考慮不同生態(tài)流量要求梯級(jí)水庫(kù)群生態(tài)調(diào)度及其算法

楊?哲，楊?侃，夏?怡，馬一鳴，黃?悅，許軍良

?

考慮不同生態(tài)流量要求梯級(jí)水庫(kù)群生態(tài)調(diào)度及其算法

楊?哲1，楊?侃1，夏?怡1，馬一鳴1，黃?悅1，許軍良2

(1. 河海大學(xué)水文水資源學(xué)院，南京 210098；2. 宜興市周鐵鎮(zhèn)水利農(nóng)機(jī)站，宜興 214200)

為協(xié)調(diào)清江梯級(jí)水庫(kù)發(fā)電及下游生態(tài)效益，實(shí)現(xiàn)梯級(jí)庫(kù)群水能資源高效利用和生態(tài)效益雙贏，本文對(duì)清江隔河沿、高壩洲控制斷面基礎(chǔ)、適宜和理想等級(jí)生態(tài)流量進(jìn)行分析計(jì)算，并以發(fā)電量和生態(tài)流量貼近度最優(yōu)作為目標(biāo)函數(shù)，建立兼顧生態(tài)保護(hù)的清江梯級(jí)庫(kù)群多目標(biāo)優(yōu)化調(diào)度模型．進(jìn)一步，針對(duì)傳統(tǒng)混合蛙跳算法(SFLA)存在搜索能力有限、易陷入局部最優(yōu)等問(wèn)題，從混沌種群初始化、局部搜索方式、基于云模型理論精英青蛙進(jìn)化和后期啟發(fā)式激活機(jī)制等方面對(duì)SFLA進(jìn)行改進(jìn)，提出基于混沌云模型理論混合蛙跳算法(CNSFLA)．采用該方法求解梯級(jí)水庫(kù)生態(tài)調(diào)度模型，長(zhǎng)系列優(yōu)化調(diào)度結(jié)果顯示，在保證發(fā)電效益和下游控制斷面基礎(chǔ)生態(tài)流量的同時(shí)，有效提升其適宜、理想生態(tài)流量保證率，總體保證率維持在較高水平；對(duì)于枯水典型年，雖然通過(guò)算法優(yōu)化調(diào)度，但天然入流偏少導(dǎo)致控制斷面部分時(shí)段理想生態(tài)流量仍無(wú)法滿足．長(zhǎng)系列調(diào)度結(jié)果對(duì)比表明CNSFLA具備高效搜索性能和良好穩(wěn)定性，可顯著提高庫(kù)群聯(lián)合調(diào)度結(jié)果質(zhì)量．

混合蛙跳算法(SFLA)；梯級(jí)庫(kù)群多目標(biāo)優(yōu)化調(diào)度；混沌種群初始；云模型理論；精英進(jìn)化；啟發(fā)式青蛙激活機(jī)制

伴隨生態(tài)保護(hù)意識(shí)提升，考慮生態(tài)因素的梯級(jí)庫(kù)群調(diào)度日益受到關(guān)注，隨著大流域水庫(kù)群陸續(xù)運(yùn)行，不斷擴(kuò)大的水電站規(guī)模加劇了庫(kù)群優(yōu)化調(diào)度求解難度[1-2]．針對(duì)生態(tài)調(diào)度模型的研究主要有以下兩類：①將生態(tài)需水或流量作為水庫(kù)調(diào)度約束條件；②作為多目標(biāo)調(diào)度目標(biāo)函數(shù)之一，基于多目標(biāo)算法進(jìn)行優(yōu)化．高永勝[3]、董哲仁等[4]先后提出生態(tài)調(diào)度基本原則和多目標(biāo)水庫(kù)調(diào)度框架；康玲等[5]建立丹江口水庫(kù)生態(tài)調(diào)度模型并利用POA方法進(jìn)行優(yōu)化；盧有麟?等[6]以生態(tài)缺水最小和發(fā)電量最大為優(yōu)化目標(biāo)，采用多目標(biāo)差分進(jìn)化法進(jìn)行求解；楊光等[7]以發(fā)電量和保證率為目標(biāo)，同時(shí)考慮生態(tài)用水構(gòu)建水庫(kù)優(yōu)化調(diào)度模型；尹正杰等[8]以金沙江為例，分析不同生態(tài)流量約束下的水庫(kù)調(diào)度模式；Cai等[9]利用遺傳算法優(yōu)化三峽-葛洲壩生態(tài)調(diào)度模型；梅超等[10]分析不同生態(tài)流量下對(duì)發(fā)電和供水目標(biāo)的影響，并提出適宜生態(tài)調(diào)度方案．艾學(xué)山等[11]針對(duì)水庫(kù)調(diào)度忽視生態(tài)環(huán)境需水的狀況，以經(jīng)濟(jì)社會(huì)和生態(tài)效益組成的綜合效益最大為目標(biāo)函數(shù)，考慮灌溉、發(fā)電、航運(yùn)等為約束條件的水庫(kù)生態(tài)調(diào)度多目標(biāo)模型．胡和平等[12]提出基于生態(tài)流量過(guò)程線水庫(kù)優(yōu)化調(diào)度模型，認(rèn)為可采取合理調(diào)度方案降低生態(tài)環(huán)境保護(hù)對(duì)水庫(kù)效益的影響．梅亞?wèn)|等[13]考慮梯級(jí)水庫(kù)各河道斷面生態(tài)用水需求，并探討生態(tài)流量需求與發(fā)電效益的關(guān)聯(lián)．王學(xué)敏等[14]將適宜生態(tài)流量作為生態(tài)效益評(píng)判標(biāo)準(zhǔn)，建立三峽梯級(jí)生態(tài)友好型多目標(biāo)發(fā)電優(yōu)化模型，并利用多目標(biāo)優(yōu)化方法求解．總體來(lái)說(shuō)，生態(tài)調(diào)度模型以單庫(kù)調(diào)度研究居多，主要將生態(tài)流量作為約束條件進(jìn)行處理，且僅考慮的生態(tài)指標(biāo)較為單一；對(duì)于梯級(jí)庫(kù)群聯(lián)合生態(tài)調(diào)度，鑒于其目標(biāo)、約束條件的復(fù)雜性，優(yōu)化難度隨即升高．

