張改紅,李蕾,石小慶

不同調(diào)度方式對(duì)上游水庫(kù)水量調(diào)度的影響

張改紅,李蕾,石小慶

陜西鐵路工程職業(yè)技術(shù)學(xué)院, 陜西 渭南 714000

水資源調(diào)度方式的差異會(huì)對(duì)水庫(kù)水量的調(diào)度產(chǎn)生重要影響，本文從系統(tǒng)分析的視角分別闡述了基于免疫規(guī)劃算法的水資源調(diào)度方式和基于BP神經(jīng)網(wǎng)絡(luò)算法的調(diào)度方式，并分別研究了豐水年、平水年和枯水年條件下，對(duì)于出庫(kù)水量和發(fā)電水量的影響。結(jié)果表明，在豐水期和枯水期免疫規(guī)劃算法的調(diào)度性能更優(yōu)，出庫(kù)水量更多，而且節(jié)省了一部分用于發(fā)電的水庫(kù)水量，而在平水年兩種調(diào)度方式的結(jié)果趨同。

水庫(kù); 水量調(diào)度

水資源調(diào)度是一項(xiàng)重要的水利資源管理工作，由于我國(guó)人均水資源儲(chǔ)量低，且分布極不均衡[1,2]，工農(nóng)業(yè)用水、城市用水及生態(tài)用水，與水資源的空間分布存在嚴(yán)重矛盾，因此水資源跨地區(qū)調(diào)度工作具有十分重要的現(xiàn)實(shí)意義。水資源調(diào)度方式的選擇是一個(gè)復(fù)雜的動(dòng)態(tài)過(guò)程[3-5]，從決策方案的制定到具體調(diào)度計(jì)劃的執(zhí)行，不僅要考慮到水資源調(diào)度的具體需求，還需要兼顧上游水庫(kù)的水量?jī)?chǔ)備，及對(duì)水庫(kù)水資源的調(diào)度產(chǎn)生的影響。水資源調(diào)度的概念較為寬泛，可以指對(duì)工農(nóng)業(yè)用水的調(diào)度分配，也可以指對(duì)水利工程資源的調(diào)度及對(duì)水庫(kù)水資源的調(diào)度。因此在研究水資源的調(diào)度方式的影響時(shí)，需要特別重視其對(duì)上游水庫(kù)水量?jī)?chǔ)備的影響，水資源調(diào)度的基本框架（圖1）。

圖1 水資源調(diào)度基本框架

河流上游的水庫(kù)兼顧了城市用水、水資源儲(chǔ)備、防洪、泄洪、旅游等多種功能于一身，河流下游的水利資源調(diào)度時(shí)，要基于季節(jié)等因素應(yīng)選擇合適的調(diào)度方法和調(diào)度模式，減少對(duì)上游水庫(kù)水量調(diào)度的不利影響。近年來(lái)我國(guó)城市人口，尤其是東部沿海地區(qū)和華北地區(qū)的人口急劇膨脹，用水量陡增，地區(qū)經(jīng)濟(jì)發(fā)展與人口的增加對(duì)水庫(kù)水量調(diào)度也產(chǎn)生了重要的影響，因此如何平衡人口密集區(qū)及干旱地區(qū)的水資源需求，減少跨地區(qū)水利調(diào)度對(duì)上游水庫(kù)的不利影響，成為擺在水利部門(mén)，及水利專(zhuān)家學(xué)者面前的主要難題之一。

1 概述

水資源調(diào)度的基本目的是通過(guò)水量的調(diào)配實(shí)現(xiàn)水資源的優(yōu)化配置，同時(shí)滿足生態(tài)、防洪等要求，水資源調(diào)度方式主要分為常規(guī)調(diào)度方式和優(yōu)化調(diào)度方式，這兩種方式都是圍繞著水量和水利工程這兩基本的要素展開(kāi)[6,7]。水資源的調(diào)度以水庫(kù)等水利工程為中心進(jìn)行水資源供給和配置，隨著計(jì)算機(jī)技術(shù)及數(shù)學(xué)模型研究理論的成熟，在水資源的調(diào)度方式選用過(guò)程中，越來(lái)越多地采用模型研究的方法[8-10]。按照大類(lèi)別劃分水資源調(diào)度方式有綜合分析方法[11,12]和系統(tǒng)分析方法[13,14]之分，綜合分析方法主要基于理論和經(jīng)驗(yàn)，基于水資源的自然分布狀況和基本調(diào)度準(zhǔn)則實(shí)施水資源的調(diào)度與分配。綜合分析方法主要基于歷史數(shù)據(jù)與專(zhuān)家的經(jīng)驗(yàn)，在水量調(diào)度的準(zhǔn)確性及水資源分配的合理性方面，不如系統(tǒng)分析方法有效，但這種方法成本更低，適用于影響范圍較小的水利工程。

