[发明专利]一种水库分期调度规则提取方法

说明书

本发明公开了一种基于GRA和PSO‑SVM的水库分期调度规则提取方法，步骤如下：在历史实际调度结果基础上，首先确定决策变量和影响因子属性集，基于GRA筛选分期影响因子；确定训练样本和测试样本，构建SVM模型；基于样本数据，建立PSO‑SVM模拟模型，运用PSO对SVM模型进行参数率定并验证；确定水库分期调度规则。本发明能够较好地继承实际调度过程中的综合效益，实现在来水不确定的前提下对水库实际运行的指导的目的，为水库实际运行提供理论依据和科学支撑。

技术领域

本发明属于水利水电领域的水库调度技术领域，特别是一种基于GRA和PSO-SVM组合的水库分期调度规则提取方法。

背景技术

目前，水库实际调度仍然根据过往经验进行操作，如何从实际调度经验中提取水库调度规则是水库运行调度研究的一个重要方向。调度函数是当下水库调度规则的表现形式之一。调度函数提取方法主要包含统计回归法及智能算法两大类。然而目前大部分调度函数研究并没有进行影响因子筛选操作，迄今为止影响因子的选取方法研究尚在起步。初步选定的影响因子较多，若全部考虑必会增加模型的难度，也会降低模型模拟的准确性，如何从这些因子中找到关键因子，对应用相关性较高的影响因子进行有效地调度规则模拟，具有重要的实际意义。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种基于GRA和PSO-SVM组合的水库分期调度规则提取方法，解决目前大部分调度规则研究并没有进行影响因子筛选操作导致模拟效率低问题，同时基于PSO-SVM提供精度较高的水库调度函数，为水电站实际运行提供理论依据和科学支撑。

技术方案：一种基于GRA和PSO-SVM组合的水库分期调度规则提取方法，该方法包括：

步骤1：基于水库历史实际调度结果，确定决策变量和影响因子属性集；

步骤2：基于灰色关联度分析(GRA)筛选分期影响因子；

步骤3：将各个月份下确定的影响因子作为输入向量，决策变量水库逐月末水位Z作为输出向量；确定训练样本和测试样本，分别确定各个月份下的训练样本和测试样本，其中，样本数为M，训练样本数为N，测试样本数为M-N；

步骤4：基于支持向量机建立水库逐月末水位Z和影响因子的逐月SVM模拟模型其中，K(x_i,y_j)为核函数，x_i为由影响因子构成的第i个输入变量，y_j为由水库逐月末水位构成的第j个输出向量。本发明选用RBF核参数，b为常数，α_i为拉格朗日乘子，i＝1,2,…n；

步骤5：基于样本数据，构建PSO-SVM模拟模型，运用PSO对SVM模型进行参数率定并验证，确定水库分期调度规则。

作为本发明进一步的改进，步骤2具体包括：

步骤21，在各个月份下，分别构建由决策变量(逐月末水位Z)构成的参考数列和由影响因子(水库时段初水位Z₀、天然来水Q、叠加水位Z_α、入库水能E_f、水库蓄能E_s、水库入能与蓄能交互项E_fs)构成的比较数列，并进行无量纲化处理：

参考数列：X₍₀₎＝{Z¹,Z²,…,Z^t…,Z^T} (1)

比较数列：

式中，t为参考数列个数，t＝1,2,...,T；

步骤22，求参考数列与比较数列的灰色关联系数：