【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于水旱災害防御和水資源管理與調(diào)配領域，涉及一種水庫調(diào)度規(guī)則智能提取方法，尤其涉及一種基于雙層聚類和兩步判別的水庫調(diào)度規(guī)則智能提取方法。
技術(shù)介紹
1、水庫調(diào)度規(guī)則是指導水庫運行不可或缺的技術(shù)指南，通常依據(jù)經(jīng)驗或者通過統(tǒng)計分析水庫確定性優(yōu)化調(diào)度成果提取調(diào)度規(guī)則(俗稱隱隨機優(yōu)化方法)。確定性優(yōu)化調(diào)度是基于歷史入庫徑流序列采用動態(tài)規(guī)劃等確定性優(yōu)化方法計算水庫最優(yōu)蓄放水策略，由于水庫未來入庫徑流系列具有隨機性和不重復性，確定性優(yōu)化調(diào)度成果往往難以直接指導水庫實際調(diào)度運行，因此需要分析水庫歷史最優(yōu)蓄放水策略與水庫歷史來水與需水之間的關系及其特征，提取一套適用于指導水庫未來調(diào)度運行的調(diào)度規(guī)則。通過對水庫確定性優(yōu)化調(diào)度成果的挖掘，可以提取具有實際指導意義的水庫調(diào)度規(guī)程，能夠有效增強理論優(yōu)化調(diào)度成果的實用性，為水庫實際運行提供更加精準的決策支持，從而最大化發(fā)揮多功能水庫綜合效益。
2、然而，傳統(tǒng)隱隨機優(yōu)化方法提取水庫調(diào)度規(guī)則存在難以準確表達水庫下泄流量、庫水位等決策變量與入庫流量之間的非線性關系，而人工神經(jīng)網(wǎng)絡、隨機森林和深度學習等人工智能模型在描述這一非線性關系上明顯優(yōu)于傳統(tǒng)隱隨機優(yōu)化方法，并在水庫調(diào)度規(guī)則提取實踐中取得了顯著效果，但這些人工智能模型存在兩個方面的問題以致于精度和實用性有待提升：1)在調(diào)度規(guī)則提取中極易產(chǎn)生新的不滿足水位上下邊界約束、不滿足下泄流量上下限約束等違背調(diào)度常識問題；2)存在對汛前削落期、汛后蓄水期等不同調(diào)度期的調(diào)度規(guī)則采用相同人工智能模型導致泛化能力有待提升問題。
1、為了解決
技術(shù)介紹
中存在的上述兩個技術(shù)問題，本專利技術(shù)提供了一種新的調(diào)度規(guī)則提取方法，該方法既提升調(diào)度規(guī)則模擬精度又增強了調(diào)度規(guī)則的合理性，降低了違反水庫調(diào)度約束條件的發(fā)生機率，能為水庫綜合效益的發(fā)揮提供技術(shù)支撐。
2、為了實現(xiàn)上述目的，本專利技術(shù)采用如下技術(shù)方案：
3、一種水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述水庫調(diào)度規(guī)則智能提取方法包括以下步驟：
4、1)采用雙層聚類法對確定性優(yōu)化調(diào)度得到的最優(yōu)蓄放水策略進行調(diào)度模式分類；
5、2)提取不同調(diào)度模式的相應調(diào)度規(guī)則；
6、3)采用兩步法判別面臨時段最適合采用的調(diào)度模式；
7、4)對面臨時段下泄流量進行決策。
8、優(yōu)選地，本專利技術(shù)所采用的步驟1)的具體實現(xiàn)方式是：
9、1.1)獲取確定性優(yōu)化調(diào)度得到的最優(yōu)蓄放水策略；
10、1.2)采用聚合層次聚類法，考慮水庫入流和出流的相似性對整個最優(yōu)蓄放水策略進行調(diào)度模式初步聚類，確定調(diào)度模式大類；
11、1.3)采用減法聚類法，在考慮調(diào)度期、入流和出流等的細微差別的情況下，將步驟1.2)確定的調(diào)度模式大類分割成更小的子類，每個子類代表一種調(diào)度模式。
12、優(yōu)選地，本專利技術(shù)所采用的步驟1.1)的具體實現(xiàn)方式是基于歷時徑流序列采用線性規(guī)劃、動態(tài)規(guī)劃、二層規(guī)劃等數(shù)學規(guī)劃模型進行優(yōu)化，若采用二層規(guī)劃模型上層可以防洪庫容占用率最小為目標，下層可以年發(fā)電量最大為目標，可采用粒子群算法對該二層規(guī)劃模型進行求解得到的最優(yōu)蓄放水策略。
