[发明专利]一种基于数据挖掘的梯级水电站群指令调度优化方法

摘要

一种基于数据挖掘的梯级水电站群指令调度优化方法，可在充分利用电站自身发电特性的基础上实现典型日负荷曲线的聚类分析，并利用分层求解方法获得符合调度习惯的梯级水电站群短期优化调度方案。其技术方案为：首先在充分分析和利用水电站自身的发电特性基础上，开展典型负荷曲线特性研究，并应用数据挖掘技术对其进行聚类分析以形成梯级水电站决策支持数据库，然后构建综合考虑短期优化调度中常规目标函数和复杂约束条件的指令调度优化模型，并给出基于不同条件的目标函数转换机制和复杂约束处理方法，最后结合大系统分解协调思想，采用分层求解方法实现梯级水电站群日发电计划快速编制。本发明能够快速获得符合调度需求和习惯的梯级联合调度方案，是实现复杂条件下水电站群短期调度方案实用化的一种切实可行的方法。

主权项

1.一种基于数据挖掘的梯级水电站群指令调度优化方法，其特征包括如下步骤：(1)针对历史运行数据计算所有日负荷曲线的特征指标，获得其特征向量并进行标准化处理；特征指标包括：①日负荷率：描述水电站日内负荷的不均衡性，日负荷率越高，表示水电站出力越稳定；式中，α为水电站日负荷率；p_avg为水电站日平均负荷；p_max为水电站日最大负荷；②日峰谷差率：描述水电站参与调峰的幅度，日峰谷差率越高，表示水电站群参与调峰幅度越大；式中，β为日峰谷差率；p_min为水电站日最小负荷；③日负荷峰值个数：即电站出力过程出现尖峰时刻的点数；式中，ε为日负荷峰值个数；p为任意一点负荷值；p_l‑max为日负荷局部最大值；N_pl‑max为日负荷局部最大值点的个数；④日负荷峰现时刻：即日负荷峰值点出现时刻；π＝T(p_max)式中，π为日负荷峰现时刻；T(·)为某一负荷值出现点对应时刻；⑤日负荷周期数：表征日负荷过程波动性的指标，周期数越大，负荷过程波动越大；其中式中，为日负荷周期数；τ(x)为某时刻负荷值的属性函数，X为日负荷过程时段总数；θ为影响负荷值属性的参数，取0.2～0.3；基于以上特征指标获得每一条负荷曲线的特征向量，记作：(2)采用轮廓系数法确定最佳聚类类别；(3)在给定聚类类别的情况下，随机初始化各聚类中心，利用模糊聚类方法完成日负荷曲线聚类分析；(4)计算结束后输出各聚类中心代表的典型日负荷曲线；(5)标幺化处理，利用下式将典型日负荷曲线标幺化，即将日负荷曲线上每点负荷除以当日最大负荷得到标幺化日负荷曲线：式中，p'为任意一点标幺化负荷值；(6)根据实际调度需求和调度时间确定目标函数和约束条件边界值，构建指令调度数学模型；(7)采用基于大系统分解协调思想的分层求解方法进行计算首先根据参与计算电站的联接关系对系统进行分层，划分为多级机构，自上而下依次为系统‑流域梯级‑电站，上层通过优化目标和协调变量控制下层各对象的迭代计算；然后采用POA方法对各级机构的对象依次进行优化计算；假设参与计算电站数目为I，对于第i个电站，其迭代计算记作第i层，自第1个电站开始，在给定的入库流量下，对该电站典型负荷标幺曲线进行优选；对于每一种标幺曲线，均调用第2层迭代计算得到相应的目标函数值，取其最优解并输出相应的标幺曲线及日负荷过程；以此类推，对于第i个电站，则调用第i+1层迭代计算进行标幺曲线的优选，直至第I个电站；(8)输出梯级联合调度运行方案。