本發(fā)明涉及農(nóng)業(yè)水利供水的，特別涉及一種農(nóng)業(yè)供水系統(tǒng)自適應(yīng)調(diào)度方法。

背景技術(shù)：

1、國(guó)內(nèi)外對(duì)水庫(kù)優(yōu)化調(diào)度的研究已經(jīng)有了很久的歷史，形成了較為豐富的理論體系，主要可以分為數(shù)學(xué)規(guī)劃和智能優(yōu)化。

2、線性規(guī)劃法具有運(yùn)行簡(jiǎn)便、計(jì)算效率高、全局收斂性好的特點(diǎn)，受早期計(jì)算能力的不足的影響，線性規(guī)劃曾被廣泛地應(yīng)用于水庫(kù)優(yōu)化調(diào)度問(wèn)題的求解。1962年，williamyeh用線性規(guī)劃法對(duì)調(diào)度模型求解，解決了單一水庫(kù)的優(yōu)化調(diào)度問(wèn)題，效果良好。parikh等采用時(shí)空分解的方式拓展了水庫(kù)線性規(guī)劃的使用范圍，將單一水庫(kù)問(wèn)題拓展到多水庫(kù)。隨著計(jì)算能力的不斷發(fā)展，學(xué)者們對(duì)水庫(kù)調(diào)度模型的研究愈發(fā)深入，漸漸發(fā)現(xiàn)水庫(kù)調(diào)度問(wèn)題通常是非線性的，線性規(guī)劃也因此在非線性水庫(kù)調(diào)度問(wèn)題中被忽視，逐漸淡出了人們的視野，后來(lái)因在大型水庫(kù)群聯(lián)合調(diào)度問(wèn)題上具有高效率優(yōu)勢(shì)而再次受到重視。kang等運(yùn)用線性規(guī)劃方法實(shí)現(xiàn)了對(duì)梯級(jí)水庫(kù)群的高效聯(lián)合優(yōu)化調(diào)度。非線性規(guī)劃能夠求解非線性的水庫(kù)調(diào)度問(wèn)題，常見(jiàn)的方法包括二次規(guī)劃、逐次梯度下降等算法。然而，由于水庫(kù)調(diào)度模型通常為非凸優(yōu)化問(wèn)題，在使用非線性規(guī)劃算法求解時(shí)存在容易陷入局部最優(yōu)解的情況。

3、動(dòng)態(tài)規(guī)劃(dp)算法能夠?qū)?fù)雜的優(yōu)化問(wèn)題分解為多個(gè)階段的子問(wèn)題，然后逐步求解，該方法由bellman在19世紀(jì)50年代提出，它將復(fù)雜的優(yōu)化問(wèn)題分解為多個(gè)階段的子問(wèn)題，然后逐步求解。由于dp算法對(duì)調(diào)度模型的目標(biāo)函數(shù)和約束條件沒(méi)有限制，且在一定的離散精度內(nèi)能夠保證全局收斂，在計(jì)算機(jī)技術(shù)發(fā)展起來(lái)后被廣泛應(yīng)用于水庫(kù)優(yōu)化調(diào)度問(wèn)題的求解中。1981年，張勇傳等將動(dòng)態(tài)規(guī)劃方法應(yīng)用于優(yōu)化調(diào)度中，制定了調(diào)度圖，顯著提高了拓溪梯級(jí)水庫(kù)的效益。然而，由于動(dòng)態(tài)規(guī)劃的優(yōu)化原理，在調(diào)度水庫(kù)增加和求解精度提高的情況下，狀態(tài)變量的維數(shù)會(huì)增加，導(dǎo)致求解復(fù)雜度急劇增加，呈指數(shù)幅度，從而出現(xiàn)“維數(shù)災(zāi)”現(xiàn)象。為了解決“維數(shù)災(zāi)”問(wèn)題，大量學(xué)者對(duì)dp進(jìn)行了拓展開(kāi)發(fā)，涌現(xiàn)了一批新的改進(jìn)算法，例如收斂快結(jié)果穩(wěn)定的離散微分動(dòng)態(tài)規(guī)劃方法、適用于多水庫(kù)且搜索速度快精度高的逐步優(yōu)化算法，適用于梯級(jí)水庫(kù)的dpsa算法等。目前，dp類(lèi)算法的規(guī)劃成效和運(yùn)行速度效率改進(jìn)仍是研究的熱點(diǎn)。

