本發(fā)明涉及大系統(tǒng)水庫群優(yōu)化調(diào)度技術領域，尤其涉及一種面向大系統(tǒng)水庫群的聚合分解調(diào)度規(guī)則的提取方法。

背景技術：

水庫是人類利用水資源的重要手段，隨著水庫數(shù)量的增加，如何有效調(diào)度運用大系統(tǒng)水庫群實現(xiàn)防洪、發(fā)電、航運、供水等多方面的功能與任務，成為水庫調(diào)度的研究熱點。水庫群聯(lián)合優(yōu)化調(diào)度技術是實現(xiàn)水庫群正常運行的必備手段之一。采用水庫群聯(lián)合優(yōu)化調(diào)度技術管理水庫群運行，具有投資少、效益大、需求高以及前景廣等優(yōu)點。

在CN 103088784 A中公開了一種梯級水庫汛限水位實時動態(tài)控制方法，這種方法通過建立流域汛期數(shù)值氣象水文預報模型，基于聚合分解思想建立梯級水庫汛限水位實時動態(tài)控制模型，采用逐次優(yōu)化法得到梯級水庫汛限水位實時動態(tài)控制方案，在保證防洪效益的同時，最大程度提高梯級水庫的發(fā)電效益。

對于梯級水庫群中多目標聯(lián)合優(yōu)化調(diào)度問題研究較多，聚合分解的思想也應用較為廣泛，在一定程度上體現(xiàn)了降維的功效，但對于大系統(tǒng)串并聯(lián)水庫群研究甚少，目前研究梯級水庫群主要是針對流域并聯(lián)水庫聚合一個虛擬的聚合水庫進行多目標的控制和優(yōu)化，實際上未考慮支流之間的相互影響。因此，CN 103088784 A不適用于大系統(tǒng)串并聯(lián)水庫群多目標優(yōu)化調(diào)度規(guī)則，不能解決大系統(tǒng)水庫群多目標調(diào)度規(guī)則的不確定性。

技術實現(xiàn)要素：

本發(fā)明的目的在于提供一種面向大系統(tǒng)水庫群的聚合分解調(diào)度規(guī)則的提取方法，從而解決現(xiàn)有技術中存在的前述問題。

為了實現(xiàn)上述目的，本發(fā)明所述面向大系統(tǒng)水庫群的聚合分解調(diào)度規(guī)則的提取方法，所述方法包括：

S1，根據(jù)目標流域干支流的分布特征劃分多個子流域，并獲取任意一個子流域A上每個水庫的基本屬性；

S2，將子流域A上的所有水庫按照所屬支流或按照水庫的基本屬性分類，然后將每個類型的水庫進行聚合得到所述子流域A的一個或多個虛擬聚合水庫；

S3，針對任意一個虛擬聚合水庫A′，根據(jù)子流域A的特征屬性選擇虛擬聚合水庫A′的調(diào)度規(guī)則形式，進而確定需要優(yōu)化的參數(shù)；如果子流域A為簡單流域，則虛擬聚合水庫A′的調(diào)度規(guī)則選擇線性調(diào)度函數(shù)；如果子流域A為偏重發(fā)電的流域，則虛擬聚合水庫A′的調(diào)度規(guī)則選擇調(diào)度圖規(guī)則；

S4，根據(jù)所述子流域A的特征屬性及所述子流域A中水庫的特征屬性確定虛擬聚合水庫A′分解方法；

S5，設置約束條件，通過調(diào)度規(guī)則形式和分解方法模擬得到需優(yōu)化參數(shù)的目標函數(shù)值，再通過多目標遺傳算法對需要優(yōu)化的參數(shù)進行優(yōu)化，得到目標流域串并聯(lián)水庫群調(diào)度規(guī)則集。

優(yōu)選地，步驟S2中，所述子流域A中包含的支流總數(shù)與所述子流域A中需聚合的虛擬聚合水庫的總數(shù)相同。

優(yōu)選地，步驟S2中，將子流域A上的所有水庫按照所屬支流分類，然后將每條支流上的水庫進行聚合得到所述子流域A的一個或多個虛擬聚合水庫，具體為：獲取所述子流域A上并聯(lián)支流的總數(shù)Q，分別計算每個并聯(lián)支流上可優(yōu)化的水庫總數(shù)N₁,…,N_Q，將每個并聯(lián)支流上可優(yōu)化水庫聚合成一個虛擬聚合水庫；

