本發(fā)明涉及一種基于改進量子粒子群算法的水電站群優(yōu)化調(diào)度方法，是一種水資源優(yōu)化調(diào)度方法，屬于水資源與水電站群優(yōu)化調(diào)度技術(shù)領(lǐng)域。技術(shù)背景最近10多年是我國水電事業(yè)建設(shè)高速發(fā)展時期，特別是隨著西南地區(qū)以烏江、紅水河等為代表的特大流域水電基地陸續(xù)投產(chǎn)運行，我國已形成世界上規(guī)模最為龐大的水電系統(tǒng)。伴隨著特大流域梯級水電站群的出現(xiàn)，進一步研究科學高效的水電站群聯(lián)合優(yōu)化調(diào)度方法具有尤其重要的理論價值和現(xiàn)實意義。水電站群優(yōu)化調(diào)度一般采用發(fā)電量最大模型，其數(shù)學描述如下：已知調(diào)度期內(nèi)各水電站入庫流量過程及調(diào)度期始末水位，綜合考慮水位、出力等約束條件，確定各水電站出力過程，使調(diào)度期內(nèi)系統(tǒng)總發(fā)電量達到最大。需要滿足以下約束條件：水量平衡方程：庫容約束：發(fā)電流量約束：出庫流量約束：電站出力約束：系統(tǒng)總出力限制：式中E為調(diào)度期內(nèi)總發(fā)電量(kW·h)；N為電站數(shù)目；i為電站序號，i＝1,2,…,N；T為調(diào)度周期；t為時段序號，t＝1,2,…,T；Pi,t為水電站i在時段t出力(kW)；Δt為調(diào)度時段t小時數(shù)(h)；Vi,t、Qi,t、qi,t、di,t分別為水電站i在時段t的庫容(m3)、入庫流量(m3/s)、發(fā)電流量(m3/s)、棄水流量(m3/s)；Vi,t分別為水電站i在時段t的庫容上、下限；為水電站i在時段t的發(fā)電流量上限；Oi,t分別為水電站i在時段t的出庫流量上、下限；Pi,t分別為水電站i在時段t出力上、下限；NPt為系統(tǒng)在時段t的出力下限。水電站(群)優(yōu)化調(diào)度目標函數(shù)及約束條件復雜，具有高維度、多階段、非線性、時空約束嵌套耦合等特點，其求解難度隨系統(tǒng)規(guī)模擴大呈幾何增長。線性規(guī)劃、動態(tài)規(guī)劃等傳統(tǒng)優(yōu)化方法已被廣泛應(yīng)用于求解此問題，但線性規(guī)劃與實際偏差較大；動態(tài)規(guī)劃存在維數(shù)災(zāi)問題。Sun等受量子力學與粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)的啟發(fā)，提出一種具有量子行為的粒子群優(yōu)化算法(Quantum-behavedParticleSwarmOptimization，QPSO)。QPSO認為粒子具有量子行為，無法同時精確測定粒子的位置和速度，采用波函數(shù)描述粒子狀態(tài)，通過求解薛定諤方程得到粒子在空間某點出現(xiàn)的概率密度函數(shù)，利用Monte-Carlo隨機模擬得到粒子在量子空間中的位置方程。在進化過程中，各粒子在最優(yōu)位置中心的DELTA勢阱中移動，通過跟蹤個體極值和全局極值不斷更新位置，能夠以一定的概率分布于搜索空間任一位置，其更新公式如下：其中m為種群規(guī)模，i＝1,2,…,m；d為粒子維度，j＝1,2,…,d；為最大迭代次數(shù)，mBestk為第k次迭代時種群最優(yōu)位置中心；為第k次迭代時粒子i歷史最優(yōu)位置；GBk為第k次迭代時種群全局最優(yōu)位置；ak表示第k次迭代時擴張–收縮因子；a1，a2分別為壓縮因子初始值和終止值，一般取a1＝1.0，a2＝0.5；r1,r2,r3為[0,1]區(qū)間均勻分布的隨機數(shù)。QPSO已被應(yīng)用于故障檢測、風電調(diào)度和系統(tǒng)辨識等方面，但目前尚無利用QPSO求解水電站群優(yōu)化調(diào)度問題的報道。在應(yīng)用過程中發(fā)現(xiàn)QPSO在計算種群最優(yōu)位置中心時對各粒子取相同權(quán)重，并未考慮各粒子歷史最優(yōu)位置的適應(yīng)度差異，難以發(fā)揮精英粒子優(yōu)勢，在迭代后期因種群多樣性減小發(fā)生早熟收斂，陷入局部最優(yōu)，獲得的水電站群調(diào)度方案并非最優(yōu)方案。

