關(guān)鍵詞：防洪調(diào)度；防洪重點(diǎn)時(shí)段；動(dòng)態(tài)規(guī)劃；灰狼算法；構(gòu)皮灘水庫(kù)

中圖分類號(hào)：TV697. 1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-9235（2024）11-0062-10

洪澇是發(fā)生頻次最高、危害和損失最大的自然災(zāi)害之一［1］，防洪不僅關(guān)系到人民的生命和財(cái)產(chǎn)安全，也關(guān)系到國(guó)家和社會(huì)的長(zhǎng)遠(yuǎn)發(fā)展。水庫(kù)是防洪的重要工程措施［2］，水庫(kù)防洪調(diào)度是水利調(diào)度的重要部分，旨在確保水庫(kù)大壩工程安全的前提下，根據(jù)上下游來(lái)水情況攔蓄洪水、削峰錯(cuò)峰，最大限度減少洪水對(duì)下游地區(qū)的影響。

近年來(lái)國(guó)內(nèi)外對(duì)于水庫(kù)防洪調(diào)度的研究已較為廣泛，取得了大量的成果，建立了各種水庫(kù)防洪調(diào)度模型，比如最大防洪安全保證模型［3］、最大削峰模型［4］、最高調(diào)洪水位最小模型［5］；同時(shí)，眾多專家學(xué)者引入各種思想方法研究水庫(kù)防洪調(diào)度模型的求解，比如王文川等［6］提出一種輕量化的Mε-OIDE約束優(yōu)化算法進(jìn)行求解，賈本有等［7］利用自適應(yīng)擬態(tài)物理學(xué)算法（Adaptive Artificial PhysicsOptimlzation，AAPO）求解水庫(kù)防洪調(diào)度模型，馬志鵬等［8］采用混合粒子群算法研究了百色水庫(kù)的優(yōu)化調(diào)度，改進(jìn)的多目標(biāo)差分進(jìn)化算法［9］、基于約束條件進(jìn)行編碼的改進(jìn)遺傳算法［ 10］、穩(wěn)定的改進(jìn)動(dòng)態(tài)規(guī)劃（Stable Improved Dynamic Programming，SIDP ）算法［11］、改進(jìn)禿鷹搜索算法［12］等改進(jìn)算法也運(yùn)用到水庫(kù)防洪的求解中。但由于水庫(kù)防洪調(diào)度模型的求解具有多階段、多約束等特征，獲得相應(yīng)最優(yōu)解仍是學(xué)術(shù)界和工程界的關(guān)鍵技術(shù)難題［13］。目前現(xiàn)有的優(yōu)化方法存在約束難處理、早熟收斂、求解效率低等缺點(diǎn)［14］。灰狼優(yōu)化算法作為一種新興的算法，近年來(lái)其在電力調(diào)度、工程作業(yè)調(diào)度、預(yù)測(cè)等領(lǐng)域的應(yīng)用逐漸增多，將灰狼優(yōu)化算法與其他算法融合可以產(chǎn)生更好的效果［15］?；依莾?yōu)化算法原理通俗易懂、魯棒性較好［16］、有較強(qiáng)的收斂性［17］、求解速度較快并且算法參數(shù)較少［18］，李浩平等［19］在研究柔性作業(yè)車間調(diào)度問(wèn)題時(shí)指出，相對(duì)于遺傳算法、NSGA、PSO-GA的求解結(jié)果，改進(jìn)灰狼算法求解效率高，精度好，具有較高的實(shí)際應(yīng)用潛力。Motlagh等［20］研究了灰狼優(yōu)化算法（Gray Wolf Optimization，GWO）和遺傳算法（Genetic Algorithm，GA）在Taleghan 水壩水資源配置優(yōu)化中的應(yīng)用，模擬從2010年到2020年的水資源需求，結(jié)果表明灰狼優(yōu)化算法在最優(yōu)化目標(biāo)函數(shù)、脆弱性指數(shù)和時(shí)間可靠性等方面表現(xiàn)優(yōu)于遺傳算法，可以幫助決策者優(yōu)化配置水資源。目前，灰狼優(yōu)化算法在水庫(kù)調(diào)度領(lǐng)域的運(yùn)用還比較少，因此將灰狼優(yōu)化算法與其他算法進(jìn)行融合，運(yùn)用于水庫(kù)防洪問(wèn)題的求解是有實(shí)際意義的。

本文以烏江構(gòu)皮灘水庫(kù)為研究對(duì)象，以水庫(kù)下游控制斷面的洪峰流量最小為目標(biāo)，建立水庫(kù)防洪優(yōu)化調(diào)度模型，基于防洪各時(shí)段的重要性，提出防洪重點(diǎn)時(shí)段和非重點(diǎn)時(shí)段的概念，將動(dòng)態(tài)規(guī)劃與灰狼優(yōu)化算法進(jìn)行耦合。通過(guò)對(duì)極端洪水、常遇較大洪水的2個(gè)典型案例進(jìn)行模擬調(diào)度，從水庫(kù)出庫(kù)流量、庫(kù)水位、下游控制斷面洪峰流量、求解耗時(shí)等方面進(jìn)行對(duì)比分析，以論證本文所建模型及所提出的耦合動(dòng)態(tài)規(guī)劃與灰狼算法的合理性。

1水庫(kù)優(yōu)化調(diào)度模型及求解方法

1. 1最大下泄流量最小模型

最大下泄流量最小模型基本思想是利用水庫(kù)防洪庫(kù)容，對(duì)入庫(kù)洪水進(jìn)行調(diào)節(jié)，通過(guò)人為控制水庫(kù)對(duì)洪水的攔蓄和下泄，將出庫(kù)流量與下游區(qū)間流量錯(cuò)峰，從而降低下游控制斷面的洪峰流量。

1. 1. 1目標(biāo)函數(shù)

最大下泄流量最小模型一般采用下游防洪控制斷面洪峰流量最小作為目標(biāo)［21］，下游控制斷面的入庫(kù)流量為上游水庫(kù)出庫(kù)流量和下游區(qū)間流量之和，因此目標(biāo)函數(shù)可表示為：

1. 2常規(guī)與智能優(yōu)化相結(jié)合的模型高效求解方法

1. 2. 1動(dòng)態(tài)規(guī)劃算法

動(dòng)態(tài)規(guī)劃法是一種用于求解多階段決策最優(yōu)的數(shù)學(xué)方法，應(yīng)用于水庫(kù)調(diào)度中可確定最優(yōu)解［22］，具體步驟如下。

a）劃分階段。將調(diào)度期（短期為周、日）按日或小時(shí)為時(shí)段劃分為T 個(gè)階段，i 代表階段變量，i=1～T。

b）狀態(tài)變量。取水庫(kù)蓄水量或庫(kù)水位作為狀態(tài)變量，記V_i-1為i 時(shí)段初的水庫(kù)蓄水量，V_i為i 時(shí)段末的水庫(kù)蓄水量。

c）決策變量。取各時(shí)段水庫(kù)的平均下泄流量q_i作為決策變量。

動(dòng)態(tài)規(guī)劃的主要參數(shù)是離散精度，動(dòng)態(tài)規(guī)劃在處理連續(xù)狀態(tài)空間時(shí)，需要將狀態(tài)進(jìn)行離散化處理（將連續(xù)的空間劃分為有限數(shù)量的空間），離散精度反映了離散化的精細(xì)程度，高精度能夠求解得到更準(zhǔn)確的結(jié)果，但計(jì)算成本和時(shí)間也隨之大幅增加。對(duì)于小時(shí)尺度數(shù)據(jù)，離散精度一般取10～50，對(duì)于日尺度數(shù)據(jù)，2個(gè)時(shí)段間的可行解空間較大，離散精度需要在100以上。

1. 2. 2灰狼優(yōu)化算法

灰狼優(yōu)化算法由Mirjalili等［23］于2014年提出，反映了自然界中灰狼家族的社會(huì)制度和群體狩獵行為［24］?；诨依侨后w內(nèi)部等級(jí)關(guān)系和捕食過(guò)程，可以建立數(shù)學(xué)模型來(lái)模擬尋優(yōu)過(guò)程。α 狼是最高等級(jí)的領(lǐng)導(dǎo)狼，β 和δ 是協(xié)助領(lǐng)導(dǎo)的狼，ω 是最低等級(jí)的狼。捕食過(guò)程包括跟蹤獵物、包圍獵物和攻擊獵物。最終目標(biāo)是通過(guò)模擬這些過(guò)程得到最優(yōu)解α，β和δ 則分別表示第二和第三最優(yōu)解，而ω 表示候選解。狼群捕食過(guò)程中的圍捕行為可見式（8）：

灰狼優(yōu)化算法主要有2個(gè)參數(shù)：種群數(shù)量和最大迭代次數(shù)。種群數(shù)量代表算法中狼群的大小，增大種群數(shù)量可以減少陷入局部最優(yōu)解的風(fēng)險(xiǎn)，但會(huì)增加計(jì)算時(shí)間，對(duì)于小時(shí)尺度數(shù)據(jù)種群數(shù)量一般設(shè)置在20～50，對(duì)于日尺度數(shù)據(jù)種群數(shù)量一般設(shè)置在50～100，實(shí)際使用時(shí)可以根據(jù)求解速度和精度的需求對(duì)種群數(shù)量進(jìn)行調(diào)整。最大迭代次數(shù)決定了算法搜尋最優(yōu)解的迭代輪數(shù)，一般從100開始取，求解后若結(jié)果不理想則逐步增加迭代次數(shù)。

1. 2. 3動(dòng)態(tài)規(guī)劃與灰狼算法有機(jī)融合的策略

在模型求解時(shí)，動(dòng)態(tài)規(guī)劃算法求解精度高，但易陷入維數(shù)災(zāi)導(dǎo)致求解時(shí)間長(zhǎng)；灰狼算法屬于啟發(fā)式優(yōu)化算法，較難獲得全局最優(yōu)解［25］。洪水調(diào)度時(shí)，洪峰到來(lái)時(shí)段比較重要，若防洪時(shí)段全部采用動(dòng)態(tài)規(guī)劃求解會(huì)浪費(fèi)大量算力，若完全采用灰狼算法求解，洪峰到來(lái)時(shí)段的求解精度可能達(dá)不到要求。鑒于此，本文引入防洪重點(diǎn)時(shí)段和非重點(diǎn)時(shí)段的概念，重點(diǎn)時(shí)段指可預(yù)見的洪水對(duì)調(diào)度造成較大影響的時(shí)段，非重點(diǎn)時(shí)段指除了重點(diǎn)時(shí)段外的其他時(shí)段，重點(diǎn)時(shí)段和非重點(diǎn)時(shí)段分別采用動(dòng)態(tài)規(guī)劃算法和灰狼算法進(jìn)行求解，從而將動(dòng)態(tài)規(guī)劃算法與灰狼優(yōu)化算法的有機(jī)融合，融合后求解水庫(kù)防洪調(diào)度問(wèn)題的步驟如下。

步驟一 劃分時(shí)段。將防洪調(diào)度期劃分為多個(gè)時(shí)段，根據(jù)可預(yù)見的洪水過(guò)程以及洪水預(yù)報(bào)的精度選取防洪重點(diǎn)時(shí)段（日尺度數(shù)據(jù)按峰現(xiàn)時(shí)段加前后1～2個(gè)時(shí)段確定，因?yàn)榉瀣F(xiàn)前后1～2 d水庫(kù)仍可能遭遇較大洪水，之后洪水逐步結(jié)束；小時(shí)數(shù)據(jù)按可預(yù)見的洪水時(shí)段以及前后幾個(gè)時(shí)段確定，因?yàn)楹樗嬖陔S機(jī)性并且預(yù)報(bào)存在偏差，預(yù)報(bào)精度較高可以取較少的時(shí)段作為重點(diǎn)時(shí)段），其余則確定為非重點(diǎn)時(shí)段。

步驟二 確定適應(yīng)度函數(shù)。根據(jù)水庫(kù)防洪調(diào)度問(wèn)題的優(yōu)化目標(biāo)，適應(yīng)度函數(shù)為目標(biāo)函數(shù)和懲罰函數(shù)的加和，懲罰函數(shù)主要基于下泄流量是否在允許范圍內(nèi)進(jìn)行懲罰，從而滿足防洪中出庫(kù)流量的約束。

步驟三 灰狼優(yōu)化算法求解非重點(diǎn)時(shí)段。將非重點(diǎn)時(shí)段作為灰狼優(yōu)化算法的搜索空間，在搜索過(guò)程中不斷根據(jù)適應(yīng)度函數(shù)值基于灰狼捕食的模擬進(jìn)行尋優(yōu)。

步驟四 更新適應(yīng)度值。基于各灰狼的位置更新適應(yīng)度值。在灰狼優(yōu)化算法的搜索空間中，如果2個(gè)時(shí)段是分開的，表明中間是重點(diǎn)時(shí)段，轉(zhuǎn)到步驟五，將2個(gè)非重點(diǎn)時(shí)段的灰狼算法求解結(jié)果作為動(dòng)態(tài)規(guī)劃算法的輸入，利用動(dòng)態(tài)規(guī)劃算法在前后水位固定的情況下對(duì)重點(diǎn)時(shí)段進(jìn)行尋優(yōu)并更新適應(yīng)度值；若兩個(gè)非重點(diǎn)時(shí)段相連（中間不是重點(diǎn)時(shí)段），直接更新適應(yīng)度值。適應(yīng)度值更新完成后轉(zhuǎn)到步驟六。

步驟五 動(dòng)態(tài)規(guī)劃求解重點(diǎn)時(shí)段?；诨依撬惴▽?duì)非重點(diǎn)時(shí)段的求解結(jié)果，固定重點(diǎn)時(shí)段前后的初末狀態(tài)，根據(jù)目標(biāo)函數(shù)和狀態(tài)轉(zhuǎn)移方程，在重點(diǎn)時(shí)段前后水位固定的情況下進(jìn)行尋優(yōu)，基于目標(biāo)函數(shù)值返回步驟四更新適應(yīng)度值。

步驟六 更新灰狼個(gè)體。根據(jù)步驟四的適應(yīng)度值，依據(jù)灰狼算法的搜索機(jī)制更新非重點(diǎn)時(shí)段灰狼個(gè)體的位置，繼續(xù)進(jìn)行下一代的搜索。

步驟七 判斷是否達(dá)到終止條件。判斷灰狼算法是否達(dá)到最大迭代次數(shù)，若滿足終止條件則結(jié)束求解，輸出最優(yōu)結(jié)果；若不滿足終止條件則回到步驟三繼續(xù)求解。

通過(guò)將動(dòng)態(tài)規(guī)劃算法與灰狼優(yōu)化算法結(jié)合，利用灰狼算法更新非重點(diǎn)時(shí)段的灰狼位置，重點(diǎn)時(shí)段在非重點(diǎn)時(shí)段之間，重點(diǎn)時(shí)段前后水位固定的情況下采用動(dòng)態(tài)規(guī)劃進(jìn)行尋優(yōu)，更新適應(yīng)度值；灰狼算法根據(jù)適應(yīng)度值再次更新位置，動(dòng)態(tài)規(guī)劃根據(jù)灰狼的位置再次對(duì)重點(diǎn)時(shí)段進(jìn)行尋優(yōu)，這樣灰狼算法提供了動(dòng)態(tài)規(guī)劃算法尋優(yōu)的邊界條件，動(dòng)態(tài)規(guī)劃算法的結(jié)果反過(guò)來(lái)又影響灰狼算法的適應(yīng)度值，從而影響灰狼算法對(duì)非重點(diǎn)時(shí)段的尋優(yōu)，這種雙向反饋循環(huán)機(jī)制幫助算法在多次迭代后逐步靠近全局最優(yōu)解。將動(dòng)態(tài)規(guī)劃與灰狼優(yōu)化算法相結(jié)合，從而求解水庫(kù)防洪調(diào)度模型的流程見圖1。

2構(gòu)皮灘水庫(kù)防洪優(yōu)化調(diào)度

2. 1水庫(kù)概況

構(gòu)皮灘水庫(kù)是烏江干流的第七級(jí)，位于貴州省余慶縣境內(nèi)的烏江干流上，距下游思林水庫(kù)89 km。構(gòu)皮灘水庫(kù)壩址以上控制流域面積43 250 km2，占全流域的49%，水庫(kù)正常蓄水位630 m，相應(yīng)庫(kù)容55. 64億m3，設(shè)計(jì)洪水位為632. 89 m，死水位為590m，構(gòu)皮灘水庫(kù)調(diào)節(jié)庫(kù)容為29. 02億m3，滿負(fù)荷發(fā)電流量約為1 800 m3/s，6—7月預(yù)留防洪庫(kù)容4億m3，汛限水位為626. 24 m，8月預(yù)留防洪庫(kù)容2億m3，汛限水位為628. 12 m，具體水位限制按長(zhǎng)江防總和貴州省防辦的調(diào)令執(zhí)行。構(gòu)皮灘水庫(kù)的位置見圖2。

烏江梯級(jí)電站已運(yùn)行十余年，洪水預(yù)報(bào)技術(shù)已經(jīng)較成熟，預(yù)見期為24 h［26］。構(gòu)皮灘水庫(kù)的防洪任務(wù)是確保樞紐自身防洪安全，分擔(dān)烏江中下游防洪任務(wù)。烏江夏季暴雨發(fā)生時(shí)，雨強(qiáng)大，產(chǎn)匯流快，而構(gòu)皮灘水庫(kù)下游的思林、 沙沱水庫(kù)僅具有日調(diào)節(jié)能力，因此構(gòu)皮灘水庫(kù)需要配合思林、沙沱、彭水等攔蓄洪水。由于本文擁有的數(shù)據(jù)較有限，將構(gòu)皮灘水庫(kù)的下游防洪斷面設(shè)定為思林水庫(kù)，思林水庫(kù)的入庫(kù)洪水可分為可控的構(gòu)皮灘出庫(kù)流量、不可控的構(gòu)思區(qū)間流量?jī)刹糠?，根?jù)構(gòu)皮灘及下游水庫(kù)的運(yùn)行情況，本文取構(gòu)皮灘水庫(kù)的安全泄量為8000 m3/s（特殊情況可以超過(guò)）。

2. 2結(jié)果與分析

本文所獲取的洪水?dāng)?shù)據(jù)有日尺度、小時(shí)尺度數(shù)據(jù)，分別以1 d、1 h為單位劃分時(shí)段。本文將選取構(gòu)皮灘水庫(kù)實(shí)際發(fā)生的極端洪水和常遇較大洪水作為2個(gè)典型案例，采用耦合算法進(jìn)行求解，從而論證分析本文所建模型及耦合算法在極端洪水和常遇洪水條件下的適用性和有效性。

2. 2. 1第一場(chǎng)典型洪水

2014年7月中旬，烏江流域遭遇了50年一遇的大洪水，支流清水河、干流構(gòu)皮灘至沙沱區(qū)間甚至遭遇100年一遇的洪水，是一場(chǎng)典型的極端洪水事件，給水庫(kù)的防洪調(diào)度帶來(lái)了很大挑戰(zhàn)。因此第一場(chǎng)典型洪水選自2014年7月13—25日的洪水，此次洪水?dāng)?shù)據(jù)為日尺度數(shù)據(jù)，構(gòu)皮灘水庫(kù)的入庫(kù)、出庫(kù)流量、水位變化過(guò)程及下游區(qū)間流量見圖3。

從圖3可以看出，此輪洪水中構(gòu)皮灘入庫(kù)和下游區(qū)間洪峰都極大，構(gòu)皮灘水庫(kù)在時(shí)段4、5進(jìn)行了錯(cuò)峰，但由于時(shí)段6出庫(kù)達(dá)到8 400 m3/s，下游控制斷面的洪峰流量達(dá)到11 171 m3/s?？紤]到預(yù)報(bào)誤差，將時(shí)段4～7設(shè)定為防洪重點(diǎn)時(shí)段，其余為非重點(diǎn)時(shí)段。求解時(shí)初水位取615. 92 m，依據(jù)實(shí)際情況水位上限設(shè)定為實(shí)際發(fā)生的629. 83 m，末時(shí)段水位不超過(guò)629. 1 m。利用灰狼優(yōu)化算法求解非重點(diǎn)時(shí)段時(shí)，灰狼種群數(shù)量取50，最大迭代次數(shù)取100；動(dòng)態(tài)規(guī)劃求解重點(diǎn)時(shí)段時(shí)，離散精度取300；求解結(jié)果見圖4、5。

從圖4、5可以看出，洪水預(yù)見期前的時(shí)段1—3水庫(kù)保持滿負(fù)荷發(fā)電，沒有棄水；時(shí)段4進(jìn)入洪水預(yù)見期后，水庫(kù)水位處于較低的611. 5 m但預(yù)見到未來(lái)有10 000 m3/s的極端洪水，適當(dāng)預(yù)泄1 000 m3/s騰出庫(kù)容；洪水來(lái)臨前構(gòu)皮灘水庫(kù)預(yù)留了近15億m3的庫(kù)容，因此時(shí)段5—8構(gòu)皮灘水庫(kù)全力攔蓄洪水，根據(jù)下游區(qū)間流量調(diào)整自身出庫(kù)，將下游控制斷面洪峰流量控制在6 446 m3/s，與實(shí)際相比削減了42%。

為分析本文提出的耦合算法的優(yōu)劣，采用不同精度的動(dòng)態(tài)規(guī)劃及灰狼算法同樣對(duì)該場(chǎng)洪水進(jìn)行求解，3個(gè)算法的結(jié)果見表1。

從表1可以看出，日尺度數(shù)據(jù)由于間隔長(zhǎng)，求解空間較大，動(dòng)態(tài)規(guī)劃求解需要較大的離散精度，若較優(yōu)的解不在動(dòng)態(tài)規(guī)劃離散的解空間里，動(dòng)態(tài)規(guī)劃的結(jié)果將受到很大影響，增大離散精度（如100增加到400）可以改善求解結(jié)果（控制斷面洪峰流量由7 438 m3/s 下降至6552 m3/s），但耗時(shí)會(huì)大幅增加（4. 36 s 增加至57. 75 s）；相比而言灰狼算法較靈活，能夠在連續(xù)的搜索空間內(nèi)尋找解，求解速度快，但由于求解空間太大求解結(jié)果不是很優(yōu)（相當(dāng)于動(dòng)態(tài)規(guī)劃離散精度為200的結(jié)果）；將動(dòng)態(tài)規(guī)劃與灰狼算法進(jìn)行耦合，能提高尋優(yōu)能力，求解結(jié)果（控制斷面洪峰流量6 446. 23 m3/s）耗時(shí)僅19. 54 s，而動(dòng)態(tài)規(guī)劃耗時(shí)在90～141 s，可見耦合算法兼顧了求解效率與求解精度。

2. 2. 2第二場(chǎng)典型洪水

2017年6月29日起構(gòu)皮灘水庫(kù)遭遇了暴雨襲擊，本次洪水是近幾年來(lái)構(gòu)皮灘水庫(kù)常遇洪水中的較大洪水［27］，洪水?dāng)?shù)據(jù)為小時(shí)尺度數(shù)據(jù)。因此第二場(chǎng)典型洪水過(guò)程，選2017年6月28日0點(diǎn)至7月3日0點(diǎn)的洪水過(guò)程，構(gòu)皮灘水庫(kù)的入庫(kù)、出庫(kù)流量、水位變化過(guò)程及下游區(qū)間流量見圖6。

從圖6可以看出，此輪洪水洪峰流量較大，時(shí)段67—84構(gòu)皮灘水庫(kù)出庫(kù)洪峰與下游區(qū)間洪峰重疊，造成下游控制斷面洪峰流量接近9 000 m3/s。構(gòu)皮灘入庫(kù)洪水大致為時(shí)段45—85，考慮到預(yù)報(bào)誤差將時(shí)段40—90設(shè)定為防洪重點(diǎn)時(shí)段，其余為非重點(diǎn)時(shí)段。初水位按622. 89 m 確定，時(shí)段45前水庫(kù)水位上限為汛限水位626. 24 m，時(shí)段45—100水位上限取627 m，時(shí)段100開始水位上限取627. 5 m。利用灰狼優(yōu)化算法求解非重點(diǎn)時(shí)段時(shí)，灰狼種群數(shù)量取30，最大迭代次數(shù)取100；動(dòng)態(tài)規(guī)劃求解重點(diǎn)時(shí)段時(shí)，離散精度取50；求解所得結(jié)果見圖7、8。

如圖7、8，在預(yù)見未來(lái)可能出現(xiàn)暴雨的情況下，構(gòu)皮灘以滿負(fù)荷發(fā)電方式運(yùn)行，若發(fā)生大洪水則提高了水能利用率，若洪水不及預(yù)期水庫(kù)也不會(huì)因泄洪產(chǎn)生棄水；時(shí)段24進(jìn)入洪水預(yù)見期后，水庫(kù)水位在處于較高的623. 5m，并且預(yù)見入庫(kù)洪峰在8 000m3/s左右，防洪庫(kù)容較小且入庫(kù)洪水較大，水庫(kù)保持滿負(fù)荷發(fā)電的同時(shí)預(yù)泄2 500 m3/s的流量，加快消落速度以騰出庫(kù)容；時(shí)段45洪峰到來(lái)后構(gòu)皮灘根據(jù)下游區(qū)間流量的變化調(diào)整出庫(kù)流量，時(shí)段67—84出庫(kù)流量減少至2200m3/s左右實(shí)現(xiàn)錯(cuò)峰，將下游控制斷面洪峰流量控制在5 100 m3/s左右，與實(shí)際相比削減了43%，降低了下游的防洪壓力。

為分析本文提出的耦合算法的優(yōu)劣，采用不同精度的動(dòng)態(tài)規(guī)劃及灰狼算法同樣對(duì)該場(chǎng)洪水進(jìn)行求解，3個(gè)算法的結(jié)果見表2。

