一種智能化的水庫優(yōu)化調(diào)度方法
【專利摘要】本發(fā)明公開了一種智能化的水庫優(yōu)化調(diào)度方法，基于對(duì)傳統(tǒng)模擬退火遺傳算法在水庫優(yōu)化調(diào)度的缺陷分析，分別從引入小生境技術(shù)、采用自適應(yīng)交叉和變異策略、在選擇過程中采用最優(yōu)保存策略三個(gè)方面對(duì)算法進(jìn)行改進(jìn)，能夠根據(jù)水庫的具體情況，求解以發(fā)電量最大為目標(biāo)的水庫優(yōu)化調(diào)度非線性數(shù)學(xué)模型。
【專利說明】一種智能化的水庫優(yōu)化調(diào)度方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種智能化的水庫優(yōu)化調(diào)度方法，具體針對(duì)以發(fā)電量最大為目標(biāo)的水庫優(yōu)化調(diào)度非線性數(shù)學(xué)模型的求解。
【背景技術(shù)】
[0002]水庫優(yōu)化調(diào)度是根據(jù)水庫的具體運(yùn)行條件，建立以水庫效益最大為目標(biāo)，以水量平衡、電站出力等為約束條件的優(yōu)化調(diào)度模型，采用優(yōu)化理論來確定對(duì)水資源水庫控制運(yùn)用方式。它是在不改變水電站現(xiàn)有動(dòng)力設(shè)備和水工建筑結(jié)構(gòu)的條件下，運(yùn)用優(yōu)化理論、現(xiàn)代控制論和系統(tǒng)工程方法，制定水庫最優(yōu)調(diào)度方案以及繪制優(yōu)化調(diào)度圖，結(jié)合徑流預(yù)報(bào)，滿足電力系統(tǒng)和綜合利用部門要求，指導(dǎo)水庫實(shí)現(xiàn)最佳控制運(yùn)用，達(dá)到增加發(fā)電量或增加電力產(chǎn)值，最大限度地節(jié)約一次能源的目的。
[0003]20世紀(jì)80年代以來，產(chǎn)生了一種新穎的算法，如遺傳算法、蟻群算法、粒子群算法、人工免疫算法及其混合優(yōu)化策略等，通過模擬或者揭示某種自然現(xiàn)象和過程而發(fā)展起來的，通常稱作智能優(yōu)化算法。隨著這些智能仿生算法的產(chǎn)生，為水庫優(yōu)化調(diào)度提供了新的途徑。其中，遺傳算法由于其具有優(yōu)良的全局搜索能力和隱含的并行計(jì)算特性，而被認(rèn)為是優(yōu)越的水庫優(yōu)化調(diào)度求解方法。但遺傳算法的局部尋優(yōu)能力較差，容易出現(xiàn)早熟現(xiàn)象。
[0004]傳統(tǒng)的模擬退火遺傳算法是基于基本遺傳算法，在其搜索過程中融入了模擬退火算法的優(yōu)化思想的一種方法。雖然傳統(tǒng)模擬退火遺傳算法在水庫優(yōu)化調(diào)度研究中通過融合的思想實(shí)現(xiàn)了算法的優(yōu)勢(shì)互補(bǔ)，達(dá)到了改善算法性能的目的。但是其在進(jìn)化過程中明顯缺乏種群間歷史信息的交流和反饋，以及種群進(jìn)化的參考標(biāo)準(zhǔn)，這樣不僅易造成種群進(jìn)化方向短時(shí)間內(nèi)偏離理論目標(biāo)值的缺陷，而且會(huì)造成在有限的搜索時(shí)間內(nèi)可能錯(cuò)失最優(yōu)解。

【發(fā)明內(nèi)容】

[0005]發(fā)明目的:本發(fā)明針對(duì)基于傳統(tǒng)模擬退火遺傳算法的水庫優(yōu)化調(diào)度研究，其在進(jìn)化過程中明顯缺乏種群間歷史信息的交流和反饋，以及種群進(jìn)化的參考標(biāo)準(zhǔn)，易造成種群進(jìn)化方向短時(shí)間內(nèi)偏離理論目標(biāo)值和有限的搜索時(shí)間內(nèi)可能錯(cuò)失最優(yōu)解的缺陷等不足，提出了一種新的智能化的水庫優(yōu)化調(diào)度方法。
