一种抽水蓄能电站多种甩负荷工况统一控制方法及装置

1.本发明属于流体机械及能源动力领域，更具体地，涉及一种抽水蓄能电站多种甩负荷工况统一控制方法及装置。


背景技术：

2.抽水蓄能是一种大规模电力存储的成熟技术，提供了从电力生产到辅助服务的广泛的电网管理服务，在可靠性、发电效率和发电能力等方面都经历了巨大的发展。抽水蓄能电站能够在几分钟内从泵抽水工况切换至发电工况，并能够在不同的负载下工作。这些特性也使其更容易陷入甩负荷工况中，影响发电效率与发电能力，甚至危害电厂安全与电网稳定。尤其是在一管双机布置形式下，同一水力单元的机组相互干扰，可能诱发同时甩负荷与相继甩负荷工况，造成更为严重的事故。
3.现有研究仅针对单一工况提出对应的机组关闭规律，而这种关闭规律仅仅适用于当前工况，在其他工况下则不能取得满意的过渡过程。为了达到机组在多种甩负荷工况下均能安全稳定运行的目标，亟需开展抽水蓄能电站多种甩负荷工况统一控制规律优化。


技术实现要素：

4.针对现有技术的以上缺陷或改进需求，本发明提供了一种抽水蓄能电站多种甩负荷工况统一控制方法及装置，其目的在于，统筹考虑一管双机布置形式抽水蓄能电站的单机甩负荷工况、双机同时甩负荷、双机相继甩负荷工况过渡过程动态品质，获取在多种甩负荷工况下均安全且快速平稳的机组控制规律，避免机组失稳造成抬机等安全事故。
5.为实现上述目的，按照本发明的一方面，提出了一种抽水蓄能电站多种甩负荷工况统一控制方法，包括如下步骤：
6.s1、建立一管双机布置形式抽水蓄能电站的甩负荷工况模型，其中以机组转速、蜗壳内水压力和尾水管真空度为优化目标，分别结合单机甩负荷工况、双机同时甩负荷工况、双机相继甩负荷工况，得到多个目标函数，从而构建得到多目标优化函数；
7.s2、通过改进pareto强度进化算法对多目标优化函数进行求解，进而得到多种甩负荷工况下的机组控制规律。
8.作为进一步优选的，多目标优化函数包括以下9个目标函数min f1～min f9：
9.(1)单机甩负荷机组转速目标函数，具体为：
10.min f1＝w1×
peak1(x)+w2×
peak2(x)
11.(2)单机甩负荷机组蜗壳内水压力目标函数，具体为：
12.min f2＝w1×
peak1(p
vol
)+w2×
peak2(p
vol
)
13.(3)单机甩负荷机组尾水管真空度目标函数，具体为：
14.max f3＝w1×
trough1(p
dra
)+w2×
trough2(p
dra
)
15.(4)双机同时甩负荷机组转速目标函数，具体为：
16.min f4＝w1×
peak1(x1+x2)+w2×
peak2(x1+x2)
17.(5)双机同时甩负荷机组蜗壳内水压力目标函数，具体为：
18.min f5＝w1×
peak1(p
1vol
+p
2vol
)+w2×
peak2(p
1vol
+p
2vol
)
19.(6)双机同时甩负荷机组尾水管真空度目标函数，具体为：
20.max f6＝w1×
trough1(p
1dra
+p
2dra
)+w2×
trough2(p
1dra
+p
2dra
)
21.(7)双机相继甩负荷机组转速目标函数，具体为：
22.min f7＝w1×
peak1(x1+x2)+w2×
peak2(x1+x2)
23.(8)双机相继甩负荷机组蜗壳内水压力目标函数，具体为：
24.min f8＝w1×
peak1(p
1vol
+p
2vol
)+w2×
peak2(p
1vol
+p
2vol
)
25.(9)双机同时甩负荷机组尾水管真空度目标函数，具体为：
26.max f9＝w1×
trough1(p
1dra
+p
2dra
)+w2×
trough2(p
1dra
+p
2dra
)
27.其中，w1,w2分别为第一、第二权重；x为机组转动速度，p
vol
为机组蜗壳内水压力，p
dra
为机组尾水管真空度；x1,x2分别为第一、第二台机组转动速度，分别为第一、第二台机组蜗壳内水压力，分别为第一、第二台机组尾水管真空度；peak1(),peak2()分别为机组第一、第二峰值，trough1(),trough2()分别为机组第一、第二波谷值。
