一种基于动态规划和遗传算法的水电机组组合优化方法与流程

本发明涉及运筹学、智能算法与水电站厂内经济运行的交叉，具体为一种基于动态规划和遗传算法的水电机组组合优化方法。

背景技术：

1、随着中国可再生能源发展的不断推进，水电作为一种清洁、可再生、低成本的能源形式，在中国的能源结构中扮演更加重要的角色。根据国家统计局数据显示，中国水力发电量在2015-2020年表现为逐年递增趋势，2020年达到最高。截至2021年底，中国水电装机约为391gw，约占全国发电总装机容量的16.4％左右，新增23.49gw。社会用电量攀升和能源结构优化需求，加之限电影响，电力需求持续增长，我国水电开发空间依然广阔。我国是世界上拥有丰富水力资源的国家之一，主要分布在西南、华北、东北等地区，其中西南地区是中国水力资源最丰富的地区，约占全国水力资源总量的50％以上。梯级水库的开发方式在中国的水力资源丰富的地区非常普遍，水电的梯级开发有利于水能资源的充分利用，能够在兼顾防洪、灌溉、航运的同时，有效承担电力系统的重要发电任务。随着中国水电站的开发逐渐放缓，提升水资源利用率和发电效益的主要途径由兴建水电站转变为实现已建水电站的优化调度。利用先进的计算机技术，对水电站电力生产过程进行智能化管理和优化调度，以最大化发电量、最小化生产成本、最优化水力资源利用、确保电网安全稳定等目标，在水力资源日益紧缺的背景下，实现水电站的优化调度对于提高能源的利用效率和降低生产成本具有重要意义。

2、常用的数学规划算法包括动态规划(dynamic programming,dp)、混合整数线性规划(mixed integer linear programming,milp)等。作为求解多阶段决策过程最优问题的常用方法，动态规划的基本思想是将一个复杂的问题分解为若干个子问题，通过递归求解子问题得到原问题的最优解。以空间换时间，动态规划对已经求解过的子问题的结果进行记录，以便在后续的求解中直接使用，避免重复计算。对于厂内负荷分配问题，动态规划能够很好的找到全局最优解。但随着问题规模的增加，动态规划的决策变量和状态变量剧增，其计算时间会呈指数级别增长，导致“维数灾”。混合整数线性规划引入整型变量，适合水库调度问题的建模和求解，对于一些离散的约束条件，如机组启停约束、运行区间限制等都能很好的表达。比较来看，混合整数线性规划能够有效避免动态规划维数灾的缺陷，且目前已有的成熟的求解器工具可以实现混合整数线性规划的高效求解，如gurobi等。由于混合整数线性规划是对实际问题进行线性化处理后求解，因此它的求解结果可能受到模型线性化带来的精度限制。如何在保证高质量优化结果的前提下降改进不足是数学规划算法研究的热点。

3、智能优化算法是一类基于生物学、物理学、数学、计算机科学等多个领域的优化算法，通过模拟自然界生物的进化、群体行为、物理力学等过程，寻求问题的最优解或次优解。在水电站机组组合问题的求解中，智能优化算法能够灵活应对各种约束条件，具有自适应、并行、全局搜索等优势，适用于大规模问题的求解。但智能算法具有一定的随机性，收敛速度和最终结果依赖于初始参数和产生随机数的好坏。同时，智能优化算法可能会陷入局部最优解，而无法找到全局最优解，特别是当问题的搜索空间非常大时，算法需要足够的时间和资源才能找到全局最优解。这些缺点的存在可能会导致智能优化算法在应用中出现无法收敛、结果不稳定的问题，因此，如何提高智能优化算法的稳定性、防止陷入局部最优解是目前研究智能优化算法的热点。遗传算法是一种典型的智能优化算法。针对水电站机组组合问题中存在大量的约束，遗传算法同样存在收敛速度慢、容易陷入局部最优解的缺点。在实际应用中，可以通过一些技巧和策略来规避这些缺点，如将机组组合问题分解为两个子问题：第一步，先通过遗传算法确定最优的机组启停组合；第二步，通过遗传算法具体地为每台机组分配发电流量。此外，还可以将遗传算法与其他算法结合，针对不同的问题加以改进。如何合理的对遗传算法加以改进，提高求解机组组合问题的效率和稳定性仍是遗传算法的研究热点。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述存在的问题，发明提供如下技术方案：一种基于动态规划和遗传算法的水电机组组合优化方法。

3、因此，本发明所要解决的问题在于如何提供一种基于动态规划和遗传算法的水电机组组合优化方法。

4、为解决上述技术问题，本发明提供如下技术方案：一种基于动态规划和遗传算法的水电机组组合优化方法，其包括：

5、收集水电站的出库流量，初始化每个个体机组的发电流量序列；

6、使用动态规划模型分析发电流量序列下的弃水量以及机组运行状态；

7、通过适应度函数计算每个个体的适应度；

8、输出水电机组组合优化方法。

9、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：以总弃水最少和机组处于低效率区的总时段最小为目标函数，建立水电站机组组合优化方法；

