CN104123589A - 一种梯级水电站短期优化调度方法 - Google Patents

Abstract

本发明公开了一种梯级水电站短期优化调度方法。本发明提出一种全新的适用于梯级水电短期调度弃能消纳的“平土”算法。本发明采用梯级和厂内两级协调控制的技术：对梯级各个水电站进行计算得到各水库的出库流量和发电水头；再以此为基础，利用混合整数规划，分别确定各个电厂的最优开停机计划；进而采用动态规划按照给定水量使发电量最大的目标对机组群进行负荷优化分配。同时，得到各水电站的发电流量过程之后，又可以将结果反馈给梯级系统，梯级系统以此为约束条件继续重复利用“平土”算法进行迭代计算。本发明可以显著缓解大规模水电系统的弃能矛盾，并能提高厂内机组运行与调度水平。

Description

一种梯级水电站短期优化调度方法

技术领域

本发明属于水文学与运筹学的交叉技术领域，更具体地，涉及一种梯级水电站短期优化调度方法。

背景技术

水电系统短期优化调度可以认为是一个确定性优化问题，求解短期调度问题有传统的数学规划方法和智能算法。智能算法在求解该问题时存在最优解不稳定的不足。目前，尚无利用智能算法成功解决大规模水电系统短期优化的调度问题的实例。因此，当前短期水电调度问题主要应用传统的线性规划或者动态规划等方法求解。然而，利用传统方法求解需要对约束条件进行线性化处理，致使与原问题有所偏差，对于凸规划的问题，多采用分段线性规划的处理以减小误差。然而这些方法在水库群优化调度寻找最优解的过程中，容易过早的陷入局部最优解，导致不能找到理想的最优解。

此外，在厂内机组经济运行中，等微增率和动态规划被广泛用于机组群的负荷分配，但两种方法都未能考虑开、停机的时间耦合约束，应用受到很大限制。国外有报道采用开、停机水量损失来限制频繁开停机运行，但这种水量损失往往难于估算，更为普遍和实用的做法是通过约束开停机持续时间和次数来提高机组运行的安全和稳定性。即便如此，由于问题的离散、非凸和非线性特征，对于规模稍大的水电机组群的联合开停机和负荷优化问题，求解起来也非常困难。

从目前国内外研究的发展趋势看，如何考虑时间和空间约束的耦合，协调控制梯级水电站调度和厂内机组群负荷与开停机优化、并将其纳入到一体化调度和控制体系中，是进一步亟待解决的难题。

从报道情况看，发达国家更为关注梯级水电调度涉及生态、环境、社会的影响，对水电弃能消纳技术的研究鲜有报道。在国内，各大电力、电网公司都相继开展了梯级水电调度高级应用系统的开发，但由于问题复杂、涉及面广，实际上所开发的系统在生产实用上还有相当大差距。从目前研究情况看，无论是国内还是国外，梯级水电和厂内经济运行一般都采用逐级控制的方式，还达到两级一体化协调控制的水平。

发明内容

针对现有技术的以上缺陷或改进需求，本发明以水电弃能消纳为导向，模拟来回推拉平整土地，研究出了一种全新的“平土”算法，为水库水电站群联合优化调度跳出局部最优或者可行化修正提供一条简单、实用且高效的局部修正算法。采用梯级和厂内两级协调控制技术，同时结合混合整数规划和动态规划，克服大规模水电机组群开停机和负荷优化的维数难题，最终获得水电调度梯级和厂内机组经济运行一体化的发电计划。

