基于Pareto强度进化算法的供水库群多目标优化调度 MOP of feeding reservoir group optimal operation based on SPEA.pdfVIP

第19卷第5期 水科学进展 、r01．19，No．5 2008年9月 IN ADVANCESW■J．ERSCIENCE Sep．，2008 丁胜祥1，董增川1，王德智2，李庆航1 (1．河海大学水文水资源与水利工程科学国家重点实验室，江苏南京210098；2．中水淮河工程有限责任公司，安徽蚌埠233000) 摘要：提出用Pareto强度进化算法解决供水库群的多目标优化调度问题，算法利用种群的进化过程模拟寻找非劣解 集的过程，将供水库群多目标优化调度问题的解当作进化种群中的个体，按照解的Pareto强度值与密度进行适应度 计算，利用种群中个体的进化操作获得非劣解，最终整个种群进化为非劣解集。实例分析结果表明，算法能实现多 峰搜索，最终非劣解集的分布均匀，且收敛速度快，为解决供水库群多目标优化调度问题提供了一种有效的方法。 关t词：供水库群；多目标；优化调度；Pareto强度进化算法 中图分类号：P343．3 文献标识码：A 文章编号：1001-6791《2008)05-0679-06 在供水库群的多目标优化调度问题中，优化调度不仅要考虑多目标因素，还要考虑水力联系等其它诸多因 素，是一个具有约束条件的复杂非线性系统的多目标优化问题，比较难于处理。传统的多目标优化算法如权重 法、约束法、单纯形法和梯度法【卜4】等，都是采取一些处理措施将多目标转化为单目标，然后再利用单目标优 化技术来求解，这些算法由于本质上并不是为多目标问题而设计，很难将其推广到真正的多目标问题。 杂的带有多个约束条件的多目标优化问题中。进化算法是一类基于种群的搜索算法，可并行搜索多个目标，找 持方面作了较大的改进，相比其它智能优化方法收敛速度更快，最终个体的分布也更均匀，适于求解多目标优 化问题。本文将该算法应用于求解供水库群的多目标优化调度，结合实际问题建立了SPEA算法模型。结果表 明，算法收敛性良好，生成的非劣解集分布均匀、代表性好。 1 供水库群多目标优化调度数学模型 供水库群的优化调度需同时考虑多个目标，如供水公平性、供水效益最大、供水保证率最高、供水的生态 效益最大等。本文考虑“公平型”和“效益型”两个目标。“公平型”目标即各个用水片区的缺水程度应相对 均衡；“效益型”目标即要使有限的供水带来最大的收益。取各用水片区各时段的最小的供水率最大来表达 “公平型”目标，采用经济效益最大来表达“效益型”目标。问题描述如下： “公平型”目标 max (1) min{a,fl¨／Dlll “效益型”目标 msx∑∑口i,tS¨ (2) ‘ I 水量平衡约束 K。。=K小l+‘。。+Ro—S¨一仇．。一五“。 (3) 库容约束 K。。耐。≤K。。≤K，。一 (4) 供水能力约束 (5) S‘。。mi。≤．。≤Si,t一 收稿日期：2007-08．21 基金项目：教育部科学技术研究重点项目资助(104197) d靠@hhu．edu．cn 作者简介：丁胜祥(19s2一)，男，安徽潜山人。博士研究生，主要从事水文学及水资源研究。E-maih 万方数据 680 水科学进展 第19卷 需水量约束