梯级水库群发电调度的动态规划改进算法的制作方法

本发明涉及水库运行调度及水利信息领域，尤其涉及一种梯级水库群发电调度的动态规划改进算法。
背景技术：
：水库是人类开发利用水资源的重要工程手段，担负着防洪、发电、航运、供水等多方面的功能与任务。水库群优化调度一般是在满足各种水库库容约束、发电出力约束、河道生态用水约束等条件下，使得相应的单个或多个目标最大化。水电是清洁能源，大力开发水电是实现可持续发展的重要措施。优化梯级水库群联合调度，使发电量最大，是国内外水库调度研究的重点和难点问题。现有常用SLP算法、DP类算法求解计算体积水库群联合调度。SLP算法虽然易收敛至局部最优，但结果不如DP算法，不过运行时间要短。DP求解结果较SLP好，但存在维数灾难问题、运行时间随问题规模增加而几何倍数增加且得到的解是离散意义上的最优，并非真正最优。技术实现要素：本发明的目的在于提供一种梯级水库群发电调度的动态规划改进算法，从而解决现有技术中存在的前述问题。为了实现上述目的，本发明所述梯级水库群发电调度的动态规划改进算法，所述方法包括：步骤1，对梯级水库群进行后序遍历，得到优化序列；步骤2，按序对优化序列中的任意一个水库A，以初步解运行动态规划算法，取得水库A的水库调度的初始解序列；所述初步解为水库库容或水位离散量；步骤3，在初始解序列的基础上，使用连续线性规划进一步优化初始解序列，得到初始解优化序列；步骤4，将初始解优化序列中的水库库容或水位值作为所述水库A的调度决策发电流量，根据调度决策发电流量更新所述水库A的出库径流，完成水库A基于水库调度规则合成的水库调度决策。优选地，在步骤4之后还包括：判断是否完成一级优化序列的最后一个水库的优化并得到调度决策，如果是，结束优化；如果否，则对下一个水库执行步骤2。优选地，当选用水位离散量运行动态规划算法时，步骤3中，在水库A的初始解序列的基础上，限制每时段水位变动阈值，使用连续线性规划进一步优化初始解序列，得到初始解优化序列；如果水库A为大型水库，则限制水库A每时段水位变动阈值±1m，如果水库A为中小型水库，则限制水库A每时段水位变动阈值或±0.1m。优选地，步骤4，根据调度决策发电流量更新所述水库A的出库径流，具体为：结合水库A的入库流量，计算在初始解优化序列下，水库A的出库流量过程，作为下一次水库入库径流。优选地，步骤3具体按照下述步骤实现：S31，根据水量平衡及水库参数表，可得到以初步解调度时，水库相应的水头h，库容V，发电流量Q，同时，根据运行动态规划算法网格设置变动阈值d0；S32，考虑到前一个时间段t-1的发电流量Qt-1的变化会影响之后时段t,……,T的发电流量Qt,…,QT，故令dt＝b(t)d0，其中，b(t)为时间扩散系数，可取dt为当前时段的发电流量变动值；S33，以发电流量Q1,…,QT为决策变量，限制发电流量Qt变化范围[Qt-dt,Qt+dt]，按近似线性的B＝kQ(t)hΔt计算时段发电量，故以总发电量最大值为目标，水量平衡、流量非负、水库最大泄流量为约束条件，进行连续线性规划，得到第一次迭代的解，然后进行下一次迭代计算；S34，记Qk为第k次迭代得到的解向量，判断是否符合阈值或迭代次数是否超过迭代次数阈值，如果符合任意一种判断条件，则令d0减半，然后返回并执行S32；如果不符合任意一种判断条件，则进入S35；S35，判断是否接近0，如果是，终止求解；如果否，则返回并执行S32。本发明的有益效果是：本发明所述方法以梯级水库群发电调度中的最大化发电量为研究对象，对两类水库调度算法进行综合，克服两类算法自身的缺陷，高效寻找梯级水库群的发电调度最优化决策序列，为实际调度提供科学依据和技术支撑。与现有技术相比，本发明具有以下优点和有益效果：(1)现有技术一般只采用动态规划(DP)求解，所得解是离散意义上的最优，并非实际最优，本发明克服了这一缺点，能得到实际最优解。(2)相较现有技术，本发明求解的时间更少。(3)本发明适应梯级水库群中长期调度。附图说明图1是梯级水库群发电调度的动态规划改进算法的流程示意图；图2是汉江流域各水库的相对上下游关系示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。下面通过汉江流域梯级水库群发电调度优化实例并结合附图，对本发明技术方案做进一步说明。