本发明提供一种梯级水电站短期优化调度方法，其总体思路是：对水电梯级和厂内机组群分为两级协调控制，包括以下步骤：

步骤1根据径流资料以及梯级水电站的参数，建立所述梯级水电站短期优化调度的多目标优化模型；

步骤2求解所述多目标优化模型的最优解，获得多个水库的出库流量和发电水头过程；

步骤3将获得的所述出库流量和所述发电水头过程作为厂内水电机组群的计算边界条件，建立混合整数规划模型，获得所述厂内水电机组群的最优开停机计划；

步骤4采用动态规划按照给定水量发电量最大化的目标对所述厂内水电机组群进行负荷优化分配；

步骤5根据获得的所述厂内水电机组群优化运行结果更新整个水电站的发电流量上下限，反馈给上级系统，梯级水电调度以此为约束条件，再执行所述步骤2，如此反复迭代直到整个梯级水电站的弃水减小到最小和厂内发电效益最大，获得一体化梯级和厂内最优发电计划。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

1、本发明基于成熟的数学规划理论，不同于现有水电调度技术多以经验调度为主，可以应用于实际生产调度中，同时克服了现有的诸多智能算法的调度方案生成的最优解不稳定、只停留在理论层面无法应用到实际调度生产中的问题，具有实用性；

2、本发明提出了一种全新的“平土”算法，为水电站优化调度避免陷入局部最优解陷阱提供了一条全新的途径，为当前水电站实际调度提供理论支撑和技术支撑，提高水电站经济效益；

3、本发明采用梯级与电厂两级调度、电厂内开停机和机组负荷优化的两阶段优化，以及混合整数规划和动态规划的应用，克服了大规模水电调度的维数灾问题。

附图说明

图1为本发明梯级水电站短期优化调度方法的流程图；

图2为本发明梯级水电弃能“平土”消纳示意图；

图3为本发明梯级水库“平土”算法“前推”步骤流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1所示为本发明梯级水电站短期优化调度方法的流程图，其总体思路是：对水电梯级和厂内机组群分为两级协调控制。

步骤1根据径流资料以及梯级水电站的参数，建立梯级电站短期优化调度的数学模型；

步骤2进行梯级水电弃能消纳的计算，获得各水库的出库流量过程和发电水头过程，在本发明实施例中，利用“平土”算法进行梯级水电弃能消纳的计算；

步骤3将所获得的出库流量过程和发电水头过程作为厂内水电机组群的计算边界条件，建立混合整数规划模型，获得机组最优开停机计划；

步骤4采用动态规划按照给定水量发电量最大化的目标对机组群进行负荷优化分配；

步骤5厂内机组群优化运行结果可更新整个水电站的发电流量上下限，反馈给上级系统，梯级水电调度以此为约束条件，再执行步骤2，如此反复迭代，直到整个梯级水电站的弃水减小到最小，从而获得一体化梯级和厂内最优发电计划，即梯级各水电厂蓄放水计划、机组开停机计划及机组出力过程，流程结束。

图2所示为本发明梯级水电弃能“平土”消纳示意图，图2将结合图1进行描述。本发明梯级水电弃能消纳控制可分为“前推”、“后拉”、再“前推”三步进行。前、后向修正时需要同时优化调节多个水库的时段末或初蓄水，目标是以偏离每个优化时段的初始蓄水过程尽可能小的方式使该时段弃水/弃能最小。当考虑水库间的水流滞时情况时，将上、下游水库的调节时段之差设定为水库间水流滞时长，消除了出库流量对下阶段调节的影响。在本发明实施例中，水库结构如图2右侧所示，水库1与水库2为并联的第一级水库，水库3、4依次为串联的第二、三级水库。在本发明实施例中，以由4个串并联水库组成的梯级水电站为例进行说明，但不以此为限。

在上述步骤1中，将调度期内的时间长度分为T个时段，根据调度期弃水最小和迭代量与原始解偏差最小的原则，建立梯级水库短期调度多目标优化模型如下：

$\underset{v,\mathrm{spl},q}{\min }\{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{spl}}_{\mathrm{it}},\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{|v_{\mathrm{it}}-v_{\mathrm{it}}^{\left(0\right)}|}^{\mathrm{\β}}\}---\left(1\right)$

