一种基于改进型多目标遗传算法的水库调度优化方法

摘要

水库调度的目标是在保证水库安全运行的前提下，最大限度地提高水库效益，其中水库供水期平均出力和水库年发电量是实现水库调度稳定运行和提高发电效益的关键。本发明针对水库调度过程中供水期平均出力和年发电量难于同时优化的问题，设计了一种基于改进型多目标遗传算法的水库调度优化方法，将水库供水期平均出力和年发电量作为优化目标，利用改进型多目标遗传算法，求解水库一年中每个月的最优水位值，从而保证水库安全稳定运行，并有效提升了水库供水期平均出力和年发电量。

说明书

技术领域

本发明针对水库调度过程特性，利用改进型多目标遗传算法设计了一种水库调度优化方法，实现了水库调度过程中水位的优化。水库水位的优化是实现水库调度过程稳定安全运行和经济效益最大化的重要环节，属于水利行业多目标优化水库调度领域。

背景技术

水库调度的目的是在保证水库安全运行的前提下，尽可能提升水库供水期平均出力和年发电量，达到稳定运行、提升水库效益的最佳状态。然而，水库供水期的平均出力和水库年发电量的优化受多方面因素的影响，且关系复杂，难以实现同时最优，影响了水库调度的综合效益。基于改进型多目标遗传算法的水库调度优化方法，能够保证水库调度安全稳定运行，有利于提升水库发电效益，确保发电量满足水库设计的电网规划值，具有明显的环境与经济效益。因此，本发明的研究成果具有广阔的应用前景。

水库是实现径流调节的重要工程，有着复杂的水力和电力关系，水库供水期平均出力和发电量相互冲突，需要通过控制水库入库径流量和出库流量，调整水库库前水位和库尾水位的差值，有效利用水的动能和势能，在保证水库安全运行的前提下，实现发电效益的最大化。因此，设计有效的供水期平均出力和水库发电模型，并使用高效的优化算法进行求解，已经成为水库优化调度亟需解决的问题，具有重要的现实意义。

本发明提出一种基于改进型多目标遗传算法的水库调度优化方法，主要通过将水库供水期平均出力和水库年发电量同时作为优化目标，构建水库调度模型，使用改进后的多目标遗传算法求解水库调度模型，获得水库水位最优设定值。该方法以平水年数据为运行实例，对每个月的水库水位值进行优化，从而在保证水库安全运行的前提下，提升水库的保证出力和发电量。

发明内容

本发明获得了一种基于改进型多目标遗传算法的水库调度优化方法，该方法深入分析水库调度特点，考虑水库供水期的平均出力和水库年发电量两个目标，确定用于水库调度的多目标函数，采用改进型多目标遗传算法进行优化，根据求解出的月水库水位值，完成对水库调度过程的优化，实现保证出力和发电量最大的目标。

本发明采用了如下的技术方案及实现步骤：

1.一种基于改进型多目标遗传算法的水库调度优化方法包括以下步骤：

(1)设计水库供水期平均出力N和水库年发电量E作为优化目标函数：

①获取水库的基本信息数据，包括水库水位库容关系、水库下泄流量和尾水位关系、水库月平均入库流量；

②根据所述基本信息数据建立考虑水量平衡、机组出力、下泄流量和发电流量约束条件的多目标优化调度数学模型，其中的目标函数为以水库供水期平均出力N和水库年发电量E建立的目标函数：

目标函数1：水库供水期平均出力N

其中，N为水库供水期平均出力，单位为kw，K为水库出力系数，是水库的基本参数，由水库工程规划书得到，Q为水库每月的发电引用流量，单位为m

其中，Q为水库每月的发电引用流量，单位为m

目标函数2：水库年发电量E

其中，E为水库年发电量，即水库的发电效益，单位为kwh，K为水库出力系数，是水库的基本参数，由水库工程规划书得到，Q为水库每月的发电引用流量，单位为m

(2)设计用于优化水库供水期平均出力N和水库年发电量E的多目标优化方法，具体为：

①多目标遗传算法参数设置及种群初始化，设定多目标遗传算法种群规模为NP，最大进化代数T，初始化交叉概率P

首先，使用回归混沌映射产生一组范围在[0,1]的混沌序列：

x

x

x＝(x

其中，x

依据回归混沌映射产生每个月月末的实际水库水位值：

Z

其中，Z

重复以上初始化操作公式(4)-(7)，获得种群规模为NP的第一代父代种群P

②多目标遗传算法快速非支配排序和拥挤度计算：

对第一代父代种群P

f

其中，f

③多目标遗传算法选择操作：

随机选取两个个体进行适应度值比较，适应度值大的个体直接进入到下一代，适应度小的淘汰掉，选择父代个体进入杂交池中，个体数达到NP则停止。

④多目标遗传算法交叉操作：

首先，对种群中所有个体每个目标的适应度值进行归一化并求和，然后降序排列，计算前一半适应度值的平均值：

其中，f

其次，设计参与交叉操作的基因个数:

n

其中，n

最后，基于神经网络中的双曲正切激活函数，设计一种交叉强度可自适应调整的交叉算子操作。交叉算子为:

