[发明专利]一种基于改进NSGA-Ⅲ的梯级水电站多目标优化调度方法

说明书

本发明公开了一种基于改进NSGA‑Ⅲ的梯级水电站多目标优化调度方法，包括获取梯级水电站的基本信息；建立考虑水量平衡以及其他硬性约束的多目标发电优化调度数学模型；基于拉丁超立方抽样生成初始种群及初始化参考点；初始化各个算子的繁殖率，并基于各个算子的繁殖率生成后代；合并父代与子代，计算个体的适应度值并进行非支配排序，将非支配排序等级高的作为下一代进化的父代P_t+1；根据P_t+1的个体，计算各个算子的繁殖率并执行生成子代操作；合并父代种群和子代种群，进行非支配排序，选出优势个体形成新种群并计算各个算子的繁殖率，并重复迭代直到满足终止条件为止。本发明方法提高了水电站的经济效益和电网的运行稳定性。

技术领域

本发明涉及水利水电调度方法，特别涉及一种基于改进的NSGA-Ⅲ的梯级水电站发电多目标优化调度方法。

背景技术

能源是国民经济发展的基础资源，是维持社会进步、经济稳定发展和改善人民生活条件的基本保障。水电能源又是能源的重要组成部分，占全球总能源的20％，它比核电和火电具有成本低、操作灵活等优点。因此，世界各地近年来修建了大量的水电站。一般来说，水电系统运行最重要的目标是在满足一定的约束条件下，确定水电站最优的运行水位以发挥系统最大的经济效益，这在过去几十年里取得了很多的成果。

但是，以往的研究通常是以水电站系统调度期内发电量最大作为优化目标，水电站通过蓄更多的水以保持高效率运行，这将导致水电站在枯水期不能提供稳定的出力。为了避免这个问题，所建立的优化模型应该同时考虑发电量最大和出力的稳定性，这样有利于更科学地管理水电站系统。

梯级水电站系统的优化调度是一类具有高维度、非线性、多目标、多阶段的复杂决策问题。在过去的几十年里，许多学者一直致力于开发梯级水电站系统发电多目标优化调度问题的求解方法。这些方法通常可以分为以下3大类：约束法、权重法和多目标进化算法。第一类方法通常将最小出力最大化作为约束条件进行处理，这样可以极大地降低维数，但是需要通过逐次不断调整约束值来获取非劣解集，不能一次性求得完整的Parero前沿。第二类方法采用权重将多目标问题转化为单目标问题，通过不断摄动权重组合来获得一组非支配解，但该方法不适用于Pareto非凸的情况。第三类方法是采用多目标进化算法来同时优化多个互相矛盾的目标，它可以一次运行得到完整的Pareto前沿；此外，多目标进化算法对Pareto前沿的形状及连续性不敏感，因此它可以处理不连续或凹的Pareto前沿；另外，多目标进化算法还可以有效处理大规模的搜索空间。目前，该类方法在水资源系统多目标优化问题中得到了越来越广泛的应用。

尽管过去几十年间多目标进化算法在水库调度取得了许多应用，但是多目标进化算法始终处于不断的更新和发展之中。其中，Deb最近提出了一种改进的遗传算法，即NSGA-Ⅲ算法，由于它在进化过程中具有较好的收敛性以及能快速收敛到Pareto前沿等优势，目前在工程领域受到了广泛的关注。但是，它在进化过程中生成后代采用的是遗传算法进化的机制，所以也存在跟遗传算法同样的问题，比如，难以收敛到全局最优解以及不稳定等问题。因此，需要对NSGA-Ⅲ算法本身的缺陷进行改进，并结合水电站系统发电多目标优化调度的问题特点，将改进的NSGA-Ⅲ算法用于水电站系统发电多目标优化调度研究领域。

发明内容

发明目的：本发明提供一种基于改进NSGA-Ⅲ的梯级水电站多目标优化调度方法，以解决现有技术存在的上述问题。

技术方案：本发明提供了一种基于改进NSGA-Ⅲ的梯级水电站多目标优化调度方法，包括以下步骤：

(1)获取梯级水电站的基本信息，该基本信息包括各个水电站的入库径流资料、水位库容曲线、尾水流量关系曲线和水轮机机组综合曲线资料；

(2)根据梯级水电站基本信息建立考虑水量平衡以及硬性约束的多目标发电优化调度数学模型；

(3)采用改进的NSGA-Ⅲ对所述步骤(2)建立的多目标发电优化调度数学模型进行求解。