其中，N₁表示編號為1的并聯(lián)支流上的水庫總數(shù)，N_Q表示編號為Q的并聯(lián)支流上的水庫總數(shù)。

更優(yōu)選地，步驟S2中，所述子流域A中任意一條并聯(lián)支流W上的水庫進行聚合時，按照公式(1)將任意一個需聚合水庫Y的入庫流量轉(zhuǎn)換成入能，按照公式(2)將需聚合水庫Y的存貯水量轉(zhuǎn)換成蓄能；

其中，水庫入能IPE包括在指定的時間間隔△t內(nèi)水庫的入庫流量的能量和區(qū)間入流對應的出力所產(chǎn)生的能量，計算公式為公式(1)：

其中，I₁(t)是時刻為t時的龍頭水庫的入庫流量；I_s,in(t)表示需聚合水庫Y的上游水庫和需聚合水庫Y的下游水庫之間的區(qū)間入流流量；△t表示時間間隔；K₁表示龍頭水庫的出力系數(shù)，H₁(t)表示時刻為t時的龍頭水庫的發(fā)電水頭，K_n表示第n水庫的出力系數(shù)，H_n(t)表示時刻為t時的第n水庫的發(fā)電水頭，n表示支流上第n水庫，n＝2,3,……,N；N表示并聯(lián)支流W上水庫總數(shù)，s表示并聯(lián)支流W上第s水庫，s＝2,3,……,n；

水庫蓄能是指需聚合水庫Y在指定的時間間隔△t內(nèi)，從當前庫水位V_i(t)調(diào)度至死水位V_i⁰水量的出力所產(chǎn)生的能量；計算公式為公式(2)：

其中，H_n表示水庫當前時刻的出力水頭；K_n表示出力系數(shù)；N是支流W上水庫的總個數(shù)，H_n(v)表示第n水庫庫容為v時的發(fā)電水頭；v表示第n水庫的庫容。

優(yōu)選地，步驟S3，具體按照下述步驟實現(xiàn)：

針對任意一個虛擬聚合水庫A′，根據(jù)所述虛擬聚合水庫A′所屬支流上的水庫群的分布情況，分別初步設定虛擬聚合水庫的調(diào)度規(guī)則形式是調(diào)度圖或是分段線性調(diào)度規(guī)則或是神經(jīng)網(wǎng)絡調(diào)度規(guī)則或是支持向量機調(diào)度規(guī)則，從而確定需優(yōu)化的參數(shù)；

和/或針對任意一個虛擬聚合水庫A′，根據(jù)所述虛擬聚合水庫A′所屬支流的歷史入庫流量信息，分別初步設定虛擬聚合水庫的調(diào)度規(guī)則形式是調(diào)度圖或是分段線性調(diào)度規(guī)則或是神經(jīng)網(wǎng)絡調(diào)度規(guī)則或是支持向量機調(diào)度規(guī)則，從而確定需優(yōu)化的參數(shù)；

和/或針對任意一個虛擬聚合水庫A′，根據(jù)所述虛擬聚合水庫A′所屬支流的水庫特征，分別初步設定虛擬聚合水庫的調(diào)度規(guī)則形式是調(diào)度圖或是分段線性調(diào)度規(guī)則或是神經(jīng)網(wǎng)絡調(diào)度規(guī)則或是支持向量機調(diào)度規(guī)則，從而確定需優(yōu)化的參數(shù)。

優(yōu)選地，步驟S4中，所述分解方法為經(jīng)驗曲線或解析優(yōu)化或動態(tài)規(guī)劃模型。

優(yōu)選地，步驟S5中，目標函數(shù)值為年均最大發(fā)電量和/或最小生態(tài)因子；

其中，年均最大發(fā)電量用公式(3)表示；

E^*代表年均發(fā)電量；E_n(t)為子流域A中任意一個并聯(lián)支流上水庫n在時刻t的發(fā)電量；N,T分別表示子流域A中任意一個并聯(lián)支流上水庫總數(shù)和時間間隔總數(shù)，n＝1,2,……,N，t＝1,2,……,T；