28.作为进一步优选的，通过改进pareto强度进化算法对多目标优化函数进行求解，包括如下步骤：
29.s21、初始化粒子种群，并生成参考向量及参考子空间；种群中每个粒子代表一种控制规律；
30.s22、对种群中的每个粒子：从种群中随机选择k个粒子，并分别计算k个粒子与该粒子的欧氏距离，取欧氏距离最小的粒子与该粒子配对，进行模拟二进制交叉重组与多项式变异，生成子代粒子；从而生成子代种群；
31.s23、计算父代和子代种群中粒子的目标函数值并归一化，将父代和子代种群中的粒子与参考向量关联，确定粒子所归属的参考子空间；
32.s24、基于粒子对应的目标函数值，计算各粒子的局部适应度f
local
，以及粒子归属的参考子空间的全局适应度f
global
；
33.s25、判断粒子是否为参考子空间的唯一粒子：若粒子是参考子空间内唯一的粒子，则粒子比较值c＝f
local
；否则，粒子比较值c＝f
local
+f
global
；
34.s26、计算粒子约束违反值v和松弛约束值ε，若v＜ε，将粒子划分入第一种群，否则，将粒子划分入第二种群；将第一种群按照粒子比较值c由小到大排序，将第二种群按照粒子约束违反值v由小到大排序；进而若第一种群内的粒子数量不小于档案集的容量e，则选择第一种群内的前e个粒子放入档案集中，否则，将第一种群内粒子全部放入档案集，然后从第二种群中选择约束违反值v小的粒子放入档案集，至档案集达到容量e；
35.s27、判断当前迭代次数是否小于最大迭代次数，若是，则回到步骤s22，并以档案集中粒子作为父代种群；否则，以当前档案集作为最优解集。
36.作为进一步优选的，步骤s26中，粒子的约束违反值和松弛约束值的计算方式如下：
37.计算粒子对应的各个目标函数值，进而分别得到各目标函数值与其预期范围的差值v；约束违反值v为粒子对应的多个差值v的归一值；
38.将初始种群中所有粒子的约束违反值v从小到大排序，选择第n/3个粒子的约束违反值为初始的松弛约束值ε(0)；第k次迭代的松弛约束值ε(k)计算公式如下：
[0039][0040]
其中，n为粒子种群的规模，t为最大迭代次数。
[0041]
作为进一步优选的，步骤s24，具体为：
[0042]
计算局部强度s
local
，即在参考子空间中粒子支配其他粒子的数目，支配指粒子对应的所有目标函数值均大于另一个粒子；进而计算局部支配值r
local
，即在参考子空间中支配该粒子的其他粒子局部强度之和；
[0043]
计算局部密度值其中，θa为粒子与其关联的参考向量的夹角，θm为相邻参考向量间的夹角；
[0044]
则局部适应度f
local
＝r
local
+d
local
；
[0045]
全局支配值r
global
与局部支配值r
local
计算方式相似，将计算范围从参考子空间扩大到整个目标空间即可；
[0046]
全局密度值为其中，σk为粒子的k-th近邻距离；
[0047]
则全局适应度f
global
＝r
global
+d
global
。
[0048]
作为进一步优选的，步骤s21中，参考向量及参考子空间的生成方式如下：
[0049]
获取目标空间单纯形的中心向量及极值向量，进而将目标空间单纯形划分为m个子单纯形；
[0050]
对于各子单纯形，分别计算其截距向量及中间向量；
[0051]
分别将原点与所有中心向量、极值向量、截距向量和中间向量连接，从而将m个子单纯形划分为多个参考子空间，连接线即为参考向量。
[0052]
作为进一步优选的，通过改进pareto强度进化算法获取控制规律的最优解集后，依据平衡点法从最优解集中选取最优解，作为多种甩负荷工况下的机组控制规律。
[0053]
作为进一步优选的，所述平衡点法为：将归一化的粒子目标函数值映射在d维目标空间中，寻找目标空间每一维度i下的目标函数最小值取平衡点ep坐标为计算粒子与平衡点ep的欧式距离，选择种群中欧氏距离最小的粒子作为机组控制规律。
[0054]