上世紀(jì)中葉以來(lái)，計(jì)算機(jī)技術(shù)和系統(tǒng)工程技術(shù)獲得了快速的發(fā)展，水資源的調(diào)度方式選擇問(wèn)題和效果驗(yàn)證可以基于計(jì)算機(jī)算法進(jìn)行仿真研究，增加了水資源調(diào)度優(yōu)化路徑的選擇準(zhǔn)確性和多樣性。因此，系統(tǒng)分析方法在水資源調(diào)度中所發(fā)揮的作用日益提高，目前主流的系統(tǒng)分析方法主要包括線性及非線性規(guī)劃、系統(tǒng)可靠性分析及及各種模擬算法等。本文主要從系統(tǒng)分析的角度出發(fā)，分別分析了免疫規(guī)劃算法和BP神經(jīng)網(wǎng)絡(luò)算法下的水利調(diào)度方式對(duì)水庫(kù)水量所產(chǎn)生的不同影響。

2 水資源調(diào)度方式研究

2.1 基于免疫規(guī)劃算法的下游水資源調(diào)度方式

免疫算法是將生物學(xué)中的免疫思想引入到水利工程領(lǐng)域，利用局部的特征信息在全局范圍內(nèi)尋優(yōu)，并在算法的執(zhí)行過(guò)程中能夠有針對(duì)地抑制種群的退化。針對(duì)水庫(kù)下游河流水利的合理調(diào)度而言，存在多種可行的調(diào)度方式，但需要基于免疫算法模型在離散的種群空間內(nèi)尋找最優(yōu)解，同時(shí)提高算法的執(zhí)行效率和成功率。初始種群中的編碼基于下游河流的現(xiàn)有水位和水量編制，并在可行的范圍內(nèi)生成初始的解，在計(jì)算適應(yīng)度的過(guò)程中，免疫規(guī)劃父代群體用B表示：

B=(1,2,…,b,…,b) (1)

其中，b為群體中的任意一個(gè)個(gè)體，在父代群體中個(gè)體b出現(xiàn)的概率(b)可以表示為：

上式中，()為模擬退火函數(shù)，?為單調(diào)遞減的模擬退火控制序列。基于變異因子對(duì)當(dāng)前的父代群體進(jìn)行變異操作，生成新的子代群體￠。如果設(shè)被研究的水利工程種群為x，則種群中的父代和子代種群分別表示為(x,0)和(,￠0)，在變異因子的作用下子代子群的個(gè)體及其初始值分別表示為：

其中，為最優(yōu)目標(biāo)解得維數(shù)，k、min和max為免疫抗體的親和度、最小值和最大值。此時(shí)對(duì)新的子代群體￠進(jìn)行接種操作，得到新的種群，如此往復(fù)迭代尋優(yōu)。在基于免疫規(guī)劃模型尋找最優(yōu)的水量調(diào)度路徑中，也會(huì)對(duì)上游的水庫(kù)水量存量構(gòu)成影響，需要結(jié)合河流和水庫(kù)數(shù)據(jù)庫(kù)數(shù)據(jù)推理和演算，以方便對(duì)調(diào)度方式的選擇與評(píng)估。對(duì)于普遍性的水庫(kù)水量調(diào)度問(wèn)題，可以基于歷史水文記錄和相關(guān)專(zhuān)家的先驗(yàn)知識(shí)進(jìn)行評(píng)價(jià)；而對(duì)于復(fù)雜的水資源調(diào)度問(wèn)題，就必須考慮到下游水資源分配和調(diào)度對(duì)上游水庫(kù)所產(chǎn)生的影響。相關(guān)的水資源調(diào)度研究成果表明，歷史數(shù)據(jù)、先驗(yàn)知識(shí)與計(jì)算機(jī)模型算法之間并不存在矛盾的關(guān)系，將多種方法結(jié)合于一身更有助于免疫算法在全局范圍內(nèi)尋優(yōu)。

2.2 基于神經(jīng)網(wǎng)絡(luò)模型算法的水資源調(diào)度方式

BP神經(jīng)網(wǎng)絡(luò)算法是模擬人腦的工作原理，將大量的水文數(shù)據(jù)作為輸入項(xiàng)輸入模型，依靠模型強(qiáng)大的數(shù)據(jù)分析和篩選能力，選擇出最佳的水資源調(diào)度方式。BP神經(jīng)網(wǎng)絡(luò)模型包括輸入層、中間隱含層和數(shù)據(jù)輸出層，BP神經(jīng)網(wǎng)絡(luò)模型的基本結(jié)構(gòu)（圖2）。

圖2 神經(jīng)網(wǎng)絡(luò)調(diào)度模型基本結(jié)構(gòu)圖

在用于水資源調(diào)度的BP神經(jīng)網(wǎng)絡(luò)模型中，設(shè)輸入向量集合為={1,2,…,z}，={1,2,…,y}為輸出向量集合，={1,2,…,h}中間隱含層的向量集合，期望輸出向量集合為={1,2,…,d}，其中、、、分別為各個(gè)層次對(duì)應(yīng)的節(jié)點(diǎn)數(shù)量。輸入層與中間隱含層、及中間隱含層到最有路徑輸出層之間的權(quán)值向量矩陣可以，分別表示為={1,2,…,v}和={1,2,…w}，此時(shí)模式的輸入函數(shù)(z)、輸出函數(shù)￠()及路徑尋優(yōu)的誤差函數(shù)，可以分別表示為：

在利用BP神經(jīng)網(wǎng)絡(luò)算法計(jì)算水庫(kù)下游的水資源調(diào)度方式時(shí)，利用后面層次的數(shù)據(jù)誤差作為前一個(gè)層次的輸入項(xiàng)，層層傳遞及疊加，在反復(fù)的訓(xùn)練學(xué)習(xí)和迭代過(guò)程中，使神經(jīng)網(wǎng)絡(luò)的結(jié)果輸出值更加接近最終的期望值，就能夠?qū)崿F(xiàn)對(duì)水庫(kù)下游水量資源的優(yōu)化調(diào)度。BP神經(jīng)網(wǎng)絡(luò)模型適用于數(shù)據(jù)量較大的樣本數(shù)據(jù)源，也可以將原始的水文數(shù)據(jù)及上游水庫(kù)的水資源調(diào)度數(shù)據(jù)，都作為輸入項(xiàng)參與運(yùn)算和篩選，以提高最終水資源調(diào)度路徑選擇的科學(xué)性。在基于BP神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜運(yùn)算中，中間隱含會(huì)基于特定的標(biāo)準(zhǔn)進(jìn)行大量的復(fù)雜運(yùn)算，因此必須將將水資源上游水庫(kù)的水文地質(zhì)數(shù)據(jù)作為輸入項(xiàng)參與運(yùn)算，以減少水庫(kù)下游水資源調(diào)度對(duì)水庫(kù)水量產(chǎn)生的不利影響。輸出的誤差項(xiàng)以某種特定的形式反饋給中間隱含層和輸入層，如果模型中出現(xiàn)了實(shí)際輸出與期望輸入偏差過(guò)大的情況。應(yīng)及時(shí)修正向量矩陣的權(quán)值?；贐P算法計(jì)算流程如下所示：

STEP 1：將神經(jīng)網(wǎng)絡(luò)模型初始化，將各層次之間的鏈接權(quán)值限定在一個(gè)固定的區(qū)間內(nèi)，并設(shè)定BP神經(jīng)網(wǎng)絡(luò)的最大學(xué)習(xí)次數(shù)、精度值范圍和誤差函數(shù)。

STEP 2：隨機(jī)選取第個(gè)數(shù)據(jù)樣本所對(duì)應(yīng)最佳輸出值，并求解中間隱含層內(nèi)各個(gè)神經(jīng)單元計(jì)算的最優(yōu)結(jié)果，期望計(jì)算表示為：D()=[1(),2(),…,d()] (5)

STEP 3：利用BP神經(jīng)網(wǎng)絡(luò)模型，從輸入的原始水文數(shù)據(jù)中識(shí)別出最佳的期望值，并利用水庫(kù)下游的水資源調(diào)度誤差值，和與中間隱層之間連接權(quán)值v求出中間隱層神經(jīng)元的偏導(dǎo)值。

