一種基于變階段逐步優(yōu)化的梯級電站聯(lián)合優(yōu)化調度方法
【技術領域】
[0001] 本發(fā)明屬于水電能源優(yōu)化運行領域，更具體地，涉及一種基于變階段逐步優(yōu)化的 梯級電站聯(lián)合優(yōu)化調度方法。
【背景技術】
[0002] 梯級水電站聯(lián)合優(yōu)化調度是一類大規(guī)模、多約束、動態(tài)和非線性優(yōu)化問題，隨著系 統(tǒng)規(guī)模的逐步擴大，求解難度越來越大。雖然傳統(tǒng)動態(tài)規(guī)劃算法在求解梯級優(yōu)化問題存在 "維數(shù)災"，求解耗時久。雖然目前用于求解梯級水電站聯(lián)合優(yōu)化調度問題的智能優(yōu)化算法 有，蟻群算法，遺傳算法，離散微分動態(tài)規(guī)劃法，差分進化算法，然而這些智能優(yōu)化算法容易 "早熟"，陷入局限收斂，無法保證優(yōu)化結果的"可靠性"，亟需一種適用于梯級水電站群聯(lián)合 優(yōu)化調度的優(yōu)化算法，既耗時短，又能夠收斂于全局最優(yōu)解。逐步優(yōu)化算法是動態(tài)規(guī)劃類算 法，該算法將多階段優(yōu)化問題分解為若干兩階段子問題，且不需對狀態(tài)變量在可行域內離 散，因而不僅可獲得較精確解，也能克服動態(tài)規(guī)劃求解多狀態(tài)變量問題時出現(xiàn)的"維數(shù)災" 問題，運算效率較動態(tài)規(guī)劃算法有大幅提高，并且當目標函數(shù)為凸函數(shù)時，算法一定收斂于 問題的最優(yōu)解。但是梯級水電站優(yōu)化調度問題的目標函數(shù)呈非凸、非線性，在運用逐步優(yōu)化 算法求解時無法保證收斂于全局最優(yōu)解，且當梯級電站間存在水頭重疊時，梯級電站間復 雜的水力耦合關系加劇這一問題的復雜性。因此，現(xiàn)行算法在求解梯級電站聯(lián)合優(yōu)化調度 問題具有一定的局限性，容易陷入局部最優(yōu)解，或者求解耗時久，存在維數(shù)災，難以滿足實 際運行中的調度要求。

【發(fā)明內容】

[0003] 本發(fā)明目的在于提供一種基于變階段逐步優(yōu)化的梯級電站聯(lián)合優(yōu)化調度方法。增 強算法的搜索能力，解決由于梯級間水頭重疊、逐步優(yōu)化算法的尋優(yōu)順序等因素造成的局 部收斂問題。
[0004] 本發(fā)明提供一種基于變階段逐步優(yōu)化的梯級電站聯(lián)合優(yōu)化調度方法，采用逐步差 分離散策略和變階段策略進行尋優(yōu)。在兩階段尋優(yōu)時采用差分離散策略，同時離散多個電 站的水位，擴大了搜索區(qū)間；當兩階段尋優(yōu)陷入局部最優(yōu)時，采用變階段策略，增加到三階 段尋優(yōu)；當三階段尋優(yōu)陷入局部最優(yōu)時，采用變階段策略，增加到四階段尋優(yōu)……，以此類 推。此方法可有效地避免算法陷入局部最優(yōu)解，不斷逼近全局最優(yōu)解。
[0005] 本發(fā)明提供一種基于變階段逐步優(yōu)化的梯級電站聯(lián)合優(yōu)化調度方法，包括以下步 驟：
[0006] 步驟一：初始化。由于在不同的初始條件下，得到最優(yōu)結果所耗費的時間相差很 大，所以為了保證算法的初始解是可行解，由常規(guī)優(yōu)化調度方法獲取各水電站的初始調度 過程，采用約束搜索的方式進行水位調整。若來水大于最小下泄流量，則維持原水位；若來 水小于最小下泄流量，則按照最小下泄流量下泄，推求得到下一時刻水位；以此類推，得到 整個調度期的水位過程，其中時段數(shù)為M。
[0007] 步驟二：設VP為逐步優(yōu)化算法的尋優(yōu)階段數(shù)，其中初始VP = 2。從第0個節(jié)點開 始（即i = 0)，固定第i個節(jié)點和第i+VP節(jié)點的水位，節(jié)點i和節(jié)點i+VP之間的所有電站 的水位節(jié)點均為可調節(jié)點，針對此VP個階段問題采用差分進化算法進行尋優(yōu)計算。
