基于跨流域引水的深圳市西部水庫(kù)群供水優(yōu)化調(diào)度研究.pdf

1、隨著城市人口的快速增長(zhǎng)及社會(huì)經(jīng)濟(jì)的快速發(fā)展，城市用水需求不斷增長(zhǎng)，致使發(fā)展性缺水、季節(jié)性缺水和水質(zhì)性缺水等問題成為很多大型城市發(fā)展所面臨的巨大挑戰(zhàn)。水資源短缺已成為制約社會(huì)與經(jīng)濟(jì)可持續(xù)發(fā)展的瓶頸因素之一，為了滿足城市發(fā)展的可持續(xù)性，以“開源節(jié)流”為方向開展城市供水的系統(tǒng)性研究將是突破城市“供水瓶頸”的重要途徑。城市供水的跨流域引水，即為“開源”的工程措施，可增加調(diào)水區(qū)的徑流量；而水資源的優(yōu)化調(diào)度屬于“節(jié)流”的非工程措施，實(shí)現(xiàn)水資源優(yōu)化配

2、置和調(diào)度。對(duì)水庫(kù)群制定科學(xué)合理的引水與供水調(diào)度規(guī)則，能夠有效發(fā)揮外流域引水及本地水資源的配置功能，可達(dá)到全流域水資源“優(yōu)化配置、多源互補(bǔ)、保障發(fā)展”的目標(biāo)。因此，本文針對(duì)跨流域引水及供水水庫(kù)群開展優(yōu)化調(diào)度研究，具有十分重要的理論意義和應(yīng)用價(jià)值，其研究成果可為跨流域水資源的高效利用提供決策支持和科學(xué)依據(jù)。本文以深圳市西部引水及供水水庫(kù)群為研究對(duì)象，以解決跨流域引水及供水調(diào)度的關(guān)鍵性問題為目的，對(duì)中期徑流預(yù)報(bào)、“多對(duì)一供水”的供水及分配規(guī)則

3、、調(diào)度方案高效求解，以及調(diào)度方案的優(yōu)選等方面展開研究。
　　本研究主要內(nèi)容包括：⑴采用集合降雨預(yù)報(bào)信息，基于BP神經(jīng)網(wǎng)絡(luò)建立了供水水庫(kù)群的徑流預(yù)報(bào)模型；以ECMWF集合降雨預(yù)報(bào)信息作為降雨輸入，進(jìn)行了中期徑流模擬預(yù)報(bào)，對(duì)計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)與分析，表明集合平均徑流預(yù)報(bào)值具有較高的精度。因此，在供水水庫(kù)群復(fù)雜系統(tǒng)中，對(duì)未來徑流信息未知的情況下，該模型可為水庫(kù)聯(lián)合調(diào)度提供有效的預(yù)報(bào)信息，避免各水庫(kù)調(diào)度不協(xié)調(diào)的問題。⑵在中期徑流預(yù)報(bào)研究成果

4、基礎(chǔ)上，對(duì)公明供水調(diào)蓄工程的引水與供水聯(lián)合優(yōu)化調(diào)度進(jìn)行研究。首先，采用聚合方法將調(diào)蓄工程中的水庫(kù)群聚合為“虛擬水庫(kù)”，并在此“虛擬水庫(kù)”基礎(chǔ)上，建立水庫(kù)群聯(lián)合調(diào)度模型。然后，以引水量最小和公明水庫(kù)交換水量最大為目標(biāo)，采用多目標(biāo)遺傳算法NSGA-Ⅱ?qū)σc供水調(diào)度模型進(jìn)行優(yōu)化求解；最后，獲得了調(diào)蓄工程的引水及供水調(diào)度方案Pareto解集。⑶針對(duì)水庫(kù)群供水系統(tǒng)中“多對(duì)一供水”工況的供水調(diào)度問題，以“聚合水庫(kù)”的方式，建立水庫(kù)群對(duì)共同供水戶的

5、供水規(guī)則，依此規(guī)則確定水庫(kù)群的供水總量。由于該供水量由多個(gè)水庫(kù)共同承擔(dān)，因此建立考慮不同參考信息的供水總量分配模型。研究結(jié)果表明，考慮未來徑流信息和當(dāng)前時(shí)段蓄水情況的分配模型具有較高的供水效益。⑷針對(duì)水庫(kù)群供水系統(tǒng)中“多對(duì)一供水”工況的供水調(diào)度問題，分別采用“聚合水庫(kù)”和“添加主供水線”的方式，建立水庫(kù)群共同供水戶的供水規(guī)則。研究結(jié)果表明：將水庫(kù)群聚合為“單庫(kù)”，并將徑流與庫(kù)容相耦合建立考慮徑流預(yù)報(bào)信息的聯(lián)合供水調(diào)度圖，從而降低了調(diào)度圖

6、的計(jì)算“維數(shù)”同時(shí)，還保持了調(diào)度圖簡(jiǎn)明的結(jié)構(gòu)。⑸在水庫(kù)群的聯(lián)合引水與供水調(diào)度圖中，涉及大量待優(yōu)化的參數(shù)。常規(guī)優(yōu)化算法往往容易出現(xiàn)收斂過早，從而陷入局部最優(yōu)解的問題。因此，將Pareto技術(shù)與多維動(dòng)態(tài)搜索算法相耦合，提出了多目標(biāo)多維動(dòng)態(tài)搜索算法（M-DDS）。由于M-DDS算法引入了敏感性分析，從而減少了算法的盲目搜索。與NSGA-Ⅱ算法進(jìn)行比較，基于敏感性分析的M-DDS算法的收斂速度更快，收斂精度更高。⑹采用Vague集理論建立的多目