本發(fā)明涉及一種水電站優(yōu)化調(diào)度的方法，屬于水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行領(lǐng)域。

背景技術(shù)：

水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行是研究水電站在給定條件下廠內(nèi)工作機(jī)組最優(yōu)臺數(shù)、組合及啟停次序的確定，機(jī)組間負(fù)荷的最優(yōu)分配，即廠內(nèi)最優(yōu)運(yùn)行方式制定和實(shí)現(xiàn)的有關(guān)問題，實(shí)際上也是研究其日內(nèi)逐時段及瞬時經(jīng)濟(jì)運(yùn)行的問題。概括起來就是：尋求在研究時期(一般為一天)及其中各時段，在已知條件下使所采用的優(yōu)化準(zhǔn)則達(dá)到極值的水電站工作機(jī)組的最優(yōu)臺數(shù)K(t)、組合z(t)及系統(tǒng)分配的有功負(fù)荷P(t)和無功負(fù)荷p(f)在工作機(jī)組間的最優(yōu)分配。最近幾年粒子群算法在水電站優(yōu)化調(diào)度應(yīng)用中的研究逐漸顯示出其廣闊的應(yīng)用前景，開始不斷引起水電行業(yè)者的關(guān)注和研究興趣。粒子群算法具有原理簡單、易于實(shí)現(xiàn)、依賴的參數(shù)少并且收斂速度快，但也存在搜索精度不高和陷入局部最優(yōu)的缺點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的在于解決傳統(tǒng)的粒子群算法求解水電站優(yōu)化調(diào)度問題的不足，提出一種基于混沌差分粒子群算法的水電站優(yōu)化調(diào)度方法，提高粒子遍歷搜索空間其他新位置的能力，增加種群多樣性，有效避免粒子群早熟收斂，陷入局部最優(yōu)。

本發(fā)明提出一種基于混沌差分粒子群算法的水電站優(yōu)化調(diào)度方法，所述方法包括如下步驟：

步驟(1)選擇待計(jì)算的目標(biāo)電站，并設(shè)置水電站相應(yīng)的約束條件：電站負(fù)荷平衡約束，電站上游水位約束、各機(jī)組出力約束、各機(jī)組發(fā)電流量約束，電站運(yùn)行水頭約束，旋轉(zhuǎn)備用容量約束，機(jī)組氣蝕振動區(qū)約束，機(jī)組最小開停機(jī)時間約束；

步驟(2)確定個體編碼方式，采用二進(jìn)制數(shù)來表示機(jī)組開停機(jī)狀態(tài)，其中0表示機(jī)組處于停機(jī)狀態(tài)，1表示機(jī)組處于開機(jī)狀態(tài)；

步驟(3)設(shè)置群體規(guī)模大小M，最大迭代次數(shù)T_max；其中以一天內(nèi)96點(diǎn)的開停機(jī)組合方案作為一個粒子，隨機(jī)生成規(guī)模大小為M的粒子群；

步驟(4)計(jì)算各個粒子適應(yīng)度，廠內(nèi)經(jīng)濟(jì)運(yùn)行優(yōu)化過程以耗水量最小為目標(biāo)，結(jié)合約束條件，可以設(shè)置適應(yīng)度函數(shù)如下：

其中：

式中，W為電站總耗水量(m³)；為時段t第i臺機(jī)組在工作水頭為H_t，負(fù)荷為P_i^t時的發(fā)電流量(m³/s)；ΔT表示時段時長；表示機(jī)組i在時段t的狀態(tài)，停機(jī)時運(yùn)行時Q_up,i，Q_dn,i分別表示開機(jī)和停機(jī)過程的耗水量，包括機(jī)組在開停機(jī)過程中所發(fā)生的機(jī)械磨損等所折合的水量；N為水電站機(jī)組臺數(shù)；T為調(diào)度期時段數(shù)；M為約束破壞個數(shù)；K_m、|ΔX_m|分別為約束m的破壞懲罰系數(shù)及破壞程度；

步驟(5)更新粒子的速度和位置，在原有粒子群算法的速度更新公式中，存在一項(xiàng)局部最優(yōu)解pbest，即到當(dāng)前迭代次數(shù)為止各個粒子本身找到的最優(yōu)解用于更新各個粒子的速度和位置從而生成下一代，現(xiàn)將有關(guān)pbest的一項(xiàng)替換掉，即將認(rèn)知過程替換，取而代之的是在當(dāng)前粒子群中采用具有遍歷特性的混沌機(jī)制，選取兩個不同的被權(quán)值化了的粒子的位置向量差，這個向量差分算子作為新的認(rèn)知項(xiàng)來更新粒子的速度和位置；

