System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及风光水电系统短期调度方法,尤其是考虑多重不确定性的风光水电系统短期调度方法。
技术介绍
1、现有风光水电系统大都集中于满足电网负荷需求的确定性建模等单一目标,难以满足受风光水电系统短期安全运行受电网、电站多重安全稳定运行约束以及多重不确定性扰动影响的实际需求;流域风光水电系统多目标优化调度模型求解是一个巨型多维非线性复杂约束的优化问题,面临“维数灾”关键技术难题,现有研究多以求解算法为主,缺乏针对复杂巨型随机约束优化问题内在的多维多目标特性的算法。
2、本专利技术提出考虑多重不确定性的风光水电系统短期调度方法及系统,解决目前存在的上述问题,一方面构建综合考虑流域内风光水电系统发电效益、联合外送出力风险目标的优化调度模型;另一方面,提出分别从多目标进化算法和风光水电系统出发,综合从数学角度和物理角度两种不同改进思想的nsga-ⅲ改进算法,提升求解效率,解决目前复杂流域风光水电系统短期调度计划制定存在的难题。
技术实现思路
1、专利技术目的,提供一种考虑多重不确定性的风光水电系统短期调度方法,以解决现有技术存在的上述问题。另一方面提供考虑多重不确定性的风光水电系统短期调度系统。
2、技术方案,考虑多重不确定性的风光水电系统短期调度方法,包括如下步骤:
3、步骤s1、收集风光水电站数据,计算风速预报误差和太阳辐射预报误差,得到预报改进样本,构建风速情景树和太阳辐射情景树,计算得到风光出力预报;
4、步骤s2、构建基于分区控制的
5、步骤s3、分别基于多算子自适应和约束重构对nsga-ⅲ算法优化改进,得到基于多算子自适应的改进nsga-ⅲ算法和基于约束重构的改进nsga-ⅲ算法;
6、步骤s4、分别采用基于多算子自适应的改进nsga-ⅲ算法和基于约束重构的改进nsga-ⅲ算法对风光水电短期调度模型求解,分别得到风光水电短期调度方案的非劣解集并取并集采用anp-smaa-vikor模型对非劣解集决策,选出最优解作为最终的风光水电短期调度方案。
7、根据本申请的一个方面,所述步骤s1进一步为:
8、步骤s11、收集风光水电站数据,包括:风速预报、太阳辐射预报、风光水电站特征参数、特征曲线信息和短期径流集合预报;
9、步骤s12、提取风速预报值、太阳辐射预报值并收集真实风速数据、太阳辐射数据,计算得到风速预报误差、太阳辐射预报误差,基于风速预报误差、太阳辐射预报误差分别计算得到风速预报改进值、太阳辐射预报改进值;
10、步骤s13、将风速预报改进值、太阳辐射预报改进值输入预构建的预报演进的通用鞅模型,得到风速情景树、太阳辐射情景树;
11、步骤s14、采用方差对风速、太阳辐射情景树计算,得到风光出力的最大值和最小值,即带不确定区间的风光出力预报。
12、根据本申请的一个方面,所述步骤s13进一步为:
13、步骤s13a、构建预报演进的通用鞅模型;
14、步骤s13b、设置风速预报改进值的累积分布函数、太阳辐射预报改进值的累积分布函数;
15、步骤s13c、采用cholesky法将风速、太阳辐射预报改进值的协方差矩阵分解并对其进行矩阵变换,得到新的无偏、正态分布样本;
16、步骤s13d、将得到的新的无偏、正态分布样本转化为有偏、非正态分布的预报改进样本,基于情景树理论,得到风速情景树、太阳辐射情景树。
17、根据本申请的一个方面,所述步骤s2进一步为:
18、步骤s21、设置目标函数,包括:水电提供一定出力时耗水量最小和风光水联合出力不足的风险最小;
19、步骤s22、设置约束条件,包括:水库水量平衡约束、水库水位约束、出库流量约束、水电站出力约束和负荷约束。
20、根据本申请的一个方面,所述步骤s3进一步为:
21、步骤s31、采用拉丁超立方抽样、差分进化算子、粒子群算子、遗传自适应策略和全球信息共享策略对nsga-ⅲ算法进行优化改进,得到基于多算子自适应的改进nsga-ⅲ算法;
22、步骤s32、采用动态可行域建立对nsga-ⅲ算法进行优化改进,得到基于约束重构的改进nsga-ⅲ算法。
23、根据本申请的一个方面,所述步骤s31进一步为:
24、步骤s31a、在m维目标空间内定义一个m-1维标准化的超平面,m为大于3的正整数,基于m-1维超平面生成一组均匀分布的参考点;
25、步骤s31b、在决策变量空间内采用拉丁超立方抽样方法生成初始种群,并将初始种群分成分别隶属于遗传算子、差分进化算子和粒子群算子的初始总群,计算其适应度函数值,将进化代数设置为0;
