面向發(fā)電、供水、生態(tài)要求的贛江流域水庫群優(yōu)化調(diào)度研究

陳悅云，梅亞東，蔡 昊，許新發(fā)

（1.武漢大學(xué) 水資源與水電工程科學(xué)國家重點實驗室，湖北 武漢 430072；2.江西省水利科學(xué)研究院，江西 南昌 330029）

1 研究背景

贛江是江西省境內(nèi)最大河流，也是鄱陽湖水系第一大河，流域面積82 809 km2，多年平均年徑流量702.89億m3，流域水資源相對較豐富。但隨著流域內(nèi)經(jīng)濟社會快速發(fā)展，水資源開發(fā)利用程度不斷提高，工農(nóng)業(yè)供水與發(fā)電用水及河道內(nèi)生態(tài)環(huán)境用水矛盾加劇，迫切需要水庫發(fā)揮更大的水資源調(diào)控作用，通過優(yōu)化水庫群調(diào)度方式，實現(xiàn)發(fā)電、供水、生態(tài)等多個調(diào)度目標的均衡，使得流域水資源綜合效益最佳。

近年來，國內(nèi)外學(xué)者針對流域水庫群發(fā)電、供水、生態(tài)等多目標優(yōu)化調(diào)度開展了一系列研究，取得了有意義的成果。Yang等［1］通過RVA方法選擇生態(tài)流量目標，建立了基于下游襄陽斷面河道水流情勢要求的丹江口生態(tài)調(diào)度模型，并比較了不同調(diào)度方式對水庫環(huán)境效益與發(fā)電效益的影響程度。盧有麟等［2］以三峽梯級發(fā)電量最大和電站下游河道生態(tài)缺水量最小為目標，建立了多目標優(yōu)化調(diào)度模型，研究發(fā)電和生態(tài)之間的競爭關(guān)系。王學(xué)斌等［3］考慮河流各生態(tài)功能用水和綜合利用需求的水庫調(diào)度方式，建立了黃河梯級水庫多目標調(diào)度模型，分析生態(tài)、綜合供水和發(fā)電效益之間的不對稱競爭關(guān)系。粟曉玲等［4］綜合考慮流域生態(tài)需水、用水凈效益、水資源分配公平性等，建立了石羊河流域水資源配置多目標模型。Babel等［5］綜合考慮農(nóng)業(yè)、生活、工業(yè)和環(huán)境等用水部門，以不同部門需水的滿足程度最大、各部門總經(jīng)濟效益最大為目標，建立了優(yōu)化配置模型。張玲等［6］以供水凈效益最大、供水系統(tǒng)總?cè)彼孔钚?、重要污染物排放量最小為目標，建立了區(qū)域多目標水資源優(yōu)化配置模型。以上研究中，文獻［1-3］以水庫為研究對象建立多目標模型，但是沒有考慮到流域內(nèi)取用水以及水資源分配情況對調(diào)度產(chǎn)生的影響；文獻［4-6］雖然面向流域進行水資源優(yōu)化配置研究，但是未能將水庫調(diào)度耦合到水資源優(yōu)化配置模型中。由于在上下游水庫之間存在河道外取用水，上游水庫下泄流量在到達下游水庫之前經(jīng)過用水區(qū)域的用水、耗水、退水而發(fā)生變化，對下游的水資源分配產(chǎn)生影響。而目前研究較少考慮用水區(qū)水資源分配與水庫調(diào)度的相互影響，弱化了水庫群聯(lián)合調(diào)度和區(qū)域水資源優(yōu)化配置之間的有機聯(lián)系。

