本发明公开了一种面向大系统水库群的聚合分解调度规则的提取方法，涉及大系统水库群优化调度技术领域。所述方法：获取目标流域任意一个子流域A上每个水库的基本属性；子流域A上的水库聚合成一个或多个虚拟聚合水库；根据子流域A的特征属性选择虚拟聚合水库A′的调度规则形式，确定需要优化的参数；根据子流域A的特征属性及子流域A中水库的特征属性确定虚拟聚合水库A′分解方法；设置约束条件，通过调度规则形式和分解方法模拟得到需优化参数的目标函数值，对需要优化的参数进行优化，得到目标流域串并联水库群调度规则集。本发明完成多目标的大系统串并联水库群联合优化调度，为实际调度提供科学依据和技术支撑。
1.一种面向大系统水库群的聚合分解调度规则的提取方法，其特征在于，所述方法包括：S1，根据目标流域干支流的分布特征划分多个子流域，并获取任意一个子流域A上每个水库的基本属性；
S2，将子流域A上的所有水库按照所属支流或按照水库的基本属性分类，然后将每个类型的水库进行聚合得到所述子流域A的一个或多个虚拟聚合水库；
S3，针对任意一个虚拟聚合水库A′，根据子流域A的特征属性选择虚拟聚合水库A′的调度规则形式，进而确定需要优化的参数；如果子流域A为简单流域，则虚拟聚合水库A′的调度规则选择线性调度函数；如果子流域A为偏重发电的流域，则虚拟聚合水库A′的调度规则选择调度图规则；
S4，根据所述子流域A的特征属性及所述子流域A中水库的特征属性确定虚拟聚合水库A′分解方法；
S5，设置约束条件，通过调度规则形式和分解方法模拟得到需优化参数的目标函数值，再通过多目标遗传算法对需要优化的参数进行优化，得到目标流域串并联水库群调度规则集；
步骤S5中，目标函数值为年均最大发电量和/或最小生态因子；
E*代表年均发电量；En(t)为子流域A中任意一个并联支流上水库n在时刻t的发电量；N,T分别表示子流域A中任意一个并联支流上水库总数和时间间隔总数，n＝1,2,……,N，t＝
生态因子为生态断面的生态流量被破坏时段时段数比例与最大破坏深度比例之和，用公式(2)表示；
其中，EC*为生态因子；NTm(t)表示任意一个生态断面m是否遭到破坏，当断面流量小于生态流量时，NTm(t)＝1，当断面流量不小于生态流量时，NTm(t)＝0； 表示生态断面m的生态流量；DPm为生态断面m的最大破坏深度；M为生态断面总数。
2.根据权利要求1所述方法，其特征在于，步骤S2中，所述子流域A中包含的支流总数与所述子流域A中需聚合的虚拟聚合水库的总数相同。
3.根据权利要求1所述方法，其特征在于，步骤S2中，将子流域A上的所有水库按照所属支流分类，然后将每条支流上的水库进行聚合得到所述子流域A的一个或多个虚拟聚合水库，具体为：获取所述子流域A上并联支流的总数Q，分别计算每个并联支流上可优化的水库总数N1,…,NQ，将每个并联支流上可优化水库聚合成一个虚拟聚合水库；
其中，N1表示编号为1的并联支流上的水库总数，NQ表示编号为Q的并联支流上的水库总数。
4.根据权利要求3所述方法，其特征在于，步骤S2中，所述子流域A中任意一条并联支流W上的水库进行聚合时，按照公式(3)将任意一个需聚合水库Y的入库流量转换成入能，按照公式(4)将需聚合水库Y的存贮水量转换成蓄能；
其中，水库入能IPE包括在指定的时间间隔△t内水库的入库流量的能量和区间入流对应的出力所产生的能量，计算公式为公式(3)：其中，I1(t)是时刻为t时的龙头水库的入库流量；Is,in(t)表示需聚合水库Y的上游水库和需聚合水库Y的下游水库之间的区间入流流量；△t表示时间间隔；K1表示龙头水库的出力系数，H1(t)表示时刻为t时的龙头水库的发电水头，Kn表示第n水库的出力系数，Hn(t)表示时刻为t时的第n水库的发电水头，n表示支流上第n水库，n＝2,3,……,N；N表示并联支流W上水库总数，s表示并联支流W上第s水库，s＝2,3,……,n；
水库蓄能是指需聚合水库Y在指定的时间间隔△t内，从当前库水位Vi(t)调度至死水位Vi0水量的出力所产生的能量；计算公式为公式(4)：其中，Hn表示水库当前时刻的出力水头；Kn表示出力系数；N是支流W上水库的总个数，Hn(v)表示第n水库库容为v时的发电水头；v表示第n水库的库容。