本文以清江梯級(jí)庫(kù)群調(diào)度為例，考慮梯級(jí)電站調(diào)蓄能力和功能，協(xié)調(diào)其社會(huì)、生態(tài)效益，建立以發(fā)電量為主，兼顧生態(tài)系統(tǒng)保護(hù)的多目標(biāo)梯級(jí)庫(kù)群調(diào)度模型，分析滿足不同生態(tài)流量約束方案下的庫(kù)群調(diào)度方式，及其對(duì)發(fā)電、生態(tài)環(huán)境等整體效益的影響．針對(duì)差分進(jìn)化、蟻群、布谷鳥和集聚蛛群優(yōu)化等算法[15-18]存在易“早熟”、精度和魯棒性不高等問(wèn)題，本文采用由Eusuff & Lansey提出的混合蛙跳算法[19](SFLA)進(jìn)行模型優(yōu)化，并在傳統(tǒng)SFLA基礎(chǔ)上從混沌種群初始化、局部搜索策略改良，精英青蛙局部進(jìn)化和啟發(fā)式青蛙激活機(jī)制等方面改善算法初始種群質(zhì)量，提升青蛙尋優(yōu)效率，增強(qiáng)迭代后期的搜索活力，提出改進(jìn)混沌云模型混合蛙跳算法(CNSFLA)．CNSFLA整體搜索性能和穩(wěn)定性方面的提升，提供了合理可行的梯級(jí)生態(tài)調(diào)度方案，為清江干流中下游隔河沿、高壩洲控制斷面生態(tài)系統(tǒng)健康發(fā)展提供技術(shù)支撐，為此類優(yōu)化調(diào)度問(wèn)題提供切實(shí)有效的新方法．

1?梯級(jí)庫(kù)群多目標(biāo)生態(tài)調(diào)度模型

通過(guò)相應(yīng)調(diào)度目標(biāo)和約束條件的確立，進(jìn)而構(gòu)建梯級(jí)庫(kù)群多目標(biāo)生態(tài)調(diào)度模型，以實(shí)現(xiàn)梯級(jí)庫(kù)群水能資源高效利用和生態(tài)系統(tǒng)保護(hù)目標(biāo)及效益的共贏．模型以水庫(kù)群發(fā)電、生態(tài)綜合效益最大為目標(biāo)函數(shù)，具體的數(shù)學(xué)描述方式如下．

1.1?目標(biāo)函數(shù)

(1) 電站發(fā)電目標(biāo)函數(shù)為

(2) 生態(tài)流量貼近度目標(biāo)函數(shù)為

1.2?約束條件

(1)水量平衡約束為

(2) 梯級(jí)水庫(kù)群水力聯(lián)系為

(3) 電站機(jī)組出力約束為

(4) 水庫(kù)蓄水位約束為

(5) 水庫(kù)調(diào)蓄和下泄流量約束為

(6) 變量非負(fù)約束：即水庫(kù)群發(fā)電優(yōu)化調(diào)度中各變量取值非負(fù)．

2?改進(jìn)混合蛙跳算法(CNSFLA)

2.1?標(biāo)準(zhǔn)混合蛙跳算法(SFLA)

混合蛙跳算法(SFLA)是基于群體智能的后啟發(fā)式全局優(yōu)化算法，結(jié)合了確定性和隨機(jī)性方法，該算法融合了模因演化和基于群體行為的粒子群算法的優(yōu)點(diǎn)，具有參數(shù)少、理論概念易于理解等特點(diǎn)[20]．基本思想是將青蛙個(gè)體在濕地沼澤中覓食行為類比為求解優(yōu)化問(wèn)題的尋優(yōu)過(guò)程，蛙群內(nèi)個(gè)體青蛙可視為攜帶蛙群覓食信息的思想載體[21]．將青蛙種群劃分為若干子種群，各子種群中青蛙進(jìn)行獨(dú)立進(jìn)化和“獵物”搜尋，子種群中青蛙互向傳遞獵物信息，這種模因進(jìn)化方式有助提升個(gè)體青蛙搜尋性能．經(jīng)過(guò)若干次進(jìn)化后，青蛙種群混合策略被激活，各子種群青蛙進(jìn)行重組和信息傳遞、交流，獲取子種群外青蛙的覓食信息．

通常分組策略可描述如下．

步驟1?對(duì)青蛙種群按照適應(yīng)度進(jìn)行降序排列．

子種群內(nèi)部?jī)H對(duì)最差青蛙按式(9)和式(10)進(jìn)行更新，利用子種群最優(yōu)或種群最優(yōu)個(gè)體引導(dǎo)最差青蛙的位置更新．

(10)