4、智能算法的原理是通過(guò)模擬自然界中的智能行為，如進(jìn)化、群體智能、免疫系統(tǒng)等，來(lái)搜索最優(yōu)解。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算能力顯著提升，適用于復(fù)雜非線性的水庫(kù)優(yōu)化調(diào)度問(wèn)題的智能優(yōu)化算法也得以快速發(fā)展。智能算法的優(yōu)勢(shì)在于，隨著參與運(yùn)算的水庫(kù)數(shù)量的增加，智能算法的計(jì)算復(fù)雜度僅線性增加，不會(huì)出現(xiàn)“維數(shù)災(zāi)”問(wèn)題，因此，各種新的智能優(yōu)化算法被應(yīng)用于水庫(kù)優(yōu)化調(diào)度計(jì)算領(lǐng)域。但由于智能算法普遍全局收斂性差，容易陷入局部最優(yōu)解，目前還很少應(yīng)用于實(shí)際水庫(kù)調(diào)度過(guò)程中。boomgaard將遺傳算法應(yīng)用于廢水資源系統(tǒng)管理中，提出遺傳算法在求解高維度問(wèn)題中存在優(yōu)勢(shì)。隨后，國(guó)內(nèi)外學(xué)者嘗試在各類(lèi)水庫(kù)優(yōu)化調(diào)度問(wèn)題中應(yīng)用遺傳算法，并對(duì)遺傳算法進(jìn)行了一定的改進(jìn)，提高了全局收斂能力和優(yōu)化效率。1997年，storn等人提出了差分進(jìn)化算法，該方法全局收斂性好，搜索能力強(qiáng)，算法結(jié)構(gòu)簡(jiǎn)單容易實(shí)現(xiàn)，在水庫(kù)優(yōu)化調(diào)度模型求解中得到了應(yīng)用推廣。針對(duì)算法的時(shí)空尋優(yōu)效率，國(guó)內(nèi)外學(xué)者通過(guò)調(diào)整運(yùn)算步驟、加入其他算法等方式來(lái)加以改進(jìn)。智能算法的出現(xiàn)解決了dp算法“維數(shù)災(zāi)”的缺陷，但由于其普遍存在收斂穩(wěn)定性較差、易陷入局部最優(yōu)解的問(wèn)題，目前在實(shí)際調(diào)度工作中仍難以開(kāi)展。

5、通過(guò)上述水庫(kù)優(yōu)化調(diào)度算法，在確定性來(lái)水條件下可以得到最優(yōu)的水庫(kù)調(diào)度過(guò)程，但水庫(kù)的實(shí)際調(diào)度運(yùn)行過(guò)程中常常會(huì)面臨降雨、徑流帶來(lái)的各類(lèi)不確定因素，確定性來(lái)水條件下的調(diào)度計(jì)算結(jié)果難以直接用于指導(dǎo)水庫(kù)的實(shí)際調(diào)度運(yùn)行，而且由于代表年來(lái)水過(guò)程與實(shí)際情況可能差異較大，傳統(tǒng)根據(jù)不同代表年來(lái)水信息設(shè)計(jì)的調(diào)度方案不夠合理，對(duì)當(dāng)前與未來(lái)的信息考慮不足，面臨突發(fā)情況時(shí)的應(yīng)對(duì)能力相對(duì)不足，同時(shí)也會(huì)造成水資源的利用不夠高效合理。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)不確定來(lái)水情況的水庫(kù)優(yōu)化調(diào)度問(wèn)題，本發(fā)明提供一種汛期與非汛期的水庫(kù)實(shí)時(shí)調(diào)度模型，讓其在各自的觀測(cè)期內(nèi)針對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，并根據(jù)karush-kuhn-tucker條件設(shè)計(jì)求解算法，從而實(shí)現(xiàn)農(nóng)業(yè)供水系統(tǒng)自適應(yīng)調(diào)度方法。

