王 瑩，余 航，楊茂靈，楊 鑫，鄭 斌(.云南農業(yè)大學水利學院 水資源與節(jié)水灌溉重點實驗室，昆明 6500；.昭通市水利水電勘測設計研究院, 云南 昭通 6500)

0 引 言

灌區(qū)灌溉用水經由水源、輸配水渠道至田間工程，取水、輸水、配水3個環(huán)節(jié)均需因時因地制定合理制度。本研究主要從水源和輸配水環(huán)節(jié)建立水資源優(yōu)化配置決策支持系統(tǒng)，為灌區(qū)灌溉用水決策提供支持。

近年由于氣候變化，灌區(qū)水庫嚴重淤積，興利庫容變小，而水資源未能進行統(tǒng)一有效調度，使得干旱造成農業(yè)減產[1]。很多學者針對水庫群優(yōu)化調度開展了廣泛研究[2,3]，為灌區(qū)的抗旱減災提供決策依據。

同時，大型灌區(qū)作物種植結構復雜、土壤類型不一、降雨分布不均，尤其云南高原灌區(qū)高差較大，渠道坡降差異顯著，諸多因素存在較大的時空變異性差異。水力模擬模型通常建立在配水過程中同時向下級配水的假設基礎之上[4-6]，適用于缺少數(shù)據資料的地區(qū)。而灌區(qū)尺度渠系系統(tǒng)配水流量不等的情況更加普遍[7,8]。

綜上，水庫優(yōu)化調度和渠系工作制度優(yōu)化是灌區(qū)水資源優(yōu)化配置決策支持系統(tǒng)的重要組成部分，開展此項研究對提高云南高原灌區(qū)灌溉用水管理水平，節(jié)約灌溉用水量，減少旱災影響具有重大理論與現(xiàn)實意義。

1 系統(tǒng)組成及數(shù)學模型

1.1 系統(tǒng)組成

灌區(qū)水資源優(yōu)化配置模型系統(tǒng)為三庫模式：即數(shù)據庫、模型庫、方法庫以及人機交互系統(tǒng)(圖1)。

圖1 灌區(qū)水資源優(yōu)化配置模型系統(tǒng)框架

數(shù)據庫包括空間數(shù)據和非空間數(shù)據，包括歷史、實時以及未來的氣象、水源、作物、土壤、渠系和灌溉系統(tǒng)。水源信息包括水庫庫容、河流徑流量、下墊面參數(shù)和灌溉可供水量等水文信息。作物信息包括作物類型、作物種植結構、種植面積、作物系數(shù)、作物產量敏感系數(shù)和生育期。土壤信息主要為土壤類型分布圖以及與土壤類型相關的參數(shù)。渠系信息包括灌區(qū)渠系布置圖、渠系斷面尺寸、設計流量和渠系水利用系數(shù)等。灌溉方式信息包括地面灌、噴灌和滴灌以及田間水利用系數(shù)?？臻g數(shù)據描述各參數(shù)的空間位置，而非空間數(shù)據為不隨空間位置變化而改變的屬性參數(shù)?？臻g數(shù)據與非空間數(shù)據通過查詢表連接，每個柵格對應一個編碼方便模型優(yōu)化時進行調用。

模型庫包含水庫優(yōu)化調度模型和渠系工作制度時空優(yōu)化模型。主程序與子模型之間是調度與反饋的關系。同時，模型受方法庫的支配。模型庫通過對空間數(shù)據庫的調用和參數(shù)傳遞實現(xiàn)優(yōu)化，并將優(yōu)化結果返回數(shù)據庫。

方法庫是通過算法對模型進行優(yōu)化求解，如線性規(guī)劃、非線性規(guī)劃以及多目標優(yōu)化優(yōu)化等方法。方法庫中優(yōu)化方法采用軟件編寫，可根據需求進行修改和擴充。