步驟(6)更新全局最優(yōu)解，計(jì)算得到當(dāng)前代數(shù)每個個體的適應(yīng)度值后，挑選個體適應(yīng)度值最大的，與全局最優(yōu)適應(yīng)度值比較，若大于全局最優(yōu)適應(yīng)度值，則復(fù)制該個體替換全局最優(yōu)個體，否則不進(jìn)行操作；

步驟(7)循環(huán)迭代，判斷是否滿足終止條件，終止條件為最大迭代次數(shù)；若滿足，則停止迭代，并輸出全局最優(yōu)解；若不滿足，則返回步驟(4)重新計(jì)算求解粒子的適應(yīng)度。

優(yōu)選的，步驟(1)中所述約束條件具體為：

①電站負(fù)荷平衡約束滿足下述公式：

式中，E是電站的總發(fā)電量，N_i(t)是在t時段內(nèi)負(fù)荷要求下第i臺機(jī)組承擔(dān)的負(fù)荷；

②電站上游水位約束滿足下述公式：

Z_min≤Z≤Z_max

式中，Z是電站的運(yùn)行水頭，Z_min、Z_max分別是電站上游水位在各個時期的上下限；

③各機(jī)組出力約束滿足下述公式：

P_min≤P_i(t)≤P_max

式中，P_min，P_max是第i臺機(jī)組的單機(jī)出力上、下限；

④各機(jī)組發(fā)電流量約束滿足下述公式：

Q_min≤Q_i(t)≤Q_max

式中，Q_min，Q_max是第i臺機(jī)組的最小、最大發(fā)電流量；

⑤電站運(yùn)行水頭約束滿足下述公式：

H_min≤H≤H_max

式中，H是電站的運(yùn)行水頭，H_min是電站最小穩(wěn)定運(yùn)行水頭，H_max是電站最大穩(wěn)定運(yùn)行水頭；

⑥旋轉(zhuǎn)備用容量約束滿足下述公式：

式中，是機(jī)組裝機(jī)容量總和，是機(jī)組出力總和，N_min是電站的旋轉(zhuǎn)備用容量下限；

⑦機(jī)組氣蝕振動區(qū)約束滿足下述公式：

P_i(t)≤P_Qsi或

式中，P_Qsi是第i臺機(jī)組的氣蝕區(qū)下限，是第i臺機(jī)組的氣蝕區(qū)上限；

⑧機(jī)組最小開停機(jī)時間約束滿足下述公式：

X_Ki≥T_Ki或X_Gi≥T_Gi

式中，X_Ki是第i臺機(jī)組的開機(jī)時間，T_Ki是第i臺機(jī)組的開機(jī)時間下限，X_Gi第i臺機(jī)組的停機(jī)時間，T_Gi是第i臺機(jī)組的停機(jī)時間下限。

優(yōu)選的，所述步驟(5)具體包括：

(5.1)采用混沌機(jī)制選取兩個不同的粒子

這里選用混沌算法中最為常見的一維非線性映射模型：

z_i+1＝μz_i(1-z_i)

式中，μ為控制參量，當(dāng)μ＝4，0≤z₀≤1時，此映射完全處于混沌狀態(tài)，利用混沌運(yùn)動特性可以進(jìn)行優(yōu)化搜索，即首先產(chǎn)生一組與優(yōu)化變量數(shù)目相同的混沌變量，此例中取兩個不同混沌變量，然后在迭代過程中根據(jù)混沌算法模型分別算出兩個不同的值j、k，分別乘以種群規(guī)模M，則可以得到兩個隨機(jī)的粒子j和粒子k；

(5.2)用于替代局部最優(yōu)解pbest的差分算子

根據(jù)上面得出的兩個隨機(jī)粒子j和粒子k，計(jì)算其位置的向量差，公式為：

Δ＝x_j-x_k

式中，Δ為位置向量差，x_j為粒子j的位置，x_k為粒子k的位置；

那么第i個粒子的速度矢量的第r個元素可以用以下公式來更新：

位置更新公式：x_i(t+1)＝x_i(t)+v_i(t+1)

