一种梯级水库中长期鲁棒优化调度方法、系统及存储介质与流程

本技术涉及水库优化调度方法领域，特别涉及一种梯级水库中长期鲁棒优化调度方法、系统及存储介质。

背景技术：

1、水资源作为地球生物圈最基本的自然资源，不仅是生态环境建设的重要物质基础，还是人类社会经济发展的重要支撑。水库作为一种水资源调节工程，通过拦洪补枯等基础调蓄措施，在区域防洪，城市供水，电网发电，河道航运以及生态修复等方面均发挥着关键性作用，为水资源多功能化提供了一套行之有效的可行思路。中国水利工程已进入由规划建设到运行管理的关键转型期，重点流域均形成了大规模协调优化的梯级水库群。在流域内实施梯级水库联合优化调度，可以在不增加建设成本的情况下最大限度实现水资源的优化利用，对缓解能源供需紧张和水资源短缺有重要意义。

2、梯级水库调度决策很大程度上依赖于来流预报精度和预见期等诸多因素。水库短期调度可充分考虑径流预报结果及其不确定性；而水库中长期运行管理，受现有水文预报技术限制，暂时还未开发出一套完整的考虑径流不确定性影响的调度研究框架。传统基于历史观测信息的梯级水库中长期优化调度将不确定性径流当作确定值，开展优化调度。这种方法往往存在较大误差，不符合工程实际，难以被水库调度单位采用。国内外已有部分学者针对以上技术难题，开展了相关随机性鲁棒优化调度研究，以达到梯级水库鲁棒决策运行的目的。

3、然而，现有文献通常还是局限在单一调水工程，却未考虑梯级水库之间复杂水力联系，不具备一般的应用推广性。且主要优化方法主要还是停留在单目标优化调度层面，且径流分布抽样假设为最为简单的正态函数，具有一定的不合理性。

技术实现思路

1、本技术实施例的目的在于提供一种梯级水库中长期鲁棒优化调度方法、系统及存储介质，基于历史观测径流数据，综合考虑水文站点间时空相关性生成大量不同来水组合的径流情景，并对不同来水情景进行分类，利用鲁棒优化及概率分析算法得到不同径流情景对应的梯级水库鲁棒性优化方案。

2、为实现上述目的，本技术提供如下技术方案：

3、第一方面，本技术实施例提供一种梯级水库中长期鲁棒优化调度方法，包括以下步骤：

4、步骤1. 采集梯级水库水文资料数据；

5、步骤2. 利用多站点径流随机模拟器基于有限历史实测径流资料生成随机径流情景；

6、步骤3. 采用聚类方法对不确定性径流样本进行分类；

7、步骤4. 以梯级水库总发电量期望值最大和河道生态保证率最高为目标函数，考虑水库调度边界条件，通过多目标策略搜索算法对每个径流样本优化得到帕累托前沿；

8、步骤5，针对得到的帕累托前沿利用鲁棒优化及概率分析算法筛选鲁棒性候选解；

9、步骤6，通过均一化鲁棒指示器得到最终的鲁棒优化调度方案。

10、所述步骤2的实现方式如下，

11、步骤2.1，通过对历史多站点观测径流进行随机抽样月径流模拟，并进行cholesky分解变换保证其时间自相关性；

12、步骤2.2，利用k最近邻法将模拟的月径流结果分解为日尺度径流，包括通过计算所有站点模拟月径流与历史观测月径流的欧式空间距离 d，找到与实测月径流结果最为相近的k个样本，并按照欧式距离排序；

13、

14、式中，和分别代表第 m站点模拟生成的和观测月径流， m为站点总数；排序后再对样本进行随机抽样，第n个样本被抽中的概率

15、，

16、样本k的取值采用为，其中为历史观测年份总数。

17、所述步骤4包括以下子步骤：

18、步骤4.1，采用高斯径向基函数来构造梯级水库调度规则；

19、步骤4.2，利用非支配排序遗传算法对每组类别的每种径流情景进行多目标优化，得到帕累托前沿。

20、所述步骤5中利用鲁棒优化及概率分析算法筛选鲁棒性候选解包括以步骤：

21、步骤5.1，初始选择某一目标函数为关键目标函数，另一目标函数为非关键目标函数，对于非关键目标函数选择某一确定水平 l，从每组帕累托前沿中选择最接近该水平的优化解，组成鲁棒性候选解集；

22、步骤5.2，构建集合中关键目标函数值的概率密度函数；不断更替水平 l直至概率密度函数达到收敛条件；

23、步骤5.3，转换关键目标函数，重复子步骤5.1和子步骤5.2，扩展集合。

24、所述步骤6中均一化鲁棒指示器 nri包括对均值、高阶矩以及最不利情况鲁棒性指标进行综合考量，其中为第 r场景第 x候选解的鲁棒性目标函数值， np为总场景个数， nri可由以上三项指标的归一化函数、和加权平均得到，即

25、，

26、式中，范围为[0，1]，其值越大，表明候选解 x越稳健。

27、第二方面，本技术实施例提供一种梯级水库中长期鲁棒优化调度系统，包括，

28、数据采集模块， 采集梯级水库水文资料数据；

29、径流情景生成模块，利用多站点径流随机模拟器基于有限历史实测径流资料生成随机径流情景；

30、径流样本分类模块，采用聚类方法对不确定性径流样本进行分类；

31、径流样本优化模块，以梯级水库总发电量期望值最大和河道生态保证率最高为目标函数，考虑水库调度边界条件，通过多目标策略搜索算法对每个径流样本优化得到帕累托前沿；

32、候选解筛选模块，利用鲁棒优化及概率分析算法筛选鲁棒性候选解；

33、调度方案获得模块，通过均一化鲁棒指示器得到最终的鲁棒优化调度方案。

34、第三方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序代码，所述程序代码被处理器执行时，实现如上所述的梯级水库中长期鲁棒优化调度方法的步骤。

35、与现有技术相比，本发明的有益效果是：

36、1、科学合理、贴近工程实际：

37、利用随机径流生成器可以模拟生成未来不同来水组合的径流情景，可合理扩展各水库入库流量的径流数据，充分考虑了水库调度中径流输入的不确定性。

38、2、可为水库调度提供重要且可操作性强的参考依据：

39、利用鲁棒优化及概率分析算法（ropar）可以充分显性显示径流输入不确定性至多种调度目标输出不确定性的传播过程，归一化鲁棒性指示器（ nri）可综合考虑均值、最不利情况以及标准差等三方面鲁棒性指标，与传统确定性优化调度相比，可在相似计算复杂度情况下，筛选得到大量梯级水库鲁棒性优化调度方案。