一种抽水蓄能电站极端工况下机组控制规律优化决策方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114254571A(43)申请公布日2022.03.29(21)申请号202111536242.9(22)申请日2021.12.15(71)申请人华中科技大学地址430074湖北省武汉市洪山区珞喻路1037号(72)发明人周建中刘宝楠李孟瑶许颜贺毛伟杰李玉鑫(74)专利代理机构华中科技大学专利中心42201代理人徐美琳(51)Int.Cl.G06F30/28(2020.01)G06F119/14(2020.01)权利要求书3页说明书9页附图6页(54)发明名称一种抽水蓄能电站极端工况下机组控制规律优化决策方法(57)摘要本发明公开了一种抽水蓄能电站极端工况下机组控制规律优化决策方法，属于流体机械及能源动力技术领域。包括：建立抽水蓄能电站极端工况过渡过程数学模型，输入机组控制规律，计算机组转速、蜗壳水击压力极值、尾水管水击压力极值，构建机组过渡过程动态品质多目标函数，结合改进非支配遗传算法筛选机组控制规律Pareto解集。进一步，建立抽水蓄能电站极端工况机组控制规律多准则决策层次框架，综合定性与定量指标，基于直觉模糊层次分析法在机组控制规律Pareto解集中遴选最优解作为抽水蓄能电站极端工况下机组最优控制规律。本发明选出的抽水蓄能电站极端工况机组控制规律可有效改善抽水蓄能电站极端工况下过渡过程动态品质，提高电站运行稳定性与安全性。CN114254571ACN114254571A权利要求书1/3页1.一种抽水蓄能电站极端工况下机组控制规律优化决策方法，其特征在于，包括：(1)建立抽水蓄能电站极端工况过渡过程数学模型，输入机组控制规律，计算机组转速、蜗壳水击压力极值、尾水管水击压力极值，以机组过渡过程动态品质多目标函数为优化目标，结合改进非支配遗传算法筛选机组控制规律Pareto解集，所述改进非支配遗传算法融合拉丁超立方采样及分段线性混沌映射，嵌入自适应惩罚策略解决多重决策空间边界限制；(2)建立抽水蓄能电站极端工况机组控制规律多准则决策层次框架，综合定性与定量指标，在机组控制规律Pareto解集中遴选最优解作为抽水蓄能电站极端工况下机组最优控制规律。2.根据权利要求1所述的方法，其特征在于，优化目标包括机组转速最大上升相对值与水击压力复合极值；所述机组转速最大上升相对值的计算形式为：其中，n是机组台数，xi为第i台机组转速，xr,i为第i台机组额定转速；所述水击压力复合极值的计算形式为：其中，Pvol,i、Pdra,i分别为蜗壳、尾水管水击压力值，为尾水管水击压力额定值，Iv、Id分别为蜗壳、尾水管重要度权重系数。3.根据权利要求2所述的方法，其特征在于，所述改进非支配遗传算法包括以下步骤：(1.1)设定粒子种群的规模N，最大迭代次数T，当前迭代次数t，混沌变异条件Tchaotic，决策空间维度D，交叉重组概率Pc，多项式变异概率Pm；(1.2)执行拉丁超立方采样策略初始化粒子种群，将D维决策空间均匀划分为N个不交叠的等间隔区域，从每个维度每个等间隔区域中随机选取一个点作为粒子决策变量，生成N个初始化粒子，作为父代粒子群P；(1.3)依据当前迭代循环内可行解与不可行解的数量关系，执行自适应惩罚策略，计算修正后的优化目标值；所述自适应惩罚策略具有如下形式：其中，fm(Xi(t))为第i个粒子的第m优化目标值，p(Xi(t))是添加在粒子上的惩罚函数；所述惩罚函数具有两个惩罚因子M(Xi(t))、N(Xi(t))，其计算形式为：p(Xi(t))＝(1‑rf)M(Xi(t))+rfN(Xi(t))2CN114254571A权利要求书2/3页其中，为第i个粒子违反约束的总和，分别为粒子种群中可行解的最大最小优化目标值，rf为可行解在粒子种群的数量关系；(1.4)执行非支配排序，通过锦标赛选择、交叉重组以及多项式变异等策略由父代粒子群P生成子代粒子群C，计算子代粒子群C内粒子的优化目标值；(1.5)判断当前迭代次数t是否大于混沌变异条件Tchaotic，若满足，执行步骤(1.6)，否则转入步骤(1.7)；(1.6)执行分段线性混沌映射，所述分段线性混沌映射，其计算形式为：其中，p∈(0，0.5)为控制参数，xi∈(0,1)为数字混沌伪随机序列；(1.7)融合父代粒子群P与子代粒子群C，形成家族粒子群Ω，以非支配排序及拥挤度为判断依据，从家族粒子群Ω中选择N个优选粒子组成精英档案集E；所述优选粒子在被选择时遵循以下原则：首先从家族粒子群Ω中非支配排序等级最高的粒子中选择，当该等级具有的粒子数大于N时，以粒子的拥挤度为优选依据，选择较小拥挤度的粒子放入精英档案集E，若非支配排序等级最高的粒子群小于N，则从次一级非支配排序等级的粒子中选择，直到精英档案集E包含有N个优