26、步骤s31c、从父代种群中随机选取个体使用遗传操作生成子代个体,并计算适应度函数值,并保持三类算子生成后代的比例一致;
27、步骤s31d、合并父代种群和子代种群得到新的种群,计算新种群的适应度函数,对新种群进行非支配排序,将排序值优的个体作为下一代的父代,并计算各个算子的繁殖率。
28、根据本申请的一个方面,所述步骤s4进一步为:
29、步骤s41、将风光水电站特征参数、特征曲线信息、短期径流集合预报和风光出力预报输入风光水电短期调度模型,分别采用基于多算子自适应的改进nsga-ⅲ算法和基于约束重构的改进nsga-ⅲ算法求解,得到第一非劣解集和第二非劣解集并取并集,即为总非劣解集;
30、步骤s42、将非劣解集输入anp-smaa-vikor模型进行决策,得到的最优解即为最终的风光水电短期调度方案。
31、根据本申请的一个方面,所述步骤s42进一步为:
32、步骤s42a、将总非劣解集中的每个方案的决策矩阵进行标准化,得到标准化决策矩阵;
33、步骤s42b、使用anp模型确定可行权重空间的分布,并基于其概率密度函数进行拉丁超立方抽样,基于smaa-vikor模型计算各个方案的vikor指数和q值,并计算该方案集的可接受性指标、全局可接受性指标和中心权重向量指标的可行权重,评估每个方案的排名;
34、步骤s42c、多次迭代直至满足迭代次数,基于迭代过程中各个方案的排名计算可接受性指标、全局可接受性指标和中心权重向量指标的排序,选出最优结果对应的调度方案作为最终的风光水电短期调度方案。
35、根据本申请的另一个方面,提供一种考虑多重不确定性的风光水电系统短期调度系统,包括:
36、至少一个处理器;以及
37、与至少一个所述处理器通信连接的存储器;其中,
38、所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述任一项技术方案所述的考虑多重不确定性的风光水电系统短期调度方法。
39、有益效果,采用考虑多重不确定性的风光本文档来自技高网...
【技术保护点】
1.考虑多重不确定性的风光水电系统短期调度方法,其特征在于,包括如下步骤:
2.如权利要求1所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤S1进一步为:
3.如权利要求2所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤S13进一步为:
4.如权利要求1所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤S2进一步为:
5.如权利要求1所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤S3进一步为:
6.如权利要求5所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤S31进一步为:
7.如权利要求1所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤S4进一步为:
8.如权利要求7所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤S42进一步为:
9. 考虑多重不确定性的风光水电系统短期调度系统,其特征在于,包括:
【技术特征摘要】
1.考虑多重不确定性的风光水电系统短期调度方法,其特征在于,包括如下步骤:
2.如权利要求1所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤s1进一步为:
3.如权利要求2所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤s13进一步为:
4.如权利要求1所述的考虑多重不确定性的风光水电系统短期调度方法,其特征在于,所述步骤s2进一步为:
5.如权利要求1所述的考虑多重不确定性的风光水电...
【专利技术属性】
技术研发人员:刘为锋,郭旭宁,李云玲,朱非林,张怡,宋培兵,徐斌,曾祥,高洁,张宇,王旭,刘奇,
申请(专利权)人:水利部水利水电规划设计总院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。