《Journal of Environmental Management》：A rule-based multi-objective optimization framework for flood control in coastal urban river networks under extreme rainfall and tidal backflow
编辑推荐：
沿海城市河流网络面临暴雨与潮汐回流的复合洪水挑战，本研究提出基于规则的多目标优化框架，耦合SWMM模型与NSGA-II算法，协调闸门与泵站动态调度，以最小化溢流风险和运营成本。通过福州37.7km2河网实测验证，优化方案使控制断面平均溢流深度降低48.99%-77.22%，能耗减少超92%，同时实现储水利用率提升、水位波动缩小、漫淹时长缩短及淹没渠道数量减少。框架创新性地将网络级多目标优化与实时规则控制结合，为潮汐影响城市防洪提供可扩展范式。
裴宇|Soon-Thiam Khu|肖天琦|张楠|侯英欣|王明娜
天津大学环境科学与工程学院，中国天津，300350
摘要 沿海城市河流网络日益面临极端降雨和潮汐回流带来的严重洪水风险。为了降低这一风险，本研究提出了一个基于规则的多目标优化框架，以制定水力基础设施的运行规则。在该框架中，将雨水管理模型（SWMM）与NSGA-II算法相结合，形成一个多目标模型，以最小化溢流风险和运营成本。性能指标用于评估收敛性、在不同水文条件下的适应性，并确定最佳的水位控制规则（WL-RBC）方案。该框架应用于福州市的一个完整河流网络，在六种代表性的降雨-潮汐情景下进行了测试。优化结果显示，在所有情景下都获得了高质量的解决方案。与原始方案相比，主导方案将控制断面的超流量平均减少了48.99%–77.22%，能耗降低了92%以上。在匹配的降雨条件下，WL-RBC方案仍具有适应性，优势覆盖率（DCR）值为0.74–1.0。河流网络的水力性能得到提升，储水利用率更高，水位波动更小，淹没时间更短，超载渠道数量也更少。在控制断面上，峰值水位和溢流持续时间均有所减少，操作模式从以泵为主转变为以闸门为主，节能效果达到7–848倍。总体而言，所提出的框架可以提高沿海城市在应对复合洪水挑战时的韧性、适应性和能源效率。
引言 极端降雨事件的频率增加给城市河流网络的防洪能力带来了重大挑战，尤其是在海平面变化和潮汐回流加剧洪水风险的沿海城市（Abhishek等人，2021年；IPCC，2021年；Vousdoukas等人，2020年）。鉴于这些日益严峻的挑战，为水力基础设施设计了防洪策略，以确保雨水和洪水管理的可持续性。传统上，被动控制策略是主流。这些策略主要依赖于操作人员的主观经验，因此缺乏系统性的预测能力和适应动态水文条件的能力。这些限制加速了向实时控制（RTC）的转变，实时控制为根据实时条件调度水力基础设施提供了更有效和适应性的模式（Zhang等人，2023年）。如今，RTC因其提高城市雨水系统性能的潜力而被广泛采用（Feng等人，2024年；Fu等人，2008年；Lund等人，2018年；Ly等人，2019年；Vezzaro和Grum，2014年）。
为了实现RTC，关键因素是水力基础设施（如堰、闸门和泵）的协调运行。这些基础设施被整合到城市水道中，以改善雨水管理和降低洪水风险。通过动态调整水力基础设施，RTC策略可以显著增强雨水和洪水管理的效果（Oh和Bartos，2023年；Sharior等人，2019年；Wong和Kerkez，2018年）。具体来说，RTC策略的实际价值首先通过加拿大魁北克市的合流制排水系统得到了证明（Schütze等人，2004年），该系统减少了污水溢出并提高了成本效率。此后，RTC策略作为传统水力基础设施扩展的实用替代方案，在世界各地的各种城市排水系统中得到应用（Beeneken等人，2013年）。
基于这些实际案例，最近的研究越来越多地关注RTC策略如何实现其目标。对于城市河流网络，主要目标是在强降雨事件期间优化水力基础设施的调度。这最初被作为一个离线优化问题来处理，其中RTC策略是在没有实时反馈的情况下预先计算的（Zhang等人，2022年）。在过去的几十年中，传感器、通信和计算能力方面的主要技术障碍逐渐被克服，为RTC的更广泛应用铺平了道路（Luo等人，2023年）。模型预测控制（MPC）作为一种新型RTC策略，利用系统模型根据当前状态预测未来行为，并动态生成最优控制动作（Bowes等人，2022年）。尽管在开发MPC方面取得了一些进展，但实际应用仍面临一些挑战，包括操作人员的信任度有限、协调问题和计算效率低下（Dong等人，2017年）。此外，MPC的性能可能受到模型不准确性、计算负担和严格约束的影响（Piadeh等人，2022年）。
