CN108388954B - 一种基于随机安全域的梯级水电鲁棒优化调度方法 - Google Patents

Abstract

本发明涉及一种基于随机安全域的梯级水电鲁棒优化调度方法，包括以下步骤：1)根据中长期梯级水电来水的不确定性及其时序相关性建立随机安全域，即考虑来水时序相关性的多波段不确定集合；2)根据多波段不确定集合构建经济性和安全性协调的鲁棒两阶段模型；3)求解鲁棒两阶段模型中第一阶段的跨年梯级水电预调度模型，得到水电站的预调度方案和预测场景下的水库库容；4)将鲁棒两阶段模型中第二阶段的再调度模型转化为max‑min的数学优化问题，并对预调度方案的鲁棒可行性进行判定，通过反馈修正协调优化最终获得具有鲁棒性的调度方案。与现有技术相比，本发明具有精确可靠、考虑来水时序相关性、鲁棒性和经济性相协调等优点。

Description

一种基于随机安全域的梯级水电鲁棒优化调度方法

技术领域

本发明涉及梯级水电调度领域，尤其是涉及一种基于随机安全域的梯级水电鲁棒优化调度方法。

背景技术

跨年梯级水电优化调度的主要任务是以两年为调度周期，月为调度时段，结合两年所有可能来水情况，在满足各种约束条件下通过优化水力发电和水库调度计划。相对于短期优化调度，跨年的梯级水电调度周期更长，可优化空间更大，一直以来都是研究的热点问题。

受自然因素的影响，跨年水电调度周期内水库来水是随机变化的，为此假定来水为固定值的确定性调度方法适用性有限，而考虑来水不确定性的随机优化调度方法更具实用性。现有方法中大多根据假定的概率分布函数或者多场景技术来模拟来水的不确定性。然而中长期来水的概率分布函数通常都是难以获得的，此外为了保证调度方案的可靠性需要考虑大量场景，计算效率偏低，实际应用效果受限。当难以获得不确定参数的概率分布函数时，鲁棒优化法提供了更加可靠的调度策略。不同于随机规划法，鲁棒优化通过不确定集来描述不确定性，即将不确定因素的所有可能的实现情况划定在集合中。鲁棒优化理论目前已初步应用于随机优化问题的求解。然而现有文献中鲁棒优化理论多用于处理风电的不确定性，针对梯级水电来水不确定性的应用较少涉及。梯级水电之间的水电耦合关系会进一步增加鲁棒优化理论应用的难度。

鲁棒优化是通过应对不确定集中的最恶劣情况，来保证所有可能情况的可行性。当不确定集仅用一个波段描述时，其最恶劣情况为所有参数均处于最极端的情况，然而由于不确定参数之间的内在联系，所有参数同时处于极端情况的发生概率极小甚至不存在，考虑到梯级水电站水库来水是连续，非平稳的随机过程，表现出或强或弱的时序相关性，直接采用传统的不确定集构建方法会导致不确定集的不准确性。

因此，急需一种新的梯级水电鲁棒调度方法，更加准确和严谨的描述水库来水的内在特性和时序相关性，以获取安全性和经济性相协调的鲁棒调度方案。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于随机安全域的梯级水电鲁棒优化调度方法。

本发明的目的可以通过以下技术方案来实现：

一种基于随机安全域的梯级水电鲁棒优化调度方法，包括以下步骤：

1)根据中长期梯级水电来水的不确定性及其时序相关性建立随机安全域，即考虑来水时序相关性的多波段不确定集合；

2)根据多波段不确定集合构建经济性和安全性协调的鲁棒两阶段模型；

3)求解鲁棒两阶段模型中第一阶段的跨年梯级水电预调度模型，得到水电站的预调度方案和预测场景下的水库库容；

4)将鲁棒两阶段模型中第二阶段的再调度模型转化为max-min的数学优化问题，并对预调度方案的鲁棒可行性进行判定，通过反馈修正协调优化最终获得具有鲁棒性的调度方案。

