[发明专利]基于混合智能降维算法的特大流域水电站群优化调度方法

说明书

本发明公开了一种基于混合智能算法的特大流域水电站群优化调度方法，选择参与计算的水电站并设置相应约束条件，采用个体串联编码方法编码个体，并生成初始种群；评估各个体的适应度值，在更新个体极值和全局极值后对个体极值进行变异操作，然后更新种群中所有个体位置，而后对外部档案集中的个体执行混合搜索策略以提高个体多样性；最后重复上述过程直至满足终止条件。本发明寻优性能优越、鲁棒性强、收敛速度快、易于编程实现、避免了传统调度算法的维数灾问题。乌江流域应用实例表明，本发明方法有效提高了个体收敛速度以及种群全局搜索能力，能够快速获得合理有效的水电站群调度运行方式，提高了特大流域水电站群调度的整体调度效益。

技术领域

本发明属于水资源高效利用与水电站群优化调度领域，更具体地，涉及一种基于混合智能降维算法的特大流域水电站群优化调度方法。

背景技术

近年来，我国水电事业高速发展，越来越多的水电站不断被开发利用，特别是在西南地区乌江、红水河等特大流域水电基地陆续投产运行后，我国已形成世界上前所未有的超大规模水电系统。随着系统规模的逐步扩大，“如何对特大流域水电站群进行科学合理的调度，以实现水能资源的高效利用和水电系统经济效益最大化”便成为水资源高效利用与水电站群优化调度技术领域的核心内容。因此，亟需深入研究适用于特大流域水电站群的优化调度方法，这对促进我国能源利用效率提升和节能减排事业发展具有十分重要的现实意义和应用价值。

水电站群优化调度通常以发电量最大为目标函数，其数学模型描述如下：在已知调度期内各水电站的入库流量过程及始、末水位条件下，综合考虑水位、出力、流量等复杂约束条件，以特大流域水电系统总发电量最大为目标，从而确定各水电站的出力、水位运行过程。

式中：E为电站的年发电量，kW·h；N为电站的数目；i为电站的序号；T为调度周期；t为时段的序号；Δt为每个时段的小时数，h；P_i,t代表第i个电站在第t个时段的出力，kW；

需要满足的约束条件如下：

(1)水量平衡约束：V_i,t+1＝V_i,t+(q_i,t-Q_i.t-S_i,t)Δt，其中，V_i,t为第i个水电站第t个时段的初始蓄水量(m³)；q_i,t、Q_i,t、S_i,t分别为第i个水电站第t个时段的入库流量(m³/s)、发电流量(m³/s)、弃水流量(m³/s)。

(2)水库蓄水量约束：其中，分别为第i个水电站第t个时段蓄水量的上、下限，m³。

(3)发电流量约束：为分别为第i个水电站第t个时段发电流量的上、下限，m³/s。

(4)水库下泄流量约束：分别为第i个水电站第t个时段的下泄流量上、下限，m³/s。

(5)水电站出力约束：分别为第i个水电站第t个时段的出力上、下限，kW。

水电站群优化调度模型存在着规模庞大、约束条件复杂等问题，使其求解过程具有多维度、多阶段、非线性、强约束等特点，采用传统线性规划求解得到的结果与实际调度过程偏差较大；而动态规划会遇到“维数灾”问题。因此，研发恰当的求解方法显得尤为重要。群体智能算法利用良好的协同进化机制开展寻优，避免传统算法的枚举操作，具有内存占用少、降维效果突出等优势，逐步在水电站群优化调度领域得到广泛应用。