湖泊群多目标水质水量优化调度方法技术

本发明专利技术提供一种湖泊群多目标水质水量优化调度方法，建立湖泊群分布式水动力与污染物迁移耦合模型，模拟典型调度方案下湖泊群流场和污染物的时空分布，以此构建水质预测知识库；设计BP神经网络模型，通过知识库的训练，优化BP神经网络参数，建立湖泊污染物浓度预测BP神经网络模型；以湖泊群水质改善程度最大和经济成本最小为目标建立多目标水质水量优化调度模型，采用混合粒子群算法进行模型求解，迭代求解过程中采用湖泊污染物浓度预测BP神经网络计算调度期末湖泊污染物浓度，最终给出不同引水量和引水时间的多目标优化调度方案集供决策者优选。能够在考虑综合效益的前提下最大限度地的改善湖泊水环境，可广泛应用于湖泊群水网调度。

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种，建立湖泊群分布式水动力与污染物迁移耦合模型，模拟典型调度方案下湖泊群流场和污染物的时空分布，以此构建水质预测知识库；设计BP神经网络模型，通过知识库的训练，优化BP神经网络参数，建立湖泊污染物浓度预测BP神经网络模型；以湖泊群水质改善程度最大和经济成本最小为目标建立多目标水质水量优化调度模型，采用混合粒子群算法进行模型求解，迭代求解过程中采用湖泊污染物浓度预测BP神经网络计算调度期末湖泊污染物浓度，最终给出不同引水量和引水时间的多目标优化调度方案集供决策者优选。能够在考虑综合效益的前提下最大限度地的改善湖泊水环境，可广泛应用于湖泊群水网调度。【专利说明】
本专利技术属于环境水力学与运筹学的交叉
，具体涉及一种。
技术介绍
湖泊群水网调度是指:通过引水设施引清水入湖，改善湖泊水环境质量，从而实现区域社会经济与湖泊生态环境的可持续发展。现行湖泊群水量调度多以经验方法为主，而湖泊群水量优化调度则以解析方法为主，该种方法建模较为简单，问题的描述作了不同程度的简化和近似，因此，其应用具有一定的局限性，难以得出湖泊群水量优化调度的最佳调度方案。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种，模拟不同调度方案下湖泊群流场和污染物的时空分布，量化引水调度对湖泊群水质的改善效果，实现湖泊群水质改善程度最大和调水经济成本最小的多目标水网优化调度，从而提供湖泊群水量优化调度的最佳调度方案供决策者选择。本专利技术采用的技术方案如下:本专利技术提供一种湖泊 群多目标水质水量优化调度方法，包括以下步骤:SI，以获取到的湖泊水下地形、水质监测资料数据为基础，建立湖泊群分布式水动力与污染物迁移耦合模型；其中，该分布式水动力与污染物迁移耦合模型用于模拟各种典型调度方案下湖泊群流场和污染物的时空分布；S2，根据泵站及连通湖泊港渠的设计流量，生成初始调度方案集，运用SI所述分布式水动力与污染物迁移耦合模型离线模拟典型调度方案下调度期末各湖泊污染物的浓度，并将结果整理形成典型调度方案下水质预测知识库；S3，设计三层原始BP神经网络模型，初始化该原始BP神经网络模型随机生成连接权值，以S2得到的所述水质预测知识库的数据为训练样本，采用最速下降法对原始BP神经网络模型进行训练，获得原始BP神经网络模型的最优参数，从而建立湖泊污染物浓度预测BP神经网络模型；S4，以湖泊群水质改善程度最大及调水经济成本最小为目标，建立湖泊群多目标水质水量优化调度模型；η其中，湖泊群水质改善程度最大的目标函数为maxD=maxfa#.----公式I ^ I, ηD为水质改善程度子目标；a i为第i个湖泊的权重，且ΣΛ? =1 η为湖泊的数量； r~!*9-Cli为第i个湖泊的水质改善程度；调水经济成本最小的目标函数为【权利要求】1.一种，其特征在于，包括以下步骤: Si，以获取到的湖泊水下地形、水质监测资料数据为基础，建立湖泊群分布式水动力与污染物迁移耦合模型；其中，该分布式水动力与污染物迁移耦合模型用于模拟各种典型调度方案下湖泊群流场和污染物的时空分布； S2，根据泵站及连通湖泊港渠的设计流量，生成初始调度方案集，运用SI所述分布式水动力与污染物迁移耦合模型离线模拟典型调度方案下调度期末各湖泊污染物的浓度，并将结果整理形成典型调度方案下水质预测知识库； S3，设计三层原始BP神经网络模型，初始化该原始BP神经网络模型随机生成连接权值，以S2得到的所述水质预测知识库的数据为训练样本，采用最速下降法对原始BP神经网络模型进行训练，获得原始BP神经网络模型的最优参数，从而建立湖泊污染物浓度预测BP神经网络模型； S4，以湖泊群水质改善程度最大及调水经济成本最小为目标，建立湖泊群多目标水质水量优化调度模型； 其中，湖泊群水质改善程度最大的目标函数为 2.根据权利要求1所述的，其特征在于，SI中，所述湖泊群分布式水动力与污染物迁移耦合模型即为湖泊群二维水流-水质耦合模型，该模型在Godunov型有限体积法的基础上使用集成输运对流项的HLLC型近似黎曼算子同时计算水量、动量及输运通量，进而模拟得到湖泊群流场和污染物的时空分布。3.根据权利要求2所述的，其特征在于，所述湖泊群分布式水动力与污染物迁移耦合模型在二维浅水湖泊水动力模拟的基础上耦合对流扩散方程，用于水体中可溶性物质对流扩散过程的模拟；其中，二维水流-水质控制方程的守恒型格式为: cU cF cG ? 丁+ 7 + 7 = & Vt CX CV 式中:t为时间；X和y为空间坐标，U为守恒量；F和G分别为X和y方向的通量；S为源项。在忽视柯氏效应，粘性项以及表面压力的情况下有: 4.根据权利要求1所述的，其特征在于，S3中，对于湖泊群中各湖泊中的每个典型污染物分别建立污染物浓度预测BP神经网络模型，该污染物浓度预测BP神经网络模型包括输入层、隐含层和输出层；其中，输入层节点为各调度时段的泵站引水流量及引水天数，输出层节点为输入调度方案下调度期末湖泊污染物浓度，具体设计规则为:若整个调水期分为T个调水时段，引水泵站数量为n，则:输入层节点设计为2nXT个；输出层节点数设为I ;隐含层节点数设为(2ηΧΤ+1) / 2 ;共需建立nXm个污染物浓度预测BP神经网络模型，其中η为湖泊群的湖泊数量，m为典型污染物数量。5.根据权利要求1所述的，其特征在于，S4中，对于湖泊群水质改善程度最大的目标函数，参数 6.根据权利要求1所述的，其特征在于，S4中，水量平衡约束、湖泊运行水位约束和连通湖泊港渠的过流量约束具体为: (1)水量平衡约束方程为AzVd+Vh+Vpep+Vd-V^t-V.式中，Vt为调水后湖泊容积；VtI为初始湖泊容积；Vin为湖泊入流量；Vmj为降雨量；vd为污水排放量;V0Ut为湖泊出流量；Vuse为生活及工业取水量； (2)湖泊运行水位约束方程为=Hniil^HZHniax式中，Ht为湖泊调度期运行水位^in为湖泊运行最低水位；Η_为湖泊运行最高水位；(3)连通湖泊港渠的过流量约束为:各泵站的引水流量小于设计流量，以及，连通湖泊港渠的过流量小于设计流量。7.根据权利要求1所述的，其特征在于，S5具体包括以下步骤: (1)随机初始化父代种群，得到初始父代种群；其中，所述初始父代种群由若干个初始个体组成；每一个初始个体具有以下两个参数:调度方案和飞行速度，对于初始个体，调度方案根据泵站设计流量随机生成，飞行速度设为O ;其中，调度方案包括泵站引水流量及调水天数；每一个个体对应湖泊群中的一个湖泊，初始父代种群中初始个体数量等于湖泊群中湖泊的数量； (2)给定各湖泊及各污染指标的权重系数，以此作为湖泊污染物浓度预测BP神经网络模型的输入参数，运用所述湖泊污染物浓度预测BP神经网络模型，计算每个个体在当前调度方案下的调度期末湖泊污染物浓度；以该计算得到的湖泊污染物浓度为输入值，使用S4中的公式I和公式2计算个体目标值，其中，个体目标值包括湖泊群水质改善程度值和调水经济成本值；以个体目标值为判断基准，判断各个个体之间的非劣关系，筛选父代群体中非劣个体加入到精英集； (3)将父代种群内个体按非劣关系排序并划分本文档来自技高网...

