[发明专利]一种梯级水库群多目标均衡调度方法与系统

权利要求书

1.一种梯级水库群多目标均衡调度方法，其特征在于，包括如下步骤：

(1)将梯级水库群中所有水电站的出库流量作为个体，设置最大迭代次数为当迭代次数k＝1时，在水库出库流量约束下，随机初始化包含多个个体的种群；

(2)以梯级水库群的总发电量最大为目标，建立发电目标函数，以最小化梯级水库群的残余负载曲线的均方差为目标，建立调峰目标函数，根据发电目标函数和惩罚函数计算当前种群的发电适应度，根据调峰目标函数和惩罚函数计算当前种群的调峰适应度；

(3)将调峰适应度和发电适应度转换为每个个体的贴近度，根据贴近度对当前种群中每个个体的全局最优位置进行更新；

(4)根据贴近度和标准引力搜索，更新当前种群中每个个体的位置，然后，采用反向学习策略得到反向个体并添加到当前种群中，根据添加反向个体后的种群中每个个体的贴近度进行变异，得到变异后的种群，对变异后的种群进行边界检查，得到检查后的种群；

(5)令k＝k+1，若则将检查后的种群作为当前种群，返回步骤(2)；否则停止计算，并将第次迭代得到的全局最优位置作为梯级水库群的最优调度方案；

所述反向学习策略的具体实现方式为：

其中，是第k次迭代第i个反向个体在第d维的位置，为第k次迭代第i个个体在第d维的学习位置，Ub^d为第i个个体在第d维的上限，Lb^d为第i个个体在第d维的下限，c₁和c₂是学习因子，rand是[0,1]区间均匀分布的随机数，gBest(k)第k次迭代时种群中的全局最优位置，为第k代种群第i个个体在第d维的位置；

所述变异的具体实现方式为：

计算添加反向个体后的种群中每个个体的调峰适应度和发电适应度，并进一步得到每个个体的贴近度，根据贴近度将每个个体由优到劣进行排序，cbestPop，Pop为种群规模，将前cbest个个体直接进入下一代种群，对于种群中剩余的(N-cbest)个个体产生新的变异个体替换对应的原始个体；

所述变异的公式为：

其中，为第k次迭代时第i个变异个体在第d维的位置，第k次迭代时第i个个体在第d维的历史最优位置，为第k次迭代时第λ个个体在第d维的历史最优位置，且λ≠i，r₁是[-0.5,0.5]之间均匀分布的随机数；

所述边界检查的具体实现方式为：

对超出搜索上边界的个体记录超出上边界的值，对超出搜索下边界的个体记录超出下边界的值，对超出上边界的值和超出下边界的值进行随机缩放并以超出的边界作为对称中心得到相应的对称点作为个体调整后的位置，若调整后的位置仍不在搜索空间内，则该位置在空间中随机初始化。

2.如权利要求1所述的一种梯级水库群多目标均衡调度方法，其特征在于，所述发电适应度为：

其中，E'[X_i(k)]为X_i(k)的发电适应度，X_i(k)为第k代种群中第i个个体，Viol[X_i(k)]为X_i(k)的惩罚函数值，发电目标函数为E是梯级水库群的总发电量，T表示总时段数目，N表示水电站的数目，P_n,t是第n个水电站在第t个时段的出力，Δ_t表示第t个时段的总小时数。

3.如权利要求2所述的一种梯级水库群多目标均衡调度方法，其特征在于，所述调峰适应度为：

其中，F'[X_i(k)]为X_i(k)的发电适应度，调峰目标函数为Load_t表示梯级水库群在第t个时段的电力需求，F为梯级水库群的残余负载曲线的均方差。

4.如权利要求3所述的一种梯级水库群多目标均衡调度方法，其特征在于，所述惩罚函数为：

其中，为第l₁个不等式约束，为第l₂个等式约束，是不等式约束的惩罚系数，是等式约束的惩罚系数，L_g是不等式约束的数目，L_e是等式约束的数目。