[发明专利]一种梯级水库群联合调度智匹配分层耦合方法与系统

权利要求书

1.一种梯级水库群联合调度智匹配分层耦合方法，其特征在于，包括以下步骤：

(1)确定电站之间的约束条件，将各电站在不同时刻的出库流量作为决策变量并进行编码，然后根据决策变量在搜索空间内随机生成初始种群，将初始种群作为当前种群；以梯级电站总发电量最大作为目标函数，所述目标函数为：

式中：E为梯级电站总发电量；n为电站序号；N为梯级电站数目；t为时段序号；T为调度总时段数目；P_n,t为第n个水电站在第t个时段的出力；Δ_t为第t个时段小时数；

(2)获取当前种群中所有个体的适应度，并更新所有个体的历史最优位置与种群的全局最优位置，得到临时种群；

(3)采用反正弦余弦算法对临时种群个体位置进行收缩，得到收缩后的种群个体；再通过缩小搜索范围，得到新的种群个体；

步骤(3)中，

由得到收缩后的种群个体；

其中，

为种群中第k+1代第i个个体第j维的位置，表示第k代第i个个体第j维的历史最优位置，r(0,1)为[0,1]区间均匀分布的随机数，coe为收缩系数，λ为[0,1]区间均匀分布的随机数，arccos为反余弦函数，arcsin为反正弦函数；

由得到新的种群个体；

其中，为种群中第k+1代第i个局部个体第j维的位置，φ为[0,1]区间均匀分布的随机数，为搜索空间第j维的上限，X_j为搜索空间第j维的下限；

(4)将所述收缩后的种群个体和所述新的种群个体合并，并进行边界检查，选取前m个具有更好适应度的个体作为子代个体，形成下一代种群，m表示种群规模；

(5)将下一代种群作为当前种群，重复执行步骤(3)和步骤(4)，直至满足预设迭代停止条件，得到当前种群中的最优个体位置，并将当前种群中的最优个体作为目标调度方案。

2.根据权利要求1所述的方法，其特征在于，第k次迭代第i个个体表示为

其中，表示种群中第k次迭代第i个个体，N表示梯级电站数目，T表示调度总时段数目，且满足1≤i≤m，m表示种群规模；r(0,1)为[0,1]区间均匀分布的随机数，第n个水电站在第t个时段的出库流量上限，第n个水电站在第t个时段的出库流量下限，表示第k代第n个电站第t个时段出库流量，且1≤n≤N，1≤t≤T。

3.根据权利要求2所述的方法，其特征在于，步骤(2)中采用惩罚函数法计算当前种群中每个个体的适应度，个体的适应度为：

其中，P_n,t为第n个电站第t个时段出力，Δ_t第t个时段小时数，a_l为第l个约束的惩罚系数，θ_l是第l个约束的违背值，ζ为总约束数目。

4.根据权利要求3所述的方法，其特征在于，步骤(2)中更新所有个体的历史最优位置与种群的全局最优位置包括：

由更新所有个体的历史最优位置，由更新种群的全局最优位置；

其中：表示第k-1代第i个个体的历史最优位置，表示的适应度，表示第k代第i个个体的适应度，gBest^k表示第k代种群的全局最优位置。

5.一种梯级水库群联合调度智匹配分层耦合系统，其特征在于，包括：

初始化模块，用于确定电站之间的约束条件，将各电站在不同时刻的出库流量作为决策变量并进行编码，然后根据决策变量在搜索空间内随机生成初始种群，将初始种群作为当前种群；以梯级电站总发电量最大作为目标函数，所述目标函数为：

式中：E为整个梯级电站总发电量；n为电站序号；N为梯级电站数目；t为时段序号；T为调度总时段数目；P_n,t为第n个水电站在第t个时段的出力；Δ_t为第t个时段小时数；

适应度计算模块，用于获取当前种群中所有个体的适应度，并更新所有个体的历史最优位置与种群的全局最优位置，得到临时种群；

位置更新模块，用于采用反正弦余弦算法对临时种群个体位置进行收缩，得到收缩后的种群个体；再通过缩小搜索范围，得到新的种群个体；

边界检查模块，用于将所述收缩后的种群个体和所述新的种群个体合并，并进行边界检查，选取前m个具有更好适应度的个体作为子代个体，形成下一代种群，m表示种群规模；

最优方案确定模块，用于将下一代种群作为当前种群，重复执行位置更新模块和边界检查模块的操作，直至满足预设迭代停止条件，得到当前种群中的最优个体位置，并将当前种群中的最优个体作为目标调度方案；

所述位置更新模块包括：

第一位置更新子模块，用于

由得到收缩后的种群个体；

其中，

为种群中第k+1代第i个个体第j维的位置，表示第k代第i个个体第j维的历史最优位置，r(0,1)为[0,1]区间均匀分布的随机数，coe为收缩系数，λ为[0,1]区间均匀分布的随机数，arccos为反余弦函数，arcsin为反正弦函数；

第二位置更新子模块，用于

由得到新的种群个体；

其中，为种群中第k+1代第i个局部个体第j维的位置，φ为[0,1]区间均匀分布的随机数，为搜索空间第j维的上限，X_j为搜索空间第j维的下限。