[发明专利]一种梯级水库群短期优化调度方法与系统

说明书

本发明公开了一种梯级水库群短期优化调度方法与系统，属于水火电站协同优化调度领域，通过获取初始种群中每个个体适应度并更新种群中最优适应度个体、次优适应度个体和第三优适应度个体的位置；然后更新种群中所有个体的位置，并生成临时种群；基于更新种群所有个体位置后得到的种群和临时种群，采用变异策略筛选种群；采用自适应边界策略有效防止种群陷入局部最优。通过迭代对种群中所有个体位置进行更新，达到停止条件后将最优适应度个体位置输出作为梯级水电系统最优调度过程。本发明具有收敛速度快，求解精度高，寻优能力强及有效避免陷入局部最优解等优点，能够很好的协调电网之间的水火电站协同调度，提升经济效益，具有很强的实用价值。

技术领域

本发明属于短期内电网中水火电站协同优化调度领域，更具体地，涉及一种梯级水库群短期优化调度方法与系统。

背景技术

在电网运营中，为了能够提升电网效益，需要在短时间内尽可能提升水电站出力的同时保证电网的余荷平稳，从而减少火电机组频繁的出力变化，最终提升整个电网的经济效益。其中，目标函数采用为梯级电站剩余负荷的平方差最小，具体公式为：其中，L_t为电站中第t个时段的负荷需求；T为调度时段数目；n表示电站序号，n＝1,2,…,N；P_n,t为第n个水电站在第t个时段的出力；

需要满足的约束条件如下：

(1)水量平衡约束：V_n,t+1＝V_n,t+[I_n,t-O_n,t]·Δ_t。其中，V_n,t为第n个水电站在第t个时段的库容；I_n,t为第n个水电站在第t个时段的入库流量；O_n,t为第n个水电站在第t个时段的出库流量；Δ_t为第t个时段的小时数。

(2)出、入库流量约束：其中，q_n,t为第n个水电站在第t个时段的区间流量；Q_i,t为第i个水电站在第t个时段的发电流量；S_i,t第i个水电站在第t个时段的弃水流量；N_n为直接连接在第n个水电站的上游电站数目。

(3)水库库容约束：其中，V_n,t为第n个水电站在第t个时段的库容；为第n个水电站在第t个时段的库容上限；为第n个水电站在第t个时段的库容下限；

(4)发电流量约束：其中，为第n个水电站在第t个时段的发电流量上限；为第n个水电站在第t个时段的发电流量下限；

(5)水库出库流量约束：其中，为第n个水电站在第t个时段的出库流量上限；为第n个水电站在第t个时段的出库流量下限；

(6)水电站出力约束：其中，为第n个水电站在第t个时段的出力上限；为第n个水电站在第t个时段的出力下限；

梯级水电系统调峰模型是典型的多约束、非线性及多时段的优化问题，一些已有的数学优化方法例如，线性规划、动态规划、直接搜索方法以及遗传算法和人工神经网络等都在梯级水电系统优化中得到的应用。但是在求解过程中出现的早熟收敛，易陷入局部最优，计算复杂度高等问题仍然不能得到有效解决。灰狼优化算法(Grey Wolf Optimizer,GWO)是一种近年来新提出的一种启发式优化算法，GWO利用灰狼中等级制度和觅食机制实现种群中的进化，能够很好的协调好种群搜索过程中的探索和开发之间的关系，具有简单易实现的优点，已经在很多工程领域得到了成功应用。但是至今还没有GWO在梯级水电站群调峰调度中的应用，为此，尝试将GWO应用到梯级水电调峰的工程应用中，但是在研究中发现，该方法在求解调峰问题时存在搜索过程中多样性急剧减少、收敛速度慢等问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种梯级水库群短期优化调度方法与系统，由此解决现有GWO算法存在的搜索过程中多样性急剧减少及收敛速度慢等技术问题。