一种梯级水电站群并行多目标优化调度方法
【技术领域】
[0001] 本发明设及水电系统发电调度领域，特别设及一种梯级水电站群并行多目标优化 调度方法。 技术背景
[0002] 水电能源作为现阶段电力系统中占比最高的可再生清洁能源，需要在优化调度过 程中均衡考虑发电量和保证出力两个动能指标。发电量最大模型可最大限度地利用水能资 源，实现发电企业效益最大化;最小出力最大模型则可提升水电系统保证出力，增强水电丰 枯补偿调节作用。采用兼顾发电量与保证出力的优化调度方案指导水电站群的电力生产， 能有效弱化径流时空分布不均的消极影响，提升水电系统的供电可靠性及市场竞争力，有 利于电力系统的安全稳定运行。非线性规划、动态规划等传统方法集中在单目标优化问题， 需要利用约束法或权重法等方法将多目标问题转化为单目标问题进行求解，难W获得供决 策者参考的合理方案集，且在大规模水电系统优化调度中面临计算困难等问题，一定程度 上限制了其在工程实际中的应用。近年来，可获得非劣调度方案集合的多目标进化算法等 逐步展现出强劲的生命力，其中W多目标遗传算法（Mu Iti-Objective Genetic Algorithm, MOGA)为典型代表。
[0003] 然而，梯级水电站群多目标调度问题是一个高维、非线性的多目标动态优化问题， 其求解难度随系统规模扩张而急剧增加；日趋复杂的水利、电力联系进一步加剧了计算复 杂性，增大了优化困难;调度部口对各电站的精细化控制对优化方法也提出了更高的要求。 上述几方面原因导致目前采用串行计算模式的多目标进化算法受到了局限，无论求解效率 还是计算精度。与此同时，伴随计算机行业的快速发展，多核处理器与并行计算框架、平台 等几乎已经成为个人电脑、工作站的标准配置，极大地促进了并行计算的发展与应用，使之 日益成为提升算法性能的有效手段，并已逐步推广至水电调度领域实践工作。然而，截至目 前，并行计算多集中在单目标调度方法的改进，在多目标优化调度问题中的研究与实践报 道尚不多见。
[0004] 因此，为进一步扩大梯级水电站群优化调度可计算规模，提供给决策者合理可行 的调度方案集的同时，保证计算效率，本发明成果提出一种梯级水电站群并行多目标优化 调度方法。该成果依托国家自然科学基金委重大国际合作(51210014)和国家十二五科技支 撑计划项目（2013BAB06B04)，W欄沧江流域梯级水电站群多目标联合优化调度问题为背 景，W中下游"二库五级"梯级水电站群为主要研究对象，发明了一种具有很强实用性和高 效性，便于广泛推广使用的梯级水电站群并行多目标优化调度方法。
【发明内容】
[0005] 本发明要解决的技术问题是提供一种梯级水电站群并行多目标优化调度方法，分 别针对标准多目标遗传算法工程应用中存在的主要问题提出解决措施。标准多目标遗传算 法W非支配排序遗传算法（Non-dominated So;rting Genetic Algorithm II,NSGA-II)为 典型代表，其因多目标求解优势已在科学研究和工程实践中得到广泛应用，但目前尚存在 W下两方面缺点：（1)在一定代数的进化之后，个体趋同现象逐渐凸显，种群多样性不断丧 失，极易获得原问题的伪化reto最优解；（2)传统方法采用串行计算模式，在种群规模较大 时，面临计算耗时长、运算效率低等缺点。针对上述问题，本发明采取多核并行计算技术实 现多种群进化策略，保证个体的多样性并实现方法的计算加速，W获得具有良好分布和散 布的近似化reto最优前沿。
[0006] 本发明的技术方案为：本发明掲示了一种梯级水电站群并行多目标优化调度方 法，按照下述步骤(1)-(8)完成梯级水电站群并行多目标优化调度过程：
[0007] (1)设置算法计算参数:包含变异概率Pm、交叉概率Pc、种群个体总数F、计算内核数 G、最大迭代次数kmax、迁移代数km及个体数目n等；