2.2?改進(jìn)的實(shí)數(shù)編碼混合蛙跳算法(CNSFLA)

2.2.1?混沌理論初始種群生成機(jī)制

初始種群生成方式對(duì)種群多樣性和整體質(zhì)量有直接影響，一定程度決定算法能否快速跳出局部最優(yōu)和整體收斂性能．隨機(jī)方式生成的初始種群存在較劣解，使得算法占用大量時(shí)間、空間進(jìn)行較劣解的“懲罰”和“淘汰”操作；相比之下，利用混沌原理遍歷性、隨機(jī)性生成的初始蛙群，種群分布多樣性、均勻性和整體質(zhì)量得到有效提升，降低劣解生成可能，從而保持搜索活力，有助提高尋優(yōu)精度．改進(jìn)后的Logistic混沌映射對(duì)初值更為敏感[22]，具備全局漸進(jìn)收斂和更快的搜尋速度，混沌變量的生成式為

將生成的混沌變量映射到待優(yōu)化變量可行域空間，其表達(dá)式為

2.2.2?改進(jìn)的局部搜索和位置更新策略

2.2.3?啟發(fā)式青蛙激活機(jī)制

2.2.4?精英青蛙局部進(jìn)化算子

依據(jù)社會(huì)學(xué)原理，蛙群每次迭代選出的最優(yōu)個(gè)體，在其周圍往往存在著更優(yōu)個(gè)體青蛙．精英進(jìn)化策略在“領(lǐng)頭蛙”周圍利用云模型進(jìn)行深度搜索，以搜尋到更優(yōu)青蛙位置．云模型理論是由李德毅等[24]于1995年提出，具有隨機(jī)性和穩(wěn)定傾向性特點(diǎn)，近年來(lái)與GA、PSO和差分進(jìn)化等算法結(jié)合取得了很好效果.云模型的引入可在局部搜索空間進(jìn)行深入搜索搜索，提升算法跳出局部最優(yōu)的能力和整體搜索性能．

2.3?CNSFLA計(jì)算流程

具體流程如圖1所示，算法步驟如下．

圖1?CNSFLA計(jì)算流程

步驟1?參數(shù)初始化，設(shè)置青蛙種群、子種群規(guī)模、最大迭代次數(shù)；調(diào)度方式為月調(diào)度，優(yōu)化決策變量為水庫(kù)各調(diào)度期水位，變量維數(shù)由水庫(kù)與調(diào)度時(shí)段數(shù)來(lái)確定．

步驟3?據(jù)適應(yīng)度優(yōu)劣進(jìn)行降序排列，按子種群劃分準(zhǔn)則進(jìn)行青蛙族群劃分．

步驟4?迭代尋優(yōu)計(jì)算，參照改進(jìn)青蛙局部搜索和位置更新策略，對(duì)子種群內(nèi)最差青蛙進(jìn)行深度搜索的同時(shí)，選取各子種群內(nèi)最優(yōu)青蛙作為精英個(gè)體，利用云發(fā)生器發(fā)掘優(yōu)秀青蛙周圍潛在的更優(yōu)個(gè)體；更新歷史青蛙步長(zhǎng)、子種群最優(yōu)和全局最優(yōu)位置；反復(fù)執(zhí)行該步驟，直至全部子種群達(dá)到預(yù)設(shè)局部搜索次數(shù)．

步驟5?將各子種群重新混合，若在指定全局進(jìn)化代數(shù)內(nèi)滿足啟發(fā)式青蛙激活機(jī)制觸發(fā)條件，則啟動(dòng)青蛙激活機(jī)制，淘汰失去活力的青蛙．

步驟6?判斷青蛙種群是否滿足預(yù)設(shè)最大全局迭代數(shù)，若滿足則停止搜索，輸出最優(yōu)青蛙位置(水位)及對(duì)應(yīng)出力、發(fā)電量及發(fā)電、出庫(kù)流量等，否則返回步驟3．

3?清江梯級(jí)水庫(kù)生態(tài)調(diào)度研究

3.1?生態(tài)流量獲取

綜合考慮多年徑流及生態(tài)健康程度確定隔河沿、高壩洲控制斷面基本、適宜和理想生態(tài)流量．基礎(chǔ)生態(tài)流量采用Tennant法，選用多年徑流10%,為基準(zhǔn)，考慮5—10月魚類繁殖期，提升相應(yīng)生態(tài)需水至15%,；適宜和理想生態(tài)流量參照文獻(xiàn)[27]中生態(tài)需水等級(jí)指數(shù)法，計(jì)算等級(jí)指數(shù)的公式為

計(jì)算相應(yīng)等級(jí)生態(tài)需水量的公式為

計(jì)算結(jié)果如表1所示．

表1?隔河沿、高壩洲控制斷面基礎(chǔ)、適宜和理想生態(tài)需水量成果

Tab.1?Basic，suitable and ideal ecological flow in Geheyan and Gaobazhou control sections

3.2?清江梯級(jí)水庫(kù)及調(diào)度方案

清江是長(zhǎng)江出三峽后的第一條大支流，全長(zhǎng)423km，水布埡水電站是清江流域梯級(jí)滾動(dòng)開發(fā)最上一級(jí)龍頭工程，具備多年調(diào)節(jié)能力；隔河沿電站以發(fā)電為主，具有年調(diào)節(jié)能力；高壩洲為隔河沿電站的反調(diào)節(jié)電站．各水庫(kù)及電站主要參數(shù)如表2所示．

