基于Matlab遗传算法工具箱梯级水电站优化调度.pdfVIP

第25卷第11期 电 力 自 动 化 设 备 Vol.25No.11 2005年11月 ElectricPowerAutomationEquipment Nov.2005 基于 Matlab遗传算法工具箱的 梯级水电站优化调度 1 2 1 施展武，罗云霞，邱家驹 （1.浙江大学 电气工程学院，浙江 杭州 310027； 2.浙江水利水电专科学校，浙江 杭州 310018） 摘要：遗传算法因其简单、通用、适于并行处理而用于解决非线性复杂问题。在研究了基于Matlab 遗传算法工具箱 G（AOT）的基础上，提出把水电站水库看作一个系统，把系统的各元素、输入 /输 出参数等简化和假设后建立简化通用的数学模型。用该数学模型讨论了实现梯级水电站的优化调 度问题，详细分析了算法设计中遗传算法控制参数的确定、编码、随机生成初始母体群、适应度计 算、选择、交叉、变异、停止准则判断等。以某梯级水电站为例，利用提出的优化调度模型计算了比 较简单的情况，表明是可行的，对较复杂的情况也同样适用。 关键词：遗传算法；水电站；Matlab；优化调度 中图分类号：TM73；TP311.56 文献标识码：A 文章编号：1006-60472（005）11-0030-04 遗传算法GAsG（eneticAlgorithms）是20世纪 1.2 算子函数 70年代由美国密歇根大学的John.H.Holland借鉴生 算子函数包括交叉算子和变异算子，算子函数 物界自然选择和进化机制发展起来的高度随机自适 提供了遗传算法的搜索机制，通过算子函数，在原来 ［1］ 种群的基础上产生新的种群。 应搜索算法 。经过30多年的发展，遗传算法已经 在优化、生产调度、智能控制、模式识别、图像处理、 a.交叉算子：function［child1，child2］=crossover 2［~4］ p（arent1，parent2，bounds，params）。 机器学习等领域取得了令人鼓舞的成就 。 b.变异算子：functionc［hild1］=mutationp（arent1， 目前，国内外已有采用遗传算法实现水电站的 bounds，params）。 优化调度，文献 ［ 5］研究了基于遗传算法的水电站短 所不同的是交叉算子由2个父代产生2个新的 期优化调度问题。文献 ［6，7］利用遗传算法实现水 子代，而变异算子则是由1个父代产生1个新的子代。 电站的优化，但是采用二进制编码，计算比较复杂。 1.3 选择函数 文献 8［］采用十进制编码，一定程度上避免了二进 选择函数决定哪些个体进入下一代。 制编码的冗余，但是只是针对单个水库水电站的优 选择函数： Functionn［ewPop］=selectFunctiono（ld- 化调度问题。由于水电站群优化调度问题的复杂 Pop，options）。 性，目前尚无统一公认的数学模型和求解方法。本 其中newPop是被选择的新种群，oldPop是当前 种群， 文用一个简化的数学模型，采用Matlab遗传算法工