一种电价不确定条件下梯级水电系统的鲁棒调度优化方法

本发明涉及梯级水电站优化调度，特别涉及一种电价不确定条件下梯级水电系统的鲁棒调度优化方法。

背景技术：

1、随着电力市场竞争的加剧，运行条件的高度动态性，以及相关监管机构对电力系统运营要求的日益严格对电力系统，尤其是梯级水电系统的高效调度方法的研究和应用变得尤为重要。梯级水电系统的调度，其核心目的是在遵守系统内部和外部的各种约束条件下，优化系统的经济性能，实现利润最大化。

2、水电系统的运行面临着电价不确定性，电价的波动会对调度决策产生影响。因此，如何准确预测这些参数，以及如何在存在不确定性的条件下制定出最优的调度方案，成为了梯级水电系统管理中的关键问题。

3、为了应对这些挑战，开发出高效的调度策略以管理和缓解不确定性的影响，成为了研究和实践中的一个重要课题。这些策略需要能够综合考虑系统的多方面信息，包括水力发电的特性、市场电价的波动，以及其他相关参数的不确定性。故此，对如何精确有效的求解梯级水电站优化调度电价不确定的问题，是本领域技术人员迫切需要解决的问题。

技术实现思路

1、本发明所要解决的技术问题是提供一种电价不确定条件下梯级水电系统的鲁棒调度优化方法，通过结合预测、基于场景的随机优化和实时反馈机制，有效管理梯级水电系统短期运行中的不确定性。

2、为解决上述技术问题，本发明所采用的技术方案是：一种电价不确定条件下的梯级水电站鲁棒调度优化方法，包括以下步骤：

3、s1、给定梯级水电站初始数据，包括梯级水电站总体需预留防洪库容以及各电站水位-库容曲线、下游水位流量曲线和预想出力曲线；

4、s2、以调度期内梯级水电站结算收益最大为目标进行优化建模，以时段水位约束、时段出力约束、时段流量约束、水位变幅约束、水量平衡约束、电量平衡约束、水电站之间水力联系、净水头计算公式作为约束条件完成梯级水电站日前调度模型建模；

5、s3、进行不确定性管理与鲁棒优化，建立随机优化模型与鲁棒在线调度方案；

6、s4、采用白鲨优化算法对建立的调度模型进行求解，并确定初始日发电计划；

7、s5、基于两阶段随机规划构建优化模型，考虑多种不确定情景来生成调度策略，根据预测和系统实际响应反馈调整调度方案，滚动更新梯级水电系统调度过程。

8、优选的方案中，所述步骤s2中，以调度期内梯级水电站结算收益最大为最优目标，建立目标函数表达式如下：

9、（1）

10、式中，m为梯级水电站总个数；t为调度期总时段数；为时段粒度； m为水电站编号；为 t时段 m座电站的合同电价；为时段日前市场出清预测电价；为 t时段 m号电站的合同电量分摊到小时的出力；为t时段m号电站总出力。