所述的步骤1)具体包括以下步骤：

11)根据中长期梯级水电来水的随机特性，建立来水不确定集，并将来水不确定集划分为B段，得到来水多波段不确定集；

12)基于来水的时序分布特性以及流域相关性，建立来水时序相关性约束；

13)获取考虑来水时序相关性的多波段不确定集合R_f，即：

式中：h为水电站编号，t为时段编号，b为波段编号，b∈[1,B]，B为波段总数。R_h,t为水电站h在时段t的预测均值，

分别为水电站h在时段t来水不确定第b波段子集正负偏离端点值，

均为二进制变量，

取值为1时为不确定变量落入第b正偏离波段，取值为0为未落入波段，

取值为1时为不确定变量落入第b负偏离波段，取值为0为未落入波段，

为水电站h在时段t的来水不确定值，π^b为第b波段的比重系数，即来水落入第b波段的占比，其比重系数之和为1，Δ_H1为不确定预算，表示所有

求和的上限，取值范围为[0,NT*NH]，其中NT为调度时段数，NH为水电站数，

为向上取整，

为比重系数，Δ_H2为不确定预算。

所述的步骤2)中，鲁棒两阶段模型的第一阶段为跨年梯级水电预调度模型，其表达式为：

p_h,j,t＝A_h,jq_h,j,tH_h,t

其中，f为调度周期内梯级水电系统的总发电效益，NH为水电站总数，T为一年的时段总数，J_h为水电站h中的机组总数目，ζ_h,t为水电站h在t时段的市场电价，p_h,j,t为水电站h机组j在t时段的发电功率，Δt为时间尺度，A_h,j为水电站h机组j的出力系数，q_h,j,t为水电站h机组j在t时段的发电流量，H_h,t为水电站h时段t的平均水头。

所述的跨年梯级水电预调度模型的约束条件包括：

1、水量平衡约束：

其中，v_h,t为水电站h在t时段的库容，v_h,t-1为水电站h在t-1时段的库容，q_h,t为水电站h在t时段的发电流量，s_h,t为水电站h在t时段的弃水流量，R_h,t为水电站h在t时段的来水的预测值，m为水电站编号，U^h为水电站h的上游水电站集合，q_m,t和s_m,t分别为上游电站的发电流量和弃水流量，Δt′为时段t所包含的秒数；

2、库容约束：

其中，

为水电站h的库容最小值和最大值；

3、弃水约束：

其中，

分别为水电站h弃水流量的最小值和最大值；

4、发电流量约束：

其中，

分别为水电站h发电流量的最小值和最大值；

5、机组出力约束：

其中，

为水电站h中机组j的出力最小值和最大值；

6、初始期末库容约束：

v_h,0＝v_h,ini

v_h,2T＝v_h,term

其中，v_h,ini为水电站h第一年年初库容，v_h,term为水电站h第二年年末库容，v_h,0为水电站h期初库容，v_h,2T为水电站h期末库容。

所述的步骤3)中具体包括以下步骤：

设定来水为预测值，采用混合整数线性规划法求解跨年梯级水电预调度模型，获取水电站的预调度方案以及在预测场景下的水库库容

所述的步骤4)中，第二阶段再调度模型的表达式为：

其中，z为博弈均衡值，λ_1,h,t、λ_2,h,t、λ_3,h,t、λ_4,h,t、λ_5,h,t、λ_6,h,t为相应约束条件中引入的松弛变量。

所述的第二阶段再调度模型的约束条件包括：

v_h,0＝v_h,ini

v_h,2T＝v_h,term

其中，

为不确定来水下的库容，

分别为t时段水库调节的上下限值，

为预测场景下的水库库容，m表示水电站h的上游水电站编号，q_m,t和s_m,t分别为上游电站的发电流量和弃水流量。

所述的步骤4)中，将max-min的数学优化问题转换为max问题，并采用混合整数二次线性规划法求解，若博弈均衡值z≤ε，ε为取值为0.001，则判定预调度方案能够满足所有可能来水情景下的安全运行约束，若博弈均衡值z＞ε，则返回预调度模型中修正预调度方案，通过迭代直至满足收敛条件。