2、本發(fā)明解決其技術(shù)問(wèn)題所采用的方案是：一種農(nóng)業(yè)供水系統(tǒng)自適應(yīng)調(diào)度方法，構(gòu)建用于汛期和非汛期的水庫(kù)調(diào)度模型，根據(jù)汛期和非汛期不同的側(cè)重點(diǎn)自適應(yīng)調(diào)度水庫(kù)決策，且所述水庫(kù)調(diào)度分為決策階段和預(yù)留階段；

3、其中汛期水庫(kù)調(diào)度的決策階段用于確定水庫(kù)的調(diào)度方式，實(shí)現(xiàn)水庫(kù)調(diào)度的興利目標(biāo)，預(yù)留階段用于驗(yàn)證決策階段決策方式調(diào)度后，能否滿足未來(lái)的防洪要求，實(shí)現(xiàn)水庫(kù)調(diào)度的防洪目標(biāo)；汛期水庫(kù)調(diào)度以決策階段和預(yù)留階段效益差值率最小和防洪風(fēng)險(xiǎn)率最小為優(yōu)化目標(biāo)建立優(yōu)化調(diào)度模型，所述優(yōu)化調(diào)度模型包括汛期興利目標(biāo)函數(shù)和汛期防洪目標(biāo)函數(shù)，采用加權(quán)求和方法將興利汛期目標(biāo)函數(shù)和汛期防洪目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)構(gòu)建優(yōu)化調(diào)度模型，通過(guò)理論最優(yōu)解迭代、簡(jiǎn)化模型約束條件處理、水庫(kù)下泄水量限制三個(gè)步驟對(duì)汛期水庫(kù)調(diào)度模型求解獲得汛期水庫(kù)調(diào)度最優(yōu)解；

4、所述非汛期水庫(kù)調(diào)度以決策階段和預(yù)留階段經(jīng)濟(jì)效益最大為目標(biāo)構(gòu)建水庫(kù)調(diào)度模型，基于決策階段和預(yù)留階段經(jīng)濟(jì)效益最大的目標(biāo)，同時(shí)兼顧預(yù)報(bào)誤差與降雨的影響，構(gòu)建相應(yīng)的非汛期目標(biāo)函數(shù)，通過(guò)求解理論最優(yōu)值和根據(jù)約束條件對(duì)理論最優(yōu)值進(jìn)行修正，得到非汛期水庫(kù)調(diào)度最優(yōu)解。

5、進(jìn)一步，決策階段覆蓋的時(shí)間較短，預(yù)留階段覆蓋的時(shí)間則相對(duì)較長(zhǎng)，設(shè)兩階段包括的總時(shí)段數(shù)為t，則設(shè)置決策階段包括的時(shí)段長(zhǎng)為一個(gè)δt，預(yù)留階段包括的時(shí)段長(zhǎng)為(t-1)·δt，δt的取值為12h或1d。

6、進(jìn)一步，所述汛期興利目標(biāo)函數(shù)將預(yù)蓄效益上限與實(shí)際調(diào)控效益的差值的比率最小作為優(yōu)化目標(biāo)，其值越小，則興利效益越大，效益差值率b-的計(jì)算公式為

7、

8、其中，w為預(yù)蓄水量，wmax為預(yù)蓄水量上限，m為形狀系數(shù)，取值越大非線性越明顯，當(dāng)m＞1時(shí)，上式為凸函數(shù)，存在極小值；

9、決策階段效益差值率和預(yù)留階段效益差值率分別為

10、

11、由于預(yù)留階段會(huì)將決策階段的預(yù)蓄水量全部下泄，故w2＝0，則有

12、

13、所述汛期防洪目標(biāo)函數(shù)將防洪風(fēng)險(xiǎn)率最小作為優(yōu)化目標(biāo)，決策階段風(fēng)險(xiǎn)率和預(yù)留階段風(fēng)險(xiǎn)率的計(jì)算公式為

