楊麗娟,薛聯(lián)青,2,伍佑倫,盛 東,劉遠(yuǎn)洪,李 娜,周天文,何懷光
(1.河海大學(xué)水文水資源學(xué)院,江蘇 南京 210098;2.皖江工學(xué)院水利工程學(xué)院,安徽 馬鞍山 243031;3.湖南省水利水電科學(xué)研究院,湖南 長(zhǎng)沙 410114)
水庫(kù)運(yùn)行的多目標(biāo)問題一般包括模型構(gòu)建、優(yōu)化求解和方案選擇三部分[1]。在模型構(gòu)建方面,圍繞水庫(kù)防洪、發(fā)電、供水、生態(tài)等效益的多目標(biāo)調(diào)度研究逐漸增多,取得了較多有意義的成果,例如陳悅云等[2]面向贛江流域的發(fā)電、供水、生態(tài)要求,建立流域水庫(kù)群優(yōu)化調(diào)度模型,分析得到典型方案下三目標(biāo)的競(jìng)爭(zhēng)關(guān)系;YU等[3]建立了基于多目標(biāo)博弈論的三峽水庫(kù)多目標(biāo)優(yōu)化模型,求解三峽水庫(kù)經(jīng)濟(jì)、社會(huì)和生態(tài)效益的平衡問題。
優(yōu)化算法作為求解水庫(kù)多目標(biāo)調(diào)度問題的必要手段,目前主要有傳統(tǒng)算法和現(xiàn)代智能算法,傳統(tǒng)算法以線性規(guī)劃、非線性規(guī)劃、動(dòng)態(tài)規(guī)劃等為主,例如李想等[4]采用二次規(guī)劃、混合整數(shù)線性規(guī)劃和非線性規(guī)劃3 個(gè)模型對(duì)比求解某水庫(kù)的供水、發(fā)電調(diào)度問題?,F(xiàn)代智能優(yōu)化算法的應(yīng)用目前更為廣泛,如遺傳算法、粒子群算法、差分進(jìn)化算法等[5-7],在水庫(kù)多目標(biāo)優(yōu)化求解中取得了較好的效果;方國(guó)華等[8]在蛙跳算法的基礎(chǔ)上,采用混沌理論初始解生成、動(dòng)態(tài)更新外部檔案集與自適應(yīng)差分局部搜索等策略,提出改進(jìn)后的多目標(biāo)混合蛙跳差分算法,在水庫(kù)多目標(biāo)調(diào)度模型求解過(guò)程中具有較好的尋優(yōu)性能。
通過(guò)優(yōu)化算法求解后,會(huì)得到一系列方案解,而不是單一的最優(yōu)解,因此需要根據(jù)決策者的要求選擇最符合水庫(kù)運(yùn)行情況的決策方案,目前應(yīng)用最廣泛的方法包括層次分析法、熵權(quán)法、逼近理想點(diǎn)法等,文曉彤等[9]以發(fā)電等4個(gè)指標(biāo)的綜合增加值最大為原則,在非劣決策方案集中優(yōu)選得到了水庫(kù)長(zhǎng)期優(yōu)化調(diào)度的均衡方案。
以皂市水庫(kù)為研究對(duì)象,建立以發(fā)電、供水和生態(tài)為目標(biāo)的優(yōu)化調(diào)度模型,采用多目標(biāo)混合蛙跳差分進(jìn)化算法進(jìn)行模型求解,并利用AHP-TOPSIS 的主客觀組合賦權(quán)法優(yōu)選多目標(biāo)方案,研究成果可以提高皂市水庫(kù)的社會(huì)效益、發(fā)電效益及生態(tài)效益,為其進(jìn)一步科學(xué)調(diào)度提供依據(jù)。
二是定期召開聯(lián)席會(huì)議,深化拓展聯(lián)動(dòng)執(zhí)法。組織太湖流域江蘇、浙江、上海兩省一市水行政主管部門召開專項(xiàng)執(zhí)法聯(lián)席會(huì)議,《太湖流域管理?xiàng)l例》貫徹實(shí)施監(jiān)督檢查座談會(huì)、推進(jìn)會(huì)及案件處理等各類專題會(huì)議,分別與江蘇、浙江水行政執(zhí)法隊(duì)伍合作開展了地方性法規(guī)規(guī)章與《太湖流域管理?xiàng)l例》適應(yīng)性分析、太湖流域(江蘇?。耙缓珊印甭?lián)合巡查制度后評(píng)估等重點(diǎn)河湖及省際邊界等特殊問題專項(xiàng)研究,總結(jié)經(jīng)驗(yàn)和成效,不斷深化執(zhí)法合作,營(yíng)造流域團(tuán)結(jié)治水的良好氛圍。同時(shí)將聯(lián)合巡查制度向省際邊界地區(qū)拓展,與蘇州、嘉興、青浦支隊(duì)簽訂了聯(lián)動(dòng)執(zhí)法及聯(lián)席會(huì)議制度,為相關(guān)區(qū)縣搭建了平臺(tái),建立起溝通協(xié)調(diào)機(jī)制。
從1978年到2018年,中國(guó)改革開放已走過(guò)四十個(gè)年頭。四十年來(lái),隨著經(jīng)濟(jì)高速發(fā)展,中國(guó)社會(huì)組織的發(fā)展也進(jìn)入了快車道。社會(huì)組織數(shù)量的快速增長(zhǎng)、社會(huì)組織活動(dòng)領(lǐng)域不斷擴(kuò)展,社會(huì)組織的貢獻(xiàn)和作用已引起黨和人民的高度關(guān)注,黨的十九大報(bào)告對(duì)社會(huì)組織賦予了極高的政治地位:社會(huì)組織成為新時(shí)代民主協(xié)商制度的重要類別;社會(huì)組織與“產(chǎn)業(yè)工人、青年農(nóng)民、高知識(shí)群體、非公有制經(jīng)濟(jì)組織”并列為重要的黨建力量。
皂市水庫(kù)位于湖南省常德市石門縣,為大(Ⅰ)型年調(diào)節(jié)水庫(kù)[10],以防洪、發(fā)電、供水等功能為主。壩址以上控制面積3 000 km2,多年平均流量99.3 m3/s。水庫(kù)正常蓄水位140 m,總庫(kù)容14.39 億m3,興利庫(kù)容9.66 億m3,防洪庫(kù)容7.8 億m3,死庫(kù)容2.71 億m3,有效庫(kù)容11.68 億m3,庫(kù)容系數(shù)為0.3[11,12]。
百香果汁、胡蘿卜汁、白砂糖、接種菌種、穩(wěn)定劑黃原膠∶CMC(1∶1) 的添加量分別控制在4.0%,25.0%,10.0%,1.0%,0.1%;然后將發(fā)酵溫度分別控制在41,43,45℃,研究產(chǎn)品的最佳發(fā)酵溫度。
2021年皂市水庫(kù)水質(zhì)全年均為Ⅱ類水及以上,而澧水下游及環(huán)洞庭湖區(qū)的區(qū)縣在枯水年份供水缺口較大,且供水水源為Ⅲ類水,用水矛盾突出,水資源配置能力不足。為滿足優(yōu)水優(yōu)用、空間均衡的供水需求,常德市“十四五”水安全保障規(guī)劃擬建設(shè)皂市引調(diào)水工程,以保障石門縣、澧縣、臨澧縣、津市市、安鄉(xiāng)縣的用水安全。因此,研究皂市水庫(kù)的兼顧供水、發(fā)電、生態(tài)多目標(biāo)的調(diào)度,有利于充分發(fā)揮水庫(kù)功能,提高用水效率。皂市水庫(kù)及其對(duì)各區(qū)縣的供水路線概況如圖1所示。
竹節(jié)蓼藥材的HPLC指紋圖譜建立及聚類分析…………………………………………………… 黎 理等(12):1640
圖1 研究區(qū)概況Fig.1 Summary of study area
水庫(kù)基本數(shù)據(jù)資料包括:皂市水庫(kù)的正常蓄水位、防洪限制水位、死水位、庫(kù)容-水位關(guān)系曲線、下游水位-下泄流量關(guān)系曲線、水庫(kù)發(fā)電機(jī)組出力約束值;水文資料為皂市站1953年-2021年的逐月流量數(shù)據(jù)。研究數(shù)據(jù)來(lái)自湖南省江埡和皂市水庫(kù)管理處。對(duì)69年的徑流系列進(jìn)行頻率計(jì)算,選擇平水年、枯水年、特枯水年3種典型年進(jìn)行分析,其中平水年選取1988年(P=50%),枯水年選取2013年(P=75%),特枯年選取2019年(P=95%)。
CEA正常范圍:0~10×103 ng·L-1;CA19-9正常范圍:0~37×103 ng·L-1;CA15-3正常范圍:0~35×103 ng·L-1;NES正常范圍:0~16×103 ng·L-1。
社會(huì)經(jīng)濟(jì)資料包括石門縣、澧縣、臨澧縣、津市市和安鄉(xiāng)縣的人口、工業(yè)增加值、灌溉面積、用水定額等數(shù)據(jù),來(lái)自《常德市水資源公報(bào)(2017-2020年)》、《中國(guó)縣域統(tǒng)計(jì)年鑒(2017-2020年)》、《湖南省水資源公報(bào)(2017-2020年)》及相關(guān)規(guī)劃報(bào)告。采用定額法結(jié)合趨勢(shì)法預(yù)測(cè)2030 規(guī)劃水平年條件下的逐月需水總量,經(jīng)計(jì)算,2030年總需水量為17.025億m3,其年內(nèi)分配過(guò)程如圖2所示。
圖2 2030年研究區(qū)需水量年內(nèi)分配預(yù)測(cè)Fig.2 Forecast of annual water demand allocation in the study area in 2030
首先建立面向發(fā)電、供水和生態(tài)的皂市水庫(kù)多目標(biāo)優(yōu)化調(diào)度模型,而后采用多目標(biāo)混合蛙跳差分進(jìn)化算法(MSFL-DEA)與多屬性決策的方法相結(jié)合的求解方法,該方法的總體思路是:利用MSFL-DEA 求解多目標(biāo)優(yōu)化問題,得到Pareto 最優(yōu)解集;再采用AHP-TOPSIS組合賦權(quán),在備選方案集中尋找符合決策者偏好的最優(yōu)決策方案。
2.1.1 目標(biāo)函數(shù)
(1)社會(huì)效益:調(diào)度期內(nèi)供水滿足度最大。
式中:Qs,t為t時(shí)段皂市水庫(kù)向澧水尾閭及洞庭湖腹地各縣的供水流量,m3/s;T為總調(diào)度期時(shí)長(zhǎng),取值為12;Δt為計(jì)算時(shí)段長(zhǎng)度,s;Wt為t時(shí)段的需水總量,m3。
(2)發(fā)電效益:調(diào)度期內(nèi)總發(fā)電量最大。
Web頁(yè)面除了提供對(duì)集成數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的數(shù)據(jù)檢索服務(wù)外,還包括添加新序列,序列同源搜索分析,序列的比對(duì)分析和分析結(jié)果的圖像顯示等服務(wù)。
式中:E為整個(gè)調(diào)度期內(nèi)的總發(fā)電量,億kWh;k為皂市電站發(fā)電綜合系數(shù),取k=8.75;Qt為t時(shí)段皂市電站發(fā)電引用流量,m3/s;Ht為t時(shí)段皂市電站發(fā)電凈水頭,m;Δt為計(jì)算時(shí)間長(zhǎng)度,h。
(3)生態(tài)效益:生態(tài)流量滿足度最高。
式中:cd(t)表示t時(shí)段河道生態(tài)流量滿足度,無(wú)量綱;若河道內(nèi)生態(tài)流量低于最小值,cd(t)取0;若介于最小值和適宜生態(tài)流量下限之間,取值范圍為0~0.5;若介于適宜生態(tài)流量區(qū)之間,取值范圍為0.5~1;若大于適宜生態(tài)流量區(qū)間上限,則記為1[13];Qdk(t)表示t時(shí)段皂市水庫(kù)向河道下游的下泄流量,Qdk,min(t)表示生態(tài)流量約束下限,Qdk,max(t)表示生態(tài)流量約束上限;單位均為m3/s??紤]到研究區(qū)缺乏生態(tài)資料,參考張寒等[10]基于逐月頻率法結(jié)合Tennant法預(yù)測(cè)的渫水生態(tài)流量結(jié)果,取逐月頻率P=75%~25%為推薦適宜生態(tài)流量區(qū)間。
2.1.2 約束條件
(1)水量平衡約束。
水庫(kù)的多目標(biāo)優(yōu)化調(diào)度需要考慮復(fù)雜的水力聯(lián)系,同時(shí)還需要處理眾多的約束條件,包括水量平衡約束、水庫(kù)庫(kù)容約束等:
式中:Qin(t)、Qout(t)分別表示為t時(shí)段的水庫(kù)入庫(kù)及出庫(kù)流量,m3/s;V(t+1)、V(t)分別表示為t+1和t時(shí)段的水庫(kù)庫(kù)容,m3;Δt為計(jì)算時(shí)段長(zhǎng),s。
經(jīng)過(guò)多次試算,MSFL-DEA算法參數(shù)設(shè)置為Np=200,N=10,M=20,G=1 000,K=12,F(xiàn)0=0.5、CR=0.3,NEA=90,進(jìn)而求解得到皂市水庫(kù)平(50%)、枯(75%)、特枯(95%)3 種頻率來(lái)水輸入條件下皂市水庫(kù)供水、發(fā)電和生態(tài)多目標(biāo)的非劣調(diào)度方案集,Pareto前沿在兩兩目標(biāo)上的投影分別如圖3~5所示。
式中:Vmin(t)、V(t)、Vmax(t)分別表示為t時(shí)段水庫(kù)的最小庫(kù)容、實(shí)際庫(kù)容以及最大庫(kù)容,m3。其中汛期(4-7月)允許最高水位為防洪限制水位,對(duì)應(yīng)庫(kù)容6.049 億m3,非汛期(8月至翌年3月)允許最高水位為正常蓄水位,對(duì)應(yīng)庫(kù)容11.998 億m3,最小庫(kù)容為死庫(kù)容2.691 億m3。
(3)出庫(kù)流量約束。
式中:Qmin(t)、Qmax(t)分別表示為t時(shí)段水庫(kù)的最小及最大下泄流量,m3/s;最大下泄流量依據(jù)皂市水庫(kù)工程特性,取設(shè)計(jì)洪水位最大下泄流量12 526 m3/s。最小下泄流量依據(jù)《水利部關(guān)于印發(fā)澧水流域水量分配方案的通知》,在現(xiàn)狀通航條件下,取近期水平年的最小下泄流量為22.0 m3/s。
新中國(guó)成立后,爺爺奶奶成為地道的貧苦農(nóng)民,每天早出晚歸,參與人民公社集體耕作掙工分,晚上熬夜紡棉花,養(yǎng)活兒女。后來(lái)趕上物質(zhì)極度匱乏的三年自然災(zāi)害,家里常常無(wú)米下鍋,爺爺奶奶想著法子續(xù)上一家子的性命,吃野菜、啃樹皮,穿衣更是“新老大,舊老二,縫縫補(bǔ)補(bǔ)給老三”,最終挺過(guò)糧食關(guān)。這段時(shí)期,這對(duì)銀鐲子成了家里最值錢的東西。
(4)皂市電站出力約束。
式中:Nt表示t時(shí)段皂市電站的發(fā)電出力,MW;Nmin、Nmax分別為t時(shí)段皂市電站的最小發(fā)電出力、最大發(fā)電出力,分別取18.3、120 MW。
2.2.1 模型編碼
皂市多目標(biāo)優(yōu)化調(diào)度模型是以月為單位的中長(zhǎng)期優(yōu)化調(diào)度模型,調(diào)度周期為年,則模型的時(shí)段長(zhǎng)度T=12。模型選擇皂市水庫(kù)在各時(shí)段初(末)水庫(kù)庫(kù)容V(t)為狀態(tài)變量,對(duì)應(yīng)決策變量維度DV=13。由于皂市水庫(kù)還需要向澧水下游及洞庭湖區(qū)供水,模型將供水流量Qs,t也作優(yōu)化,對(duì)應(yīng)供水流量的決策變量維度DQ=T=12。因此,模型決策變量維度D=DV+DQ=25,如下所示:
2.2.2 計(jì)算步驟
確定模型編碼后,分別選取50%、75%、95%三種頻率來(lái)水作為模型輸入,調(diào)度起止時(shí)段設(shè)置為4月至次年3月,設(shè)置各水庫(kù)初水位為汛限水位,末水位為相應(yīng)典型年來(lái)水輸入條件下的常規(guī)調(diào)度結(jié)果末水位。采用多目標(biāo)混合蛙跳差分進(jìn)化算法[8]對(duì)模型進(jìn)行求解,計(jì)算步驟如下:
限于篇幅限制,選用標(biāo)準(zhǔn)函數(shù)DTLZ2和DTLZ7[14]對(duì)MSFLDEA 算法進(jìn)行測(cè)試,采用反向世代距離(IDG)[15]和超體積指標(biāo)(HV)[16]綜合表現(xiàn)算法的收斂性和多樣性,并與常用的算法結(jié)果進(jìn)行對(duì)比,包括多目標(biāo)粒子群優(yōu)化算法(MOPSO)[17]、快速非支配排序進(jìn)化算法(NSGA-III)[18]、基于分解的多目標(biāo)進(jìn)化算法(MOEAD)[19]。對(duì)比結(jié)果如表1所示,IDG 值越小,HV 值越大,代表算法的性能越優(yōu)良。
微生物制劑在我國(guó)水產(chǎn)養(yǎng)殖事業(yè)發(fā)展中發(fā)揮著巨大的推動(dòng)作用,有著非常廣闊的發(fā)展空間。微生物制劑不但能夠促進(jìn)養(yǎng)殖產(chǎn)品的快速生長(zhǎng)、繁衍,還可以減小水產(chǎn)養(yǎng)殖成本、降低對(duì)環(huán)境的污染。微生物制劑作為一種綠色無(wú)污染的添加劑,在未來(lái)必然會(huì)獲得人們的認(rèn)同與大量應(yīng)用。
(2)約束處理:某決策變量不滿足約束條件時(shí),將其適應(yīng)度函數(shù)值取為接近于零的一個(gè)較小數(shù)值,確定輸出的決策變量符合約束條件。
(3)初始化:基于混沌理論生成初始種群,隨機(jī)選取D個(gè)[0,1]區(qū)間的內(nèi)不同的初始值,構(gòu)成初始序列,通過(guò)Logistic映射得到Np個(gè)軌跡不同的混沌序列;將混沌序列放大到各時(shí)段水庫(kù)庫(kù)容及供水流量的取值范圍,得到Np個(gè)初始種群。
在應(yīng)用過(guò)程中,水庫(kù)運(yùn)行往往只需要一組水庫(kù)優(yōu)化調(diào)度方案,基于2.2 求解得到的Pareto 調(diào)度方案集,采用AHP[20,21]與TOPSIS[22,23]的主客觀組合賦權(quán)法,先通過(guò)AHP 計(jì)算發(fā)電量、供水滿足度和生態(tài)滿足度3 個(gè)指標(biāo)的主觀權(quán)重,通過(guò)一致性檢驗(yàn)后,根據(jù)TOPSIS 計(jì)算每個(gè)非劣解到理想解的相對(duì)接近度S,優(yōu)選得到組合賦權(quán)后各頻率來(lái)水下的供水優(yōu)先、發(fā)電優(yōu)先、生態(tài)優(yōu)先以及均衡方案。方法原理詳見文獻(xiàn)[23]。
2.炒鍋置火上,放菜油燒至四成熱,下干辣椒節(jié)炒幾下,再下牛油炒熱放豆瓣醬炒香,下姜片、蒜片,炸出香味,倒入鮮湯,用大火燒沸,下醪糟汁、精鹽、冰糖,熬 10 min,下花椒熬出香味,舀入火鍋中,打去浮沫,加入味精,即為湯汁?;疱侟c(diǎn)火,放入紅棗、豬蹄塊、蹄筋煮沸,便可隨意燙食。
(5)隨機(jī)排序:按照非劣等級(jí)對(duì)種群個(gè)體在各等級(jí)內(nèi)隨機(jī)排序,所有個(gè)體混合后劃分N個(gè)子種群,每個(gè)子種群個(gè)體數(shù)為M,選擇子種群中第M個(gè)個(gè)體為子種群最差解。
(6)局部搜索更新:基于自適應(yīng)策略差分算法更新各子種群中的最差解,主要包括變異、交叉、選擇3種操作。
(7)子種群混合:各子種群局部搜索完成后,將所有個(gè)體混合,重新組合成Np個(gè)個(gè)體的種群,轉(zhuǎn)入步驟(4)。
(5)對(duì)照1組與對(duì)照2組采用新鮮土豆片外敷,馬鈴薯系薯類食物,屬茄科植物,含有大量淀粉、各種鹽類及龍葵素等。龍葵素有緩解痙攣、減少滲出的作用,局部外敷有消腫止痛作用。中醫(yī)認(rèn)為馬鈴薯具有清熱解毒、消腫散瘀的作用,現(xiàn)代醫(yī)學(xué)證明:馬鈴薯中的茄堿能夠降低組織滲透性,抑制透明質(zhì)酸酶活性和抗組胺作用而具有消炎及抗過(guò)敏作用。但臨床效果觀察及對(duì)比研究顯示,采用中西藥交替外敷對(duì)防治化療性靜脈炎效果更顯著。
(8)判斷是否達(dá)到預(yù)定的全局迭代次數(shù)G,若沒有達(dá)到,轉(zhuǎn)入步驟(4);否則,算法結(jié)束,輸出EA中的Pareto最優(yōu)解集。
2.2.3 數(shù)值計(jì)算分析
(1)參數(shù)設(shè)定:設(shè)置初始種群規(guī)模Np、子種群數(shù)N,每個(gè)子種群個(gè)體數(shù)量M,全局迭代次數(shù)G,子種群迭代次數(shù)K,變異率F0、交叉率CR,外部檔案集NEA。
表1 各算法測(cè)試結(jié)果對(duì)比Tab.1 The test results comparison of each algorithm
由表1可見,MSFL-DEA 算法的IDG指標(biāo)均小于其余算法,HV 指標(biāo)均大于其他算法,表明MSFL-DEA 算法的種群多樣性強(qiáng),可以更好地避免陷入局部最優(yōu),算法的尋優(yōu)性能也更高,具有較好的收斂性。
春天的田野是美麗的:蔚藍(lán)的天空中,慢悠悠地飄過(guò)一朵朵潔白無(wú)瑕的云,它們沒有線條,就像只用白色顏料潑出來(lái)一般,隨意而自由。山路兩旁有成片的野酸棗樹、桃樹、山楂、野荊,這個(gè)時(shí)節(jié)有些果木正好開花,成群的蜜蜂嗡嗡地在花叢間飛來(lái)飛去,一刻不閑地忙碌著??v橫交錯(cuò)的河支細(xì)干在小山村中縱情蜿蜒,河水清澈甘冽,調(diào)皮的魚兒在纖柔的水草間來(lái)回穿行,時(shí)不時(shí)吐出一串串晶瑩的水泡。這真是一幅美麗的春景圖。