10、目标函数为：

11、

12、其中，t为总时段数；n为机组台数；w1、w2为目标权重(w1＞＞w2)相较于发电效率，优先考虑弃水；splt为t时段水库的弃水，为机组i在t时刻的机组运行状态，k＝{0,1,2}表示机组分别处于停机、低效率区、高效率区。

13、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：在满足水电站机组组合优化方法各种约束的同时，得到各机组的发电流量、运行状态以及总弃水；

14、水量平衡约束：

15、

16、其中，qit为机组i在t时段的发电流量，为水库t时段的出库流量；

17、机组在各运行状态下的发电流量约束：

18、

19、当机组只能在一个状态下运行时

20、其中：为t时段的水头，及为机组i在k状态下发电流量的下限和上限；

21、机组启动次数约束：

22、

23、其中sit为二进制变量，表示机组i是否在时段t启动；smax为机组的最大启动次数；

24、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：在水电站机组组合优化方法中机组保持启动或关闭的最小时段数：

25、

26、

27、其中udmin为机组至少保持启动或关闭的时段数；uit＝{-1,0,1}，分别表示机组i在t时刻启动，保持不变，关闭。

28、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：

29、在约束条件中变量之间的关系为：

30、

31、

32、为二进制数，表示机组i在t时刻的运行状态，其中k＝{0,1,2}分别表示机组处于{关闭状态，低效率区运行，高效率区运行}，如表示机组i在t时刻是关闭的。

33、若即t-1时刻机组是关闭的，t时刻机组启动了，则uit＝-1表示机组在t时刻启动；

34、若或即t-1时刻到t时刻机组状态没有变，则uit＝0表示机组在t时刻状态不变；

35、若即t-1时刻机组是运行的，t时刻机组关闭了，则uit＝1表示机组在t时刻关闭；

36、uit＝{-1,0,1}分别表示机组i在t时刻初启动，保持，关闭；

37、sit为二进制数，表示机组i在t时刻初是否启动，若uit＝-1，则sit＝1，否则sit＝0。

38、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：通过动态规划更新水电站机组组合优化方法，输出规划损失函数；指标函数为：

39、

40、其中sit是t时刻的启动次数，yit保持启动或关闭的时段状态，zit(k)是t时刻机组的运行状态，qit是机组的发电流量。

41、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：所述规划损失函数中水量平衡约束模型为：

42、

43、其中为前i-1台机组分配完发电流量后的弃水。

44、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：通过动态规划更新的指标函数中表示状态转移的方程为：

45、

46、

47、其中yit为机组i在t时刻初保持启动或关闭的时段；sit为表示机组i是否在时段t启动，sit为机组i从1时段到t时段内总的启动次数；

48、当yit≥1时机组在t时刻初是启动状态，是机组在t时段机组没有关闭，则yi,t+1＝yit+1；

49、当yit≥1时机组在t时刻初是启动状态是机组在t时段机组关闭，则yi,t+1＝-1；

50、当yit≤1时机组在t时刻初是关闭状态，是机组t时段机组关闭，则yi,t+1＝yit-1；

51、当yit≤1时机组在t时刻初是关闭状态，是机组在t时段机组没有关闭，则yi,t+1＝1。

52、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：保持启动或关闭最小时段数计算方式为：

53、

54、当1≤yit<udmin时，机组保持启动的时间没有达到最小时段数，机组在当前时段必须继续保持启动，则输出

55、当-udmin<yit≤-1时，机组保持关闭的时间没有达到最小时段数，机组在当前时段必须继续保持关闭则输出

56、作为本发明所述的一种基于动态规划和遗传算法的水电机组组合优化方法的一种优选方案，其中：使用适应度函数计算每个个体的适应度，通过遗传算法使其达到最小的并通过动态规划生成最优机组组合，

57、适应度计算方式为：

58、

59、其中dp(…)为一个涉及动态规划的函数，的为通过动态规划得到的各机组的弃水，发电流量和机组运行状态，为最后一台机组的弃水，因为约束的存在，前n-1台机组分配完发电流量后的弃水会被加到第n台机组可用于发电的流量中，所以整个机组组合方案产生的总弃水就是最后一台机组分配完发电流量后剩余的弃水。

60、本发明的有益效果：本发明的技术方案与只采用动态规划相比，机组之间的发电流量分配更为灵活，得到的机组启停和组合方案产生的弃水和机组处于低效率区的时段更少。本发明所提出的搭配动态规划的遗传算法框架求解效率高，与只采用遗传算法相比，减少了搜寻可行解的过程，能够在半分钟内求解出包含5台机组的水电站的机组组合方案，且求解效率随着机组台数的增加而线性增加。