清江梯級(jí)水庫(kù)均承擔(dān)相應(yīng)防洪、發(fā)電、航運(yùn)等功能，本研究以水庫(kù)發(fā)電為主要目標(biāo)，兼顧下游水庫(kù)隔河沿和高壩洲的不同等級(jí)生態(tài)用水需求，提出下述3種調(diào)度方案：

方案1?清江梯級(jí)水庫(kù)以發(fā)電為主，兼顧下游隔河沿和高壩洲基本生態(tài)需水要求；

方案2?清江梯級(jí)水庫(kù)以發(fā)電為主，考慮下游隔河沿和高壩洲適宜生態(tài)需水要求；

方案3?清江梯級(jí)水庫(kù)以發(fā)電為主，考慮下游隔河沿和高壩洲理想生態(tài)需水要求．

表2?清江梯級(jí)水庫(kù)及電站主要參數(shù)

Tab.2?Main parameters of Qingjiang cascade reservoirs and power stations

3.3?算法主要參數(shù)設(shè)置

3.4?約束條件處理

由于梯級(jí)水庫(kù)生態(tài)調(diào)度在調(diào)度時(shí)段、目標(biāo)層面的復(fù)雜、多約束特征，可首先通過(guò)限制青蛙搜索可行空間處理復(fù)雜約束條件，降低不可行解生成概率．對(duì)于水庫(kù)水位約束，水位即為各青蛙尋覓食物的位置，可將其約束在可行域范圍，若水位處于區(qū)域外則重新生成可行水位；水量平衡約束串聯(lián)了各水庫(kù)待優(yōu)化變量，其代表各調(diào)度期梯級(jí)水庫(kù)間水量的聯(lián)系和平衡，處理過(guò)程中強(qiáng)制滿足；電站出力約束首先考慮電站 高于保證出力運(yùn)行，若無(wú)法求解則修改規(guī)則允許時(shí)段低于保證出力運(yùn)行；流量約束需考慮各水庫(kù)最大泄流能力、發(fā)電機(jī)組過(guò)流能力(裝機(jī)容量)，若有約束被破壞，則采用罰函數(shù)處理出庫(kù)流量、裝機(jī)容量等破壞項(xiàng).

3.5?結(jié)果與討論

3.5.1?多年平均調(diào)度結(jié)果

由CNSFLA算法進(jìn)行長(zhǎng)系列優(yōu)化計(jì)算，徑流資料選取1956—2005年共計(jì)50,a，共計(jì)600調(diào)度時(shí)段；3種方案下梯級(jí)水庫(kù)發(fā)電調(diào)度結(jié)果如表 3 所示；隔河沿、高壩洲控制斷面生態(tài)流量保證率參見(jiàn)表4．

表3?各方案下發(fā)電調(diào)度結(jié)果

Tab.4?Annualaveragepower generation under the three scheduling schemes

表4?各方案下控制斷面生態(tài)用水保證率

Tab.4 Supply reliability rate of ecological flow in down-stream control sections

觀察表3調(diào)度結(jié)果可以發(fā)現(xiàn)，相較方案1，適宜生態(tài)流量方案2下各水庫(kù)為了滿足生態(tài)需求，發(fā)電量均有不同程度下降，隔河沿和高壩洲平均發(fā)電量分別降低0.37%,和0.80%,，位于上游龍頭級(jí)的水布埡發(fā)電量降0.20%,，影響相對(duì)較?。桨?下由于考慮滿足下游控制斷面理想生態(tài)需水目標(biāo)，水庫(kù)部分時(shí)段出現(xiàn)破壞保證出力的情況，年均發(fā)電量有進(jìn)一步下降，隔河沿和高壩洲平均發(fā)電量分別降低1.19%,和2.13%,．

由表4中數(shù)據(jù)可知，通過(guò)梯級(jí)水庫(kù)優(yōu)化調(diào)度，3種方案可基本滿足下游隔河沿、高壩洲控制斷面基礎(chǔ)和適宜生態(tài)流量；對(duì)于理想生態(tài)流量，即使通過(guò)庫(kù)群優(yōu)化調(diào)度，部分調(diào)度時(shí)段仍無(wú)法滿足，但隨著清江各級(jí)水庫(kù)調(diào)蓄能力和徑流調(diào)節(jié)性能的增加，各控制斷面適宜、理想生態(tài)需水保證率呈現(xiàn)遞增趨勢(shì)，總體保證率處于較高水平．

3.5.2?典型年調(diào)度結(jié)果分析

由多年平均調(diào)度結(jié)果可知，梯級(jí)聯(lián)合調(diào)度可滿足控制斷面基礎(chǔ)生態(tài)流量需求，適宜生態(tài)流量保證率也在90%,以上，且對(duì)平均發(fā)電量影響較小；相比之下理想生態(tài)流量目標(biāo)(方案3)保證率低于90%,，因而選取方案3下各典型年調(diào)度結(jié)果作進(jìn)一步對(duì)比分析，發(fā)電調(diào)度結(jié)果如表5所示；各控制斷面理想生態(tài)用水保證率及缺水情況見(jiàn)表6；相應(yīng)水庫(kù)調(diào)度過(guò)程見(jiàn)圖2．

表5?方案3下各典型年水庫(kù)發(fā)電調(diào)度結(jié)果

Tab.5 Cascade reservoirs power generation sched uling results of typical years under scheme 3 (108,kW·h)

