基于仿水循环算法的梯级水库群多目标优化调度研究
发布时间：2022-01-11 11:40
仿水循环算法（WCA）是一种新的智能种群优化算法,将该方法引入梯级水库群多目标优化调度,并提出多目标仿水循环算法（MWCA）。MWCA通过对自然界水循环过程的模拟,构建多目标下的相对重力机制,实现对非劣解的有效搜索,建立汇流、分流、渗流、蒸发降雨4个搜索策略,提升算法的收敛速度、多样性和局部搜索能力,同时有效克服传统算法的早熟问题,令算法具有较强的全局搜索和收敛性能。在梯级水库群多目标优化调度实例计算中,与多目标粒子群算法MOPSO和多目标遗传算法NSGA-Ⅱ进行比较分析,结果表明MWCA在计算结果和非劣解多样性上均优于其他算法,为梯级水库群多目标优化调度问题提供了一种有效的求解思路。
【文章来源】：水力发电. 2019,45(11)北大核心
【文章页数】：7 页
【部分图文】：
MWCA算法流程
第45卷第11期吴智丁:基于仿水循环算法的梯级水库群多目标优化调度研究WaterPowerVol．45No．11105数，此时存于非劣解集A中的水滴位置就是多目标优化问题的最优解，其对于的适应度就是多目标优化值，列出或画出相应的Pareto边界，决策者就可通过不同的期望选择相应的解。5实例应用5.1梯级水库群实例本文利用某流域梯级水库群5个主要电站作为研究实例，其中1号电站为龙头电站，5号电站为末端电站，农业灌溉供水从水库上游的河道区间引水，工业及市政集中供水从各水库中取水，调度期为一年，其中1月～3月为枯水期，6月～8月为丰水期，其他月份为平水期，各水库及电站的装机容量、额定库容、正常水位等参数如表1所示。表1梯级水电站参数水电站调节特性装机容量/MW额定库容/亿m3死水位/m正常水位/m最大发电流量/m3·s－11多年调节1200100.673278312002径流调节8400.326366458403径流调节13202.7542644113204多年调节400027532837538905季调节2400302052252320表2各算法非劣解及耗时对比算法最小年均发电量/亿kW·h最大年均发电量/亿kW·h最小年均供水量/亿m3最大年均供水量/亿m3非劣解数量计算耗时/sMWCA55.72367.16112.31119.648411.07MOPSO80.47358.41112.82119.06519.82NSGA-II72.19313.15113.47119.324811.505.2算法对比分析为验证MWCA算法的有效性与优越性，采用MOPSO算法［19］和NSGA-II算法［20］进行对比分析，对上述研究实例进行优化调度计算。仿真环境为配置i5-2520M、16G内存的联想T420笔记本电脑，各?
水力发电2019年11月106WaterPowerVol．45No．11在计算耗时上，MWCA、MOPSO和NSGA-II平均为11.07、9.82s和11.50s。虽然MWCA耗时并非最少，但利用相近的时间，MWCA获得了多于另两个算法的非劣解数量，体现了该算法在迭代速度和和性能上的优越性。为进一步分析算法所得非劣解的分布特性，本文采用分布距离指标(SD)［19］及超体积指标(HV)［21］进行高阶评价。其中分布距离指标用于分析非劣解分布的均匀性，其计算式为SD=1nnd－1∑nndi=1(ds，avg－ds，i)槡2(22)式中，ds，i为非劣解两两间的距离，ds，i=minjf1(xi)－f1(xj)+f2(xi)－f2(xj)，i，j=1，2，…，nnd;ds，avg为ds，i的平均值;nnd为所得非劣解的数量。该值越小，则所有非劣解两两间的距离越一致，即实现非劣解的平均分布。本文算例中3个算法的SP值如表3所示。表3各算法非劣解及耗时对比算法非劣解两两间最小距离非劣解两两间最大距离非劣解两两间平均距离分布距离指标(SD)MWCA0.408346.574511.14269.5285MOPSO0.200677.770016.419916.9446NSGA-II0.0193196.477025.293336.3329表4MWCA优化调度结果月份平均出力/MW电站1电站2电站3电站4电站5供水量/亿m3电站1电站2电站3电站4电站51610.65219.31378.041411.62828.172.97530.02410.24254.57820.91142622.29193.54329.491228.60845.042.97310.02360.23794.57900.91203639.12249.16390.6816
【参考文献】：
期刊论文
[1]贵州境内乌江水电梯级开发联合生态调度[J]. 吕巍,王浩,殷峻暹,朱心悦. 水科学进展. 2016(06)
[2]基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究[J]. 邹强,王学敏,李安强,何小聪,罗斌. 水利学报. 2016(08)
[3]梯级水库群优化调度精英集聚蛛群优化方法[J]. 冯仲恺,牛文静,程春田,武新宇. 水利学报. 2016(06)
[4]耦合调峰和通航需求的梯级水电站多目标优化调度混合搜索方法[J]. 牛文静,申建建,程春田,武新宇,冯仲恺,郭有安. 中国电机工程学报. 2016(09)
[5]基于改进布谷鸟算法的梯级水库优化调度研究[J]. 明波,黄强,王义民,刘登峰,白涛. 水利学报. 2015(03)
[6]求解无约束优化问题的仿水循环算法[J]. 吴智丁,吴杰康. 计算机工程. 2011(22)
[7]文化算法及其在梯级水电站长期优化调度中的应用[J]. 吴杰康,孔繁镍. 电工技术学报. 2011(03)
[8]采用梯级水电站动态弃水策略的多目标短期优化调度[J]. 吴杰康,郭壮志,丁国强. 中国电机工程学报. 2011(04)
