大规模跨流域水电站群智能调度系统的制作方法
专利名称：大规模跨流域水电站群智能调度系统的制作方法
技术领域：
本发明涉及一种电力调度运行管理系统，特别是一种大规模跨流域水电站群智能 调度系统。
背景技术：
水电站在电网中占有十分重要的地位，例如在福建，水电系统中电站众多、水力联 系复杂，调节性能差，调度任务艰巨，调度过程中既要充分发挥电站及水库的发电、防洪航 运等要求，又要兼顾电网、梯级、电站的利益关系，调度数据变量多、维数多，现有的水电站 群调度系统中提供的算法模型能够容纳的数据维数变量有限，无法满足如此多维变量数据 的计算需求，因此水电调度系统无法增加新电站，梯级拓扑结构不能扩展，无法满足水电不 断投产的需要；而且调度过程以经验方式为主，无法满足大规模水电站群联合调度的要求； 原有的算法模型扩展性差，当需要增加新的算法时，需要重新设计和修改系统。发明内容
本发明的目的在于克服现有技术的不足之处而提供一种能够满足数据计算需求， 扩展算法，增加新电站的大规模跨流域水电站群智能调度系统。
本发明是通过以下途径来实现的大规模跨流域水电站群智能调度系统，包括有智能模型算法模块，其要点在于，智能模 型算法模块采用有向图技术描述梯级电站群拓扑结构，通过图中的结点表示电站，每一条 有向边表示上下游梯级关系；还包括有数据采集装置，其采集各种调度任务数据；比较判断装置，其与数据采集装置连接，根据所得的电站数目进行选通，选择不同的处 理模块，动态规划处理模块、离散动态规划模块以及优化动态规划模块，三者分别与比较判断 装置连接；比较判断装置判断电站数目为1时，数据进入动态规划处理模块进行降维处理，当电 站数目为2-5时，则数据进入离散动态规划模块进行降维处理，当电站数据大于5时，数据 进入优化动态规划模块进行降维处理；人工辅助处理模块，通过人工干预的手段，模块结合调度任务，形成调度指令，输出经 验数据，动态规划处理模块、离散动态规划模块、优化动态规划模块以及人工辅助处理模块均 连接到智能模型算法模块，将降维处理后的数据传送到算法模块中进行最后处理，输出各 种调度数据。
降维包括有图像降维和数据降维，将原有的各个高维的数据变量通过各种优化降 低维数，减少变量。本发明基于有向图技术的描述，通过各种降维的模块对调度任务数据进 行降维处理，这样预处理的数据变量减少、维数大大优化了，满足了算法模型的计算要求。
所述的采用有向图技术描述梯级电站群拓扑结构是指采用深度优先搜索技术对 复杂水电站时空分析进行解析，自动获得整个流域的计算顺序，其结果可以保证计算电站 按照先算上游后算下游，先算支流后算干流的顺序，有效克服了复杂梯级拓扑关系及新增 电站计算顺序设置困难的要求，为跨流域调度水电站群提供了计算基础。
在有向图描述梯级电站的拓扑结构基础上，智能调度系统结合各种降维处理模 块，为梯级联调提供迅速有效的数据支持，同时可以灵活改变梯级拓扑结构，使新投产的水 电站可以随时参与到调节计算中，为系统扩展提供基础支持。同时，本发明采用的智能模型 算法模块不但能够接收计算降维处理数据，还引入了人工辅助处理模块，引进了人工经验， 实现了混合自适应智能模型算法，提高结果的实用性和求解效率。
所述的自适应的含义主要有两方面，一是电站可以灵活添加删除电站，计算时灵 活选择，可选择流域内一部分电站，甚至可以跳过一些电站。系统通过深度优先搜索自动重 新构建梯级水力联系，包括上下游关系、滞时关系等，这是国内以往水调系统不具备的。二 是前面有关降维的描述里提到的，根据不同规模选择不同计算模块，实现了对不同规模的 调度对象进行模型自适应。这两方面均不需要人工干预，因而是自适应的，同时因为将人工 经验继承到了模型选择和上下游关系重构等方面，因而是智能的。
本发明可以进一步具体为优化动态规划模块包括有逐次逼近动态规划模块、增量动态规划模块和逐步优化算法 模块，三者的输入端均连接比较判断装置的发送端，输出端与智能模型算法模块连接。
