一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法技术

本发明专利技术公开了一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，包括将水电站水库调度时段划分为当前阶段和余留期，并构建两阶段决策模型框架；考虑余留期来水形势和余留库容对于余留期效益的影响，构建余留期效益的近似函数；基于随机动态规划(SDP)提出一种逐步迭代法以获得余留期效益近似函数；根据实际径流预报水平，建立两阶段随机优化调度模型。本发明专利技术方法避免了SDP的“维数灾”；以人工神经网络作为余留期效益函数近似器，避免了人为假定余留期效益函数型式，且能够得到余留期效益的连续曲面；两阶段随机优化调度模型把多阶段水库调度决策问题转化为一个两阶段优化决策问题，可直接用于指导中长期发电计划滚动更新。

【技术实现步骤摘要】
一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法
本专利技术涉及水库调度方法，特别是涉及一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法。
技术介绍
水电站中长期发电计划编制一直是水库优化调度领域的重点和难点。在制订调度计划时，不仅要考虑面临时刻的径流变化，还要顾及长期径流变化规律，既要考虑近期效益，也要兼顾长期效益。考虑到中长期径流预报的精度不够高且预见期有限的实际情况，为了使发电计划制定适当的留有余地，在电力系统电力电量平衡中，编制水电站发电计划常用保证率为70％-75％左右的年来水量作为计划来水量。采用优化方法制定中长期发电计划的最常见流程为：(1)假定中长期径流预报信息：大中型水电站水库调度规范规定[6]一般采用保证率为70％-75％的典型年径流过程作为年计划来水过程。(2)获取初始最优调度过程：根据一定的优化准则(如发电量最大或者发电效益最大等)和初始调度信息，利用动态规划(DP)等确定性优化调度方法得出初始最优决策序列X1(1),X1(2),…,X1(T)。(3)实施最优决策X1(1)，并更新水库的初始调度信息。(4)更新径流预报信息：由于预见期有限，预报更新往往只针对面临时段，面临时段末至年末仍采用最初假定的径流过程。(5)更新最优决策序列：重新优化计算面临时段至年末的最优决策。不断滚动优化计算，最终可得到如下决策矩阵：水电站中长期发电计划编制是一个“预报-调度”滚动更新的过程。上述决策矩阵中，每一行表示面临时段至年末的调度决策方式，下一行是对上一行前一时刻至年末运行调度方式的修正。其中，只有主对角上的元素为最终实施的决策。从以上中长期发电计划滚动更新流程可以看出，现行中长期发电计划制定存在两个问题：①优化调度模型没有考虑径流预报不确定性。每次决策更新都假定径流预报完美，并采用确定性优化调度获得最优决策，忽略了预报不确定性带来的调度风险。②径流预报预见期有限，与水库调度期不匹配。水库调度往往只在关键性的时间节点有水位控制信息，如年末控制在正常蓄水位，而其它时段的水位控制缺乏先验信息。由于不知道预见期末的水位控制边界，为了使用优化调度模型对发电调度计划实时更新，常常把调度期延伸至有水位控制信息的边界点(如年末)。一方面，预见期内更新的预报信息可能改进发电计划，但是预见期末至调度期末的大量时段引入可能跟实际径流形势相差较大的假定径流信息，又会导致调度决策不准确，失去了优化调度的优越性。因此，要提高中长期发电计划制定水平，一方面需要进一步提高径流预报精度、延长径流预报预见期，另一方面需要改进建模技术，提出与现有预报水平(预报精度不高、预见期有限)相适应，且能指导中长期发电计划滚动更新的优化调度模型。现有技术采用优化模型制定中长期发电计划的现行方法没有考虑径流预报不确定性，且存在径流预报预见期与水库调度期不匹配的问题。
技术实现思路