GIS人機交互系統(tǒng)是用戶與其他各庫發(fā)生決策行為的平臺。數(shù)據庫、模型庫以及方法庫的各功能通過GIS人機交互系統(tǒng)實施人為控制和決策。該系統(tǒng)的界面友好并能與Windows系統(tǒng)兼容。

1.2 數(shù)學模型

1.2.1水庫優(yōu)化調度模型

總目標(年總引水量最大)：

(1)

階段目標(各水庫月引水量之和最大)：

(2)

式中：Xi,j為第i個水庫第j階段的引水量，萬m3；m為水庫數(shù)量；n表示階段。

約束條件：

(1)庫容約束：

Vi,死≤Vi,j≤Vi,限

(3)

其中：

(4)

式中：單位為萬m3。Vi,j為第i個水庫第j階段蓄水量；Vi,死為第i個水庫死庫容；Vi,限為第i個水庫限制庫容；Vi,0為時段初蓄水量；Ri,k-1為第i個水庫第k-1階段的來水量；Yi,k-1為第i個水庫第k-1階段的用水量；Ei,k-1為第i個水庫第k-1階段的蒸發(fā)滲漏損失量。

(2)引水量約束：

Xi,j≤Vi,j-Vi,死-Yi,j-Ei,j

(5)

(3)引水溝過流限制：水庫引水天數(shù)最多為5 d，則：

X1j≤64.8,X2j≤86.4,X3j≤172.8,X4j≤172.8

(6)

(4)庫容瞬時約束：

(7)

式中：V0,j為洋派水庫j階段的蓄水量，m3。

(5)非負約束：

Xi,j≥0

(8)

模型采用線性規(guī)劃求解方法。

1.2.2渠系工作制度優(yōu)化模型

目標1：上級渠道流量波動最小，即方差最小。

(9)

(10)

式中：q*j為第j個下級渠道的毛配水流量，m3/s；N為一個輪灌組內的支渠個數(shù)；fij(x)是一個描述在輪灌期內渠道連續(xù)配水狀態(tài)的連續(xù)函數(shù)[式(11)]。

(11)

式中：t0j為灌水開始時間，h；t2j為灌水結束時間，h。

目標2：渠道滲漏損失最小。

(12)

式中：Vs為上級渠道的滲漏損失，m3；Vd為下級渠道的滲漏損失，m3；Wsi為上級渠道凈配水量，m3；W*dj為第j個下級渠道毛配水量，m3；ηs為上級渠道渠系水利用系數(shù)；ηdj為第j個下級渠道的渠系水利用系數(shù)。

目標3：配水量與需水量的差值最小。

minZ3=min{W*dj-Wnj}

(13)

式中：Wnj為第j個渠道控制范圍的需水量，m3。

約束條件：

(1)配水連續(xù)性約束：

0≤t0j≤Tj=1,2,…,N

(14)

t2j≤Tj=1,2,…,N

(15)

t0j+t1j=t2jj=1,2,…,N

(16)

式中：t1j為灌溉時間，h。

(2)配水量約束：

Wsi=Qsits60×60W*dj=q*jt1j60×60

(17)

式中：ts為時段i的時間步長，h。

(3)流量約束：

aqj≤q*j≤bqjQsi≤cQsd

(18)

式中：qj為第j個下級渠道的設計流量，m3/s；Qsd為上級渠道的設計流量，m3/s；a,b,c分別為下級渠道和上級渠道運行流量的允許閾值系數(shù)。

(4)灌溉可供水量約束：

Wai≥Wsi/ηs

(19)

