一种梯级水电系统发电调度自适应优化方法与系统.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CN109636043A(43)申请公布日2019.04.16(21)申请号201811538203.0(22)申请日2018.12.16(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)发明人冯仲恺刘帅牛文静夏燕(74)专利代理机构华中科技大学专利中心42201代理人李智曹葆青(51)Int.Cl.G06Q10/04(2012.01)G06Q50/06(2012.01)G06N3/00(2006.01)权利要求书3页说明书10页附图4页(54)发明名称一种梯级水电系统发电调度自适应优化方法与系统(57)摘要本发明公开了一种梯级水电系统发电调度自适应优化方法与系统，实现方式为：确定各水电站约束条件集合；设置计算参数并生成初始种群；计算个体适应度并更新个体历史位置与种群全局最佳位置；采用标准正余弦算法更新各个体位置；采用种群位置中心变异策略增加个体多样性，引入邻域搜索策略提升种群全局寻优能力，利用单纯形动态搜索策略增强算法收敛速度；通过多轮次迭代不断更新各个体位置，将最后一轮次获得的种群全局最优位置作为最优调度过程。乌江流域工程应用结果表明：本发明方法具有计算精度高、寻优速度快、搜索能力强、鲁棒性强等优点，能够显著提高梯级水电系统的整体发电效益，具有重要的工程应用价值。CN109636043ACN109636043A权利要求书1/3页1.一种梯级水电系统发电调度自适应优化方法，其特征在于，包括：(1)基于参与计算的水电站确定梯级水电站的拓扑关系，并将各水电站在不同时段的水位作为状态变量，采用串联方式编码个体，获得初始种群，将初始种群作为当前种群，其中，初始种群中的任意个体的元素分别是从上游到下游各水电站在调度周期内的水位值；(2)根据当前种群中所有个体的适应度更新当前种群中的个体极值及当前种群的全局极值，其中，个体极值表示个体所经历的最好位置，全局极值表示当前种群中所有个体经历的最好位置；(3)由当前种群中的个体极值及当前种群的全局极值，采用正余弦算法进化策略更新当前种群中所有个体的位置；(4)对于当前种群中的任意一个个体，获取当前种群的位置中心，从当前种群中随机选定第一个体和第二个体，将当前种群的位置中心与第一个体的位置相减得到的差分矢量随机调整后叠加至第二个体的位置以生成变异个体，若变异个体的适应度有所提升，则用变异个体替换当前个体；(5)对于当前种群中的任意一个个体，根据随机从当前种群中选择的个体及邻域搜索下标生成新个体，若新个体的适应度有所提升，则用新个体替换当前个体；(6)若预设随机数小于搜索概率，则从当前种群中随机选择若干个个体构成临时种群，更新临时种群中的各个体位置，若更新次数没有达到最大更新次数，则继续更新临时种群中的各个体位置，直至更新次数达到最大更新次数，用最终得到的临时种群随机替换当前种群中的个体，形成下一代种群；(7)增加种群迭代次数，若当前种群迭代次数不大于预设最大迭代次数，则将下一代种群作为当前种群，并返回执行步骤(2)，否则，由最后一次迭代得到的当前种群的全局最优个体得到各水电站在不同时段的最优调度过程。2.根据权利要求1所述的方法，其特征在于，第k代种群中的第i个个体的位置为：其中，N表示水电站数目；T表示时段数目；表示中第j个元素，且有1≤i≤M，1≤j≤N×T；为中第n个水电站在第t个时段的水位；n表示电站序号，n＝1,2,…,N；t表示时段序号，t＝1,2,…,T；r1为[0,1]区间均匀分布的随机数；为第n个水电站在第t个时段的水位上限；为第n个水电站在第t个时段的水位下限，M表示种群中的个体数目。3.根据权利要求2所述的方法，其特征在于，第k代种群中第i个个体的适应度为：其中，Pn,t为第n个水电站在第t个时段的出力；Δt为第t个时段的小时数；D为约束条件数目；Ad为第d个约束的破坏程度；Cd为第d个约束的惩罚系数；Gd表示中第d个约束的对应取值；为第d个约束的取值上限；为第d个2CN109636043A权利要求书2/3页约束的取值下限。4.根据权利要求2或3所述的方法，其特征在于，步骤(2)包括：由更新第k代种群中第i个个体的个体极值，由更新第k代种群的全局极值，其中，表示第k代种群中第i个个体的个体极值；表示第k-1代种群中第i个个体的个体极值；表示的适应度；gBestk表示第k代种群的全局极值，表示的适应度。5.根据权利要求4所述的方法，其特征在于，步骤(3)包括：由更新当前种群中所有个体的位置，其中，为第k+1代种群中第i个个体位置；c1为中间变量，且r2表示在[0,2π]区间均匀分布的随机数；r3表示在[0,2]区间均匀分布的随机数；r4表示在[0,1]区间均匀分布的随机