(4)目標(biāo)函數(shù)計(jì)算:計(jì)算每個(gè)個(gè)體的各個(gè)目標(biāo)函數(shù)值,進(jìn)行非支配排序,依據(jù)動(dòng)態(tài)更新機(jī)制更新外部歸檔集(EA),隨機(jī)選擇全局最優(yōu)解Gbest。
(2)水庫(kù)庫(kù)容約束。
圖3 不同來(lái)水頻率下發(fā)電、供水目標(biāo)二維投影Fig.3 Two-dimensional projection of power generation and water supply targets under different inflow frequencies
圖3 反映隨著生態(tài)滿足度的變化,不同頻率來(lái)水條件下供水目標(biāo)和發(fā)電目標(biāo)之間的關(guān)系。當(dāng)生態(tài)滿足度較低時(shí),發(fā)電量隨供水滿足度的增加呈現(xiàn)明顯的減小趨勢(shì),生態(tài)滿足度較高時(shí),發(fā)電量和供水滿足度關(guān)系變化不明顯;當(dāng)生態(tài)滿足度增大時(shí),供水目標(biāo)和發(fā)電目標(biāo)之間的點(diǎn)據(jù)呈現(xiàn)下移趨勢(shì),表現(xiàn)為供水效益隨著生態(tài)效益的增大而減小。
圖4 反映隨著供水滿足度的變化,不同頻率來(lái)水條件下生態(tài)目標(biāo)和發(fā)電目標(biāo)之間的關(guān)系。當(dāng)供水滿足度為定值時(shí),發(fā)電量會(huì)隨生態(tài)滿足度的增加而減小,即供水效益會(huì)隨發(fā)電效益的提高而減??;當(dāng)供水滿足度增大時(shí),生態(tài)目標(biāo)和發(fā)電目標(biāo)之間的點(diǎn)據(jù)呈現(xiàn)下移趨勢(shì),表現(xiàn)為生態(tài)效益隨著供水效益的增大而減小。
圖4 不同來(lái)水頻率下發(fā)電、生態(tài)目標(biāo)二維投影Fig.4 Two-dimensional projection of power generation and ecological targets under different influent frequencies
圖5 反映隨著發(fā)電量的變化,不同頻率來(lái)水條件下生態(tài)目標(biāo)和供水目標(biāo)之間的關(guān)系。當(dāng)發(fā)電量為定值時(shí),供水滿足度會(huì)隨生態(tài)滿足度的增加而減小,即供水效益會(huì)隨生態(tài)效益的提高而減?。划?dāng)發(fā)電量增大時(shí),生態(tài)目標(biāo)和發(fā)電目標(biāo)之間的點(diǎn)據(jù)呈現(xiàn)下移趨勢(shì),表現(xiàn)為生態(tài)效益隨著發(fā)電量的增大而減小。
圖5 不同來(lái)水頻率下供水、生態(tài)目標(biāo)二維投影Fig.5 Two-dimensional projections of water supply and ecological objectives under different inflow frequencies
根據(jù)圖3~5,隨著水庫(kù)上游來(lái)水的減少,流域供水滿足度從0.75~0.92(P=50%)減小至0.55~0.75(P=95%),下降程度約為22.6%;水庫(kù)水電站發(fā)電量從3.62~4.07 億kWh(P=50%)減少至2.03~2.30 億kWh(P=95%),下降程度約為43.7%;而皂市水庫(kù)下游河道的生態(tài)滿足度從 0.54~0.90(P=50%)減少至0.39~0.68(P=95%),下降程度約為26.1%。水庫(kù)的供水、發(fā)電和生態(tài)目標(biāo)滿足度均隨著來(lái)水量的減少而得到不同程度的降低,發(fā)電效益降低程度最為顯著??傮w而言,皂市水庫(kù)生態(tài)、發(fā)電和供水目標(biāo)之間呈現(xiàn)競(jìng)爭(zhēng)關(guān)系,其中,生態(tài)目標(biāo)與發(fā)電目標(biāo)、供水目標(biāo)與生態(tài)目標(biāo)的競(jìng)爭(zhēng)關(guān)系相對(duì)更為明顯,而發(fā)電目標(biāo)和供水目標(biāo)間的競(jìng)爭(zhēng)關(guān)系相對(duì)較弱。考慮水庫(kù)發(fā)電用水下泄后還可以被用水區(qū)域利用,因此發(fā)電和供水兩個(gè)目標(biāo)之間的競(jìng)爭(zhēng)性相對(duì)較弱。