技術(shù)實現(xiàn)要素：
本發(fā)明要解決的技術(shù)問題是克服上述已有技術(shù)的不足，提出一種用于水電站群優(yōu)化調(diào)度的改進量子粒子群算法(ImprovedQuantum-behavedParticleSwarmOptimization，IQPSO)，增加種群多樣性避免早熟收斂，有效提高算法性能。本發(fā)明的一種基于改進量子粒子群算法的水電站群優(yōu)化調(diào)度方法，步驟為：(1)選擇參與計算的水電站，并設(shè)置各水電站相應(yīng)約束條件：水位、出力、流量及系統(tǒng)出力等。(2)確定個體編碼方式，采用二維實數(shù)矩陣對個體進行編碼。實數(shù)編碼與二進制編碼相比，可大幅減少編碼長度、節(jié)省內(nèi)存并避免進制轉(zhuǎn)換，提高計算效率；二維矩陣物理意義明確，能充分體現(xiàn)庫群優(yōu)化調(diào)度的時空耦合關(guān)聯(lián)特性，行向量為單一電站(同一地理空間)在各時段(不同時間)的狀態(tài)，列向量為各電站(不同地理空間)在同一時段(相同時間)的狀態(tài)。單個粒子如下所示：其中Zi,j表示水電站i在時段j的水位。(3)設(shè)置相關(guān)計算參數(shù)，如種群規(guī)模，最大迭代次數(shù)等。(4)采用混沌初始化種群提高初始種群質(zhì)量混沌現(xiàn)象普遍存在于非線性優(yōu)化系統(tǒng)中，內(nèi)在結(jié)構(gòu)精致，可在特定區(qū)域內(nèi)不重復地歷經(jīng)所有狀態(tài)，具有良好的遍歷性、隨機性和規(guī)律性。利用混沌思想初始化種群，可有效提高初始種群多樣性與分布均衡性，增強算法收斂速度和搜索精度。采用Logistic映射進行混沌搜索：zn+1＝4×zn×(1-zn)其中zn為變量Z在第n次迭代時取值，zn∈[0,1]。混沌序列生成后，需對各混沌變量分別進行載波處理映射至原優(yōu)化變量X可行空間內(nèi)。計算公式為：其中Xn為原優(yōu)化變量X與混沌變量zn相應(yīng)取值；X分別為原優(yōu)化變量X可行空間上、下限。(5)利用懲罰函數(shù)法計算各粒子適應(yīng)度其中式中f(Zk)為粒子Zk的適應(yīng)度；N為電站數(shù)目；i為電站序號，i＝1,2,…,N；T為調(diào)度周期；j為時段序號，j＝1,2,…,T；Pi,j為水電站i在時段j出力，kW；tj為調(diào)度時段j小時數(shù)，h；Xk,m為第k次迭代時約束q對應(yīng)的決策變量值；k為迭代次數(shù)，q為約束破壞編號；Xk,m為Xk,m的上、下限；M為約束破壞個數(shù)；Am、|ΔXm|分別為約束m的破壞懲罰系數(shù)及破壞程度；(6)更新個體極值與全局極值計算得到每個個體的適應(yīng)度后，與個體歷史最優(yōu)適應(yīng)度進行比較，若大于自身歷史最優(yōu)適應(yīng)度，則代替?zhèn)€體歷史最優(yōu)，否則個體最優(yōu)不變。然后挑選個體最優(yōu)中適應(yīng)度值最大的個體與全局最優(yōu)個體適應(yīng)度進行比較，若全局最優(yōu)個體適應(yīng)度則復制該個體替換全局最優(yōu)個體；否則不進行操作。