本發(fā)明涉及高維多目標優(yōu)化和水光互補電力系統(tǒng)交叉，具體為基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、水光互補系統(tǒng)是結(jié)合水力發(fā)電和光伏發(fā)電的一種混合能源系統(tǒng)。這種系統(tǒng)利用了兩種可再生能源的互補特性：在陽光充足的白天主要依靠光伏發(fā)電，而在夜晚或陰天則通過水力發(fā)電來補充電力需求。該系統(tǒng)旨在提高能源利用效率、降低電力供應(yīng)的不穩(wěn)定性，并減少對化石燃料的依賴。在優(yōu)化水光互補系統(tǒng)時，通常需要考慮多個目標，如發(fā)電成本、系統(tǒng)可靠性、環(huán)境影響和能源利用效率等。這些目標之間可能存在沖突，因此需要在多目標優(yōu)化中找到一個平衡點。此外，隨著目標數(shù)量的增加，優(yōu)化問題變得更加復(fù)雜，面臨以下挑戰(zhàn)在優(yōu)化水光互補系統(tǒng)時，通常需要考慮多個目標，如發(fā)電成本、系統(tǒng)可靠性、環(huán)境影響和能源利用效率等。這些目標之間可能存在沖突，因此需要在多目標優(yōu)化中找到一個平衡點。此外，隨著目標數(shù)量的增加，優(yōu)化問題變得更加復(fù)雜，面臨以下挑戰(zhàn)：(1)維度災(zāi)難：隨著目標數(shù)量增加，搜索空間呈指數(shù)級增長，傳統(tǒng)優(yōu)化算法難以高效搜索到最優(yōu)解。(2)解的多樣性和均勻性：在高維多目標優(yōu)化中，找到分布均勻且具有多樣性的pareto前沿解集非常困難。(3)計算資源的需求：高維多目標優(yōu)化通常需要大量計算資源和時間，特別是在處理復(fù)雜系統(tǒng)如水光互補系統(tǒng)時?；谧赃m應(yīng)參考向量的高維多目標優(yōu)化方法，通過建立水光互補系統(tǒng)的數(shù)學(xué)模型，定義總發(fā)電成本、系統(tǒng)可靠性、環(huán)境影響和能源利用效率等優(yōu)化目標，使用均勻生成的參考向量和隨機生成的初始種群，通過動態(tài)調(diào)整參考向量的位置和方向，執(zhí)行交叉、變異和非支配排序等進化操作，逐步優(yōu)化種群，最終得到pareto前沿解集。該方法有效提升了水光互補系統(tǒng)的整體性能和可持續(xù)性。

技術(shù)實現(xiàn)思路

1、鑒于上述存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問題是：在高維多目標優(yōu)化問題中，如何有效地整合和優(yōu)化多種沖突目標的問題，尤其是在水光互補系統(tǒng)中，如何實現(xiàn)成本效率和能源利用率的最優(yōu)平衡。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法，包括：確立優(yōu)化目標，構(gòu)建多目標函數(shù)，并建立綜合性的多目標函數(shù)模型；

4、初始化生產(chǎn)種群，種群中每個個體代表一個多目標函數(shù)模型潛在的解；

5、通過執(zhí)行競爭繁殖操作，根據(jù)適應(yīng)度選擇優(yōu)勝個體進行繁殖，結(jié)合自適應(yīng)調(diào)整機制，動態(tài)調(diào)整搜索策略，迭代改進整個種群的解質(zhì)量；

6、在每次迭代過程中，使用帕累托最優(yōu)標準對當(dāng)前解集進行評估，根據(jù)評估結(jié)果，自適應(yīng)調(diào)整參考向量；

7、當(dāng)?shù)_到預(yù)定的終止條件，輸出滿足多目標優(yōu)化要求的最優(yōu)解集。

8、作為本發(fā)明所述的基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法的一種優(yōu)選方案，其中：所述優(yōu)化目標包括，成本最小化minf1(x)、發(fā)電效率最大化maxf2(x)、水光互補系統(tǒng)發(fā)電魯棒性最大化maxf3(x)和最大化光伏發(fā)電并減少火力發(fā)電maxf4(x)；