[0008] 步驟三：選取種群規(guī)模NP，初始個體均對梯級水電站的可調節(jié)點，在可行域內進 行隨機離散，生成初始種群，然后通過變異，交叉，選擇生成下一代種群，然后重復步驟三直 至得到此VP個階段問題的最優(yōu)解。
[0009] 步驟四：令i = i+Ι ;重復步驟二和步驟三，直至最后一個調度時段M，即i = Μ為 止，從而得到梯級各水電站水位過程線。
[0010] 步驟五：以步驟四求得的各水電站水位過程線作為初始軌跡，重新回到步驟二，重 復步驟二到步驟五，直到滿足變階段收斂條件為止，停止計算；例如這里選擇如果連續(xù)10 次優(yōu)化結果值保持不變，則判斷為滿足變階段收斂條件。
[0011] 步驟六：令VP = VP+1。轉至步驟二，重復步驟二到步驟五，直至結果滿足最終收 斂條件，停止計算。例如這里選擇如果連續(xù)20次優(yōu)化結果值保持不變，則判斷為滿足變階 段收斂條件。
[0012] 步驟七：終止計算，獲得各水電站的最優(yōu)水位過程線。
[0013] 總體而言，通過本發(fā)明所構思的以上技術方案與現(xiàn)有技術相比，具有以下有益效 果：
[0014] 1、本發(fā)明在求解梯級電站聯(lián)合優(yōu)化調度問題上具有很好的全局搜索能力，有效克 服了傳統(tǒng)算法的局部收斂問題；
[0015] 2、本發(fā)明在保證收斂于全局最優(yōu)解的前提下，相較于動態(tài)規(guī)劃算法，其求解效率 大幅度提高，解決了 "維數(shù)災"問題；。
[0016] 3、本發(fā)明優(yōu)化結果具有很好的穩(wěn)定性，在求解梯級電站聯(lián)合優(yōu)化調度問題時，優(yōu) 化結果不隨初始條件、計算次數(shù)而發(fā)生變化。
【附圖說明】
[0017] 圖1為本發(fā)明梯級電站聯(lián)合優(yōu)化調度的變階段逐步優(yōu)化算法流程圖；
[0018] 圖2為本發(fā)明實施例平水年情景下優(yōu)化結果的水位過程對比圖；
[0019] 圖3為本發(fā)明實施例算法穩(wěn)定性對比分析圖；
[0020] 圖4為本發(fā)明實施例55年算法誤差對比分析圖。
【具體實施方式】
[0021] 為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術特征只要 彼此之間未構成沖突就可以相互組合。
[0022] 本發(fā)明以金沙江下游的溪洛渡向家壩梯級水電站優(yōu)化調度問題為實施例，進行多 年中長期優(yōu)化調度模擬，以體現(xiàn)本發(fā)明的有效性和合理性。
[0023] 溪洛渡、向家壩是金沙江下游規(guī)劃四梯級中以建成投運的梯級電站，溪洛渡電站 以發(fā)電為主，兼顧防洪、航運和生態(tài)，調節(jié)庫容64. 6億m3,具有不完全年調節(jié)能力，總裝機 容量1386萬kW，多年平均發(fā)電量640億度；向家壩壩是溪洛渡電站的反調節(jié)電站，位于溪 洛渡壩址下157公里，以發(fā)電為主，兼顧防洪、航運、生態(tài)和灌溉，調節(jié)庫容9億m3,具有不完 全季調節(jié)能力，總裝機容量640萬kW，多年平均發(fā)電量307. 47億度。溪洛渡電站壩址位于 下游向家壩水電站的回水區(qū)，溪洛渡-向家壩梯級電站是比較典型的存在水頭重疊梯級電 站。實施例以旬為調度期模擬溪洛渡向家壩梯級水電站中長期優(yōu)化調度，并采用多種算法 進行結果對比分析。如圖1所示，本發(fā)明實施步驟如下：
[0024] 步驟一：初始化。由溪洛渡向家壩電站的常規(guī)優(yōu)化調度圖獲取各水電站的初始調 度過程，采用約束搜索的方式進行水位調整。若來水大于最小下泄流量，則維持原水位；若 來水小