作为进一步优选的，所述机组控制规律为导叶延时一段关闭-球阀两段折线协联关闭，具体形式为[tc,td,t1,t2,θ]，其中，tc为导叶直线关闭时间，td为导叶延时关闭时间，t1为球阀第一段关闭时间，t2为球阀第二段关闭时间，θ为球阀关闭拐点。
[0055]
按照本发明的另一方面，提供了一种抽水蓄能电站多种甩负荷工况统一控制装置，包括处理器，所述处理器用于执行上述抽水蓄能电站多种甩负荷工况统一控制方法。
[0056]
总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
[0057]
1.本发明将多种甩负荷工况统一纳入了优化目标中，并且将优化目标细化，从而统筹考虑多种工况，避免在某一工况下最优的控制规律可能不适用于其他工况甚至造成严重危害的问题，使得求解出的控制规律，可适用于多种甩负荷工况，且在各种工况下均具有较好的过渡过程动态品质，为抽水蓄能电站的多种极端甩负荷工况机组控制规律选择提供了依据。
[0058]
2.已有研究中针对过渡过程的优化目标主要为压力与转速，而本发明将压力更具体的划分为蜗壳压力与尾水管压力，从而获取更为准确的机组控制规律。
[0059]
3.本发明提出了多种甩负荷工况动态过程优化目标，充分考虑了机组甩负荷过程中的压力与转速极值，同时也将反映过渡过程快速平稳性的第二峰值也纳入到优化目标计算中，使得求解后的机组控制规律在满足转速、压力极值的同时可快速趋于稳定。
[0060]
4.本发明提供的多目标改进pareto强度进化算法，可有效解决待优化目标数较多的多目标优化问题，相比于传统的进化算法仅适用于两至三个目标，在更多目标时失去了其效用。
[0061]
5.本发明引入ε松弛支配判断，在实际工程问题中存在多种限制时也表现出了优秀的寻优能力，在迭代过程中保留了部分约束违反值较小的不可行解粒子，挖掘其蕴含的信息，使得算法快速、均匀的收敛至pareto前沿。
附图说明
[0062]
图1为本发明实施例抽水蓄能电站多种甩负荷工况统一控制方法的流程示意图；
[0063]
图2为本发明实施例改进pareto强度进化算法的流程示意图；
[0064]
图3为本发明实施例多种甩负荷工况机组统一控制规律过渡过程，其中，(a)为多种甩负荷工况下机组转速变化，(b)为多种甩负荷工况下机组蜗壳压力变化，(c)为多种甩负荷工况下机组尾水管真空度。
[0065]
图4为本发明实施例平衡点法示意图；
[0066]
图5为本发明实施例生成参考向量组及参考子空间过程示意图。
具体实施方式
[0067]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0068]
本发明实施例提供的一种抽水蓄能电站多种甩负荷工况统一控制方法，如图1所示，包括如下步骤：
[0069]
s1、建立一管双机布置形式抽水蓄能电站的甩负荷工况模型，构建机组甩负荷工况动态品质多目标优化函数；该多目标优化函数包含机组单机甩负荷机组转速优化目标，单机甩负荷机组蜗壳内水压力优化目标，单机甩负荷机组尾水管真空度优化目标，双机同时甩负荷机组转速优化目标，双机同时甩负荷机组蜗壳内水压力优化目标，双机同时甩负荷机组尾水管真空度优化目标，双机相继甩负荷机组转速优化目标，双机相继甩负荷机组蜗壳内水压力优化目标，双机相继甩负荷机组尾水管真空度优化目标。
[0070]
具体的，所述单机甩负荷机组转速优化目标的计算形式为：
[0071]
min f1＝w1×
peak1(x)+w2×
peak2(x)
[0072]
其中，x为机组转动速度，peak1(),peak2()分别为机组第一、第二峰值，w1,w2分别为对应第一、第二峰值的权重。
[0073]
所述单机甩负荷机组蜗壳内水压力优化目标的计算形式为：
[0074]
min f2＝w1×
peak1(p
vol
)+w2×
peak2(p
vol
)
[0075]
其中，p
vol
为机组蜗壳内水压力。
[0076]
所述单机甩负荷机组尾水管真空度优化目标的计算形式为：
[0077]
max f3＝w1×
trough1(p
dra
)+w2×
trough2(p
dra
)
[0078]
其中，p
dra
为机组尾水管真空度，trough1(),trough2()分别为机组第一、第二波谷值。