從表2可以看出，由于是小時(shí)尺度數(shù)據(jù)，動(dòng)態(tài)規(guī)劃算法求解時(shí)，隨著離散精度增加求解時(shí)間增加得非常明顯，離散精度為45時(shí)求解時(shí)間達(dá)到了613s，維數(shù)災(zāi)缺點(diǎn)比較明顯；采用純灰狼算法求解，求解結(jié)果（控制斷面洪峰流量5230. 80 m3/s）介于動(dòng)態(tài)規(guī)劃精度10～20，求解耗時(shí)較少僅有20 s，但求解結(jié)果不是很理想；采用本文提出的耦合動(dòng)態(tài)規(guī)劃與灰狼算法求解，求解結(jié)果（控制斷面洪峰流量5132. 81m3/s）接近動(dòng)態(tài)規(guī)劃離散精度35～40的結(jié)果，耗時(shí)71. 27s明顯低于動(dòng)態(tài)規(guī)劃同精度結(jié)果的耗時(shí)，與純灰狼算法相比耗時(shí)變長(zhǎng)但求解結(jié)果變優(yōu)，可見耦合算法兼顧了求解效率與求解精度，可用于水庫(kù)防洪問(wèn)題的求解。

通過(guò)對(duì)極端洪水、常遇較大洪水的分析，本文給出構(gòu)皮灘水庫(kù)防洪的幾條建議。①當(dāng)預(yù)見到未來(lái)幾天會(huì)有暴雨發(fā)生時(shí)，水庫(kù)按預(yù)見期前滿負(fù)荷發(fā)電的方式運(yùn)行。②若構(gòu)皮灘水庫(kù)水位較高（超過(guò)620 m）且預(yù)見洪峰流量較大（超過(guò)6 000 m3/s），采用預(yù)見期預(yù)泄騰庫(kù)（2000 m3/s左右）、洪水期間錯(cuò)峰出庫(kù)的調(diào)度方式，在保證發(fā)電的前提下發(fā)揮水庫(kù)的防洪作用。③若構(gòu)皮灘水庫(kù)水位較低（610 m左右）且預(yù)見有極端洪水發(fā)生（洪峰流量在10000 m3/s以上），采取預(yù)見期適當(dāng)預(yù)泄騰庫(kù)（1000m3/s左右）、洪水期間錯(cuò)峰出庫(kù)的調(diào)度方式，盡可能降低極端洪水對(duì)下游的影響。

3結(jié)論

本文以構(gòu)皮灘水庫(kù)為防洪研究對(duì)象，提出重點(diǎn)時(shí)段和非重點(diǎn)時(shí)段的概念，通過(guò)灰狼算法提供動(dòng)態(tài)規(guī)劃算法優(yōu)化的邊界條件，動(dòng)態(tài)規(guī)劃算法反過(guò)來(lái)影響灰狼算法的適應(yīng)度值從而影響對(duì)非重點(diǎn)時(shí)段尋優(yōu)的雙向反饋循環(huán)機(jī)制，將動(dòng)態(tài)規(guī)劃與灰狼優(yōu)化算法有機(jī)融合在一起。對(duì)極端洪水、常遇較大洪水的2個(gè)典型案例分別進(jìn)行求解，并與單純采用動(dòng)態(tài)規(guī)劃與灰狼算法的求解結(jié)果進(jìn)行對(duì)比，結(jié)果表明本文提出的耦合動(dòng)態(tài)規(guī)劃與灰狼算法的策略兼顧了兩者的優(yōu)點(diǎn)，保證了求解精確性的同時(shí)也提高了求解效率。

如何更好地融合灰狼算法與動(dòng)態(tài)規(guī)劃將是未來(lái)研究的方向，進(jìn)一步優(yōu)化算法，使其能夠智能識(shí)別出重點(diǎn)時(shí)段與非重點(diǎn)時(shí)段，提高算法的智能化水平。目前，精細(xì)化和高精度的需求給梯級(jí)水庫(kù)防洪問(wèn)題的求解帶來(lái)了挑戰(zhàn)，維數(shù)災(zāi)問(wèn)題極大限制了傳統(tǒng)動(dòng)態(tài)規(guī)劃的應(yīng)用，而將灰狼算法與動(dòng)態(tài)規(guī)劃耦合，可以在降低維數(shù)災(zāi)影響的同時(shí)保證重點(diǎn)時(shí)段求解的精度，從而為梯級(jí)水庫(kù)防洪問(wèn)題的求解提供新的思路。