[9]基于混合粒子群算法的梯级水电站多目标优化调度[J]. 周建中,李英海,肖舸,张勇传. 水利学报. 2010(10)
[10]基于NSGA-Ⅱ算法的多目标水火电站群优化调度模型研究[J]. 张志刚,马光文. 水力发电学报. 2010(01)
本文编号：3582720
【文章来源】：水力发电. 2019,45(11)北大核心
【文章页数】：7 页
【部分图文】：
MWCA算法流程
第45卷第11期吴智丁:基于仿水循环算法的梯级水库群多目标优化调度研究WaterPowerVol．45No．11105数，此时存于非劣解集A中的水滴位置就是多目标优化问题的最优解，其对于的适应度就是多目标优化值，列出或画出相应的Pareto边界，决策者就可通过不同的期望选择相应的解。5实例应用5.1梯级水库群实例本文利用某流域梯级水库群5个主要电站作为研究实例，其中1号电站为龙头电站，5号电站为末端电站，农业灌溉供水从水库上游的河道区间引水，工业及市政集中供水从各水库中取水，调度期为一年，其中1月～3月为枯水期，6月～8月为丰水期，其他月份为平水期，各水库及电站的装机容量、额定库容、正常水位等参数如表1所示。表1梯级水电站参数水电站调节特性装机容量/MW额定库容/亿m3死水位/m正常水位/m最大发电流量/m3·s－11多年调节1200100.673278312002径流调节8400.326366458403径流调节13202.7542644113204多年调节400027532837538905季调节2400302052252320表2各算法非劣解及耗时对比算法最小年均发电量/亿kW·h最大年均发电量/亿kW·h最小年均供水量/亿m3最大年均供水量/亿m3非劣解数量计算耗时/sMWCA55.72367.16112.31119.648411.07MOPSO80.47358.41112.82119.06519.82NSGA-II72.19313.15113.47119.324811.505.2算法对比分析为验证MWCA算法的有效性与优越性，采用MOPSO算法［19］和NSGA-II算法［20］进行对比分析，对上述研究实例进行优化调度计算。仿真环境为配置i5-2520M、16G内存的联想T420笔记本电脑，各?
水力发电2019年11月106WaterPowerVol．45No．11在计算耗时上，MWCA、MOPSO和NSGA-II平均为11.07、9.82s和11.50s。虽然MWCA耗时并非最少，但利用相近的时间，MWCA获得了多于另两个算法的非劣解数量，体现了该算法在迭代速度和和性能上的优越性。为进一步分析算法所得非劣解的分布特性，本文采用分布距离指标(SD)［19］及超体积指标(HV)［21］进行高阶评价。其中分布距离指标用于分析非劣解分布的均匀性，其计算式为SD=1nnd－1∑nndi=1(ds，avg－ds，i)槡2(22)式中，ds，i为非劣解两两间的距离，ds，i=minjf1(xi)－f1(xj)+f2(xi)－f2(xj)，i，j=1，2，…，nnd;ds，avg为ds，i的平均值;nnd为所得非劣解的数量。该值越小，则所有非劣解两两间的距离越一致，即实现非劣解的平均分布。本文算例中3个算法的SP值如表3所示。表3各算法非劣解及耗时对比算法非劣解两两间最小距离非劣解两两间最大距离非劣解两两间平均距离分布距离指标(SD)MWCA0.408346.574511.14269.5285MOPSO0.200677.770016.419916.9446NSGA-II0.0193196.477025.293336.3329表4MWCA优化调度结果月份平均出力/MW电站1电站2电站3电站4电站5供水量/亿m3电站1电站2电站3电站4电站51610.65219.31378.041411.62828.172.97530.02410.24254.57820.91142622.29193.54329.491228.60845.042.97310.02360.23794.57900.91203639.12249.16390.6816
【参考文献】：
期刊论文
[1]贵州境内乌江水电梯级开发联合生态调度[J]. 吕巍,王浩,殷峻暹,朱心悦. 水科学进展. 2016(06)
[2]基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究[J]. 邹强,王学敏,李安强,何小聪,罗斌. 水利学报. 2016(08)
[3]梯级水库群优化调度精英集聚蛛群优化方法[J]. 冯仲恺,牛文静,程春田,武新宇. 水利学报. 2016(06)
[4]耦合调峰和通航需求的梯级水电站多目标优化调度混合搜索方法[J]. 牛文静,申建建,程春田,武新宇,冯仲恺,郭有安. 中国电机工程学报. 2016(09)
[5]基于改进布谷鸟算法的梯级水库优化调度研究[J]. 明波,黄强,王义民,刘登峰,白涛. 水利学报. 2015(03)
[6]求解无约束优化问题的仿水循环算法[J]. 吴智丁,吴杰康. 计算机工程. 2011(22)
[7]文化算法及其在梯级水电站长期优化调度中的应用[J]. 吴杰康,孔繁镍. 电工技术学报. 2011(03)
[8]采用梯级水电站动态弃水策略的多目标短期优化调度[J]. 吴杰康,郭壮志,丁国强. 中国电机工程学报. 2011(04)
[9]基于混合粒子群算法的梯级水电站多目标优化调度[J]. 周建中,李英海,肖舸,张勇传. 水利学报. 2010(10)
[10]基于NSGA-Ⅱ算法的多目标水火电站群优化调度模型研究[J]. 张志刚,马光文. 水力发电学报. 2010(01)
本文编号：3582720
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3582720.html