相比之下，基于规则的控制（RBC）作为一种更实用的RTC策略，不再需要复杂的建模或耗时的预测，可以根据实时监测数据快速响应（Meneses等人，2018年）。在RBC中，控制决策遵循使用启发式算法生成的预定义操作规则（Zhang和Tang，2019年）。最近的研究探索了提高RBC实际效果的方法。例如，Shishegar等人（2019年）将优化算法与RBC结合，以改善滞留池中的水质和水量调节。Feng等人（2024年）提出了一种基于RBC的混合方法，以减少城市河流系统中在线优化相关的计算延迟。总体而言，作为一种兼具效率和实用性的RTC策略，RBC仍然是城市河流网络中非常相关且有前景的防洪策略，特别是在需要快速响应的情况下。
尽管RBC具有实际优势，但它倾向于优先控制单个水力基础设施，而不是将城市河流网络作为一个整体系统来考虑（Burns等人，2020年；Creaco等人，2019年；Mila?inovi?等人，2022年）。Sun等人（2024年）开发了一种用于管理单个储水设施的基于规则的控制方法。Liang等人（2022年）提出了一种用于双储水系统的目标流量控制方法。其他研究则关注级联闸门的控制，通常局限于单个河流或开放渠道（Kong等人，2021年）。然而，这在当前的RBC研究中引发了一个问题，即尽管一些努力已经将控制扩展到多个基础设施，但其范围仍然有限。特别是，Petrucci等人（2013年）表明，当单个组件与网络级目标不一致时，即使大规模部署雨水基础设施，流域性能也会下降。此外，城市河流网络在结构上非常复杂，具有多个控制段和在空间上强烈交互的闸门-泵单元。这种复杂性在沿海城市尤为明显，因为城市河流网络必须同时应对极端降雨和来自外部河流或海洋的潮汐回流。这最终导致系统行为高度动态。在这种多源干扰和强烈的空间异质性下，准确的建模和实时、全网范围的优化面临重大挑战。此外，河流网络的高维度和内在不确定性限制了传统调度策略的响应能力。因此，迫切需要既具有操作可行性又能够适应复杂、变化的水文环境的防洪策略。
在这方面，提出了一个基于规则的多目标优化框架，以制定受潮汐影响的城市河流网络的最优调度规则，旨在克服传统静态和基于经验的调度方法的局限性。该框架旨在减少洪水风险和提高能源效率，使用NSGA-II算法确定最佳的水位控制规则（WL-RBC）方案。WL-RBC方案协调整个河流网络中的闸门和泵的操作，同时最大化全网范围的储水能力，以有效应对复合水文条件下的城市洪水风险，如潮汐回流和极端降雨。本研究的主要贡献如下：1）制定了WL-RBC方案，以协调受潮汐影响的城市河流网络中的闸门和泵的操作。2）通过将SWMM模型与NSGA-II算法相结合，构建了一个多目标优化模型，以最小化控制断面的溢流风险和水力基础设施的运营成本。3）提出了一组评估指标，以评估最优解的适应性并推荐最有效的控制方案。
方法论 城市河流网络，特别是在沿海地区（见图1(a)），具有复杂的拓扑结构和密集的空间连接。这使它们对多种水文因素（如潮汐变化和风暴事件）高度敏感。水力基础设施（如闸门和泵）分布在整个网络中，作为水力和空间耦合的控制单元。在极端降雨和潮汐回流的情况下，加剧的河流-潮汐相互作用会产生非线性的
研究区域 图3显示了研究区域，位于中国福州南台岛的西侧，面积为37.7平方公里，包含13条河流。该地区具有亚热带季风气候，年降雨量为1395.6毫米，其中73.6%发生在4月至9月。夏季台风频繁引发洪水并降低水质。靠近闽江的低洼、受潮汐影响的河流网络经历了显著的潮汐波动，产生动态的水位和流速。
算法收敛性和帕累托最优解 在解决所提出的多目标优化模型时，种群规模和代数显著影响收敛性和计算成本。较大的种群规模和代数可以提高多样性，但会增加计算量。为了平衡效率和性能，应用了NSGA-II算法，种群规模为1000，代数为100。图4(a)显示了六种情景下的HV 和ΔHV 值，所有情景都满足收敛标准。达到ε 所需的代数分别为30、19、15、34、25和57
提出框架的泛化和扩展 实际上，RTC在城市河流网络的防洪方面具有很大的潜力，但现有方法存在重要局限性。作为典型的RTC方法，MPC对内部模型不确定性和降雨预报误差过于敏感，经常遇到与在线计算和执行器约束相关的瓶颈（Lund等人，2018年）。最近的研究引入了深度强化学习和机器学习替代方法来减少运行时间（Zahura等人，2020年；Zhang等人，
结论 本文提出了一种基于规则的多目标优化框架，用于协调受极端降雨和潮汐回流共同影响的城市河流网络中的水力基础设施的运行。该框架区分了内陆闸门和滨水泵站，并根据它们的水力行为应用相应的控制规则。这些规则随后与基于SWMM和NSGA-II的多目标优化模型相结合
CRediT作者贡献声明 裴宇： 撰写——原始草案，验证，方法论，正式分析，数据整理，概念化。Soon-Thiam Khu： 监督，概念化。肖天琦： 撰写——审阅与编辑，软件，调查。张楠： 撰写——审阅与编辑，可视化。侯英欣： 软件，调查。王明娜： 监督，正式分析。
利益冲突声明 作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢 作者感谢
中国国家重点研发计划 （
2021YFC3001400 的财政支持。我们还要感谢匿名审稿人和相关编辑提供的宝贵意见，这些意见有助于改进手稿。
