1.一种基于萤火虫算法的梯级水库群调度优化方法，其特征在于，包括以下步骤：步骤1：以调度期内梯级水库发电量最大为优化目标，以梯级水库的水力约束及电力约束为约束条件，建立梯级水库优化模型，梯级水库优化模型的目标函数为：公式(1)中：E为梯级电站发电量，亿kW·h；m、n分别为电站总数和调度时段总数；Ki为第i电站的出力系数；Qi,j为第i电站第j时段的发电流量，m3/s；Hi,j为第i电站第j时段的发电水头；m，T为单个调度时段；

步骤2：采用改进萤火虫算法对步骤1中得到的梯级水库优化模型进行优化计算，得到最大发电量及其对应的最优水库水位，输出最优水库水位。

2.如权利要求1所述的一种基于萤火虫算法的梯级水库群调度优化方法，其特征在于，步骤1中，梯级水库的水力约束条件及电力约束条件包括：水量平衡约束：Vi,j+1＝Vi,j+(QIi,j-qi,j)T

水库水位约束：Hmin(i,j)≤Hj(i,j)≤Hmax(i,j)

水库泄流约束：qmin(i,j)≤qi,j≤qmax(i,j)

电站出力约束：Nmin(i,j)≤Ni,j≤Nmax(i,j)

式中：Vi,j、Vi,j+1分别为第i电站时段始末库容，亿m3；QIi,j和qi,j分别为第i电站第j时段内入库流量和出库流量，m3/s；Hmax(i,j)和Hmin(i,j)分别为第i电站第j时段的水位上下限，m；qmax(i,j)和qmin(i,j)分别为第i电站第j时段的出库流量上下限，m3/s；Nmax(i,j)和Nmin(i,j)分别为第i电站第j时段的装机容量和最小出力，MW。

3.如权利要求2所述的一种基于萤火虫算法的梯级水库群调度优化方法，其特征在于，步骤2具体按照以下步骤实施：步骤2.1：变量初始化，设置萤火虫种群规模为Npop，最大迭代次数为Tmax，扰动因子为α，吸引力初始值β0，荧光吸收因子为γ，Δ为扰动因子α增量值，随机搜索间隔代数n，变异阈值ξ，变异比例b；另外设置迭代计数变量t，t的初始值为0；分别为以m个年调节性能水库的

12个月月末水位为萤火虫位置变量，变量维数D＝12*m，在水库月末水位上下限约束内随机生成Npop个萤火虫位置，如公式(2)：Xi,j＝Hmin(j)+rand(Hmax(j)-Hmin(j))i∈[1,Npop],j∈[1,D]   (2)公式(2)中：Xi,j为第i个萤火虫在第j维空间的位置；Hmax(j)为萤火虫第j维空间位置的上限约束，即水库月末水位上限约束；Hmin(j)分别为萤火虫第j维空间位置的下限约束，即水库月末水位下限约束；rand为[0，1]区间随机数；

步骤2.2：计算所有萤火虫自身荧光亮度值It0(i)(i＝1,2,...,Npop)，采用梯级发电量E作为荧光亮度值It0(i)如公式(3)，并令萤火虫位置编号i1＝1，然后进入步骤2.3；

公式(3)中：f为水量平衡方程；ZV为水库库容曲线；ZQ为流量尾水位曲线；

t

步骤2.3：比较第i1和第i2(i2＝i1+1，i1+2，…，Npop)萤火虫自身荧光亮度值，如果I0(i1)＜It0(i2)，则依次通过公式(4)、(5)、(6)分别计算第i1和第i2萤火虫之间的欧式空间距离吸引度 和第i1萤火虫向第i2萤火虫位置移动后的新位置 然后令i1＝i1+

1，转向步骤2.4；反之直接令i1＝i1+1，转向步骤2.4；

步骤2.4：判断i1是否大于Npop，若是，则转向步骤2.5；反之转向步骤2.2；

步骤2.5：通过式(7)计算第t次迭代下最大荧光亮度值Fval(t)及其对应的萤火虫位置并令t＝t+1，然后进入步骤2.6；

步骤2.6：判断变异条件Fval(t)-Fval(t-1)＜ε(t＞1)是否成立，如果满足变异条件，则进入步骤2.7；反之，进入步骤2.8；

步骤2.7：将 带入式(8)生成1个新萤火虫位置 重复计算生成b个新萤火虫位置，然后替换掉b个荧光亮度值较小的萤火虫位置 此时，不再计算新生成萤火虫的荧光亮度值；反之，不进行变异，即不更新位置，直接进入步骤2.8；

步骤2.8：判断t是否大于最大迭代次数Tmax，若是则转向步骤2.9；反之，转向步骤2.2；

步骤2.9：得到最优萤火虫位置即最优水库水位，及最优萤火虫位置对应的荧光值即最大发电量。