[发明专利]一种考虑下游生态的流域风光水系统多目标优化调度方法

说明书

本发明公开了一种考虑下游生态的流域风光水系统多目标优化调度方法，包括获取梯级水电站的基本信息；获取流域风光电站的基本信息；根据流域风光水电站基本信息，建立考虑下游生态的流域风光水系统目标以及硬性约束的多目标发电优化调度数学模型；采用改进的AR‑MOEA对建立的多目标发电优化调度数学模型进行求解；采用SMAA‑2对得到的非支配方案进行多属性决策。本发明将风光水电系统进行解耦，避免可行解在在进化过程中遭到破坏；随后得到完整Pareto前沿，应用能考虑决策者主观意愿和属性信息不确定性的随机多准则可接受性分析(SMAA‑2)的多属性决策模型，给决策者提供了更多方案排序的信息，能更科学合理地进行决策。

技术领域

本发明涉及新能源和水利水电调度方法，特别涉及一种考虑下游生态的流域风光水系统多目标优化调度方法。

背景技术

风电和光伏发电出力具有随机性、波动性、和间歇性等特点，直接上网给电力系统的运行带来困扰，而水电具有可储存、调节速度快，能有效缓解间歇性能源出力波动给电力系统带来的影响。因此，研究水电补偿风光出力具有重要意义。

目前流域风光水电系统联合调度的研究大多集中在系统效益最大、系统出力稳定性和最小化系统运行费用。但是，水电站一般都承担着多个任务，如生态、发电和防洪等。水电站根据风光的不稳定出力适应性调整自身运行方式补偿风光出力，不仅使得自身的运行状态发生了改变，进而对下游河道生态造成影响。因此，建立能满足风光水电站稳定运行、风光水系统效益和下游河道生态健康的多目标优化调度模型是流域风光水系统管理发展的必然趋势。

目前，处理多目标问题的方法通常可以分为三类，一是约束法，将目标变为约束条件，使多目标问题转化为单目标问题进行优化求解。二是权重法，通过一组权重值将多目标组合成单目标问题进行优化求解。三是近年来出现的多目标进化算法，包括动态权重进化算法、NSGA-II、(NSGA-Ⅲ)和AR-MOEA等。其中AR-MOEA可以在无偏好的情况下运行一次得到完整的Pareto前沿，且对于Pareto前沿不连续、不可微、非凸等情况均具有较好的鲁棒性。

风光水电系统多目标优化调度涉及多部门(电力、水利、生态等部门)的利益，不同利益部门对于各个目标之间的偏好是不一样的，给出的主观权重往往不一致。客观权重可以反应方案集数据自身的属性信息，不同赋权方法得到的权重差异较大。因此，在多目标优化得到Pareto最优解之后，建立考虑指标权重不确定性的随机多属性决策是至关重要的，它能给决策者提供更多方案排序的信息，从而能够科学合理地进行决策。

发明内容

发明目的：本发明提供一种考虑下游生态的流域风光水系统多目标优化调度方法，以解决现有技术存在的上述问题。

技术方案：为实现上述发明目的，本发明采用以下技术方案：

一种考虑下游生态的流域风光水系统多目标优化调度方法，包括以下步骤：

(1)获取梯级水电站的基本信息，该基本信息包括各个水电站的入库径流资料、水位库容曲线、尾水流量关系曲线和水轮机机组综合曲线资料；

(2)获取流域风光电站的基本信息，该基本信息包括各个风光电站的地理位置、风速、太阳辐射、气温和装机容量资料；

(3)根据流域风光水电站基本信息，建立考虑下游生态的流域风光水系统目标以及硬性约束的多目标发电优化调度数学模型；

(4)采用改进的AR-MOEA对所述步骤(3)建立的多目标发电优化调度数学模型进行求解；

(5)采用SMAA-2对步骤(4)得到的非支配方案进行多属性决策。

进一步的，步骤(3)中多目标优化调度数学模型的目标函数为发电量、最大调度期内最小时段出力最大和对下游生态影响最小；

发电量最大目标函数为：