基于遗传化算法地黄河上游梯级水电站优化运用研究.pdfVIP

基于遗传化算法的黄河上游 梯级水电站优化运用研究 练继建胡明罡周新光刘媛媛 (天津大学建筑工程学院，天津300072) 摘要本文应用遗传算法对黄河上游龙羊峡、李家峡单独运行以及联合运行进行了优化调运 算。通过计算研究表明，龙羊峡水电站运行存在的问题主要是水库长期在低水头方式下运行， 未发挥出工程设计的主要效益．即发电效益。在天然径流量、约束条件相同的情况下，经优化调 度运用，黄河梯级水电电站的总发电量可以增加10．08％，增效十分明显。 关键词遗传算法优化调度水电站 1引言 黄河是我国第二大河，青铜峡以上河段称之为黄河上游，蕴藏着大量的水能资源，是我国有名的水电 富矿之一。在“优先发展水电”及“西电东送”的政策指引下，对其的合理优化具有重要意义。水电站优 化调度的优化方法有很多种，如非线性规划、线性规划和动态规划等。非线性规划由于缺乏成熟算法而 很少被运用。线性规划由于将非线性问题线性化，误差较大。动态规划方法将多维非线性问题转化为多 阶段决策问题，每一阶段应满足可分解性和单调性。由增加状态数目可以保证分解的有效性。但是，随 着状态数目的增加，所需计算机存储容量增大，尤其是当动态规划用于库群联合调度问题时，问题更为 突出。 遗传算法(geneticalgorithm，GA)是一种新型优化算法，它的主要优点是从多个初值开始寻优，以编 码空间代替问题的参数空间，以适应度函数为评价依据，以编码群体为进化基础，以对群体中个体位串的 遗传操作，实现选择和遗传机制，建立起一个迭代过程。在这一过程中，通过随机重组位串中较合理的 “生存”因素，使新一代的位串集优于老一代的位串集，群体中的个体不断进化，逐渐接近最优解，最终达 到求解问题的目的。虽然遗传算法的整个进化过程中的遗传操作是随机的，但它所呈现出的特性并不是 完全随机搜索，它能有效地利用历史信息来推测下一代期望性能有所提高的寻优点集。这样一代代地不 断进化，最后收敛到一个最适应环境的个体上，求得问题的最优解。遗传算法占用计算机内存少，更适用 于求解大规模复杂的多维非线性优化问题。 本文即采用遗传算法对龙羊峡、李家峡水电站单独运用和龙羊峡、李家峡水电站联和运用的进行优 化调度计算，并对其计算结果进行了分析。 2基于遗传算法水电站(群)优化调度模型 2．1水电站群优化调度问题的数学描述 龙羊峡水电站是以发电为主。兼顾其他综合利用要求的水电站，李家峡水电站是径流发电的水电 站，目标函数是：为实现水资源的最优利用，在满足灌溉供水的前提下，以给电网提供尽可能大的可靠出 力为准则。多年发电量最大或年发电量最大。 r N 目标函数： max∑∑Ik。·Q。·1t,广At l；I I=1 约束条件： (1)水最平衡 Upl=V¨+(q¨一Q㈠一S¨)’At……。 (2) K…=K．，+(q：，。+Q1．…+S1p，一Q¨一s2，，)。At (3) (2)水库蓄水量约束 66· 一。。≤E．。≤vi。．。…………………………………………(4) (3)水库泄流量约束 Q．…≤Q。≤Q。。。………………’………………………‘‘(5) S。10·…··…………···………‘…。…’’……’……。(6) (4)水电站出力约束 N…。≤^；·Q¨·H。≤Ⅳ。。……………………………………(7) 式中：～——水电站(水库)总数，本文取N=2； 卜_多年内总时段数，以月计，T=l-48； A，——第i水电站(i=1代表龙羊峡水电站，i=2代表李家峡水电站)综合出力系数； Q。——第i水电站第t段的发电流量； H．。——第i水电站第t时段的平均水头； q。。——表示龙羊峡的