14、r1＝0

15、r2＝p(ε2＞δ)＝∫δ-∞h(ε2)dε2

16、設(shè)置興利目標(biāo)的權(quán)重為ω，則防洪目標(biāo)權(quán)重為1-ω，將r1＝0，代入，求得各階段的目標(biāo)函數(shù)分別為：

17、

18、汛期興利目標(biāo)函數(shù)和汛期防洪目標(biāo)函數(shù)結(jié)合的綜合目標(biāo)函數(shù)為：

19、

20、進(jìn)一步，綜合目標(biāo)函數(shù)的約束條件包括水量平衡約束

21、

22、水庫(kù)庫(kù)容約束

23、0≤w1≤wmax

24、下泄水量約束

25、決策階段下泄水量約束：決策階段來(lái)水確定且可控，故約束d1≤d1，max始終能夠滿足，考慮到灌區(qū)存在一定的降雨補(bǔ)給，最終確定下限的約束為

26、d1≥maxx(d1，min-p1，0)

27、式中，p1為決策階段灌區(qū)降雨補(bǔ)給的水量

28、預(yù)留階段下泄水量約束：

29、

30、即

31、δ≥δmin

32、基于上述約束條件，水庫(kù)汛期興利防洪雙目標(biāo)優(yōu)化模型為：

33、min?g1(w1)+g2(δ)

34、s.t.

35、

36、0≤w1≤wmax

37、d1≥max(d1,min-p1，0)

38、δ≥δmin。

39、進(jìn)一步，所述汛期興利防洪雙目標(biāo)優(yōu)化模型求解過(guò)程為：

40、將代入可得

41、

42、定義為剩余防洪能力，用rfcc表示，即

43、w1+δ＝rfcc

44、rfcc為在不考慮預(yù)報(bào)誤差時(shí)，預(yù)留階段允許水庫(kù)下泄的最大水量，當(dāng)剩余防洪能力rfcc＞0時(shí)，水庫(kù)在決策階段多預(yù)蓄一部分水，増加決策階段的興利效益；或者在決策階段少蓄水增加預(yù)留階段的誤差安全值δ，減少防洪風(fēng)險(xiǎn)，從而，水庫(kù)汛期防洪與興利目標(biāo)之間的競(jìng)爭(zhēng)關(guān)系為剩余防洪能力rfcc在預(yù)蓄水量w1與誤差安全值δ之間的分配問(wèn)題，

45、對(duì)于非線性規(guī)劃使用karush-kuhn-tucker條件解釋與分析模型最優(yōu)解，其kkt條件為：

46、

47、式中，和δ*分別為最優(yōu)預(yù)蓄水量和最優(yōu)誤差安全值，與g′2(δ*)分別為預(yù)蓄水量w1與誤差安全值δ對(duì)兩階段損失的邊際貢獻(xiàn)，

48、

49、式中，f1(w1)為蓄水邊際效益，代表單位預(yù)蓄水量w1造成的蓄水效益增加值，其中g(shù)1(w1)為凸函數(shù)，可得f1(w1)為w1的減函數(shù)，具有邊際效益遞減的經(jīng)濟(jì)學(xué)特性，f2(δ)也具有邊際效益遞減的經(jīng)濟(jì)學(xué)特性，

50、由kkt條件的三項(xiàng)公式可得達(dá)到最優(yōu)解時(shí)的蓄水邊際效益與防洪邊際效益f2(δ*)之間的關(guān)系為

51、

52、kkt條件中部分等式項(xiàng)如下

53、

54、-μδl(δ*-δmin)＝0

55、

56、當(dāng)模型的約束條件均滿足且不為邊界值時(shí)，可知括號(hào)內(nèi)的項(xiàng)不等于0，則必有拉格朗日乘子μdl＝μδl＝μwl＝μwu＝0，能夠得到模型最優(yōu)的條件為蓄水邊際效益與防洪邊際效益f2(δ*)相等，即

57、

58、將代入f2(δ*)，得到與放在同一坐標(biāo)系，變換過(guò)的曲線相比原圖經(jīng)過(guò)了對(duì)稱(chēng)和平移變換，若兩條曲線在(0，rfcc)的定義域內(nèi)存在交點(diǎn)，則存在理論最優(yōu)解，該交點(diǎn)與直線x＝0的距離等于與直線x＝rfcc的距離等于δ*，

59、調(diào)度模型可以簡(jiǎn)化為

60、min?g1(w1)+g2(δ)

61、s.t.

