[發明專利]梯級水電站群優化調度逐階段反向學習降維優化方法

有效

• 申請號: 202110054612.9
• 申請日: 2021-01-15
• 公開（公告）號: CN112766564B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 鄒強;饒光輝;何小聰;喻杉;柳林云;胡學東
• 申請（專利權）人: 長江勘測規劃設計研究有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 陳家安;張繼東

本發明涉及水資源高效利用與水電優化調度技術領域，公開了一種梯級水電站群優化調度逐階段反向學習降維優化方法，首先計算得到各水電站的初始調度狀態過程和離散步長；然后對于計算的各個階段，逐階段在初始狀態組合的上下兩側，隨機生成上側、下側的離散狀態數目并加以組合形成廊道，以廊道上下邊界為基礎，計算初始狀態的反向狀態組合進行迭代尋優，以獲得改進的調度過程；重復上述過程直至所有階段計算完畢；最后收縮離散步長，反復迭代直至收斂，從而逼近全局最優解，輸出最優調度過程。本發明梯級水電站群優化調度逐階段反向學習降維優化方法，有效降低計算復雜度，大幅提升計算效率，適用于大規模梯級水電站群優化調度。

技術領域

本發明涉及水資源高效利用與水電優化調度技術領域，具體涉及一種梯級水電站群優化調度逐階段反向學習降維優化方法。

背景技術

近年來，隨著我國水利水電事業的飛速迅猛發展和快速有序推進，水電站規模日益增加，特別是在金沙江、雅礱江、烏江等特大流域水電基地，形成世界上前所未有的超大規模水電系統。梯級水電站群優化調度具有顯著的社會、經濟和生態等方面的綜合效益，不僅可有效促進流域水能資源的高效利用，還可提高水電站群的調度管理水平和保證電網系統的安全穩定可靠運行。然而，水電站數目的日益增加和系統規模的逐步壯大，直接導致優化調度過程中計算時間和占用內存呈指數增長，問題的復雜性與求解方法的局限性之間的矛盾凸顯，維數災難題已成為水電站群優化調度必定面臨的科學難題，直接關系到我國清潔電力供給和能源有效利用。

梯級水電站群存在復雜的水文、水力和電力聯系，包含了水位、庫容、流量、出力等眾多約束條件，水庫站群優化調度是一個具有大規模、高維度、多階段、強約束、非線性的復雜耦合最優控制問題，行之有效的高效求解面臨較大的技術瓶頸。

傳統方法應用于梯級水電站群聯合優化調度問題時，隨著電站數目和離散數目增加，面臨嚴峻的維數災問題。

從數學上看，水電站群優化調度問題是一個大規模、高維度、多階段、強約束、非線性的優化問題。針對此問題，國內外研究人員相繼提出了線性規劃、非線性規劃、動態規劃(DP)、離散微分動態規劃(DDDP)、逐步優化(POA)、進化算法等多種方法。雖然這些方法在水電站群優化調度領域得到廣泛應用，但在處理大規模水電站群優化調度問題時仍然存在早熟收斂、計算開銷大、維數災等缺陷。因此，亟待開發一些新型有效的優化方法，實現占用內存和計算耗時的同步降低，有效緩解維數災問題，來確保大規模水電系統聯合調度的計算效率與求解精度。

反向學習是近年來計算智能領域提出的一種新技術，其核心思路是同時評估當前狀態及其反向狀態，擇優使用，從而加速搜索進程。

發明內容

本發明的目的就是針對上述技術的不足，提供一種梯級水電站群優化調度逐階段反向學習降維優化方法，將高維水電優化調度問題轉換為相對簡單的低維優化子問題，避免各電站各階段離散狀態之間的全面組合，具有快速的求解效率和計算精度。

為實現上述目的，本發明所設計的梯級水電站群優化調度逐階段反向學習降維優化方法，包括如下步驟：

1)確定初始計算條件，包括梯級水電站群優化調度的目標函數、約束條件和決策變量；

2)設定計算參數，包括最大迭代次數M、階段總數T、最大反向學習次數F和收斂精度ε；

3)根據常規動態規劃方法或人工經驗決策，設定各個水電站的初始試驗軌跡并計算獲取各水電站初始離散步長Δ＝(Δ_i,j)_N×T，其中，表示水電站i在階段j的初始狀態，Δ_i,j表示水電站i在階段j的初始離散步長，表示水電站i在階段j的水位上限，Z_i,j表示水電站i在階段j的水位下限，N為水電站數目，T為水電站調度期階段數目，K為初始離散數目；

4)置迭代次數m＝1；

5)置階段j＝1；