梯级水电站发电优化调度研究.pdf

上传人:1313 文档编号:12342179 上传时间:2017-06-17 格式:PDF 页数:3 大小:216KB
返回 下载 相关 举报
梯级水电站发电优化调度研究.pdf_第1页
第1页 / 共3页
梯级水电站发电优化调度研究.pdf_第2页
第2页 / 共3页
梯级水电站发电优化调度研究.pdf_第3页
第3页 / 共3页
亲,该文档总共3页,全部预览完了,如果喜欢就下载吧!
资源描述
科研管理
水利规划与设计
2016年第6期
DOI:10.3969/j.issn.1672-2469.2016.06.032
梯级水电站发电优化调度研究
王娟娟
(新疆金达鑫工程建设有限公司,新疆库尔勒841000)
搞要:针对传统优化算法在求解高维、复杂梯级水电站发电调度时易出现“维数灾”,或陷入局部最优解的缺陷
本文提出了免疫蛙跳算法( ISFLA)。该算法将克隆选择算法嵌入到混洗蛙跳算法框架中,对混合之后的蛙群构造
子群体执行免疫克隆选择操作,同时使用改进的最差解更新方式提高其局部搜索能力。应用实践表明,通过将
ISFLA与标准混洗蛙跳算法、粒子群算法以及逐步优化方法对比, ISFLA在求解梯级水电站发电优化问题时县有
明显的优越性。
关键词:梯级水电站;优化调度
中图分类号:TV212
文献标识码:B
文章编号:1672-2469(2016)06-0093-03
梯级水电站之间不仅存在着复杂的水力和电力本文以调度期内梯级发电量最大为优化准则,根据
联系,还存在众多的约束条件,其优化调度是一个径流预报结果,综合考虑电站运行约束要求,确定
高维、非凸、非线性复杂系统模型的最优控制问梯级电站最优水位运行过程