在多目標問題求解方面，一些學(xué)者采用智能優(yōu)化算法求解多目標調(diào)度模型，如遺傳算法［7-8］、粒子群算法［9-10］和蟻群算法［11］等。另外一些學(xué)者則采用設(shè)置目標權(quán)重系數(shù)、分層序列法等方法對多目標模型進行求解。黃草等［12］以發(fā)電、河道外供水和河道內(nèi)生態(tài)用水為目標建立了多目標優(yōu)化調(diào)度模型，在模型求解時將3個目標按照重要程度設(shè)置了權(quán)重，把多目標問題轉(zhuǎn)化成了單目標問題進行求解。王霞等［13］從水量總偏差和總發(fā)電量兩方面設(shè)置目標函數(shù)，初步建立了基于河道生態(tài)需水量的水庫生態(tài)調(diào)度模型，采用分層序列法將模型轉(zhuǎn)化為單目標優(yōu)化模型求解。郭旭寧等［14］采用模擬-優(yōu)化相結(jié)合的方法，對水庫調(diào)度規(guī)則進行模擬、對供水進行優(yōu)化的求解方式來處理水庫群聯(lián)合調(diào)度中多目標問題的復(fù)雜性。此類轉(zhuǎn)化雖然有效降低了模型的求解難度，但是未能在尋優(yōu)過程中實現(xiàn)各目標之間的協(xié)同優(yōu)化，其結(jié)果難以全面反映水庫群優(yōu)化調(diào)度過程中經(jīng)濟、社會和生態(tài)目標間的競爭制約關(guān)系。

贛江下游外洲水文站為贛江入鄱陽湖的出口控制站，其流量大小不僅與其上游水庫的調(diào)度方式有關(guān)，還與流域內(nèi)用水分配及消耗有關(guān)，選擇其作為控制站能表達贛江水資源調(diào)配對下游尾閭地區(qū)生態(tài)和入鄱陽湖流量的影響。本文綜合考慮贛江流域現(xiàn)有工程情況，選取流域內(nèi)大型控制性水庫為研究對象，并從上游到下游將用水區(qū)域進行概化。兼顧各水庫的運用目標、區(qū)域用水以及河道內(nèi)生態(tài)流量三方面要求，建立面向發(fā)電、供水和生態(tài)要求的贛江流域水庫群優(yōu)化調(diào)度模型，并采用多目標粒子群算法求解，研究不同來水頻率下水庫群發(fā)電、供水和生態(tài)3個目標之間的關(guān)系。

2 問題概化

根據(jù)贛江流域水資源開發(fā)利用現(xiàn)狀，選取4座已建大型水庫——上猶江水庫、萬安水庫、峽江水庫和江口水庫，將從上游到下游水庫間的用水區(qū)域概化成7個用水區(qū)，并選取外洲站作為贛江進入鄱陽湖的流量控制斷面。贛江流域水系概化圖如圖1所示。4座水庫均為不完全年調(diào)節(jié)水庫。以年為調(diào)度期，月為調(diào)度時段，在來水、需水過程已知的條件下，以調(diào)度期內(nèi)水庫群總發(fā)電量最大、用水區(qū)總?cè)彼孔钚∫约巴庵拚菊{(diào)度后流量與天然流量偏差最小為目標，統(tǒng)一考慮發(fā)電、供水、生態(tài)要求，建立贛江流域水庫群多目標優(yōu)化調(diào)度模型。

圖1 贛江流域水資源系統(tǒng)概化

3 模型建立

3.1 目標函數(shù)

（1）發(fā)電目標。調(diào)度期內(nèi)四庫總發(fā)電量最大。

式中：Ki為i水電站的出力系數(shù)，i=1，2，…，n；n為電站總數(shù)，n=4；t=1，2，…，T；T為調(diào)度期總計算時段數(shù)，T=12；Qfd，i(t)為i水庫t時段的發(fā)電流量；Hi(t)為i水庫t時段的發(fā)電水頭；Δt為計算時段長。

（2）供水目標。調(diào)度期內(nèi)用水區(qū)域總?cè)彼孔钚　?/p>

式中：Wxu,j(t)、Wqu,j(t)分別為j用水區(qū)t時段的需水量和取水量，j=1，2，…，m；m為概化的用水區(qū)總數(shù)，m=7。

（3）生態(tài)目標。外洲站調(diào)度后流量與天然流量偏差最小。

Poff等［15］認為，在天然水文情勢下，河流的生物多樣性和生態(tài)系統(tǒng)完整性最好。對已經(jīng)受到水庫調(diào)度影響的河流來說，模仿河道天然流量過程，能在一定程度上減緩水庫調(diào)度對下游河道生態(tài)環(huán)境的不利影響，改善河道生態(tài)環(huán)境的質(zhì)量。目前衡量水庫調(diào)度前后水文過程改變程度的表達形式有很多［16-18］，本文采用Ladson等［19］提出的修正全年流量偏差函數(shù)（AAPFD）。該指標在識別流量變化對河流生態(tài)環(huán)境的影響時更為敏感，更能反映河流的生態(tài)環(huán)境狀況，其值越小表示水庫調(diào)度后流量變化對河流生態(tài)系統(tǒng)的影響越小，河流生態(tài)環(huán)境越好［20］。表達式如下：