专利技术目的：为解决现有技术的不足，提供一种与现有预报水平(预报精度不高、预见期有限)相适应，且能指导中长期发电计划滚动更新的基于余留期效益函数近似的水电站水库两阶段随机优化调度方法。技术方案：为实现上述专利技术目的，本专利技术引入两阶段决策思想，尝试利用有限预见期和预报精度的径流预报信息，建立能指导中长期发电计划滚动更新的两阶段随机优化调度模型。采用以下技术方案：一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，包括以下步骤：(1)引入两阶段决策思想，将水电站水库调度时段划分为当前阶段和余留期，并构建两阶段决策模型框架；(2)考虑余留期来水形势和余留库容对于余留期效益的影响，构建余留期效益的近似函数；(3)基于随机动态规划模型，提出一种逐步迭代法以获得余留期效益近似函数；(4)根据实际径流预报水平，建立能指导水电站水库中长期发电计划滚动更新的两阶段随机优化调度模型。进一步的，步骤(1)中将水电站水库调度的当前阶段，即t时段，视为第一阶段；余留期，即t时段末至调度期T末，视为第二阶段；将时段t的实际入库径流qt视为随机变量，第一阶段效益为t时段的期望发电量，第二阶段效益为水库实施初始决策后，由余留库容st和余留期来水形势共同决定的余留期效益；两阶段决策模型框架可表示为：其中，t为时段序号；△t为调度时段；为时段t关于实际入库径流qt的期望算子；Bt(st-1,qt,st)△t为t时段初、末库容分别为st-1和st，实际入库径流为qt时的发电量，称为即时效益或第一阶段效益；为余留期来水；为余留期累积发电量，称为余留期效益或第二阶段效益，是末库容st和余留期来水的函数。进一步的，步骤(2)中水电站水库的余留期效益不仅与余留期的来水形势有关，还与水库的余留库容所决定的水头信息有关；为了同时考虑余留期来水形势和余留库容对于余留期效益的影响，假定余留期效益的近似函数为：其中，ht+1(*)为t时段末，也即t+1时段初的余留期效益近似函数；qt为t时段的实际入库径流，由于中长期径流可视为周期性的马尔科夫过程，有固定的径流转移规律，qt在一定程度上反映了余留期来水形势；st为t时段的末库容，代表余留库容对余留期效益的影响。进一步的，步骤(3)包括以下步骤：(31)构建SDP模型的递推方程：其中，ft(st-1,qt-1)表示给定初始状态为st-1、qt-1情况下，时段t至T的最大期望效益；j为实测径流等级指标；P(qt∈j|qt-1)表示t时段的径流先验状态转移概率；Bt(st-1,qt∈j,st)△t为t时段初、末库容分别为st-1和st，径流qt∈j时的发电量，称为即时效益或第一阶段效益；△t为时段长；ft+1(st,qt∈j)表示给定初始状态为st,qt∈j情况下，时段t+1至T的最大期望效益；最后一个时段T的递推方程为：其中，qT,qT-1分别为T时段、T-1时段的实际入库径流；sT-1、sT分别为T时段初、末库容；Bt(sT-1,qT∈j,sT)△t为T时段初、末库容分别为sT-1和sT，实际入库径流为qT时的发电量，即T时段的即时效益；(32)将每个时段的初、末库容在库容上下限范围内离散为M个点，入库径流离散为N个区间，即N个实测径流等级；(33)假定T时段末余留期效益为0，即hT+1(isT,qT∈j)＝0；i＝1,2...M；j＝1,2...,N，其中，isT表示T时段末库容处于第i个离散状态；(34)初始化t＝T；(35)通过公式(5)计算t时段初库容状态为ist-1，t-1时段入库径流为qt-1∈k时的余留期效益值，遍历所有的库容和入库径流离散状态，获得t时段初余留期效益值的样本集合ft(ist-1,qt-1∈k)；i＝1,2,...,M；k＝1,2,...,N：以库容状态ist-1和入库径流qt-1∈k为输入样本，ft(ist-1,qt-1∈k)；i＝1,2,...,M；k＝1,2,...,N为输出样本，获取t时段初的余留期效益近似函数ht(*)：ft(ist-1,qt-1∈k)＝ht(ist-1,qt-1∈k)；i＝1,2,...,M；k＝1,2,...,N(6)；若t＝1，q0∈k等价于qT∈k，is0＝isT。(36)如果t＝1，转入步骤(37)；否则，令t＝t-1，并转入步骤(35)。(37)通过公式(7)计算t＝1时段本文档来自技高网...