5.根据权利要求1所述方法，其特征在于，步骤S3，具体按照下述步骤实现：针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流上的水库群的分布情况，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数；
和/或针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流的历史入库流量信息，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数；
和/或针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流的水库特征，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数。
6.根据权利要求1所述方法，其特征在于，步骤S4中，所述分解方法为经验曲线或解析优化或动态规划模型。
7.根据权利要求1所述方法，其特征在于，所述约束条件包括六个，具体为：水量平衡约束条件见公式(5)：
Rn,min(t)≤Rn(t)≤Rn,max(t) (7)河道汇流约束条件见公式(8)：
In+1(t)＝Rn(t)+In+1,in(t) (8)发电机组出力约束条件见公式(9)：
其中，In(t)、In(t+1)分别表示子流域A上任意一个并联支流上的水库n在时刻t、时刻t+
1的入库流量；△t表示时间间隔；Rn(t)为水库n在时刻t的出库流量；Rn(t)、Rn(t+1)分别表示水库n在时刻t、时刻t+1的出库流量；Vn(t)、Vn(t+1)分别表示水库n在时刻t、时刻t+1的水库库容；
Zn,min,Zn,max为水库n允许的最小水位和最大水位，Zn(t)表示水库n在时刻t的水位；
Rn,min(t),Rn,max(t)分别为水库n在时刻t的最小出库流量和最大出库流量；
In+1(t)表示水库n+1在时刻t的入库流量；In+1，in(t)表示水库n+1在时刻t的区间入流；
PLn(t),PUn(t)分别为水库n在时刻t的发电机组最小出力限制和最大出力限制；
Zn,1表示水库n初始时刻的水位；Zn,init为水库n发电机组初始水位。
8.根据权利要求1所述方法，其特征在于，步骤S1中，所述基本属性包括水库库容和水库水位。
面向大系统水库群的聚合分解调度规则的提取方法
技术领域
[0001] 本发明涉及大系统水库群优化调度技术领域，尤其涉及一种面向大系统水库群的聚合分解调度规则的提取方法。
背景技术
[0002] 水库是人类利用水资源的重要手段，随着水库数量的增加，如何有效调度运用大系统水库群实现防洪、发电、航运、供水等多方面的功能与任务，成为水库调度的研究热点。水库群联合优化调度技术是实现水库群正常运行的必备手段之一。采用水库群联合优化调度技术管理水库群运行，具有投资少、效益大、需求高以及前景广等优点。
[0003] 在CN 103088784 A中公开了一种梯级水库汛限水位实时动态控制方法，这种方法通过建立流域汛期数值气象水文预报模型，基于聚合分解思想建立梯级水库汛限水位实时动态控制模型，采用逐次优化法得到梯级水库汛限水位实时动态控制方案，在保证防洪效益的同时，最大程度提高梯级水库的发电效益。
[0004] 对于梯级水库群中多目标联合优化调度问题研究较多，聚合分解的思想也应用较为广泛，在一定程度上体现了降维的功效，但对于大系统串并联水库群研究甚少，目前研究梯级水库群主要是针对流域并联水库聚合一个虚拟的聚合水库进行多目标的控制和优化，实际上未考虑支流之间的相互影响。因此，CN 103088784 A不适用于大系统串并联水库群多目标优化调度规则，不能解决大系统水库群多目标调度规则的不确定性。
发明内容
[0005] 本发明的目的在于提供一种面向大系统水库群的聚合分解调度规则的提取方法，从而解决现有技术中存在的前述问题。
[0006] 为了实现上述目的，本发明所述面向大系统水库群的聚合分解调度规则的提取方法，所述方法包括：
[0007] S1，根据目标流域干支流的分布特征划分多个子流域，并获取任意一个子流域A上每个水库的基本属性；
[0008] S2，将子流域A上的所有水库按照所属支流或按照水库的基本属性分类，然后将每个类型的水库进行聚合得到所述子流域A的一个或多个虚拟聚合水库；