STEP 4：在基于中間隱層與輸出層之間的連接權(quán)值w，求解出輸出層神經(jīng)元的偏導(dǎo)值。

STEP 5：最后判斷各層次之間存在的誤差能否滿足需求，如果輸出層訓(xùn)練誤差值能夠達(dá)到初始時(shí)設(shè)定的精度范圍值，則證明該種水資源調(diào)度方法是一種最優(yōu)的方法之一，可以滿足下游的水資源使用的要求，還能夠最大限度地減少對(duì)上游水庫(kù)水量調(diào)度所造成的不利影響。

本文分別研究了基于免疫算法和神經(jīng)網(wǎng)絡(luò)算法的水庫(kù)下游水資源調(diào)度方式，并以我國(guó)西部地區(qū)的水庫(kù)為例，分析兩種水資源調(diào)度方法下對(duì)水庫(kù)水量?jī)?chǔ)備及水量調(diào)度的影響。

3 水資源調(diào)度方式對(duì)水庫(kù)水量調(diào)度的影響研究

水庫(kù)是一座以水量調(diào)節(jié)為主，并兼顧發(fā)電功能和灌溉功能的水利工程，水庫(kù)基本的設(shè)計(jì)概況，如下表1所示。

表1 水庫(kù)基本概況

為驗(yàn)證免疫算法和BP神經(jīng)網(wǎng)絡(luò)算法的可行性、準(zhǔn)確性和對(duì)上游水庫(kù)水量調(diào)度的影響，本文分別選擇豐水年、平水年和枯水年，入庫(kù)徑流相等的條件下分析兩種調(diào)度算法的出庫(kù)水量和發(fā)電水量。

3.1 豐水年水庫(kù)調(diào)度結(jié)果比較

首先比較豐水年條件下基于免疫算法和BP神經(jīng)網(wǎng)絡(luò)算法水量調(diào)度方式，對(duì)上游水庫(kù)出水量和發(fā)電水量的影響，調(diào)度結(jié)果如表2所示。

表2 豐水年條件下不同調(diào)度方式對(duì)水庫(kù)水量調(diào)度影響

從豐水年的分析結(jié)果來(lái)看，在入庫(kù)徑流相同的條件下免疫算法調(diào)度方式下的出庫(kù)水量總量為7521萬(wàn)m3，略優(yōu)于BP神經(jīng)網(wǎng)絡(luò)算法的6923萬(wàn)m3；而用于發(fā)電的出水量為6006萬(wàn)m3，少于BP神經(jīng)網(wǎng)絡(luò)算法的6609萬(wàn)m3。數(shù)據(jù)分析結(jié)果能夠得出結(jié)論，在豐水年免疫算法調(diào)度方式對(duì)于水庫(kù)水量的調(diào)度結(jié)果更具有優(yōu)勢(shì)。再對(duì)比豐水期兩種調(diào)度方式下，水庫(kù)各月水位的變化值（圖3）。

圖3 豐水年兩種調(diào)度方式下水庫(kù)水位變化圖

在豐水年的各月，基于免疫算法的水資源調(diào)度方式條件下各月的水位變化更趨近于水庫(kù)標(biāo)準(zhǔn)設(shè)計(jì)，而且變化的波動(dòng)范圍也要小于BP算法。

3.2 平水年兩種調(diào)度方式對(duì)水庫(kù)調(diào)度結(jié)果比較

平水年各月兩種調(diào)度算法條件下，水庫(kù)的出水量和發(fā)電水量數(shù)據(jù)如表3所示。

表3 平水年條件下不同調(diào)度方式對(duì)水庫(kù)水量調(diào)度影響

從數(shù)據(jù)統(tǒng)計(jì)結(jié)果分析可以看出，平水年條件下基于免疫算法與神經(jīng)網(wǎng)絡(luò)算法的水資源調(diào)度方式對(duì)于水庫(kù)出水量和發(fā)電量的影響較小，出水總量的差值為100萬(wàn)m3，發(fā)電消耗水量的差值為62萬(wàn)m3。而兩種調(diào)度算法下水庫(kù)的水位變化也較為平穩(wěn)，更趨近于標(biāo)準(zhǔn)水位，具體變化趨勢(shì)如圖4所示。

圖4 平水年兩種調(diào)度方式下水庫(kù)水位變化圖

3.3 枯水年不同調(diào)度方式對(duì)水庫(kù)水量調(diào)度的影響

最后比較枯水年條件下，兩種水資源調(diào)度方式對(duì)于水庫(kù)出水量調(diào)度和發(fā)電水量調(diào)度的影響?？菟暧捎谌霂?kù)徑流總量明顯降低，而下游用于工農(nóng)業(yè)消費(fèi)、和城市用水的水量并不會(huì)減少，因此對(duì)水資源調(diào)度準(zhǔn)確率的要求會(huì)不斷提升，用于水利發(fā)電的水量也會(huì)明顯減少（表4）。

