陈伟
新疆伊犁河流域开发建设管理局 新疆伊宁 835000
摘要：随着我国社会主义市场经济的飞速发展,我国水库的建设水平日益提升,我们了解到多属性决策在社会生活中普遍存在,决策者根据已有决策信息、社会经济发展实际需要和结合自己偏好进行带有一定风险和机会的决策。流域梯级水库调度时不仅需要考虑社会经济目标,也必须重视生态环境目标,然而这些目标之间既有相互联系,也存在不同程度的矛盾。对于梯级水库多目标优化调度非劣方案集,决策者为协调目标间的矛盾从而得到相对最佳均衡的水库调度方案,就需要进行多属性决策。
关键词：梯级水库；多目标；优化调度；多属性；决策
引言
随着我国金沙江、雅砻江、澜沧江等流域水库群的相继建成与互联智能电网的有序推进,梯级水库已成为承载多方利益诉求的水资源利用载体,亟需开展多目标优化调度的研究,以有效协调水库防洪、发电、供水、生态等多方面的任务,满足新形势下的调度要求。
1多属性决策模型构建
首先是属性决策指标集。梯级水库多目标优化调度多属性决策指标集应该包含社会、经济与生态目标。社会目标主要是防洪安全目标和供水安全目标。对于以防洪调度为主的梯级水库调度模型,一般以最高库水位、最大下泄流量、后汛期调度期末水位作为评价指标。对于有供水目标的水库,则以调度期内平均缺水率作为评价指标。同时为提高水资源利用率,梯级水库调度时总弃水量越小越好,将梯级总弃水量也纳入社会目标评价指标集。经济目标主要包括发电、供水、航运、灌溉等目标,对于以发电为主的水电站水库,一般选取梯级总发电量和梯级最小时段出力作为评价指标。其次是属性值规范化。由于不同决策指标属性表示方法之间量纲具有很大差异,因此在进行多属性决策前有必要对各属性值进行规范化处理。常用属性规范化方法有向量规范化、比例变换法、非比例变换法等。非比列变换方法根据决策指标属性值之差,按照不固定比例关系进行指标属性值规范化处理。最后是案综合排序。多属性决策一般可分为传统决策方法和现代决策方法。传统决策方法如简单加权法、ELECTRE、TOPSIS等。20世纪90年代以来,随着计算机科学计算以及人工智能优化技术的发展,越来越多的研究者将智能优化方法与多属性决策相结合,用以分析大批量统计数据获得属性的低维特征,形成现代的多属性决策方法,主要包括遗传算法(GA)、粗糙集分类法(RSC)、投影寻踪聚类模型(PP)等,决策愈趋科学化和复杂化。由于梯级水库调度方案优选追求的是综合效益最大,指标一般不设定评价标准,因此可选择没有分类标准的多属性决策方法。
2河流最小生态流量
河流最小生态流量是指能使河流当前生态要求得到满足的最小流量,当河流流量低于该流量时,水生生物的生存得不到保证,河流生态处于不合格状态。逐月最小生态径流计算法计算河流最小生态径流的方法在天然月径流系列中取最小值作为该月的最小生态径流量。逐月最小生态径流计算法得到的最小生态径流是天然状态下水生生物所能容忍的干旱极限,河流长期处于这种最低生态条件下,河流生态会逐步恶化,不利于水生生物的生存。因此,为保证河流生态的健康,避免长期处于极限干旱情况,本文选取９０％保证率流量作为最小生态流量。
3模型求解方法
NSGA-Ⅱ算法是在非支配排序遗传算法的基础上改进的一种求解多目标优化问题的算法,其求解效率高、收敛性好,应用广泛。NSGA-Ⅱ算法包括初始化、选择、交叉和变异操作,由于梯级水库优化调度是一个具有多约束的高维、动态、非线性问题,模型求解时不仅要考虑电站自身的水位、流量、出力等约束,还需考虑梯级之间的水力联系,完全随机地生成初始解难以保证解的可行性,而且进化过程中交叉、变异操作极易导致约束被破坏,大幅降低了算法的效率和优化解的质量。对此,采用NSGA-Ⅱ算法在求解本文模型时,采取初始解可行域生成策略生成初始种群；交叉操作后采取正逆序回溯的约束处理策略对新生成个体进行修正；变异操作改变的是电站某一时段的运行状态,由于上游电站状态改变会导致下游电站可行域变化,故变异操作时不仅要考虑当前电站约束,还需保证解对下游电站始终可行,变异操作步骤如下。
步骤1 假设i电站t时段是变异点,变异前t时段末水位为Zt,ini,根据时段t/(t+1)初/末水位、入库流量It/It+1及水位约束［Ｚmin,Ｚmax］、流量约束［Qmin,Qmax］、水位变幅约束ΔＺ,进行正/逆向计算t时段末水位的可行域,正逆序求得的水位范围取交集得到t时段末水位范围［Ｚt,min,Ｚt,max］,正/逆向计算公式为
.png)
式中,rand(０,1)为０～1之间的随机数。
步骤３ 根据水量平衡方程计算i电站t、t+1时段的出库流量,得到下一级电站i+1相应时段的入库流量,判断i+1电站相应时段在该来水情况下是否满足约束,若不满足,如果Ｚt＞Zt,ini,则Ｚt,max＝Ｚt；如果Ｚt＜Zt,ini,则Ｚt,min＝Ｚt,返回步骤２；若满足约束,令i＝i+1,进行下一级电站约束判断,重复步骤３,直至最后一级电站,变异操作完成。
4基于问题变换处理高维决策空间影响化
问题复杂性与求解难度的一个重要因素是决策变量的维数,大规模多目标优化问题通常指维数在200以上的多目标优化问题,大多数多目标算法在30维以下的问题上表现良好而无力解决高维问题,主要原因在于：为使搜索能覆盖整个决策空间,种群的规模应随决策变量维数的增长而扩大,即实现高维决策空间内的有效搜索需要大规模种群集合,而实际设计中为保证计算效率,学者们一般将种群规模限制在10~1000的范围内,致使高维情况下无法搜寻至决策空间内的部分区域,导致所得结果往往并不理想。为解决该难题目前倾向于使用一种名为协同进化的机制。CC基于分解思想,按一定的划分原则将问题的高维决策向量分解为一组低维决策子向量,由多个相互独立的种群同时优化向量的不同部分,并在规定阶段进行重组以开展整体优化,由此将复杂的高维优化问题转化为一组简单的低维子问题,通过多种群协同优化的方式完成求解。然而协同进化并不适用于梯级水库多目标优化调度,其原因在于该问题的约束条件复杂繁多,通常包括调度期内各时段初末的水位约束与各时段内的平均流量、出力约束,无论是以各库各时段初的水位为决策变量,还是以各库各时段内的平均出库流量为决策变量,都必须将其作为一个整体进行优化,以保证优化过程中个体的可行性,避免算法在不可行域内的无效搜索。
结语
总之,水库调度承担着防洪、发电、调峰、供水等需求,各个需求之间存在着相互联系、协调与制约的关系,决策者需要将其中的关系均衡化以确定最优化目标,来确保水库的经济、社会和生态效益。
参考文献
［1］王丽萍,阎晓冉,马皓宇,等.基于结构方程模型的水库多目标互馈关系研究［J］.水力发电学报,2019,38(10)：47-58.
［2］张松.水文模型单目标优化和水库群调度多目标决策方法研究［D］.武汉：华中科技大学,2016.