一种基于狮群算法的水库群双目标优化调度方法

摘要

本发明公开了一种基于狮群算法的水库群双目标优化调度方法，具体包括如下步骤：步骤1，基于NSGA‑II算法框架与狮群社会结构，建立狮群算法模型；步骤2，建立基于狮群算法的水库群双目标优化调度模型；步骤3，确定调度期和准备模型输入数据；步骤4，求解得到双目标优化调度方案集。本发明解决了现有技术存在算法运行速度慢、个体选择压力小和优化资源无法集中于双目标优化上的问题。在水库群双目标优化调度中，相比于现有方法，基于狮群算法的优化调度方法可以在更短的时间内获得更好的优化调度方案集，为调度决策提供有力支撑。

说明书

技术领域

本发明属于水库群优化调度技术领域，提供了一种基于狮群算法的水库群双目标优化调度方法。

背景技术

水库群优化调度问题是一类多目标、非线性、多约束的复杂工程优化问题，该问题处理的核心难点之一是多目标优化技术的实现，如基于NSGA-II框架的多目标进化算法是现有主流的多目标优化技术，被广泛用于水库群多目标优化调度领域。现有技术存在算法运行速度慢和个体选择压力小的问题。并且，由于属于多目标优化算法，现有技术的优化资源无法集中于双目标问题上，如果仅考虑水库群双目标优化调度问题，那么该算法的多目标普适性显然是对优化资源的一种浪费，因此，综合来看，现有技术存在算法运行速度慢、个体选择压力小和优化资源无法集中于双目标优化上的问题。

发明内容

本发明的目的是提供一种基于狮群算法的水库群双目标优化调度方法，解决了现有技术存在算法运行速度慢、个体选择压力小和优化资源无法集中于双目标优化上的问题。

本发明所采用的技术方案是，

一种基于狮群算法的水库群双目标优化调度方法，具体包括如下步骤：

步骤1，基于NSGA-II算法框架与狮群社会结构，建立狮群算法模型；

步骤1.1，种群划分；

步骤1.2，个体分类；

步骤1.3，差异化个体评价；

步骤2，建立基于狮群算法的水库群双目标优化调度模型；

步骤3，确定调度期和准备模型输入数据；

步骤4，求解得到双目标优化调度方案集。

进一步地，步骤1.1中，首先，基于目标的值域，将种群等分成0～N个狮群(N为种群规模)。然后，计算各狮群的长宽比，如果某个狮群长宽比大于r(r>1)，那么该狮群被解散。

本发明的特点还在于，

步骤1.2具体为：在种群划分完毕后，将基于狮群和斜率指标进行个体分类：对于被解散的狮群，该狮群内所有个体都将成为狮王，对于未被解散的狮群，该狮群内斜率指标值最小的个体将被选为狮王，其余个体则成为普通狮子。

步骤1.3具体为：使用个体等级和拥挤距离两个指标来评价并区分不同类型的狮子。

步骤2具体为，依据调度目标和约束条件，建立基于狮群算法的水库群双目标优化调度模型，调度模型的调度目标和约束条件具体为：调度目标，水库水量平衡约束，上下游水库间水量平衡约束，水库出库流量约束，水库水位约束，水电站出力约束，水电站最大过流能力约束，变量非负约束。

步骤3具体为，根据调度时长的长短选择调度期，模型输入数据有调度期对应的各水库来水和区间流量过程，以及各水库的运行参数，如各种特征水位、特征库容、保证出力、装机容量、水电站最大过流能力。

步骤4具体为，运行水库群双目标优化调度模型，将水库群调度模块的调度目标值作为狮群算法模块的输入以评价不同调度方案的优劣，再通过狮群算法调整调度方案参数并反馈回水库群调度模块，循环迭代，直至达到终止条件。

本发明的有益效果是：本发明一种基于狮群算法的水库群双目标优化调度方法，基于NSGA-II算法框架与狮群社会结构，提出了一种基于狮群算法的水库群双目标优化调度方法。在水库群双目标优化调度问题中，相比于现有方法，基于狮群算法的优化调度方法可以在更短的时间内获得更好的优化调度方案集，为调度决策提供有力支撑。

附图说明

图1是本发明一种基于狮群算法的水库群双目标优化调度方法的流程图。

具体实施方式

下面结合附图和具体实施方式，对本发明一种基于狮群算法的水库群双目标优化调度方法进行进一步详细说明。

如图1所示，本发明一种基于狮群算法的水库群双目标优化调度方法，具体包括如下步骤：

步骤1，基于NSGA-II算法框架与狮群社会结构，建立狮群算法模型；

步骤1.1，种群划分；

步骤1.2，个体分类；

步骤1.3，差异化个体评价；

步骤2，建立基于狮群算法的水库群双目标优化调度模型；

步骤3，确定调度期和准备模型输入数据；

步骤4，求解得到双目标优化调度方案集。

进一步地，步骤1.1中，首先，基于目标的值域，将种群等分成0～N个狮群(N为种群规模)。然后，计算各狮群的长宽比，如果某个狮群长宽比大于r(r>1)，那么该狮群被解散。

进一步地，步骤1.2具体为：在种群划分完毕后，将基于狮群和斜率指标进行个体分类：对于被解散的狮群，该狮群内所有个体都将成为狮王，对于未被解散的狮群，该狮群内斜率指标值最小的个体将被选为狮王，其余个体则成为普通狮子。