其中，n

λ＝f

其中，f

⑤多目标遗传算法变异操作：

设计参与变异操作的基因个数：

m

其中，m

基于神经网络中的Sigmoid激活函数，设计一种变异强度可自适应调整的变异算子操作。变异算子为：

其中，m

⑥改进型多目标遗传算法终止条件判断，若t

(3)根据求解出的水库水位优化设定值对水库调度过程进行计算，得到水库出力以及发电量。

本发明的创造性主要体现在：

(1)本发明以水库调度过程中的供水期平均出力N和年发电量E为目标，采用基于改进型多目标遗传算法的水量调度优化方法，实现水库最优水位值的求解，具有优化速度快、算法稳定性好等特点；

(2)本发明设计基于回归混沌映射的初始解生成机制，产生遍历搜索空间且分布均匀的种群，增加初始解分布的多样性。其次，设计基于双曲正切激活函数的交叉强度自适应调整机制，根据种群的适应度信息，动态调整参与交叉操作的基因数量，引导算法快速进入有效搜索空间。最后，设计基于Sigmoid生长激活函数的变异强度自适应调整机制，使算法能够跳出局部最优，节省在无效搜索空间的计算资源，提高寻优速度。

附图说明

图1是水库调度过程

图2是水库水位过程图

图3是水库出力过程图

图4是水库发电过程图

具体实施方式

本发明以龙羊峡水库作为研究对象，选取水库供水期平均出力N和年发电量E为优化目标，采用了如下的技术方案及实现步骤。

基于改进型多目标遗传算法的水库调度优化方法具体步骤如下：

1.一种基于改进型多目标遗传算法的水库调度优化方法包括以下步骤：

根据龙羊峡水库的入库径流量，优化调度过程中每月水库水位Z

(1)设计水库供水期平均出力N和水库年发电量E作为优化目标函数：

①获取水库的基本信息数据，包括水库水位库容关系、水库下泄流量和尾水位关系、水库实测月平均入库流量；

②根据所述基本信息数据建立考虑水量平衡、机组出力、下泄流量和发电流量约束条件的多目标优化调度数学模型，其中的目标函数为以水库供水期平均出力N和水库年发电量E建立的目标函数：

目标函数1：水库供水期平均出力N

其中，N为水库供水期平均出力，单位为kw，K为水库出力系数，是水库的基本参数，由水库工程规划书得到，取值为8.8，Q为水库每月的发电引用流量，单位为m

其中，Q为水库每月的发电引用流量，单位为m

目标函数2：水库年发电量E

其中，E为水库年发电量，即水库的发电效益，单位为kwh，1≤b≤12，K为水库出力系数，是水库的基本参数，由水库工程规划书得到，取值为8.8，Q为水库每月的发电引用流量，单位为m

(2)设计用于优化水库供水期平均出力N和水库年发电量E的多目标优化方法，具体为：

①多目标遗传算法参数设置及种群初始化，设定多目标遗传算法种群规模为NP＝100，最大进化代数T＝1000，初始化交叉概率P

首先，使用回归混沌映射产生一组范围在[0,1]的混沌序列：

x

x

x＝(x

其中，x

依据回归混沌映射产生每个月月末的实际水库水位值：

Z

其中，Z

重复以上初始化操作公式(4)-(7)，获得种群规模为NP的第一代父代种群P

②多目标遗传算法快速非支配排序和拥挤度计算：

对第一代父代种群P

f

其中，f

③多目标遗传算法选择操作：

随机选取两个个体进行适应度值比较，适应度值大的个体直接进入到下一代，适应度小的淘汰掉，选择父代个体进入杂交池中，个体数达到NP则停止。

④多目标遗传算法交叉操作：

首先，对种群中所有个体每个目标的适应度值进行归一化并求和，然后降序排列，计

算前一半适应度值的平均值：

其中，f

其次，设计参与交叉操作的基因个数:

n

其中，n

最后，基于神经网络中的双曲正切激活函数，设计一种交叉强度可自适应调整的交叉

算子操作。交叉算子为:

其中，n

λ＝f

其中，f

⑤多目标遗传算法变异操作：

设计参与变异操作的基因个数：

m

其中，m

基于神经网络中的Sigmoid激活函数，设计一种变异强度可自适应调整的变异算子操作。变异算子为：

其中，m

⑥改进型多目标遗传算法终止条件判断，若t

(3)根据求解出的水库水位优化设定值对水库调度过程进行计算，得到水库出力以及发电量的变化过程。图2显示水库水位变化过程，X轴：时间，单位是月，Y轴：水库月末水位值Z