其中,i、t分别表示第i个水库和第t个时间段数，在本发明实施例中，i＝1,2,3，4；N，T分别表示调度期内的水库数量和时段数；spl_it表示第i个水库在第t个时间段的弃水流量；v_it表示第i个水库在时段t初的库容；表示第i个水库在时段t初的库容初始解；表示与库容相关的系数，是水库兴利库容与多年平均来水量之比。

上述多目标优化模型(即公式(1))需满足如下约束条件：

(1)库容约束：

$v_{\mathrm{it}}^{\min }\≤v_{\mathrm{it}}\≤v_{\mathrm{it}}^{\max }$

(2)出库流量限制：

$Q_{\mathrm{it}}^{\min }\≤Q_{\mathrm{it}}\≤Q_{\mathrm{it}}^{\max }$

(3)发电流量限制：

$q_i^{\min }\left(h_{\mathrm{it}}\right)\≤q_{\mathrm{it}}\≤q_i^{\max }\left(h_{\mathrm{it}}\right)$

(4)水量平衡方程：

$v_{i,t+1}=v_{\mathrm{it}}+[\underset{k\∈\mathrm{\Ω}\left(i\right)}{\mathrm{\Σ}}{Q}_{k,t-{\mathrm{\τ}}_k}-Q_{\mathrm{it}}+I_{\mathrm{it}}]\×\mathrm{\Δt}$

其中，v_it表示时段t初水库i的库容，初始库容(为水库i在调度期起始时刻观察到的水库库容)，调度期末目标库容值可以通过来修正(为预先设定的，一般由用户设定，或者通过中长期调度确定)， 分别表示时段t初水库i的库容最大和最小值；Q_it为水库i在时段t内的实际下泄流量，Q_it＝q_it+spl_it，分别表示水库i在时段t内的最小和最大下泄流量值；q_it表示水库i在时段t的发电流量；分别表示水库i在固定水头下最小和最大发电流量，是关于水头的函数；h_it表示水库i在时段t的平均水头；Ω(i)表示与水库i直接相连的水库集合；τ_k表示水库k的水流到达与其直接相连的下一个水库的水流时间；I_it表示水库i在时段t的当地入流量；Δt表示时段t的间隔时长。

在上述步骤2中，采用“平土”算法求解上述多目标优化模型。如图2所示，考虑到水流滞时，在t时段末根据已知条件优化水库4的末库容，在t-τ₃、t-(τ₂+τ₃)、t-(τ₁+τ₃)时段末分别优化水库3、2、1的末库容。

在本发明实施例中，运用“平土”算法的具体步骤为：

(2-1)“前推”过程：固定时段初水位，运用线性规划调整时段末水位，使该时段弃水/弃能最小。图3所示为本发明梯级水库“平土”算法“前推”步骤的流程图，图3将结合图2进行描述。在T＝1...T-1+τ_max时间段分别对梯级各水库1～4进行向前修正，其中此处υ(i)是第i个水库水流到达最后一个水库(即水库4)的流达时间。例如在图2中，υ(1)＝τ₁+τ₃、υ(2)＝τ₂+τ₃、υ(3)＝τ₃、υ(4)＝0、τ_max＝τ₁+τ₃＝υ(1)。在时段t-υ(i)末，水库i的库容可以由初始化。随后需要通过线性规划不断迭代来更新时段t-υ(i)末水库i的库容以期得到时段t-υ(i)末水库i的最优库容 $v_{i,t-\mathrm{\υ}\left(i\right)+1}^{*}.$

用来求解最优库容的线性规划问题可以表达为以下数学模型：

$\min \left\{\underset{i\∈\left\{i\right|\mathrm{\υ}\left(i\right)\≤t\≤T+\mathrm{\υ}\left(i\right)\}}{\mathrm{\Σ}}\right[{\mathrm{spl}}_{i,t-\mathrm{\υ}\left(i\right)}+\mathrm{\α}(x_{i,t-\mathrm{\υ}\left(i\right)+1}^{+}+x_{i,t-\mathrm{\υ}\left(i\right)+1}^{-})\left]\right\}$

