一种用于指导闸门调控的调水工程多目标预测控制算法

1.本发明涉及明渠输水工程实时调控技术领域，具体为一种用于指导闸门调控的调水工程多目标预测控制算法。

背景技术：

2.修建大型调水工程是解决水资源时空分布不均的重要手段。因施工投资小、输水流量大、施工维护便捷，明渠输水已成为大型调水工程的常用输水方式。随着技术的不断进步，各种复杂明渠调水工程应运而生。在复杂明渠调控系统中，通常包括节制闸或泵站等调控建筑物，这些调控建筑物将调水工程分隔为多个渠池，但各渠池调蓄能力有限。明渠调水工程的水力控制目标主要以安全控制和输水稳定控制为主，一般通过节制闸或泵站的调控完成供水目标。明渠调水中水位的安全控制通常受未知水力扰动影响，基于圣维南方程组构成的仿真模型无法解决未知扰动问题，已有部分学者提出了蓄量模型、积分时滞模型(integrator-delay model)、简化圣维南方程(reduced saint-venant model)等简化模型。简化模型虽然不能精确地描述控制对象的动态特性，但是在预测控制模式下，简化模型可根据实时反馈信息对模型进行修正，简化模型的提出奠定了预测控制算法在渠道水位控制方面的研究基础。许多研究指出，简化模型在被用于进行预测控制算法调控中计算效果良好。但是现有的预测控制模型中，预测控制的水力调控目标形式都较为单一，且实际工程中的很多问题并不是凸规划问题，现有的求解目标也限制了预测控制在实际工程中的应用场景。另外，现有的预测控制研究中，预测控制模型生成的调控指令为流量调控量，而在闸门的死区过大或者闸门的调整上限较小情况，则会造成部分的小流量调整和大流量调整指令无法被有效地执行。

技术实现要素：

3.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
4.鉴于上述存在的问题，提出了本发明。
5.因此，本发明解决的技术问题是：现有的多级串联渠池中，常用于解决单一控制目标的水位预测控制算法无法求解实际工程中的非凸规划问题，且无法考虑闸门死区的存在，导致闸门调控过于频繁的问题。
6.为解决上述技术问题，本发明提供如下技术方案：一种用于指导闸门调控的调水工程多目标预测控制算法，包括：
7.基于渠池参数构建积分时滞模型，以实现对水位的预测；
8.基于闸门调整量设置控制目标，并引入闸门开度变幅约束进而构建多目标预测控制模型；
9.利用多目标粒子智能优化算法求解所述多目标预测控制模型。
10.作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述渠池参数，包括：
11.渠池的长度、底宽、边坡、底坡及初始工况下水力参数特征值。
12.作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述构建积分时滞模型，包括：
13.构建描述下游控制点水位的积分时滞模型，表示为：
[0014][0015]
其中，hd为渠池下游水位控制点的水位相对于目标水位的偏差量，m；t为时间，s；q
in
为渠池入口流量相对于初始状态的变化量，m3/s；q
out
为渠池出口流量相对于初始状态的变化量，m3/s；q
offtake
为渠池分水量相对于初始状态的变化量，m3/s；ad为流量变化对下游水位影响等效水面面积，m2；td为渠池的进口流量对下游水位影响的滞后时间，s。
[0016]
作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述构建积分时滞模型，还包括：
[0017]
构建描述上游控制点水位的积分时滞模型，表示为：
[0018][0019]
其中，hu为渠池上游水位控制点的水位相对于目标水位的偏差量，m；au为流量变化对上游水位影响等效水面面积，m2；tu为渠池的出口流量对上游水位影响的滞后时间，s；q
in
为渠池入口流量相对于初始状态的变化量，m3/s；q
out
为渠池出口流量相对于初始状态的变化量，m3/s；q
offtake
为渠池分水量相对于初始状态的变化量，m3/s。
[0020]
作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述基于闸门控制次数设置控制目标，包括：
[0021]
通过将水位的偏差最小、流量调整动作最小及闸门动作这些目标加权，合并形成以下控制目标：
[0022][0023]
其中，l
i，j
是用来表征流量调整的参数，当流量发生调控时值为1，当没流量调控时值为0；q
i，j
表示水位偏差对应参数权重、r
i，j
流量变化对应参数权重、k
i，j
表示闸门开度变化对应参数权重。
[0024]
作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述建立多目标预测控制模型，包括：
[0025]
选取闸门开度变化量为优化变量，对每一步的闸门开度调整引起的流量变化量δq(k)进行预测，流量变化量预测公式表示为：
[0026][0027]
其中，cd为过闸流量系数；l为闸门宽度，m；h0(k)为第k步预测的闸前水位值，m；hs(k)为第k步预测的闸后水深，m。
[0028]
作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一
种优选方案，其中：所述闸门开度变幅约束，包括：
[0029]
引入闸门开度最大变幅约束和最小变幅约束。
[0030]
作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述闸门开度的最小变幅约束，包括：
[0031]
采用优化模型中设置优化变量的绝对值下限来设置闸门死区带来的闸门开度最小变幅约束：|δg
i,n
|≥0.03m
[0032]
其中，δg
i,n
为第n时刻第i个节制闸的开度调整变幅，m。
[0033]
作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述闸门开度的最大变幅约束，包括：
[0034]
根据节制闸水位、流量要求及闸门自身开度调节能力，设置闸门最大开度约束，闸门最大开度应当满足如下约束条件：
[0035]
|g
i,n
|≤g
i,max
[0036]
其中，g
i,n
为第n时刻第i座节制闸单次调节的开度，m；g
i,max
为第i座节制闸单次调节的最大允许开度，m。
[0037]
作为本发明所述的一种用于指导闸门调控的调水工程多目标预测控制算法的一种优选方案，其中：所述利用多目标粒子智能优化算的求解多目标预测控制模型，包括：
[0038]
初始状态进行随机种选择，将优化算法初始随机生成的决策变量即闸门开度调整量传递给积分时滞模型，通过状态方程进行给定权重下相应控制目标值的计算，并将目标值存储到解集中；
[0039]
通过比较不同状态控制目标值，更新优化算法中最优解集和粒子状态；
[0040]
将更新后的决策变量重新传递给积分时滞模型，同时重复上述步骤，直至到满足控制目标的最优决策变量值。
[0041]
本发明的有益效果：本发明利用带有闸门控制次数惩罚量和闸门死区约束的多目标渠池水位预测控制模型，直接采用节制闸开度调整量作为优化调控变量，并通过基于pareto支配思想的多目标粒子(mopso)算法进行求解，来实现在不影响水位调节效果的前提下，通过直接调整闸门开度来提高闸门控制精确度，达到降低闸门控制次数的效果。
附图说明
[0042]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0043]
图1为本发明一个实施例提供的一种用于指导闸门调控的调水工程多目标预测控制算法的整体流程图；
[0044]
图2为本发明一个实施例提供的基于mopso算法求解多目标预测控制模型的流程图；
[0045]
图3为本发明一个实施例提供的研究渠池示意图；
[0046]
图4为本发明一个实施例提供的多目标预测控制算法应用于扰动工况下的控制结果；
[0047]
图5为本发明一个实施例提供的传统算法应用于扰动工况下的控制结果。
具体实施方式
[0048]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
[0049]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0050]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0051]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0052]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0053]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0054]
实施例1
[0055]
参照图1～2，为本发明的一个实施例，提供了一种用于指导闸门调控的调水工程多目标预测控制算法，包括：
[0056]
s1：基于渠池参数构建积分时滞模型，以实现对水位的预测；
[0057]
需要知道的是，渠池参数具体包括渠池的长度、底宽、边坡、底坡及初始工况下水力参数特征值。
[0058]
进一步的，构建描述下游控制点水位的积分时滞模型，以往研究中一般采用以下形式的积分时滞模型来描述渠道下游控制点水位与渠池进、出口流量变化量之间的关系：
[0059][0060]
其中，hd为渠池下游水位控制点的水位相对于目标水位的偏差量，m；t为时间，s；q
in
为渠池入口流量相对于初始状态的变化量，m3/s；q
out
为渠池出口流量相对于初始状态的变化量，m3/s；q
offtake
为渠池分水量相对于初始状态的变化量，m3/s；ad为流量变化对下游水位影响等效水面面积，m2；td为渠池的进口流量对下游水位影响的滞后时间，s。
[0061]
更进一步的，构建描述上游控制点水位的积分时滞模型；
[0062]
参考描述下游控制点水位的积分时滞模型，这里构建了描述渠池上游水位控制点的积分时滞模型形式，提出以下描述渠道上游控制点水位偏差与渠池进、出口流量变化量的关系式：
[0063][0064]
其中，hu为渠池上游水位控制点的水位相对于目标水位的偏差量，m；au为流量变化对上游水位影响等效水面面积，m2；tu为渠池的出口流量对上游水位影响的滞后时间，s；q
in
为渠池入口流量相对于初始状态的变化量，m3/s；q
out
为渠池出口流量相对于初始状态的变化量，m3/s；q
offtake
为渠池分水量相对于初始状态的变化量，m3/s。
[0065]
应说明的是，虽然在明渠调水工程中，控制点水位位于下游，在进行下游水位控制的时候，只需要对下游水位进行预测即可。当控制变量为闸门开度时，由于预测模型中是基于流量变化量来进行水位状态预测，因此还需要计算闸门开度调整变化带来的流量调整值。而由于闸孔淹没出流状态下，流量的变化量除了与节制闸的开度变化量、节制闸的闸前水位(渠池下游端水位)有关以外，还与节制闸的闸后水位(渠池的上游端水位)有关。因此，在预测控制模型中还需要对渠池的上游水位进行预测。
[0066]
s2：基于闸门控制次数设置控制目标，并引入闸门开度变幅约束进而构建多目标预测控制模型；
[0067]
进一步的，将水位的偏差最小、流量调整动作最小及闸门动作这些目标加权，合并形成以下控制目标：
[0068][0069]
其中，l
i，j
是用来表征流量调整的参数，当流量发生调控时值为1，当没流量调控时值为0；q
i，j
表示水位偏差对应参数权重、r
i，j
流量变化对应参数权重、k
i，j
表示闸门开度变化对应参数权重。
[0070]
应说明的是，从水位的偏差最小、流量调整动作最小及闸门动作等惩罚因子考虑闸门控制次数惩罚量，进而获得多目标控制目标函数式，能够使预测控制模型能直接生成最优的控制方案。
[0071]
更进一步的，选取闸门开度变化量为优化变量，对每一步的闸门开度调整引起的流量变化量δq(k)进行预测，流量变化量预测公式表示为：
[0072][0073]
其中，cd为过闸流量系数；l为闸门宽度，m；h0(k)为第k步预测的闸前水位值，m；hs(k)为第k步预测的闸后水深，m。
[0074]
应说明的是，传统预测控制模型采用流量调控量作为优化变量，然后再通过过闸流量计算公式计算实现流量调控量所需要执行的闸门开度调整量，这样就导致在预测控制模型的优化策略计算过程中，没法考虑闸门开度的死区约束和调整范围约束问题，部分流量调控量是无法通过闸门开度调整来有效执行的，因此本发明直接选取闸门开度变化量为优化变量；并对每一步的闸门开度调整引起的流量变化量δq(k)进行预测，进而实现利用积分时滞模型对水位进行计算。
[0075]
更进一步的，采用优化模型中设置优化变量的绝对值下限来考虑闸门死区带来的闸门开度最小变幅约束：|δg
i,n
|≥0.03m
ꢀꢀ
(5)
[0076]
其中，δg
i,n
为第n时刻第i个节制闸的开度调整变幅，m。
[0077]
需要知道的是，在节制闸中，由于闸控设备的控制精度限制，很小的闸门开度变化指令没法被有效地执行，这种无法被执行的开度变化值被称为闸门的死区。
[0078]
由于在实际工程中，闸门的死区一般为0.03m～0.08m左右，因此，这里假设被控闸门的死区值为0.03m。
[0079]
应说明的是，由于存在闸门死区，因此需要在预测控制模型中引入闸门开度蝙蝠的最小变幅约束。
[0080]
更进一步的，根据节制闸水位、流量要求及闸门自身开度调节能力，设置闸门最大开度约束，闸门最大开度应当满足如下约束条件：
[0081]
|g
i,n
|≤g
i,max
ꢀꢀ
(6)
[0082]
其中，g
i,n
为第n时刻第i座节制闸单次调节的开度，m；g
i,max
为第i座节制闸单次调节的最大允许开度，m。
[0083]
s3：利用多目标粒子(mopso)智能优化算法求解所述多目标预测控制模型。
[0084]
进一步的，初始状态进行随机种选择，将优化算法初始随机生成的决策变量(闸门开度调整量)传递给积分时滞模型，通过状态方程进行给定权重下相应控制目标值的计算，并将目标值存储到解集中；
[0085]
更进一步的，通过比较不同状态控制目标值，更新优化算法中最优解集和粒子状态；
[0086]
更进一步的，将更新后的决策变量重新传递给积分时滞模型，同时重复上述步骤，直至到满足控制目标的最优决策变量值。
[0087]
应说明的是，本发明所构建的多目标预测控制模型中，控制目标方程是多目标控制目标函数式，通过可行方法搜索得到的最优解无法保证为全局最优；为了得到可行性较高的最优解，本发明采用多目标粒子(mopso)智能优化算法来进行优化控制问题求解。
[0088]
实施例2
[0089]
参照图3-5，为本发明的一个实施例，提供了一种用于指导闸门调控的调水工程多目标预测控制算法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。
[0090]
本实施例选择某工程的最后6段串联渠池为研究对象，通过构造此渠池系统的仿真模型来模拟在预测控制下的渠池状态。
[0091]
研究渠池全长112km，明渠断面都为梯形断面，每个渠池末端有分水口向用水户供水，研究段渠池概化如图3所示；假设渠池系统上、下游分别为水深7m和3m的水位边界，初始时刻输水系统为稳定状态，各控制点水位都稳定在目标水位；在工程的实际调控中，各渠池控制点水位并不严格要求稳定在目标水位上，控制点水位可以在目标水位
±
0.1m的范围内波动。
[0092]
研究渠池仿真模型运行的时间步长选择为1min；为了检验调控算法的有效性，需要设置扰动来让渠池从稳态变为非稳态，然后用控制算法来进行水位控制；设置的扰动工况为：渠池4中的分水流量在4h时刻突然减少7m3/s，且分水流量变化从调控者角度看为未
知。
[0093]
1、本实施例实施步骤
[0094]
步骤一：收集相应渠池参数和水位指标，建立预测控制模型。
[0095]
为建立研究段的预测控制模型，需已知研究渠池相应基本设计参数及初始工况下水力参数特征值，同时，根据参数辨识方法识别渠池在初始流量工况下的积分时滞模型参数值；相应参数指标如下表1所示。
[0096]
表1.研究渠池基本参数及初始工况下的流量、水位及积分时滞模型参数
[0097][0098]
步骤二：建立考虑闸门控制次数惩罚的多目标预测控制模型，并进行相应目标权重指标设置
[0099]
1)节制闸参数设置
[0100]
由于本研究中决策变量为闸门调整量，模型构建中需对节制闸进行概化和处理，已知各节制闸参数如下所示：
[0101]
表2.研究段各节制闸参数
[0102][0103]
2)多目标权重设置
[0104]
基于积分时滞模型特性，节制闸设置调控间隔较短，调控较频繁。为减少调控频次，建立考虑闸门控制惩罚指标的多目标预测控制模型。其中包括水位的偏差最小、流量调整动作最小及闸门动作约束。根据各指标重要性程度，给这些目标赋权重值。
[0105]
在式(3)中，权重矩阵q中权重元素的值越大，则算法对水位偏差越敏感，为避免频繁的流量调整，将r中的流量调整的权重设置为1，然后调整权重系数矩阵q中的元素值。在本文的调控目标中也只对流量调整绝对值大于流量变化值的那部分调控量进行加权。在权重系数矩阵q中，当水位偏差绝对值小于等于0.1m时，对应的权重值为10，而当偏差绝对值
大于0.1m时，其对应的权重值为30。闸门的控制动作权重k设置为1。
[0106]
步骤三：基于mopso优化算法的预测模型求解
[0107]
本实施例的多目标预测模型采用mopso算法进行优化求解，mopso算法的参数设置见表3所示。
[0108]
表3.mopso算法参数设置
[0109][0110]
2、实施结果对比
[0111]
传统预测控制模型(mpc)中常采用二次规划算法进行求解，传统模型的控制时间间隔的选取需要综合考虑渠池的滞后时间及实际的调控需求。各个渠池的时滞时间为24～75min，而考虑到中线的实际调控间隔都是以小时为单位，因此控制时间间隔选为1h。对应的预测时域设为10，这样预测过程可覆盖整个系统的时滞时长(约为5h)，控制时域设为5。中线的闸门死区为3cm，试算得到对应的流量变化值约为3m3/s，因此在传统的控制模型中，流量的调控变幅的绝对值应当大于等于3m3/s。传统算法求解过程中，由于决策变量为流量调整量，在闸门的死区过大或者闸门的调整上限较小情况，易造成部分的小流量调整和大流量调整指令无法被有效地执行，从而影响调控效果。
[0112]
本文所采用的的多目标智能优化算法中，以闸门调整量为决策变量，控制目标考虑流量惩罚量、闸门动作和闸门死区约束，有效降低了闸门调控次数。将本文算法与传统算法应用于扰动工况下的计算效果进行对比，本发明专利的计算结果见图4、传统算法的计算结果见图5、各模型闸控次数统计表见表4。
[0113]
表4.扰动工况中各调控模型的闸控次数
[0114][0115]
从图4和图5的水位偏差过程中可以看出除图5中渠池4中的水位偏差略大于0.1m以外，其它渠池中的水位偏差都稳定在0.1m以内，说明控制算法都起到了较好的控制效果。但由于在24h之后，传统算法调控与本文多目标算法调控相比，闸门调整动作更为频繁，因此，在传统算法下(图5)各渠池的水位偏差持续变小且变化趋势保持一致，而本文优化模型中(图4)，各个渠池中的水位偏差及变化趋势相差较大。
[0116]
从表4中可以看出，由于流量调整惩罚的加入，本文优化控制模型中的闸控次数相对较少。在前24h，由于此阶段全线的水位都处于快速的下降阶段，两种调控模型都需要采取较多的闸控来逐步调整水位，两种模型调控下的闸控次数分别为22、34。在后24h中，两种模型调控下的闸控次数分别为1、18，本文优化算法下的调控次数显著少于传统算法，说明本文优化算法对未知扰动下的水位调整效果更好。从48h内总的闸控次数来看，本文优化算法能够比传统算法调控下的闸控次数降低56％，生成的闸控方案适用性更强。
[0117]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：

1.一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于，包括：基于渠池参数构建积分时滞模型，以实现对水位的预测；基于闸门控制次数设置控制目标，并引入闸门开度变幅约束进而构建多目标预测控制模型；利用多目标粒子智能优化算法求解所述多目标预测控制模型。2.如权利要求1所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述渠池参数，包括：渠池的长度、底宽、边坡、底坡及初始工况下水力参数特征值。3.如权利要求2所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述构建积分时滞模型，包括：构建描述下游控制点水位的积分时滞模型，表示为：其中，h
d
为渠池下游水位控制点的水位相对于目标水位的偏差量，m；t为时间，s；q
in
为渠池入口流量相对于初始状态的变化量，m3/s；q
out
为渠池出口流量相对于初始状态的变化量，m3/s；q
offtake