式中：Wai為時段i灌溉可供水量，m3。

決策變量：灌水結束時間(t2j)和毛配水流量(q*j)。

模型采用多目標規(guī)劃求解的方法求解，尋找目標函數(shù)的非劣解集。

2 灌區(qū)概況

蜻蛉河大型灌區(qū)位于云南省楚雄彝族自治州中西部金沙江二級支流蜻蛉河沿河兩岸。灌區(qū)地理位置北緯25°28′～25°45′，東經101°05′～101°10′，范圍涉及姚安、大姚兩縣的7個鄉(xiāng)鎮(zhèn)，農業(yè)人口26.6萬人。灌區(qū)有效灌溉面積2萬hm2。流域內多年平均氣溫16.5 ℃，年最高氣溫37.1 ℃，最低零下5.5 ℃。年平均日照時數(shù)2 518 h，灌區(qū)多年平均降雨量834.7 mm，多年平均蒸發(fā)量2 096 mm。灌區(qū)已經基本形成灌排結合的大型灌區(qū)體系，目前蜻蛉河灌區(qū)共建成中型水庫4座，小(Ⅰ)型水庫18座，小(Ⅱ)型水庫4座，其他小型水利設施1 900余座，水利工程平均農業(yè)灌溉供水量為1.8億m3。灌區(qū)總體布置形成三大灌溉體系，即紅梅-洋派灌溉體系，白鶴-妙峰灌溉體系以及大羅古-永豐灌溉體系。

3 系統(tǒng)界面及運行結果

3.1 系統(tǒng)界面

界面包含菜單、圖層顯示、地圖顯示、目標函數(shù)選擇、按鈕(數(shù)據輸入、優(yōu)化、結果顯示)。系統(tǒng)各功能界面如圖2～圖5所示。

圖2 系統(tǒng)界面

圖3 片區(qū)選定界面

圖4 實際作物需水量計算界面

圖5 水庫聯(lián)合優(yōu)化調度模型軟件界面

3.2 運行結果

(1)水庫優(yōu)化調度優(yōu)化結果。根據統(tǒng)計資料分析，在保證率為75%下的紅梅水庫、胡家山水庫來水量典型年為2005-2006年(表1)。

表1 水庫基礎數(shù)據 萬m3

水庫聯(lián)合優(yōu)化調度模型優(yōu)化結果見表2。在保證率為75%的情況下，上游水庫向洋派水庫引水總量為668.25萬m3，其中11、12、8月引水最多，分別為149.46、151.80和151.83 萬m3。4座水庫中胡家山水庫向洋派水庫引水最多為538.35萬m3，大康郎水庫引水最少為10.08萬m3，而紅梅水庫由于蓄水較少、死庫容較多，且用水較大導致引水入洋派水庫也較少。

表2 上游水庫引水入洋派水庫結果 萬m3

(2)渠系工作制度優(yōu)化結果。根據灌區(qū)各骨干水源相對獨立的特點，灌區(qū)總體布置形成三大灌溉體系，共29條渠道，各參數(shù)見表3。

表3 蜻蛉河灌區(qū)渠道模型參數(shù)表

蜻蛉河灌區(qū)渠系工作制度優(yōu)化結果見圖6至圖8，分別為目標函數(shù)1和2、目標函數(shù)1和3以及目標函數(shù)2和3的優(yōu)化結果。決策者根據管理經驗確定兩個目標函數(shù)的重要程度，從Pareto解集中選取一組解作為多目標遺傳算法優(yōu)化后的渠系工作制度。一次灌水過程的灌水時間為2 880 h(即4個月)。根據選擇的目標函數(shù)不同，渠系工作制度存在較大差異。其中目標函數(shù)1和2的優(yōu)化結果顯示，渠道在配水區(qū)間分布均勻，渠道流量波動較小。目標函數(shù)1和3的優(yōu)化結果顯示，渠道運行相對集中在中前期，而目標函數(shù)2和3的優(yōu)化結果顯示渠系運行時間相對集中在中間時段。從圖6、圖7可以看出，渠系配水過程連續(xù)，即每個時段都有灌水事件發(fā)生，利于渠道運行流量的穩(wěn)定。圖8顯示配水時間小于2 880 h，只有1 901 h，減少了灌水時間。