表6?各控制斷面理想生態(tài)用水保證率、月平均缺水量

Tab.6?Guarantee rate of ideal ecological flow and corresponding mean monthly water shortage in control sections

由表6、圖2可知，在保證發(fā)電效益的前提下，豐、平水典型年均可滿足下游隔河沿和高壩洲控制斷面理想生態(tài)用水需求；對(duì)于枯水典型年，由于天然來(lái)水量的顯著減少，水庫(kù)無(wú)法充分蓄水至正常蓄水位，有限的可利用水能資源，導(dǎo)致其發(fā)電效益和目標(biāo)難以正常發(fā)揮和完成，即便通過(guò)梯級(jí)庫(kù)群聯(lián)合優(yōu)化調(diào)度，仍有調(diào)度期無(wú)法達(dá)成目標(biāo)．調(diào)度過(guò)程顯示6—10月隔河沿和高壩洲均有不同程度理想生態(tài)缺水情況，月均缺水流量分別為71,m3/s和36,m3/s．此外，由多年平均調(diào)度結(jié)果可知，為盡可能滿足理想生態(tài)需水要求，水庫(kù)部分調(diào)度期有破壞保證出力運(yùn)行的情況．

總體來(lái)說(shuō)，基于CNSFLA的庫(kù)群優(yōu)化調(diào)度，在非枯年份實(shí)現(xiàn)發(fā)電效益最大化，兼顧了理想生態(tài)流量需求；針對(duì)枯水年份來(lái)水偏少的特征，優(yōu)化調(diào)度在保證基礎(chǔ)、適宜生態(tài)需求的同時(shí)將理想生態(tài)缺水量控制在較低水平．

圖2 各典型年(豐水年、平水年、枯水年)隔河沿、高壩洲控制斷面調(diào)度過(guò)程

3.5.3?CNSFLA優(yōu)化性能檢驗(yàn)

為驗(yàn)證CNSFLA整體優(yōu)化性能，選取方案3下豐、平、枯典型年20次獨(dú)立運(yùn)行調(diào)度結(jié)果，并與PSO、SFLA、量子粒子群QPSO、螢火蟲FA和群居蜘蛛SSO算法對(duì)比；各算法不同典型年調(diào)度結(jié)果如表7所示．

由表7中各算法最優(yōu)發(fā)電量可知，CNSFLA在不同入庫(kù)情景下均可獲得高質(zhì)量的調(diào)度結(jié)果，且更接近DP調(diào)度結(jié)果．以平水年為例，相比SFLA、SSO分別增發(fā)1.97×108kW·h和1.21×108kW·h，增長(zhǎng)率分別為2.67%,和1.62%,，標(biāo)準(zhǔn)差顯著下降；表明CNSFLA的改進(jìn)策略可有效改善SFLA搜索性能，基于云模型理論的精英青蛙進(jìn)化策略可在局部最優(yōu)個(gè)體周圍“開拓”潛在的更優(yōu)青蛙，使算法快速向最優(yōu)解靠近，而在迭代中后期，青蛙激活機(jī)制可淘汰失去活力的青蛙，增加種群多樣性，從而保持搜索活力，激發(fā)算法尋優(yōu)能力，彌補(bǔ)SFLA易“早熟”的缺陷．雖然平均運(yùn)行時(shí)間較SFLA有所增加，但求解精度得到更顯著提升，相比常規(guī)DP算法，CNSFLA在計(jì)算速度上也占據(jù)明顯優(yōu)勢(shì)．此外，與對(duì)比算法中表現(xiàn)最好的SSO比較，CNSFLA各典型年優(yōu)化結(jié)果在精度層面提升幅度更為顯著．

為進(jìn)一步測(cè)試CNSFLA在不同入庫(kù)情景下求解穩(wěn)定性，將各典型年20次隨機(jī)運(yùn)行結(jié)果(梯級(jí)總發(fā)電量)整理成圖3箱形圖來(lái)描述解的分布、離散情況；由圖中各算法對(duì)應(yīng)“箱子”可以看出，CNSFLA優(yōu)化結(jié)果對(duì)應(yīng)“箱子”位于最高位置，呈扁平狀，表明解得分布均勻離散程度較低，較短的“胡須”(箱子上下的延伸線)可看出 CNSFLA并無(wú)“離群”劣解產(chǎn)生，優(yōu)化結(jié)果穩(wěn)定有效，整體優(yōu)化質(zhì)量得到保證．

表7?清江梯級(jí)水庫(kù)不同典型年調(diào)度結(jié)果對(duì)比

Tab.7?Optimal power generation results for Qingjiang cascade reservoirs during different typical years

圖3?各典型年隨機(jī)運(yùn)行20次總發(fā)電量結(jié)果箱形圖

各方法梯級(jí)水庫(kù)多年平均發(fā)電量及下游隔河沿、高壩洲控制斷面理想生態(tài)保證率結(jié)果如表8所示．CNSFLA長(zhǎng)系列優(yōu)化結(jié)果整體質(zhì)量較優(yōu)，發(fā)電量方面相比PSO、SFLA、OPSO、FA和SSO分別提升3.40%,、3.20%,、2.69%,、2.27%,和1.81%,，較常規(guī)調(diào)度結(jié)果72.64×108kW·h提升3.87%,，優(yōu)化結(jié)果非常接近DP方法；理想生態(tài)流量保證率方面，QPSO、FA、SSO和CNSFLA保證率均在80%,以上，且FA兩控制斷面保證率分別優(yōu)于CNSFLA 2.26%,和2.16%,，雖然損失部分生態(tài)效益，但換取的發(fā)電效益較FA有顯著提升．