(7)采用加權(quán)更新策略計算種群最佳位置中心QPSO更新公式如下：其中可視為在第k次迭代計算種群最優(yōu)位置中心時粒子i相應(yīng)權(quán)重，m為種群規(guī)模，即種群中個體數(shù)量；為粒子i在第k次迭代時歷史最優(yōu)位置；顯然QPSO在計算種群最優(yōu)位置中心時對各粒子取相同權(quán)重，并未考慮各粒子歷史最優(yōu)位置的適應(yīng)度差異，難以發(fā)揮精英粒子優(yōu)勢。采用加權(quán)更新種群最優(yōu)位置中心，根據(jù)粒子自身“表現(xiàn)”情況確定其權(quán)重，可有效降低落后粒子干擾，增強精英個體在種群進化中的導向作用，提高種群全局搜索能力以加速收斂。權(quán)重由粒子歷史最優(yōu)位置適應(yīng)度占所有粒子歷史最優(yōu)位置適應(yīng)度之和比例計算得到，公式為：式中為粒子i在第k次迭代時歷史最優(yōu)位置相應(yīng)適應(yīng)度。故IQPSO更新公式為：式中，為第k次迭代時粒子i的第d維決策變量的歷史最優(yōu)位置；(8)對全局最優(yōu)個體進行鄰域變異搜索各粒子在進化過程中不斷向種群最優(yōu)位置靠攏，逐漸聚集至較小區(qū)域范圍內(nèi)，種群多樣性降低，全局搜索能力下降，若種群全局最優(yōu)位置為局部最優(yōu)解，易發(fā)生早熟收斂現(xiàn)象。為改善算法搜索效率，對種群最優(yōu)個體在逐代縮小的鄰域范圍內(nèi)隨機變異，開展局部精細化搜索，若變異得到的新個體適應(yīng)度有所提升，則直接替換變異前種群全局最優(yōu)個體，否則隨機替換種群中個體。設(shè)變量X變異得到X'，計算公式為：X'＝X+Rk(2×r-1)其中：式中Rk為第k次迭代時鄰域搜索半徑；R分別為鄰域搜索半徑的上下限；r為[0,1]區(qū)間均勻分布的隨機數(shù)。(9)采用與QPSO相同的進化公式更新種群中各個體位置式中，為第k+1次迭代時粒子i的位置；ak表示第k次迭代時擴張–收縮因子；r1,r2,r3為[0,1]區(qū)間均勻分布的隨機數(shù)；b為中間變量，取值為1或-1；為第k次迭代中粒子i的介于歷史最優(yōu)位置和全局最優(yōu)位置GBk之間的位置；為第k+1次迭代時種群最優(yōu)位置中心；a1，a2分別為壓縮因子初始值和終止值，一般取a1＝1.0，a2＝0.5；m為種群規(guī)模，i＝1,2,…,m；d為粒子維度，j＝1,2,…,d；k為迭代次數(shù)；為最大迭代次數(shù)，(10)判定是否滿足停止準則，若滿足停止準則轉(zhuǎn)至步驟(11)；否則步驟(5)。停止準則采用連續(xù)ε代全局最優(yōu)個體變化差異較小或達到最大進化代數(shù)。(11)停止計算，輸出各水電站最優(yōu)水位變化序列。全局最優(yōu)個體的二維矩陣即為各水電站最優(yōu)水位變化序列。與現(xiàn)有的QPSO相比，本發(fā)明具有以下突出的有益效果：采用物理意義明確的二維實數(shù)矩陣編碼粒子，在大幅減少編碼長度、提高計算效率的同時，充分體現(xiàn)庫群優(yōu)化調(diào)度的時空耦合關(guān)聯(lián)特性；采用混沌思想初始化種群，提高初始種群質(zhì)量；在進化過程中，加權(quán)更新種群最優(yōu)位置中心，提升精英個體導向作用，增強全局搜索能力；對種群全局最優(yōu)個體進行鄰域變異搜索，增加種群多樣性避免早熟。附圖說明圖1是本發(fā)明求解水電站群優(yōu)化調(diào)度流程圖。圖2是平水年來水條件下本發(fā)明最優(yōu)解分布圖。圖3是平水年來水條件下本發(fā)明收斂圖。圖4-1是平水年來水條件下洪家渡水電站的計算結(jié)果圖。圖4-2是平水年來水條件下東風水電站的計算結(jié)果圖。圖4-3是平水年來水條件下烏江渡水電站的計算結(jié)果圖。圖4-4是平水年來水條件下構(gòu)皮灘水電站的計算結(jié)果圖。圖4-5是平水年來水條件下大花水水電站的計算結(jié)果圖。具體實施方式現(xiàn)以烏江流域梯級水電站群優(yōu)化調(diào)度為例，說明發(fā)明方法的有效性與合理性。本發(fā)明實施例中日調(diào)節(jié)水電站只考慮水頭發(fā)電，即在調(diào)度時段內(nèi)采用固定水位策略。本發(fā)明實施例中，種群規(guī)模取為500，最大迭代次數(shù)取為500，對所有約束的破壞懲罰系數(shù)都取為1000，鄰域搜索半徑上限下限R＝0.01；m＝20。表1為烏江梯級水電站群不同典型年逐步優(yōu)化算法(POA)、PSO、QPSO和IQPSO(本發(fā)明方法)的計算結(jié)果對比，其中PSO、QPSO和IQPSO優(yōu)化計算結(jié)果均為計算50次得到的最優(yōu)值，計算耗時為平均值。從總發(fā)電量可以看出，IQPSO計算結(jié)果明顯優(yōu)于QPSO與PSO，與POA結(jié)果相近。豐水年IQPSO比QPSO增發(fā)1.96億kW·h，比PSO增發(fā)11.75億kW·h；平水年IQPSO比QPSO增發(fā)1.7億kW·h，比PSO增發(fā)7.09億kW·h；枯水年IQPSO比QPSO增發(fā)1.62億kW·h，比PSO增發(fā)4.07億kW·h。從典型年平均計算耗時上看，IQPSO(21.6s)相對穩(wěn)定，優(yōu)于PSO(42.4s)和POA(74.8s)；增加加權(quán)更新種群最優(yōu)位置中心和鄰域變異操作，故耗時略多于QPSO(18.8s)，但滿足梯級水電站群的時效性要求。表1圖2顯示IQPSO不同尋優(yōu)次序下的最優(yōu)解均在POA附近波動，相對穩(wěn)定。由此可見，IQPSO計算結(jié)果穩(wěn)定有效，具有良好的魯棒性，在求解庫群長期優(yōu)化調(diào)度問題時，一次計算即可保證能夠得到近似最優(yōu)解。圖3為平水年各算法收斂特性曲線?？梢钥闯?，本發(fā)明利用混沌遍歷搜索生成初始種群，在前7代適應(yīng)度迅速上升，表明混沌思想具有良好的有效性和優(yōu)越性；在進化過程中采用加權(quán)更新種群最優(yōu)位置中心并引入鄰域變異策略提高了種群多樣性，種群全局搜索能力增強，算法收斂速度得到提高，在150代即得到與POA相近的有化解，比PSO和QPSO具有更為優(yōu)越的進化速度和求解精度。圖4-1、圖4-2、圖4-3、圖4-4和圖4-5為本發(fā)明在平水年計算所得主要電站的水位和出力過程?？梢钥闯霰景l(fā)明方法可以獲得合理有效的梯級水電站群調(diào)度運行方式。多年調(diào)節(jié)電站(洪家渡)汛期抬高水位充分蓄水，枯期進行補償調(diào)節(jié)，滿足系統(tǒng)最小出力要求；其他電站(大花水、東風、烏江渡和構(gòu)皮灘)汛前騰空庫容，汛期逐漸抬高水位，汛后保持高水頭運行，降低水耗增加發(fā)電量；各電站在調(diào)度期末降低至預先設(shè)置末水位。綜上所述，本發(fā)明具有操作簡單、控制參數(shù)少、收斂速度快、計算速度快、魯棒性強、結(jié)果合理有效等優(yōu)點，可用于梯級水電站群的優(yōu)化調(diào)度及水資源優(yōu)化配置。本發(fā)明的具體實施方式在各方面應(yīng)被視為例示性而非限制性實施例，所有的改變只要合乎本發(fā)明權(quán)利要求書所定義的范圍或為其技術(shù)實施方式等效者，均應(yīng)包含在本發(fā)明的保護范疇中。