所述的返回预调度模型中修正预调度方案，按照下式进行：

其中，u为再调度模型的对偶变量，z为博弈均衡值，x为预调度变量，

为预调度中传递到下层的变量，即预测场景下的水库库容

本梯级水电鲁棒优化调度方法的调度周期为2年。

与现有技术相比，本发明具有以下优点：

一、精确可靠：本发明公开的方法通过多波段不确定集能够精确可靠地描述中长期梯级水电来水特性。

二、考虑来水时序相关性：本发明公开的方法对来水的时序相关性和流域相关性进行了建模，这使得模型更加符合实际。

三、鲁棒性和经济性相协调：本发明公开的方法保证了两年内所有可能来水场景都能满足安全经济运行的需求，建立了两阶段的鲁棒调度模型，第一阶段为跨年梯级水电预调度模型，第二阶段为安全校核的再调度模型，两阶段通过反馈修正协调优化最终获得具有鲁棒性的调度方案。

附图说明

图1为水电站预测信息，其中，图(1a)为1#水电站的预测信息，图(1b)为2#水电站的预测信息。

图2为两种模型的发电效益与不确定预算关系曲线图。

图3两种模型的跨年水库调度计划。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

本发明提出了一种基于随机安全域的梯级水电鲁棒优化调度方法，本发明首先建立了来水多波段不确定集约束，以往的模型中，针对中长期梯级水电来水的不确定性，大多根据假定的概率分布函数或者多场景技术来模拟来水的不确定性。然而中长期来水的概率分布函数通常都是难以获得的，此外为了保证调度方案的可靠性需要考虑大量场景，计算效率偏低，实际应用效果受限。故提出了多波段不确定集描述来水的随机特性和时序相关性。

接着，构建安全性和经济性协调的鲁棒两阶段模型，具体步骤如下：

步骤1：以跨年整体效益最大化为目标构建预调度模型；

步骤2：在预调度中假定来水为预测值，进而利用混合整数线性规划法求解模型，得到水电站的预调度方案以及预测场景下的水库库容

步骤3：结合来水多波段不确定集构建安全校核的再调度max-min模型。

步骤4：基于对偶理论将max-min模型转化为max问题；

步骤5：利用混合整数二次线性规划法求解上述模型得到博弈均衡值z。若z≤ε(ε为一个很小的正数)则预调度方案能够满足所有可能来水情景下的安全运行约束，否则，将返回修正约束到预调度模型中修正预调度方案，通过迭代直至满足收敛条件，得到相应的调度方案；

实施例1：

本发明提出一种基于随机安全域的梯级水电鲁棒优化调度方法，包括以下步骤：

1)针对来水随机性，采用多波段不确定集描述来水的不确定性和时序相关性，针对中长期梯级水电来水的随机特性和时序相关性建立来水多波段不确定集，具体表达式如下：

式中：h为水电站编号，t为时段编号，b为波段编号，b∈[1,B]，B为波段总数。R_h,t为水电站h在时段t的预测均值。

分别表示水电站h在时段t来水不确定第b波段子集正负偏离端点值，

为二进制变量，取值为1时表示不确定变量落入第b正/负偏离波段。

为水电站h在时段t的来水不确定值。π^b为第b波段的比重系数，即来水落入第b波段的占比，比重系数之和为1；Δ_H1为不确定预算，表示所有

求和的上限，取值范围为[0,NT*NH]，其中NT表示调度时段数，NH为水电站数。第三式表示水电站在所有时段上的总的偏离程度是有一定范围的，被π^b和不确定预算Δ_H1所限制。

表示向上取整，

取值越大，表示来水偏离其预测值的场景越多。第四式表示在波段b上，整个调度周期内水电站h的偏离程度。由于来水具有时序相关性，同时在整个调度周期内偏离程度是在一定范围内的，为此引入波段的比重系数

和不确定预算Δ_H2来具体描述来水时序相关性对模型带来的影响；

2)以梯级水电的整体效益最大化为目标建立梯级水电跨年预调度模型，结合来水的预测信息利用混合整数二次规划法进行求解，得到相应预调度方案和预测场景下的水库库容，跨年梯级水电预调度模型是以梯级水电的整体发电效益最大化为目标：

