[發明專利]一種基于GA算法的梯級泵站群揚程優化分配方法在審
| 申請號: | 202010620977.9 | 申請日: | 2020-07-01 |
| 公開(公告)號: | CN111767677A | 公開(公告)日: | 2020-10-13 |
| 發明(設計)人: | 雷曉輝;盧龍斌;張榮軒;陳廣明;張召;景象;朱杰 | 申請(專利權)人: | 中國水利水電科學研究院;安徽省引江濟淮工程有限責任公司 |
| 主分類號: | G06F30/27 | 分類號: | G06F30/27;G06Q50/06;G06F111/04 |
| 代理公司: | 北京市盛峰律師事務所 11337 | 代理人: | 于國強 |
| 地址: | 100038 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 ga 算法 梯級 泵站 揚程 優化 分配 方法 | ||
1.一種基于GA算法的梯級泵站群揚程優化分配方法,其特征在于:包括如下內容,
S1、確定目標函數、決策變量和約束條件;
S2、對梯級泵站群中的泵站進行前期處理;
S3、采用GA算法對目標函數進行求解,獲取梯級泵站群揚程的最優分配結果。
2.根據權利要求1所述的基于GA算法的梯級泵站群揚程優化分配方法,其特征在于:m級梯級泵站的目標函數為,
其中,為第k時段梯級泵站在流量為總揚程為Htotal情況下的總效率;Htotal為梯級泵站的總揚程;是第j級泵站的最大效率。
3.根據權利要求1所述的基于GA算法的梯級泵站群揚程優化分配方法,其特征在于:所述決策變量為每級泵站的進水側水位和出水側水位。
4.根據權利要求3所述的基于GA算法的梯級泵站群揚程優化分配方法,其特征在于:所述約束條件為梯級泵站總揚程約束、單機泵站揚程約束、各級泵站進水側水位控制區間約束和各級泵站出水側水位控制區間約束,分別表示如下,
其中,hj,j+1為第j級泵站與第j+1級泵站見渠道的水頭損失;分別為最后一級泵站出水池水位與第一級泵站進水池水位;分別為第j級泵站最小和最大揚程;分別為第j級泵站進水池最小和最大水位;分別為第j級泵站出水池最小和最大水位。
5.根據權利要求1所述的基于GA算法的梯級泵站群揚程優化分配方法,其特征在于:步驟S2具體為,確定個泵站的進水口、出水口的最低和最高運行水位區間,并確定泵站的單機流量運行區間;根據選定的水位區間和流量區間離散步長,獲取一系列上游流量和下游水位值,模擬在各種可行流量,水位下各級間的水頭損失。
6.根據權利要求1所述的基于GA算法的梯級泵站群揚程優化分配方法,其特征在于:步驟S3包括如下內容,
S31、確定泵站中可運行工況的群體,并對其編碼,隨機生成一系列的流量個體;
S32、對決策變量和約束條件進行處理,并通過目標函數計算群體中各個個體的適應度;
S33、判斷最優個體的適應度是否達到設定閾值,或者,最優個體的適應度和群體的適應度是否均不再上升,或者,迭代次數是否達到預設次數,若是,則GA算法終止,獲取梯級泵站群揚程的最優分配結果;若否,則將群體中的各個個體按照適應度大小排序,并執行步驟S34;
S34、將選擇算子作用于群體,以令優化的個體直接遺傳到下一代或通過配對交叉產生新的個體再遺傳到下一代;
S35、將交叉算子作用于群體,以把兩個父代個體的部分結構加以替換重組進而生成新個體;
S36、將變異算子作用于群體,根據預設的變異概率判斷群體中的各個個體是否需要進行變異,并將需要進行變異的個體隨機選擇變異位進行變異,獲取下一代群體,并返回步驟S32。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國水利水電科學研究院;安徽省引江濟淮工程有限責任公司,未經中國水利水電科學研究院;安徽省引江濟淮工程有限責任公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010620977.9/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種星球探測車車輪在線機器學習控制方法
- 下一篇:一種燃料電池系統的控制方法





