Page 116 - 2023年第54卷第2期

平滑，且用时相对较短，但水位波动很大，有三处水位偏差超限，偏差范围 － ７５．８～２５．４ｃｍ。过大的
水位变幅既不利于工程安全，也会导致取水闸流量不稳定甚至供水困难。Ｉ － ＭＰＣ水位变化过程与 Ｉ － ＬＱ
类似，但水位调控超限更为严重，偏差范围 － ７２．９～３６．４ｃｍ ，主要原因是预测误差较大，干扰了当前
调控动作，导致算法效果较差。Ｓ － ＭＰＣ成功将水位变幅控制在约束范围内，但代价是调控用时更长，
ＳＩＤ模型相对准确地预测到了取水增加所带来的水位降低趋势，类似地，Ｓ － ＡＰＣ也将水位控制在较小
的变幅内，初期寻找最优参数时水位有一些小幅震荡，后水位变化逐渐平滑，水位的整体偏差较 Ｓ － ＭＰＣ
更小。

图 ７ 西干渠增加引水与取水时水位调控结果

Ｉ － ＭＰＣ、Ｓ － ＭＰＣ和 Ｓ － ＡＰＣ分 别 采 用 定 参 数
ＩＤ、定参数 ＳＩＤ和自适应辨识 ＳＩＤ模型对系统进行
预测控制，预 测时 域 内全 部渠 池 的 均 方 根 误 差 如
图 ８。水位调 控 期 间，Ｉ － ＭＰＣ的 平 均 预 测 误 差 为
４．６９ｃｍ，且前期误差多次超过 １５ｃｍ，算法控制效
果不佳。Ｓ － ＭＰＣ的平均预测误差为 １．２６ｃｍ，在 １８ｈ
时预测模型因矩阵运算中的不稳定因素出现误差突
然增加的情况，对应着图 ７（ｃ）中水位变化有一段
不平滑的过程，但误差很快降低，并未对系统造成
过多影响，这归功于反馈环节的校正能力。Ｓ － ＡＰＣ 图 ８ 情景一控制系统预测模型的均方根误差
的平均预测误差为 ０．６３ｃｍ，预测误差呈现先上升后下降的趋势，这是因为系统状态开始变化时，原
来的参数适用性较差，随着水位变幅的增加，预测误差随之增加，而后在线辨识的自适应算法逐渐搜
索到更优的参数，预测误差开始下降；在 １０ｈ后误差甚至保持在 ０．１０ｃｍ以下，究其原因，是模型与
算法形成了互馈，准确的预测模型使得算法调控更佳、水位过程更平稳，而平稳的水位使得预测难度
更低、预测模型更准，循环互馈，即使是全部取水口同时增加取水的情形，也能将水位控制在较小的
变幅范围内。
（ ３）增加引水与取水，同时抬升水位。进水闸的引水增加到达渠尾需 １０ｈ以上，在上游来水尚未

— ２ ４ —
０