生態(tài)因子為生態(tài)斷面的生態(tài)流量被破壞時段時段數(shù)比例與最大破壞深度比例之和，用公式(4)表示；

其中，EC^*為生態(tài)因子；NT_m(t)表示任意一個生態(tài)斷面m是否遭到破壞，當斷面流量小于生態(tài)流量時，NT_m(t)＝1，當斷面流量不小于生態(tài)流量時，NT_m(t)＝0；表示生態(tài)斷面m的生態(tài)流量；DP_m為生態(tài)斷面m的最大破壞深度；M為生態(tài)斷面總數(shù)。

優(yōu)選地，所述約束條件包括六個，具體為：

水量平衡約束條件見公式(5)：

水庫水位約束條件見公式(6)：

Z_n,min≤Z_n(t)≤Z_n,max (6)

水庫泄流約束條件見公式(7)：

R_n,min(t)≤R_n(t)≤R_n,max(t) (7)

河道匯流約束條件見公式(8)：

I_n+1(t)＝R_n(t)+I_n+1,in(t) (8)

發(fā)電機組出力約束條件見公式(9)：

PL_n(t)≤P_n(t)≤PU_n(t) (9)

邊界狀態(tài)約束條件見公式(10)：

Z_n,1＝Z_n,init (10)

其中，I_n(t)、I_n(t+1)分別表示子流域A上任意一個并聯(lián)支流上的水庫n在時刻t、時刻t+1的入庫流量；△t表示時間間隔；R_n(t)為水庫n在時刻t的出庫流量；R_n(t)、R_n(t+1)分別表示水庫n在時刻t、時刻t+1的出庫流量；V_n(t)、V_n(t+1)分別表示水庫n在時刻t、時刻t+1的水庫庫容；

Z_n,min,Z_n,max為水庫n允許的最小水位和最大水位，Z_n(t)表示水庫n在時刻t的水位；

R_n,min(t),R_n,max(t)分別為水庫n在時刻t的最小出庫流量和最大出庫流量；

I_n+1(t)表示水庫n+1在時刻t的入庫流量；I_n+1，in(t)表示水庫n+1在時刻t的區(qū)間入流；

P_n(t)表示水庫n在時刻t的發(fā)電機組出力；

PL_n(t),PU_n(t)分別為水庫n在時刻t的發(fā)電機組最小出力限制和最大出力限制；

Z_n,1表示水庫n初始時刻的水位；Z_n,init為水庫n發(fā)電機組初始水位。

優(yōu)選地，步驟S1中，所述基本屬性包括水庫庫容和水庫水位。

本發(fā)明的有益效果是：

本發(fā)明以大系統(tǒng)串并聯(lián)水庫群的多目標聯(lián)合調(diào)度問題為研究對象，通過對不同支流上的水庫能量聚合的方式進行降維，選定調(diào)度規(guī)則形式，再進行分解決策，最后完成多目標的大系統(tǒng)串并聯(lián)水庫群聯(lián)合優(yōu)化調(diào)度，為實際調(diào)度提供科學依據(jù)和技術支撐。

(1)現(xiàn)有技術一般只研究針對梯級水庫群進行聚合分解調(diào)度，而，本發(fā)明所述方法根據(jù)支流的分布特征，對大系統(tǒng)串、并聯(lián)水庫群分別進行聚合分解調(diào)度，且選用不同的調(diào)度規(guī)則形式和分解方式，廣泛應用于大系統(tǒng)串、并聯(lián)水庫群生成多目標調(diào)度規(guī)則，使水庫調(diào)度決策更穩(wěn)健和優(yōu)越。

(2)現(xiàn)有技術一般以水量的方式進行聚合，本發(fā)明根據(jù)子流域上水庫的基本屬性，將水庫入庫流量和存貯水量分別用入能和蓄能表示，基于能量進行聚合。

(3)適應實時調(diào)度及水庫中長期調(diào)度。

附圖說明

圖1是面向大系統(tǒng)水庫群的聚合分解調(diào)度規(guī)則的提取方法的流程示意圖；

圖2是多目標遺傳算法的流程示意圖；

具體實施方式

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，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方式僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

