【技术实现步骤摘要】
一种梯级水库群发电调度变尺度方法与系统
[0001]本专利技术属于水库调度领域,特别涉及一种梯级水库群发电调度变尺度方法与系统。
技术介绍
[0002]流域梯级水库群优化调度利于水能资源更为合理的配置和更为高效的利用,在防洪、防旱及生态兴利等方面也起着极为重要的作用。梯级水库群优化调度具有显著的高维数、非线性、多阶段、约束强耦合等特点,且上下游之间存在复杂的水力和电力联系,优化求解非常困难,一直是国内外学术界和工程界的研究实践热点、难点问题。动态规划算法等方法需要离散状态变量、占用内存多、计算工作量大、耗时长、易导致“维数灾”;粒子群算法、遗传算法、差分进化算法等群体智能算法易面临局部收敛等问题,通常难以提供稳定可靠的调度结果。
技术实现思路
[0003]本专利技术的目的在于:提供一种梯级水库群发电调度变尺度方法与系统,以解决现有技术的问题。
[0004]为实现上述目的,本专利技术提供如下技术方案:一种梯级水库群发电调度变尺度方法,包括以下步骤:
[0005]S1、基于水库群中的各个目标水库, ...
【技术保护点】
【技术特征摘要】
1.一种梯级水库群发电调度变尺度方法,其特征在于,包括以下步骤:S1、基于水库群中的各个目标水库,按照目标水库的水力联系确定计算顺序,并将各个目标水库库容作为决策变量;S2、基于决策变量,利用随机搜索策略对水库群中的各个目标水库在初始调度轨迹邻域内生成由若干个调度方案构成的初始种群;所述种群中每个调度方案对应为一个个体;S3、将种群中各个个体决策值进行修正,之后利用动态惩罚系数,依次计算所有个体的适应度值;S4、依次利用大尺度、中尺度、小尺度搜索策略对种群中各个个体的位置进行迭代更新,得到在该尺度搜索策略下对应的优秀个体;其中各尺度搜索策略执行时的过程为:对上一个尺度搜索策略得到的优秀个体位置进行更新,然后执行步骤S3计算该搜索策略下更新后的个体适应度值,比较该搜索策略下更新前后的个体适应度值,将适应度值高的个体确定为该尺度搜索策略下的优秀个体;S5、判断S4迭代更新的次数是否达到预设最大迭代次数,是则将该预设最大迭代次数所对应的小尺度搜索策略优秀个体作为最佳调度方案。2.根据权利要求1所述的一种梯级水库群发电调度变尺度方法,其特征在于,步骤S2具体包括:初始化计数器k=1,第k次迭代时个体m为一种包括I个水电站J个时段的调度方案,如下式:Z(k,m)=[Z(k,m,1,1),
…
,Z(k,m,1,T),
…
,Z(k,m,i,j),
…
,Z(k,m,N,1),
…
,Z(k,m,N,T)],其中,Z(k,m,i,j)、r(k,m,i,j)分别表示第k次迭代时个体m中,水库i在时段j的决策值与相应的随机数;K表示循环次数;M表示个体数目;I表示水库数目;J表示时段数目;表示水库i在时段j的初始决策。3.根据权利要求2所述的一种梯级水库群发电调度变尺度方法,其特征在于,步骤S3具体包括如下子步骤:S3.1、将各个个体的决策值修正至可行范围内如下式:其中,分别表示水库i在时段j决策值的最大值、最小值;S3.2、利用动态惩罚系数法依次计算所有个体的适应度值如下式:S3.2、利用动态惩罚系数法依次计算所有个体的适应度值如下式:其中,P(k,m,i,j)表示第k次迭代时个体m中,水库i在时段j的出力值;w(i,j)表示水库i在时段j的电价系数;t(j)表示时段j的小时数;Δ(k,m,l)表示第k次迭代时个体m中第l项
约束的破坏项;L表示约束数目;a(k,m,l)表示第k次迭代时个体m中第l项约束的惩罚系数;a(k
‑
1,m,l)表示第k
‑
1次迭代时个体m中第l项约束的惩罚系数;b表示调整系数。4.根据权利要求1所述的一种梯级水库群发电调度变尺度方法,其特征在于,步骤S4具体步骤如下:S401、利用大尺度搜索策略对种群中各个个体的位置进行更新,然后执行步骤S3计算更新后的个体适应度值,将大尺度搜索策略更新前的个体适应度值与更新后的个体适应度值进行比较,将适应度值高的个体确定为大尺度搜索策略优秀个体,进入步骤S402;S402、利用中尺度搜索策略对大尺度搜索策略的优秀个体的位置进行更新,然后执行步骤S3计算更新后的个体适应度值,将中尺度搜索策略...
【专利技术属性】
技术研发人员:冯仲恺,杨涛,牛文静,师鹏飞,秦友伟,刘文杰,龚锦泰,王霞雨,
申请(专利权)人:长江水利委员会水文局,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。