[0009] S3，针对任意一个虚拟聚合水库A′，根据子流域A的特征属性选择虚拟聚合水库A′的调度规则形式，进而确定需要优化的参数；如果子流域A为简单流域，则虚拟聚合水库A′的调度规则选择线性调度函数；如果子流域A为偏重发电的流域，则虚拟聚合水库A′的调度规则选择调度图规则；
[0010] S4，根据所述子流域A的特征属性及所述子流域A中水库的特征属性确定虚拟聚合水库A′分解方法；
[0011] S5，设置约束条件，通过调度规则形式和分解方法模拟得到需优化参数的目标函数值，再通过多目标遗传算法对需要优化的参数进行优化，得到目标流域串并联水库群调度规则集。
[0012] 优选地，步骤S2中，所述子流域A中包含的支流总数与所述子流域A中需聚合的虚拟聚合水库的总数相同。
[0013] 优选地，步骤S2中，将子流域A上的所有水库按照所属支流分类，然后将每条支流上的水库进行聚合得到所述子流域A的一个或多个虚拟聚合水库，具体为：获取所述子流域A上并联支流的总数Q，分别计算每个并联支流上可优化的水库总数N1,…,NQ，将每个并联支流上可优化水库聚合成一个虚拟聚合水库；
[0014] 其中，N1表示编号为1的并联支流上的水库总数，NQ表示编号为Q的并联支流上的水库总数。
[0015] 更优选地，步骤S2中，所述子流域A中任意一条并联支流W上的水库进行聚合时，按照公式(1)将任意一个需聚合水库Y的入库流量转换成入能，按照公式(2)将需聚合水库Y的存贮水量转换成蓄能；
[0016] 其中，水库入能IPE包括在指定的时间间隔△t内水库的入库流量的能量和区间入流对应的出力所产生的能量，计算公式为公式(1)：
[0017]
[0018] 其中，I1(t)是时刻为t时的龙头水库的入库流量；Is,in(t)表示需聚合水库Y的上游水库和需聚合水库Y的下游水库之间的区间入流流量；△t表示时间间隔；K1表示龙头水库的出力系数，H1(t)表示时刻为t时的龙头水库的发电水头，Kn表示第n水库的出力系数，Hn(t)表示时刻为t时的第n水库的发电水头，n表示支流上第n水库，n＝2,3,……,N；N表示并联支流W上水库总数，s表示并联支流W上第s水库，s＝2,3,……,n；
[0019] 水库蓄能是指需聚合水库Y在指定的时间间隔△t内，从当前库水位Vi(t)调度至死水位Vi0水量的出力所产生的能量；计算公式为公式(2)：
[0020]
[0021] 其中，Hn表示水库当前时刻的出力水头；Kn表示出力系数；N是支流W上水库的总个数，Hn(v)表示第n水库库容为v时的发电水头；v表示第n水库的库容。
[0022] 优选地，步骤S3，具体按照下述步骤实现：
[0023] 针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流上的水库群的分布情况，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数；
[0024] 和/或针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流的历史入库流量信息，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数；
[0025] 和/或针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流的水库特征，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数。
[0026] 优选地，步骤S4中，所述分解方法为经验曲线或解析优化或动态规划模型。
[0027] 优选地，步骤S5中，目标函数值为年均最大发电量和/或最小生态因子；
[0028] 其中，年均最大发电量用公式(3)表示；
[0029]
[0030] E*代表年均发电量；En(t)为子流域A中任意一个并联支流上水库n在时刻t的发电量；N,T分别表示子流域A中任意一个并联支流上水库总数和时间间隔总数，n＝1,2,……,N，t＝1,2,……,T；
[0031] 生态因子为生态断面的生态流量被破坏时段时段数比例与最大破坏深度比例之和，用公式(4)表示；
[0032]
[0033] 其中，EC*为生态因子；NTm(t)表示任意一个生态断面m是否遭到破坏，当断面流量小于生态流量时，NTm(t)＝1，当断面流量不小于生态流量时，NTm(t)＝0； 表示生态断面m的生态流量；DPm为生态断面m的最大破坏深度；M为生态断面总数。
