水电是现阶段规模最大、技术最可靠的清洁可再生能源,是我国实现碳中和碳达峰战略的灵活性支撑能源。我校水文院冯仲恺教授长期服务水资源安全和能源安全国家需求,经过系统深入研究,近期在水库群发电生态调度方向完成系列研究成果。作为水库群调度领域最经典、应用最广泛的方法之一,动态规划通过变量离散实现最优决策的递推求解,但其计算复杂度随系统规模增大呈指数增长、维数灾问题凸显。为此,构建了水库群发电调度近似动态规划方法(Approximate dynamic programming, ADP),利用长短记忆神经网络等人工智能方法对水电站复杂非线性动力关系进行动态建模(图1),而后将其嵌入动态规划多阶段递推方程实现降维求解,可以在保证发电效益的前提下显著降低计算开销,有效缓解了动态规划维数灾难题,为水库群发电调度高效优化提供了一种新框架。图1 ADP示意图[1]传统水库发电调度规则多基于历史数据和设计资料,在一定程度上难以充分考虑水库群径流随机性、需求多变性等因素影响。为此,首先运用模糊聚类技术从关联因子中识别出典型调度模态,而后对各模态调度方案集合分别构建适用的孪生支持向量机模型,同时利用智能优化方法