實施例

參照圖1，本實施例所述面向大系統(tǒng)水庫群的聚合分解調(diào)度規(guī)則的提取方法，所述方法包括：

S1，根據(jù)目標流域干支流的分布特征劃分多個子流域，并獲取任意一個子流域A上每個水庫的基本屬性；

S2，將子流域A上的所有水庫按照所屬支流或按照水庫的基本屬性分類，然后將每個類型的水庫進行聚合得到所述子流域A的一個或多個虛擬聚合水庫；

S3，針對任意一個虛擬聚合水庫A′，根據(jù)子流域A的特征屬性選擇虛擬聚合水庫A′的調(diào)度規(guī)則形式，進而確定需要優(yōu)化的參數(shù)；如果子流域A為簡單流域，則虛擬聚合水庫A′的調(diào)度規(guī)則選擇線性調(diào)度函數(shù)；如果子流域A為偏重發(fā)電的流域，則虛擬聚合水庫A′的調(diào)度規(guī)則選擇調(diào)度圖規(guī)則；

S4，根據(jù)所述子流域A的特征屬性及所述子流域A中水庫的特征屬性確定虛擬聚合水庫A′分解方法；

S5，設置約束條件，通過調(diào)度規(guī)則形式和分解方法模擬得到需優(yōu)化參數(shù)的目標函數(shù)值，再通過多目標遺傳算法對需要優(yōu)化的參數(shù)進行優(yōu)化，得到目標流域串并聯(lián)水庫群調(diào)度規(guī)則集。

更詳細的解釋說明為：

(一)步驟S1中，所述基本屬性包括水庫庫容和水庫水位。

步驟S2中，所述子流域A中包含的支流總數(shù)與所述子流域A中需聚合的虛擬聚合水庫的總數(shù)相同。

(二)步驟S2中，將子流域A上的所有水庫按照所屬支流分類，然后將每條支流上的水庫進行聚合得到所述子流域A的一個或多個虛擬聚合水庫，具體為：獲取所述子流域A上并聯(lián)支流的總數(shù)Q，分別計算每個并聯(lián)支流上可優(yōu)化的水庫總數(shù)N₁,…,N_Q，將每個并聯(lián)支流上可優(yōu)化水庫聚合成一個虛擬聚合水庫；其中，N₁表示編號為1的并聯(lián)支流上的水庫總數(shù)，N_Q表示編號為Q的并聯(lián)支流上的水庫總數(shù)。

步驟S2中，所述子流域A中任意一條并聯(lián)支流W上的水庫進行聚合時，按照公式(1)將任意一個需聚合水庫Y的入庫流量轉(zhuǎn)換成入能，按照公式(2)將需聚合水庫Y的存貯水量轉(zhuǎn)換成蓄能；

其中，水庫入能IPE包括在指定的時間間隔△t內(nèi)水庫的入庫流量的能量和區(qū)間入流對應的出力所產(chǎn)生的能量，計算公式為公式(1)：

其中，I₁(t)是時刻為t時的龍頭水庫的入庫流量；I_s,in(t)表示需聚合水庫Y的上游水庫和需聚合水庫Y的下游水庫之間的區(qū)間入流流量；△t表示時間間隔；K₁表示龍頭水庫的出力系數(shù)，H₁(t)表示時刻為t時的龍頭水庫的發(fā)電水頭，K_n表示第n水庫的出力系數(shù)，H_n(t)表示時刻為t時的第n水庫的發(fā)電水頭，n表示支流上第n水庫，n＝2,3,……,N；N表示并聯(lián)支流W上水庫總數(shù)，s表示并聯(lián)支流W上第s水庫，s＝2,3,……,n；

水庫蓄能是指需聚合水庫Y在指定的時間間隔△t內(nèi)，從當前庫水位V_i(t)調(diào)度至死水位V_i⁰水量的出力所產(chǎn)生的能量；計算公式為公式(2)：

