[发明专利]基于模拟退火粒子群算法的梯级水电站调度方法及系统

权利要求书

1.一种基于模拟退火粒子群算法的梯级水电站调度方法，其特征在于，包括：

S1.以发电流量为决策变量，构建以水电站出力与负荷需求偏差最小为目标函数的梯级水电站优化调度模型，并确定其约束条件；

S2.在各电站流量的允许区间内，取各电站每时段发电流量为一个粒子，随机生成设定个数的粒子；

S3.计算所有粒子当前时刻的适应值；将每个粒子截至当前时刻历史最优的适应值作为当前时刻的个体极值；将所有粒子最优的个体极值作为全局最优值；

S4.赋予每个粒子个体极值对应的最优位置一个突跳概率，根据突跳概率随机选出一个个体最优位置对速度进行更新，并根据更新后的速度对位置进行更新；所述突跳概率根据个体最优位置和全局最优位置确定，适应度值越优的个体最优位置会被赋予更高的突跳概率；

S5.迭代执行步骤S3-S4，并判断是否达到最大迭代次数；若否，则退火转到步骤S3；若是，则输出结果，此时全局最优值的位置即为水库的最优调度的发电流量过程。

2.根据权利要求1所述的一种基于模拟退火粒子群算法的梯级水电站调度方法，其特征在于，突跳概率的计算公式为：

其中，f_pi代表个体最优适应值；f_pg代表全局最优适应值，M表示种群中粒子个数。

3.根据权利要求1或2所述的一种基于模拟退火粒子群算法的梯级水电站调度方法，其特征在于，步骤S4中速度更新公式为：

v_i(k+1)＝χ(v_i(k)+c₁r₁(p_i-x_i(k))+c₂r₂(p′_g-x_i(k)))

式中，c₁，c₂是常数；r₁，r₂是[0，1]区间均匀分布的随机数，v_i(k)，v_i(k+1)分别是第i个粒子第k步，k+1步迭代时的速度，x_i(k)是第i个粒子第k步迭代时的位置，p_i为个体最优位置，p′_g是依突跳概率选出的个体最优位置；χ为收缩因子，l＝c₁+c₂，l4。

4.根据权利要求1-3任一项所述的一种基于模拟退火粒子群算法的梯级水电站调度方法，其特征在于，梯级水电站优化调度模型为：

其中，F为梯级水电站出力与负荷需求的偏差值，N为梯级水电站数目，T为调度周期内总时段数，P_D(t)为t时段的负荷需求，P(i,t)为t时段第i个水电站的出力。

5.一种基于模拟退火粒子群算法的梯级水电站调度系统，其特征在于，包括：

模型构建单元，用于以发电流量为决策变量，构建以水电站出力与负荷需求偏差最小为目标函数的梯级水电站优化调度模型，并确定其约束条件；

粒子初始化单元，用于在各电站流量的允许区间内，取各电站每时段发电流量为一个粒子，随机生成设定个数的粒子；

第一迭代更新单元，用于计算所有粒子当前时刻的适应值；将每个粒子截至当前时刻历史最优的适应值作为当前时刻的个体极值；将所有粒子最优的个体极值作为全局最优值；

第二迭代更新单元，用于赋予每个粒子个体极值对应的最优位置一个突跳概率，根据突跳概率随机选出一个个体最优位置对速度进行更新，并根据更新后的速度对位置进行更新；所述突跳概率根据个体最优位置和全局最优位置确定，适应度值越优的个体最优位置会被赋予更高的突跳概率；

结果输出单元，用于迭代执行步骤S3-S4，并判断是否达到最大迭代次数；若否，则退火转到步骤S3；若是，则输出结果，此时全局最优值的位置即为水库的最优调度的发电流量过程。