式中，β是[0，1]中的比例因子,Δ_r為位置向量差；c₂是學(xué)習(xí)因子，通常取為2；r₂為0～1之間的隨機(jī)數(shù)；gbest_r為全局最優(yōu)解中對應(yīng)的第r個元素的取值，x_ir為第i個例子第r個元素當(dāng)前的位置狀態(tài)；C_R是交叉概率，當(dāng)C_R≤1時，速度向量中的一些元素保留舊值；w是權(quán)重因子，為加快收斂速度，其值應(yīng)隨算法迭代的進(jìn)行而減小，一般定義為：

式中，w_min和w_max分別為最大、最小權(quán)重因子，通常取為0.4、0.9；T為當(dāng)前迭代次數(shù)；T_max為總的迭代次數(shù)。

與傳統(tǒng)的粒子群優(yōu)化算法相比，本發(fā)明具有以下突出的有益效果：在傳統(tǒng)的粒子群算法通過自我認(rèn)知尋找最優(yōu)解的過程中，通過對局部最優(yōu)解的替換，加入具有隨機(jī)性，遍歷性和規(guī)律性的混沌算法以及具有變異效果的差分因子進(jìn)作為新的認(rèn)知方法，可以有效的提高粒子遍歷搜索空間其他新位置的能力，增加種群多樣性，避免粒子群早熟收斂，陷入局部最優(yōu)。

附圖說明

圖1為本發(fā)明混沌差分粒子群算法流程圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)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(shí)施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。

本發(fā)明提出的一種基于混沌差分粒子群算法的水電站優(yōu)化調(diào)度方法，步驟如下：

(1)選擇待計(jì)算的目標(biāo)電站，并設(shè)置水電站相應(yīng)的約束條件：電站負(fù)荷平衡約束，電站上游水位約束、各機(jī)組出力約束、各機(jī)組發(fā)電流量約束，電站運(yùn)行水頭約束，旋轉(zhuǎn)備用容量約束，機(jī)組氣蝕振動區(qū)約束，機(jī)組最小開停機(jī)時間約束。約束如下：

①電站負(fù)荷平衡約束：

式中，E是電站的總發(fā)電量，N_i(t)是在t時段內(nèi)負(fù)荷要求下第i臺機(jī)組承擔(dān)的負(fù)荷。

②電站上游水位約束：

Z_min≤Z≤Z_max

式中，Z是電站的運(yùn)行水頭，Z_min、Z_max分別是電站上游水位在各個時期的上下限。

③各機(jī)組出力約束：

P_min≤P_i(t)≤P_max

式中，P_min，P_max是第i臺機(jī)組的單機(jī)出力上、下限。

④各機(jī)組發(fā)電流量約束：

Q_min≤Q_i(t)≤Q_max

式中，Q_min，Q_max是第i臺機(jī)組的最小、最大發(fā)電流量。

⑤電站運(yùn)行水頭約束：

H_min≤H≤H_max

式中，H是電站的運(yùn)行水頭，H_min是電站最小穩(wěn)定運(yùn)行水頭，H_max是電站最大穩(wěn)定運(yùn)行水頭。

⑥旋轉(zhuǎn)備用容量約束：

式中，是機(jī)組裝機(jī)容量總和，是機(jī)組出力總和，N_min是電站的旋轉(zhuǎn)備用容量下限。

⑦機(jī)組氣蝕振動區(qū)約束：

P_i(t)≤P_Qsi或

式中，P_Qsi是第i臺機(jī)組的氣蝕區(qū)下限，是第i臺機(jī)組的氣蝕區(qū)上限。

⑧機(jī)組最小開停機(jī)時間約束：

X_Ki≥T_Ki或X_Gi≥T_Gi

式中，X_Ki是第i臺機(jī)組的開機(jī)時間，T_Ki是第i臺機(jī)組的開機(jī)時間下限，X_Gi第i臺機(jī)組的停機(jī)時間，T_Gi是第i臺機(jī)組的停機(jī)時間下限。

(2)確定個體編碼方式，采用二進(jìn)制數(shù)來表示機(jī)組開停機(jī)狀態(tài)，其中0表示機(jī)組處于停機(jī)狀態(tài)，1表示機(jī)組處于開機(jī)狀態(tài)；

(3)設(shè)置群體規(guī)模大小M，最大迭代次數(shù)T_max；其中以一天內(nèi)96點(diǎn)的開停機(jī)組合方案作為一個粒子，隨機(jī)生成規(guī)模大小為M的粒子群；

(4)計(jì)算各個粒子適應(yīng)度

廠內(nèi)經(jīng)濟(jì)運(yùn)行優(yōu)化過程以耗水量最小為目標(biāo)，結(jié)合約束條件，可以設(shè)置適應(yīng)度函數(shù)如下：