62、

63、0≤w1≤wmax

64、δ≥δmin

65、則變?yōu)?/p>

66、

67、由上式求得理論最優(yōu)預(yù)蓄水量和誤差安全值δ*后，經(jīng)過(guò)簡(jiǎn)化模型的約束條件限制即可得到最優(yōu)解，然后再考慮決策階段最小下泄水量約束，最終可得到實(shí)際最優(yōu)預(yù)蓄水量誤差安全值δ*和下泄水量作為水庫(kù)調(diào)度的決策，

68、采用收斂速度較快的牛頓迭代法求解滿足邊際效益相等的理論最優(yōu)預(yù)蓄水量和誤差安全值δ*，具體過(guò)程包括：

69、①確定來(lái)水是否超限

70、依據(jù)第二階段預(yù)報(bào)來(lái)水的大小，判斷當(dāng)水庫(kù)不預(yù)蓄水量時(shí)，將全部預(yù)報(bào)來(lái)水下泄能否不超過(guò)最大下泄水量的限制：若不能(即rfcc≤δmin)，則水庫(kù)決策階段不進(jìn)行預(yù)蓄，令計(jì)算誤差安全值δ*和下泄水量輸出結(jié)果；若能(即rfcc＞δmin)，則進(jìn)入步驟②；

71、②設(shè)置初始值

72、令誤差安全值取最小誤差安全值，即(δ0)＝δmin，根據(jù)競(jìng)爭(zhēng)關(guān)系，預(yù)蓄水量(w1)0＝rfcc-(δ)0；

73、③判斷迭代是否結(jié)束

74、計(jì)算當(dāng)前蓄水邊際效益f1[(w1)j]與防洪邊際效益f2[(δ)j]之差，若差值小于初始閾值ε，則迭代結(jié)束，當(dāng)前變量值即為最優(yōu)解，δ*＝(δ)j；否則，進(jìn)入步驟④；

75、④修正搜索步長(zhǎng)

76、判斷j是否等于0，若j≠0，則計(jì)算兩次迭代的邊際差值之積{[f1[w1)j]-f2[(δ)j]]}×{[f1[(w1)j-1]-f2[(δ)j-1]]}，若其值大于0，則說(shuō)明搜索方向正確，搜索步長(zhǎng)繼續(xù)保留，δδ＝δδ；否則，最優(yōu)解在(δ)j與(δ)j-1之間，需要縮短搜索步長(zhǎng)，令δδ＝δδ/h(h為步長(zhǎng)調(diào)整系數(shù)，且h＞1)，然后進(jìn)入步驟⑤；

77、⑤確定迭代方向

78、興利和防洪的邊際效益函數(shù)都具有單調(diào)遞減的性質(zhì)，隨自變量的增大而減小，當(dāng)蓄水邊際效益f1[(w1)j]大于防洪邊際效益f2[(δ)j]時(shí)，減小誤差安全值δ，預(yù)蓄水量w1隨之增加，即(δ)j＝(δ)j-1-δδ，(w1)j＝rfcc-(δ)j，則蓄水邊際效益f1[(w1)j]減少，防洪邊際效益f2[(δ)j]增加，蓄水防洪邊際效益的差距縮小；當(dāng)蓄水邊際效益f1[(w1)j]小于防洪邊際效益f2[(δ)j]時(shí)，增大誤差安全值δ，預(yù)蓄水量w1隨之減小，即(δ)j＝(δ)j-1+δδ，(w1)j＝rfcc-(δ)j，則蓄水邊際效益f1[(w1)j]增大，防洪邊際效益f2[(δ)j]減小，蓄水防洪邊際效益的差距依然會(huì)縮小，確定迭代方向后，再次進(jìn)入步驟③，完成循環(huán)，

