一种耦合最优性与稳定性的梯级水库调度决策支持方法

技术领域

本发明涉及水库调度多目标决策领域，尤其涉及一种耦合最优性与稳定性的梯级水库调度决策支持方法。

背景技术

水库是实现径流调节的重要工程措施，为高效发挥水库的调蓄作用，基于水库之间具有密切的水力联系和电力联系，水库调度逐步实现从分散管理向联合管理的转变。这种调度方法从流域整体出发，统筹兼顾各方面因素，对上下游、干支流水库实行一体化管理，其实质是一种通过水库之间完全合作最终达成系统最大效益的调度模式。然而，这种方法从社会规划者的角度出发，仅考虑了系统的整体效益（即系统最优性），忽略了单个水库的自我优化属性及其管理者的合作意愿（即现实稳定性）；因此，该类调度模式现实可操作性不高。在此背景下，为兼顾系统最优性和现实稳定性，产生了多种基于保证单个水库利益下的系统效益分配方式，而不同的分配方式体现的正是决策者在最优效益与最稳定方案之间的权衡。为科学合理分配效益，实现水资源可持续管理，本发明基于博弈论耦合方法，提出了一个综合考虑系统层面最优性与个体层面稳定性的评价指标，使得能够快速识别在集体最优性与个体可接受性之间取得有效折中的决策方案。

发明内容

本发明的目的在于针对上述现有技术的不足，提供了一种耦合最优性与稳定性的梯级水库调度决策支持方法，实现梯级水库多目标调度的有效决策。

为实现上述目的，本发明采用了如下技术方案：

本发明提供了一种耦合最优性与稳定性的梯级水库调度决策支持方法，包括以下步骤：

S1、分别构建合作机制下的梯级水库发电效益模型，径流资料系列是以日为时段长的河流多年径流数据；

S2、利用改进后的水循环算法求解合作机制下与非合作机制下的梯级水库发电效益模型，并计算合作机制下的梯级水库发电效益增量；

S3、基于指标法计算合作增益的再分配；

S4、量化系统的最优性与稳定性；

S5、计算基于合作博弈的耦合指数；

S6、依据耦合指数向量对备选方案进行排序，并计算水库的最终效益分配。

进一步，所述S1中，合作机制下的梯级水库发电效益模型的目标函数为：

其中，

设置合作机制下的梯级水库发电效益模型的约束条件：

水量平衡约束

水量联系约束

水库库容约束

水库下泄约束

水库出力约束

边界约束

其中，

进一步，所述S2中，非合作机制下的梯级水库发电效益模型的目标函数为：

其中，

设置所述非合作机制下的梯级水库发电效益模型的约束条件与所述合作机制下的梯级水库发电效益模型的约束条件一致。

进一步，所述S2中，所述合作机制下的梯级水库发电效益增量为：

其中，

进一步，所述S3的实现方式为：

S301、分析划定水库不同的特征指标及参数；

S302、基于所述不同的特征参数指标，计算在所述特征参数指标下，各水库参数所占比例，并依据所述比例，对所述合作机制下的梯级水库发电效益增量进行分配；

S303、将基于所述不同的特征指标的分配方案视为梯级水库群合作增益分配备选方案集；

其中，

进一步，所述S4的实现方式为：

S401、量化系统的社会最优性：采用基于目标规划的最小二乘解量化效益分配方案的系统最优性，公式为：

其中，

S402、采用改进的权利指数量化水库的合作意愿，公式为：

其中，

S403、采用权利指数的变异系数来衡量方案的稳定性，公式为：

其中，

进一步，所述S5的实现方式为：

S501、对公平性与稳定性量化结果进行归一化处理，使其映射于[0,1]范围内，并生成二元向量，公式为：

其中，

S502、引入系数向量

式中：

S503、通过最小化加权向量

其中，

S504、根据矩阵的微分性质，利用上述目标函数的一阶导数可以得到上式的最优条件为：

S505、借助MatLab计算所述公式（22）中，最优线性组合系数

其中，

S506、将所述公式（24）的结果带入到所述公式（20）中，以得到最优性与稳定性的耦合指数：

其中，

进一步，所述S6的实现方式为：

其中，

本发明的有益效果为：通过计算水库调度方案的最优性和稳定性，并基于博弈论耦合方法，构建一个可综合考虑系统层面高效性与个体层面可接受性的评价指标，该指标能够在最优性与稳定性两个性能准则之间取得有效折中，从而科学合理的实现梯级水库群调度决策。实施简便易行，结果简单明了。对比现有技术，首次提出采用合作博弈来耦合最优性与稳定性指标，进而提出相应的决策支持技术，对于协调各水库利益冲突，进而达成对各水库相对有利的、且现实可行的调度策略具有重要意义。