[0079]
所述双机同时甩负荷机组转速优化目标的计算形式为：
[0080]
min f4＝w1×
peak1(x1+x2)+w2×
peak2(x1+x2)
[0081]
其中，x1,x2分别为第一、第二台机组转动速度。
[0082]
所述双机同时甩负荷机组蜗壳内水压力优化目标的计算形式为：
[0083]
min f5＝w1×
peak1(p
1vol
+p
2vol
)+w2×
peak2(p
1vol
+p
2vol
)
[0084]
其中，p
1vol
，p
2vol
分别为第一、第二台机组蜗壳内水压力。
[0085]
所述双机同时甩负荷机组尾水管真空度优化目标的计算形式为：
[0086]
max f6＝w1×
trough1(p
1dra
+p
2dra
)+w2×
trough2(p
1dra
+p
2dra
)
[0087]
其中，p
1dra
，p
2dra
分别为第一、第二台机组尾水管真空度。
[0088]
所述双机相继甩负荷机组转速优化目标的计算形式为：
[0089]
min f7＝w1×
peak1(x1+x2)+w2×
peak2(x1+x2)
[0090]
所述双机相继甩负荷机组蜗壳内水压力优化目标的计算形式为：
[0091]
min f8＝w1×
peak1(p
1vol
+p
2vol
)+w2×
peak2(p
1vol
+p
2vol
)
[0092]
所述双机同时甩负荷机组尾水管真空度优化目标的计算形式为：
[0093]
max f9＝w1×
trough1(p
1dra
+p
2dra
)+w2×
trough2(p
1dra
+p
2dra
)。
[0094]
在一些实施例中，根据经验取w1＝0.7，w2＝0.3，或w1＝0.8，w2＝0.2。
[0095]
s2、结合多目标改进增强pareto进化算法对多目标优化函数进行迭代求解，得到控制规律最优解集，依据平衡点法选择多种工况下机组统一控制规律。如图2所示，具体包括如下步骤：
[0096]
s21、设定粒子种群的规模n，最大迭代次数t，松弛约束值ε，重组近邻值k，初始化粒子种群，并生成参考向量及参考子空间；
[0097]
具体的，参考向量及参考子空间的生成方式如下：
[0098]
获取单纯形的中心向量及极值向量，将单纯形划分为m个子单纯形；中心向量坐标为d为空间维度，极值向量即空间端点；
[0099]
对于各子单纯形，分别计算其截距向量及中间向量；
[0100]
分别将原点(0,0,0)与所有中心向量、极值向量、截距向量和中间向量连接，从而将m个子单纯形划分为多个参考子空间，连接线即为参考向量。
[0101]
为进一步说明，以3维空间为例，如图5所示，获取中心向量极值向量e1＝(1,0
,0)
,e2＝(0,1,0),e3＝(0,0,1)，将单纯形划分为3个子单纯形s1,s2,s3；
[0102]
针对子单纯形si，其截距向量及中间向量计算式如下：
[0103][0104][0105]
其中，i为子单纯形个数，在这里i＝1,2,3；r为极值向量间的等截距点r＝1,2,..,i，t为截距向量的中间点，t＝1,
…
r；d为空间维度。
[0106]
s22、逐个对种群中的粒子执行受限繁殖操作。对种群中的每个粒子：从种群中随机选择k个粒子，并分别计算k个粒子与该粒子的欧氏距离，取欧氏距离最小的粒子与该粒子配对，进行模拟二进制交叉重组与多项式变异，生成子代粒子；所有子代粒子构成子代种群；
[0107]
s23、计算父代和子代粒子群目标函数值，并将目标函数值归一化；将父代和子代种群中的粒子与参考向量关联，确定粒子所归属的参考子空间。
[0108]
具体的，粒子在空间中是一个向量，将和粒子夹角最小的参考向量与其进行关联，参考向量和子空间有对应关系，从而确定粒子所归属的参考子空间。
[0109]
s24、计算各粒子的局部适应度f
local
，以及粒子归属的参考子空间的全局适应度f
global
；
[0110]
(1)局部适应度f
local
：
[0111]
计算局部强度s
local
；局部强度s
local