總體來(lái)說(shuō)，改進(jìn)后的CNSFLA增強(qiáng)了迭代初期“發(fā)掘”能力，激活算法中后期開拓性能，搜索性能得到有效提升，在保證發(fā)電效益的同時(shí)考慮下游控制斷面的生態(tài)流量需求，為生態(tài)系統(tǒng)健康發(fā)展提供有效技術(shù)支撐．

圖4?不同權(quán)重組合調(diào)度結(jié)果

表8?多年平均調(diào)度結(jié)果及理想生態(tài)流量保證率

Tab.8?Long-term average annual power generation scheduling and corresponding guarantee rate of ideal ecological flow requirement

4?結(jié)?語(yǔ)

針對(duì)傳統(tǒng)混合蛙跳算法(SFLA)，本文提出改進(jìn)Logistic混沌映射進(jìn)行種群初始化、改良局部搜索方式、啟發(fā)式青蛙激活和精英青蛙進(jìn)化策略構(gòu)建CNSFLA方法．測(cè)試函數(shù)結(jié)果驗(yàn)證了CNSFLA在搜索性能、收斂速度和穩(wěn)定性層面的優(yōu)勢(shì)．對(duì)于考慮生態(tài)流量目標(biāo)的復(fù)雜梯級(jí)庫(kù)群優(yōu)化調(diào)度問(wèn)題，提出不同生態(tài)需求等級(jí)的調(diào)度方案，并采用CNSFLA進(jìn)行?優(yōu)化．

調(diào)度結(jié)果顯示，在發(fā)電量方面，CNSFLA具備良好的收斂精度和運(yùn)行穩(wěn)定、可靠性，針對(duì)典型年和長(zhǎng)系列調(diào)度均可獲取高質(zhì)量的優(yōu)化結(jié)果；生態(tài)流量保證方面，梯級(jí)庫(kù)群長(zhǎng)系列調(diào)度可在滿足基礎(chǔ)、適宜生態(tài)流量前提下有效提升理想生態(tài)流量保證率，且處于較高保證水平；但針對(duì)典型枯水年，由于來(lái)水條件限制，水庫(kù)發(fā)電效益很難正常發(fā)揮，通過(guò)聯(lián)合調(diào)度也無(wú)法保證年內(nèi)全部調(diào)度期理想生態(tài)流量要求,．

［1］ 李?永，裴偉征，李?嘉，等. 嵌入水安全調(diào)控因子的短期梯調(diào)優(yōu)化模型[J]. 水科學(xué)進(jìn)展，2014，25(1)：130-138.

Li Yong，Pei Weizheng，Li Jia，et al. Embedding regulatory water safety factor into a short-term optimal dispatch model for cascade reservoir operations[J].2014，25(1)：130-138(in Chinese).

［2］ Hu Ming，Huang Guo，Sun Wei，et al. Multi-objective ecological reservoir operation based on water quality response models and improved genetic algorithm：A case study in Three Gorges Reservoir，China[J].，2014，36：332-346.

［3］ 高永勝. 河流健康生命評(píng)價(jià)與修復(fù)技術(shù)研究[D]. 中國(guó)水利水電科學(xué)研究院，2006.

Gao Yongsheng. Study on River Health Life Assessment and Restoration Technology[D]. Beijing：China Institute of Water Resources and Hydropower Research，2006(in Chinese).

［4］ 董哲仁，孫東亞，趙進(jìn)勇. 水庫(kù)多目標(biāo)生態(tài)調(diào)度[J]. 水利水電技術(shù)，2007，38(1)：28-32.

Dong Zheren，Sun Dongya，Zhao Jinyong. Multigoal ecological operation of reservoirs[J].，2007，38(1)：28-32(in Chinese).

［5］ 康?玲，黃云燕，楊正祥，等. 水庫(kù)生態(tài)調(diào)度模型及其應(yīng)用[J]. 水利學(xué)報(bào)，2010，41(2)：134-141.

Kang Ling，Huang Yunyan，Yang，Zhengxiang，et al. Reservoir ecological operation model and its application [J].，2010，41(2)：134-141(in Chinese).

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

Lu Youlin，Zhou Jianzhong，Wang Hao，et al. Multi-objective optimization model for ecological operation in Three Gorges cascade hydropower stations and its algorithms[J].2011，22(6)：780-788(in Chinese).

［7］ 楊?光，郭生練，李立平. 考慮生態(tài)流量的梯級(jí)水庫(kù)柔性決策研究[J]. 華中科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2015，43(9)：114-116，122.

Yang Guang，Guo Shenglian，Li Liping. Flexible decision-making for cascade reservoir operation considering ecological flow[J].：，2015，43(9)：114-116，122(in Chinese).

［8］ 尹正杰，楊春花，許繼軍. 考慮不同生態(tài)流量約束的梯級(jí)水庫(kù)生態(tài)調(diào)度初步研究[J]. 水力發(fā)電學(xué)報(bào)，2013，32(3)：66-70，81.

Yin Zhengjie，Yang Chunhua，Xu Jijun. Ecological regulation of cascade dams in the lower Jinsha river under different ecological flow constraints[J].，2013，32(3)：66-70，81(in Chinese).

［9］ Cai Wenjun，Zhang Lili，Zhu Xuepeng et al. Optimal reservoir operation to balance human and environmental requirements：A case study for the Three Gorges and Gezhouba Dams，Yangtze River Basin，China[J].，2013，18：40-48.

