[发明专利]一种梯级水库群多目标均衡调度方法与系统

说明书

本发明公开了一种梯级水库群多目标均衡调度方法与系统，属于梯级水电站群发电与调峰多目标调度领域，其中方法包括：随机初始化种群；计算当前种群的发电适应度和调峰适应度，进而得到每个个体的贴近度，根据贴近度对当前种群中每个个体的全局最优位置进行更新；根据贴近度和标准引力搜索，更新当前种群中每个个体的位置，然后，采用反向学习策略得到反向个体并添加到当前种群中，根据添加反向个体后的种群中每个个体的贴近度进行变异，得到变异后的种群，对变异后的种群进行边界检查，得到检查后的种群；将多次迭代得到的全局最优位置作为梯级水库群的最优调度方案。本发明搜索性能好，收敛精度高，鲁棒性强。

技术领域

本发明属于梯级水电站群发电与调峰多目标调度领域，更具体地，涉及一种梯级水库群多目标均衡调度方法与系统。

背景技术

对于所有的发电企业，经济效益是市场环境中绩效考核的重要指标。从数学的角度来看，目标问题是一个典型的多目标约束优化问题，具有一系列复杂的相等或不等式约束，并且在过去几十年中学者们成功地开发了许多经典方法，如线性规划，二次规划，动态规划，拉格朗日松弛和网络优化。然而，水电运行问题通常用非线性特征曲线，物理约束或目标函数建模。上述传统方法可能无法解决由于不同缺陷导致的复杂性，如维度问题，计算复杂度高。因此，有必要找到一些有效的改进策略来提高演化算法在水电站水库运行优化问题中的性能。引力搜索算法(GSA)是一种基于牛顿力学中重力和质量相互作用定律的著名启发式算法。尽管GSA在许多问题上优于标准的粒子群算法PSO和差分进化算法DE，但仍然存在某些缺陷(如勘探开发不平衡和局部收敛)。

由此可见，现有的GSA算法存在的鲁棒性低、探索开发能力不平衡的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种梯级水库群多目标均衡调度方法与系统，由此解决现有的GSA算法存在的鲁棒性低、探索开发能力不平衡的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种梯级水库群多目标均衡调度方法，包括如下步骤：

(1)将梯级水库群中所有水电站的出库流量作为个体，设置最大迭代次数为，当迭代次数k＝1时，在水库出库流量约束下，随机初始化包含多个个体的种群；

(2)以梯级水库群的总发电量最大为目标，建立发电目标函数，以最小化梯级水库群的残余负载曲线的均方差为目标，建立调峰目标函数，根据发电目标函数和惩罚函数计算当前种群的发电适应度，根据调峰目标函数和惩罚函数计算当前种群的调峰适应度；

(3)将调峰适应度和发电适应度转换为每个个体的贴近度，根据贴近度对当前种群中每个个体的全局最优位置进行更新；

(4)根据贴近度和标准引力搜索，更新当前种群中每个个体的位置，然后，采用反向学习策略得到反向个体并添加到当前种群中，根据添加反向个体后的种群中每个个体的贴近度进行变异，得到变异后的种群，对变异后的种群进行边界检查，得到检查后的种群；

(5)令k＝k+1，若则将检查后的种群作为当前种群，返回步骤(2)；否则停止计算，并将第次迭代得到的全局最优位置作为梯级水库群的最优调度方案。

进一步地，发电适应度为：

其中，E′[X_i(k)]为X_i(k)的发电适应度，X_i(k)为第k代种群中第i个个体，Viol[X_i(k)]为X_i(k)的惩罚函数值，发电目标函数为E是梯级水库群的总发电量，T表示总时段数目，N表示水电站的数目，P_n，t是第n个水电站在第t个时段的出力，Δ_t表示第t个时段的总小时数。

进一步地，调峰适应度为：