其约束条件有：

(5)目标库容的偏差约束和最大最小值约束：

$v_{i,t-\mathrm{\υ}\left(i\right)+1}+(x_{i,t-\mathrm{\υ}\left(i\right)+1}^{-}-x_{i,t-\mathrm{\υ}\left(i\right)+1}^{+})=v_{i,t-\mathrm{\υ}\left(i\right)+1}^{\left(0\right)}$

$v_{i,t-\mathrm{\υ}\left(i\right)+1}^{\min }\≤v_{i,t-\mathrm{\υ}\left(i\right)+1}\≤v_{i,t-\mathrm{\υ}\left(i\right)+1}^{\max }$

(6)出库流量限制：

$Q_{i,t-\mathrm{\υ}\left(i\right)}^{\min }\≤Q_{i,t-\mathrm{\υ}\left(i\right)}\≤Q_{i,t-\mathrm{\υ}\left(i\right)}^{\max }$

(7)发电流量限制：

$q_i^{\min }\left({\hat{h}}_{i,t-\mathrm{\υ}\left(i\right)}\right)\≤q_{i,t-\mathrm{\υ}\left(i\right)}\≤q_i^{\max }\left({\hat{h}}_{i,t-\mathrm{\υ}\left(i\right)}\right)$

(8)水量平衡方程：

$v_{i,t-\mathrm{\υ}\left(i\right)+1}=v_{i,t-\mathrm{\υ}\left(i\right)}+[\underset{k\∈\mathrm{\Ω}\left(i\right)}{\mathrm{\Σ}}{Q}_{k,t-\mathrm{\υ}\left(k\right)}{-Q}_{i,t-\mathrm{\υ}\left(i\right)}+I_{i,t-\mathrm{\υ}\left(i\right)}]\×\mathrm{\Δt}$

其中，时段t满足υ(i)≤t≤T+υ(i)；α为与偏差相关的权重系数，根据水库调节性能取值，范围为0～1.0之间，水库调节性能越大取值越大；和分别是水库i在时段t初与目标库容的正负偏差值，其中目标库容在“前推”过程中为初始迭代库容在后续“回拉”过程中为由“前推”步骤中迭代后得到的时段t-υ(i)初的水库库容可以表示为Δt表示时段t的间隔时长。

在迭代过程中，需要对每一步迭代所得库容值进行收敛性检验。当迭代所得值满足时，即收敛时，将水库i在时段t-υ(i)+1末库容值记为即为时段t-υ(i)末水库i的最优库容；当迭代值不满足时，即不收敛时，以通过线性规划得到的替换初始值继续求解线性规划问题直至收敛，最终得到时段t-υ(i)末水库i的最优库容其中δ为预先设定的正值，可根据经验确定迭代后与迭代初的偏差值。

得到时段t-υ(i)末各水库1～4的库容值之后，时段t-υ(i)的各水库的下泄流量(即出库流量)可以通过上述水量平衡方程(8)求出。再根据公式 ${\hat{h}}_{i,t-\mathrm{\υ}\left(i\right)}=0.5[z_i^{\mathrm{up}}\left(v_{i,t-\mathrm{\υ}\left(i\right)}^{\mathrm{know}}\right)+z_i^{\mathrm{up}}\left({\hat{v}}_{i,t-\mathrm{\υ}\left(i\right)}\right)]-z_i^{\mathrm{dn}}\left({\hat{Q}}_{i,t-\mathrm{\υ}\left(i\right)}\right),$ 便可以求出各水库1～4在时段t-υ(i)的水头其中，分别为水库i在时段t-υ(i)库容对应的上水库水位和尾水位，分别是水库库容和出库流量的函数；时段t-υ(i)的库容为： $v_{i,t-\mathrm{\υ}\left(i\right)}^{\mathrm{know}}=\left\{\begin{array}{ccc}{v}_i^{\mathrm{ini}}& \mathrm{for}& t-\mathrm{\υ}\left(i\right)=0\\ v_{i,t-\mathrm{\υ}\left(i\right)}^{\left(1\right)}& \mathrm{for}& t-\mathrm{\υ}\left(i\right)\≥1\end{array}\right.,$ 式中的可以在时段t-1计算得到。