对水电站优化调度来说,由于水流时滞的1.1目标函数
存在使得相邻调度期内存在一定的水量和电量耦
以调度期内发电量最大为目标,则目标函
合,当前的最优调度会进一步影响滞后期调度,故数为
而调度问题变得更为复杂。近年来,随着人工
智能技术研究的不断深人,遗传算法、粒子群算法
maxe
2 N 4r
式(1
和差分进化算法等方法被广泛应用于水库优化调
NM=7,H1,Q,:
度中3。
式(1)中:E为调度期内梯级总发电量;n为梯级
混洗蛙跳算法( Shuffled Frog Leaping Algorithm』电站个数;T为调度时段数;N、为立电站【时段的
SFLA)是由 Eusuff和 Laney两人2003年提出的一
种基于群体智能的协同搜索方法,其基于族群分类出力;Ar为时段长度;1.、Q.分别为电站时
的思想提供了较强的全局搜索能力。SFLA所需经段的发电水头和发电流量;m:为电站出力系数。
1.2约東条件
验参数较少,对目标函数要求低和对约束条件限制
少,但随着对该算法研究的逐步深入,其也存在不
(1)蓄水位约束
Z式(2
足之处:易收敛到局部最优,在求解部分函数优化
问题时效果不够理想。本文将克隆选择算法引人
2)时段出力约束:
式(3)
SFLA算法中,采用免疫蛙跳算法( Immune- Shuffled
Frog Leaping Algorithm, ISFLA)。通过实例计算
(3)下泄流量约束
验证了该算法在求解梯级水电站短期发电优化调度
式(4
问题时的有效性和实用性。
4)梯级水电站间的水力联系,i电站t时段人
库流量
1梯级水电站短期发电优化调度数学模型
Q1:+S-+B:式(5)
目前对梯级水电站联合优化调度来说,主要有
(5)水量平衡方程:
“以水定电”和“以电定水”两种模式,相对应的优
收稿日期:2015-02-10
化准则也可分为梯级发电量最大和梯级蓄能最大。作者简介:王娟娟(1981年一),女,工程师
93
2016年第6期
水利规划与设计
科研管理
+(1,,-Q:,-S,)?4t式(6)
3免疫蛙跳算法( ISELA)的梯级水电站优
2免疫蛙跳算法( ISFLA)
化调度研究
2.1混洗蛙跳算法(SFLA)基本原理
3.1上下水位边界确定
SFLA是根据青蛙觅食的行为提出的一种随机
对梯级水电站调度来说,简单地将正常蓄水位
全局优化方法,通过族群间的协作与族群内的竞争和死水位作为时段最高和最低水位在优化计算时会
学习,实现对最优化问题的寻优。假设初始蛙群加大寻优工作量并可能生成非可行解,进而影响算
X。由P只青蛙构成,可表示为X。=[x1。,x2。,法寻优效率。本文具体实施方法如下:对梯级第
,。],其中x。=(x1,xa,…,2)为最优化级电站,先按顺时序计算上下边界2nm(i,a)
问题的解向量,s为优化问题的解向量维数。对初Zmn(i,),其中,t=1,2,…,Tー1(T为调度
始蛙群青蛙个体按适应度值大小降序,将整个蛙群期内总时段数),从起调水位开始,结合电站时段
划分为M个族群,每个族群内包含N只青蛙个体,最大和最小下泄流量、最小出力约束,直至调度期
也即P=MxN。具体实施步骤为:第1只蛙进入末时段;继而采用逆时序计算上下边界Z2m、(i,t),
第1个族群,第2只蛙进入第2个族群,第M只Z2mn(i,),从终止水位开始,结合时段最大和最小
蛙进入第M个族群,第M+11只蛙进人第1个族下泄流量、最小出力约東,再一次采用水量平衡逆
直至所有青蛙个体均进入指定族群
时序计算时段初水位变化范围,记作Z2(i,j)=
SFLA具有并行性、正反馈性、自组织性等优[Z2mn(i,j),Z2m(i,j)],取Z1,Z2交集可得Z
点,但也存在不足之处:如局部最优解附近的搜索(i,)=[Zm(,),Z。。(,)],也即得到起调水
力度不够,容易跳过最优解,为提高算法求解精度位、终止水位确定时立电站时段的水位变化范围。
须要增加算法迭代次数和计算时间。而免疫进化算3.2算法步骤
法以概率]收敛到全局最优解,参数设置简单,具
(1)设定蛙群规模P,族群规模M,族群更新次
有较强的局部拽索能力。结合两种算法的优点,即数Gm,混合迭代次数G。,最大学习因子Cm,最小
SFLA的全局搜索能力和免疫进化算法的局部搜索学习因子Cm,克隆规模C以及记忆群体规模
能力,本文采用免疫蛙跳算法,在进化过程中自适
(2)确定梯级电站时段水位上下边界,Z。、(,
应调整步长,最终得到最优化问题的最优解。
j)和Zmni,j)。
2.2免疫蛙跳算法
(3)生成初始化种群,并计算适应值。
(1)利用免疫进化算法进行蛙群更新
4)对初始种群按适应值大小降序排列,并划
免疫进化算法的本质在于充分利用最优个体的分族群,形成M个族群。
信息,以最优个体的进化代替群体的进化;克隆选
(5)确定蛙群的最优青蛙X,最差青蛙X。,
择算法则是借鉴生物系统特性而形成的一种免疫进整体蛙群的最优青蛙个体,根据改进步长更新
化算法,以高频变异为主要捜索方式,主要有克公式对X。进行更新。
隆、变异、选择三种操作算子随着SFLA进化的深
(6)重新组合更新后的蛙群并排序。
入,种群中最差个体逐渐向较优解靠近,从而引起
(7)归一化群体空间P中个体亲和度,并按设
种群多样性下降,此时算法易陷人局部最优。鉴于定的种群规模进行克隆操作,得到群体集合(C.)。
此,本文将SFLA的各族群最优解视作子种群,执
(8)对C。执行高频变异操作,得到变异后的
行免疫克隆选择过程,进行局部寻优。
群体集合(C*
(2)族群最差个体的更新
(9)按贪心策略对变异前群体p和变异后群体
SFLA族群的更新策略可能会陷入局部最优、(C*进行选择操
展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 其他


版权所有:www.WDFXW.net 

鲁ICP备14035066号-3