13、優(yōu)選地，本專利技術(shù)所采用的步驟1.2)中調(diào)度模式大類的表達式是：
14、
15、其中：
16、qin(t)是t時段水庫入流；
17、qout(t)是最優(yōu)蓄放水策略中t時段水庫出流；
18、ahc(k)是聚合層次聚類法得到第k類調(diào)度模式大類；
19、ahc是聚合層次聚類法；
20、t是歷史徑流序列總時段數(shù)。
21、優(yōu)選地，本專利技術(shù)所采用的步驟1.3)中子類的表達式是：
22、
23、其中：
24、qin(t)是t時段水庫入流；
25、qout(t)是最優(yōu)蓄放水策略中t時段水庫出流；
26、zt是最優(yōu)蓄放水策略中時段t庫水位；
27、dt是t時段的具體日期；
28、c(i，m)是減法聚類法對ahc(i)細分后的第m類調(diào)度模式；
29、scm是減法聚類法。
30、優(yōu)選地，本專利技術(shù)所采用的步驟1)中的調(diào)度模式包括出流與入流幾乎相等的ahc(1)、固定下泄流量的ahc(2)、出流是入流的非線性函數(shù)關系的ahc(3)。
31、優(yōu)選地，本專利技術(shù)所采用的調(diào)度模式大類是出流與入流幾乎相等的ahc(1)時，所述出流與入流幾乎相等的ahc(1)對應的子類是c(1，1)，所述步驟2)采用如下表達式提取不同調(diào)度模式的相應調(diào)度規(guī)則：
32、qd(t)＝qin(t)
33、其中：
34、qd(t)是提取調(diào)度模式下t時段的模擬出庫流量；
35、qin(t)是t時段水庫入流。
36、優(yōu)選地，本專利技術(shù)所采用的調(diào)度模式大類是固定下泄流量的ahc(2)時，所述固定下泄流量的ahc(2)根據(jù)細分子類c(2，m)采用不同的固定下泄流量，所述步驟2)采用如下表達式提取不同調(diào)度模式的相應調(diào)度規(guī)則：
37、qd(t)∈{qmin，qmax，q3，…，qn}
38、其中：
39、qd(t)是提取調(diào)度模式下t時段的模擬出庫流量；
40、qmin是水庫最小下泄流量；
41、qmax是水庫最大下泄流量；
42、qn是水庫滿足其他功能需求的固定下泄流量。
43、優(yōu)選地，本專利技術(shù)所采用的調(diào)度模式大類是出流是入流的函數(shù)關系的ahc(3)時，所述出流是入流的函數(shù)關系的ahc(3)對每個子類c(3，m)分別使用極限學習機進行模擬，所述步驟2)采用如下表達式提取不同調(diào)度模式的相應調(diào)度規(guī)則：
44、qd(t)＝elm[qin(t)，d(t)]
45、其中：
46、是qd(t)是提取調(diào)度模式下t時段的模擬出庫流量；
47、qin(t)是t時段水庫入流；
48、是提取調(diào)度模式下dt是t時段的具體日期；
49、elm是極限學習機。
50、優(yōu)選地，本專利技術(shù)所采用的步驟3)的具體實現(xiàn)方式是：
51、3.1)分別采用決策樹和隱馬爾可夫模型對面臨時段擬采用的調(diào)度模式進行預判；
52、3.2)采用自適應增強算法對步驟3.1)得到的預判結(jié)果進行終判，得到面臨時段最適合采用的調(diào)度模式。
53、優(yōu)選地，本專利技術(shù)所采用的步驟4)的具體實現(xiàn)方式是依據(jù)面臨時段的水庫入流、庫水位及調(diào)度時段等信息和步驟3)判定的最適合采用的調(diào)度模式對應的調(diào)度規(guī)則，計算下泄流量。
54、本專利技術(shù)的優(yōu)點是：
55、本專利技術(shù)提供了一種水庫調(diào)度規(guī)則智能提取方法，尤其是涉及一種基于雙層聚類和兩步判別的水庫調(diào)度規(guī)則智能提取方法，雙層聚類先后采用聚合層次聚類法與減法聚類法實現(xiàn)對確定性優(yōu)化調(diào)度成果蘊含的調(diào)度模式的精細分本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述水庫調(diào)度規(guī)則智能提取方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1)的具體實現(xiàn)方式是：
