[發明專利]基于混合智能降維算法的特大流域水電站群優化調度方法

有效

• 申請號: 201810245918.0
• 申請日: 2018-03-23
• 公開（公告）號: CN108537370B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 馮仲愷;夏燕;牛文靜;蔣志強;覃暉;陳璐;莫莉;周建中
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/12
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 廖盈春;李智

1.一種基于混合智能降維算法的特大流域水電站群優化調度方法，其特征在于，包括：

(1)按參與計算的水電站的順序依次串聯編碼各水電站在不同時段的水位，得到單個個體編碼值，并根據單個個體編碼值在預設的可行水位范圍內隨機生成初始種群，將初始種群作為當前種群；

(2)對于當前種群中的任一個個體，若該個體的適應度值小于其歷史最優適應度值，則該個體的個體極值保持不變，否則，用該個體所處的當前位置代替該個體的個體極值，并從當前種群中所有個體的個體極值中挑選出個體極值的最大值作為全局極值，其中，個體極值表示該個體所經歷的最好位置，全局極值表示當前種群中所有個體經歷的最好位置；

(3)對于當前種群中的所有個體極值，從當前種群中隨機選擇兩個不同的個體極值并相減生成差分矢量，將該差分矢量按照預設比例疊加至全局極值以生成變異矢量作為新的個體極值，若變異后的個體極值適應度值優于變異前該個體極值的適應度值，則用新的個體極值代替該個體的個體極值，否則該個體的個體極值保持不變；

(4)由當前種群的全局極值以及當前種群中各個體的個體極值，更新當前種群中各個體的當前位置；

(5)若δ≥P_a，則從當前種群中隨機遷出若干個個體構成外部檔案集，其中，δ為[0,1]區間隨機分布的隨機數，k表示當前迭代次數，表示最大迭代次數；

(6)用外部檔案集中各個個體的原適應度值的負值作為外部檔案集中各個個體的目標適應度值，并根據外部檔案集中所有個體的最大目標適應度值對應的個體，次大目標適應度值對應的個體以及最小目標適應度值對應的個體，對最大目標適應度值對應的個體的映射點進行擴張或收縮操作，并重新確定最大目標適應度值對應的個體，次大目標適應度值對應的個體以及最小目標適應度值對應的個體，對新的最大目標適應度值對應的個體的映射點進行擴張或伸縮操作，直至滿足預設執行次數，合并外部檔案集與當前種群，從合并后的種群中選取前若干個具有較好適應度的個體替換當前種群中的個體，以形成下一代種群；

其中，擴張操作表示為：X_e＝X_center+β(X_r-X_center)，收縮操作表示為：X_c＝X_center+γ(X_high-X_center)，式中，X_r為所述映射點，X_e為映射點X_r經過擴張操作后的擴張點，X_c為映射點X_r經過收縮操作后的收縮點，X_center為所述外部檔案集中除最大目標適應度值f(X_high)所對應的個體X_high外所有個體的平均位置，β為擴張系數，γ為收縮系數；

(7)增加種群迭代次數，若當前種群迭代次數小于最大迭代次數，則將下一代種群作為當前種群，并返回執行步驟(2)，否則，由最后一次迭代的當前種群的全局最優個體得到各水電站在不同時段的最優調度過程。

2.根據權利要求1所述的方法，其特征在于，步驟(1)包括：

(1.1)按參與計算的水電站的順序依次串聯編碼各水電站在不同時段的水位，得到單個個體編碼值，其中，單個個體編碼值表示為：表示第n個電站在第j個時段的水位狀態，N為電站數目，n＝1，2，…,N，T為調度周期內的時段數目，j＝1,2,…,T；

(1.2)設置k的初始值為1，并由在預設的可行水位范圍內隨機生成初始種群U^k，其中，U^k表示第k代種群，表示第k次迭代時個體i的當前位置，i＝1,2,…,m，r為[0,1]區間分配的隨機數，X分別為相應變量的上、下限，m為種群規模。