逐次逼近动态规划模块提供逐次逼近算法，将多维数据转化成一维数据，这是克 服“维数障碍”的一种有效的方法。把带有多个决策变量的问题分解成仅仅带有一个决策 变量的若干个子问题，轮流让一个变量变动而让其它变量都固定在已得到的最优值上，迭 代直至收敛。
增量动态规划模块与离散动态规划模块相似，都是在给定廊道，缩小寻优空间。离 散动态规划模块是根据经验或者简便方法定出一条尽可能接近最优的决策序列，并求得相 应的初始状态序列；在该初始状态序列的上下各变动一个小范围(增量)，形成廊道；在廊道 内用DP求解；反复迭代直至收敛。在迭代过程中，增量可由大变小；也可根据情况只在初 始决策序列的一侧选增量；在各个阶段和上下两侧的增量个数也可以不同，而且增量值的 大小也可以不一样。该方法可以求解一维甚至多维的问题，所得的解也不能够保证在所有 情况下都收敛到真正的总体最优解。计算工作量与初始决策序列的选择关系密切，同样也 可以通过选择不同的初始状态序列和决策序列进行试算。
逐步优化算法模块提供POA算法，POA算法将多阶段决策问题分解成若干个子问 题，子问题之间由系统状态联系，每个子问题仅考虑某个时段的状态及相邻两时段的目标 函数值，逐个时段进行寻优，直到收敛。POA算法的每个子问题的实际上是一个有约束的多 维非线性规划问题。
POA算法需要由一个初始可行解开始，本次研究采用的得到初始可行解的方法分 为两步1)将调度期按照径流量大小分成若干段，首先设定各段的起止水位，在各段时期内 采用等流量调节，并在无法满足单站最小出力要求的时候，自动调整前面设置的水位。2) 一般情况下，前一步可以得到满足大多数约束条件的初始可行解，但是在设定的约束条件 较为苛刻的时候，需要在前面得到的解的基础上，由上游电站到下游电站逐个采用动态规划方法继续寻找满足约束条件的可行解。由于POA算法要逐时段求解大量非线性优化子问 题，求解子问题的算法的好坏，快慢对整个计算过程的时间和结果优劣影响很大。
综上所述，本发明提供了一种大规模跨流域水电站群智能调度系统，基于有向图 技术的描述，通过各种降维的模块对调度任务数据进行降维处理，为梯级联调提供迅速有 效的数据支持，同时可以灵活改变梯级拓扑结构，使新投产的水电站可以随时参与到调节 计算中，为系统扩展提供基础支持。同时，本发明采用的智能模型算法模块不但能够接收计 算降维处理数据，还引入了人工辅助处理模块，引进了人工经验，实现了混合自适应智能模 型算法，提高结果的实用性和求解效率。
图1所示为本发明所述大规模跨流域水电站群智能调度系统的框架结构示意图。
下面结合实施例对本发明做进一步描述。具体实施例
最佳实施例参照附图1，大规模跨流域水电站群智能调度系统，包括有智能模型算法模块，智能模型算法模块采用有向图技术描述梯级电站群拓扑结构，所 述的采用有向图技术描述梯级电站群拓扑结构是指采用深度优先搜索技术对复杂水电站 时空分析进行解析，自动获得整个流域的计算顺序，通过图中的结点表示电站，每一条有向 边表示上下游梯级关系；数据采集装置，其采集各种调度任务数据；比较判断装置，其与数据采集装置连接，根据所得的电站数目进行选通，选择不同的处 理模块，动态规划处理模块、离散动态规划模块以及优化动态规划模块，其中，优化动态规划模 块又包括有逐次逼近动态规划模块、增量动态规划模块和逐步优化算法模块，上述五大模 块的输入端均连接比较判断装置的发送端，输出端与智能模型算法模块连接；其中 逐次逼近动态规划模块提供逐次逼近算法，将多维数据转化成一维数据； 增量动态规划模块与离散动态规划模块相似，都是在给定廊道，缩小寻优空间； 逐步优化算法模块提供POA算法，POA算法将多阶段决策问题分解成若干个子问题， 子问题之间由系统状态联系，每个子问题仅考虑某个时段的状态及相邻两时段的目标函数 