[0006]技術(shù)方案:本發(fā)明提出的智能化的水庫優(yōu)化調(diào)度方法，其基本思想是對(duì)水庫優(yōu)化調(diào)度的研究，通過小生境技術(shù)對(duì)相似個(gè)體的選擇概率進(jìn)行不均衡分配，增加了種群的多樣性，有效避免了算法掉入局部陷阱，提高了算法的全局收斂性能；通過自適應(yīng)交叉和變異操作，提高了算法的進(jìn)化速度；通過最優(yōu)保存策略，利用優(yōu)良的染色體模板，使個(gè)體在迭代過程中有效地繼承了父代的優(yōu)良特征，避免了最優(yōu)解的丟失，確保了搜索過程加速向最優(yōu)的方向逼近。本發(fā)明提出的基于改進(jìn)模擬退火遺傳算法在水庫優(yōu)化調(diào)度的研究，求解過程更加平穩(wěn)及效率更高；該算法能夠快速的收斂最優(yōu)值，并且最優(yōu)值優(yōu)于傳統(tǒng)算法，即改進(jìn)的算法收斂速度快，比傳統(tǒng)算法得到的優(yōu)化效果好；還可以用來解決一些非凸、非線性及離散的優(yōu)化問題。具體包括如下步驟:[0007]( I)編碼
[0008]在滿足運(yùn)行水位有關(guān)約束條件下，隨機(jī)選取m組水位變化序列
【權(quán)利要求】
1.一種智能化的水庫優(yōu)化調(diào)度方法，其特征在于:利用其對(duì)水庫進(jìn)行優(yōu)化調(diào)度計(jì)算，以遺傳算法的運(yùn)算流程作為主題流程，把模擬退火算法融入其中，用以進(jìn)一步調(diào)整優(yōu)化群體，基本執(zhí)行過程是先隨機(jī)產(chǎn)生初始種群，通過選擇、交叉、變異等遺傳操作來產(chǎn)生一組新的個(gè)體，然后再獨(dú)立地對(duì)所產(chǎn)生的各個(gè)個(gè)體分別進(jìn)行模擬退火，以其結(jié)果作為下一代群體中的個(gè)體，該過程反復(fù)進(jìn)行，直到滿足終止條件為止，該改進(jìn)模擬退火遺傳算法有效地克服了停滯現(xiàn)象，增強(qiáng)了全局搜索能力，提高了傳統(tǒng)模擬退火遺傳算法的尋優(yōu)性。
2.根據(jù)權(quán)利要求1所述的智能化的水庫優(yōu)化調(diào)度方法，其特征在于:所述的改進(jìn)算法采用小生境思想來實(shí)現(xiàn)遺傳算法的選擇操作，小生境技術(shù)是將每一代種群看成由若干子群組成，從每個(gè)子群中選出若干性能較好的個(gè)體組成一個(gè)新群體，再在此群體中，以及其他群體之間，不斷地進(jìn)化產(chǎn)生一新的種群，采用預(yù)選擇機(jī)制或排擠機(jī)制或共享機(jī)制完成選擇操作，其中共享機(jī)制用的最多，種群中各個(gè)個(gè)體的適應(yīng)度是通過共享度來進(jìn)行調(diào)整的，調(diào)整后的個(gè)體適應(yīng)度f' f為.
3.根據(jù)權(quán)利要求1所述的智能化的水庫優(yōu)化調(diào)度方法，其特征在于:所述的改進(jìn)模擬退火遺傳算法采用一種新的自適應(yīng)遺傳算法，通過自適應(yīng)交叉和變異操作提高了算法的進(jìn)化速度； 遺傳算法在搜索全局最優(yōu)解時(shí)必須具備確定搜索最優(yōu)解區(qū)域并收斂到最優(yōu)解的能力和在搜索全局最優(yōu)解時(shí)開辟新的解空間的能力兩個(gè)特點(diǎn)，這些特點(diǎn)是由其交叉概率P。和變異概率Pm控制的，本文采用自適應(yīng)交叉和變異概率，使P。和Pm能夠隨適應(yīng)度自動(dòng)改變，從而在保持種群多樣性的同時(shí)，也保證遺傳算法的收斂性； 交叉概率P。和變異概率Pm的計(jì)算公式如下:
4.根據(jù)權(quán)利要求1所述的智能化的水庫優(yōu)化調(diào)度方法，其特征在于:所述的改進(jìn)模擬退火遺傳算法通過最優(yōu)保存策略，其基本思想是當(dāng)前群體中的最優(yōu)個(gè)體不參與交叉和變異運(yùn)算，直接進(jìn)入子代群體中，利用優(yōu)良的染色體模板，使個(gè)體在迭代過程中有效地繼承了父代的優(yōu)良特征， 避免了最優(yōu)解的丟失，采用該策略可以自始至終保存最優(yōu)個(gè)體，確保了搜索過程加速向最優(yōu)的方向逼近。
【文檔編號(hào)】G06Q50/06GK103942611SQ201410139168
【公開日】2014年7月23日 申請(qǐng)日期:2014年4月8日 優(yōu)先權(quán)日:2014年4月8日
【發(fā)明者】高紅民, 孔成, 李臣明, 徐立中 申請(qǐng)人:河海大學(xué)