11、优选的方案中，所述步骤s2中，各约束条件的表达式如下：

12、时段水位约束：

13、（2）

14、式中，、、分别表示第 m座电站第t时段的最低水位限制、平均水位以及最高水位限制；

15、时段出力约束：

16、（3）

17、式中，、、分别表示第 m座电站第 t时段的最小出力限制、平均出力以及最大出力限制；和分别为第 m座电站第 t时段的保证出力和发电水头所对应的预想出力；

18、时段流量约束：

19、（4）

20、式中，、、分别表示第 m座电站第 t时段的最小下泄流量限制、平均下泄流量以及最大下泄流量限制；

21、水位变幅约束：

22、（5）

23、式中，表示第 m座电站第 t时段的水位变幅；、分别表示第 m座电站第 t时段的水位变幅下限和水位变幅上限；

24、水量平衡约束：

25、（6）

26、式中，和分别为第 m座电站第 t时段的初库容和末库容；和分别为第 m座电站第 t时段的入库流量和下泄流量，为调度时段长；

27、电量平衡约束：

28、（7）

29、式中，表示第 t个时段内电网对梯级电站出力的需求；表示第 m座电站第 t时段的出力；

30、水电站之间水力联系表达式如下：

31、（8）

32、式中，为第m座电站第t时段的入库流量；为第 m-1座电站在第 t时段的出库流量；为上下游相邻电站间第t时段的区间入流；

33、净水头计算公式：

34、（9）

35、式中，、、,分别表示第 m座电站第 t时段的净水头、第 t时段水位和电站下游第 t时段水位；为电站在第t时段的水头损失。

36、优选的方案中，所述步骤s3具体包括以下步骤：鲁棒在线调度方案

37、s3.1、建立随机优化模型，第一阶段的决策在不确定性实现之前执行，推迟对第二阶段决策的实施，第一阶段的决策是在周期性调度间隔的时间段内所有的离散和连续决策；第二阶段的决策是在调度时间段剩余部分内的所有离散和连续决策，通过考虑可能实现的电价不确定参数的多个离散场景，对决策进行对冲；

38、s3.2、建立鲁棒在线调度模型，采用长短期记忆网络模型，利用预测模型和历史数据更新电价不确定参数的预测值，更新后的预测值随后应用于随机优化模型中，后续通过随机优化模型分析不确定参数的多种可能情景来制定调度方案。

39、优选的方案中，所述步骤s3.1具体操作如下：

40、对于步骤s3.1中的电价不确定参数，需要确定扰动的统计特性，假设扰动服从正态分布，其中根据历史预测误差的标准差来估计；

41、在模型预测的基础上，添加随机扰动生成多个情景，具体通过以下操作来实现：

42、

43、其中，表示第个情景下时间的电价，是使用预测模型预测的电价，是独立同分布的随机扰动。

44、优选的方案中，所述步骤s4中，使用白鲨优化算法对建立的调度模型进行求解，具体包括以下步骤：

45、s4.1、初始化：设置白鲨的种群大小g，最大迭代次数设置为10000，随机生成初始状态的种群白鲨位置，即初始的优化调度方案，模型的决策变量为梯级水电站各阶段的平均发电流量，通过发电引用流量约束条件按照随机数模拟生成初始调度方案；

46、s4.2、速度更新：白鲨在其大部分时间里都处于狩猎和追踪猎物的状态。在白鲨优化算法的框架中，白鲨根据猎物的移动来感知猎物的位置，并据此更新自己的速度；

47、s4.3、位置更新：基于最优猎物的位置更新或者基于最好白鲨的位置更新，两种方式互为补充：

48、基于最优猎物的位置更新，白鲨优化算法中，白鲨通过朝最优猎物移动来更新自身位置以找到最优或次优猎物；

49、基于最好白鲨的位置更新，白鲨优化算法中，白鲨通过朝着最优白鲨位置移动以靠近猎物最优位置；

50、s4.4、鱼群行为：白鲨优化算法通过模拟白鲨群觅食行为来保留了前两个最优解，并根据这些最优位置来更新其他白鲨个体位置。

51、优选的方案中，所述步骤s5具体包括以下步骤：

52、s5.1、在梯级水电系统中，运用梯级水电站日前调度模型，借助白鲨优化算法来确定初始调度方案，并制定相应的日前发电安排；

53、s5.2、依据当下日前发电安排，结合梯级水库实际入的初期调度时段数据，通过引入随机优化模型与鲁棒调度方案，进而更新日前发电安排；

54、s5.3、按照步骤s5.2，循环迭代更新梯级水电系统的调度方案。

55、本发明提供的一种电价不确定条件下梯级水电系统的鲁棒调度优化方法，具有以下有益效果：

56、1、本发明步骤s3.1中，采用随机优化模型，生成多个电价情景，为调度决策提供多种可能性，增强调度方案的鲁棒性。

57、2、本发明步骤s3.2中，采用鲁棒在线调度模型，动态调整调度方案，提高了面对电价不确定性的适应能力和调度的实时性。

58、3、本发明步骤s4中，采用了白鲨优化算法，其动态的速度和位置更新机制，能够快速适应不同的电价情景和不确定性条件。群体行为模拟增强了算法的鲁棒性，使得调度方案在面对复杂且多变的环境时，仍能保持较高的优化效果。

59、4、通过明确调度方案，从而实现在调度周期内最大化结算收益的目标。

60、5、该方法能够自适应电价的不确定性，提高梯级水电站调度的鲁棒性，提高了梯级水电站调度管理的运行效率。