一种特大流域水电站群优化调度两阶段直接搜索降维方法技术

本发明专利技术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专利技术方法的有效性。相比于传统逐步优化算法，本发明专利技术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。

【技术实现步骤摘要】
一种特大流域水电站群优化调度两阶段直接搜索降维方法
本专利技术属于水资源高效利用与水电系统优化调度
，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。
技术介绍
一般总装机容量超过500万千瓦特的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。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种梯形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，本专利技术提供了一种梯形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cmax、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、发电流量限制、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：(3.1)水电调度问题分解为J时段数目的阶段，采用迭代方式将依次完成各阶段调度问题。初始令阶段计数器j＝1。(3.2)针对上述j＝1阶段的水电站调度问题分解为若干子问题。初始令内循环计数器c2＝1，获得当前子问题J中各水电站的最新调度过程其中表示所有水电站在阶段J的调度过程。(4)采用直接搜索策略获得当前子问题的最优调度过程。具体地，上述步骤(4)包括以下两个步骤：(4.1)计算得到临时变量和在此基础上生成包含K+1个元素的状态变量集合而后分别计算得到中各个状态变量对应的目标函数值f、约束破坏项Δ与适应度值F。其中式中，m表示变量标号，1≤m≤K+1；表示第m个潜在状态变量；表示中水电站k在第j阶段的状态值；分别表示的适应度值、目标函数值与约束破坏程度。(4.2)比较状态变量集合中所有元素的适应度值，得到最大、第二大与最小适应度值对应的下标，分别记为h、s与l，此时有而后计算得到状态变量集合中除外其他状态变量的平均点(5)判断是否该子问题已计算为最优调度过程。该步计算得到反射点后对比和根据不同对比结果，该步包括以下三种情况对其优化调度：(5.1)若计算扩张点对比和若则令否则，直接令而后转至步骤(6)。(5.2)若且则令否则，无需任何操作。随后计算收缩点此时若则令转至步骤(6)；否则，将状态变量集合中除外的其他状态变量更新为其中1≤m≤K+1；m≠l。(5.3)且令转至步骤(6)。此时，该子问题最优调度过程的计算完成，因此，相比于传统POA算法，该算法内存占用更小的同时计算耗时更少，而且具有更大的概率跳出局部最优。(6)依次计算各个子问题的最优调度过程，然后判断是否已计算所有子问题。即，令c2＝c2+1。若或者则令转至步骤(7)，该阶段的子问题最优调度过程已计算完毕；否则，令hmax＝hmax/2，转至步骤(4)，继续对该阶段的下一子问题计算最优调度过程。(7)依次处理各个阶段的子问题，进而判断是否所有时段问题都已处理完成。即，令j＝j+1。若j≤J，则转至步骤(3.2)，依次将其他时段的调度问题分为若干子问题进行处理；否则，转至步骤(8)，准备下一轮迭代调度过程。(8)令c＝c+1。若c≥cmax或者||Zc-Zc-1||≤ξ，则停止计算，并将第c轮次得到的调度过程Zc作为最优解；否则，转至步骤(3.1)。通过本专利技术所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：1.由于本专利技术利用直接搜索策略替代传统POA算法对水库离散状态的全面枚举操作，将单一子问题中的离散状态变量数目由Kq降低至K+1(其中K、q分别表示电站数目与状态离散数目)，将POA的计算复杂度由指数增长降低至多项式增长，降维效果显著，因此，本专利技术在处理相同规模的水电调度问题时大幅减少内存空间与计算耗时，又能够在相同的计算环境中处理更大规模的水电调度问题2.由于本专利技术无需对水库连续型状态变量(如水位、库容等)进行离散，使得算法具有更大的概率跳出局部最优，增强了算法的搜索性能，可以快速获得合理的调度结果、从而更好地提高水电系统的整体效益。附图说明图1是本专利技术的计算流程示意图；图2为逐步优化算法维数灾问题示意图；图3为逐步优化算法重复计算示意图；图4为基于离散空间的传统逐步优化算法；图5为基于连续空间的本专利技术方法。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。一方面，从理论方面分析本专利技术涉及的技术方案所能解决的技术问题及技术效果。梯级水电站群联合调度求解方法通常采用逐步优化算法(POA)，其缺点在于标准POA算法是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”问题与“重复计算”问题。图1为逐步优化算法维数灾问题示意图；如图1所示，若每个水库状态均离散为5份，则1座水电站、2座水电站、3座水电站中的离散状态变量数目分别为5本文档来自技高网...

【技术保护点】
1.一种梯级水电站群优化调度两阶段直接搜索降维方法，其特征在于，包括如下步骤：(1)对参与调度的K个水电站组成的集合设置调度过程中采用的计算参数和水电站实际考虑的约束条件；(2)从上游到下游依次生成cmax次迭代的各水电系统调度过程Zc；(3)将当前第c次水电调度过程分解为两阶段子问题，先将调度问题分解为J个阶段的水电站问题，再将每阶段的水电站问题分解为

【技术特征摘要】
1.一种梯级水电站群优化调度两阶段直接搜索降维方法，其特征在于，包括如下步骤：(1)对参与调度的K个水电站组成的集合设置调度过程中采用的计算参数和水电站实际考虑的约束条件；(2)从上游到下游依次生成cmax次迭代的各水电系统调度过程Zc；(3)将当前第c次水电调度过程分解为两阶段子问题，先将调度问题分解为J个阶段的水电站问题，再将每阶段的水电站问题分解为个子问题；(4)采用直接搜索策略计算当前j阶段水电站子问题c2的最优调度过程，避免POA算法出现的“维数灾”与“重复计算”问题；(5)依次计算当前j阶段水电站所有子问题的最优调度过程；(6)依次计算J个阶段水电站问题的最优调度过程，并判断是否所有阶段问题完成最优调度过程，准备下一轮迭代计算最优调度过程；(7)迭代计算调度过程的最优解，确认最优解后停止计算。2.如权利要求1所述的直接搜索降维方法，其特征在于，所述步骤(1)根据水电站实际情况，具体包括如下步骤：(1.1)设置计算参数，包括外循环最大次数cmax、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，并设置约束条件，包括水位限制、出力限制、发电流量限制、出库流量限制和发电流量限制。3.如权利要求1所述的直接搜索降维方法，其特征在于，所述步骤(2)具体如下：生成cmax次迭代的水电系统初始调度过程，即令外循环计数器c＝1，采用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。4.如权利要求3所述的直接搜索降维方法，其特征在于，所述步骤(3)将多阶段水电调度过程分解为两阶段，具体包括如下步骤：(3.1)将所述水电调度问题分解为J时段数目的水电调度问题，依次完成各阶段调度问题。初始令阶段计数器j＝1；(3.2)针对上述j＝1阶段的水电站调度问题分解为个子问题。初始令内循环计数器c2＝1，获得当前j阶段中各水电站的最新调度过程其中表示所有水电站在阶段...

【专利技术属性】
技术研发人员：冯仲恺，牛文静，莫莉，覃晖，蒋志强，周建中，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42