[发明专利]湖泊群多目标水质水量优化调度方法

说明书

技术领域

本发明属于环境水力学与运筹学的交叉技术领域，具体涉及一种湖泊群多目标水质水量优化调度方法。

背景技术

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。

发明内容

针对现有技术存在的缺陷，本发明提供一种湖泊群多目标水质水量优化调度方法，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。

本发明采用的技术方案如下：

本发明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：

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1

D为水质改善程度子目标；α_i为第i个湖泊的权重，且n为湖泊的数量；d_i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。

优选的，S1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。

优选的，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：

∂U∂t+∂F∂x+∂G∂y=S]]>

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：