9、所述建立綜合性的多目標函數(shù)模型：

10、

11、pmin<p<pmax

12、α≥0；β≥0

13、-p(x)儲能容里max≤p(x)需求≤p(x)儲能容里max

14、wmin(x)≤w(x)≤wmax(x)

15、e儲能t+1(x)＝e儲能t(x)+τp

16、其中，oc(x)1表示火電機組的運行成本，sc(x)1表示火電機組的啟停成本，pc(x)1表示光伏發(fā)電系統(tǒng)的棄光懲罰成本，sc(x)2表示抽水蓄能電站的啟停成本；保證發(fā)電效率最大化的同時需要滿足約束：p火＝p需求-p總，p總＝p光伏+p蓄水；p總表示系統(tǒng)的總發(fā)電功率，p光伏表示光伏發(fā)電的功率，p蓄水表示水力發(fā)電的功率；p需求表示總的發(fā)電需求，p火表示火電機組需要補充的發(fā)電功率，η和μ表示水力發(fā)電和光伏發(fā)電的權(quán)重；p水力發(fā)電表示水力發(fā)電量，p光伏發(fā)電表示光伏發(fā)電量；λ表示權(quán)重系數(shù)，σ表示系統(tǒng)運行中的不確定性和波動性；

17、滿足發(fā)電效率需求約束：

18、p光伏+p水力+p火力＝p需求

19、光伏發(fā)電能力約束：

20、0≤p光伏≤p光伏max

21、水力發(fā)電能力約束：

22、0≤p水力≤p水力max

23、火力發(fā)電能力約束：

24、0≤p火カ≤p火力max

25、能設(shè)備充放電約束：

26、-p儲能容量max≤p需求≤p儲能容量max

27、儲能平衡方程:

28、e儲能(t+1)＝e儲能(t)+л*p儲電-g*p放電

29、其中，e儲能(t)和e儲能(t+1)分別表示當(dāng)前和下一個時間步的儲能電量；л和g分別表示充電效率和放電效率的權(quán)重；p儲電表示儲能設(shè)備儲電的功率，p放電表示儲能設(shè)備放點的功率。

30、作為本發(fā)明所述的基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法的一種優(yōu)選方案，其中：所述初始化生產(chǎn)種群包括，初始化種群：

31、o＝{x1,x2,x3,...,xn}

32、其中，n表示種群中個體的數(shù)量：

33、xi＝[xi,x2,x3,...,xm]

34、其中，xi表示種群中個體。

35、作為本發(fā)明所述的基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法的一種優(yōu)選方案，其中：所述執(zhí)行競爭繁殖操作包括，隨機選擇2個父代種群op中的x1，x2，并將x1，x2從父代種群op中刪去；

36、通過評估兩個個體的適應(yīng)度函數(shù)，來進行競爭選擇適應(yīng)度高的個體成為優(yōu)勝個體xw，失敗個體xl將會根據(jù)向優(yōu)勝個體學(xué)習(xí)，兩者同時進行變異進入到后代種群of，公式為：

37、x變異后＝x變異前+δj

38、

39、其中，x變異前表示勝者和學(xué)習(xí)后的輸者的決策變量，根據(jù)變異概率決定增加的變異偏移δj之后生成x變異后；μj表示一個隨機數(shù)隨機生成概率，η表示變異強度的參數(shù)；

40、競爭操作過后形成的xw，xl中每一位的決策變量，基于概率的前提下在給定范圍內(nèi)進行變異，循環(huán)選擇兩個個體進行競爭直至父代種群op中個體全部進入后代種群of；

41、將父代種群op與子代種群of合并生成合并種群q；

42、進行競爭選擇操作，根據(jù)個體與參考向量之間的角度關(guān)聯(lián)v的參考向量與種群q中所有個體即個體與v中參考向量角度最小的參考向量相互關(guān)聯(lián)；

43、遍歷所有關(guān)聯(lián)到個體的參考向量，對于每個參考向量從關(guān)聯(lián)個體中選擇apd值最小的個體進入下一代種群op；

44、再遍歷沒有關(guān)聯(lián)到個體的參考向量，對于沒有關(guān)聯(lián)到個體的參考向量從種群中剩余個體中選擇與之角度最小的個體進入下一代，其中apd距離定義為：