(2-2)“回拉”过程：固定时段末水位，运用线性规划调整时段初水位，使该时段弃水/弃能最小。与“前推”步骤一样，在时段T-1+τ_max、T-2+τ_max，…，2向后修正。运用线性规划不断迭代更新时段t-υ(i)初的最优库容。最主要的区别在于，“前推”的过程中，在任意时段t，都是已知时段t-υ(i)初的各水库1～4的库容，以优化时段t-υ(i)(υ(i)≤t≤T+υ(i))的库容。而“回拉”的过程则是根据已知的时段t-υ(i)末的库容值，对时段t-υ(i)(υ(i)≤t≤T+υ(i))初的库容进行优化。υ(i)≤t表明水库i在调度期初的初始库容是不会被修正的，水库i在调度期末t≤T+υ(i)的末库容修正为另一处不同就是，步骤(2-1)“前推”时，初始迭代解便是目标库容，而步骤(2-2)“回拉”的目标库容是由步骤(2-1)中迭代得到的同样，步骤(2-3)再“前推”的目标库容是由步骤(2-2)得到的

(2-3)重复“前推”过程：在时段t＝1，…，T+τ_max向前修正。t＝T+υ(i)时段需要修正调度期末的库容值以减少弃水。

经过不断反复的“前推”“后拉”过程，根据所得的最优库容就可以求出各水库调度期内的出库流量和发电水头过程。

在上述步骤3中，根据步骤2所获得的各水库的出库流量和发电水头过程，进行厂内机组群开停机优化：其目标为按优先级别依次最小化弃能和最大化高效率运行区域个数。对第i个水库水电站，机组群开停机最优计划即为求以下混合整数规划模型的最优解：

$\mathrm{UC}\left(i\right):\underset{z_{\mathrm{jt}}}{\min }\left\{\underset{t=0}{\overset{T-1}{\mathrm{\Σ}}}\right[{\mathrm{spl}}_t-\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}\mathrm{\α}\·z_{\mathrm{jt}}^{\left(\exp \right)}\left]\right\}$

其约束条件为：

$\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}{q}_{\mathrm{jt}}+{\mathrm{spl}}_t=Q_{\mathrm{it}}$

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{z}_{\mathrm{jt}}^{\left(k\right)}=1$

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\mathrm{LO}{W}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)}\≤q_{\mathrm{jt}}\≤\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{UP}}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)}$

以及最小开停机持续时间和最多开停机次数限制。

其中，为0-1变量，表示j机组在t时段是否运行在k运行区，运行在k区则为1，否则为0；T为控制期离散时刻数；spl_t为t时段i水库的弃水流量；α为权重系数，根据水库调节性能取值，范围为0～1.0之间，水库调节性能越大取值越大；为0-1变量，表示j机组在t时段是否运行在效率最高运行区，运行在效率最高区则为1，否则为0；M(i)为i水库的机组数；q_jt为j机组在t时段的发电流量；Q_jt为上述梯级“平土”算法确定的第i个水库的出库流量；K为第i个水库水电站的机组总数；和分别表示j机组t时段k运行区的发电流量上、下限。采用混合整数规划求解上述模型，即得到机组群最优开停机计划。得到最优开停机计划以后，根据机组的特性可求得每个水电站发电流量的上下限。

在上述步骤4中，根据步骤3已获得机组群最优开停机计划进行机组群负荷优化：即为在给定水量的前提下进行机组负荷分配使电厂发电量最大化。对某时段t，机组最优负荷分配即为求以下数学模型的最优解：