为在参考子空间中粒子支配其他粒子的数目：s
local
(a)＝c({a∈ω(i)|a＞b})，ω为父代与子代粒子种群和；具体的，依据粒子间的帕累托支配关系计算，其含义为在参考子空间中粒子支配其他粒子的数目。所述帕累托支配关系为比较粒子间所有目标函数值，若粒子a的所有目标函数值均优于另一个粒子b，则粒子a支配粒子b，记为：a＞b，反之两个粒子间不存在支配关系；
[0112]
基于局部强度s
local
计算局部支配值r
local
；局部支配值r
local
为在参考子空间中支配该粒子的其他粒子局部强度之和：局部支配值越小，越没有被其他粒子支配，证明该粒子越优；
[0113]
计算局部密度值其中，θa为粒子与其关联的参考向量的夹角，θm为相邻参考向量间的夹角；
[0114]
局部适应度f
local
＝r
local
+d
local
。
[0115]
(2)全局适应度f
global
：
[0116]
全局强度、全局支配值、全局适应度与其对应局部强度、局部支配值、局部适应度计算公式相同，但全局值针对整个目标空间，局部值针对粒子归属的参考子空间；因此，计算全局支配值r
global
时将计算范围从参考子空间扩大到整个目标空间即可；
[0117]
全局密度值为其中，σk为粒子的k-th近邻距离；
[0118]
全局适应度f
global
＝r
global
+d
global
。
[0119]
s25、判断粒子是否为参考子空间的唯一粒子：若粒子是参考子空间内唯一的粒子，则粒子比较值c＝f
local
；否则，粒子比较值c＝f
local
+f
global
；
[0120]
s26、执行环境选择操作将优异粒子放入档案集：
[0121]
计算粒子约束违反值v和松弛约束值ε，若v＜ε，将粒子划分入第一种群，否则，将粒子划分入第二种群；将第一种群按照粒子比较值c由小到大排序，将第二种群按照粒子约束违反值v由小到大排序；
[0122]
若第一种群内的粒子数量不小于档案集的容量e，则选择第一种群内的前e个粒子放入档案集中，否则，先将第一种群内粒子全部放入档案集，然后从第二种群中选择约束违反值v小的粒子放入档案集，直至档案集达到容量e；
[0123]
具体的，粒子的约束违反值和松弛约束值的计算方式如下：
[0124]
计算粒子对应的各个目标函数值，进而分别得到各目标函数值与其预期范围的差值v；约束违反值v为粒子对应的多个差值v的归一值：
[0125][0126]
将初始种群中所有粒子的约束违反值v从小到大排序，选择第n/3个粒子的约束违反值为初始的松弛约束值ε(0)；
[0127]
松弛约束值随迭代次数更新而变化，其第k次迭代的松弛约束值ε(k)计算公式如下：
[0128][0129]
s27、判断当前迭代次数是否小于最大迭代次数，若是，则迭代次数加1，回到步骤s22，并以此时的档案集中粒子作为父代种群；否则，以当前档案集作为最优解集。
[0130]
s28、根据平衡点法从最优解集中选取最优解，作为多种甩负荷工况下的机组控制规律。
[0131]
具体的，所述平衡点法为：将归一化的粒子目标函数值映射在d维目标空间中，寻找目标空间每一维度i下的目标函数最小值取平衡点ep坐标为计算粒子与平衡点ep的欧式距离，选择种群中欧氏距离最小的粒子作为机组控制规律。
[0132]
为进一步说明，如图4所示，以d＝2为例，对两个目标f1,f2，找到每个目标下的粒子目标最小值作为平衡点ep，计算每个粒子与ep的二维距离。
[0133]
具体的，所述机组控制规律包含两个部分：导叶关闭与球阀关闭，即机组控制规律为导叶延时一段关闭-球阀两段折线协联关闭，具体形式为[tc,td,t1,t2,θ]，其中，tc为导叶直线关闭时间，td为导叶延时关闭时间，t1为球阀第一段关闭时间，t2为球阀第二段关闭时间，θ为球阀关闭拐点。
[0134]
将本实施例优化求解得到的多甩负荷工况控制规律应用在一管双机布置形式的
两台机组不同甩负荷工况，所得结果如图3所示。
[0135]