［10］ 梅?超，尹明萬(wàn)，李蒙. 考慮不同生態(tài)流量約束的黔中水庫(kù)群優(yōu)化調(diào)度[J]. 中國(guó)農(nóng)村水利水電，2017(5)：174-180.

Mei Chao，Yin Mingwan，Li Meng. Optimal operation research on central Guizhou reservoir group considering different ecological flow constraint[J].，2017(5)，174-180(in Chinese).

［11］ 艾學(xué)山，范文濤. 水庫(kù)生態(tài)調(diào)度模型及算法研究[J]. 長(zhǎng)江流域資源與環(huán)境，2008，17(3)：451-455.

Ai Xueshan，F(xiàn)an Wentao. The research on reservoir ecological operation model and algorithm[J].，2008，17(3)：451-455(in Chinese).

［12］ 胡和平，劉登峰，田富強(qiáng)，等. 基于生態(tài)流量過(guò)程線的水庫(kù)生態(tài)調(diào)度方法研究[J]. 水科學(xué)進(jìn)展，2008，19(3)：325-332.

Hu Heping，Liu Dengfeng，Tian Fuqiang et al. A method of ecological reservoir reoperation based on ecological flow regime[J].，2008，19(3)：325-332(in Chinese).

［13］ 梅亞?wèn)|，楊娜，翟麗妮. 雅礱江下游梯級(jí)水庫(kù)生態(tài)友好型優(yōu)化調(diào)度[J]. 水科學(xué)進(jìn)展，2009，20(5)：721-725.

Mei Yadong，Yang Na，Zhai Lini. Optimal ecological sound operation of the cascade reservoirs in the lower Yalongjiang River[J].2009，20(5)：721-725(in Chinese).

［14］ 王學(xué)敏，周建中，歐陽(yáng)碩，等. 三峽梯級(jí)生態(tài)友好型多目標(biāo)發(fā)電優(yōu)化調(diào)度模型及其求解算法[J]. 水利學(xué)報(bào)，2013，44(2)：154-163.

Wang Xuemin，Zhou Jianzhong，Ouyang Shuo，et al. TGC eco-friendly generation multi-objective optimal dispatch model and its solution algorithm[J].，2013，44(2)：154-163(in Chinese).

［15］ 鐘平安，張衛(wèi)國(guó)，張玉蘭，等. 水電站發(fā)電優(yōu)化調(diào)度的綜合改進(jìn)差分進(jìn)化算法[J]. 水利學(xué)報(bào)，2014，46(10)：1147-1155.

Zhong Pingan，Zhang Weiguo，Zhang Yulan et al. Comprehensive modified differential evolution algorithm for optimal operation of the hydropower station[J].，2014，46(10)，1147-1155(in Chinese).

［16］ 徐?剛，馬光文，梁武湖，等. 蟻群算法在水庫(kù)優(yōu)化調(diào)度中的應(yīng)用[J]. 水科學(xué)進(jìn)展，2005，16(3)：397-400.

Xu Gang，Ma Guangwen，Liang Wuhu，et al. Application of ant colony algorithm to reservoir optimal operation[J].，2005，16(3)：397-400(in Chinese).

［17］ 明?波，黃?強(qiáng)，王義民，等. 基于改進(jìn)布谷鳥算法的梯級(jí)水庫(kù)優(yōu)化調(diào)度研究[J]. 水利學(xué)報(bào)，2015，46(3)：341-349.

Ming Bo，Huang Qiang，Wang Yimin，et al. Cascade reservoir operation optimization based on improved cuckoo search[J].，2015，46(3)：341-349(in Chinese).

［18］ 馮仲愷，牛文靜，程春田，等. 梯級(jí)水庫(kù)群優(yōu)化調(diào)度精英集聚蛛群優(yōu)化方法[J]. 水利學(xué)報(bào)，2016，47(6)：826-833.

Feng Zhongkai，Niu Wenjing，Cheng Chuntian，et al. Multi-reservoir operation using elite-gather social spider optimization[J].，2016，46(3)：826-833(in Chinese).

［19］ Eusuff M，Lansey K，Pasha F. Shuffled frog-leaping algorithm，a memetic meta-heuristic for discrete optimization[J].，2006，38(2)：129-154.

［20］ 趙付青，陳自豪. 基于自適應(yīng)變異因子策略的混合蛙跳算法[J]. 甘肅科學(xué)學(xué)報(bào)，2016，28(1)：6-11.

Zhao Fuqing，Chen Zihao. Shuffled frog-leaping algorithm based on the theory of adaptive mutation factors [J].，2016，28(1)，6-11(in Chinese).

［21］ 孫?平. 改進(jìn)蛙跳算法及水庫(kù)群優(yōu)化調(diào)度模型研究[D]. 北京：華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，2015.

Sun Ping. Improved Shuffled Frog Leaping Algorithm and the Reservoirs Optimal Operation Model Research [D]. Beijing：School of Economics and Management，North China Electric Power University，2015(in Chinese).

［22］ 鄒?強(qiáng)，王學(xué)敏，李安強(qiáng)，等. 基于并行混沌量子粒子群算法的梯級(jí)水庫(kù)群防洪優(yōu)化調(diào)度研究[J]. 水利學(xué)報(bào)，2016，47(8)：967-976.