值，逐个时段进行寻优，直到收敛；比较判断装置判断电站数目为1时，数据进入动态规划处理模块进行降维处理，当电 站数目为2-5时，则数据进入离散动态规划模块进行降维处理，当电站数据大于5时，数据 分别进入优化动态规划模块的三大处理模块进行数据维、时间维和空间维进行降维处理；人工辅助处理模块，通过人工干预的手段，模块结合调度任务，形成调度指令，输出经 验数据，动态规划处理模块、离散动态规划模块、优化动态规划模块以及人工辅助处理模块均 连接到智能模型算法模块，将降维处理后的数据传送到算法模块中进行最后处理，输出各 种调度数据。
本发明未述部分与现有技术相同。
权利要求
1.大规模跨流域水电站群智能调度系统，包括有智能模型算法模块，其特征在于，智能 模型算法模块采用有向图技术描述梯级电站群拓扑结构，通过图中的结点表示电站，每一 条有向边表示上下游梯级关系；还包括有数据采集装置，其采集各种调度任务数据；比较判断装置，其与数据采集装置连接，根 据所得的电站数目进行选通，选择不同的处理模块对数据进行降维处理，动态规划处理模块、离散动态规划模块以及优化动态规划模块，三者分别与比较判断 装置连接；比较判断装置判断电站数目为1时，数据进入动态规划处理模块进行降维处理， 当电站数目为2-5时，则数据进入离散动态规划模块进行降维处理，当电站数据大于5时， 数据进入优化动态规划模块进行降维处理；人工辅助处理模块，通过人工干预的手段，模块结合调度任务，形成调度指令，输出经 验数据；动态规划处理模块、离散动态规划模块、优化动态规划模块以及人工辅助处理模块 均连接到智能模型算法模块，将降维处理后的数据传送到算法模块中进行最后处理，输出 各种调度数据。
2.根据权利要求1所述的大规模跨流域水电站群智能调度系统，其特征在于，优化动 态规划模块包括有逐次逼近动态规划模块、增量动态规划模块和逐步优化算法模块，三者 的输入端均连接比较判断装置的发送端，输出端与智能模型算法模块连接。
3.根据权利要求1所述的大规模跨流域水电站群智能调度系统，其特征在于，逐次逼 近动态规划模块提供逐次逼近算法，将多维数据转化成一维数据，把带有多个决策变量的 问题分解成仅仅带有一个决策变量的若干个子问题，轮流让一个变量变动而让其它变量都 固定在已得到的最优值上，迭代直至收敛。
4.根据权利要求1所述的大规模跨流域水电站群智能调度系统，其特征在于，逐步优 化算法模块提供POA算法，POA算法将多阶段决策问题分解成若干个子问题，子问题之间由 系统状态联系，每个子问题仅考虑某个时段的状态及相邻两时段的目标函数值，逐个时段 进行寻优，直到收敛。
5.根据权利要求4所述的大规模跨流域水电站群智能调度系统，其特征在于，逐步优 化算法模块获得POA算法初始可行解的方法包括如下步骤将调度期按照径流量大小分 成若干段，首先设定各段的起止水位，在各段时期内采用等流量调节，并在无法满足单站最 小出力要求的时候，自动调整前面设置的水位在设定的约束条件较为苛刻的时候，需要在 前面得到的解的基础上，由上游电站到下游电站逐个采用动态规划方法继续寻找满足约束 条件的可行解。
全文摘要
本发明涉及一种电力调度运行管理系统，特别是一种大规模跨流域水电站群智能调度系统，其基于有向图技术的描述，通过各种降维的模块对调度任务数据进行降维处理，为梯级联调提供迅速有效的数据支持，同时可以灵活改变梯级拓扑结构，使新投产的水电站可以随时参与到调节计算中，为系统扩展提供基础支持。同时，本发明采用的智能模型算法模块不但能够接收计算降维处理数据，还引入了人工辅助处理模块，引进了人工经验，实现了混合自适应智能模型算法，提高结果的实用性和求解效率。
文档编号H02J3/00GK102034159SQ20101059864
公开日2011年4月27日 申请日期2010年12月21日 优先权日2010年12月21日
发明者廖胜利, 张世钦, 程春田, 胡永洪, 黄文英 申请人:大连理工大学, 福建省电力有限公司
