则舍弃调度方案，若未超出风险阈值则设置为可行的调度方案；S32中具体过程如下：①首先构建径流预报模型矩阵P： ；其中，I为预报模型个数，Ty是预报预见期长度，为第i个预报模型第t个时段的集合预报降水量；②确定特征配置参数：通过计算每个预报模型在预报预见期长度Ty内连续3个预报时段的累积最大径流量并进行加权处理后得到预报径流累积系数Cf；通过计算每个预报模型在预报预见期长度Ty内的最大降水量所在的时段并进行加权处理后得到预报径流峰值系数Cp，具体表达式如下： ； ；其中，为第i个模型预报径流峰值所处的时段，I为预报模型个数，、、为第i个预报模型第t-1个时段、第t个时段、第t+1个时段的集合预报降水量；③对每个预报时段的不同模型得到的径流预报数据采用高斯、泊松分布、对数正态分布的分布函数进行拟合分布，并以所有预报模型在每个预报时段的径流上下限以及所有预报模型在预报预见期的总降水量上下限为约束，随机生成满足约束条件且符合特征配置参数的大量随机模拟预报径流结果R，具体表达式如下： ；其中，f为分布函数包括高斯分布、泊松分布、对数正态分布，用来拟合每个预报时段的不同模型得到的预报降水；P是径流预报数据；C为约束条件，Pmax和Pmin是降水的上限和下限，和是总降水量的上限和下限，ΣP是所有预报模型在预报预见期的总降水量；为随机模拟函数，接受分布函数f和约束条件C，输出满足约束条件且符合特征配置参数的大量随机模拟预报结果；S33中具体过程如下：①预报预见期长度内风险：若随机模拟预报结果R有NR组，在第n个调度方案中，若有NR1n组数据通过模型计算超出了调度模型约束中水库水位允许的上下限阈值，则认定NR1n组数据在预报预见期长度Ty内存在风险，则调度方案预报预见期长度内风险率为R1n； ；其中，N为调度方案集合；②预报预见期长度外风险：依据历史预报数据资料建立预报数据库，采用机器学习对之前预报模型得到的随机径流预报模拟结果和基于历史预报数据的预报数据库进行匹配，对数据库中匹配的预报结果提取2倍预报预见期长度的历史预报数据，之后在随机模拟的NR组数据，在第n个调度方案中，确定NR2n组数据超出了水库水位允许的上下限阈值，则认定NR2n组数据在2倍预报预见期2Ty内存在风险，则对于调度方案预报预见期长度外风险率为R2n； ；③预报总风险和动态风险阈值：预报总风险为预报预见期长度以内和预见期以外两阶段防洪风险率的耦合；动态风险阈值通过考虑水库的水位情况动态设置阈值，具体表达式如下： ； ；其中，、分别为第k个水库的最大、最小库容；为第k个水库在调度前的库容，K为水库数目。

全文数据：

权利要求：

百度查询： 长江水利委员会长江科学院 河海大学 均衡风险与效益的汛期水位智能动态控制模型的构建方法