使用本方法得到的控制规律在多种甩负荷工况下均满足调节保证计算的要求，保留有较大裕度，且大幅度减小了机组转速上升值、蜗壳内水压力值与尾水管真空度，具有良好的过渡过程动态品质。验证表明：利用本发明的抽水蓄能电站多种甩负荷工况统一控制规律选择方法可在抽水蓄能电站多种甩负荷工况下选择出一种统一的控制规律，且具有良好的过渡过程动态品质。
[0136]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，包括如下步骤：s1、建立一管双机布置形式抽水蓄能电站的甩负荷工况模型，其中以机组转速、蜗壳内水压力和尾水管真空度为优化目标，分别结合单机甩负荷工况、双机同时甩负荷工况、双机相继甩负荷工况，得到多个目标函数，从而构建得到多目标优化函数；s2、通过改进pareto强度进化算法对多目标优化函数进行求解，进而得到多种甩负荷工况下的机组控制规律。2.如权利要求1所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，多目标优化函数包括以下9个目标函数min f1～min f9：(1)单机甩负荷机组转速目标函数，具体为：min f1＝w1×
peak1(x)+w2×
peak2(x)(2)单机甩负荷机组蜗壳内水压力目标函数，具体为：min f2＝w1×
peak1(p
vol
)+w2×
peak2(p
vol
)(3)单机甩负荷机组尾水管真空度目标函数，具体为：max f3＝w1×
trough1(p
dra
)+w2×
trough2(p
dra
)(4)双机同时甩负荷机组转速目标函数，具体为：min f4＝w1×
peak1(x1+x2)+w2×
peak2(x1+x2)(5)双机同时甩负荷机组蜗壳内水压力目标函数，具体为：(6)双机同时甩负荷机组尾水管真空度目标函数，具体为：(7)双机相继甩负荷机组转速目标函数，具体为：min f7＝w1×
peak1(x1+x2)+w2×
peak2(x1+x2)(8)双机相继甩负荷机组蜗壳内水压力目标函数，具体为：(9)双机同时甩负荷机组尾水管真空度目标函数，具体为：其中，w1,w2分别为第一、第二权重；x为机组转动速度，p
vol
为机组蜗壳内水压力，p
dra
为机组尾水管真空度；x1,x2分别为第一、第二台机组转动速度，p
1vol
,分别为第一、第二台机组蜗壳内水压力，p
1dra
,分别为第一、第二台机组尾水管真空度；peak1(),peak2()分别为机组第一、第二峰值，trough1(),trough2()分别为机组第一、第二波谷值。3.如权利要求1所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，通过改进pareto强度进化算法对多目标优化函数进行求解，包括如下步骤：s21、初始化粒子种群，并生成参考向量及参考子空间；种群中每个粒子代表一种控制规律；s22、对种群中的每个粒子：从种群中随机选择k个粒子，并分别计算k个粒子与该粒子的欧氏距离，取欧氏距离最小的粒子与该粒子配对，进行模拟二进制交叉重组与多项式变
异，生成子代粒子；从而生成子代种群；s23、计算父代和子代种群中粒子的目标函数值并归一化，将父代和子代种群中的粒子与参考向量关联，确定粒子所归属的参考子空间；s24、基于粒子对应的目标函数值，计算各粒子的局部适应度f
local
，以及粒子归属的参考子空间的全局适应度f
global
；s25、判断粒子是否为参考子空间的唯一粒子：若粒子是参考子空间内唯一的粒子，则粒子比较值c＝f
local
；否则，粒子比较值c＝f
local
+f
global