技术领域：
本发明涉及一种电力调度运行管理系统，特别是一种大规模跨流域水电站群智能 调度系统。
背景技术：
水电站在电网中占有十分重要的地位，例如在福建，水电系统中电站众多、水力联 系复杂，调节性能差，调度任务艰巨，调度过程中既要充分发挥电站及水库的发电、防洪航 运等要求，又要兼顾电网、梯级、电站的利益关系，调度数据变量多、维数多，现有的水电站 群调度系统中提供的算法模型能够容纳的数据维数变量有限，无法满足如此多维变量数据 的计算需求，因此水电调度系统无法增加新电站，梯级拓扑结构不能扩展，无法满足水电不 断投产的需要；而且调度过程以经验方式为主，无法满足大规模水电站群联合调度的要求； 原有的算法模型扩展性差，当需要增加新的算法时，需要重新设计和修改系统。发明内容
本发明的目的在于克服现有技术的不足之处而提供一种能够满足数据计算需求， 扩展算法，增加新电站的大规模跨流域水电站群智能调度系统。
本发明是通过以下途径来实现的大规模跨流域水电站群智能调度系统，包括有智能模型算法模块，其要点在于，智能模 型算法模块采用有向图技术描述梯级电站群拓扑结构，通过图中的结点表示电站，每一条 有向边表示上下游梯级关系；还包括有数据采集装置，其采集各种调度任务数据；比较判断装置，其与数据采集装置连接，根据所得的电站数目进行选通，选择不同的处 理模块，动态规划处理模块、离散动态规划模块以及优化动态规划模块，三者分别与比较判断 装置连接；比较判断装置判断电站数目为1时，数据进入动态规划处理模块进行降维处理，当电 站数目为2-5时，则数据进入离散动态规划模块进行降维处理，当电站数据大于5时，数据 进入优化动态规划模块进行降维处理；人工辅助处理模块，通过人工干预的手段，模块结合调度任务，形成调度指令，输出经 验数据，动态规划处理模块、离散动态规划模块、优化动态规划模块以及人工辅助处理模块均 连接到智能模型算法模块，将降维处理后的数据传送到算法模块中进行最后处理，输出各 种调度数据。
降维包括有图像降维和数据降维，将原有的各个高维的数据变量通过各种优化降 低维数，减少变量。本发明基于有向图技术的描述，通过各种降维的模块对调度任务数据进 行降维处理，这样预处理的数据变量减少、维数大大优化了，满足了算法模型的计算要求。
所述的采用有向图技术描述梯级电站群拓扑结构是指采用深度优先搜索技术对 复杂水电站时空分析进行解析，自动获得整个流域的计算顺序，其结果可以保证计算电站 按照先算上游后算下游，先算支流后算干流的顺序，有效克服了复杂梯级拓扑关系及新增 电站计算顺序设置困难的要求，为跨流域调度水电站群提供了计算基础。
在有向图描述梯级电站的拓扑结构基础上，智能调度系统结合各种降维处理模 块，为梯级联调提供迅速有效的数据支持，同时可以灵活改变梯级拓扑结构，使新投产的水 电站可以随时参与到调节计算中，为系统扩展提供基础支持。同时，本发明采用的智能模型 算法模块不但能够接收计算降维处理数据，还引入了人工辅助处理模块，引进了人工经验， 实现了混合自适应智能模型算法，提高结果的实用性和求解效率。
所述的自适应的含义主要有两方面，一是电站可以灵活添加删除电站，计算时灵 活选择，可选择流域内一部分电站，甚至可以跳过一些电站。系统通过深度优先搜索自动重 新构建梯级水力联系，包括上下游关系、滞时关系等，这是国内以往水调系统不具备的。二 是前面有关降维的描述里提到的，根据不同规模选择不同计算模块，实现了对不同规模的 调度对象进行模型自适应。这两方面均不需要人工干预，因而是自适应的，同时因为将人工 经验继承到了模型选择和上下游关系重构等方面，因而是智能的。
本发明可以进一步具体为优化动态规划模块包括有逐次逼近动态规划模块、增量动态规划模块和逐步优化算法 模块，三者的输入端均连接比较判断装置的发送端，输出端与智能模型算法模块连接。
