一种多年调节水库汛末蓄水位随机优化方法及系统

本发明涉及梯级水库群系统多目标联合优化调度技术，特别是涉及一种多年调节水库汛末蓄水位随机优化方法及系统。

背景技术：

1、梯级水库群是水资源综合利用和清洁能源供给的重要工程。其中，多年调节水库具有库容大、调节能力强的特点，在梯级水库群中发挥着龙头作用。多年调节水库汛末蓄水位的确定，是水库调度中的关键环节。汛末蓄水位的高低直接决定了水库在枯水期的可用水量和发电水头。若蓄水位过低，会导致枯水期水量不足、发电效益受损；若蓄水位过高，虽然能增加枯水期发电量，但汛期蓄水可能减少汛期发电量，使当年发电效益受损。因此，科学合理地确定汛末蓄水位，对于平衡水库群当年发电量和未来发电量的关系具有重要意义。

2、当前，针对水库汛末蓄水位的优化调度研究，虽然取得了一定进展，但仍存在以下明显不足：

3、第一，径流不确定性刻画不足。传统的优化调度方法多为确定性优化，通常直接采用历史实测径流或均值作为输入。然而，受气候变化等因素影响，实际径流具有高度的随机性和不确定性。部分研究虽然引入了随机水文生成方法，但往往只关注单一水库或单一时段，忽略了梯级水库群上下游之间（空间相关性）以及不同月份之间（时间相关性）的复杂相依结构，导致生成的径流情景严重偏离实际，难以支撑可靠的调度决策。

4、第二，多目标优化的权衡机制不够完善。汛末蓄水位调度本质上是当前发电效益与未来蓄能效益的博弈。传统方法大多以单一的总发电量最大为目标，未能有效量化并凸显汛末蓄水位对梯级水库群未来长期发电潜力（即蓄能）的影响，导致调度方案容易出现仅考虑当前情况的过度透支现象。

5、第三，最优方案的优选缺乏客观的决策支撑。在采用多目标进化算法求得pareto非劣解集后，面对众多互不支配的调度方案，传统方法多依赖调度人员的主观经验进行挑选，缺乏一种科学、定量的方法来权衡年发电量与汛末蓄能之间的矛盾，难以保证最终选定方案的合理性和最优性。

6、针对上述现有技术的不足，亟需一种能够准确刻画径流时空不确定性、科学权衡当前与未来发电效益，并能客观优选决策方案的多年调节水库汛末蓄水位随机优化方法。

技术实现思路

1、发明目的：本发明的目的是提供一种多年调节水库汛末蓄水位随机优化方法及系统。

2、技术方案：本发明的一种多年调节水库汛末蓄水位随机优化方法及系统，包括以下步骤：

3、s1：获取梯级水库群的历史径流数据、水库特性曲线以及水库特征参数；

4、s2：基于所述历史径流数据，构建径流边缘分布函数；

5、s3：利用vine copula理论建立多时段径流的联合分布，生成满足时空相关性的随机径流情景序列；

6、s4：以梯级水库群调度周期内总发电量期望值最大，以及多年调节水库汛末蓄能期望值最大为目标函数，构建水库年汛末蓄水位多目标随机优化调度模型；其中，所述汛末蓄能期望值基于电当量原理，由多年调节水库汛末水位换算求得；

7、s5：采用ar-moea多目标进化算法对所述多目标优化调度模型进行迭代求解，获得包含多个调度方案的pareto非劣解集；

8、s6：将年发电量和汛末蓄能作为决策指标，构建smaa-vikor模型，对所述pareto非劣解集进行折中评估，确定最优的汛末蓄水位目标值及各水库对应的逐月调度过程；

9、s7：根据各水库的逐月调度过程，指导梯级水库群的实际蓄水与发电下泄操作。

10、进一步的，步骤s2包括以下步骤：

11、s21：对获取到的梯级水库群历史入库径流数据进行插补处理；

12、s22：选取备选的概率分布函数，分别对各水库、各时段的历史径流数据进行边缘分布拟合；所述备选的概率分布函数包括正态分布、对数正态分布、皮尔逊iii型分布和广义极值分布；

13、s23：采用极大似然估计法计算各备选概率分布函数的参数；

14、s24：采用kolmogorov-smirnov检验或aic/bic信息准则对拟合结果进行优度检验，选取拟合最优的概率分布函数作为对应断面和时段的径流边缘分布模型。