式中：Q(t)為調(diào)度后t時刻外洲站流量；QN(t)為t時刻外洲站天然流量；為調(diào)度期天然流量的平均值。

3.2 約束條件

（1）水庫節(jié)點。①水量平衡方程

式中：Vi(t)、Vi(t+1)分別為i水庫t時段初、末蓄水量；Qrk,i(t)為i水庫t時段平均入庫流量；Qck,i(t)為i水庫t時段平均出庫流量，為發(fā)電流量與棄水流量之和；τt為時間單位轉(zhuǎn)換系數(shù)。

②水位限制

③出庫流量限制

式中：分別為i水庫t時段下泄流量允許的最大和最小值。

④電站出力限制

式中：分別為i電站t時段平均出力允許的最大和最小值；Ni(t)為i電站t時段出力。

⑤水庫邊界條件

式中：Zi(1)、Zi(T+1)分別為i水庫調(diào)度期初、末水庫水位；Zi為i水庫死水位。

（2）取水節(jié)點

式中：Rj(t)為j用水區(qū)t時段取水后河道內(nèi)流量；Qsy,i(t)、Qqj,j(t)分別為j用水區(qū)t時段上游來水量、區(qū)間入流量；Qmin,j(t)為j用水區(qū)所在河段t時刻最小河道內(nèi)流量；Wkq,j(t)為j用水區(qū)t時段可取水量；Wgn,j(t)為j用水區(qū)t時段供水能力。

（3）綜合用水節(jié)點

式中：WL,j(t)、WI,j(t)、WA,j(t)分別為j用水區(qū)t時段生活、工業(yè)和農(nóng)業(yè)供水量，采用優(yōu)先次序法分配到各用水部門，優(yōu)先次序級為：生活用水＞工業(yè)用水＞農(nóng)業(yè)用水；WLxu,j(t)、WIxu,j(t)、WAxu,j(t)分別為j用水區(qū)t時段生活、工業(yè)和農(nóng)業(yè)需水量；Wque,j(t)為j用水區(qū)t時段缺水量。

（4）退水量計算

式中：Wtui,j(t)為j用水區(qū)t時段退水量；a、b、c為生活、農(nóng)業(yè)和工業(yè)退水系數(shù)。

（5）匯水節(jié)點

式中：Qh,j+1(t)為j+1個匯水節(jié)點t時刻流量，若匯水節(jié)點下游為水庫節(jié)點，則水庫入流為匯水節(jié)點流量。

（6）非負約束。各種變量均為非負值。

4 求解方法

本文建立的模型涵蓋了水庫優(yōu)化調(diào)度和流域不同用水區(qū)間水量優(yōu)化分配，是一個多目標優(yōu)化調(diào)度問題，通常水庫調(diào)度求解所用的動態(tài)規(guī)劃方法不再適用。近年來，智能優(yōu)化算法逐漸被用來解決水庫群多目標調(diào)度問題中存在的高維、非線性等問題，粒子群算法因為具有快速收斂和參數(shù)設(shè)置簡單等特點，被廣泛用來解決多目標優(yōu)化問題［21］。粒子群優(yōu)化算法搜索速度快，所需調(diào)整參數(shù)較少，計算復(fù)雜度比遺傳算法低［22］；相對于蟻群算法，粒子群算法則具有可以通過當(dāng)前搜索到的最優(yōu)點進行信息共享，能夠直接利用全局信息［23］，所以本文采用多目標粒子群算法進行模型求解。其與單目標問題的區(qū)別在于，多目標優(yōu)化問題的解不是唯一的，而是根據(jù)Pareto支配關(guān)系得到的一個最優(yōu)解集合。算法基本介紹見參考文獻［9］。本文與之不同的是：