[0034] 优选地，所述约束条件包括六个，具体为：
[0035] 水量平衡约束条件见公式(5)：
[0036]
[0037] 水库水位约束条件见公式(6)：
[0038] Zn,min≤Zn(t)≤Zn,max (6)
[0039] 水库泄流约束条件见公式(7)：
[0040] Rn,min(t)≤Rn(t)≤Rn,max(t) (7)
[0041] 河道汇流约束条件见公式(8)：
[0042] In+1(t)＝Rn(t)+In+1,in(t) (8)
[0043] 发电机组出力约束条件见公式(9)：
[0044] PLn(t)≤Pn(t)≤PUn(t) (9)
[0045] 边界状态约束条件见公式(10)：
[0046] Zn,1＝Zn,init (10)
[0047] 其中，In(t)、In(t+1)分别表示子流域A上任意一个并联支流上的水库n在时刻t、时刻t+1的入库流量；△t表示时间间隔；Rn(t)为水库n在时刻t的出库流量；Rn(t)、Rn(t+1)分别表示水库n在时刻t、时刻t+1的出库流量；Vn(t)、Vn(t+1)分别表示水库n在时刻t、时刻t+1的水库库容；
[0048] Zn,min,Zn,max为水库n允许的最小水位和最大水位，Zn(t)表示水库n在时刻t的水位；
[0049] Rn,min(t),Rn,max(t)分别为水库n在时刻t的最小出库流量和最大出库流量；
[0050] In+1(t)表示水库n+1在时刻t的入库流量；In+1，in(t)表示水库n+1在时刻t的区间入流；
[0051] Pn(t)表示水库n在时刻t的发电机组出力；
[0052] PLn(t),PUn(t)分别为水库n在时刻t的发电机组最小出力限制和最大出力限制；
[0053] Zn,1表示水库n初始时刻的水位；Zn,init为水库n发电机组初始水位。
[0054] 优选地，步骤S1中，所述基本属性包括水库库容和水库水位。
[0055] 本发明的有益效果是：
[0056] 本发明以大系统串并联水库群的多目标联合调度问题为研究对象，通过对不同支流上的水库能量聚合的方式进行降维，选定调度规则形式，再进行分解决策，最后完成多目标的大系统串并联水库群联合优化调度，为实际调度提供科学依据和技术支撑。
[0057] (1)现有技术一般只研究针对梯级水库群进行聚合分解调度，而，本发明所述方法根据支流的分布特征，对大系统串、并联水库群分别进行聚合分解调度，且选用不同的调度规则形式和分解方式，广泛应用于大系统串、并联水库群生成多目标调度规则，使水库调度决策更稳健和优越。
[0058] (2)现有技术一般以水量的方式进行聚合，本发明根据子流域上水库的基本属性，将水库入库流量和存贮水量分别用入能和蓄能表示，基于能量进行聚合。
[0059] (3)适应实时调度及水库中长期调度。
附图说明
[0060] 图1是面向大系统水库群的聚合分解调度规则的提取方法的流程示意图；
[0061] 图2是多目标遗传算法的流程示意图；
具体实施方式
[0062] 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，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方式仅仅用以解释本发明，并不用于限定本发明。
[0063] 实施例
[0064] 参照图1，本实施例所述面向大系统水库群的聚合分解调度规则的提取方法，所述方法包括：
[0065] S1，根据目标流域干支流的分布特征划分多个子流域，并获取任意一个子流域A上每个水库的基本属性；
[0066] S2，将子流域A上的所有水库按照所属支流或按照水库的基本属性分类，然后将每个类型的水库进行聚合得到所述子流域A的一个或多个虚拟聚合水库；
[0067] S3，针对任意一个虚拟聚合水库A′，根据子流域A的特征属性选择虚拟聚合水库A′的调度规则形式，进而确定需要优化的参数；如果子流域A为简单流域，则虚拟聚合水库A′的调度规则选择线性调度函数；如果子流域A为偏重发电的流域，则虚拟聚合水库A′的调度规则选择调度图规则；
[0068] S4，根据所述子流域A的特征属性及所述子流域A中水库的特征属性确定虚拟聚合水库A′分解方法；
