技术领域本发明涉及水电系统发电调度领域，特别涉及一种基于数据挖掘的梯级水电站群指令调度优化方法。技术背景梯级水电站群短期优化调度是一个离散、多维、非线性的多目标大规模时空决策优化问题。伴随水电在电力系统中调节作用的日益增加及间歇性新能源的大规模并网，受来水不确定、流量传播滞后、调节能力迥异、负荷需求多变等因素影响，梯级水电站群的短期计划编制日益复杂。从数学角度讲，系统工程理论是解决这类问题的重要手段，包含经典运筹学和现代智能算法在内的各种数学方法被不断应用于该问题求解，并涌现了大量研究性学术成果。然而，现有方法存在的主要问题在于：(1)解决梯级水电站群短期优化调度问题始终站在电网角度、鲜少以水电站(群)为本。已有方法求解该问题的基本套路是：根据研究对象选择一个优化准则建立数学模型，然后寻求一种数学方法进行求解。这种方式往往充分考虑了电网调度需求和限制约束，但忽略了水电站(群)自身发电特点研究，造成优化结果无法实用。(2)过分偏重并依赖于数学模型的建立和优化方法的应用，忽视了优化结果的实用性和时效性。优化模型的实际应用效果主要取决于其对问题原形描述的准确性，然而伴随水电站群规模和输送电范围不断扩大，调度实践中出现越来越多难以模型化的需求，主要包括生产实践中的调度习惯和水电站群系统外部需求，导致优化结果难于应用于实际。综上所述，对梯级水电站群短期优化调度这一复杂问题，单纯追求最优解是不现实的，有效途径是摒弃水电站“理论最优解”、注重水电站“近似最优解”，寻求一种模型解算时间与解算精度均衡的实用化求解方法。本发明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)，以澜沧江流域梯级水电站群联合优化调度问题为背景，以中下游“二库六级”梯级水电站群为主要对象，发明了具有很强实用性和广泛推广价值的梯级水电站群指令调度优化方法。
技术实现要素：本发明要解决的技术问题是提供一种基于数据挖掘的梯级水电站群指令调度优化方法，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。本发明的技术方案为：本发明揭示了一种基于数据挖掘的梯级水电站群指令调度优化方法，按照下述步骤(1)-(8)完成指令调度优化过程：(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。特征指标主要包括：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。α=pavgpmax]]>式中，α为水电站日负荷率；pavg为水电站日平均负荷；pmax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。β=pmax-pminpmax]]>式中，β为日峰谷差率；pmin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。ϵ=Npi-maxifp>pavg0ifp≤pavg]]>式中，ε为日负荷峰值个数；p为任意一点负荷值；pl-max为日负荷局部最大值；Npl-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(pmax)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τ(x)=0ifp>pmax-θ(pmax-pmin)1ifp<pmin+θ(pmax-pmin)]]>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，一般取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：p′=ppmax]]>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；(8)输出梯级联合调度运行方案。本发明对比现有技术有如下有益效果：本发明一种基于数据挖掘的梯级水电站群指令调度优化方法，首先在分析探讨水电站负荷特征内涵基础上，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。对比现有技术，本发明可有效实现梯级各电站典型负荷曲线聚类分析，并结合调度指令快速获得合理的梯级联合调度方案，为水电站(群)短期优化调度提供一种可行的实用化方法。附图说明图1是本发明方法总体求解框架；图2是基于大系统分解协调原理的指令调度分层求解方法原理示意图；图3(a)是澜沧江流域功果桥电站典型日负荷曲线的聚类结果；图3(b)是澜沧江流域小湾电站典型日负荷曲线的聚类结果；图3(c)是澜沧江流域漫湾电站典型日负荷曲线的聚类结果；图3(d)是澜沧江流域大朝山电站典型日负荷曲线的聚类结果；图3(e)是澜沧江流域糯扎渡电站典型日负荷曲线的聚类结果；图3(f)是澜沧江流域景洪电站典型日负荷曲线的聚类结果；图4(a)是澜沧江流域功果桥电站水位变化和出力过程曲线；图4(b)是澜沧江流域小湾电站水位变化和出力过程曲线；图4(c)是澜沧江流域漫湾电站水位变化和出力过程曲线；图4(d)是澜沧江流域大朝山电站水位变化和出力过程曲线；图4(e)是澜沧江流域糯扎渡电站水位变化和出力过程曲线；图4(f)是澜沧江流域景洪电站水位变化和出力过程曲线。具体实施方式下面结合附图和实施例对本发明作进一步的描述。现有梯级水电站群短期优化调度方法大多是直接利用某种数学优化方法进行联合计算，不仅计算过程复杂，尤其是在处理大规模水电系统问题时，耗时较长，而且所得优化结果往往无法充分考虑实际调度习惯和需求，可用性较差。如何实现调度方案的实用话是库群短期调度的主要难点。本发明揭示一种基于数据挖掘的梯级水电站群指令调度优化方法，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。本发明的一种基于数据挖掘的梯级水电站群指令调度优化方法，主要分为三部分，第一部分是构建基于数据挖掘的决策支持数据库；第二部分是构建梯级水电站群指令调度数学模型；第三部分是利用梯级水电站群指令调度优化方法实现日计划制作。(一)构建基于数据挖掘的决策支持数据库：建立由前述负荷特性指标作为元素的负荷特征向量进行水电站日负荷曲线的描述。基于负荷特征向量采用数据挖掘技术对典型负荷曲线进行分类，构建梯级水电站群联合运行指令调度的决策支持数据库。其中采用的数据挖掘技术为模糊聚类分析方法，其中，为合理确定分类类别数目，采用轮廓系数法进行计算。模糊聚类方法是一种采用模糊数学语言对事物按一定的要求进行描述和分类的数学方法。本发明以样本集对于全体类别的广义指标权距离平方和最小为目标，构建模糊聚类目标函数如下：min{F(u,v,w)=Σk=1KΣh=1Huhk2[Σj=1J[wj|rjk-vjh|]a]2/a