[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

说明书

本发明提出一种梯级水库群联合调度智匹配分层耦合方法与系统，通过设置必要计算参数，将电站不同时刻出库流量作为决策变量进行串联编码；在搜索空间中进行种群初始化；通过惩罚函数法计算种群所有个体适应度值；更新种群全局最优位置和个体历史最优位置；使用反正余弦算法更新种群中个体位置；对当前种群中个体位置进行边界检查；通过迭代计算直至达到种群最大迭代次数；将当前种群全局最优位置作为梯级电站最优调度过程。如此，利用本发明方法求解梯级水库联合调度问题，原理简单、鲁棒性强、搜索效率高、收敛速度快，能够有效避免陷入局部最优，最终达到提升整个梯级电站发电效益的目的，为梯级水库发电调度提供了科学依据。

技术领域

本发明属于梯级水库群发电调度领域，更具体地，涉及一种梯级水库群联合调度智匹配分层耦合方法与系统。

背景技术

梯级水库作为一个联合整体，具有库容补偿、水文补偿和电力补偿等效益。梯级水库中长期优化调度是以较长时段(例如季度和年)为周期确定电站运行方式的优化问题。因为周期时段较长，在调度期主要受不确定的天然来水和电站自身调节能力影响，例如，当天然来水分配不均匀，为满足发电企业要求，则需要调节能力较大的水电站进行适应性调节。

同时，调度期内调度信息准确性和随机性、计算周期短、计算时段的选择以及分时上网电价政策等因素影响使得对中长期发电调度带来了巨大困难。中长期调度方法可以分为常规调度和优化调度两类。常规调度主要根据长期水文资料进行计算和编制水库调度图，但水库调度图理论性不够严密且具有一定主观性不能达到电站最优运行的目的。优化调度主要根据最优化技术并借助计算机技术解决复杂约束优化问题，能够找到最优或者近似最优的电站运行方案。但传统数学方法存在早熟收敛、维数灾以及经典智能算法求解高维多峰问题时易陷入局部最优、求解精度低的缺陷。

发明内容

针对现有技术的缺陷或需求，本发明旨在提供一种梯级水库群联合调度智匹配分层耦合方法与系统，由此解决传统数学方法早熟收敛、维数灾以及经典智能算法求解高维多峰问题时易陷入局部最优、求解精度低的缺陷。

为实现上述目的，作为本发明的一个方面，提供了一种梯级水库群联合调度智匹配分层耦合方法，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；

(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；

(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。

进一步地，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表示电站数目，T表示时段数目，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。

进一步地，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。