逐次逼近动态规划模块提供逐次逼近算法，将多维数据转化成一维数据，这是克 服“维数障碍”的一种有效的方法。把带有多个决策变量的问题分解成仅仅带有一个决策 变量的若干个子问题，轮流让一个变量变动而让其它变量都固定在已得到的最优值上，迭 代直至收敛。
增量动态规划模块与离散动态规划模块相似，都是在给定廊道，缩小寻优空间。离 散动态规划模块是根据经验或者简便方法定出一条尽可能接近最优的决策序列，并求得相 应的初始状态序列；在该初始状态序列的上下各变动一个小范围(增量)，形成廊道；在廊道 内用DP求解；反复迭代直至收敛。在迭代过程中，增量可由大变小；也可根据情况只在初 始决策序列的一侧选增量；在各个阶段和上下两侧的增量个数也可以不同，而且增量值的 大小也可以不一样。该方法可以求解一维甚至多维的问题，所得的解也不能够保证在所有 情况下都收敛到真正的总体最优解。计算工作量与初始决策序列的选择关系密切，同样也 可以通过选择不同的初始状态序列和决策序列进行试算。
逐步优化算法模块提供POA算法，POA算法将多阶段决策问题分解成若干个子问 题，子问题之间由系统状态联系，每个子问题仅考虑某个时段的状态及相邻两时段的目标 函数值，逐个时段进行寻优，直到收敛。POA算法的每个子问题的实际上是一个有约束的多 维非线性规划问题。
POA算法需要由一个初始可行解开始，本次研究采用的得到初始可行解的方法分 为两步1)将调度期按照径流量大小分成若干段，首先设定各段的起止水位，在各段时期内 采用等流量调节，并在无法满足单站最小出力要求的时候，自动调整前面设置的水位。2) 一般情况下，前一步可以得到满足大多数约束条件的初始可行解，但是在设定的约束条件 较为苛刻的时候，需要在前面得到的解的基础上，由上游电站到下游电站逐个采用动态规划方法继续寻找满足约束条件的可行解。由于POA算法要逐时段求解大量非线性优化子问 题，求解子问题的算法的好坏，快慢对整个计算过程的时间和结果优劣影响很大。
综上所述，本发明提供了一种大规模跨流域水电站群智能调度系统，基于有向图 技术的描述，通过各种降维的模块对调度任务数据进行降维处理，为梯级联调提供迅速有 效的数据支持，同时可以灵活改变梯级拓扑结构，使新投产的水电站可以随时参与到调节 计算中，为系统扩展提供基础支持。同时，本发明采用的智能模型算法模块不但能够接收计 算降维处理数据，还引入了人工辅助处理模块，引进了人工经验，实现了混合自适应智能模 型算法，提高结果的实用性和求解效率。
图1所示为本发明所述大规模跨流域水电站群智能调度系统的框架结构示意图。
下面结合实施例对本发明做进一步描述。具体实施例
最佳实施例参照附图1，大规模跨流域水电站群智能调度系统，包括有智能模型算法模块，智能模型算法模块采用有向图技术描述梯级电站群拓扑结构，所 述的采用有向图技术描述梯级电站群拓扑结构是指采用深度优先搜索技术对复杂水电站 时空分析进行解析，自动获得整个流域的计算顺序，通过图中的结点表示电站，每一条有向 边表示上下游梯级关系；数据采集装置，其采集各种调度任务数据；比较判断装置，其与数据采集装置连接，根据所得的电站数目进行选通，选择不同的处 理模块，动态规划处理模块、离散动态规划模块以及优化动态规划模块，其中，优化动态规划模 块又包括有逐次逼近动态规划模块、增量动态规划模块和逐步优化算法模块，上述五大模 块的输入端均连接比较判断装置的发送端，输出端与智能模型算法模块连接；其中 逐次逼近动态规划模块提供逐次逼近算法，将多维数据转化成一维数据； 增量动态规划模块与离散动态规划模块相似，都是在给定廊道，缩小寻优空间； 逐步优化算法模块提供POA算法，POA算法将多阶段决策问题分解成若干个子问题， 子问题之间由系统状态联系，每个子问题仅考虑某个时段的状态及相邻两时段的目标函数 值，逐个时段进行寻优，直到收敛；比较判断装置判断电站数目为1时，数据进入动态规划处理模块进行降维处理，当电 站数目为2-5时，则数据进入离散动态规划模块进行降维处理，当电站数据大于5时，数据 分别进入优化动态规划模块的三大处理模块进行数据维、时间维和空间维进行降维处理；人工辅助处理模块，通过人工干预的手段，模块结合调度任务，形成调度指令，输出经 验数据，动态规划处理模块、离散动态规划模块、优化动态规划模块以及人工辅助处理模块均 连接到智能模型算法模块，将降维处理后的数据传送到算法模块中进行最后处理，输出各 种调度数据。