（1）慣性權(quán)重值w采用Shi等［24］提出的線性遞減權(quán)值策略。在迭代初期，w較大，使得粒子有較大速度進行探索，以在全局范圍內(nèi)獲得較好解；隨著迭代次數(shù)的增加，w取值線性減小，使得迭代后期粒子在極值點附近通過較小的速度步長進行精密地探索，進而使算法更有可能收斂到種群的全局最優(yōu)位置。

（2）外部檔案中粒子的適應(yīng)度值采用小生境共享機制計算。其基本思想［25］是：將小生境中的粒子視為個體共享資源，其適應(yīng)度值取為個體共享度的倒數(shù)。小生境中個體越多時，個體的相似度就越高，相應(yīng)的適應(yīng)度就越小，從而降低種群中相似個體的適應(yīng)度值，在迭代過程中減少相似個體被選擇的概率，維持了種群的多樣性，同時避免了局部收斂和早熟現(xiàn)象。

4.1 算法編碼方式 為有效處理水量平衡、調(diào)度初、末水位限制等復(fù)雜約束，根據(jù)所求問題特點，以各水庫各時段末水位序列和各用水區(qū)間各時段取水量為決策變量進行編碼，即決策變量為{Z1，1，…，Z1，12，Z2，1，…，Z2，12，Z3，1，…，Z3，12，Z4，1，…，Z4，12，W1，1，…，W1，12，W2，1，…，W2，12，…，Z7，1，…，Z7，12} ，共132個變量。其中，Zi，t為i水庫t時段末水位；Wi，t為i用水區(qū)t時段取水量。

4.2 算法步驟 （1）步驟1。初始化粒子種群M，隨機生成粒子初始位置X0和初始速度V0，設(shè)置外部檔案空間規(guī)模Nspace，同時初始化其為空；（2）步驟2。計算當(dāng)代每個粒子的目標函數(shù)，判斷出非支配解并保存于外部檔案中；（3）步驟3。根據(jù)小生境共享機制計算外部檔案中粒子的適應(yīng)度值，采用與適應(yīng)度值成比例的輪盤賭方法［26］從其中選取全局最優(yōu)位置gbest；（4）步驟4。根據(jù)粒子群算法的進化方程更新粒子的位置X和速度V，根據(jù)Pareto支配關(guān)系選取個體歷史最優(yōu)位置pbest；（5）步驟5。用當(dāng)代粒子群中產(chǎn)生的非支配解更新外部檔案，若外部檔案中個體數(shù)目超過指定的空間規(guī)模Nspace，采用輪盤賭方法對外部檔案規(guī)模進行維護，得到當(dāng)代Pareto最優(yōu)解集；（6）步驟6。若達到結(jié)束條件，則停止迭代，將外部檔案中的Pareto最優(yōu)解集進行輸出；否則轉(zhuǎn)入步驟2。

5 計算結(jié)果及分析

5.1 數(shù)據(jù)與參數(shù)選取

（1）數(shù)據(jù)來源。將外洲站年徑流量系列排頻，分別選取1969年、1964年和1986年作為50%、75%和95%來水頻率的典型年，其它各站用同期數(shù)據(jù)按同倍比放大作為來流過程。由于干流上萬安水庫（1990年建成）、峽江水庫（2013年建成）投入運行時間較晚，支流上的上猶江水庫、江口水庫對年徑流總量影響較小，所以用1990年之前實測流量代替天然流量。

根據(jù)《贛江流域水量分配方案研究報告》中50%、75%和95%來水頻率下的人口、用水定額、灌溉面積和灌溉定額等數(shù)據(jù)，計算出生活、工業(yè)和農(nóng)業(yè)等部門相應(yīng)的需水量，然后按照用水區(qū)域供水范圍進行整理，得到規(guī)劃水平年2030年各來水頻率的需水過程。

（2）各水庫最小下泄流量計算。采用Tennant法［27］計算各庫最小下泄流量，選取標準為“一般”，即4—9月取對應(yīng)月份多年平均流量的30%，10月—次年3月取對應(yīng)月份多年平均流量的10%。