图1为本实施例流程图，具体步骤如下：步骤1，对梯级水库群进行后序遍历，得到优化序列；图2表明汉江流域各水库的相对上下游关系，易知崔家营为最下游水库，故以崔家营为根节点后序遍历得到水库群从上游往下游依次计算的顺序：陡岭子、鄂坪、周家垸、松树岭、潘口、小漩、黄龙滩、丹江口、王甫州、三里坪、寺坪、崔家营。步骤2，对序列中当前水库，以较大的库容或水位离散量运行动态规划算法DP取得初步解；实例中相应操作陡岭子水库的参数如下表1，表2，表3，表4所示；表1为陡岭子水库参数；表2为陡岭子水库水位库容关系；表3为陡岭子水库36旬入流数据(m3/s)；表4为陡岭子水库出库流量与尾水位关系。表1陡岭子水库参数表2陡岭子水库水位库容关系表3陡岭子水库36旬入流数据(m3/s)旬123456789流量5.246.245.745.375.166.425.717.558.92旬101112131415161718流量14.59.827.7514.570.9511.6629.7114.3810.44旬192021222324252627流量31.17164.4936.44103.5729.3818.1625.49139.12179.97旬282930313233343536流量35.5222.5717.4614.5114.2611.969.759.5711.09表4陡岭子水库出库流量与尾水位关系将陡岭子水库的水位按2m的较粗网格离散，DP求解得水位调度序列S1。DP求解基本原理为：F(t,j)＝max{F(t-1,i)+B(Q(t),i,j)},F(0,0)＝0,B＝kQ(t)h(i,j)Δt其中F(t,j)表示从0至t时段初，当前水位离散值为j时的最大发电量，i为上一时段所有离散水位，F(0,0)＝0为边界条件；B为t时段发电效益计算公式，Q为发电流量，h为水头，k为系数。具体计算过程参见程序伪代码：步骤3，在初步解的基础上，使用连续线性规划(SLP)进一步优化；连续线性规划(SLP)的原理是：因为水位库容曲线为单峰上凸函数，因此，当发电流量Qi,j的变动很小时，水头hi,j可认为是常量，公式B＝kQ(t)h(i,j)Δt近似为线性。具体步骤如下：S31，根据水量平衡及水库参数表，可得到以初步解调度时，水库相应的水头h，库容V，发电流量Q，同时，根据运行动态规划算法网格设置变动阈值d0；S32，考虑到前一个时间段t-1的发电流量Qt-1的变化会影响之后时段t,……,T的发电流量Qt,…,QT，故令dt＝b(t)d0，其中，b(t)为时间扩散系数，可取dt为当前时段的发电流量变动值；S33，以发电流量Q1,…,QT为决策变量，限制发电流量Qt变化范围[Qt-dt,Qt+dt]，按近似线性的B＝kQ(t)hΔt计算时段发电量，故以总发电量最大值为目标，水量平衡、流量非负、水库最大泄流量为约束条件，进行连续线性规划，得到第一次迭代的解，然后进行下一次迭代计算；S34，记Qk为第k次迭代得到的解向量，判断是否符合阈值或迭代次数是否超过迭代次数阈值，如果符合任意一种判断条件，则令d0减半，然后返回并执行S32；如果不符合任意一种判断条件，则进入S35；S35，判断是否接近0，如果是，终止求解；如果否，则返回并执行S32。本例中，在S1的基础上，限制每时段水位变动阈值±1m，使用连续线性规划(SLP)进一步优化，求解得水位调度序列S2；此时的优化解即为此水库优化调度解。步骤4，采用进一步优化后的水库库容或水位值作为该水库的调度决策发电流量，更新相应的出库径流本例中，结合入库流量过程，计算在S2水位序列下，出库流量过程R，作为下一级水库入库径流；步骤5，检查是否为序列最后一个水库，若是，结束优化，否则对序列中下一个水库执行步骤2。这一过程保证水库按从上游往下游的顺序优化，直至结束。比较水库优化结果：传统的DP算法在水位离散1m时流域梯级所有水库总发电量107.88万千瓦时，而本算法SLP-DP在DP水位离散2m时总发电量108.51万千瓦时，且程序用时为前者60％，在更短时间内取得更好的优化结果。通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明所述方法结合利用连续线性规划SLP和动态规划DP两类调度算法的梯级水库群发电调度的算法。本发明综合二者的优点，在更短的时间内取得比原先两种算法更好的解。以上所述仅是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。当前第1页1 2 3