其中，f为调度周期内梯级水电系统的总发电效益；NH为水电站总数；T为一年的时段总数；J_h为水电站h中的机组总数目；ζ_h,t为水电站h在t时段的市场电价，由于我国目前是垂直一体化的电力体制，上网电价通常由政府制定，这里按照标杆电价给定，这里暂不考虑电价的随机变化。p_h,j,t为水电站h机组j在t时段的发电功率；Δt为时间尺度，本文以月为调度时段，因此Δt为各月所包含的小时数；p_h,j,t为水电站h机组j在t时段的发电功率。

约束条件包括：

水头约束

p_h,j,t＝A_h,jq_h,j,tH_h,t

其中A_h,j为水电站h机组j的出力系数，q_h,j,t为水电站h机组j在t时段的发电流量；H_h,t为水电站h时段t的平均水头。上式为机组出力和发电流量、水头之间的非线性约束条件。

水量平衡约束

式中：v_h,t表示水电站h在t时段的库容；q_h,t为水电站h在t时段的发电流量；s_h,t为水电站h在t时段的弃水流量；R_h,t为水电站h在t时段的来水的预测值；m为水电站编号；U^h为水电站h的上游水电站集合；q_m,t和s_m,t分别为上游电站的发电流量和弃水流量；Δt′为时段t所包含的秒数。

库容约束

式中：

为水电站h的库容最小、最大值。

弃水约束

式中：

分别为水电站h弃水流量的最小、最大值。

发电流量约束

式中：

分别为水电站h发电流量的最小、最大值。

机组出力约束

式中：

为水电站h中机组j的出力最小、最大值。

初始期末库容约束

v_h,0＝v_h,ini

v_h,2T＝v_h,term

式中：v_h,ini为水电站h第一年年初库容，v_h,term为水电站h第二年年末库容，水库的期末库容通常由更长期的优化调度所决定；

3)构建相应的安全校核的再调度max-min模型，基于对偶理论将其转化为max问题进行求解，max-min的数学优化问题，即：

式中：z表示博弈均衡值；λ_1,h,t、λ_2,h,t、λ_3,h,t、λ_4,h,t、λ_5,h,t、λ_6,h,t为相应约束条件中引入的松弛变量，具体如下：

再调度过程约束条件：

v_h,0＝v_h,ini u_10,h

v_h,2T＝v_h,term u_11,h,t

式中：

为不确定来水下的库容。

分别为t时段水库调节的上下限值。u_1,h,t、u_2,h,t、u_3,h,t、u_4,h,t、u_5,h,t、u_6,h,t、u_7,h,t、u_8,h,t、u_9,h,t、u_10,h、u_11,h,t为约束对应式的对偶变量。

结合多波段来水不确定集构成了跨年梯级水电再调度博弈模型。

运用对偶原理，将再调度max-min模型转换为max模型，具体如下：

-u_1,h,t+u_2,h,t+u_3,h,t+u_4,h,t-u_5,h,t≤0(t＝1)

-u_1,h,t+u_2,h,t-u_3,h,t-1+u_3,h,t+u_4,h,t-u_5,h,t≤0(1<t<2T)

-u_1,h,t+u_2,h,t-u_3,h,t-1+u_3,h,t+u_4,h,t-u_5,h,t+u_11,h,t≤0(t＝2T)

u_10,h-u_3,h,t≤0(t＝1)

u_1,h,t≥-1

u_2,h,t≥-1

-1≤u_3,h,t≤1

u_4,h,t≥-1

u_5h,t≥-1

其中u_1,h,t、u_2,h,t、u_4,h,t、u_5,h,t、u_6,h,t、u_7,h,t、u_8,h,t、u_9,h,t≤0，u_3,h,t、u_10,h、u_11,h,t无符号限制，

为0/1整数变量；

4)对预调度方案的鲁棒可行性进行了判定；针对不可行的情况，反馈鲁棒可行割集，对预调度决策进行校正，通过迭代获得能够适应不确定集中所有取值的安全经济调度方案，具体为：

利用混合整数二次线性规划法求解上述模型得到目标函数z。若z≤ε(ε为一个很小的正数)则预调度方案能够满足所有可能来水情景下的安全运行约束，否则，将下式返回到预调度模型中修正预调度方案，通过迭代直至满足收敛条件。

