申请/专利权人：大连海事大学;中国水利水电科学研究院

申请日：2023-05-12

公开（公告）日：2023-11-14

公开（公告）号：CN116777135B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/06;G06F30/28;G06F30/23;G06F30/27;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2023.11.14#授权;2023.10.10#实质审查的生效;2023.09.19#公开

摘要：本发明提供了一种基于高效优化算法的水库‑蓄滞洪区精细化防洪联合调度方法，所述方法包括：构建蓄滞洪区二维水动力模型并模拟生成洪水事件集，构建不同洪水淹没模型WFIM‑I，分析、确定最佳的洪水淹没快速预测模型，构建水库‑蓄滞洪区精细化模型，以及基于高效优化算法对模型进行求解，最终形成系统的水库‑蓄滞洪区精细化多目标防洪优化调度框架。本发明所述方法充分利用先进的模型计算技术，实现进行水库‑蓄滞洪区精细化防洪联合优化调度，形成流域防洪可控工程一体化调度系统，提供出不仅能保证水库及上、下游重要保护对象安全，而且能提供有利于减少蓄滞洪区人民生命与生产安全损失的水库调度方式和蓄滞洪区分洪策略。

主权项：1.一种基于高效优化算法的水库-蓄滞洪区精细化防洪联合调度方法，其特征在于，所述方法包括以下步骤：步骤1：构建蓄滞洪区二维水动力模型并模拟生成洪水事件集：结合包括待研究蓄滞洪区的DEM数据、土地利用数据在内的相关数据，对待研究蓄滞洪区进行网格化，构建蓄滞洪区二维水动力学模型，并对模型进行参数率定；然后，分析待研究蓄滞洪区所依干流，结合待研究蓄滞洪区以往的分洪过程，制定相应的上、下边界约束；并通过构建的蓄滞洪区二维水动力学模型，对不同的上、下边界进行模拟生成洪水事件集；步骤2，构建不同洪水淹没模型WFIM-I：所述洪水淹没模型WFIM-I是基于ED-LSTM的淹没模型，其中一共含有J个ED-LSTM子模型，其中J为子模型个数；N为总格点数；I为每个子模型可预测格点个数；每个ED-LSTM子模型由流速预报子模型和水深预报子模型组成，可同时预测生成I个格点的水深Hj和流速Vj在内的时空信息； 和分别表示WFIM-I的第j个ED-LSTM子模型的流速预报子模型和水深预报子模型，其中j＝1,2,…,J；所述ED-LSTM子模型包含三层结构：基于LSTM的编码器层、上下文向量层和基于LSTM的解码器层；步骤1模拟生成的洪水事件集Q作为ED-LSTM子模型的输入，时间序列水深和流速作为ED-LSTM子模型的输出；所述时间序列水深和流速包括：第j个ED-LSTM子模型预测的水深Hj、流速Vj；Hj和Vj的维度均为OT，I，其中OT表示预测的时间长度，I表示每个子模型可预测格点的个数；表示第j个ED-LSTM子模型的第i个单元格网格点的第t时刻的水深；表示第j个ED-LSTM子模型的第i个单元格网格点的第t时刻的流速，t＝1,2,…,OT；和其中j＝1,2,…,J；步骤3，分析、确定最佳的洪水淹没快速预测模型：利用步骤1模拟生成的洪水事件集，训练步骤2构建得到的不同I值的洪水淹没模型WFIM-I，分析各个模型的模拟时间和模拟精度，进而确定最佳的洪水淹没快速预测模型；步骤4，构建水库-蓄滞洪区精细化模型：所述水库-蓄滞洪区精细化模型包括目标函数和约束条件，其中包括三个目标函数，分别为：第一个目标是上游水库在遭遇洪水过程中最高水位越低越优，以确保水库所承受洪水风险最小；第二个目标是经水库调蓄后，下游防护点的洪水流量峰值越小越优，以确保下游所承受洪水风险最小；第三个目标是危及蓄滞洪区人民生命风险与生产安全的损失最小；约束条件包括水库水位约束、泄流约束、防护对象水位约束、蓄滞洪区启动约束、蓄滞洪区分洪和排洪约束、下游河道水位约束；步骤5，基于高效优化算法对模型进行求解：采用GOMORS高效优化算法进行多目标求解，整理多目标解集，分析水库、蓄滞洪区、与下游防护对象的边际风险关系，以及多目标之间的竞争与转化关系，并分析不确定信息对多目标之间的竞争与转化关系的影响机理，最终形成系统的水库-蓄滞洪区精细化多目标防洪优化调度框架；步骤5中，所述GOMORS高效优化算法进行多目标求解具体包括：第一步：定义算法输入：包括定义整个优化过程水库-蓄滞洪区精细化模型运行的次数上限L；给定间隙半径值r；每次算法迭代运行水库-蓄滞洪区精细化模型的次数num；第二步：初始评价点的选择：①利用有效的实验设计选择初始点集{q1,...,qS}，q定义为水库蓄滞洪区的决策变量点，qs∈q_boundary，1≤s≤S，q_boundary为决策变量选点的约束空间；利用所述水库-蓄滞洪区精细化模型评估出S个初始决策变量点的多目标值F＝[f1,...,fK]T，其中K为拟优化目标的个数，fk为第k个目标的目标值k＝1,2,...,K，T为转置符号；目标分别是上游水库水位最小、下游防护对象流量最小、蓄滞洪区综合损失最小；令HQS＝{qs|qs∈B,s＝1,2,…,S}表示初始评估点集；令PS＝{qs∈HQS|qs为HQS中的非支配点}表示来自HQS的非支配点集；②迭代改进：迭代运行算法，直到满足终止条件；当S小于L开始循环：2-1拟合或更新响应曲面模型：基于已知的已评估的模拟点HQS拟合或更新每个目标fkk＝1,2,...,K的相应曲面模型，令为通过响应曲面模型拟合HQS而获得的廉价近似目标函数，其中τ为转置符号；2-2代理辅助全局搜索：使用多目标进化算法解决以下优化问题：通过MOEA搜索响应表面得到相应的解2-3识别最不拥挤解决方案：利用拥挤距离计算程序识别出利用水库-蓄滞洪区精细化模型评估的非支配点集PS的最不拥挤元素，令qcrowd为非支配点集PS的最不拥挤元素；2-4本地搜索：在qcrowd的一个小邻域中使用多目标进化算法来解决以下优化问题：最小化：约束条件：qcrowd-r≤q≤qcrowd+r10该过程优化问题称为间隙优化问题，令是利用多目标进化算法解决间隙优化问题所得到的解；2-5选择新的水库-蓄滞洪区精细化模型评估点集：采用一个基于多规则策略从和中选取新的评估点集，令HQcurrent＝{q1,...,qnum}是当前算法迭代中为昂贵评估选择的num个点的集合；2-6进行水库-蓄滞洪区精细化模型评估以及更新非支配解决方案集：把HQcurrent带入到水库-蓄滞洪区精细化模型中进行评估得到相应的多目标值F；更新HQS，即将新的昂贵多目标值F添加到已评估点的集合中，因此，S＝S+num,HQS＝{HQS}∪{HQcurrent}，更新PS，即计算PS＝{qs∈HQS|qs为更新HQS中的非支配点}；当S大于L结束循环：③返回最佳近似前沿解集：返回PS＝{qs∈HQS|qs为更新HQS中的非支配点}作为近似全局最优解。

全文数据：

权利要求：

百度查询： 大连海事大学;中国水利水电科学研究院 一种基于高效优化算法的水库-蓄滞洪区精细化防洪联合调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD