[發明專利]一種梯級水庫群短期優化調度方法與系統

有效

• 申請號: 201910968163.1
• 申請日: 2019-10-12
• 公開（公告）號: CN110766210B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 馮仲愷;牛文靜;劉帥;劉懿;蔣志強
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;曹葆青

本發明公開了一種梯級水庫群短期優化調度方法與系統，屬于水火電站協同優化調度領域，通過獲取初始種群中每個個體適應度并更新種群中最優適應度個體、次優適應度個體和第三優適應度個體的位置；然后更新種群中所有個體的位置，并生成臨時種群；基于更新種群所有個體位置后得到的種群和臨時種群，采用變異策略篩選種群；采用自適應邊界策略有效防止種群陷入局部最優。通過迭代對種群中所有個體位置進行更新，達到停止條件后將最優適應度個體位置輸出作為梯級水電系統最優調度過程。本發明具有收斂速度快，求解精度高，尋優能力強及有效避免陷入局部最優解等優點，能夠很好的協調電網之間的水火電站協同調度，提升經濟效益，具有很強的實用價值。

技術領域

本發明屬于短期內電網中水火電站協同優化調度領域，更具體地，涉及一種梯級水庫群短期優化調度方法與系統。

背景技術

在電網運營中，為了能夠提升電網效益，需要在短時間內盡可能提升水電站出力的同時保證電網的余荷平穩，從而減少火電機組頻繁的出力變化，最終提升整個電網的經濟效益。其中，目標函數采用為梯級電站剩余負荷的平方差最小，具體公式為：其中，L_t為電站中第t個時段的負荷需求；T為調度時段數目；n表示電站序號，n＝1,2,…,N；P_n,t為第n個水電站在第t個時段的出力；

需要滿足的約束條件如下：

(1)水量平衡約束：V_n,t+1＝V_n,t+[I_n,t-O_n,t]·Δ_t。其中，V_n,t為第n個水電站在第t個時段的庫容；I_n,t為第n個水電站在第t個時段的入庫流量；O_n,t為第n個水電站在第t個時段的出庫流量；Δ_t為第t個時段的小時數。

(2)出、入庫流量約束：其中，q_n,t為第n個水電站在第t個時段的區間流量；Q_i,t為第i個水電站在第t個時段的發電流量；S_i,t第i個水電站在第t個時段的棄水流量；N_n為直接連接在第n個水電站的上游電站數目。

(3)水庫庫容約束：其中，V_n,t為第n個水電站在第t個時段的庫容；為第n個水電站在第t個時段的庫容上限；為第n個水電站在第t個時段的庫容下限；

(4)發電流量約束：其中，為第n個水電站在第t個時段的發電流量上限；為第n個水電站在第t個時段的發電流量下限；

(5)水庫出庫流量約束：其中，為第n個水電站在第t個時段的出庫流量上限；為第n個水電站在第t個時段的出庫流量下限；

(6)水電站出力約束：其中，為第n個水電站在第t個時段的出力上限；為第n個水電站在第t個時段的出力下限；

梯級水電系統調峰模型是典型的多約束、非線性及多時段的優化問題，一些已有的數學優化方法例如，線性規劃、動態規劃、直接搜索方法以及遺傳算法和人工神經網絡等都在梯級水電系統優化中得到的應用。但是在求解過程中出現的早熟收斂，易陷入局部最優，計算復雜度高等問題仍然不能得到有效解決。灰狼優化算法(Grey Wolf Optimizer,GWO)是一種近年來新提出的一種啟發式優化算法，GWO利用灰狼中等級制度和覓食機制實現種群中的進化，能夠很好的協調好種群搜索過程中的探索和開發之間的關系，具有簡單易實現的優點，已經在很多工程領域得到了成功應用。但是至今還沒有GWO在梯級水電站群調峰調度中的應用，為此，嘗試將GWO應用到梯級水電調峰的工程應用中，但是在研究中發現，該方法在求解調峰問題時存在搜索過程中多樣性急劇減少、收斂速度慢等問題。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提出了一種梯級水庫群短期優化調度方法與系統，由此解決現有GWO算法存在的搜索過程中多樣性急劇減少及收斂速度慢等技術問題。