进一步地，步骤1.3具体为：使用个体等级和拥挤距离两个指标来评价并区分不同类型的狮子。

进一步地，步骤2具体为，依据调度目标和约束条件，建立基于狮群算法的水库群双目标优化调度模型，调度模型的调度目标和约束条件具体为：调度目标，水库水量平衡约束，上下游水库间水量平衡约束，水库出库流量约束，水库水位约束，水电站出力约束，水电站最大过流能力约束，变量非负约束。

进一步地，步骤3具体为，根据调度时长的长短选择调度期，模型输入数据有调度期对应的各水库来水和区间流量过程，以及各水库的运行参数，如各种特征水位、特征库容、保证出力、装机容量、水电站最大过流能力。

进一步地，步骤4具体为，运行水库群双目标优化调度模型，将水库群调度模块的调度目标值作为狮群算法模块的输入以评价不同调度方案的优劣，再通过狮群算法调整调度方案参数并反馈回水库群调度模块，循环迭代，直至达到终止条件。

下面通过具体的实施例对本发明一种基于狮群算法的水库群双目标优化调度方法进行进一步详细说明。

一种基于狮群算法的水库群双目标优化调度方法，具体按照以下步骤实施：

步骤1，基于NSGA-II算法框架与狮群社会结构，建立狮群算法模型：

基于NSGA-II算法框架与狮群社会结构，建立狮群算法模型，如图1所示。首先，将种群划分为0～N个狮群(N为种群规模)；然后，基于狮群与斜率指标将个体划分为狮王和普通狮子两大类；最后，相比于普通狮子，赋予狮王更好的适应度值。

步骤1.1，种群划分：

首先，基于目标的值域，将种群等分成0～N个狮群(N为种群规模)。然后，计算各狮群的长宽比，如果某个狮群长宽比大于r(r>1)，那么该狮群被解散。

步骤1.2，个体分类：

种群划分完毕后，将基于狮群和斜率指标进行个体分类。对于被解散的狮群，该狮群内所有个体都将成为狮王。对于未被解散的狮群，该狮群内斜率指标值最小的个体将被选为狮王，其余个体则成为普通狮子。

步骤1.3，差异化个体评价：

差异化评价使用个体等级和拥挤距离两个指标来评价并区分不同类型的狮子。对于个体等级，每个普通狮子的个体等级等于该狮子在全体普通狮子中的非支配等级，且非支配等级均为非负数，而所有狮王的个体等级等于同一个负数，例如-1。对于拥挤距离，狮群算法采用了与NSGA-Ⅱ算法相似的计算思路。不同之处仅在于，NSGA-II算法的拥挤距离是在非支配等级相同的个体间计算的，而狮群算法的拥挤距离是在个体等级相同的个体间计算的。最后，定义了狮群算法中个体比较的规则：优先比较个体等级，个体等级越小则个体越优；在个体等级相同时，拥挤距离越大则个体越优。

步骤2，建立基于狮群算法的水库群双目标优化调度模型：

依据调度目标和约束条件，建立基于狮群算法的水库群双目标优化调度模型。以一个梯级水库群为研究对象，以“梯级系统最小月出力最大化”和“梯级系统年发电量最大化”为调度目标，调度模型的调度目标和约束条件具体为：

1)调度目标，

2)水库水量平衡约束，

V(m,t+1)＝V(m,t)+(I(m,t)-O(m,t))×Δt-V

3)上下游水库间水量平衡约束，

I(m,t)＝O(m-1,t)+q

4)水库出库流量约束

O

5)水库水位约束

Z

6)水电站出力约束

N

7)水电站最大过流能力约束

Q

8)变量非负约束。

式中，

m、t分别为水库编号、时段编号；

Z(m,t)为时段初水库水位，m；

N(m,t)为水库时段出力，MW；

E(m,t)为水库时段发电量，亿kWh；

Q

N

V(m,t)、V

I(m,t)、O(m,t)、O

q

Z

然后，筛选出无法通过模型内部自动修正而满足的约束，它们分别是水库出库流量、水库水位和水电站出力这三种约束的下限。并采用静态罚函数法来惩罚违反这些约束的不可行解。其中，罚函数P(a,b)的构造如下，

式中：

α、β——系数，α>0，β≥1。

通过上述对调度目标和约束条件的处理，将带约束最大化问题转换成无约束最小化问题，便于优化模型求解。最终构造出可直接用于算法优化的目标方程如下：

步骤3，确定调度期和准备模型输入数据：

确定一个典型年为调度期，计算步长为1个月。模型输入数据有典型年对应的各水库来水和区间流量过程，以及各水库的运行参数，如表1所示。

表1水库主要运行参数

步骤4，求解得到双目标优化调度方案集：

运行级水库群双目标优化调度模型，将水库群调度模块的调度目标值作为狮群算法模块的输入以评价不同调度方案的优劣，再通过狮群算法调整调度方案参数并反馈回水库群调度模块，循环迭代，直至达到终止条件。

本发明一种基于狮群算法的水库群双目标优化调度方法，解决了现有技术存在算法运行速度慢、个体选择压力小和优化资源无法集中于双目标优化上的问题。在水库群双目标优化调度中，相比于现有方法，基于狮群算法的优化调度方法可以在更短的时间内获得更好的优化调度方案集，为调度决策提供有力支撑。