45、其中，dt,i,j表示在時間t，從節(jié)點i到節(jié)點j的apd距離；p表示關(guān)于θ的懲罰函數(shù)，表示為：

46、

47、γνt,j＝min<νt,i,νt,j>

48、其中，α表示用戶自定義參數(shù)，控制時間因素對懲罰影響的調(diào)節(jié)強度，t表示當(dāng)前迭代次數(shù)，tmax表示最大迭代次數(shù)；γνt,j表示歸一化因子，γ表示與νt，j形成夾角最小的其他參考向量的角度；角度γ用于歸一化由νt，j指定的子空間中的角度，生成均勻的帕累托優(yōu)質(zhì)解集；m表示常數(shù)；θt,i,j表示與νt,i形成最小角度的其他參數(shù)向量的角度。

49、作為本發(fā)明所述的基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法的一種優(yōu)選方案，其中：所述自適應(yīng)調(diào)整機制包括，優(yōu)質(zhì)種群中個體中目標函數(shù)最大值與最小值計算下一次參考向量生成方式其公式如下：

50、

51、其中，vt表示第t次迭代的參數(shù)向量，r(x)max表示最大化目標函數(shù)，f(x)min表示最小化目標函數(shù)；

52、利用最大化最小化目標函數(shù)來引導(dǎo)參考向量改變進而引導(dǎo)種群向目標函數(shù)方向進化。

53、作為本發(fā)明所述的基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法的一種優(yōu)選方案，其中：所述使用帕累托最優(yōu)標準對當(dāng)前解集進行評估包括，重復(fù)循環(huán)是所述初始化生產(chǎn)種群和所述競爭性繁殖操作，直至滿足終止條件，適應(yīng)度評價次數(shù)達最大次數(shù)。

54、作為本發(fā)明所述的基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化方法的一種優(yōu)選方案，其中：所述輸出滿足多目標優(yōu)化要求的最優(yōu)解集包括，判斷種群的適應(yīng)度評價次數(shù)是否滿足閾值，若滿足輸出水光互補系統(tǒng)優(yōu)化解集對于解數(shù)量的需求，輸出結(jié)果；

55、否則，循環(huán)競爭繁殖操作直至滿足終止條件。

56、基于競爭繁殖與自適應(yīng)向量的水光互補優(yōu)化系統(tǒng)，其特征在于：包括，

57、目標函數(shù)構(gòu)建模塊：確立優(yōu)化目標，構(gòu)建多目標函數(shù)，并建立綜合性的多目標函數(shù)模型；

58、種群初始化模塊：初始化生產(chǎn)種群，種群中每個個體代表一個潛在的解；

59、繁殖與適應(yīng)度評估模塊：通過執(zhí)行競爭繁殖操作，根據(jù)適應(yīng)度選擇優(yōu)勝個體進行繁殖，結(jié)合自適應(yīng)調(diào)整機制，動態(tài)調(diào)整搜索策略，迭代改進整個種群的解質(zhì)量；

60、自適應(yīng)參考向量調(diào)整模塊：在每次迭代過程中，使用帕累托最優(yōu)標準對當(dāng)前解集進行評估，根據(jù)評估結(jié)果，自適應(yīng)調(diào)整參考向量；

61、迭代終止與解集輸出模塊：當(dāng)?shù)_到預(yù)定的終止條件，輸出滿足多目標優(yōu)化要求的最優(yōu)解集。

62、本發(fā)明的有益效果：通過利用高維競爭群算法進行水光互補發(fā)電方式優(yōu)化，可以獲得全面、多樣化且高質(zhì)量的解集，從而為水光互補系統(tǒng)的規(guī)劃、運行和管理提供重要的決策支持。通過綜合考慮多方目標進行建模，解決了水光互補運行中涉及的多個需要考慮的優(yōu)化目標之間的沖突。多目標優(yōu)化能夠更好地解決水光互補系統(tǒng)的復(fù)雜性和動態(tài)性，進而提高系統(tǒng)的魯棒性。水光互補運行模式面臨不確定性和復(fù)雜多變性，多目標優(yōu)化可以幫助系統(tǒng)更好地適應(yīng)和應(yīng)對外部環(huán)境的變化。因此，本發(fā)明的方法不僅提高了水光互補系統(tǒng)的效用，還為水光互補發(fā)電系統(tǒng)的規(guī)劃、運行和管理提供了重要的決策支持。