3.根據(jù)權(quán)利要求2所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1.1)的具體實現(xiàn)方式是基于歷時徑流序列采用二層規(guī)劃模型進行優(yōu)化，上層以防洪庫容占用率最小為目標，下層以年發(fā)電量最大為目標，采用粒子群算法對該二層規(guī)劃模型進行求解得到的最優(yōu)蓄放水策略。
4.根據(jù)權(quán)利要求3所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1.2)中調(diào)度模式大類的表達式是：
5.根據(jù)權(quán)利要求4所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1.3)中子類的表達式是：
6.根據(jù)權(quán)利要求5所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1)中的調(diào)度模式包括出流與入流幾乎相等的AHC(1)、固定下泄流量的AHC(2)、出流是入流的非線性函數(shù)關系的AHC(3)。
7.根據(jù)權(quán)利要求6所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述調(diào)度模式大類是出
8.根據(jù)權(quán)利要求6所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述調(diào)度模式大類是固定下泄流量的AHC(2)時，所述固定下泄流量的AHC(2)根據(jù)細分子類C(2，m)采用不同的固定下泄流量，所述步驟2)采用如下表達式提取不同調(diào)度模式的相應調(diào)度規(guī)則：
9.根據(jù)權(quán)利要求6所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述調(diào)度模式大類是出流是入流的函數(shù)關系的AHC(3)時，所述出流是入流的函數(shù)關系的AHC(3)對每個子類C(3，m)分別使用極限學習機進行模擬，所述步驟2)采用如下表達式提取不同調(diào)度模式的相應調(diào)度規(guī)則：
10.根據(jù)權(quán)利要求7或8或9所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟3)的具體實現(xiàn)方式是：
...【技術(shù)特征摘要】
1.一種水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述水庫調(diào)度規(guī)則智能提取方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1)的具體實現(xiàn)方式是：
3.根據(jù)權(quán)利要求2所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1.1)的具體實現(xiàn)方式是基于歷時徑流序列采用二層規(guī)劃模型進行優(yōu)化，上層以防洪庫容占用率最小為目標，下層以年發(fā)電量最大為目標，采用粒子群算法對該二層規(guī)劃模型進行求解得到的最優(yōu)蓄放水策略。
4.根據(jù)權(quán)利要求3所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1.2)中調(diào)度模式大類的表達式是：
5.根據(jù)權(quán)利要求4所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1.3)中子類的表達式是：
6.根據(jù)權(quán)利要求5所述的水庫調(diào)度規(guī)則智能提取方法，其特征在于：所述步驟1)中的調(diào)度模式包括出流與入流幾乎相等的ahc(1)、固定下泄流量的ahc(2)、出流是入流的非線性函數(shù)關系的ahc(3)。
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：吳鳳燕，王欣，阿里·穆罕默德，翟麗妮，王劍，王平章，曾祥，胡鐵松，林沛榕，宋亮，
申請(專利權(quán))人：湖北省水利水電科學研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。