【技术保护点】
1.一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，其特征在于，包括以下步骤：(1)引入两阶段决策思想，将水电站水库调度时段划分为当前阶段和余留期，并构建两阶段决策模型框架；(2)考虑余留期来水形势和余留库容对于余留期效益的影响，构建余留期效益的近似函数；(3)基于随机动态规划模型，提出一种逐步迭代法以获得余留期效益近似函数；(4)根据实际径流预报水平，建立能指导水电站水库中长期发电计划滚动更新的两阶段随机优化调度模型。

【技术特征摘要】
1.一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，其特征在于，包括以下步骤：(1)引入两阶段决策思想，将水电站水库调度时段划分为当前阶段和余留期，并构建两阶段决策模型框架；(2)考虑余留期来水形势和余留库容对于余留期效益的影响，构建余留期效益的近似函数；(3)基于随机动态规划模型，提出一种逐步迭代法以获得余留期效益近似函数；(4)根据实际径流预报水平，建立能指导水电站水库中长期发电计划滚动更新的两阶段随机优化调度模型。2.根据权利要求1所述的一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，其特征在于，步骤(1)中将水电站水库调度的当前阶段，即t时段，视为第一阶段；余留期，即t时段末至调度期T末，视为第二阶段；将时段t的实际入库径流qt视为随机变量，第一阶段效益为t时段的期望发电量，第二阶段效益为水库实施初始决策后，由余留库容st和余留期来水形势yqt共同决定的余留期效益；两阶段决策模型框架可表示为：其中，t为时段序号；△t为调度时段；为时段t关于实际入库径流qt的期望算子；Bt(st-1,qt,st)△t为t时段初、末库容分别为st-1和st，实际入库径流为qt时的发电量，称为即时效益或第一阶段效益；为余留期来水；为余留期累积发电量，称为余留期效益或第二阶段效益，是末库容st和余留期来水的函数。3.根据权利要求1所述的一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，其特征在于，步骤(2)中水电站水库的余留期效益不仅与余留期的来水形势有关，还与水库的余留库容所决定的水头信息有关；为了同时考虑余留期来水形势和余留库容对于余留期效益的影响，假定余留期效益的近似函数为：其中，ht+1(*)为t时段末，也即t+1时段初的余留期效益近似函数；qt为t时段的实际入库径流，由于中长期径流可视为周期性的马尔科夫过程，有固定的径流转移规律，qt在一定程度上反映了余留期来水形势；st为t时段的末库容，代表余留库容对余留期效益的影响。4.根据权利要求1所述的一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，其特征在于，步骤(3)包括以下步骤：(31)构建SDP模型的递推方程：其中，ft(st-1,qt-1)表示给定初始状态为st-1、qt-1情况下，时段t至T的最大期望效益；j为实测径流等级指标；P(qt∈j|qt-1)表示t时段的径流先验状态转移概率；Bt(st-1,qt∈j,st)△t为t时段初、末库容分别为st-1和st，径流qt∈j时的发电量，称为即时效益或第一阶段效益；△t为时段长；ft+1(st,qt∈j)表示给定初始状态为st,qt∈j情况下，时段t+1至T的最大期望效益；最后一个时段T的递推方程为：其中，qT,qT-1分别为T时段、T-1时段的实际入库径流；sT-1、sT分别为T时段初、末库容；Bt(sT-1,qT∈j,sT)△t为T时段初、末库容分别为sT-1和sT，实际入库径流为qT时的发电量，即T时段的即时效益；(32)将每个时段的初、末库容在库容上下限范围内离散为M个点，入库径流离散为N个区间，即N个实测径流等级；(33)假定T时段末余留期效益为0，即hT+1(isT,qT∈j)＝0；i＝1,2...M；j＝1,2...,N，其中，isT表示T时段末库容处于第i个离散状态；(34)初始化t＝T；(35)通过公式(5)计算t时段初库容状态为ist-1，t-1时段入库径流为qt-1∈k时的余留期效益值，遍历所有的库容和入库径流离散状态，获得t时段初余留期效益值的样本集合ft(ist-1,qt-1∈k)；i＝1,2,...,M；k＝1,2,...,N：以库容状态ist-1和入库径流qt-1∈k为输入样本，ft(ist-1,qt-1∈k)；i＝1,2,...,M；k＝1,2,...,N为输出样本，获取t时段初的余留期效益近似函数ht(*)：ft(ist-1,qt-1∈k)＝ht(ist-1,qt-1∈k)；i＝1,2,...,M；k＝1,2,...,N(6)；若t＝1，q0∈k等价于qT∈k，is0＝isT。(36)如果t＝1，转入步骤(37)；否则，令t＝t-1，并转入步骤(35)。(37)通过公式(7)计算t＝1时段初各种组合状态下的最小余留期效益值f1,min：(38)更新T阶段末的余留期效益值样本fT+1(isT,qT∈k)＝f1(isT,qT∈k)-f1，min；i＝1,2...M；k＝1,2...,N(8)；其中，k为实测径流等级指标；以库容状态isT和入库径流qT∈k为输入样本，fT+1(isT,qT∈k)；i＝1,2,...,M；k＝1,2,...,N为输出样本，获取T阶段末的余留期效益近似函数hT+1(*)：fT+1(isT,qT∈k)＝hT+1(isT,qT∈k)；i＝1,2...M；k＝1,2...,N(9)；(39)如果满足收敛准则，则停止计算，并保存最终的余留期效益近似函数；否则转入步骤(34)。5.根据权利要求4所述的一种基于余留期效益函数近似的水电站水库两阶段随机优化调度方法，其特征在于，余留期效益函数近似的关键是选择合适的余留期效益函数近似器和合理的收敛准则；其中余留期效益函数近似器使用人工神经网络；所述收敛准则的计算为：由于水库调度是一个受控马尔科夫过程，在递推计算中，相邻周期在相同时间点、相同状态下的余留价值之差为一个常数，而这个常数正是周期最优期望效益；由于第一阶段的初始库容离散状态和最后一个阶段的末库容离散状态一致，则得到以下的公式：其中，ξ为迭代次数；C为周期最优期望效益；因此，定义如下的收敛准则：其中，ε为给定的收敛精度，为小正数；hξ1，min和hξT+1,min分别为第ξ次迭代第1阶段初和第T阶段末的余留期效益值最小值；从余留期效益函数的逐步迭代过程可以看出：hξ+1T+1(isT,qT∈j)＝hξ1(is0,q0∈j)-hξ1，min(12)；hξT+1,min＝0(13)...

【专利技术属性】
技术研发人员：谭乔凤，闻昕，方国华，雷晓辉，王旭，王超，黄显峰，高玉琴，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32