CN112836949A - 一种基于狮群算法的水库群双目标优化调度方法 - Google Patents

一种基于狮群算法的水库群双目标优化调度方法 Download PDF

Info

Publication number
CN112836949A
CN112836949A CN202110104105.1A CN202110104105A CN112836949A CN 112836949 A CN112836949 A CN 112836949A CN 202110104105 A CN202110104105 A CN 202110104105A CN 112836949 A CN112836949 A CN 112836949A
Authority
CN
China
Prior art keywords
group
lion
scheduling
reservoir
algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110104105.1A
Other languages
English (en)
Inventor
杨元园
刘�东
刘登峰
黄强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Technology
Original Assignee
Xian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Technology filed Critical Xian University of Technology
Priority to CN202110104105.1A priority Critical patent/CN112836949A/zh
Publication of CN112836949A publication Critical patent/CN112836949A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

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。

Description

一种基于狮群算法的水库群双目标优化调度方法
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***最小月出力最大化”和“梯级***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，
Figure BDA0002916657410000061
2)水库水量平衡约束，
V(m,t+1)＝V(m,t)+(I(m,t)-O(m,t))×Δt-Vloss(m,t) (2)，
3)上下游水库间水量平衡约束，
I(m,t)＝O(m-1,t)+qlocal(m,t)-qdivert(m,t) (3)，
4)水库出库流量约束
Omin(m,t)≤O(m,t)≤Omax(m,t) (4)，
5)水库水位约束
Zdead(m,t)≤Z(m,t)≤Zn/f(m,t) (5)，
6)水电站出力约束
Nfirm(m)≤N(m,t)≤Ninstalled(m) (6)，
7)水电站最大过流能力约束
Qele(m,t)≤Qele_max(m) (7)，
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；
Qele_max(m)为水电站最大过流能力，m3/s；
Nfirm(m)、Ninstall(m)分别为保证出力、装机容量，MW；
V(m,t)、Vloss(m,t)分别为时段初水库蓄水量、库容损失，m3；
I(m,t)、O(m,t)、Omax(m,t)、Omin(m,t)分别为入库出库流量、出库流量上下限，m3/s；
qlocal(m,t)、qdivert(m,t)分别为上游水库m-1与下游水库m间的区间入流、引水，m3/s；
Zdead(m,t)、Zn/f(m,t)分别为死水位、正常高水位(非汛期)或汛限水位(汛期)，m。
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，
Figure BDA0002916657410000081
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：
Figure BDA0002916657410000082
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
Figure BDA0002916657410000083
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。

Claims (7)

1.一种基于狮群算法的水库群双目标优化调度方法，其特征在于，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。
2.根据权利要求1所述的一种基于狮群算法的水库群双目标优化调度方法，其特征在于，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。
3.根据权利要求1所述的一种基于狮群算法的水库群双目标优化调度方法，其特征在于，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。
4.根据权利要求1所述的一种基于狮群算法的水库群双目标优化调度方法，其特征在于，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。
5.根据权利要求1所述的一种基于狮群算法的水库群双目标优化调度方法，其特征在于，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。
6.根据权利要求1所述的一种基于狮群算法的水库群双目标优化调度方法，其特征在于，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。
7.根据权利要求1所述的一种基于狮群算法的水库群双目标优化调度方法，其特征在于，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。
CN202110104105.1A 2021-01-26 2021-01-26 一种基于狮群算法的水库群双目标优化调度方法 Pending CN112836949A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110104105.1A CN112836949A (zh) 2021-01-26 2021-01-26 一种基于狮群算法的水库群双目标优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110104105.1A CN112836949A (zh) 2021-01-26 2021-01-26 一种基于狮群算法的水库群双目标优化调度方法

Publications (1)

Publication Number Publication Date
CN112836949A true CN112836949A (zh) 2021-05-25

Family

ID=75931818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110104105.1A Pending CN112836949A (zh) 2021-01-26 2021-01-26 一种基于狮群算法的水库群双目标优化调度方法

Country Status (1)

Country Link
CN (1) CN112836949A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408951A (zh) * 2021-07-16 2021-09-17 山东大学 一种基于动态信息累计狮群最优柔性调度方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130308570A1 (en) * 2012-05-17 2013-11-21 Beijing University Of Posts And Telecommunications Method for joint optimization of schedule and resource allocation based on the genetic algorithm
CN109670650A (zh) * 2018-12-27 2019-04-23 华中科技大学 基于多目标优化算法的梯级水库群调度模型的求解方法
CN111967672A (zh) * 2020-08-18 2020-11-20 合肥工业大学 一种基于狮群进化算法的面向空间众包平台的路径规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130308570A1 (en) * 2012-05-17 2013-11-21 Beijing University Of Posts And Telecommunications Method for joint optimization of schedule and resource allocation based on the genetic algorithm
CN109670650A (zh) * 2018-12-27 2019-04-23 华中科技大学 基于多目标优化算法的梯级水库群调度模型的求解方法
CN111967672A (zh) * 2020-08-18 2020-11-20 合肥工业大学 一种基于狮群进化算法的面向空间众包平台的路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘东: "基于双目标狮群算法的西江流域水库优化调度研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408951A (zh) * 2021-07-16 2021-09-17 山东大学 一种基于动态信息累计狮群最优柔性调度方法及***
CN113408951B (zh) * 2021-07-16 2022-08-12 山东大学 一种基于动态信息累计狮群最优柔性调度方法及***

Similar Documents

Publication Publication Date Title
WO2021073192A1 (zh) 一种考虑预报误差降低水库洪水起调水位的预报调度方法
CN112184070B (zh) 一种协同生态流量需求的梯级水电站多目标优化调度方法及***
CN105243438A (zh) 一种考虑径流不确定性的多年调节水库优化调度方法
CN109063901B (zh) 一种省级电网水电***中长期发电能力分析方法
CN111476435B (zh) 基于密度峰值的充电桩负荷预测方法
CN106408939A (zh) 基于密度峰值聚类的交通流量序列划分方法
CN109978284B (zh) 一种基于混合神经网络模型的光伏发电功率分时预测方法
CN113947315B (zh) 一种水库分级分期旱限水位设计与控制方法
CN111079086B (zh) 一种基于多元联合分布的水资源***多重风险评估方法
CN115099477B (zh) 一种水库旱限水位优化及抗旱调度方法
CN110956312A (zh) 基于emd-cnn深度神经网络的光伏配电网电压预测方法
CN110046801A (zh) 一种配电网电力***的典型场景生成方法
CN109461096A (zh) 一种基于电量关联性的户变关系异常判别方法
CN114069687B (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN111583059B (zh) 基于k-means聚类的分布式能源站典型日负荷获取方法
CN112836949A (zh) 一种基于狮群算法的水库群双目标优化调度方法
CN115186857A (zh) 一种基于集成学习的神经网络水库水位预测方法
CN109193791B (zh) 一种基于改进shapley值的风电汇聚趋势性分状态量化方法
CN112633565A (zh) 一种光伏功率集合区间预测方法
CN109726855B (zh) 一种基于峰谷电价经济运行模型的梯级泵站优化调度方法
Feng et al. Peak operation optimization of cascade hydropower reservoirs and solar power plants considering output forecasting uncertainty
CN113449471B (zh) 利用ap聚类-跳转持续改进mc的风电出力模拟生成方法
CN112803403B (zh) 基于时频特征的海上风电集群效应多层级评估方法
CN110648066B (zh) 一种水库电站优先发电配额方法
CN110348692B (zh) 一种大型混联水库群多目标蓄能调度图计算方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210525

RJ01 Rejection of invention patent application after publication