基于改進智能算法水庫群防洪優化調度研究

關鍵詞：水庫群；防洪優化調度；最大削峰準則；粒子群算法；黃河

中圖分類號：ＴＶ８７７；ＴＶ８８２．１ 文獻標志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０９．０１９

引用格式：翁志明，高璽煒，李曉英．基于改進智能算法水庫群防洪優化調度研究［Ｊ］．人民黃河，２０２４，４６（９）：１３２－１３５，１５５．

０引言

洪澇災害是全球性的自然災害，其影響范圍廣泛，破壞力巨大［１］ 。水庫群防洪調度能夠調節洪峰、儲蓄洪水、減輕甚至避免洪水災害。水庫群防洪優化調度［２－６］ 就是利用系統工程方法和現代計算機技術，以設定的優化調度準則，針對特定洪水事件，推求水庫最佳蓄泄方案，輔助防洪減災決策人員及時制定決策。

在實踐中一般通過構建優化調度模型，并基于群體智能算法求解優化調度目標，如粒子群算法和狼群算法等。粒子群算法具有簡單、易于實現、并行性好等優點，適用于解決連續域的優化問題，在多變量非線性求解中應用廣泛［７－８］ 。

黃河流域東西高差大，氣候變化劇烈，造成流域水量不穩定，洪澇災害頻發［９－１０］ 。黃河上游暴雨量小，河床平緩且兩岸有較多森林、沼澤、草灘調節徑流，洪水危害不大。中下游流經黃土高原，有汾河、洛河、涇河、渭河等重要支流，夏秋季汛期暴雨來臨，徑流挾帶大量泥沙，匯入干流，導致干流洪量急劇增加，對下游構成嚴重威脅。黃河下游河道泥沙大量淤積，長年累月形成地上“懸河”，若調度不好，極可能漫灘成災［１１］ 。而花園口作為下游地上“懸河”的起點，地理位置特殊，是黃河下游主要防洪控制點，控制住花園口洪水過程對確保黃河下游防洪安全具有重大意義。

黃河干流上的三門峽水庫受潼關高程控制影響，洪水期通常敞泄運行，因此小浪底水庫在黃河干流中起到了主要的防洪作用，是保障下游防洪安全的關鍵工程。左岸支流上的河口村水庫以及右岸支流上的故縣、陸渾水庫協調小浪底水庫防洪運行，攔蓄支流洪水。西霞院水庫作為小浪底水利樞紐的配套工程，主要任務是反調節，故本文不將西霞院水庫納入防洪優化調度系統中，僅以花園口以上流域的小浪底、三門峽、陸渾、故縣和河口村５ 座大型水庫組成的水庫群為例，以最大削峰準則為目標進行水庫群防洪優化調度，并建立相應模型，通過輪庫法和粒子群算法相結合的方法對其進行求解。黃河中下游水庫群防洪體系概化見圖１。

２防洪優化調度模型求解方法

由于洪水波在演進過程中的坦化變形，基于最大削峰準則的水庫群防洪優化調度目標難以分解為相對簡單的子目標，因此動態規劃法等不適用于求解該模型［１２］ 。基于最大削峰準則的分段試算法，可從理想最佳解出發，逐步引入約束條件，不斷試算迭代，逐步推求最佳解［１３］ 。基于此，本文從單一水庫理想泄流過程出發，利用輪庫法有效降低維度，并采用粒子群算法推求最佳解。求解過程如下：

１）求水庫群內單一水庫理想泄流過程。根據各水庫的約束條件、入庫洪水過程和調洪庫容，用砍平頭法調洪演算得到各水庫的泄流過程，以此作為各水庫的理想泄流過程。

２） 對ｉ ＝ １，２，３，４，５ 依次循環計算，逐步優化水庫群聯合調度方案。即每次選擇一個水庫進行迭代尋優，更新該水庫的理想泄流過程，其余水庫的泄流過程選擇前次循環的理想泄流過程。通過粒子群算法優化該水庫的理想泄流過程，將該水庫前次循環的理想泄流過程（ｑ，ｑ，…，ｑ） 作為粒子群算法初始粒子，并基于此生成滿足式（８）至式（１２）約束條件的ｎ 個泄流過程（ｎ 為粒子群初始粒子個數）。通過調洪演算和洪水演進計算，求解各防洪控制點的流量過程，以式（１）為目標不斷更新粒子位置，推求極小值解，即為該水庫更新后的理想泄流過程。