[0069] S5，设置约束条件，通过调度规则形式和分解方法模拟得到需优化参数的目标函数值，再通过多目标遗传算法对需要优化的参数进行优化，得到目标流域串并联水库群调度规则集。
[0070] 更详细的解释说明为：
[0071] (一)步骤S1中，所述基本属性包括水库库容和水库水位。
[0072] 步骤S2中，所述子流域A中包含的支流总数与所述子流域A中需聚合的虚拟聚合水库的总数相同。
[0073] (二)步骤S2中，将子流域A上的所有水库按照所属支流分类，然后将每条支流上的水库进行聚合得到所述子流域A的一个或多个虚拟聚合水库，具体为：获取所述子流域A上并联支流的总数Q，分别计算每个并联支流上可优化的水库总数N1,…,NQ，将每个并联支流上可优化水库聚合成一个虚拟聚合水库；其中，N1表示编号为1的并联支流上的水库总数，NQ表示编号为Q的并联支流上的水库总数。
[0074] 步骤S2中，所述子流域A中任意一条并联支流W上的水库进行聚合时，按照公式(1)将任意一个需聚合水库Y的入库流量转换成入能，按照公式(2)将需聚合水库Y的存贮水量转换成蓄能；
[0075] 其中，水库入能IPE包括在指定的时间间隔△t内水库的入库流量的能量和区间入流对应的出力所产生的能量，计算公式为公式(1)：
[0076]
[0077] 其中，I1(t)是时刻为t时的龙头水库的入库流量；Is,in(t)表示需聚合水库Y的上游水库和需聚合水库Y的下游水库之间的区间入流流量；△t表示时间间隔；K1表示龙头水库的出力系数，H1(t)表示时刻为t时的龙头水库的发电水头，Kn表示第n水库的出力系数，Hn(t)表示时刻为t时的第n水库的发电水头，n表示支流上第n水库，n＝2,3,……,N；N表示并联支流W上水库总数，s表示并联支流W上第s水库，s＝2,3,……,n；
[0078] 水库蓄能是指需聚合水库Y在指定的时间间隔△t内，从当前库水位Vi(t)调度至死水位Vi0水量的出力所产生的能量；计算公式为公式(2)：
[0079]
[0080] 其中，Hn表示水库当前时刻的出力水头；Kn表示出力系数；N是支流W上水库的总个数，Hn(v)表示第n水库库容为v时的发电水头；v表示第n水库的库容。
[0081] (三)步骤S3，具体按照下述步骤实现：
[0082] 针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流上的水库群的分布情况，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数；
[0083] 和/或针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流的历史入库流量信息，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数；
[0084] 和/或针对任意一个虚拟聚合水库A′，根据所述虚拟聚合水库A′所属支流的水库特征，分别初步设定虚拟聚合水库的调度规则形式是调度图或是分段线性调度规则或是神经网络调度规则或是支持向量机调度规则，从而确定需优化的参数。
[0085] (四)步骤S4中，所述分解方法为经验曲线或解析优化或动态规划模型。
[0086] 步骤S4中，可分别选择经验曲线、解析优化以及动态规划模型等方法来进行分解，揭示了梯级总出力与龙头水库出力之间的关系，最终实现大系统串并联水库群联合优化调度大规模时间、空间降维。
[0087] (五)关于对步骤S5的说明
[0088] 一套参数则可模拟得到相应的目标函数值。本实施例自变量是参数，因变量是目标函数值，本申请的目的得到优目标函数值所对应的参数。故先“通过调度规则形式和分解方法模拟得到需优化参数的目标函数值”，然后获取所述目标函数值所对应的参数，再对获取的参数进行优化。
[0089] 1、步骤S5中，目标函数值为年均最大发电量和/或最小生态因子；
[0090] 其中，年均最大发电量用公式(3)表示；
[0091]
[0092] E*代表年均发电量；En(t)为子流域A中任意一个并联支流上水库n在时刻t的发电量；N,T分别表示子流域A中任意一个并联支流上水库总数和时间间隔总数，n＝1,2,……,N，t＝1,2,……,T；
[0093] 生态因子为生态断面的生态流量被破坏时段时段数比例与最大破坏深度比例之和，用公式(4)表示；
[0094]
