[发明专利]一种利用观测数据推断相邻水电站运行状态及参数的方法

权利要求书

1.一种利用观测数据推断相邻水电站运行状态及参数的方法，其特征在于，包括如下步骤：

步骤(1)：依据自身测量的和公开的历史数据对相邻水电站建立逆向推断的双层优化模型

建立双层规划模型用于逆向推断；其中，上层模型负责对水电运行参数的寻优，并把参数传递给下层模型，然后依据下层模型的返回，评判下层模型所给参数的准确性；上层模型以发电量序列误差最小为目标；下层模型以被研究的水电站的实际调度过程为背景，以发电量最大为目标；水电站运行状态是下层的决策变量，水电运行参数是上层模型的决策变量；

上层模型的目标函数为式(1)，约束为式(2)及下层模型；

s.t.k^e,k^z,k^l,b^z,b^l,b^h≥0 (2)

下层模型的目标函数为式(3)，约束条件为式(4)～式(10)；

式中，D为所有时段的集合，t为某一个时段；为电站实际发电量序列所组成的向量，E_t为模拟的电站发电量序列所组成的向量；k^e为电站的发电能力系数，g_t为电站在t时段的发电流量，h_t为电站在t时段的发电水头，Δt为一个时段的秒数；V_t为电站在t时段的库容，i_t为电站在t时段的入库流量，q_t为电站在t时段的出库流量，s_t为电站在t时段的弃水流量；z_t为电站在t时段的上游水位，k^z、b^z分别为水位—库容曲线的斜率和截距，l_t为电站在t时段的尾水位，k^l、b^l分别为尾水位—下泄流量曲线的斜率和截距，b^h为水头损失；V分别为库容的上下限，C为电站的装机容量；

对于下层模型而言，k^e,k^z,k^l,b^z,b^l,b^h共6个运行参数是上层模型的决策变量，由上层模型进行赋值；

步骤(2)：基于正则化方法避免双层模型的多重推断结果并重构模型

将下层模型中的式(5)、(7)、(8)、(9)四式带入式(4)中，得到：

在式(11)中，将b^z、b^l、b^h进行合并，用k^h来代替，得到下式：

(k^e、k^z、k^l、k^h)是线性相关的，其中一个参数若放大n倍，另外三个参数缩小为原来的1/n，即可保证整个式子仍然成立；什么下层模型有多重推断结果；

使用正则化方法对式(12)进行改造，令：

K^z＝k^e·k^z,K^l＝k^e·k^l,K^h＝k^e·k^h (13)

将式(13)代入式(12)，得到：

从而将有多重推断结果的模型转化成为唯一解的模型，逆向推断的双层优化模型重构为：

上层模型的目标函数为式(15)，约束为式(16)及下层模型：

s.t.K^z，K^l，K^h≥0 (16)

下层模型的目标函数为式(17)，约束为式(6)、式(10)、式(13)：

s.t.式(6)，式(10)，式(13)

步骤(3)：利用具有不可行域回避功能的保留精英的改进并行遗传算法进行求解

由于水电站的运行参数具有实际的物理含义，所以，并非任意的(K^z，K^l，K^h)在由上层模型传递给下层模型时，都为可行解；因此在遗传算法中应注意非可行解的避免，定义遗传算法的个体总数为N，共计循环R代，具体步骤如下：

步骤3.1：创建初始种群；循环创建n₀个可行解，然后随机创建N-n₀个解；

步骤3.2：计算种群适应度；对N个解进行并行计算，并假定其中有F^r个可行解，F^r≥n₀；

步骤3.3：保留精英个体；对N个解按照好坏程度进行排序，选取最好的n_*个个体，不做任何改变，直接放进下一代的种群中；再把这n_*个个体复制一份；

步骤3.4：对种群进行交叉操作；在步骤3.2中的F^r个可行解中，任意选取两个个体以θ的概率进行交叉操作，得到两个新的个体，循环此过程，直至交叉操作得到的个体个数达到N-2n_*为止；

步骤3.5：对种群进行变异操作；将步骤3.3中复制的n_*个个体，与步骤3.4中交叉得到的N-2n_*个个体加以组合，以γ的概率进行变异操作；将变异操作后的个体放进下一代的种群中；这样，达到了每一代的种群个体中均至少有n_*个可行解的目的；

步骤3.6：重复步骤3.2到步骤3.5，直至迭代次数达到R为止。