（3）算法參數(shù)選取。經(jīng)多次試算，算法參數(shù)設(shè)置如下：

粒子種群M=1000；外部檔案空間規(guī)模Nspace=500；加速常量c1=c2=1.9；慣性權(quán)重采用線性遞減方法計算，ωmax=0.93、ωmin=0.7；粒子速度vmax=0.5、vmin=-0.5；迭代次數(shù)N=1000。

5.2 供水、發(fā)電、生態(tài)目標間關(guān)系分析 根據(jù)來水、需水等數(shù)據(jù)，采用多目標粒子群算法對多目標模型進行求解，得到規(guī)劃水平年50%、75%和95%來水頻率下水庫群總發(fā)電量、用水區(qū)域總?cè)彼?、外洲站全年流量偏差A(yù)APFD值3個目標的非劣解集，見圖2。

從圖2非劣解點據(jù)分布空間看，在不同來水頻率下，3個目標之間均在三維空間中呈現(xiàn)出不光滑的傾斜曲面，其非劣解集分布的空間范圍與來水頻率有密切關(guān)系?？傮w來說，在來水較豐時，用水區(qū)域總?cè)彼枯^小，與天然流量的偏差較小，發(fā)電量較大。但是由于采用出口斷面外洲站的流量來選擇典型年，50%頻率典型年來水下游偏豐，所以相比75%、95%頻率來水，其發(fā)電量并沒有大幅度增大，但是缺水量和生態(tài)流量偏差有明顯的改善。3種來水頻率下，若要增大3個目標中一個目標的效益，則需要以犧牲其余兩者中至少一個目標為代價，體現(xiàn)出發(fā)電、供水、生態(tài)三者之間的競爭博弈關(guān)系。

為了進一步分析3個目標之間的關(guān)系，對三維坐標下的點據(jù)進行二維投影，獲得各頻率下目標投影圖如圖3—圖5所示。限于篇幅，僅列出75%、95%的結(jié)果。

圖3表示的是在不同來水頻率下，缺水量分別取不同值時，發(fā)電量和AAPFD值之間的關(guān)系。從圖3可以看出，當(dāng)缺水量固定時，隨著發(fā)電量的增大，AAPFD值也增大，即生態(tài)效益隨著發(fā)電效益的增大而減小。當(dāng)缺水量增加時，發(fā)電量與AAPFD兩個目標之間的關(guān)系點據(jù)略微左移，即供水效益減小時，表現(xiàn)出AAPFD值減?。ㄉ鷳B(tài)效益增大），發(fā)電效益增加的趨勢。圖4為不同來水頻率下，發(fā)電量不同取值時，AAPFD值和缺水量之間的關(guān)系。從圖4可以看出缺水量增大即供水效益減小時，AAPFD值增大（生態(tài)效益減小）的變化趨勢。圖5呈現(xiàn)的是不同來水頻率下，在不同AAPFD值時，發(fā)電量和缺水量之間的關(guān)系。由圖5可知，當(dāng)AAPFD值固定時，發(fā)電效益隨著供水效益的減小有增大的趨勢。但是兩個目標之間的變化關(guān)系，相對于圖3中的發(fā)電效益和生態(tài)效益關(guān)系以及圖4中的生態(tài)效益和供水效益的關(guān)系較弱。

圖2 不同頻率來水非劣解集計算結(jié)果

圖3 發(fā)電目標和生態(tài)目標之間關(guān)系

圖4 供水目標和生態(tài)目標之間關(guān)系

圖5 發(fā)電目標和供水目標之間關(guān)系

由以上3個圖可以得出：在面向發(fā)電、供水、生態(tài)要求的贛江流域水庫群優(yōu)化調(diào)度中，3個目標之間存在著競爭制約關(guān)系，其中，發(fā)電和生態(tài)、供水和生態(tài)之間的制約關(guān)系較強，發(fā)電和供水之間的競爭關(guān)系相比之下較弱。這是由于水庫以及用水區(qū)域取用水后使得天然來流的過程發(fā)生改變，導(dǎo)致出口斷面處的流量相對于天然流量過程改變明顯，所以發(fā)電與生態(tài)、供水與生態(tài)之間的競爭關(guān)系較強。而水庫發(fā)電用水下泄后還可以被用水區(qū)域利用，故發(fā)電和供水兩個目標之間的競爭性相對較弱。

5.3 典型非劣方案調(diào)度過程分析 為進一步分析水庫調(diào)度過程特征，各頻率下均選擇總發(fā)電量最大方案、總?cè)彼孔钚》桨敢约癆APFD值最小方案進行比較，方案選取情況如表1所示。由于75%、95%來水頻率下缺水情況較為嚴重，重點分析這兩個頻率。圖6—圖7給出了對應(yīng)方案各水庫水位過程。

表1 各頻率選取方案目標值

對75%來水頻率下各水庫水位分析，如圖6所示。首先，75%來水頻率下各水庫水位過程差別很大。上猶江水庫、江口水庫水位整體上是先上升后下降，而萬安水庫、峽江水庫則是先保持死水位不變，之后水位才開始上升，這是由于上猶江、江口水庫調(diào)節(jié)能力較強。其次，各庫各方案水位的增長和消落趨勢基本同步，但是水位有所差別。比如萬安水庫三個方案下3月末—6月末水位相同，7月份開始各方案水位出現(xiàn)差異；江口水庫在3月末—5月末，總發(fā)電量最大方案水位最低，AAPFD值最小方案水位最高，但是在7月份期間總發(fā)電量最大方案水位逐漸高于總?cè)彼孔钚》桨福?月末—12月末總發(fā)電量最大方案水位較其他兩個方案最高。

95%來水頻率下水位過程也有類似規(guī)律。上猶江水庫和江口水庫水位比萬安水庫和峽江水庫上升快，尤其是峽江水庫在3月末—6月末一直保持在死水位，這與水庫自身的調(diào)節(jié)能力有關(guān)。其次，各庫不同方案下水位過程有所差別，整體上看總發(fā)電量最大方案水位最高，AAPFD值最小方案水位最低。

總的來說，95%來水頻率下水庫總發(fā)電量相較75%減小，上猶江水庫和江口水庫的水位過程在兩個頻率下較為相似，但是萬安水庫和峽江水庫受制于調(diào)節(jié)能力，水庫表現(xiàn)出多次運用。總之，各水庫水位過程的變化體現(xiàn)出了水庫蓄豐補枯的作用。

圖6 75%來水頻率不同方案各水庫水位過程

圖7 95%來水頻率不同方案各水庫水位過程

5.4 用水區(qū)域缺水分析 對75%、95%來水頻率下總?cè)彼孔钚》桨笇?yīng)的各用水區(qū)缺水量進行統(tǒng)計，計算得到缺水率如圖8所示。

圖8 75%和95%來水頻率下各用水區(qū)缺水率對比

由結(jié)果知，75%來水頻率下，水平年總?cè)彼孔钚》桨傅目側(cè)彼繛?.92億m3，總?cè)彼?.15%，最小缺水率為0.09%，最大缺水率為15.13%；95%來水頻率下，總?cè)彼繛?.52億m3，缺水率6.93%。兩種頻率下主要缺水出現(xiàn)在支流袁河江口水庫以下用水區(qū)6，其次是上猶江水庫以下用水區(qū)2，主要是由于這兩種頻率下支流來水偏小。盡管95%來水頻率下總?cè)彼氏噍^75%增幅不大，但是由圖8可以看出，各用水區(qū)的缺水率有變化，95%來水頻率下缺水范圍更廣。

對75%和95%來水頻率下，各用水區(qū)的用水過程進行比較分析，如圖9—圖10所示。

圖9 75%來水頻率不同方案各用水區(qū)缺水情況

圖10 95%來水頻率不同方案各用水區(qū)缺水情況

由圖9可以看出，在75%來水頻率下，用水區(qū)域3在8月份和用水區(qū)域4在1月份出現(xiàn)了輕微缺水現(xiàn)象，用水區(qū)域1、2、5和7在不同月份出現(xiàn)了缺水情況，缺水量在0.01億～0.15億m3之間，而江口水庫以下用水區(qū)域6缺水較為嚴重，僅4、6和10月不缺水，5、7、9月缺水量較高，缺水量在0.5億m3以上，這是由于外洲控制站75%來水頻率下對應(yīng)的江口水庫上游來水較枯，滿足不了下游區(qū)域的水量需求。