根據(jù)2.3 計(jì)算得到各來(lái)水頻率下的供水優(yōu)先、發(fā)電優(yōu)先、生態(tài)優(yōu)先以及均衡方案,不同方案在非劣解集中的位置如圖6所示。
圖6 不同頻率來(lái)水非劣解集分布結(jié)果Fig.6 Distribution results of non-inferior solutions under different inflow frequencies
統(tǒng)計(jì)各方案目標(biāo)值,如表2所示。不同來(lái)水下,均衡方案到理想解的相對(duì)接近度S均最高。供水優(yōu)先方案除供水目標(biāo)最優(yōu),發(fā)電量和生態(tài)滿足度都較低;發(fā)電優(yōu)先方案的發(fā)電目標(biāo)最優(yōu),在P=50%和P=95%頻率來(lái)水情況下,生態(tài)滿足度略高于均衡方案,但供水滿足度較低,P=75%時(shí)情況相反;生態(tài)優(yōu)先方案的生態(tài)滿足度最高,但供水滿足度明顯較小,P=75%和P=95%時(shí)發(fā)電量也較低,P=50%時(shí)則略高于均衡方案;在P=50%、75%、95%三種頻率來(lái)水情況下,均衡方案比單一優(yōu)先方案的最高指標(biāo)值降低約4.29%、12.08 和5.15%,但比指標(biāo)最低值增加8.56%、18.14%和9.73%,對(duì)發(fā)電、供水和生態(tài)3個(gè)目標(biāo)的改善程度更高。隨著來(lái)水量的減少,三種目標(biāo)值均有所降低,在各頻率來(lái)水情況下,單一目標(biāo)優(yōu)先的方案均以犧牲其他目標(biāo)為代價(jià),而均衡方案偏向折中,更為協(xié)調(diào)。
表2 各頻率來(lái)水下不同調(diào)度方案目標(biāo)值Tab.2 The target value of different underwater scheduling schemes under different frequencies
選取供水優(yōu)先、發(fā)電優(yōu)先、生態(tài)優(yōu)先和均衡方案這4個(gè)典型方案,以75%頻率來(lái)水條件為例,分別繪制各方案的皂市水庫(kù)水位過(guò)程、下泄流量、水庫(kù)發(fā)電量及供水滿足度圖,如圖7所示。
圖7 75%頻率來(lái)水各方案調(diào)度過(guò)程Fig.7 Different scheduling processes under 75% frequency influent condition
根據(jù)圖7(a),汛期4-7月份供水優(yōu)先方案水位較低,非汛期8月-次年3月生態(tài)優(yōu)先方案水位較低,6月起發(fā)電優(yōu)先方案的水位逐漸高于其他方案。整體而言,水庫(kù)水位過(guò)程增長(zhǎng)和消落趨勢(shì)基本同步,但是水位差異明顯。供水優(yōu)先方案的水位過(guò)程相對(duì)較低;發(fā)電優(yōu)先方案的水庫(kù)消落度相對(duì)較大,更有利于發(fā)電;生態(tài)優(yōu)先方案的水庫(kù)水位過(guò)程相對(duì)平緩,消落度?。痪夥桨傅乃贿^(guò)程介于其他方案之間。
根據(jù)圖7(b),各方案4-10月份用水區(qū)域的缺水程度較大,11月-次年3月的供水量都能滿足研究區(qū)的需水要求,主要原因在于4-10月的農(nóng)業(yè)需水占比高。供水優(yōu)先和均衡方案各月的供水滿足度整體較高,但是9月份供水優(yōu)先方案的下泄流量極低,生態(tài)破壞程度嚴(yán)重;生態(tài)優(yōu)先和發(fā)電優(yōu)先方案的供水滿足度起伏較大,其中4月份生態(tài)優(yōu)先方案的供水滿足度最低,僅為8.36%,遠(yuǎn)低于其他方案,但下泄流量處于適宜生態(tài)流量區(qū)間范圍內(nèi);7月份各方案的供水滿足度處在13%~20%之間,這是因?yàn)?月份為下游區(qū)縣需水最大的月份,農(nóng)業(yè)需水占全年的28.5%,同時(shí)該月生態(tài)下流流量也相對(duì)較低。