$\mathrm{DP}(i,t):\underset{q_{\mathrm{jt}}}{\max }\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}{p}_{\mathrm{jt}}\left(q_{\mathrm{jt}}\right)$

其约束条件为：

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\mathrm{LO}{W}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)*}\≤q_{\mathrm{jt}}\≤\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{UP}}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)*}$

$\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}{q}_{\mathrm{jt}}\≤Q_{\mathrm{it}}$

其中，为表示j机组在t时段最优开机计划；p_jt为j机组在t时段的分配负荷。该问题采用动态规划求解，即可获得机组最优负荷分配。

当厂内机组群负荷分配完成之后，整个水电站的发电流量上下限随之更新，此时需要与开停机计划得到的发电流量上下限进行对比，若两次计算结果相同或者相近(精度自拟，例如1m³/s)，则所得的各水电站开停机计划与各机组出力计划即为梯级与厂内一体化最优发电计划；如不满足，则将得到的发电流量上下限约束作为步骤2新的发电流量约束，按照上述步骤重新计算，直至得到最优发电计划为止。如此，便可以得到使得梯级水库弃水最小、厂内发电效益最大的最优调度方案。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种梯级水电站短期优化调度方法，其特征在于，包括以下步骤：

步骤1根据径流资料以及梯级水电站的参数，建立所述梯级水电站短期优化调度的多目标优化模型；

步骤2求解所述多目标优化模型的最优解，获得多个水库的出库流量和发电水头过程；

步骤3将获得的所述出库流量和所述发电水头过程作为厂内水电机组群的计算边界条件，建立混合整数规划模型，获得所述厂内水电机组群的最优开停机计划；

步骤4采用动态规划按照给定水量发电量最大化的目标对所述厂内水电机组群进行负荷优化分配；

步骤5根据获得的所述厂内水电机组群优化运行结果更新整个水电站的发电流量上下限，反馈给上级系统，梯级水电调度以此为约束条件，再执行所述步骤2，如此反复迭代直到整个梯级水电站的弃水减小到最小和厂内发电效益最大，最终获得一体化梯级和厂内最优发电计划。

2.如权利要求1所述的方法，其特征在于，所述步骤1将调度期内的时间长度分为T个时段，根据调度期弃水最小和迭代量与原始解偏差最小的原则，建立所述多目标优化模型如下：

$\underset{v,\mathrm{spl},q}{\min }\{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{spl}}_{\mathrm{it}},\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{|v_{\mathrm{it}}-v_{\mathrm{it}}^{\left(0\right)}|}^{\mathrm{\β}}\}$

其中，i，t分别表示第i个水库和第t个时间段数；N，T分别表示所述调度期内的水库数量和时段数；spl_it表示所述第i个水库在所述第t个时间段的弃水流量；v_it表示所述第i个水库在所述时段t初的库容；表示所述第i个水库在所述时段t初的库容初始解；β表示与库容相关的系数，是水库兴利库容与多年平均来水量之比。

3.如权利要求2所述的方法，其特征在于，所述多目标优化模型需满足以下约束条件：

库容约束： $v_{\mathrm{it}}^{\min }\≤v_{\mathrm{it}}\≤v_{\mathrm{it}}^{\max }$

出库流量限制： $Q_{\mathrm{it}}^{\min }\≤Q_{\mathrm{it}}\≤Q_{\mathrm{it}}^{\max }$

发电流量限制： $q_i^{\min }\left(h_{\mathrm{it}}\right)\≤q_{\mathrm{it}}\≤q_i^{\max }\left(h_{\mathrm{it}}\right)$

水量平衡方程： $v_{i,t+1}=v_{\mathrm{it}}+[\underset{k\∈\mathrm{\Ω}\left(i\right)}{\mathrm{\Σ}}{Q}_{k,t-{\mathrm{\τ}}_k}-Q_{\mathrm{it}}+I_{\mathrm{it}}]\×\mathrm{\Δt}$