其中：

式中，W為電站總耗水量(m³)；為時段t第i臺機(jī)組在工作水頭為H_t，負(fù)荷為P_i^t時的發(fā)電流量(m³/s)；ΔT表示時段時長；表示機(jī)組i在時段t的狀態(tài)，停機(jī)時運(yùn)行時Q_up,i，Q_dn,i分別表示開機(jī)和停機(jī)過程的耗水量，包括機(jī)組在開停機(jī)過程中所發(fā)生的機(jī)械磨損等所折合的水量；N為水電站機(jī)組臺數(shù)；T為調(diào)度期時段數(shù)；M為約束破壞個數(shù)；K_m、|ΔX_m|分別為約束m的破壞懲罰系數(shù)及破壞程度。

(5)更新粒子的速度和位置

在原有粒子群算法的速度更新公式中，存在一項(xiàng)局部最優(yōu)解pbest，即到當(dāng)前迭代次數(shù)為止各個粒子本身找到的最優(yōu)解用于更新各個粒子的速度和位置從而生成下一代。在這里我們將有關(guān)pbest的一項(xiàng)替換掉，即我們所說的認(rèn)知過程替換，取而代之的是在當(dāng)前粒子群中采用具有遍歷特性的混沌機(jī)制，選取兩個不同的被權(quán)值化了的粒子的位置向量差，這個向量差分算子作為新的認(rèn)知項(xiàng)來更新粒子的速度和位置。具體操作如下：

(5.1)采用混沌機(jī)制選取兩個不同的粒子

這里選用混沌算法中最為常見的一維非線性映射模型：

z_i+1＝μz_i(1-z_i)

式中，μ為控制參量，當(dāng)μ＝4，0≤z₀≤1時，此映射完全處于混沌狀態(tài)。利用混沌運(yùn)動特性可以進(jìn)行優(yōu)化搜索，即首先產(chǎn)生一組與優(yōu)化變量數(shù)目相同的混沌變量，此例中取兩個不同混沌變量，然后在迭代過程中根據(jù)混沌算法模型分別算出兩個不同的值j、k，分別乘以種群規(guī)模M，則可以得到兩個隨機(jī)的粒子j和粒子k。

(5.2)用于替代局部最優(yōu)解pbest的差分算子

根據(jù)上面得出的兩個隨機(jī)粒子j和粒子k，計(jì)算其位置的向量差，公式為：

Δ＝x_j-x_k

式中，Δ為位置向量差，x_j為粒子j的位置，x_k為粒子k的位置。

那么第i個粒子的速度矢量的第r個元素可以用以下公式來更新：

位置更新公式：x_i(t+1)＝x_i(t)+v_i(t+1)

式中，β是[0，1]中的比例因子,Δ_r為位置向量差；c₂是學(xué)習(xí)因子，通常取為2；r₂為0～1之間的隨機(jī)數(shù)；gbest_r為全局最優(yōu)解中對應(yīng)的第r個元素的取值，x_ir為第i個例子第r個元素當(dāng)前的位置狀態(tài)；C_R是交叉概率，當(dāng)C_R≤1時，速度向量中的一些元素保留舊值；w是權(quán)重因子，為加快收斂速度，其值應(yīng)隨算法迭代的進(jìn)行而減小，一般定義為：

式中，w_min和w_max分別為最大、最小權(quán)重因子，通常取為0.4、0.9；T為當(dāng)前迭代次數(shù)；T_max為總的迭代次數(shù)。

(6)更新全局最優(yōu)解

計(jì)算得到當(dāng)前代數(shù)每個個體的適應(yīng)度值后，挑選個體適應(yīng)度值最大的，與全局最優(yōu)適應(yīng)度值比較，若大于全局最優(yōu)適應(yīng)度值，則復(fù)制該個體替換全局最優(yōu)個體，否則不進(jìn)行操作；

(7)循環(huán)迭代，判斷是否滿足終止條件，終止條件為最大迭代次數(shù)；若滿足，則停止迭代，并輸出全局最優(yōu)解；若不滿足，則返回步驟(4)重新計(jì)算求解粒子的適應(yīng)度。

盡管上面結(jié)合附圖對本發(fā)明的優(yōu)選實(shí)施例進(jìn)行了描述，但是本發(fā)明并不局限于上述的具體實(shí)施方式，上述的具體實(shí)施方式僅僅是示意性的，并不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權(quán)利要求所保護(hù)的范圍情況下，還可以作出很多形式。