[发明专利]一种梯级水电站群优化调度两阶段直接搜索降维方法

说明书

本发明公开了一种梯级水电站群优化调度两阶段直接搜索降维方法，属于水资源高效利用与水电系统优化调度技术领域。包括以下步骤：在给定初始调度过程并计算得到最大搜索步长后，首先将多阶段水库群调度问题分解多个两阶段子问题；而后对每个子问题采用直接搜索策略进行求解；最后通过迭代寻优逐次逼近全局最优解；梯级水电站群联合调度实践结果充分验证本发明方法的有效性。相比于传统逐步优化算法，本发明采用直接搜索策略替代子问题中的枚举计算操作，将计算复杂度从指数增长降低至多项式增长，显著减少了计算时间与占用内存，大幅提升了执行效率与解算规模，更加适用于大规模复杂水电系统优化调度问题。

技术领域

本发明属于水资源高效利用与水电系统优化调度技术领域，更具体地，涉及一种梯级水电站群优化调度两阶段直接搜索降维方法。

背景技术

特大流域梯级水电站群优化调度能够充分发挥上下游水电站之间的协同效应，产生突出的经济效益与社会效益，同时在水电能源系统的作用也与日剧增。从数学上看，梯级水电站群联合调度属于典型的非线性、多维度、强约束的复杂约束优化问题，其求解方法可大致分为智能算法与传统算法两大类。经典传统算法以线性规划、非线性规划、动态规划、网络流算法等为典型代表，大都在理论上较为完备，能够有效处理特定类型的问题，然而这些方法不同程度地存在无法处理非线性、计算开销大、维数灾等不足。智能算法包括遗传算法、粒子群算法、人工蜂群算法、布谷鸟算法等典型代表，这些算法采用不同的模型来模拟逼近自然界的生物进化过程，能够不受优化问题非凸、不连续等特征影响，但是智能算法普遍存在不同程度的早熟收敛、结果稳定性差等缺陷。综上，十分有必要在传统水电调度算法基础上，探索能够缓解维数灾问题的新型优化算法。

作为经典的动态规划改进方法，逐步优化算法(POA)首先通过传统方法或领域知识确定初始调度过程，然后将多阶段优化问题分解为一系列相对简单的两阶段子问题，并利用简化的动态规划递推方程来获得各个子问题的改进结果，最后通过迭代计算不断逼近全局最优解。总体而言，动态规划在所有阶段的离散搜索空间寻优；而POA只需在两阶段子问题的离散空间内寻优，能够很大程度上降低计算阶段数目、显著减少了算法开销。然而，在求解两阶段子问题时，标准POA算法仍然在所有水库的离散状态变量构成的搜索空间内寻优，使得在处理大规模水电调度问题时会出现严重的“维数灾”与“重复计算”问题。由此可知，POA乏力应对大规模水电系统优化调度问题，有必要探索提升算法性能的改进方法。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种梯级水电站群优化调度两阶段直接搜索降维方法，将直接搜索策略引入到POA子问题的求解过程中，旨在解决采用标准POA算法在解决梯级水电站群联合调度时出现的“维数灾”与“重复计算”问题。

为实现上述目的，本发明提供了一种梯级水电站群优化调度两阶段直接搜索降维方法，主要步骤包括：

(1)设置计算参数，选择水电站集合并设置相应约束条件。优选地，上述步骤(1)包括以下两个步骤：

(1.1)设置计算参数，包括外循环最大次数c^max、内循环最大次数终止精度ξ、映射系数a、扩张系数γ、收缩系数β、压缩系数δ、步长系数θ。

(1.2)选择参与计算的水电站集合，并设置水位限制、出力限制、出库流量限制、发电流量限制等约束条件。

(2)利用常规调度图或动态规划方法生成水电系统初始调度过程。

优选地，令外循环计数器c＝1。采用常规调度图或动态规划方法从上游到下游依次生成各水电站的调度过程计算得到相应的最大搜索步长其中表示第c轮迭代时水电站k在第j阶段的状态值，K为水电站数目，J为时段数目，分别表示水电站k在第j阶段的水位上、下限。

(3)将多阶段水电调度问题分解为若干两阶段子问题。具体地，上述步骤(3)包括以下两个步骤：