由圖10可以看出，95%來水頻率下，總?cè)彼勘?0%和75%頻率多0.6億m3。用水區(qū)域1、3、4、5和7在不同月份出現(xiàn)了缺水情況，缺水量基本在0.1億m3以下。用水區(qū)域2在8月和9月兩個月出現(xiàn)了較為嚴重的缺水，缺水量在0.5億m3左右。而用水區(qū)域6則是出現(xiàn)了嚴重缺水，全年共11個月出現(xiàn)了不同程度的缺水，其中4、7、9、11及12月部分方案的缺水量在0.5億m3以上。

將多目標優(yōu)化調(diào)度非劣解集中缺水量最小方案與《鄱陽湖流域水量分配與水權(quán)制度建設(shè)研究》［28］水量分配模擬模型計算結(jié)果進行比較。整體來看，規(guī)劃水平年2030年兩個模型計算結(jié)果主要缺水區(qū)域基本相同，缺水量計算結(jié)果為：50%、75%、95%來水頻率下，優(yōu)化調(diào)度缺水量分別為1.05億、2.92億和3.52億m3，模擬模型計算分別為1.21億、2.49億和4.22億m3，優(yōu)化調(diào)度的缺水量與模擬模型的缺水量基本一致。但相比水量分配模擬模型，本文同時給出了3個目標間的非劣關(guān)系。

6 結(jié)論

（1）為實現(xiàn)贛江流域水資源綜合效益最優(yōu)化，以水庫群總發(fā)電量最大、用水區(qū)域總?cè)彼孔钚∫约巴庵拚菊{(diào)度后流量與天然流量偏差最小為目標，建立了面向發(fā)電、供水和生態(tài)要求的贛江流域水庫群優(yōu)化調(diào)度模型。該模型能夠較全面刻畫水資源調(diào)配過程中發(fā)電、供水和生態(tài)3個目標之間的相關(guān)關(guān)系。（2）采用多目標粒子群算法求解，得到不同來水頻率下發(fā)電、供水和生態(tài)3個目標的非劣調(diào)度解集。結(jié)果表明：各來水頻率下，發(fā)電、供水、生態(tài)3個目標之間均存在著競爭制約關(guān)系，其中發(fā)電目標與生態(tài)目標之間、供水目標與生態(tài)目標之間的競爭性較強，發(fā)電目標與供水目標之間競爭性相對較弱。（3）規(guī)劃水平年2030年50%來水頻率贛江流域缺水較為輕微，總?cè)彼?.03億m3，總?cè)彼?.53%。75%、95%來水頻率缺水率分別為6.15%、6.92%，整體來說缺水不算嚴重，但是各分區(qū)缺水情況差異明顯，袁河江口水庫以下用水區(qū)6缺水率最大，在15%以上，其次為上猶江水庫下游用水區(qū)2，缺水率大于5%。

［1］YANG N，MEI Y，ZHOU C.An optimal reservoir operation model based on ecological requirement and its effect on electricity generation［J］.Water Resources Management，2012，26（14）：4019-4028.

［2］盧有麟，周建中，王浩，等.三峽梯級樞紐多目標生態(tài)優(yōu)化調(diào)度模型及其求解方法［J］.水科學(xué)進展，2011，22（6）：780-788.

［3］王學(xué)斌，暢建霞，孟雪姣，等.基于改進NSGA-Ⅱ的黃河下游水庫多目標調(diào)度研究［J］.水利學(xué)報，2017，48（2）：135-145.

［4］粟曉玲，康紹忠.石羊河流域多目標水資源配置模型及其應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報，2009，25（11）：128-132.

［5］BABEL M S，GUPTA A D，NAYAK D K.A model for optimal allocation of water to competing demands［J］.Wa?ter Resources Management，2005，19（6）：693-712.

［6］張玲，徐宗學(xué)，張志果.基于粒子群算法的水資源優(yōu)化配置［J］.水文，2009，29（3）：41-45.

［7］陳南祥，李躍鵬，徐晨光.基于多目標遺傳算法的水資源優(yōu)化配置［J］.水利學(xué)報，2006，37（3）：308-313.

