[发明专利]一种梯级水电站群并行多目标优化调度方法

说明书

一种梯级水电站群并行多目标优化调度方法，采用多种群进化策略确保小规模子种群的相对独立性，并在进化过程中耦入Pareto解集精英个体在种群间环形迁移机制，实现子种群之间的信息传递与互馈，保证个体的多样性与解集的导向性；采用多核并行计算技术实现各子种群的同步进化，规避串行计算模式下的计算资源浪费现象，实现方法的计算加速。本发明能够进一步扩大梯级水电站群优化调度可计算规模，提供给决策者合理可行的调度方案集的同时，保证计算效率，是实现大规模梯级水电站群多目标优化调度的一种切实可行的方法。

技术领域

本发明涉及水电系统发电调度领域，特别涉及一种梯级水电站群并行多目标优化调度方法。

技术背景

水电能源作为现阶段电力系统中占比最高的可再生清洁能源，需要在优化调度过程中均衡考虑发电量和保证出力两个动能指标。发电量最大模型可最大限度地利用水能资源，实现发电企业效益最大化；最小出力最大模型则可提升水电系统保证出力，增强水电丰枯补偿调节作用。采用兼顾发电量与保证出力的优化调度方案指导水电站群的电力生产，能有效弱化径流时空分布不均的消极影响，提升水电系统的供电可靠性及市场竞争力，有利于电力系统的安全稳定运行。非线性规划、动态规划等传统方法集中在单目标优化问题，需要利用约束法或权重法等方法将多目标问题转化为单目标问题进行求解，难以获得供决策者参考的合理方案集，且在大规模水电系统优化调度中面临计算困难等问题，一定程度上限制了其在工程实际中的应用。近年来，可获得非劣调度方案集合的多目标进化算法等逐步展现出强劲的生命力，其中以多目标遗传算法(Multi-Objective GeneticAlgorithm,MOGA)为典型代表。

然而，梯级水电站群多目标调度问题是一个高维、非线性的多目标动态优化问题，其求解难度随系统规模扩张而急剧增加；日趋复杂的水利、电力联系进一步加剧了计算复杂性，增大了优化困难；调度部门对各电站的精细化控制对优化方法也提出了更高的要求。上述几方面原因导致目前采用串行计算模式的多目标进化算法受到了局限，无论求解效率还是计算精度。与此同时，伴随计算机行业的快速发展，多核处理器与并行计算框架、平台等几乎已经成为个人电脑、工作站的标准配置，极大地促进了并行计算的发展与应用，使之日益成为提升算法性能的有效手段，并已逐步推广至水电调度领域实践工作。然而，截至目前，并行计算多集中在单目标调度方法的改进，在多目标优化调度问题中的研究与实践报道尚不多见。

因此，为进一步扩大梯级水电站群优化调度可计算规模，提供给决策者合理可行的调度方案集的同时，保证计算效率，本发明成果提出一种梯级水电站群并行多目标优化调度方法。该成果依托国家自然科学基金委重大国际合作(51210014)和国家十二五科技支撑计划项目(2013BAB06B04)，以澜沧江流域梯级水电站群多目标联合优化调度问题为背景，以中下游“二库五级”梯级水电站群为主要研究对象，发明了一种具有很强实用性和高效性，便于广泛推广使用的梯级水电站群并行多目标优化调度方法。

发明内容

本发明要解决的技术问题是提供一种梯级水电站群并行多目标优化调度方法，分别针对标准多目标遗传算法工程应用中存在的主要问题提出解决措施。标准多目标遗传算法以非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)为典型代表，其因多目标求解优势已在科学研究和工程实践中得到广泛应用，但目前尚存在以下两方面缺点：(1)在一定代数的进化之后，个体趋同现象逐渐凸显，种群多样性不断丧失，极易获得原问题的伪Pareto最优解；(2)传统方法采用串行计算模式，在种群规模较大时，面临计算耗时长、运算效率低等缺点。针对上述问题，本发明采取多核并行计算技术实现多种群进化策略，保证个体的多样性并实现方法的计算加速，以获得具有良好分布和散布的近似Pareto最优前沿。

本发明的技术方案为：本发明揭示了一种梯级水电站群并行多目标优化调度方法，按照下述步骤(1)-(8)完成梯级水电站群并行多目标优化调度过程：