；s26、计算粒子约束违反值v和松弛约束值ε，若v＜ε，将粒子划分入第一种群，否则，将粒子划分入第二种群；将第一种群按照粒子比较值c由小到大排序，将第二种群按照粒子约束违反值v由小到大排序；进而若第一种群内的粒子数量不小于档案集的容量e，则选择第一种群内的前e个粒子放入档案集中，否则，将第一种群内粒子全部放入档案集，然后从第二种群中选择约束违反值v小的粒子放入档案集，至档案集达到容量e；s27、判断当前迭代次数是否小于最大迭代次数，若是，则回到步骤s22，并以档案集中粒子作为父代种群；否则，以当前档案集作为最优解集。4.如权利要求3所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，步骤s26中，粒子的约束违反值和松弛约束值的计算方式如下：计算粒子对应的各个目标函数值，进而分别得到各目标函数值与其预期范围的差值v；约束违反值v为粒子对应的多个差值v的归一值；将初始种群中所有粒子的约束违反值v从小到大排序，选择第n/3个粒子的约束违反值为初始的松弛约束值ε(0)；第k次迭代的松弛约束值ε(k)计算公式如下：其中，n为粒子种群的规模，t为最大迭代次数。5.如权利要求3所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，步骤s24，具体为：计算局部强度s
local
，即在参考子空间中粒子支配其他粒子的数目，支配指粒子对应的所有目标函数值均大于另一个粒子；进而计算局部支配值r
local
，即在参考子空间中支配该粒子的其他粒子局部强度之和；计算局部密度值其中，θ
a
为粒子与其关联的参考向量的夹角，θ
m
为相邻参考向量间的夹角；则局部适应度f
local
＝r
local
+d
local
；全局支配值r
global
与局部支配值r
local
计算方式相似，将计算范围从参考子空间扩大到整个目标空间即可；全局密度值为其中，σ
k
为粒子的k-th近邻距离；则全局适应度f
global
＝r
global
+d
global
。6.如权利要求3所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，步骤
s21中，参考向量及参考子空间的生成方式如下：获取目标空间单纯形的中心向量及极值向量，进而将目标空间单纯形划分为m个子单纯形；对于各子单纯形，分别计算其截距向量及中间向量；分别将原点与所有中心向量、极值向量、截距向量和中间向量连接，从而将m个子单纯形划分为多个参考子空间，连接线即为参考向量。7.如权利要求1所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，通过改进pareto强度进化算法获取控制规律的最优解集后，依据平衡点法从最优解集中选取最优解，作为多种甩负荷工况下的机组控制规律。8.如权利要求7所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，所述平衡点法为：将归一化的粒子目标函数值映射在d维目标空间中，寻找目标空间每一维度i下的目标函数最小值取平衡点ep坐标为计算粒子与平衡点ep的欧式距离，选择种群中欧氏距离最小的粒子作为机组控制规律。9.如权利要求1-8任一项所述的抽水蓄能电站多种甩负荷工况统一控制方法，其特征在于，所述机组控制规律为导叶延时一段关闭-球阀两段折线协联关闭，具体形式为[t
c
,t
d
,t1,t2,θ]，其中，t
c
为导叶直线关闭时间，t
d
为导叶延时关闭时间，t1为球阀第一段关闭时间，t2为球阀第二段关闭时间，θ为球阀关闭拐点。10.一种抽水蓄能电站多种甩负荷工况统一控制装置，其特征在于，包括处理器，所述处理器用于执行如权利要求1-9任一项所述的抽水蓄能电站多种甩负荷工况统一控制方法。

技术总结
本发明属于流体机械及能源动力领域，并具体公开了一种抽水蓄能电站多种甩负荷工况统一控制方法及装置，其包括步骤：S1、建立一管双机布置形式抽水蓄能电站的甩负荷工况模型，其中以机组转速、蜗壳内水压力和尾水管真空度为优化目标，分别结合单机甩负荷工况、双机同时甩负荷工况、双机相继甩负荷工况，得到多个目标函数，从而构建得到多目标优化函数；S2、通过改进Pareto强度进化算法对多目标优化函数进行求解，进而得到适用于多种甩负荷工况下的机组控制规律。本发明可选择出在多种极端甩负荷工况下均保持安全且动态品质良好的机组控制规律，有效改善抽水蓄能电站运行稳定性与安全性。性。性。


技术研发人员：周建中 刘宝楠 刘燚 李孟瑶 骆训稷 刘伟 谭卫林
受保护的技术使用者：华中科技大学
技术研发日：2022.08.05
技术公布日：2022/12/1