式中，

为预调度中传递到下层的变量，这里为预测场景下的水库库容

实施例1

下面具体结合一个包含2个水电站梯级水电系统进行详细分析。为了验证本发明的合理性和有效性与场景法进行对比，来水的预测信息如图1所示，两种模型对应优化结果比较情况如表1所示。从表中可以看出，场景数20和场景数100时的发电效益略大于鲁棒调度策略，这是因为鲁棒优化调度模型考虑了未来一切可能来水情况，保证最差来水情况下最大化水电站发电效益，因此其他场景下来水的发电效益不会小于这一最差情况下的发电效益。当场景数为500时，由于比较充分考虑来水的不确定性，所以场景法和鲁棒优化法得到的发电效益较为接近。但是随着考虑场景数的增大，场景法的求解计算时间明显增大，达到了分钟级别，而鲁棒优化调度求解时间仅为17秒。因此在准确表征来水不确定性的基础上，鲁棒优化调度方法的求解效率更高。

表1两种模型对应优化结果比较情况

为了验证鲁棒调度法和场景法处理不确定性的能力，将随机生成的10000组来水数据代入到相应模型中，观察这些场景的约束条件越限的情况，并进行统计，如表1所示。从表中可以看出，场景法均有一定程度的越限，而鲁棒优化调度的约束越限概率为0，这说明优化所得的调度方案可以应对第2年所有可能来水情况，具有鲁棒性。

实施例2：

为了进一步分析本发明的适用性，下面具体结合一个我国南方地区某大型梯级水电系统中进行仿真分析。该系统包含10个水电站。首先考虑来水的不确定波动波段为其预测值的10％，则传统的单波段不确定集为[1-10％,1+10％]。多波段的不确定集是以2％为间隔，将整个波段均分为5段，各波段对应比重系数分别为0.25，0.25，0.25，0.125，0.125。两种跨年梯级水电鲁棒调度模型的发电效益与不同预算约束值的曲线关系如图2所示。

从图2中可以看出，随着不确定预算值的增大，两种调度模型的发电效益都是呈现单调递减的趋势，为此通过改变不确定预算可以调整鲁棒调度模型的经济性。此外，相比较于单波段模型，所建立的多波段模型的发电效益对不确定预算的数值大小变化更加敏感，并且在不确定预算取值小于28之前多波段跨年梯级水电模型的发电效益均比单波段模型高，这表明多波段模型有效改善了跨年梯级水电鲁棒调度决策的保守性。

为了分析来水时序相关性约束对调度方案的影响，分别采用两种调度模型进行仿真分析。模型1考虑了来水时间相关性约束，模型2不考虑相关性约束，其他约束条件均相同。两种调度模型下水电站#6的跨年水库调度方案如图3所示。从图3中可以看出，两种调度模型所得到的水库库容调度方案变化趋势大致相同，因此跨年梯级水电多波段鲁棒调度模型具有实用性。然而考虑相关性约束的模型在枯水期水库库容明显大于不考虑相关性约束的模型，因此考虑相关性约束的模型更加细致表达了来水的季节性，得到了优化效果更好的调度方案。

Claims (9)

1.一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，包括以下步骤：

1)根据中长期梯级水电来水的不确定性及其时序相关性建立随机安全域，即考虑来水时序相关性的多波段不确定集合，具体包括以下步骤：

11)根据中长期梯级水电来水的随机特性，建立来水不确定集，并将来水不确定集划分为B段，得到来水多波段不确定集；

12)基于来水的时序分布特性以及流域相关性，建立来水时序相关性约束；

13)获取考虑来水时序相关性的多波段不确定集合R_f，即：

式中：h为水电站编号，t为时段编号，b为波段编号，b∈[1,B]，B为波段总数，R_h,t为水电站h在时段t的预测均值，

分别为水电站h在时段t来水不确定第b波段子集正负偏离端点值，

均为二进制变量，

取值为1时为不确定变量落入第b正偏离波段，取值为0为未落入波段，

取值为1时为不确定变量落入第b负偏离波段，取值为0为未落入波段，

为水电站h在时段t的来水不确定值，π^b为第b波段的比重系数，即来水落入第b波段的占比，其比重系数之和为1，Δ_H1为不确定预算，表示所有

求和的上限，取值范围为[0,NT*NH]，其中NT为调度时段数，NH为水电站数，

为向上取整，

为比重系数，Δ_H2为不确定预算；

2)根据多波段不确定集合构建经济性和安全性协调的鲁棒两阶段模型；

3)求解鲁棒两阶段模型中第一阶段的跨年梯级水电预调度模型，得到水电站的预调度方案和预测场景下的水库库容；

4)将鲁棒两阶段模型中第二阶段的再调度模型转化为max-min的数学优化问题，并对预调度方案的鲁棒可行性进行判定，通过反馈修正协调优化最终获得具有鲁棒性的调度方案。