【技术保护点】
一种湖泊群多目标水质水量优化调度方法，其特征在于，包括以下步骤：S1，以获取到的湖泊水下地形、水质监测资料数据为基础，建立湖泊群分布式水动力与污染物迁移耦合模型；其中，该分布式水动力与污染物迁移耦合模型用于模拟各种典型调度方案下湖泊群流场和污染物的时空分布；S2，根据泵站及连通湖泊港渠的设计流量，生成初始调度方案集，运用S1所述分布式水动力与污染物迁移耦合模型离线模拟典型调度方案下调度期末各湖泊污染物的浓度，并将结果整理形成典型调度方案下水质预测知识库；S3，设计三层原始BP神经网络模型，初始化该原始BP神经网络模型随机生成连接权值，以S2得到的所述水质预测知识库的数据为训练样本，采用最速下降法对原始BP神经网络模型进行训练，获得原始BP神经网络模型的最优参数，从而建立湖泊污染物浓度预测BP神经网络模型；S4，以湖泊群水质改善程度最大及调水经济成本最小为目标，建立湖泊群多目标水质水量优化调度模型；其中，湖泊群水质改善程度最大的目标函数为????公式1D为水质改善程度子目标；αi为第i个湖泊的权重，且n为湖泊的数量；di为第i个湖泊的水质改善程度；调水经济成本最小的目标函数为????????????????????公式2其中，Y为调水经济性子目标；为第q个泵站第t个时段的调水费用；M为泵站的数量；T为总时段数；所述湖泊群水质改善程度最大的目标函数以及所述调水经济成本最小的目标函数需满足以下约束条件：水量平衡约束、湖泊运行水位约束和连通湖泊港渠的过流量约束；S5，采用混合粒子群算法求解所述湖泊群多目标水质水量优化调度模型，迭代求解过程中使用S3建立的湖泊污染物浓度预测BP神经网络模型计算湖泊污染物浓度，最终得到不同引水量和引水时间的多目标优化调度方案集。FDA0000420058370000011.jpg,FDA0000420058370000012.jpg,FDA0000420058370000013.jpg,FDA0000420058370000014.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：周建中，刘懿，黄牧涛，莫莉，黎育红，郭俊，邹强，赵越，严冬，张睿，毕胜，张华杰，王学敏，王超，欧阳硕，孟长青，朱双，闫宝伟，赵娜，曾小凡，陈璐，孙怀卫，王鹏程，李纯龙，卢鹏，廖想，吉鹏，袁柳，丁小玲，牛广利，张德发，潘立武，徐赫，王华为，严凡，冯宇，陈芳，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：