圖6 灌溉保證率P=75%目標函數(shù)1和2優(yōu)化后渠系工作制度

圖7 灌溉保證率P=75%目標函數(shù)1和3優(yōu)化后渠系工作制度

圖8 灌溉保證率P=75%目標函數(shù)2和3優(yōu)化后渠系工作制度

4 結 語

本研究以GIS為平臺建立了水土資源優(yōu)化配置支持系統(tǒng)，解決了水資源優(yōu)化調度以及山丘區(qū)渠系調水配水不合理的問題。主要結論如下：

(1)水庫優(yōu)化調度模型可以解決多水庫向單一水庫引水問題，模型可得到不同頻率下水庫優(yōu)化調度方案，優(yōu)化結果合理。

(2)渠系工作制度優(yōu)化模型能很好地解決云南高原灌區(qū)灌溉系統(tǒng)的渠系配水問題，縮短了渠系運行時間，提高了渠系運行的穩(wěn)定性，減少了渠系滲漏損失，使得灌溉供需更加平衡。

□

[1] 余 航, 王 龍, 文 俊, 等. 云南蜻蛉河大型灌區(qū)水庫聯(lián)合優(yōu)化調度[J]. 水資源與水工程學報, 2015,(6):90-92，97. 去人為確定2個因子合適的權重，對于權重的確定本文選擇定性分析[10]的方法。當水力性能和粒子通過率同等重要時，即選取C點的結構參數(shù)進行流道設計。

4 結 論

借鑒彎道環(huán)流現(xiàn)象可以增加流動內部的碰撞和漩渦，增加流態(tài)內部的紊亂程度，從而有效耗能，設計彎道環(huán)流式迷宮流道。通過數(shù)值模擬和計算分析進行正交實驗，并對實驗結果進行直觀、方差及回歸分析。以流態(tài)指數(shù)和粒子通過率作為衡量新型流道的水力性能和抗堵性能的指標，同時，以流量作為約束指標，采用多目標粒子群算法對2組目標函數(shù)進行迭代優(yōu)化，得到具有最小流態(tài)指數(shù)和最大粒子通過率的非劣解集。

□

參考文獻：

[1] 張 俊. 迷宮流道灌水器水力與抗堵性能評價及結構優(yōu)化研究[D]. 西安：西安交通大學, 2009.

[2] 鄧聚龍.灰理論基礎[M]. 武漢：華中科技大學出版社, 2002:162-225.

[3] 李 寧. 粒子群優(yōu)化算法的理論分析與應用研究[D]. 武漢：華中科技大學, 2006.

[4] 芮德繁. 連續(xù)彎道環(huán)流運動與泥沙沖淤特性的數(shù)值模擬及實驗[D]. 成都：四川大學, 2005.

[5] 張 俊, 魏公際, 趙萬華,等. 灌水器內圓弧形流道的液固兩相流場分析[J]. 中國機械工程, 2007, 18(5):589-593.

[6] Shi Y, Eberhart R. Modified particle swarm optimizer[C]∥ IEEE world congress proceedings on computational intelligence，1998. IEEE International Conference on Evolutionary Computation,2015:69-73.

[7] Frans V D B, Engelbrecht A P. A Cooperative approach to particle swarm optimization[J]. Transactions on Evolutionary Computation, 2004, 8(3):225-239.

[8] Coello C A C, Pulido G T, Lechuga M S. Handling multiple objectives with particle swarm optimization[J]. Transactions on Evolutionary Computation, 2004, 8(3):256-279.

[9] Coello C A C, Lechuga M S. MOPSO: a proposal for multiple objective particle swarm optimization[C]∥ Proceedings of the 2002 congress on evolutionary computation, 2002:1 051-1 056.

[10] 朱學軍. 基于Pareto多目標進化計算的健壯性設計方法及應用研究[D]. 上海：上海交通大學, 1999.