2.根据权利要求1所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，所述的步骤2)中，鲁棒两阶段模型的第一阶段为跨年梯级水电预调度模型，其表达式为：

p_h,j,t＝A_h,jq_h,j,tH_h,t

其中，f为调度周期内梯级水电系统的总发电效益，NH为水电站总数，T为一年的时段总数，J_h为水电站h中的机组总数目，ζ_h,t为水电站h在t时段的市场电价，p_h,j,t为水电站h机组j在t时段的发电功率，Δt为时间尺度，A_h,j为水电站h机组j的出力系数，q_h,j,t为水电站h机组j在t时段的发电流量，H_h,t为水电站h时段t的平均水头。

3.根据权利要求2所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，所述的跨年梯级水电预调度模型的约束条件包括：

1、水量平衡约束：

其中，v_h,t为水电站h在t时段的库容，v_h,t-1为水电站h在t-1时段的库容，q_h,t为水电站h在t时段的发电流量，s_h,t为水电站h在t时段的弃水流量，R_h,t为水电站h在t时段的来水的预测值，m为水电站编号，U^h为水电站h的上游水电站集合，q_m,t和s_m,t分别为上游电站的发电流量和弃水流量，Δt′为时段t所包含的秒数；

2、库容约束：

其中，

为水电站h的库容最小值和最大值；

3、弃水约束：

其中，

分别为水电站h弃水流量的最小值和最大值；

4、发电流量约束：

其中，

分别为水电站h发电流量的最小值和最大值；

5、机组出力约束：

其中，

为水电站h中机组j的出力最小值和最大值；

6、初始期末库容约束：

v_h,0＝v_h,ini

v_h,2T＝v_h,term

其中，v_h,ini为水电站h第一年年初库容，v_h,term为水电站h第二年年末库容，v_h,0为水电站h期初库容，v_h,2T为水电站h期末库容。

4.根据权利要求1所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，所述的步骤3)中具体包括以下步骤：

设定来水为预测值，采用混合整数线性规划法求解跨年梯级水电预调度模型，获取水电站的预调度方案以及在预测场景下的水库库容

5.根据权利要求3所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，所述的步骤4)中，第二阶段再调度模型的表达式为：

其中，z为博弈均衡值，λ_1,h,t、λ_2,h,t、λ_3,h,t、λ_4,h,t、λ_5,h,t、λ_6,h,t为相应约束条件中引入的松弛变量。

6.根据权利要求5所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，所述的第二阶段再调度模型的约束条件包括：

v_h,0＝v_h,ini

v_h,2T＝v_h,term

其中，

为不确定来水下的库容，

分别为t时段水库调节的上下限值，

为预测场景下的水库库容，m表示水电站h的上游水电站编号，q_m,t和s_m,t分别为上游电站的发电流量和弃水流量。

7.根据权利要求6所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，所述的步骤4)中，将max-min的数学优化问题转换为max问题，并采用混合整数二次线性规划法求解，若博弈均衡值z≤ε，ε为取值为0.001，则判定预调度方案能够满足所有可能来水情景下的安全运行约束，若博弈均衡值z＞ε，则返回预调度模型中修正预调度方案，通过迭代直至满足收敛条件。

8.根据权利要求7所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，所述的返回预调度模型中修正预调度方案，按照下式进行：

其中，u为再调度模型的对偶变量，z为博弈均衡值，x为预调度变量，

为预调度中传递到下层的变量，即预测场景下的水库库容

9.根据权利要求1所述的一种基于随机安全域的梯级水电鲁棒优化调度方法，其特征在于，本梯级水电鲁棒优化调度方法的调度周期为2年。

Images