其中，H_n表示水庫當前時刻的出力水頭；K_n表示出力系數(shù)；N是支流W上水庫的總個數(shù)，H_n(v)表示第n水庫庫容為v時的發(fā)電水頭；v表示第n水庫的庫容。

(三)步驟S3，具體按照下述步驟實現(xiàn)：

針對任意一個虛擬聚合水庫A′，根據(jù)所述虛擬聚合水庫A′所屬支流上的水庫群的分布情況，分別初步設定虛擬聚合水庫的調(diào)度規(guī)則形式是調(diào)度圖或是分段線性調(diào)度規(guī)則或是神經(jīng)網(wǎng)絡調(diào)度規(guī)則或是支持向量機調(diào)度規(guī)則，從而確定需優(yōu)化的參數(shù)；

和/或針對任意一個虛擬聚合水庫A′，根據(jù)所述虛擬聚合水庫A′所屬支流的歷史入庫流量信息，分別初步設定虛擬聚合水庫的調(diào)度規(guī)則形式是調(diào)度圖或是分段線性調(diào)度規(guī)則或是神經(jīng)網(wǎng)絡調(diào)度規(guī)則或是支持向量機調(diào)度規(guī)則，從而確定需優(yōu)化的參數(shù)；

和/或針對任意一個虛擬聚合水庫A′，根據(jù)所述虛擬聚合水庫A′所屬支流的水庫特征，分別初步設定虛擬聚合水庫的調(diào)度規(guī)則形式是調(diào)度圖或是分段線性調(diào)度規(guī)則或是神經(jīng)網(wǎng)絡調(diào)度規(guī)則或是支持向量機調(diào)度規(guī)則，從而確定需優(yōu)化的參數(shù)。

(四)步驟S4中，所述分解方法為經(jīng)驗曲線或解析優(yōu)化或動態(tài)規(guī)劃模型。

步驟S4中，可分別選擇經(jīng)驗曲線、解析優(yōu)化以及動態(tài)規(guī)劃模型等方法來進行分解，揭示了梯級總出力與龍頭水庫出力之間的關系，最終實現(xiàn)大系統(tǒng)串并聯(lián)水庫群聯(lián)合優(yōu)化調(diào)度大規(guī)模時間、空間降維。

(五)關于對步驟S5的說明

一套參數(shù)則可模擬得到相應的目標函數(shù)值。本實施例自變量是參數(shù)，因變量是目標函數(shù)值，本申請的目的得到優(yōu)目標函數(shù)值所對應的參數(shù)。故先“通過調(diào)度規(guī)則形式和分解方法模擬得到需優(yōu)化參數(shù)的目標函數(shù)值”，然后獲取所述目標函數(shù)值所對應的參數(shù)，再對獲取的參數(shù)進行優(yōu)化。

1、步驟S5中，目標函數(shù)值為年均最大發(fā)電量和/或最小生態(tài)因子；

其中，年均最大發(fā)電量用公式(3)表示；

E^*代表年均發(fā)電量；E_n(t)為子流域A中任意一個并聯(lián)支流上水庫n在時刻t的發(fā)電量；N,T分別表示子流域A中任意一個并聯(lián)支流上水庫總數(shù)和時間間隔總數(shù)，n＝1,2,……,N，t＝1,2,……,T；

生態(tài)因子為生態(tài)斷面的生態(tài)流量被破壞時段時段數(shù)比例與最大破壞深度比例之和，用公式(4)表示；

其中，EC^*為生態(tài)因子；NT_m(t)表示任意一個生態(tài)斷面m是否遭到破壞，當斷面流量小于生態(tài)流量時，NT_m(t)＝1，當斷面流量不小于生態(tài)流量時，NT_m(t)＝0；表示生態(tài)斷面m的生態(tài)流量；DP_m為生態(tài)斷面m的最大破壞深度；M為生態(tài)斷面總數(shù)。

2、步驟S5中，所述約束條件包括六個，具體為：

水量平衡約束條件見公式(5)：

水庫水位約束條件見公式(6)：

Z_n,min≤Z_n(t)≤Z_n,max (6)

水庫泄流約束條件見公式(7)：

R_n,min(t)≤R_n(t)≤R_n,max(t) (7)

河道匯流約束條件見公式(8)：

I_n+1(t)＝R_n(t)+I_n+1，in(t) (8)