15、进一步的，步骤s3包括以下步骤：

16、s31：将步骤s2得到的径流边缘分布模型转化为[0,1]区间的均匀分布序列；

17、s32：基于时空相关性分析，确定多时段径流变量之间的藤结构，构建c-vine或d-vine结构树；

18、s33：选择备选的二元copula函数族，结合最大似然估计法拟合结构树中节点间的pair-copula函数参数，构建多时段径流联合分布模型；

19、s34：基于构建的联合分布模型，采用蒙特卡洛随机抽样生成满足时空相关性的[0,1]均匀分布随机情景；

20、s35：利用步骤s2中的径流边缘分布模型，对所述均匀分布随机情景进行逆变换，得到实际物理量纲下的随机径流情景序列（见图3）。

21、进一步的，步骤s4中构建的水库年汛末蓄水位多目标随机优化调度模型包括：

22、目标函数1：梯级水库群调度期内总发电量期望值最大，计算公式为：

23、

24、式中，e[⋅]表示期望值；

m为水库总数量；

t为调度周期时段数；

i为径流情景数量；为第

i个径流情景第

m个水库的出力；

p

i为第

i个径流情景发生的概率；

k

m为第

m个水库的出力系数；为第

i个径流情景第

m个水库在时段

t的发电流量；第

i个径流情景第

m个水库在时段

t的发电水头；δ

t为时段长；

25、目标函数2：多年调节水库汛末蓄能期望值最大，计算公式为：

26、

27、式中，为第

i个径流情景下多年调节水库的汛末蓄水位；为多年调节水库的死水位；为多年调节水库的水位-库容关系函数；为多年调节水库非汛期平均电当量系数；

28、约束条件包括：水量平衡约束、水库水位边界约束、水库下泄流量边界约束、电站出力边界约束以及非负变量约束。

29、进一步的，步骤s5包括以下步骤：

30、s51：初始化ar-moea算法参数，包括种群规模、最大迭代次数，并随机生成初始种群，种群中的每个个体代表一种水库调度方案；

31、s52：将随机径流情景序列作为随机优化模型的输入，计算种群中每个个体对应的总发电量期望值和汛末蓄能期望值适应度；

32、s53：依据参考点更新策略，对当前种群进行交叉和变异操作，生成子代种群；

33、s54：将父代与子代种群合并，利用基于自适应参考点的环境选择策略，保留表现优异的非劣个体形成新一代种群；

34、s55：判断是否达到最大迭代次数，若是，则输出当前的pareto非劣解集；否则，返回步骤s52继续迭代；得到pareto前沿中共

j个调度方案（见图4）。

35、进一步的，步骤s6包括以下步骤：

36、s61：提取pareto非劣解集中各个调度方案的年发电量和汛末蓄能指标值，构建决策矩阵；确定随机决策矩阵和随机权重的概率密度函数，分别记为和；

37、s62：在决策空间

x和权重空间

w内采用拉丁超立方体抽样，获得各调度方案属性值和权重值的随机样本，将其代入vikor方法中计算获得各方案的效用函数值；

38、s63：基于所述效用函数值，定义排名函数，定量表述各个调度方案获得相应排序的位次，排名函数的计算公式为：

39、

40、式中，当条件为真时，当条件为假时；

j为当前评估的方案编号；

d为其他调度方案编号；

x为方案属性值的随机表现形式；

w为权重向量；rank(·)的取值范围，表明调度方案

j的排序位次。

41、s64：根据排序函数的计算结果，定义调度方案

j排名为

r时的有利权重空间：

42、

43、s65：将获得的权重空间信息进行整合，计算排序可接受性指标与全局可接受性指标：

44、

45、

46、式中，表征调度方案

j获得指定排序

r的概率；整体描述调度方案

j的可接受性水平；为二级权重，采用重心权重，反映了方案的各个排序可接受性指标对全局可接收性指标的贡献程度；

47、s66：根据全局可接受性指标的大小对所有调度方案进行优选，选取全局可接受性指标最大的调度方案作为折中妥协最优解，将其对应的汛末蓄水位作为最优汛末蓄水位目标值，并提取对应的逐月调度过程（见图5）。

48、基于相同的发明构思，本发明的一种多年调节水库汛末蓄水位随机优化系统，包括以下模块：

49、数据获取模块，用于获取梯级水库群的历史径流数据、水库特性曲线以及水库特征参数；

50、边缘分布拟合模块，用于基于所述历史径流数据，构建径流边缘分布模型；

51、随机情景生成模块，用于利用vine copula理论建立联合分布，生成满足时空相关性的随机径流情景序列；

52、多目标模型构建模块，用于以总发电量期望值和汛末蓄能期望值最大为目标函数，构建水库年汛末蓄水位多目标随机优化调度模型；

53、算法求解模块，用于采用ar-moea算法对模型进行迭代求解，获得pareto非劣解集；

54、多属性决策模块，用于采用smaa-vikor方法对非劣解集进行评估，确定最优的汛末蓄水位目标值及各水库逐月调度过程；

55、调度指导执行模块，用于根据确定的逐月调度过程，输出操作指令以指导实际蓄水与发电下泄。

56、有益效果：与现有技术相比，本发明的显著技术效果为：

57、（1）准确刻画径流时空相关性，提升了调度方案的鲁棒性。本发明突破了传统确定性径流输入的局限，引入vine copula理论构建多时段、多断面的径流联合分布模型。基于此情景进行随机优化，有效降低了水文不确定性对调度的影响，使得出的汛末蓄水位方案在面对未来极端水情时具有更强的适应性和抗风险能力。

58、（2）统筹考虑当前效益与未来蓄能，实现了水资源利用效益的最大化。本发明在构建多目标随机优化调度模型时，不仅考虑了调度期内的总发电量期望值最大，还将多年调节水库的汛末蓄水位转化为汛末蓄能期望值作为独立目标。有效防止了模型为了追求短期发电量而过度耗水，可实现当前发电与未来蓄能的平衡。

59、（3）引入随机多属性决策方法，消除了方案优选的主观盲目性。针对pareto非劣解集的方案选择难题，本发明引入smaa-vikor决策方法。将年发电量和汛末蓄能作为决策指标，筛选出折中妥协的最优解。确保最终确定的汛末蓄水位目标值及逐月调度过程符合工程实际的综合利益诉求。

60、（4）具备良好的工程应用价值。本发明提供的方法和系统逻辑严密、可操作性强，能够直接输出各水库逐月调度过程，不仅为多年调节水库的管理部门制定汛末蓄水计划提供了定量化的科学依据，还能直接指导梯级水库群的实际蓄水与下泄操作，对提升流域水电资源的精细化管理水平具有较高的实用价值。