79、當(dāng)蓄水邊際效益f1[(w1)j]與防洪邊際效益f2[(δ)j]之差小于閾值ε時(shí)，牛頓迭代法結(jié)束，輸出理論最優(yōu)預(yù)蓄水量和誤差安全值δ*，然后判斷和δ*是否滿足模型的約束條件，

80、根據(jù)決策階段水量平衡方程計(jì)算決策階段下泄水量判斷其是否滿足約束條件，若滿足，則預(yù)蓄水量誤差安全值δ*和決策階段下泄水量即為最優(yōu)解；若不滿足，則令取邊界值，并根據(jù)水量平衡方程調(diào)整預(yù)蓄水量誤差安全值δ*的值，輸出最優(yōu)解。

81、進(jìn)一步，非汛期水庫(kù)調(diào)度模型包括目標(biāo)函數(shù)

82、max?e[b1(x1+p1)]+e[b2(x2+p2)]

83、式中，x1和x2分別為決策階段和預(yù)留階段的供水量，p1和p2分別為決策階段和預(yù)留階段灌區(qū)降雨補(bǔ)給的水量，e[b1(·)]和e[b2(·)]分別為決策階段和預(yù)留階段經(jīng)濟(jì)效益的數(shù)學(xué)期望，

84、基于約束條件對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，從而獲得優(yōu)化后的非汛期水庫(kù)調(diào)度模型

85、max?e[b1(x1+p1)]+e[b2(x2+p2)]

86、s.t.

87、

88、x1≥max(x1，min-p1，0)

89、x2≥max(x2，min-p2,0)

90、w1≤wmax

91、w1≥0

92、l1，l2≥0。

93、進(jìn)一步，所述約束條件包括水量平衡約束、供水量約束、水庫(kù)庫(kù)容約束和非負(fù)約束；

94、其中水量平衡約束

95、

96、式中，w0為水庫(kù)初始庫(kù)容，w1為決策階段水庫(kù)末庫(kù)容，w2為預(yù)留階段庫(kù)末庫(kù)容，和分別為決策階段和預(yù)留階段的預(yù)報(bào)來(lái)水量，ε1和ε2分別為決策階段和預(yù)留階段的徑流預(yù)報(bào)誤差，l1和l2分別為決策階段和預(yù)留階段的棄水量；

97、供水量約束：水庫(kù)供水量應(yīng)大于灌區(qū)降雨補(bǔ)給后的存在的缺口，

98、x1≥max(x1，min-p1，0)

99、x2≥max(x2，min-p2,0)

100、式中，x1，min和x2，min分別為決策階段和預(yù)留階段的最小供水量；

101、水庫(kù)庫(kù)容約束

102、0≤w1≤wmax

103、式中，wmax為水庫(kù)興利庫(kù)容；

104、非負(fù)約束

105、l1，l2≥0。

106、進(jìn)一步，非汛期水庫(kù)調(diào)度模型目標(biāo)函數(shù)的求解方法包括第一步求解理論最優(yōu)值和第二步是根據(jù)約束條件對(duì)理論最優(yōu)值進(jìn)行修正；

107、s1、設(shè)置初始值

108、令決策階段和預(yù)留階段初始供水量等于預(yù)報(bào)來(lái)水量，即此時(shí)棄水量l1＝0，l2＝0；

109、s2、判斷迭代是否結(jié)束

110、計(jì)算當(dāng)前決策階段邊際效益g1[(x1)i]和預(yù)留階段邊際效益g2[(x2)i]之差，若差值小于初始閾值ε，則迭代結(jié)束，當(dāng)前變量值即為最優(yōu)解，否則，進(jìn)入步驟s3；

111、s3、修正搜索步長(zhǎng)

