周 婷，王振龙，朱 梅，刘晓丽

(1.安徽农业大学，合肥 230036； 2. 安徽省水利部淮河水利委员会水利科学研究院， 安徽 蚌埠 233000)

0 引 言

水电站水库群优化调度能够在不增加工程投入的情况下显著提高系统效益，围绕水电站水库群的运行优化一直是科研界和生产单位的关注热点。目前针对水库水电站群优化调度的研究多侧重于优化理论算法，较少对优化模型的实现进行专门深入的探讨。然而，随着优化理论研究的深入，各种智能算法被引入水库群调度决策中，水库群运行仿真的复杂性将大大提高，成为水库水电站群优化调度理论方法研究面临的现实性问题[1-3]。在隐随机优化调度理论发展初期，调度规则形式较为简单，大多为多项式形式，不会给仿真带来太大难度；但当智能算法被引入调度规则提取中后，神经网络等“黑箱模型”成为调度规则计算工具，若调度规则和仿真运行的程序语言不同，则很难将这些程序直接嵌入仿真程序中。例如MATLAB程序中有神经网络、支持向量机(Support Vector Machine, SVM)、遗传算法等大量算法的工具包，可以直接调用，但水电站群仿真运行可能在C语言下运行，这种实现平台的不统一成为了制约隐随机优化理论及其应用的重要因素。在当前越来越多的水电站和水库投入运行的背景下，为优化调度规则投入实际运用构建统一的运行平台是一项极具实际价值的工作。

本文针对目前调度规则制定方法和实现环境多样化的特点，以SVM理论为例，构建了C++和MATLAB语言的集成仿真平台，实现MATLAB下的调度规则提取和C++环境下的水库群仿真对接，大大提高了隐随机优化调度相关算法的可移植性和可扩展性。……