［8］HAKIMI-ASIABAR M，GHODSYPOUR S H，KERACHIAN R.Deriving operating policies for multi-objective reservoir systems：Application of self-learning genetic algorithm［J］.Applied Soft Computing，2010，10（4）：1151-1163.

［9］BALTAR A M，F(xiàn)ONTANE D G.Use of multi-objective particle swarm optimization in water resources manage?ment［J］.Journal of Water Resources Planning and Management，2008，134（3）：257-265.

［10］李艷麗.基于多目標優(yōu)化的粒子群算法研究及其應(yīng)用［D］.成都：西南交通大學(xué)，2014.

［11］KUMAR D N，REDDY M J.Ant colony optimization for multi-purpose reservoir operation［J］.Water Resources Management，2006，20（6）：879-898.

［12］黃草，王忠靜，李書飛，等.長江上游水庫群多目標與優(yōu)化調(diào)度模型及應(yīng)用研究Ⅰ：模型原理及求解［J］.水利學(xué)報，2014，45（9）：1009-1018.

［13］王霞，鄭雄偉，陳志剛.基于河流生態(tài)需水的水庫生態(tài)調(diào)度模型及應(yīng)用［J］.水電能源科學(xué)，2012，30（6），59-61.

［14］郭旭寧，胡鐵松，黃兵，等.基于模擬-優(yōu)化模式的供水水庫群聯(lián)合調(diào)度規(guī)則研究［J］.水利學(xué)報，2011，42（6）：757-766.

［15］POFF N L，ALLAN J D，BAIN M B.The natural flow regime：A paradigm for river conservation and restoration［J］.BioScience，1997，47（11）：769-784.

［16］HOMA E S，VOGEL R M，SMITH M P，et al.An Optimization Approach for Balancing Human and Ecological Flow Needs［C］//Proceedings of the EWRI 2005 World Water and Environmental Resources Congress，2005.

［17］SHIAU J，WU F.Optimizing environmental flows for multiple reaches affected by a multipurpose reservoir system in Taiwan：Restoring natural flow regimes at multiple temporal scales［J］.Water Resources Research，2013，49（1）：565-584.

［18］YIN X A，YANG Z F，PETTS G E.A new method to assess the flow regime alterations in riverine ecosystems［J］.River Research and Applications，2015，31：497-504.

［19］LADSON A R，WHITE L J.An Index of Stream Condition：Reference Manual［M］.Waterways Unit，Depart?ment of Natural Resources and Environment，1999.

［20］楊志峰，陳賀.一種動態(tài)生態(tài)環(huán)境需水計算方法及其應(yīng)用［J］.生態(tài)學(xué)報，2006，26（9）：2989-2995.

［21］COELLO C A C，PULIDO G T，LECHUGA M S.Handling multiple objectives with particle swarm optimization［J］.IEEE Transactions on Evolutionary Computation，2004，8（3）：256-279.

［22］沈艷，郭兵，古天祥.粒子群優(yōu)化算法及其與遺傳算法的比較［J］.電子科技大學(xué)學(xué)報，2005，34（5）：696-699.

［23］紀震，廖惠連.粒子群算法及應(yīng)用［M］.北京：科學(xué)出版社，2009.

［24］SHI Y，EBERHART R C.Empirical Study of Particle Swarm Optimization［C］//Evolutionary Computation，Pro?ceedings of the 1999 Congress on IEEE，1999.

［25］LIU D S，TAN K C，GOH C K，et al.On Solving Multi-objective Bin Packing Problems Using Particle Swarm Optimization［C］//Proceedings of IEEE Congress on Evolutionary Computation，2006.

［26］王芳，邱玉輝.一種引入輪盤賭選擇算子的混合粒子群算法［J］.西南師范大學(xué)學(xué)報（自然科學(xué)版），2006，31（3）：93-96.

［27］郭丹利，夏自強，林虹，等.生態(tài)徑流評價中Tennant法應(yīng)用［J］.生態(tài)學(xué)報，2009，29（4）：1787-1792.

［28］楊永生，許新發(fā)，李榮昉.鄱陽湖流域水量分配與水權(quán)制度建設(shè)研究［M］.北京：中國水利水電出版社，2011.