112、判斷i是否等于0，若i≠0，則計(jì)算兩次迭代的邊際差值之積{g1[(x1)i]-g2[(x2)i]}×{g1[(x1)i-1]-g2[(x2)i-1]}，若其值大于0，則說(shuō)明搜索方向正確，搜索步長(zhǎng)繼續(xù)保留，δxi＝δxi-1；否則，決策階段供水量的最優(yōu)取值范圍在(x1)i與(x1)i-1之間，需要縮短搜索步長(zhǎng)，令δxi＝δxi-1/h；h為步長(zhǎng)調(diào)整系數(shù)，且h＞1，然后進(jìn)入步驟s4；

113、s4、確定迭代方向

114、決策和預(yù)留階段的邊際效益函數(shù)都具有單調(diào)遞減的性質(zhì)，隨自變量的增大而減小，當(dāng)決策階段邊際效益g1(x1)i]大于預(yù)留階段邊際效益g2(x2)i]時(shí)，增大決策階段供水量x1，預(yù)留階段供水量x2隨之減小，即(x1)i＝(x1)i-1+δx，該步驟使g1[(x1)i]減少，g2[(x2)i]增加，決策和預(yù)留階段的邊際效益差距縮小；當(dāng)決策階段邊際效益g1[(x1)i]小于預(yù)留階段邊際效益g2[(x2)i]時(shí)，減小決策階段供水量x1，預(yù)留階段供水量x2隨之增大，即(x1)i＝(x1)i-1-δx該步驟使g1[(x1)i]增大，g2[(x2)i]減小，兩階段的邊際效益差距依然會(huì)縮小，確定迭代方向后，再次進(jìn)入步驟s2，完成循環(huán)；

115、迭代得到理論最優(yōu)值后，判斷其值是否滿足約束條件，滿足約束條件的值保留，不滿足的取邊界值，經(jīng)過(guò)兩步篩選計(jì)算，最終可以得到最優(yōu)解

116、本發(fā)明的有益效果：本發(fā)明提供一種農(nóng)業(yè)供水系統(tǒng)自適應(yīng)調(diào)度方法，該方法構(gòu)建了結(jié)合預(yù)報(bào)模塊的農(nóng)業(yè)供水系統(tǒng)自適應(yīng)調(diào)度模型，包含了兩種水庫(kù)調(diào)度模型，分別應(yīng)用于汛期與非汛期，通過(guò)實(shí)時(shí)預(yù)報(bào)結(jié)果結(jié)合歷史數(shù)據(jù)預(yù)測(cè)模擬未來(lái)情況，通過(guò)正態(tài)分布、taylor公式、數(shù)學(xué)期望等方式量化預(yù)測(cè)誤差，實(shí)現(xiàn)在汛期保證防洪目標(biāo)的前提下，合理規(guī)劃水庫(kù)蓄水量，提高興利效益，在非汛期基于效益曲線合理規(guī)劃調(diào)蓄過(guò)程，提高供水效益。本發(fā)明構(gòu)建的模型內(nèi)部包含了風(fēng)險(xiǎn)對(duì)沖的策略，利用kkt條件推求最優(yōu)解方程組時(shí)，讓決策階段和預(yù)留階段目標(biāo)函數(shù)的邊際效益值相等，從而降低整體的風(fēng)險(xiǎn)。通過(guò)上述手段，不僅實(shí)現(xiàn)了水庫(kù)在面對(duì)極端情況下的自適應(yīng)能力，也讓水庫(kù)的調(diào)蓄方式更加科學(xué)合理。

117、調(diào)度模塊能夠根據(jù)汛期劃分來(lái)選擇不同的調(diào)度模型，讓汛期側(cè)重防洪，非汛期側(cè)重興利，模型也能夠根據(jù)預(yù)見(jiàn)期內(nèi)的來(lái)水過(guò)程，自適應(yīng)調(diào)整水庫(kù)調(diào)度決策。實(shí)際應(yīng)用過(guò)程中，可以根據(jù)實(shí)際需求采用不同的調(diào)度模型組合，當(dāng)一個(gè)地方不存在洪水威脅時(shí)，可以單獨(dú)采用非汛期模型進(jìn)行實(shí)時(shí)調(diào)度。