表4 枯水年兩種調(diào)度方式對(duì)水庫(kù)水量的影響

從表4中的數(shù)據(jù)分析能夠得出結(jié)論，枯水期由于入庫(kù)徑流總量的減少，而導(dǎo)致了出庫(kù)水量和發(fā)電水量都有了不同程度的減少，尤其是發(fā)電水量減少明顯。對(duì)比基于免疫規(guī)劃算法的下游水量調(diào)度方式，與基于BP神經(jīng)網(wǎng)絡(luò)算法的水量調(diào)度方式的水資源調(diào)度效果，免疫算法仍然具有一定的優(yōu)勢(shì)，水庫(kù)總體的出水量更多，而用于發(fā)電的總體水量更少。而枯水年由于總徑流入庫(kù)量減少，兩種方式調(diào)度下，水庫(kù)的水位都低于標(biāo)準(zhǔn)水位，但波動(dòng)性不大，各月水位水位走勢(shì)圖如圖5所示。

圖5 枯水年兩種調(diào)度方式下水庫(kù)水位變化圖

綜上分析，對(duì)水庫(kù)下游水資源的合理調(diào)度和分配，能夠影響到上游水庫(kù)的水量?jī)?chǔ)備及水量調(diào)度，而基于免疫規(guī)劃算法的水資源調(diào)度方式，在豐水年和枯水年都能夠獲得更好水庫(kù)水量調(diào)度結(jié)果，優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的調(diào)度方式；而在平水年，兩種水資源調(diào)度方式的調(diào)度結(jié)果趨同，差距很小。

4 結(jié)論與展望

我國(guó)水資源儲(chǔ)備總量在世界大國(guó)中并不具有明顯優(yōu)勢(shì)，而人均水資源儲(chǔ)備量更是低于世界平均水平。而隨著社會(huì)經(jīng)濟(jì)的發(fā)展、人口的增加及城市化進(jìn)程的加速我國(guó)許多地區(qū)都出現(xiàn)了水資源危機(jī)。由于我國(guó)北方地區(qū)和西部?jī)?nèi)陸地區(qū)降水較少，地下水資源儲(chǔ)量不足，河流斷流、土地沙漠化和濕地退化較為嚴(yán)重，加上工業(yè)發(fā)展對(duì)于河流和地下水的污染加劇了這些地區(qū)的水荒，因此關(guān)于水資源的調(diào)度問(wèn)題研究在這些地區(qū)較為普遍。水庫(kù)是重要的水利工程和水利樞紐，在調(diào)節(jié)地區(qū)徑流、防洪泄洪、及地區(qū)電力供應(yīng)方面發(fā)揮著十分重要的作用，而水庫(kù)的儲(chǔ)水量、出水量與上下游河流徑流量及水資源的調(diào)度方式密切相關(guān)，對(duì)下游河流水資源的合理調(diào)度能夠減少對(duì)水庫(kù)調(diào)節(jié)的不利影響，也能夠有效緩解由于水資源短缺而造成的各部門(mén)之間的矛盾。本文從定量研究的視角出發(fā)，利用兩種調(diào)度模型分析水資源調(diào)度方式的差異給水庫(kù)水量調(diào)度帶來(lái)的不同影響，結(jié)果表明基于免疫規(guī)劃的算法在水資源調(diào)度方面具有一定的優(yōu)勢(shì)，對(duì)上游水庫(kù)產(chǎn)生的不利影響更小。

水資源調(diào)度問(wèn)題的影響范圍較廣，調(diào)度方式不合理不僅會(huì)浪費(fèi)更多的水資源，甚至?xí)萍s我國(guó)國(guó)民經(jīng)濟(jì)總體的發(fā)展。隨著對(duì)水資源調(diào)度研究的深入，一些新的調(diào)度模型、算法會(huì)不斷地應(yīng)用到水資源的調(diào)度工作當(dāng)中，例如基于計(jì)算機(jī)科學(xué)技術(shù)而建立決策系統(tǒng)模型，或利用大數(shù)據(jù)和云計(jì)算技術(shù)，為水利工作者的決策提供更為完整和準(zhǔn)確數(shù)據(jù)支持。鑒于水庫(kù)資源調(diào)度的復(fù)雜性，在未來(lái)研究中需要更多地引入系統(tǒng)研究的思維，建立水資源調(diào)度系統(tǒng)設(shè)計(jì)，利用數(shù)學(xué)模型進(jìn)行優(yōu)化求解，找出最優(yōu)的水資源調(diào)度路徑。

