水电系统中长期优化调度降维方法研究

摘要

西电东送实施十多年以来，我国水电实现了跨越式发展，无论区域、省级电网水电系统还是特大流域梯级水电站群。水电系统的机组规模、装机容量、发电水头、电站数目都出现了巨大变化，需要突破水电系统的计算障碍和效率限制。以我国水电最为丰富和集中的西南地区水电系统调度问题为背景和依托，针对其中极为突出的维数灾问题，从知识规则、并行计算、试验设计、群体智能等多个途径，结合水电系统中长期优化调度问题，开展了降维方法研究，主要内容有:
　　(1)水电调度问题存在多个复杂约束集，这些约束集直接限制和影响着系统的决策空间，因此如何合理判断可行空间将为提高系统求解规模和效率提供可能。为此，提出了知识规则降维方法来科学识别搜索空间的可行性、降低传统方法的计算测度。该方法利用集合运算理论将各约束统一映射集成至指定变量区间，通过电站的有机协调来动态辨识水电系统的可行决策空间，实现对搜索空间的合理、高效压缩。工程实例表明，所提方法能够有效削减非可行解的冗余计算与存储，提升传统方法的计算效率与寻优性能，为缓解维数灾问题提供了新手段。
　　(2)水电调度传统算法计算任务存在良好的并行可分性，而多核技术为此提供了可行性。在已有成果基础上，研究发现:动态规划并非只能从传统的单一策略或部分层面实现并行，而是在组合层、阶段层、状态层、决策层等4个层面均具有良好并行性;除常规的多初始解并行策略之外，逐步优化算法可以在两阶段子问题状态组合级别开展并行求解。最后选用经典的Fork/Join多核并行框架对并行方法予以编程实现。应用结果表明，并行方法能够充分利用多核计算资源，在保证结果一致性的前提下有效缩减运算时间，提高了算法执行效率与资源利用效率，为缓解维数灾问题提供了新技术。
　　(3)水电调度动态规划及其改进算法多采用全面组合完成优化，导致算法计算复杂度呈指数增长、应用范围极大受限。为此，结合多因素多水平试验设计方法，提出了正交逐步优化算法、正交离散微分动态规划、均匀动态规划等改进算法。所提算法利用试验设计表从各阶段状态变量集合中选取部分典型状态变量参与计算，规避了标准算法的枚举操作;同时利用逐次逼近原理完成迭代搜索，以逐步增大对原始搜索空间的覆盖度、进而逐步改善结果质量。理论分析与应用结果表明，所提算法计算复杂度均为多项式增长，并能快速获得优质调度结果，为缓解维数灾问题提供了新思路。
　　(4)群体智能算法将组合计算的复杂性转换为进化迭代的复杂性，通常能够胜任大型水电系统调度问题的求解;但是，受制于固有的机理性缺陷，此类算法一般存在早熟停滞、局部收敛等不足。为此，着力将新兴的量子粒子群算法与蛛群优化算法引入水电调度领域，并分别从种群初始化机制、进化模式、变异搜索策略等多个方面实施改进，提出了改进量子粒子群算法和精英集聚蛛群优化算法，以提升个体的多样性与分布性。应用结果表明:所提算法可以合理均衡种群的全局搜索能力与局部勘探能力，改善标准算法的收敛速度与计算效率，为缓解维数灾问题提供了新途径。

目录

声明

摘要

主要符号表

1 绪论

1．1 中国水电系统调度维数灾问题

1．1．1 快速发展的中国水电系统

1．1．2 中国水电系统及其调度特征变化

1．1．3 维数灾是中国水电调度的巨大挑战

1．2 国内外相关研究进展与分析

1．3 关键科学问题

1．3．1 水电系统中长期优化调度的可行域辨识研究

1．3．2 水电系统中长期优化调度的并行计算研究

1．3．3 水电系统中长期优化调度的可建模计算研究

1．4 总体降维思路

1．5 本文主要内容及框架

2 水电系统中长期优化调度的知识规则降维方法

2．1 引言

2．2 水电系统中长期优化调度模型

2．2．1 常用目标函数

2．2．2 约束条件

2．3 水电系统优化调度的知识规则降维思想

2．3．1 约束优化问题的可行域

2．3．2 水电系统优化调度的可行域

2．3．3 基于可行域辨识的知识规则降维思想

2．4 单一水电站调度可行域动态辨识方法

2．4．1 单阶段可行域辨识方法

2．4．2 两阶段可行域辨识方法

2．4．3 多阶段可行域辨识方法

2．5 水电站群联合调度可行域动态辨识方法

2．6 工程实例

2．6．1 工程背景

2．6．2 计算结果及其分析

2．7 本章小结

3 水电系统中长期优化调度的并行计算降维方法

3．1 引言

3．2 经典动态规划算法串行计算

3．2．1 标准动态规划算法(DP)

3．2．2 标准逐步优化算法(POA)

3．3 动态规划算法并行性分析

3．3．1 DP算法并行性

3．3．2 POA算法并行性

3．4 并行计算框架及评价指标

3．4．1 Fork／Join多核并行框架

3．4．2 并行计算评价指标

3．5 并行算法的实现及其降维性能分析

3．5．1 并行动态规划算法(PDP)

3．5．2 并行逐步优化算法(PPOA)

3．5．3 并行算法降维性能分析

3．6 工程实例

3．6．1 PDP计算结果及其分析

3．6．2 PPOA计算结果及其分析

3．7 本章小结

4 水电系统中长期优化调度的试验设计降维方法

4．1 引言

4．2 动态规划系列算法原理分析

4．2．1 动态规划算法

4．2．2 离散微分动态规划算法

4．2．3 逐步优化算法

4．3 试验设计方法

4．3．1 正交试验设计

4．3．2 均匀试验设计

4．4 耦合试验设计的水电调度降维求解方法

4．4．1 总体降维思想

4．4．2 正交逐步优化算法(OPOA)

4．4．3 正交离散微分动态规划算法(ODDDP)

4．4．4 均匀动态规划算法(UDP)

4．4．5 试验设计降维方法的收敛性分析

4．5 工程实例

4．5．1 OPOA计算结果及其分析

4．5．2 ODDDP计算结果及其分析

4．5．3 UDP计算结果及其分析

4．6 本章小结

5 水电系统中长期优化调度的群体智能降维方法

5．1 引言

5．2 群体智能方法降维分析

5．3 改进量子粒子群优化算法(IQPSO)

5．3．1 标准量子粒子群优化算法

5．3．2 混沌遍历搜索提升初始种群质量

5．3．3 加权更新改善种群最优位置中心

5．3．4 邻域随机搜索提高种群多样性

5．3．5 基于IQPSO算法的梯级水电站群优化调度

5．3．6 工程实例

5．4 精英集聚蛛群优化算法(ESSO)

5．4．1 标准蛛群优化算法

5．4．2 精英集合动态更新策略增强方法搜索能力

5．4．3 种群邻域变异搜索机制提升方法勘探能力

5．4．4 基于ESSO算法的梯级水电站群优化调度

5．4．5 工程实例

5．5 本章小结

6 结论与展望

6．1 结论

6．2 创新点摘要

6．3 展望

参考文献

攻读博士学位期间科研项目及科研成果

致谢

作者简介