(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111536242.9 (22)申请日 2021.12.15 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 周建中　刘宝楠　李孟瑶　许颜贺　 毛伟杰　李玉鑫　 (74)专利代理 机构 华中科技大 学专利中心 42201 代理人 徐美琳 (51)Int.Cl. G06F 30/28(2020.01) G06F 119/14(2020.01) (54)发明名称 一种抽水蓄能 电站极端工况下机组控制规 律优化决策方法 (57)摘要 本发明公开了一种抽水蓄能 电站极端工况 下机组控制规律优化决策方法， 属于流体机械及 能源动力技术领域。 包括： 建立抽水蓄能电站极 端工况过渡过程数学模型， 输入机组控制规律， 计算机组转速、 蜗壳水击压力极值、 尾水管水击 压力极值， 构建机组过渡 过程动态品质多目标函 数， 结合改进非支配遗传算法筛选机组控制规律 Pareto解集。 进一步， 建立抽水蓄能电站极端工 况机组控制规律多准则决策层次框架， 综合定性 与定量指标， 基于直觉模糊层次分析法在机组控 制规律Pareto解集中遴选最优解作为抽水蓄能 电站极端工况下机组最优控制规律。 本发明选出 的抽水蓄能电站极端工况机组控制规律可有效 改善抽水蓄能电站极端工况下过渡过程动态品 质， 提高电站运行稳定性与安全性。 权利要求书3页 说明书9页 附图6页 CN 114254571 A 2022.03.29 CN 114254571 A 1.一种抽水蓄能电站极端工况 下机组控制规 律优化决策 方法， 其特 征在于， 包括： (1)建立抽水蓄能电站极端工况过渡过程数学模型， 输入机组控制规律， 计算机组转 速、 蜗壳水击压力极值、 尾水管水击压力极值， 以机组过渡过程动态品质多目标函数为优化 目标， 结合改进非支配遗传算法筛选机组控制规律Pareto解集， 所述改进非支配遗传算法 融合拉丁超立方采样及分段线性混沌映射， 嵌入自适应惩罚策略解决多重决策 空间边界限 制； (2)建立抽水蓄能电站极端工况机组控制规律多准则决策层次框架， 综合定性与定量 指标， 在机组控制规律Paret o解集中遴选最优解作为抽水蓄能电站极端工况下机组最优控 制规律。 2.根据权利要求1所述的方法， 其特征在于， 优化目标包括机组转速最大上升相对值与 水击压力复合极值； 所述机组转速最大 上升相对值的计算形式为： 其中， n是机组台数， xi为第i台机组转速， xr,i为第i台机组额定转速； 所述水击 压力复合极值的计算形式为： 其中， Pvol,i、 Pdra,i分别为蜗壳、 尾水管水击压力值， 为尾水管水击压力额定值， Iv、 Id 分别为蜗壳、 尾水 管重要度权 重系数。 3.根据权利要求2所述的方法， 其特 征在于， 所述改进非支配遗传算法包括以下步骤： (1.1)设定粒子种群的规模N， 最大迭代次数T， 当前迭代次数t， 混沌变异条件Tchaotic， 决 策空间维度D， 交叉重组概 率Pc， 多项式变异概 率Pm； (1.2)执行拉丁超立方采样策略初始化粒子种群， 将D维决策空间均匀划分为N个不交 叠的等间隔区域， 从每个维度每个等间隔区域中随机选取一个点作为粒子决策变量， 生 成N 个初始化粒子， 作为父代粒子群P； (1.3)依据当前迭代循环内可行解与不可行解的数量关系， 执行自适应惩罚策略， 计算 修正后的优化目标值； 所述自适应惩罚策略具有如下 形式： 其中， fm(Xi(t))为第i个粒子的第m优化目标值， p(Xi(t))是添加 在粒子上的惩罚函数； 所述惩罚函数 具有两个惩罚因子 M(Xi(t))、 N(Xi(t))， 其计算形式为： p(Xi(t))＝(1‑rf)M(Xi(t))+rfN(Xi(t)) 权　利　要　求　书 1/3 页 2 CN 114254571 A 2其中， 为第i个粒子违反约束的总和， 分别为粒子种群中可行解 的最大最小优化目标值， rf为可行解在粒子种群的数量关系； (1.4)执行非支配排序， 通过锦标赛选择、 交叉重组以及多项式变异等策略由父代粒子 群P生成子代粒子群C， 计算子代粒子群C内粒子的优化目标值； (1.5)判断当前迭代次数t是否 大于混沌变异条件Tchaotic， 若满足， 执行步骤(1.6)， 否则 转入步骤(1.7)； (1.6)执行分段线性混沌映射， 所述分段线性混沌映射， 其计算形式为： 其中， p∈(0， 0.5)为控制参数， xi∈(0,1)为数字混沌伪随机序列； (1.7)融合父代粒子群P与子代粒子群C， 形成家族粒子群Ω， 以非支配排序及拥挤度为 判断依据， 从家族粒子群Ω中选择N个优选粒子组成精英档案集E； 所述优选粒子在被选择 时遵循以下原则： 首先从家族粒子群Ω中非支配排序等级最高的粒子中选择， 当该等级具 有的粒子数大于N时， 以粒子的拥挤度为优选依据， 选择较小拥挤度的粒子放入精英档案集 E， 若非支配排序等级最高的粒子群小于N， 则从次一级非支配排序等级的粒子中选择， 直到 精英档案集E包 含有N个优选粒子； (1.8)判断当前迭代次数t是否小于最大迭代次数T， 如满足则跳出循环， 以当前精英档 案集R作为Pareto解集； 否则， 当前迭代次数t＝t+1， 以当前精英档案集R作为下次循环的父 代粒子群P， 进入步骤(1.3)。 4.根据权利要求1所述的方法， 其特征在于， 所述抽水蓄能电站极端工况机组控制规律 多准则决策层次框架包含目标层、 准则 层、 方案层； 所述目标层为抽水蓄能电站极端工况下 最优控制规律； 所述准则层包含定性指标与定量指标， 所述定量指标包含机组最大转速上 升值、 蜗壳进口处最大水压力值、 尾水管出口处真空压力值、 球阀处最大水压力值、 控制器 及球阀最大油速度； 所述定性指标包含机组转速波动程度、 蜗壳尾水管压力脉动程度、 上下 游调压室水位波动程度、 控制规律操作复杂度、 控制规律操作安全性； 所述方案层为由多目 标优化方案求 解得到的Pareto 解集。 5.根据权利要求4所述的方法， 其特征在于， 基于直觉模糊 层次分析法优化决策机组控 制规律， 该方法具体为： (2.1)以直觉模糊集(x|μx, νx, πx)为判断基底， 由底至上逐层比较决策层次框架， 形成 直觉模糊层次判断矩阵R； 其中直觉模糊值 μx, νx, πx分别为隶属度、 非隶属度、 犹豫度； (2.2)对直觉模糊层次判断矩阵R进行一致性检验， 满足一致性检验的判断矩阵被认为 符合判断一 致性， 转入步骤(2.4)， 否则转入步骤(2.3)； (2.3)修改直觉模糊层次判断矩阵， 计算直觉模糊层次判断矩阵的完全一致性矩阵Rp， 选取控制参数σ， 融合R与Rp得到 多次重复上述 步骤直至获得满足一 致性的判断矩阵；权　利　要　求　书 2/3 页 3 CN 114254571 A 3