为渠池分水量相对于初始状态的变化量，m3/s；a
d
为流量变化对下游水位影响等效水面面积，m2；t
d
为渠池的进口流量对下游水位影响的滞后时间，s。4.如权利要求3所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述构建积分时滞模型，还包括：构建描述上游控制点水位的积分时滞模型，表示为：其中，h
u
为渠池上游水位控制点的水位相对于目标水位的偏差量，m；a
u
为流量变化对上游水位影响等效水面面积，m2；t
u
为渠池的出口流量对上游水位影响的滞后时间，s；q
in
为渠池入口流量相对于初始状态的变化量，m3/s；q
out
为渠池出口流量相对于初始状态的变化量，m3/s；
qofftake
为渠池分水量相对于初始状态的变化量，m3/s。5.如权利要求4所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述基于闸门控制次数设置控制目标，包括：通过将水位的偏差最小、流量调整动作最小及闸门动作这些目标加权，合并形成以下控制目标：其中，l
i，j
是用来表征流量调整的参数，当流量发生调控时值为1，当没流量调控时值为0；q
i，j
表示水位偏差对应参数权重、r
i，j
流量变化对应参数权重、k
i，j
表示闸门开度变化对应参数权重。6.如权利要求5所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述建立多目标预测控制模型，包括：选取闸门开度变化量为优化变量，对每一步的闸门开度调整引起的流量变化量δq(k)
进行预测，流量变化量预测公式表示为：其中，c
d
为过闸流量系数；l为闸门宽度，m；h0(k)为第k步预测的闸前水位值，m；h
s
(k)为第k步预测的闸后水深，m。7.如权利要求6所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述闸门开度变幅约束，包括：引入闸门开度的最大变幅约束和最小变幅约束。8.如权利要求7所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述闸门开度的最小变幅约束，包括：采用优化模型中设置优化变量的绝对值下限来设置闸门死区带来的闸门开度最小变幅约束：|δg
i,n
|≥0.03m其中，δg
i,n
为第n时刻第i个节制闸的开度调整变幅，m。9.如权利要求8所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述闸门开度的最大变幅约束，包括：根据节制闸水位、流量要求及闸门自身开度调节能力，设置闸门最大开度约束，闸门最大开度应当满足如下约束条件：|g
i,n
|≤g
i,max
其中，g
i,n
为第n时刻第i座节制闸单次调节的开度，m；g
i,max
为第i座节制闸单次调节的最大允许开度，m。10.如权利要求9所述的一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于：所述利用多目标粒子智能优化算的求解多目标预测控制模型，包括：初始状态进行随机种选择，将优化算法初始随机生成的决策变量即闸门开度调整量传递给积分时滞模型，通过状态方程进行给定权重下相应控制目标值的计算，并将目标值存储到解集中；通过比较不同状态控制目标值，更新优化算法中最优解集和粒子状态；将更新后的决策变量重新传递给积分时滞模型，同时重复上述步骤，直至到满足控制目标的最优决策变量值。

技术总结

本发明公开了一种用于指导闸门调控的调水工程多目标预测控制算法，其特征在于，包括：基于渠池参数构建积分时滞模型，以实现对水位的预测；基于闸门控制次数设置控制目标，并引入闸门开度变幅约束进而构建多目标预测控制模型；利用多目标粒子智能优化算法求解所述多目标预测控制模型。本发明利用带有闸门控制次数惩罚量和闸门死区约束的多目标渠池水位预测控制模型，直接采用节制闸开度调整量作为优化调控变量，并通过基于Pareto支配思想的多目标粒子(MOPSO)算法进行求解，来实现在不影响水位调节效果的前提下，通过直接调整闸门开度来提高闸门控制精确度，达到降低闸门控制次数的效果。次数的效果。次数的效果。