附图说明

图1 为本发明一种耦合最优性与稳定性的梯级水库调度决策支持方法流程图；

图2为方案最优性与稳定性的耦合结果；

图3为梯级最终效益分配结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

请参阅图1，一种耦合最优性与稳定性的梯级水库调度决策支持方法，包括以下步骤：

本专利以长江流域溪洛渡、向家坝、三峡以及葛洲坝四座水库发电效益分配为例进行说明：

S1和S2，以日尺度流量数据系列，分别构建合作机制下和非合作机制下的梯级水库发电效益模型，并利用改进后的水循环算法求解合作机制下与非合作机制下的梯级水库发电效益模型，采用合作机制下的梯级水库总效益减去非合作机制下的总效益，从而获得梯级水库联调的发电效益增量，结果如表1所示。

其中，改进后的水循环算法，可参见A modified water cycle algorithm forlong-term multi-reservoir optimization [J]. Applied Soft Computing, 2018.71:371-332.

梯级水库发电效益模型构建主要基于目标函数和约束条件。其中，合作机制下的梯级水库发电效益模型的目标函数为梯级水库群的最大发电量，非合作机制下的梯级水库发电效益模型的目标函数为单个水库在调度期内的最大发电效益。合作机制下和非合作机制下的梯级水库发电效益模型的约束条件一致，主要包括水量平衡约束、水量联系约束、水库库容约束、水库下泄约束、水库出力约束、边界约束等。

表1 基于合作与非合作机制梯级水库调度效益方案 单位:亿

S3、基于指标法计算合作增益的再分配；

分析划定水库不同的特征指标及参数，其中包括最大库容、保证出力、装机容量、年平均发电量以及移民人数等五项主要特征参数；基于上述不同的特征参数指标的实际值，计算溪洛渡、向家坝、三峡以及葛洲坝四个水库在各参数下所占比例，并依据所述比例，对梯级水库联调的发电增量进行再分配。基于上述合作增益分配结果，可确定包含5种方案的备选方案集及各水库在5种备选方案中的相对理想方案，结果见表2。

表2 基于特征参数的合作增益分配方案 单位:亿

S4、量化系统的最优性与稳定性；

采用基于目标规划的最小二乘解量化五种增益分配方案的系统最优性，四个电站在五种备选方案的最优性指数见表3。

表3 方案的最优性指数 单位：无量纲

然后，采用改进的权利指数衡量方案的稳定性，从而表征四座水库对该方案的接受程度。结果如表4所示。

表4各电站的权利指数值及方案的最稳定性指数 单位：无量纲

S5和S6、计算基于合作博弈的耦合指数，并依据耦合指数向量对备选方案进行排序，并计算水库的最终效益分配。

所述S5和S6中，为了便于两种性能评估准则的耦合，首先，对表3与表4中的方案的最优性与稳定性量化结果进行归一化处理，使其映射于[0,1]范围内，结果见表5。

表5 方案最优性与稳定性归一化值 单位：无量纲

然后，引入系数向量对各方案下的最优性与稳定性归一化值进行线性加权，得到二者的线性加权向量；建立方案最优性与稳定性的耦合优化模型，得到可使二者有效折中的最优线性权重系数向量，并做归一化处理后，代入线性加权向量中，从而得到最优性与稳定性的耦合指数。结果如图2所示。依据耦合指数向量对备选方案进行排序，且值越小方案综合性能越好。

依据图2中五种特征参数下的方案的综合性能值（最优性与稳定性的耦合值）可知：基于装机容量的效益补偿方案整体性能最好（0.134），而基于移民人数的效益补偿方案整体性能最差（0.375），因此建议采用前者进行增益分配。

S6、计算最终增益分配。

所述S6中，依据溪洛渡、向家坝、三峡以及葛洲坝四个水库在装机容量下的比例值，结合其联调相对于单独调度的发电效益增益，即可确定当同时考虑系统最优性与稳定性时四个水库的增益分配方案，结果如图3所示。

提出从系统最优性与个体可接受性权衡的角度来进行梯级水库群发电效益补偿决策，并分别采用最小二乘解与权利指数来分别量化最优性与稳定性；

采用博弈论对系统最优性与个体稳定性指标进行耦合，缓解各水库对某一方案的偏好。本技术方法有助于缓解梯级水库群多目标调度下水资源利用冲突，对于水资源可持续利用具有重要意义，具有重要的推广使用价值。

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求。