Zou Qiang，Wang Xuemin，Li Anqiang et al. Optimal operation of flood control for cascade reservoirs based on parallel chaotic quantum particle swarm optimization [J].，2016，47(8)：967-976(in Chinese).

［23］ 滕志軍，張曉旭. 基于慣性權(quán)重蛙跳算法的WSN布 局優(yōu)化[J]. 東北電力大學(xué)學(xué)報(bào)，2015，35(6)：66-69.

Teng Zhijun，Zhang Xiaoxu. The layout optimization of WSN based on inertia weight shuffled frog leaping algorithm[J].，2015，35(6)：66-69(in Chinese).

［24］ 李德毅，孟海軍，史雪梅. 隸屬云和隸屬云發(fā)生器[J]. 計(jì)算機(jī)研究與發(fā)展，1995(6)：15-20.

Li Deyi，Meng Haijun，Shi Xuemei. Membership clouds and membership cloud generators[J].，1995，32(6)：15-20(in Chinese).

［25］ 張?強(qiáng)，李盼池. 自適應(yīng)分組混沌云模型蛙跳算法求解連續(xù)空間優(yōu)化問(wèn)題[J]. 控制與決策，2015，30(5)：923-928.

Zhang Qiang，Li Panchi. Adaptive grouping chaotic cloud model shuffled frog leaping algorithm for continuous space optimization problems[J].，2015，30(5)，923-928(in Chinese).

［26］ 黃海鵬，徐鎮(zhèn)凱，李詒路. 基于云模型的河流健康多層次模糊綜合診斷——以贛江南昌段為例[J]. 長(zhǎng)江流域資源與環(huán)境，2015，24(增1)：62-69.

Huang Haipeng，Xu Zhenkai，Li Yilu. River health based on cloud model of multi-level fuzzy comprehensive diagnosis[J].，2015，24(Suppl1)：62-69(in Chinese).

［27］ 呂?巍，王?浩，殷峻暹，等. 貴州境內(nèi)烏江水電梯級(jí)開發(fā)聯(lián)合生態(tài)調(diào)度[J]. 水科學(xué)進(jìn)展，2016，27(6)：918-927.

Lü Wei，Wang Hao，Yin Junxian，et al. On ecological operation of cascade hydropower stations along Wujiang River in Guizhou Province[J].，2016，27(6)：918-927(in Chinese).

［28］ 賈本有，鐘平安，陳娟，等. 復(fù)雜防洪系統(tǒng)聯(lián)合優(yōu)化調(diào)度模型[J]. 水科學(xué)進(jìn)展，2015，26(4)：560-571.

Jia Benyou，Zhong Ping’an，Chen Juan，et al. Coordinated optimal operation model of complex flood control system[J].2015，26(4)：560-571(in Chinese).

Optimal Ecological Operation of Cascade Reservoirs and the Algorithm Considering Different Ecological Flow Demand

Yang Zhe1，Yang Kan1，Xia Yi1，Ma Yiming1，Huang Yue1，Xu Junliang2

(1. College of Hydrology and Water Resources，Hohai University，Nanjing 210098，China； 2. Water Conservancy and Agricultural Municipal Station of Zhoutie，Yixing 214200，China)

In order to coordinate power generation and downstream ecological benefits，and achieve the win-win goal of efficient water resources exploitation in Qingjiang cascade reservoirs，the basic，proper and ideal ecological flow of Geheyan and Gaobazhou control section is analyzed and calculated in this paper. Moreover，the power generation and ecological flow simulation degree is set as the objective function to establish the multi-objective scheduling model in consideration of ecological protection in Qingjiang cascade reservoirs. In addition，as to the problems in traditional shuffled frog leaping algorithm(SFLA)such as poor search capability and easily falling into local optimum，an improved CNSFLA based on chaos and cloud model is proposed to overcome these defects. The improvements can be embodied as chaos population initialization，updated local search method，evolution strategy for elite frog and heuristic activation mechanism during later iteration. Then，the improved method is applied to ecological scheduling model of cascade reservoirs. The scheduling results for long series indicates that the benefits of electricity and basic ecological flow in downstream control section are guaranteed with efficient promotion and high level of suitable and ideal ecological flow guarantee. In terms of a typical dry year，the less inflow will make it hard to reach the ideal ecological flow demand for the control section even if the scheduling is optimized by CNSFLA. Finally，comparison results for long series demonstrate the effective search ability with good stability，and high quality of scheduling results.

shuffled frog leaping algorithm(SFLA)；multi-objective optimal scheduling of cascade reservoirs；chaos population initialization；cloud model；elite evolution；heuristic frog activation mechanism

10.11784/tdxbz201711066

TV697.1

A

0493-2137(2018)12-1266-12

2017-11-18；

2018-05-02.

楊?哲（1991—），男，博士研究生，zyang7279@hhu.edu.cn.

楊?侃，kyang@hhu.edu.cn.

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)資助項(xiàng)目(2012CB417006)；國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2009BAC56B03)；山西省水利科學(xué)技術(shù)研究與推廣項(xiàng)目“復(fù)雜大水網(wǎng)水庫(kù)群聯(lián)合優(yōu)化調(diào)度關(guān)鍵技術(shù)研究”.

the National Basic Research Program of China(No.2012CB417006)，the National Science Support Plan Project of China (No.2009BAC56B03), the Research and Extension Project of Hydraulic Science and Technology in Shanxi Province “Study on the Key Technology for Joint Optimal Operation of Complex Multi-Reserver System and Water Network”.

(責(zé)任編輯：孫立華)