流域梯级大规模水电站群多目标优化调度与多属性决策研究

【摘要】：流域梯级大规模水电站群是一个开放的复杂巨系统,其联合优化运行不是孤立的,而是处在一定的自然环境和社会经济环境之中,受水文过程、用水需求、发电控制等因素影响,是一类高维、时变的大规模复杂决策优化问题,非线性、不确定性、多目标、多属性、多层次、多阶段是其根本特征,一直是水利科学与系统科学交叉发展的前沿问题之一。流域梯级电站群不仅担负着流域生活、生产、生态供水等重要任务,而且在防洪减灾、充分利用水能资源发电、流域水量调度以及缓解局部地区生态环境退化中发挥了关键作用,联合调度的潜力与效益巨大。然而,随着梯级水电站群规模的扩大、梯级拓扑结构的日趋复杂化以及调度目标的多元化,梯级电站之间的水力、电力联系日趋复杂,不同调度需求、调度目标之间存在的相互制约与竞争关系日益凸显,传统优化调度的理论与方法已难以适应有效发挥大规模梯级水电站群综合效益的工程需求,因此,亟需研究并发展新的优化理论与方法。本文围绕长江流域水能资源快速开发背景下大规模梯级水电站群的联合优化调度决策问题,以梯级枢纽综合效益的充分发挥为目标,通过引入复杂系统建模理论、群智能优化理论以及Pareto多目标优化与决策技术,对流域梯级大规模水电站群的多目标优化调度与多属性决策问题进行了深入的研究,取得了一些具有理论意义及工程应用价值的研究成果。通过系统集成和实地部署,部分研究成果在三峡梯调中心获得了工程应用。主要研究工作及创新成果如下： (1)围绕流域梯级大规模水电站群联合优化调度的工程需求,建立了长江中上游大规模控制性水电站群联合优化调度模型、金沙江下游梯级与三峡梯级联合蓄水优化调度模型以及区域电网水火电联合优化调度模型,并针对已有理论和模型应用于工程实际时模型求解方法的制约,首先研究了一种改进差分进化优化方法,实现了多重变量耦合和复杂约束优化模型求解技术的突破。该方法在差分进化寻优的理论框架中引入了混沌算子,实现了参数的自适应调整以及二次局部寻优,以此提高了算法的优化能力,有效避免了“早熟收敛”现象的发生。以长江中上游梯级水电能源系统为研究对象进行了实例研究,调度结果以及对比分析表明,该方法无论是在求解效率、求解精度还是处理多重复杂约束的能力等方面与现有方法相比,性能均有显著改善,为梯级水电站群联合优化调度问题的求解提供了一条新途径。 (2)考虑到流域梯级电站群联合优化调度需要综合考虑多个调度目标,从本质上而言是一类复杂的多目标约束优化问题,研究工作通过引入Pareto优化的相关概念,研究并论述了多目标联合调度建模的理论基础,并针对多重约束优化模型的特点,提出了适用于多目标调度问题的智能优化方法。通过对改进差分进化算子的多目标拓展,研究了一种循环更新策略实现多目标非劣外部种群的规模控制,设计了一种基于Pareto向量对比的多目标混沌搜索策略,实现多目标优化问题的高效求解。为测试所提出方法的优化性能,采用一组模态各异的测试函数对其进行了性能测试与对比分析研究,数值仿真结果验证了所提出方法具有优异的多目标并行优化性能。 (3)综合考虑金沙江下游梯级以及三峡梯级多目标运用的工程需求,通过分析梯级水电站群防洪、发电以及生态调度模式下各调度目标间的竞争与冲突关系,建立了流域梯级水电站群联合多目标防洪、发电以及生态调度模型,并运用改进多目标差分进化算法对模型进行了高效求解,快速得到了关于不同目标的非劣调度方案集,在此基础上,对各调度目标间的相互影响规律进行了解析,为调度方案最终的决策会商优选提供了技术支撑与数据支持。 (4)为快速、科学、合理的评价各非劣调度方案,以确定多目标均衡调度的最优实施方案,研究工作将联合调度方案决策会商过程中的主、客观偏好信息纳入决策模型,同时结合Vague集理论对模糊信息的描述能力,研究了一种新的多属性决策方法。该方法通过构建属性重要性差异度矩阵实现了主观偏好的集结,提出一种改进熵权公式,从而准确计算出决策指标的客观权重；此外,通过计算各候选方案相对正、负理想方案综合贴近程度的Vague值,实现各候选方案的优劣排序。以所提出方法为决策评价的数学工具,对流域梯级水电站群的多目标联合防洪、发电以及生态非劣调度方案的评价优选问题进行了研究,实现了不同决策偏好、不同决策情景下各候选方案快速、科学的评价优选。