[1] 吳芳,張新鋒,崔雪鋒.中國(guó)水資源利用特征及未來(lái)趨勢(shì)分析[J].長(zhǎng)江科學(xué)院院報(bào),2017,34(1):30-39

[2] 孫金華,陳靜,朱乾德,等.我國(guó)重大調(diào)水工程水資源調(diào)度管理現(xiàn)狀研究[J].人民長(zhǎng)江,2016,47(5):29-33

[3] 楊懷德,馮起,黃珊,等.民勤綠洲水資源調(diào)度的生態(tài)環(huán)境效應(yīng)[J].干旱區(qū)資源與環(huán)境,2017,31(7):68-73

[4] 劉忠華,于華,楊方廷,等.不確定條件下的山西省水資源調(diào)度規(guī)劃研究[J].水力發(fā)電學(xué)報(bào),2016,35(3):36-46

[5] 閆堃,鐘平安,萬(wàn)新宇.濱海地區(qū)水資源多目標(biāo)優(yōu)化調(diào)度模型研究[J].南水北調(diào)與水利科技,2016(1):59-66

[6] 王冬,方娟娟,李義天,等.三峽水庫(kù)調(diào)度方式對(duì)洞庭湖入流的影響研究[J].長(zhǎng)江科學(xué)院院報(bào),2016,33(12):10-16

[7] 吳書(shū)悅,趙建世,雷曉輝,等.氣候變化對(duì)新安江水庫(kù)調(diào)度影響與適應(yīng)性對(duì)策[J].水力發(fā)電學(xué)報(bào),2017,36(1):50-58

[8] 趙繼偉,魏群,張國(guó)新.水利水電工程的圖形信息模型研究[J].中國(guó)水利水電科學(xué)研究院學(xué)報(bào),2016,14(2):155-159

[9] 李卉.基于三角模糊數(shù)的水利水電EPC項(xiàng)目投標(biāo)風(fēng)險(xiǎn)評(píng)價(jià)模型研究[J].水利水電技術(shù),2016,47(11):55-60

[10] 寧武,李君,宣國(guó)祥,等.柳江紅花二線船閘輸水系統(tǒng)布置與水力學(xué)模型試驗(yàn)研究[J].水運(yùn)工程,2017(10):154-159

[11] 呂守國(guó),崔玉新,馮迎春,等.基于綜合分析方法的變壓器故障診斷技術(shù)與軟件開(kāi)發(fā)[J].電力系統(tǒng)保護(hù)與控制,2017,45(10):123-128

[12] 張旺勛,李群,王維平,等.復(fù)雜系統(tǒng)脆弱性綜合分析方法[J].國(guó)防科技大學(xué)學(xué)報(bào),2016,38(2):150-155

[13] 孔憲仁,熊懷,李海勤,等.一種Hilbert變換法在非線性系統(tǒng)分析中的應(yīng)用[J].機(jī)械工程學(xué)報(bào),2016,52(19):95-101

[14] 吳衡,馮青,劉高文,等.熵分析法在蓋板式預(yù)旋系統(tǒng)分析中的應(yīng)用[J].推進(jìn)技術(shù),2016,37(11):2048-205

Influence of Different Dispatching Ways on Water Amount in Upstream Reservoirs

ZHANG Gai-hong, LI Lei, SHI Xiao-qing

714000,

The difference of water resources dispatching ways will have an important impact on reservoir water dispatching. From a perspective of systemic analysis, this paper respectively studied two kinds of dispatching ways, the immune programming algorithm and BP neural network algorithm, to influence on discharge from reservoir and power generation water amount. The results showed the immune programming algorithm was better than the other in flood season and dry season, and had more discharge water and saved a part of the water to be used for power generation, however, they were consistent in normal flow years.

Reservoir; water dispatching

TV697.1+1

A

1000-2324(2019)05-0805-06

10.3969/j.issn.1000-2324.2019.05.014

2018-04-02

2018-05-23

陜西鐵路工程職業(yè)技術(shù)學(xué)院科研基金項(xiàng)目(Ky2017-088)

張改紅(1977-),女,博士,副教授,主要研究方向:雨洪資源化利用技術(shù). E-mail:zgh197768@163.com