申请/专利权人：国电电力发展股份有限公司和禹水电开发公司;中国水利水电科学研究院

申请日：2020-12-24

公开（公告）日：2024-06-21

公开（公告）号：CN112633578B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/0635;G06Q10/0639;G06Q50/06;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本发明公开了一种引调水工程影响下梯级水库群优化调度方法，包括如下步骤：步骤1：建立目标函数：包括最大梯级发电量、最小弃水量、最小综合风险率和最小引水量；步骤2：考虑约束条件：包括水库水量平衡约束、流量平衡约束、下泄流量约束、蓄水位约束和出力约束；步骤3：采用动态规划算法和离散微分动态规划算法求解建立的梯级水库群水量联合优化调度模型；步骤4：选定基于调度图概化优化模型、基于动态变量抽样空间的改进遗传算法和基于非支配排序遗传算法作为调度规则。本发明能够提高梯级水库群联合运行水平，可以广泛应用于梯级水库优化调度领域。

主权项：1.一种引调水工程影响下梯级水库群优化调度方法，其特征在于：包括如下步骤：步骤1：建立目标函数：包括最大梯级发电量、最小弃水量、最小综合风险率和最小引水量；步骤1.3：最小综合风险率： 式3中：P为综合风险；bn为第n个水库调风险指标，ωn为第n个水库调风险指标权重，水库调度风险指标由缺水率、供水破坏深度、梯级发电量不足风险率和出力不足风险率组成；步骤2：考虑约束条件：包括水库水量平衡约束、流量平衡约束、下泄流量约束、蓄水位约束和出力约束；步骤3：采用动态规划算法和离散微分动态规划算法求解建立的梯级水库群水量联合优化调度模型；所述步骤3的动态规划算法3.1的具体计算过程如下：步骤3.1.1：求解水库长期发电调度模型，步骤如下：步骤3.1.1.1：划分阶段并确定阶段变量：对具有调节性能的水库，将其调度期按月或旬为时段划分为T个阶段，以t代表阶段变量，其中，t＝1～T，则t为面临时段，t+1～T为余留时期；步骤3.1.1.2：确定状态变量：选取水库蓄水量或水位为状态变量，记Vt-1为第t时段初的水库蓄水量，Vt为第t时段末的水库蓄水量；步骤3.1.1.3：确定决策变量：取下泄流量Qt为决策变量；步骤3.1.1.4：确定状态转移方程：即水量平衡方程Vt＝Vt-1+It-Qt△t；步骤3.1.1.5：确定阶段指标：即各阶段系统的出力NtVt-1,Qt，表示第t阶段在时段初状态为Vt-1和时段决策变量为Qt时的出力；步骤3.1.1.6：确定最优值函数：即ft*Vt-1，表示从第t阶段初库容为Vt-1出发，到第T个时段的最优出力之和；于是可得动态规划的逆时序递推方程为： 式10中：表示第t时段初离散点取为m1时的蓄水量值，Vtm2表示第t时段末即t+1时段初时离散点取为m2时的蓄水量值，且m1＝0,1,…,M，m2＝0,1,…,M，M为蓄水量离散点数；Qt表示第t时段的平均下泄流量；t＝1,2,…,T，表示时段编号；表示从第t时段初蓄水量为出发到第T时段的最优出力之和；f*t+1Vtm2表示从第t+1时段初蓄水量为Vtm2出发到第T时段的最优出力之和；表示时段初蓄水量状态为平均下泄流量为Qt时的出力值；Ωt为决策变量，表示平均下泄流量Qt在蓄水量Vt-1已给定时满足水电站水库各项约束的决策集合；步骤3.1.2：若已知某有调节水库在调度期各时段的允许最小蓄水量为Vt,min，允许最大蓄水量为Vt,max，并已知Z上～V曲线，Z下～Q曲线，初始库容V0及各时段径流It，则具体的求解步骤如下：步骤3.1.2.1：将调节期划分为T个时段，并将每个时段内的可用蓄水库容即Vt,min～Vt,max离散为M个蓄水量状态点；步骤3.1.2.2：令t＝T，并获取蓄水量边界值V0及VT；由时段初离散点m1所对应的蓄水量值Vm1T-1、时段末蓄水量值VT查Z上～V曲线可计算得时段平均库水位Z平，其中，m1＝1,2,…,M；由水量平衡方程可求得时段平均下泄流量QT，再由出力迭代计算可求得该时段出力NT及发电引用流量qT；步骤3.1.2.3：应用前述逆时序递推方程，因为f*T+1VT＝0，故 步骤3.1.2.4：令t＝t-1，对时段初离散点m1，m1＝1，2，…，M，重复步骤3.1.2.2，此时的时段末蓄水量值为Vtm2，其中，m2＝1，2，…，M，由递推方程求得对应于时段初散点m1的最大余留期效益及其所对应的时段末最优蓄水量点并保存相关的信息，直至t＝1，逆时序递推计算结束；步骤3.1.2.5：由调度期初蓄水量V0及其所对应的第1时段末最优蓄水量V1*V0，可求得时段最优出力N1*及其所对应的平均下泄流量Q1*，回代至t＝T，顺时序递推计算结束；步骤4：选定基于调度图概化优化模型、基于动态变量抽样空间的改进遗传算法和基于非支配排序遗传算法作为调度规则；所述步骤4中，基于动态变量抽样空间的改进遗传算法的具体步骤如下：结合动态变量空间的概念以及调度图优化问题自身的特点对遗传算法进行改进，由混合调度图的概化方式，调度图在模型中定义为一组优化变量的组合，根据各变量的二维空间关系，可认为各变量记录着调度图中各调度线的拐点的t、z坐标，因将变量组合生成所要优化的n条调度线，各调度线之间必须满足相应的上下关系，在初始种群生成以及进化的过程中每一个调度图个体的各调度线之间必须满足这种二维空间关系才能够成一个可行解，是改进遗传算法中构架调度图变量间的信息交互机制。

全文数据：

权利要求：

百度查询： 国电电力发展股份有限公司和禹水电开发公司;中国水利水电科学研究院 一种引调水工程影响下梯级水库群优化调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD