本发明涉及梯级水库调度领域，特别是涉及一种考虑生态调度的梯级水库调度的方法及系统。
背景技术：
1、在传统的梯级水库调度领域，通常采用规则或经验制定调度方案。这些方案可能根据季节性需求变化或预测的降雨量进行水电站水库放水调整，但缺乏对多个复杂目标的综合优化，无法平衡生态效益和发电效益。虽然一些优化算法如遗传算法或粒子群算法可以提高调度效率，但缺乏综合优化，传统调度方案往往忽略了对多个目标的综合优化，难以在生态效益与发电效益之间找到最佳平衡。生态目标如鱼类栖息地保护、湿地维持等，通常与发电效益的最大化存在矛盾。传统调度方案对这些复杂的、多目标的权衡往往处理得不够充分。
技术实现思路
1、鉴于上述问题，提出了本发明实施例提供了一种考虑生态调度的梯级水库调度的方法及系统，以便克服上述问题或者至少部分地解决上述问题。
2、本发明实施例的第一方面，提供了一种考虑生态调度的梯级水库调度的方法，所述方法包括：
3、针对目标河道上的多个水电站水库，以在总调度时段内的生态效益最大和发电效益最大为目标，建立目标函数；其中，所述生态效益表征所述梯级水库调度后多个所述水电站水库的生态流量与天然流量之间的偏差；所述发电效益为多个所述水电站水库的总发电效益；
4、基于多个所述水电站水库各自对应的状态变量和决策变量，建立所述目标函数的多个约束条件，多个所述约束条件用于在水量平衡、水电站间水力联系、水位、发电流量、下泄流量以及出力中的至少两者以上对多个所述水电站水库的决策调度进行约束；所述状态变量包括所述水电站水库在所述总调度时段内的每个时段的库容、初水位、入库流量，所述决策变量包括所述水电站水库在所述总调度时段内的每个所述时段的水位；
5、利用蛇鹫优化算法对所述目标函数进行迭代求解，获取多个梯级水库优化方案；其中，在不同次的迭代中采用所述蛇鹫优化算法中的不同策略进行求解；
6、从多个所述梯级水库优化方案中选取多个候选优化方案，并对多个所述候选优化方案各自对应的多个属性进行多属性决策分析，得到多个所述候选优化方案各自对应的综合效用值；所述综合效用值用于表征所述候选优化方案分别对生态效益最大和发电效益最大的贡献度；多个所述属性包括每个所述水电站水库对应的最高上游水位、最大下泄流量和发电量；
7、基于多个所述候选优化方案的综合效用值，确定所述梯级水库的目标调度方案。
8、示例性地，所述针对目标河道上的多个水电站水库，以在总调度时段内的以生态效益最大和发电效益最大为目标，建立目标函数，包括：
9、针对所述目标河道，基于所述目标河道在调度后的河道生态流量、以及在所述总调度时段内的每个时段的天然流量和天然流量平均值，建立以所述生态效益最大为目标的第一函数；
10、基于每个所述水电站水库的综合出力系数、每个所述水电站水库在每个所述时段的发电流量和发电水头，建立以所述发电效益最大为目标的第二函数；
11、基于所述第一函数和所述第二函数，获取所述目标函数。
12、示例性地，所述利用蛇鹫优化算法对所述目标函数进行迭代求解，获取多个梯级水库优化方案，包括：
13、获取当次对应的父种群，并分别计算父种群中的n个可行解各自对应的多个初始个体；其中，所述可行解用于表征所述水电站水库的水位；一个所述初始个体用于表征一个水库优化方案；所述父种群为随机生成的n个初始化可行解或者当次之前上一次迭代产生的n组可行解；
14、基于多个所述初始个体，获取所述父种群中的最优解；
15、基于所述父种群和所述最优解，利用蛇鹫优化算法对所述目标函数进行迭代两种所述策略的求解，得到当次对应的n个可行解；所述个体用于表征所述生态调度的梯级水库优化方案；其中，n为种群规模；
16、基于所述父种群以及所述当次对应的n个可行解，得到当次的2n组个体作为所述梯级水库优化方案。
17、示例性地，通过以下步骤获取所述随机生成的n个初始化可行解：
18、将所述水电站水库的水位上限和水位下限，分别作为初始化可行解的上限和下限；
19、获取所述初始化可行解的下限与上限之间的差值；
20、获取预设的随机数与所述差值的第一乘积；其中，所述随机数为0~1；
21、基于所述第一乘积与所述初始化可行解的下限之间的和，生成n个所述初始化可行解。
22、示例性地，所述从多个所述梯级水库优化方案中选取多个候选优化方案，包括：
23、从2n组所述个体中获取n组个体，作为n个所述候选优化方案。
24、示例性地，所述基于所述父种群和所述最优解，利用蛇鹫优化算法对所述目标函数进行迭代两种所述策略的求解，得到当次对应的n个可行解，包括：
25、基于所述父种群和所述最优解，利用蛇鹫优化算法对所述目标函数进行捕猎策略情况下的求解，得到第一可行解；
26、在所述第一可行解和所述最优解的基础上，利用蛇鹫优化算法对所述目标函数进行逃生策略情况下的继续求解，得到所述当次对应的n个可行解。
27、示例性地，所述对多个所述候选优化方案各自对应的多个属性进行多属性决策分析，得到多个所述候选优化方案各自对应的综合效用值，包括：
28、将多个所述候选优化方案作为候选集合，并对每个所述候选优化方案对应的多个所述属性进行模糊评价，获取所述候选集合对应的决策矩阵；所述决策矩阵包括多个所述属性在所述候选集合中的评价值；
29、基于所述决策矩阵，计算所述候选集合对应的效用函数和区间二型模糊集熵；
30、基于预设的风险偏好因子、所述效用函数和所述区间二型模糊集熵，计算所述属性在不同所述风险偏好因子下的属性权重；
31、基于所述属性在不同所述风险偏好因子下的属性权重和所述效用函数，获取所述候选集合中不同的候选优化方案在不同的所述风险偏好因子下的综合效用值。
32、示例性地，所述基于预设的风险偏好因子、所述效用函数和所述区间二型模糊集熵，计算所述属性在不同所述风险偏好因子下的属性权重，包括：
33、获取所述风险偏好因子与所述区间二型模糊集熵的第二乘积；
34、将所述第二乘积与所述效用函数的和作为第一矩阵；其中，所述第一矩阵的行为所述候选优化方案，所述第一矩阵的列为所述属性；
35、对所述第一矩阵的各行进行求和，获得第二矩阵；对所述第一矩阵的各行和各列进行求和，获得总和；
36、基于所述第二矩阵与所述总和之间的比值，获取第三矩阵，并基于所述第三矩阵获取各个所述属性在不同的所述风险偏好因子下的属性权重。
37、示例性地，所述对每个所述候选优化方案对应的多个所述属性进行模糊评价，获取所述候选集合对应的决策矩阵，包括：
38、对各个所述候选优化方案中的多个所述属性进行模糊评价，得到原始决策矩阵；
39、根据每个所述属性对应的类型，对所述原始决策矩阵中与每个属性对应的评价值进行规范化，得到所述候选集合对应的决策矩阵；
40、其中，不同类型的属性对应不同处理方式的规范化，所述属性的类型包括成本型和效益型。
41、本公开实施例的第二方面，提供一种考虑生态调度的梯级水库调度的系统，所述系统包括：
42、目标函数建立模块，用于针对目标河道上的多个水电站水库，以在总调度时段内的生态效益最大和发电效益最大为目标，建立目标函数；其中，所述生态效益表征所述梯级水库调度后多个所述水电站水库的生态流量与天然流量之间的偏差；所述发电效益为多个所述水电站水库的总发电效益；
43、约束条件建立模块，用于基于多个所述水电站水库各自对应的状态变量和决策变量，建立所述目标函数的多个约束条件，多个所述约束条件用于在水量平衡、水电站间水力联系、水位、发电流量、下泄流量以及出力中的至少两者以上对多个所述水电站水库的决策调度进行约束；所述状态变量包括所述水电站水库在所述总调度时段内的每个时段的库容、初水位、入库流量，所述决策变量包括所述水电站水库在所述总调度时段内的每个所述时段的水位；
44、多目标优化模块，用于利用蛇鹫优化算法对所述目标函数进行迭代求解，获取多个梯级水库优化方案；其中，在不同次的迭代中采用所述蛇鹫优化算法中的不同策略进行求解；
45、方案评价模块，用于从多个所述梯级水库优化方案中选取多个候选优化方案，并对多个所述候选优化方案各自对应的多个属性进行多属性决策分析，得到多个所述候选优化方案各自对应的综合效用值；所述综合效用值用于表征所述候选优化方案分别对生态效益最大和发电效益最大的贡献度；多个所述属性包括每个所述水电站水库对应的最高上游水位、最大下泄流量和发电量；
46、方案筛选模块，用于基于多个所述候选优化方案的综合效用值，确定所述梯级水库的目标调度方案。
47、示例性地，所述多目标优化模块包括：
48、初始化模块，用于获取当次对应的父种群，并分别计算父种群中的n个可行解各自对应的多个初始个体；其中，所述可行解用于表征所述水电站水库的水位；一个所述初始个体用于表征一个水库优化方案；所述父种群为随机生成的n个初始化可行解或者当次之前上一次迭代产生的n组可行解；
49、最优解获取模块，用于基于多个所述初始个体，获取所述父种群中的最优解；
50、优化求解模块，用于基于所述父种群和所述最优解，利用蛇鹫优化算法对所述目标函数进行迭代两种所述策略的求解，得到当次对应的n个可行解；所述个体用于表征所述生态调度的梯级水库优化方案；其中，n为种群规模；
51、传递模块，用于基于所述父种群以及所述当次对应的n个可行解，得到当次的2n组个体作为所述梯级水库优化方案。
52、示例性地，所述初始化模块包括：
53、第三获取模块，用于将所述水电站水库的水位上限和水位下限，分别作为初始化可行解的上限和下限；
54、第四获取模块，用于获取所述初始化可行解的下限与上限之间的差值；
55、第五获取模块，用于获取预设的随机数与所述差值的第一乘积；其中，所述随机数为0~1；
56、第六获取模块，用于基于所述第一乘积与所述初始化可行解的下限之间的和，生成n个所述初始化可行解。
57、示例性地，所述优化求解模块包括：
58、模糊评价模块，用于将多个所述候选优化方案作为候选集合，并对每个所述候选优化方案对应的多个所述属性进行模糊评价，获取所述候选集合对应的决策矩阵；所述决策矩阵包括多个所述属性在所述候选集合中的评价值；
59、区间二型模糊集模块，用于基于所述决策矩阵，计算所述候选集合对应的效用函数和区间二型模糊集熵；
60、属性权重获取模块，用于基于预设的风险偏好因子、所述效用函数和所述区间二型模糊集熵，计算所述属性在不同所述风险偏好因子下的属性权重；
61、综合效用值获取模块，用于基于所述属性在不同所述风险偏好因子下的属性权重和所述效用函数，获取所述候选集合中不同的候选优化方案在不同的所述风险偏好因子下的综合效用值。
62、本发明实施例的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的考虑生态调度的梯级水库调度的方法的步骤。
63、本发明实施例的第四方面，提供一种电子设备，包括一存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行时实现如上述第一方面所述的考虑生态调度的梯级水库调度的方法。
64、通过本发明所提供的方法，主要包括以下优点：
65、本发明实施例提供的考虑生态调度的梯级水库调度的方法，可以针对目标河道上的多个水电站水库，以在总调度时段内的生态效益最大和发电效益最大为目标，建立目标函数；接着，基于多个水电站水库各自对应的状态变量和决策变量，建立目标函数的多个约束条件，然后，利用蛇鹫优化算法对目标函数进行迭代求解，获取多个梯级水库优化方案；接着，从多个梯级水库优化方案中选取多个候选优化方案，并对多个候选优化方案各自对应的多个属性进行多属性决策分析，得到多个候选优化方案各自对应的综合效用值；最后，基于多个候选优化方案的综合效用值，确定梯级水库的目标调度方案。其中，生态效益表征梯级水库调度后多个水电站水库的生态流量与天然流量之间的偏差，发电效益为多个水电站水库的总发电效益；多个约束条件用于在水量平衡、水电站间水力联系、水位、发电流量、下泄流量以及出力中的至少两者以上对多个水电站水库的决策调度进行约束；状态变量包括水电站在总调度时段内的每个时段的库容、初水位、入库流量、下泄流量，决策变量包括水电站在总调度时段内的每个时段的水位；综合效用值用于表征候选优化方案分别对生态效益最大和发电效益最大的贡献度；多个属性包括每个水电站水库对应的最高上游水位、最大下泄流量和发电量。
66、由于本实施例建立目标函数时，以生态效益最大和发电效益最大为目标，由此建立的目标函数是多目标函数，在后续的求解中采用蛇鹫优化算法中的不同策略进行迭代求解，由此，可以在梯级水库调度中进行多目标优化求解，克服了传统的梯级水库调度方法的优化目标单一的缺陷。又由于，在进行多目标优化求解时，利用蛇鹫优化算法中的不同策略进行迭代求解，其中，蛇鹫优化算法能够更好地模拟和适应水电站水库这一自然环境的复杂性和多变性，提高优化求解的解决效率，从而进一步有助于消除了传统调度方法的不能平衡生态效益和发电效益的弊端。再次，由于对多个候选优化方案各自对应的多个属性进行多属性决策分析，得到了综合效用值，这样，可以模糊评价出按照候选优化方案进行梯级水库调度时，各个水电站水库对应的最高上游水位、最大下泄流量和发电量等属性，而这些属性与水电站水库的自然生态有关，由此，通过综合效用值可以更好地评价出每个候选优化方案在平衡生态效益和发电效益方面的优劣，从而使得最终确定出的目标调度方案可以是平衡生态效益和发电效益最优的方案，这样可以使得梯级水库调度充分利用自然水流量，使得发电效益可以充分适配梯级水电站水库的自然流量变化。
1.一种考虑生态调度的梯级水库调度的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的考虑生态调度的梯级水库调度的方法，其特征在于，所述针对目标河道上的多个水电站水库，以在总调度时段内的以生态效益最大和发电效益最大为目标，建立目标函数，包括：
3.根据权利要求1所述的考虑生态调度的梯级水库调度的方法，其特征在于，所述利用蛇鹫优化算法对所述目标函数进行迭代求解，获取多个梯级水库优化方案，包括：
4.根据权利要求3所述的考虑生态调度的梯级水库调度的方法，其特征在于，通过以下步骤获取所述随机生成的n个初始化可行解：
5.根据权利要求3所述的考虑生态调度的梯级水库调度的方法，其特征在于，所述从多个所述梯级水库优化方案中选取多个候选优化方案，包括：
6.根据权利要求3所述的考虑生态调度的梯级水库调度的方法，其特征在于，所述基于所述父种群和所述最优解，利用蛇鹫优化算法对所述目标函数进行迭代两种所述策略的求解，得到当次对应的n个可行解，包括：
7.根据权利要求1或3所述的考虑生态调度的梯级水库调度的方法，其特征在于，所述对多个所述候选优化方案各自对应的多个属性进行多属性决策分析，得到多个所述候选优化方案各自对应的综合效用值，包括：
8.根据权利要求7所述的考虑生态调度的梯级水库调度的方法，其特征在于，所述基于预设的风险偏好因子、所述效用函数和所述区间二型模糊集熵，计算所述属性在不同所述风险偏好因子下的属性权重，包括：
9.根据权利要求7所述的考虑生态调度的梯级水库调度的方法，其特征在于，所述对每个所述候选优化方案对应的多个所述属性进行模糊评价，获取所述候选集合对应的决策矩阵，包括：
10.一种考虑生态调度的梯级水库调度的系统，其特征在于，所述系统包括：
11.根据权利要求10所述的考虑生态调度的梯级水库调度的系统，其特征在于，所述多目标优化模块包括：
12.根据权利要求11所述的考虑生态调度的梯级水库调度的系统，其特征在于，所述初始化模块包括：
13.根据权利要求11所述的考虑生态调度的梯级水库调度的系统，其特征在于，所述优化求解模块包括：
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-9任一所述的考虑生态调度的梯级水库调度的方法的步骤。
15.一种电子设备，包括一存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行时实现如权利要求1-9任一所述的考虑生态调度的梯级水库调度的方法。