其中，ν_it表示时段t初水库i的库容，初始库容为所述水库i在所述调度期起始时间观察到的水库库容；分别表示所述时段t初水库i的库容最大和最小值；Q_it为所述水库i在所述时段t内的实际下泄流量，Q_it＝q_it+spl_it，分别表示所述水库i在所述时段t内的最小和最大下泄流量值；q_it表示所述水库i在所述时段t的发电流量；分别表示所述水库i在固定水头下最小和最大发电流量，是关于水头的函数；h_it表示所述水库i在所述时段t的平均水头；Ω(i)表示与所述水库i直接相连的水库集合；τ_k表示水库k的水流到达与其直接相连的下一个水库的水流时间；I_it表示所述水库i在所述时段t的当地入流量；Δt表示时段t的间隔时长。

4.如权利要求1所述的方法，其特征在于，所述步骤2中利用“平土”算法求解所述多目标优化模型的最优解，其中，所述“平土”算法具体包括以下子步骤：

(2-1)“前推”过程，在T＝1,...,T-1+τ_max各时间段分别对梯级水库进行向前修正，其中υ(i)是第i个水库水流到达最后一个水库的流达时间，时段t-υ(i)末水库i的库容由初始化，然后通过迭代不断更新t-υ(i)时段末水库i的库容，当迭代所得值满足时，则将得到最优库容其中δ为预先设定的正值，可根据经验确定迭代后与迭代初的偏差值δ。求解最优库容的线性规划问题表达为以下数学模型：

$\min \left\{\underset{i\∈\left\{i\right|\mathrm{\υ}\left(i\right)\≤t\≤T+\mathrm{\υ}\left(i\right)\}}{\mathrm{\Σ}}\right[{\mathrm{spl}}_{i,t-\mathrm{\υ}\left(i\right)}+\mathrm{\α}(x_{i,t-\mathrm{\υ}\left(i\right)+1}^{+}+x_{i,t-\mathrm{\υ}\left(i\right)+1}^{-})\left]\right\}$

其中，时段t-υ(i)的水库初库容表示为：时段t满足υ(i)≤t≤T+υ(i)；α为与偏差相关的权重系数，根据水库调节性能取值，范围为0～1.0之间，水库调节性能越大取值越大；和是水库i在时段t初与目标库容的正负偏差值；

得到t-υ(i)时段末水库的库容值之后，时段t-υ(i)的各水库的下泄流量通过水量平衡方程求出，再根据公式 ${\hat{h}}_{i,t-\mathrm{\υ}\left(i\right)}=0.5[z_i^{\mathrm{up}}\left(v_{i,t-\mathrm{\υ}\left(i\right)}^{\mathrm{know}}\right)+z_i^{\mathrm{up}}\left({\hat{v}}_{i,t-\mathrm{\υ}\left(i\right)}\right)]-z_i^{\mathrm{dn}}\left({\hat{Q}}_{i,t-\mathrm{\υ}\left(i\right)}\right),$ 求出水库在时段t-υ(i)的水头其中，时段t-υ(i)的库容为：式中的在时段t-1计算得到；

(2-2)“回拉”过程，在各时段T+τ_max、T-1+τ_max，…，2向后修正，根据已知的时段t-υ(i)末的库容值，对时段t-υ(i)初的库容进行优化，其中υ(i)≤t≤T+υ(i)；

(2-3)重复所述步骤(2-1)的“前推”过程，在各时段t＝0，1，…，T-1+τ_max向前修正，在t＝T+υ(i)时段需要修正所述调度期末的库容值以减少弃水。

5.如权利要求4所述的方法，其特征在于，所述步骤(2-1)中求解所述最优库容的约束条件为：

目标库容的偏差约束和最大最小值约束：

$v_{i,t-\mathrm{\υ}\left(i\right)+1}+(x_{i,t-\mathrm{\υ}\left(i\right)+1}^{-}-x_{i,t-\mathrm{\υ}\left(i\right)+1}^{+})=v_{i,t-\mathrm{\υ}\left(i\right)+1}^{\left(0\right)}$