根據(jù)圖7(c),生態(tài)優(yōu)先方案各月的下泄流量均高于最小生態(tài)流量,且大多處于適宜生態(tài)流量區(qū)間范圍內(nèi);供水優(yōu)先方案的下泄流量大多月份低于均衡方案,但除9月份外,都高于最小生態(tài)流量;發(fā)電優(yōu)先方案和均衡方案的下泄流量起伏較大,5月、7月和8月均低于最小生態(tài)流量,但發(fā)電優(yōu)先方案的下泄流量更低,生態(tài)破壞程度更大。
根據(jù)圖7(d),發(fā)電優(yōu)先方案6月和10月的發(fā)電量峰值高,年發(fā)電總量大,但下泄流量較大,超出適宜生態(tài)流量上限,且5月、7月、8月、12月的發(fā)電量處于較低水平;均衡方案發(fā)電量在6月和9月較高,下泄流量處于適宜生態(tài)流量區(qū)間范圍內(nèi),但1月、2月的發(fā)電量較低;年總發(fā)電量?jī)H次于發(fā)電優(yōu)先方案;供水優(yōu)先方案和生態(tài)優(yōu)先方案的發(fā)電量年內(nèi)起伏較小,其中生態(tài)優(yōu)先方案的發(fā)電量在9-11月處于較低水平,而供水優(yōu)先方案的各月發(fā)電量介于其他方案之間,差異較小,年總發(fā)電量低于發(fā)電優(yōu)先方案及均衡方案。
(4)將第4行對(duì)角元以右的1個(gè)元素賦值給對(duì)角元以下的1個(gè)元素;再對(duì)第4行的1個(gè)元素規(guī)格化;繼而對(duì)第4列元素消元,僅計(jì)算虛線框中的1個(gè)元素,見圖5下圖。
研究以水庫(kù)發(fā)電量最大、下游生態(tài)流量滿足度最大以及石門縣等下游區(qū)縣供水滿足度最大為優(yōu)化目標(biāo),在P=50%、75%和95%三種不同頻率來(lái)水條件下,構(gòu)建了面向供水、發(fā)電和生態(tài)的皂市水庫(kù)多目標(biāo)供水調(diào)度模型,采用多目標(biāo)混合蛙跳差分進(jìn)化算法進(jìn)行求解,并基于AHP 和TOPSIS 組合賦權(quán)法進(jìn)行方案優(yōu)選,得到結(jié)論如下。
(1)依據(jù)多目標(biāo)關(guān)系分析,在不同頻率來(lái)水條件下,隨著水庫(kù)上游來(lái)水的減少,供水、發(fā)電和生態(tài)效益呈現(xiàn)不同程度的降低,其中發(fā)電效益下降最為顯著,其次為生態(tài)效益和供水效益;在相同頻率來(lái)水條件下,生態(tài)目標(biāo)與發(fā)電目標(biāo)、供水目標(biāo)與生態(tài)目標(biāo)的競(jìng)爭(zhēng)關(guān)系相對(duì)更為明顯,而發(fā)電目標(biāo)和供水目標(biāo)間的競(jìng)爭(zhēng)關(guān)系相對(duì)較弱。
鞋子華麗、高貴,這在以前,李若定然是發(fā)狂地歡喜,這是她夢(mèng)寐以求的事??墒钱?dāng)她真的站在琳瑯滿目的櫥窗前,心卻是灰的。
(2)依據(jù)組合賦權(quán)法得到各頻率來(lái)水下的供水優(yōu)先、發(fā)電優(yōu)先、生態(tài)優(yōu)先以及均衡方案,可根據(jù)決策者的偏好進(jìn)行方案選擇,其中均衡方案在滿足年發(fā)電量、年供水滿足度和年生態(tài)滿足度均相對(duì)較高的同時(shí),對(duì)其他方案最低值的改善程度高于對(duì)最高值的削減程度,且年內(nèi)各月的供水、生態(tài)及發(fā)電過(guò)程也相對(duì)協(xié)調(diào)(以P=75%為例)。均衡方案的優(yōu)化調(diào)度結(jié)果為:P=50%時(shí),年發(fā)電量為3.697 億kWh,供水滿足度為0.871,生態(tài)滿足度為0.861;P=75%時(shí),年發(fā)電量為2.981 億kWh,供水滿足度為0.775,生態(tài)滿足度為0.699;P=95%時(shí),年發(fā)電量為2.155 億kWh,供水滿足度為0.702,生態(tài)滿足度為0.615。