本发明未述部分与现有技术相同。
权利要求
1.大规模跨流域水电站群智能调度系统，包括有智能模型算法模块，其特征在于，智能 模型算法模块采用有向图技术描述梯级电站群拓扑结构，通过图中的结点表示电站，每一 条有向边表示上下游梯级关系；还包括有数据采集装置，其采集各种调度任务数据；比较判断装置，其与数据采集装置连接，根 据所得的电站数目进行选通，选择不同的处理模块对数据进行降维处理，动态规划处理模块、离散动态规划模块以及优化动态规划模块，三者分别与比较判断 装置连接；比较判断装置判断电站数目为1时，数据进入动态规划处理模块进行降维处理， 当电站数目为2-5时，则数据进入离散动态规划模块进行降维处理，当电站数据大于5时， 数据进入优化动态规划模块进行降维处理；人工辅助处理模块，通过人工干预的手段，模块结合调度任务，形成调度指令，输出经 验数据；动态规划处理模块、离散动态规划模块、优化动态规划模块以及人工辅助处理模块 均连接到智能模型算法模块，将降维处理后的数据传送到算法模块中进行最后处理，输出 各种调度数据。
2.根据权利要求1所述的大规模跨流域水电站群智能调度系统，其特征在于，优化动 态规划模块包括有逐次逼近动态规划模块、增量动态规划模块和逐步优化算法模块，三者 的输入端均连接比较判断装置的发送端，输出端与智能模型算法模块连接。
3.根据权利要求1所述的大规模跨流域水电站群智能调度系统，其特征在于，逐次逼 近动态规划模块提供逐次逼近算法，将多维数据转化成一维数据，把带有多个决策变量的 问题分解成仅仅带有一个决策变量的若干个子问题，轮流让一个变量变动而让其它变量都 固定在已得到的最优值上，迭代直至收敛。
4.根据权利要求1所述的大规模跨流域水电站群智能调度系统，其特征在于，逐步优 化算法模块提供POA算法，POA算法将多阶段决策问题分解成若干个子问题，子问题之间由 系统状态联系，每个子问题仅考虑某个时段的状态及相邻两时段的目标函数值，逐个时段 进行寻优，直到收敛。
5.根据权利要求4所述的大规模跨流域水电站群智能调度系统，其特征在于，逐步优 化算法模块获得POA算法初始可行解的方法包括如下步骤将调度期按照径流量大小分 成若干段，首先设定各段的起止水位，在各段时期内采用等流量调节，并在无法满足单站最 小出力要求的时候，自动调整前面设置的水位在设定的约束条件较为苛刻的时候，需要在 前面得到的解的基础上，由上游电站到下游电站逐个采用动态规划方法继续寻找满足约束 条件的可行解。
全文摘要
本发明涉及一种电力调度运行管理系统，特别是一种大规模跨流域水电站群智能调度系统，其基于有向图技术的描述，通过各种降维的模块对调度任务数据进行降维处理，为梯级联调提供迅速有效的数据支持，同时可以灵活改变梯级拓扑结构，使新投产的水电站可以随时参与到调节计算中，为系统扩展提供基础支持。同时，本发明采用的智能模型算法模块不但能够接收计算降维处理数据，还引入了人工辅助处理模块，引进了人工经验，实现了混合自适应智能模型算法，提高结果的实用性和求解效率。
文档编号H02J3/00GK102034159SQ20101059864
公开日2011年4月27日 申请日期2010年12月21日 优先权日2010年12月21日
发明者廖胜利, 张世钦, 程春田, 胡永洪, 黄文英 申请人:大连理工大学, 福建省电力有限公司
最新回复(0)