３）進行若干次循環迭代，每次循環都是對前次解的進一步優化。當優化到最大循環次數或迭代解滿足既定精度時，當前解即為水庫群的最佳泄流過程。

３計算實例

３．１實例計算條件

對小浪底、三門峽、陸渾、故縣和河口村水庫組成的水庫群開展聯合防洪優化調度，以１９５４ 年８ 月三門峽至花園口區間來水為主形成的典型洪水作為水庫群防洪調度計算的實例洪水，簡稱“下大洪水”，計算洪水時間為１９５４年８月２日至１４日，數據時間間隔（調度時段）為６ ｈ。各水庫調度控制指標見表１，“下大洪水”調度泄流方式見表２。

３．２實例計算結果與分析

在實際防洪調度中，三門峽水庫通常敞泄運行，只有當小浪底水庫不能滿足防洪要求時進行調洪，因此本次模擬計算中根據實際情況三門峽水庫采取敞泄滯洪的運用方式，即α３＝ ０。設置初始粒子個數ｎ＝２００，最大迭代次數為２００，向個體極值和全局極值最大飛行步長為２，輪庫法循環次數為１０，求解次數為３０。花園口斷面常規調度結果和優化調度結果見圖２，各水庫常規調度結果和優化調度結果分別見圖３ 至圖６，各水庫防洪調度指標統計見表３。

實例運算收斂情況：統計３０次求解運算，２９次成功收斂至可行解（可行解為滿足所有約束條件優化一定程度的調度方案），２１次收斂至最佳解，運算成功收斂至可行解的概率為９６．７％，收斂至最佳解的概率為７０％，運算得到的可行解均值與最佳解的誤差為０．６％，誤差控制在較小范圍內，符合精度要求，表明利用粒子群算法xs0LJBkGkHHU2VQVhe6yOdmHcAUf2ND0+JrJ2Jq7aEk=的群體智能和輪庫法的迭代搜索機制，輪庫法和粒子群算法相結合可有效推求混聯水庫群防洪聯合調度的可行解和最佳解。

對比常規調度與優化調度的過程可知，優化調度過程下，各水庫泄流過程趨于平穩。由表３可知，陸渾、故縣以及河口村水庫優化調度的最大削峰率得到顯著提升。由于陸渾、故縣水庫出流經河道匯流和伊洛夾灘地區的調蓄后進入干流，伊洛夾灘地區具有滯洪削峰、削減洪量的作用，且汛期最大攔蓄庫容之和小于小浪底水庫最大攔蓄庫容，因此與小浪底水庫相比對花園口的影響較小。河口村水庫上游來水較小，在常規調度中一般采用進出庫平衡方式，優化調度過程下，其防洪庫容得到充分利用，最大削峰率由０提高至５８．８％，最大攔蓄庫容０．７７ 億ｍ^３。

小浪底水庫作為干流最重要的控制性工程，防洪庫容最大，常規調度和優化調度過程下水庫最大攔蓄庫容也最大，承擔著水庫群防洪的主要任務，出流過程直接影響花園口控制斷面的流量過程。優化調度過程中，水庫群實現有效動態錯峰泄流，小浪底水庫在優化調度１～５ 時段達最大泄洪流量３ ５１１ ｍ^３／ｓ，其余水庫在該時段泄洪流量都較小，提前錯峰泄流，預留庫容用于攔蓄后續時段洪水，進而促使花園口防洪控制點的削峰效果顯著，洪水過程也變得更為平穩，大大減輕了下游的防洪壓力。小浪底水庫最大攔蓄庫容由３．２７億ｍ^３降低至１．９９ 億ｍ^３，在減輕下游防洪壓力、降低下游地區洪水災害風險的同時，顯著增強了小浪底水庫的防洪可靠性。

４結論

本文以黃河中下游的５ 座大型水庫為例，針對１９５４年“下大洪水”，以最大削峰準則為目標構建防洪優化調度模型。利用輪庫法和粒子群算法推求水庫群優化調度結果，得出以下結論。

１）以最大削峰準則為目標進行優化調度在黃河中下游防洪工作中具有重要應用價值。通過科學合理調度，防洪控制點的洪峰流量可得到有效控制，泄流過程明顯平穩，充分保障防洪控制點的安全，減輕下游防洪壓力，提高控制性水庫的防洪安全，為黃河中下游地區的可持續發展提供有力保障。

２）粒子群算法和輪庫法相結合的方法在推求防洪優化調度結果方面具有顯著優勢。該算法充分利用粒子群算法的群體智能和輪庫法的迭代搜索機制，可快速準確地推求最佳解。在黃河中下游防洪工作中，可以為決策者提供科學可靠的參考依據，有助于提高防洪工作的效率和準確性。