發(fā)電機組出力約束條件見公式(9)：

PL_n(t)≤P_n(t)≤PU_n(t) (9)

邊界狀態(tài)約束條件見公式(10)：

Z_n,1＝Z_n,init (10)

其中，I_n(t)、I_n(t+1)分別表示子流域A上任意一個并聯(lián)支流上的水庫n在時刻t、時刻t+1的入庫流量；△t表示時間間隔；R_n(t)為水庫n在時刻t的出庫流量；R_n(t)、R_n(t+1)分別表示水庫n在時刻t、時刻t+1的出庫流量；V_n(t)、V_n(t+1)分別表示水庫n在時刻t、時刻t+1的水庫庫容；

Z_n,min,Z_n,max為水庫n允許的最小水位和最大水位，Z_n(t)表示水庫n在時刻t的水位；

R_n,min(t),R_n,max(t)分別為水庫n在時刻t的最小出庫流量和最大出庫流量；

I_n+1(t)表示水庫n+1在時刻t的入庫流量；I_{n+1，in}(t)表示水庫n+1在時刻t的區(qū)間入流；

P_n(t)表示水庫n在時刻t的發(fā)電機組出力；

PL_n(t),PU_n(t)分別為水庫n在時刻t的發(fā)電機組最小出力限制和最大出力限制；

Z_n,1表示水庫n初始時刻的水位；Z_n,init為水庫n發(fā)電機組初始水位。

3、參照圖2，步驟S5中，通過多目標遺傳算法對需要優(yōu)化的參數(shù)優(yōu)化，具體按照下述步驟實現(xiàn)：

(1)隨機生成規(guī)模(容量)為p的初始種群；

(2)計算各個體的目標函數(shù)，基于各目標進行快速分層非劣排序；

(3)根據(jù)個體的等級，賦予每個個體適應度函數(shù)；

(4)通過精英保留選擇、交叉、變異等策略生成下一代種群；

(5)將父代和子代種群合并；

(6)將種群進行快速分層非劣排序；

(7)選擇最好的解進入新的種群(容量為p)；

(8)如果處于同一級別的個體很多，則計算這些個體的密集度函數(shù)，使得進入新種群的個體廣泛的分布在該層上；

(9)重復步驟(4)-(8)直到停止條件滿足為止(一般設定為迭代次數(shù))。

4、獲得目標流域串并聯(lián)水庫群調(diào)度規(guī)則集后，再根據(jù)人工會商和決策者的偏好確定目標流域的最終決策方案。

本實施例所述方法基于不同支流上的水庫，進行聚合和分解以減少維數(shù)災，實現(xiàn)大系統(tǒng)水庫群多目標優(yōu)化調(diào)度。

通過采用本發(fā)明公開的上述技術方案，得到了如下有益的效果：

本發(fā)明以大系統(tǒng)串并聯(lián)水庫群的多目標聯(lián)合調(diào)度問題為研究對象，通過對不同支流上的水庫能量聚合的方式進行降維，選定調(diào)度規(guī)則形式，再進行分解決策，最后完成多目標的大系統(tǒng)串并聯(lián)水庫群聯(lián)合優(yōu)化調(diào)度，為實際調(diào)度提供科學依據(jù)和技術支撐。

(1)現(xiàn)有技術一般只研究針對梯級水庫群進行聚合分解調(diào)度，而，本發(fā)明所述方法根據(jù)支流的分布特征，對大系統(tǒng)串、并聯(lián)水庫群分別進行聚合分解調(diào)度，且選用不同的調(diào)度規(guī)則形式和分解方式，廣泛應用于大系統(tǒng)串、并聯(lián)水庫群生成多目標調(diào)度規(guī)則，使水庫調(diào)度決策更穩(wěn)健和優(yōu)越。

(2)現(xiàn)有技術一般以水量的方式進行聚合，本發(fā)明根據(jù)子流域上水庫的基本屬性，將水庫入庫流量和存貯水量分別用入能和蓄能表示，基于能量進行聚合。

(3)適應實時調(diào)度及水庫中長期調(diào)度。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視本發(fā)明的保護范圍。