[0095] 其中，EC*为生态因子；NTm(t)表示任意一个生态断面m是否遭到破坏，当断面流量小于生态流量时，NTm(t)＝1，当断面流量不小于生态流量时，NTm(t)＝0； 表示生态断面m的生态流量；DPm为生态断面m的最大破坏深度；M为生态断面总数。
[0096] 2、步骤S5中，所述约束条件包括六个，具体为：
[0097] 水量平衡约束条件见公式(5)：
[0098]
[0099] 水库水位约束条件见公式(6)：
[0100] Zn,min≤Zn(t)≤Zn,max (6)
[0101] 水库泄流约束条件见公式(7)：
[0102] Rn,min(t)≤Rn(t)≤Rn,max(t) (7)
[0103] 河道汇流约束条件见公式(8)：
[0104] In+1(t)＝Rn(t)+In+1，in(t) (8)
[0105] 发电机组出力约束条件见公式(9)：
[0106] PLn(t)≤Pn(t)≤PUn(t) (9)
[0107] 边界状态约束条件见公式(10)：
[0108] Zn,1＝Zn,init (10)
[0109] 其中，In(t)、In(t+1)分别表示子流域A上任意一个并联支流上的水库n在时刻t、时刻t+1的入库流量；△t表示时间间隔；Rn(t)为水库n在时刻t的出库流量；Rn(t)、Rn(t+1)分别表示水库n在时刻t、时刻t+1的出库流量；Vn(t)、Vn(t+1)分别表示水库n在时刻t、时刻t+1的水库库容；
[0110] Zn,min,Zn,max为水库n允许的最小水位和最大水位，Zn(t)表示水库n在时刻t的水位；
[0111] Rn,min(t),Rn,max(t)分别为水库n在时刻t的最小出库流量和最大出库流量；
[0112] In+1(t)表示水库n+1在时刻t的入库流量；In+1，in(t)表示水库n+1在时刻t的区间入流；
[0113] Pn(t)表示水库n在时刻t的发电机组出力；
[0114] PLn(t),PUn(t)分别为水库n在时刻t的发电机组最小出力限制和最大出力限制；
[0115] Zn,1表示水库n初始时刻的水位；Zn,init为水库n发电机组初始水位。
[0116] 3、参照图2，步骤S5中，通过多目标遗传算法对需要优化的参数优化，具体按照下述步骤实现：
[0117] (1)随机生成规模(容量)为p的初始种群；
[0118] (2)计算各个体的目标函数，基于各目标进行快速分层非劣排序；
[0119] (3)根据个体的等级，赋予每个个体适应度函数；
[0120] (4)通过精英保留选择、交叉、变异等策略生成下一代种群；
[0121] (5)将父代和子代种群合并；
[0122] (6)将种群进行快速分层非劣排序；
[0123] (7)选择最好的解进入新的种群(容量为p)；
[0124] (8)如果处于同一级别的个体很多，则计算这些个体的密集度函数，使得进入新种群的个体广泛的分布在该层上；
[0125] (9)重复步骤(4)-(8)直到停止条件满足为止(一般设定为迭代次数)。
[0126] 4、获得目标流域串并联水库群调度规则集后，再根据人工会商和决策者的偏好确定目标流域的最终决策方案。
[0127] 本实施例所述方法基于不同支流上的水库，进行聚合和分解以减少维数灾，实现大系统水库群多目标优化调度。
[0128] 通过采用本发明公开的上述技术方案，得到了如下有益的效果：
[0129] 本发明以大系统串并联水库群的多目标联合调度问题为研究对象，通过对不同支流上的水库能量聚合的方式进行降维，选定调度规则形式，再进行分解决策，最后完成多目标的大系统串并联水库群联合优化调度，为实际调度提供科学依据和技术支撑。
[0130] (1)现有技术一般只研究针对梯级水库群进行聚合分解调度，而，本发明所述方法根据支流的分布特征，对大系统串、并联水库群分别进行聚合分解调度，且选用不同的调度规则形式和分解方式，广泛应用于大系统串、并联水库群生成多目标调度规则，使水库调度决策更稳健和优越。
[0131] (2)现有技术一般以水量的方式进行聚合，本发明根据子流域上水库的基本属性，将水库入库流量和存贮水量分别用入能和蓄能表示，基于能量进行聚合。
[0132] (3)适应实时调度及水库中长期调度。
[0133] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