$v_{i,t-\mathrm{\υ}\left(i\right)+1}^{\min }\≤v_{i,t-\mathrm{\υ}\left(i\right)+1}\≤v_{i,t-\mathrm{\υ}\left(i\right)+1}^{\max }$

出库流量限制： $Q_{i,t-\mathrm{\υ}\left(i\right)}^{\min }\≤Q_{i,t-\mathrm{\υ}\left(i\right)}\≤Q_{i,t-\mathrm{\υ}\left(i\right)}^{\max }$

发电流量限制： $q_i^{\min }\left({\hat{h}}_{i,t-\mathrm{\υ}\left(i\right)}\right)\≤q_{i,t-\mathrm{\υ}\left(i\right)}\≤q_i^{\max }\left({\hat{h}}_{i,t-\mathrm{\υ}\left(i\right)}\right)$

水量平衡方程： $v_{i,t-\mathrm{\υ}\left(i\right)+1}=v_{i,t-\mathrm{\υ}\left(i\right)}+[\underset{k\∈\mathrm{\Ω}\left(i\right)}{\mathrm{\Σ}}{Q}_{k,t-\mathrm{\υ}\left(k\right)}{-Q}_{i,t-\mathrm{\υ}\left(i\right)}+I_{i,t-\mathrm{\υ}\left(i\right)}]\×\mathrm{\Δt}$

其中，Δt表示时段t的间隔时长。

6.如权利要求1所述的方法，其特征在于，所述步骤3中所述厂内水电机组群的最优开停机计划即为求以下数学模型的最优解：

$\mathrm{UC}\left(i\right):\underset{z_{\mathrm{jt}}}{\min }\left\{\underset{t=0}{\overset{T-1}{\mathrm{\Σ}}}\right[{\mathrm{spl}}_t-\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}\mathrm{\α}\·z_{\mathrm{jt}}^{\left(\exp \right)}\left]\right\}$

其约束条件为：

$\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}{q}_{\mathrm{jt}}+{\mathrm{spl}}_t=Q_{\mathrm{it}}$

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{z}_{\mathrm{jt}}^{\left(k\right)}=1$

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\mathrm{LO}{W}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)}\≤q_{\mathrm{jt}}\≤\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{UP}}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)}$

以及最小开停机持续时间和最多开停机次数限制，

其中，为0-1变量，表示j机组在t时段是否运行在k运行区，运行在k区则为1否则为0；T为控制期离散时刻数；spl_t为所述t时段i水库的弃水流量；α为权重系数，根据水库调节性能取值，范围为0～1.0之间，水库调节性能越大取值越大；为0-1变量，表示j机组在所述t时段是否运行在效率最高运行区，运行在效率最高区则为1，否则为0；M(i)为i水库的机组数；q_jt为j机组在所述t时段的发电流量；Q_jt为第i个水库的出库流量；K为第i个水库水电站的机组总数；和分别表示j机组在t时段k运行区的发电流量上、下限。

7.如权利要求1或6所述的方法，其特征在于，所述步骤4对所述厂内水电机组群进行负荷优化即为求以下数学模型的最优解：

$\mathrm{DP}(i,t):\underset{q_{\mathrm{jt}}}{\max }\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}{p}_{\mathrm{jt}}\left(q_{\mathrm{jt}}\right)$

其约束条件为：

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\mathrm{LO}{W}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)*}\≤q_{\mathrm{jt}}\≤\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{UP}}_{\mathrm{jt}}^{\left(k\right)}\·z_{\mathrm{jt}}^{\left(k\right)*}$

$\underset{j=1}{\overset{M\left(i\right)}{\mathrm{\Σ}}}{q}_{\mathrm{jt}}\≤Q_{\mathrm{it}}$

其中，为表示j机组在t时段最优开机计划；p_jt为j机组在t时段的分配负荷。