[发明专利]湖泊群多目标水质水量优化调度方法

摘要

本发明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。

主权项

1.一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；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。