水库优化调度综述

王奕　徐鑫

摘 要：水电站的优化调度是一个组合优化问题，其最优解是具有实用价值的研究方向，求解方法非常重要。解决水库优化调度问题的关键在于两个方面：一是如何建立水库优化调度数学模型；二是如何选择优化方法求解该数学模型。到目前为止，优化调度的方法有很多，但也存在一些问题。本文引用几个文献来分析最优调度方法。

关键字：水库；优化；优缺点

1 国内外研究进展

水库群调度涉及多个目标，主要包括防洪、发电、灌溉用水、工业和住宅供水、环境保护、水质改善、旅游、导航等。目前国内外水库群优化调度研究取得了很大进展。水库优化运行研究的国内外专家学者主要包括：优化模型、优化求解方法模型、单库、多库、水库泵站联合优化调度等。

1.1 模型建立

不同的水资源配置系统有不同的决策变量、目标函数、约束条件。

（1）单水库缺水调度

在文献[1]中，作者以乌鲁瓦提水库为例，建立了以各时段水库供水量为决策变量的数学模型。

目标函数：

乌鲁瓦提水库调度是一个多目标问题，具体有防洪发电、生态治理、排沙灌溉这几个目标。根据调度原则，将防洪、排沙、生态治理作为基本约束条件，首先满足这几三个条件，把灌溉量的最多以及发电量的最大看作是模型的目标函数。

约束条件：

A.水库调度水量平衡约束；B.灌溉供水流量约束；C.生态供水约束；D.水位约束；E.防洪约束；F.水电站出力约束。

（2）多水库缺水调度

梯级电站综合运行，包括蓄水能力、水文补偿效益和电力补偿效益。在给定的控制期间，文献[2]的长期优化调度模型的目标函数是在控制期间保证输出的最大发电量。

目标函数：

A.水量平衡约束；B.库容限制约束；C.水库出库流量限制；D.边界条件。

1.2 求解方法

水库优化调度有很多方法，通过研究萤火虫算法，我们可以了解萤火虫算法（FA）在全局最优解的收敛速度和全局最优解的方差方面的表现优越。将蚁群算法运用到多库系统中，结果表明，该算法可以有效的处理离三和连续的组合决策变量。研究水循环算法（WCA）在水库系统优化中的性能，分别对WCA和遗传算法（GA）的结果进行了10次独立运行，并给出了各算法的收敛曲线。最后根据得到的结果：与GA相比，WCA具有更好的性能和性能。

1.3 单水库与多水库优化调度

①单水库优化调度

具有高效参数化且结构合理的分段线性对冲规则的多目标模拟优化模型，可以为单个供水水库的长期对冲操作获取最优解。并行动态规划和改进遗传算法，利用OpenMP编程模式以及分层遗传算法，可以为水库优化调度指出新的方向。另外可以从理论上证明自优化模拟技术在最适合的决策领域中，证明模拟技术的准确性。采用多目标决策理论中的“权重法”进行分析，对子系统非线性规划模型，则采用混合罚函数法（SUMT法）求解，编制了大系统逐层优化的ALGOIJ语言电算程序，进行大量的计算和灵敏度分析，可以得到系统最优规划具有实际意义的成果。

②多水库联合优化调度

混沌算法与进化算法相结合的算法可以应用到水资源优化调度系统中；运用模拟退火算法可以得到水库运行的最优规划曲线；具有变异特征的蚁群系统的混合局部优化算法（MSA - ACS）可以用于解决梯级水库优化调度问题，并且与蚁群算法进行比较和分析对其进行优化；并行多种群混合进化的粒子群算法全局优化，可以确定满足各水库供水要求的水库群调水规则和供水规则，优化确定调水水库的最大调水规模，最后根据优化规则及调水规模进行水库调度计算，以证明该模型的科学性和有效性；通过建立在IA-PSO算法的水库优化调度的思路，可以建立数学模型，实例表明，相对于传统动态规划算法来说，通过IA-PSO所得到的结果更优，IA-PSO算法的收敛速度比传统算法的更快，此新方法为水库调度问题开辟了一条更有效的道路。

2 存在问题

以文献为例，分析国内在水库水资源优化调度方面的优缺点进行分析。

在文献[3]中，作者利用渐进式优化算法，建立了铁岭地区聚合虚拟水库的联合供水调度方案。作者以虚拟聚合水库供水量最大为目标函数。

约束条件有：

A.虚拟聚合水库水量平衡方程； B.水库库容约束。

分析：作者在这仅将所有水库各时段最大供水量作为目标函数，欠缺考虑，一方面，即使供水量最大是否能满足灌区用水需求，另一方面，超出灌区需水要求的水库供水量会增加水库的运行成本。故应该将灌区用水量也纳入目标函数的考虑中。此外，作者未将水库的年可供水总量列入约束条件。

在文献[4]中，作者根据青海省黑泉水库，分别利用自适应遗传算法和标准遗传算法解决对其进行优化调度，最后，将两种方法进行比较。在保证灌溉用水和城市用水的前提下，作者以发电量最大为目标函数。

约束条件有：

水位约束；B.水轮机最大过机流量约束；C.电站出力约束；D.下泄流量约束；E.灌溉供水约束；F.水量平衡约束；

分析：自适应遗传算法相对于标准遗传算法来说，可根据个体适应度和群体分散程度，对遗传控制参数进行有效调整。从而保持种群的多样性，加快收敛速度，提高全局收敛的稳定性。

3 小结

本文通过对国内外大量文献的总结和总结，研究了遗传算法、螢火虫算法、神经网络、混合蚁群等国内外水库优化调度的各种方法。然而，优化运行仍存在一些问题，主要问题在于模型的建立，大多数作者在水库供水能力约束中没有考虑到，在水库供水中没有考虑到每一时期的目标函数，理论比实际要多。

参考文献

[1]潘雷晓，郭秀娟，等.乌鲁瓦提水库调度模型及算法研究[J].人民黄河，2012，34（1）：142-144.

[2]陈立，梅亚东，董雅，等.改进遗传算法及其在水库群优化调度中的应用[J].水利学报，2008，39（5）：550-556.

[3]李楠.铁岭市水库群联合供水优化调度方案研究[J].中国水能及电气化，2017（6）：28-31.

[4]王少波，解建仓，孔珂.自适应遗传算法在水库优化调度中的应用[J]，水利学报，2006，37（4）：480-485.