基于分段粒子群算法的梯级水库多目标优化调度模型研究

发布时间：2021-12-02 06:28

　　提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。 

【文章来源】：水资源与水工程学报. 2020,31(03)CSCD

【文章页数】：10 页

【部分图文】：

迭代过程中某一解向量所表示的水库水量变化过程线

特殊变异方式示意图见图2(流程可见图4)。特殊变异操作的优点为:(1)避免了水量结构敏感段、约束不满足段内的变量单独变异导致约束破坏度的增加，避免了迭代中出现大量不可行解的情况，提高了计算效率;(2)约束不满足段的水量的整体增加，有助于降低此段出力约束的破坏度，水量结构敏感段的整体抬升可以使得敏感段中的一部分时段不再敏感，有助于过长的水量结构敏感段的解体;(3)此算法的各段之间的水量变化方式直接增加了各段的始、末水量变化的概率，有助于提高计算效率。

上述“分解聚合”求解策略的优点在于:(1)可以使最终得到Pareto解集尽可能接近多目标问题的真实Pareto前沿;(2)先使解集中的某些解优先接近真实Pareto前沿，再在真实Pareto前沿附近搜索Pareto解集的其他解，完善解集的多样性，避免了算法在进化中为还未接近真实Pareto前沿的解集的多样性花费过多的时间。4.4 种群排序与个体进化

【参考文献】：
期刊论文
[1]梯级水电站优化调度的改进社会情感优化算法[J]. 刘强,钟平安,陈宇婷,徐斌,朱非林.  水力发电学报. 2018(01)
[2]梯级水库生态调度多目标混合蛙跳差分算法研究[J]. 方国华,林泽昕,付晓敏,郭玉雪,闻昕.  水资源与水工程学报. 2017(01)
[3]金昌二坝渠调水系统水能水量优化调度研究[J]. 王鹏全,张永明,赵廷红,肖大太,石占涛.  水资源与水工程学报. 2016(03)
[4]改进量子粒子群算法在水电站群优化调度中的应用[J]. 冯仲恺,廖胜利,牛文静,申建建,程春田,李泽宏.  水科学进展. 2015(03)
[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]一种多目标进化算法解集分布广度评价方法[J]. 李密青,郑金华.  计算机学报. 2011(04)
[7]几种计算超体积算法的比较研究[J]. 周秀玲,郭平,陈宝维,王静.  计算机工程. 2011(03)
[8]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)
[9]梯级水电站多目标发电优化调度[J]. 覃晖,周建中,肖舸,赵云发,卢有麟,张勇传.  水科学进展. 2010(03)
[10]乌溪江梯级水电站隐随机优化调度方案[J]. 唐海华.  水电自动化与大坝监测. 2010(02)



本文编号：3527907