[發(fā)明專利]一種基于HMAQGA的水庫群聯(lián)合優(yōu)化調(diào)度方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010412939.4
• 申請(qǐng)日: 2020-05-15
• 公開（公告）號(hào): CN111598447B
• 公開（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 郭玉雪;許月萍;尤延鋒;謝京凱
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06F17/18;G06Q50/06
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 萬尾甜;韓介梅

本發(fā)明公開了一種基于HMAQGA的水庫群聯(lián)合優(yōu)化調(diào)度方法，步驟如下：首先獲取水庫群的基本信息，對(duì)系統(tǒng)進(jìn)行概化；其次分析水庫群任務(wù)，構(gòu)建水庫群多目標(biāo)聯(lián)合優(yōu)化調(diào)度數(shù)學(xué)模型；然后執(zhí)行HMAQGA求解水庫群多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型獲取Pareto非劣解集；最后采用基于組合賦權(quán)的模糊優(yōu)選法在Pareto解集中確定最佳水庫群調(diào)度運(yùn)行方案。本發(fā)明實(shí)現(xiàn)全局尋優(yōu)，提高計(jì)算效率，滿足自主選擇水庫群最佳調(diào)度方案要求。

技術(shù)領(lǐng)域

本發(fā)明屬于水利水電領(lǐng)域的水庫技術(shù)領(lǐng)域，特別是一種基于HMAQGA的水庫群聯(lián)合優(yōu)化調(diào)度方法。

背景技術(shù)

合理高效的水庫調(diào)度模式，能在硬件設(shè)施不變的情況下，獲得更可觀的社會(huì)、經(jīng)濟(jì)效益。隨著流域水庫群規(guī)模的不斷擴(kuò)大，對(duì)于水庫群聯(lián)合運(yùn)行方式的要求也不斷提高。因此，如何通過模型的構(gòu)建及求解，快速準(zhǔn)確地找到大規(guī)模水庫群的最優(yōu)調(diào)度方案，為水庫群聯(lián)合調(diào)度提供理論基礎(chǔ)，已成為亟待解決的問題。近年來，隨著數(shù)學(xué)規(guī)劃和計(jì)算機(jī)水平的日益提升，在傳統(tǒng)智能算法基礎(chǔ)上引入Pareto非劣解集理論的多目標(biāo)進(jìn)化算法，如多目標(biāo)遺傳算法、多目標(biāo)粒子群算法、多目標(biāo)蛙跳算法及多目標(biāo)蟻群算法等被廣泛應(yīng)用于水庫群聯(lián)合優(yōu)化調(diào)度中。但是部分智能優(yōu)化算法存在尋優(yōu)過程隨機(jī)性較大，常出現(xiàn)多次求解結(jié)果不一致的現(xiàn)象，且易陷入局部搜索、易早熟。因此，針對(duì)復(fù)雜的水庫群優(yōu)化調(diào)度模型，如何選擇合理高效的優(yōu)化算法進(jìn)行模型求解，值得進(jìn)一步研究。

上世紀(jì)量子力學(xué)的提出，使我們能從原子層面了解物質(zhì)的基本結(jié)構(gòu)，并于世紀(jì)末由Shor教授研究應(yīng)用于信息科學(xué)，提出了量子算法。1996年，Narayanan結(jié)合了量子多宇宙的思想，將其引入遺傳算法中，提出了一種全新的量子衍生算法，并在旅行商問題的應(yīng)用中取得成功。2000年，K.H.Han等在遺傳算法中引入量子的態(tài)矢量編碼方式，開創(chuàng)了量子遺傳算法，提出了量子旋轉(zhuǎn)門更新的方式，實(shí)現(xiàn)了個(gè)體染色體的量子基因遺傳，提高了量子遺傳算法的可行性。

多目標(biāo)量子遺傳算法因其計(jì)算高效、優(yōu)化性能好、精度高等優(yōu)點(diǎn)，很多學(xué)者加入到該算法的研究中來，使其成為解決多目標(biāo)優(yōu)化問題的有力工具。在水庫調(diào)度領(lǐng)域中，量子遺傳算法的運(yùn)用較少，尤其在多目標(biāo)問題中，量子遺傳算法的應(yīng)用方面的文獻(xiàn)稀缺，現(xiàn)階段提出的基于多目標(biāo)量子遺傳算法的水庫群聯(lián)合優(yōu)化調(diào)度存在易陷于局部最優(yōu)解、非劣解分布不均等缺陷。同時(shí)，采用多目標(biāo)決策方法處理非劣解集時(shí)，需要基于主客觀因素相結(jié)合確定評(píng)價(jià)指標(biāo)權(quán)重。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)傳統(tǒng)多目標(biāo)量子遺傳算法容易陷入局部收斂，外部檔案集非劣解分布不均，個(gè)體難收斂到非劣解前沿等缺陷，提出一種基于調(diào)和距離多目標(biāo)的自適應(yīng)量子遺傳算法(Harmonic distance multi-objective quantum-inspired AdaptiveGenetic Algorithm，HMAQGA)的水庫群聯(lián)合優(yōu)化調(diào)度方法，并在外部檔案非劣解集的基礎(chǔ)上采用基于組合權(quán)重的模糊優(yōu)選法選擇最佳水庫群調(diào)度方案。

技術(shù)方案：一種基于HMAQGA的水庫群聯(lián)合優(yōu)化調(diào)度方法，包括以下步驟：

Step 1：獲取水庫群的基本信息數(shù)據(jù)，包括：各水庫的基本特征參數(shù)、水位-庫容關(guān)系曲線、下游水位-下泄流量關(guān)系曲線等，并根據(jù)各水庫之間的水力、水文聯(lián)系對(duì)水庫群系統(tǒng)進(jìn)行概化；

Step 2：分析水庫群任務(wù)，構(gòu)建以發(fā)電量最大、缺水量最小、棄水量最小、最小出力最大等的目標(biāo)函數(shù)，以水量平衡、水庫下泄流量、機(jī)組過流能力、下游防洪流量、水庫水位為約束的水庫群多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型；

Step 3：執(zhí)行HMAQGA求解水庫群多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型，獲取Pareto(帕累托)非劣解集；

Step 4：采用基于組合賦權(quán)的模糊優(yōu)選法在Pareto非劣解集中確定最佳水庫群調(diào)度運(yùn)行方案。

進(jìn)一步地，所述Step 3：執(zhí)行HMAQGA求解水庫群多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型，獲取Pareto非劣解集，具體為：