[0008] (2)采用个体实数串联编码方法对个体进行编码，并计算获取子种群个体规模为 F/G;
[0009] (3)利用化rk/Join框架开展并行计算:主线程开辟共享内存空间W存储各水电站 的水位-库容、水位-下泄流量等基础特性数据，区间径流等系统输入条件，W及水位限制、 出力限制等约束条件，同时生成具有G个线程的线程池；
[0010] (4)采用混浊初始化策略初始化各子种群，令各子种群迭代计算次数kg=l，同时 设置外部精英集合馬=0，并将各子种群进化作为线程加入线程池中；
[0011] (5)令kg = kg+l，对未完成进化操作的子种群分别采用NSGA-II方法实施交叉、变异 等遗传操作，并采用约束化reto占优机制更新外部精英集合QgW存储算法捜索得到的非 劣解；
[0012] (6)判定各子种群是否到达需要开展迁移操作，若不满足迁移条件，则转入步骤 (7);否则采用环向拓扑迁移机制将本种群外部精英集合中n个个体迁移至下一子种群的外 部精英集合，并迁入上一子种群的部分个体；
[0013] (7)更新各子种群的外部精英集合，然后合并各子种群进化前后的两代种群，并按 照NSGA-II方法获得新的进化种群；
[0014] (8)判断所有子种群是否到达终止条件，若不满足，则转至步骤(5)，W完成相应的 子种群进化操作；否则，返回主线程，合并所有子种群的外部精英集合，并输出非劣解集所 对应的调度结果。
[0015] 本发明对比现有技术有如下有益效果:本发明一种梯级水电站群并行多目标优化 调度方法，采用多种群进化策略确保小规模子种群的相对独立性，并在进化过程中禪入 化reto解集精英个体在种群间环形迁移机制，实现子种群之间的信息传递与互馈，保证个 体的多样性与解集的导向性;采用多核并行计算技术实现各子种群的同步进化，规避串行 计算模式下的计算资源浪费现象，实现方法的计算加速。对比现有技术，本发明通过实现并 行多目标优化调度方法，有效开展梯级水电站群多目标优化调度方案制作，并通过多核并 行计算技术显著提高计算效率，为梯级水电站群多目标优化调度提供一种可行高效的计算 方法。
【附图说明】
[0016] 图1是本发明方法总体求解框架；
[0017] 图2(a)是10%来水条件下本发明方法和标准多目标遗传算法获得的非劣调度方 案集对比图；
[0018] 图2(b)是50%来水条件下本发明方法和标准多目标遗传算法获得的非劣调度方 案集对比图；
[0019] 图3(a)是S种典型方案所得蓄能过程对比图；
[0020] 图3(b)是S种典型方案所得出力过程对比图。
【具体实施方式】
[0021] 下面结合附图和实施例对本发明作进一步的描述。
[0022] 上已述及标准多目标遗传算法在捜索过程中存在的主要问题，针对运些问题，本 发明方法分别采用下述策略加 W处理：（1)采用多种群进化策略确保小规模子种群的相对 独立性，并在进化过程中禪入化reto解集精英个体在种群间环形迁移机制，实现子种群之 间的信息传递与互馈，保证个体的多样性与解集的导向性；（2)采用多核并行计算技术实现 各子种群的同步进化，规避串行计算模式下的计算资源浪费现象，实现方法的计算加速。通 过多核并行计算技术的引进实现多种群进化策略，并在进化过程中引入环向拓扑迁移机制 促进种群见的信息通信，W此克服标准多目标遗传算法求解梯级水电站群多目标优化调度 中存在的问题。
[0023] 本发明中，梯级水电站群多目标优化调度一般需要兼顾发电量和保证出力两个指 标，W实现水电系统可靠性和经济性的双赢。模型具体描述如下：
[0024] (1)目标函数1:发电量最大
[0025]
[0026]
[0027]
[002引式中，E为梯