免疫粒子群算法在梯级电站短期优化调度中的应用.pdfVIP

水 利 学 报 年 月 第 卷 第 期 文章编号 免疫粒子群算法在梯级电站短期优化调度中的应用 李安强 王丽萍 蔺伟民 纪昌明 武汉大学水资源与水电工程科学国家重点实验室 湖北武汉 华北电力大学 北京 新疆奎屯农七师勘测设计院 新疆奎屯 摘要 将免疫原理引入粒子群算法 中 利用其免疫记忆与自我调节机制保持各适应度层次的粒子维持一定的 浓度 保证种群的多样性 引入疫苗接种等操作 对算法的进化过程进行有目的 有选择地指导 提高算法的搜索性 能 随后在分析梯级电站短期优化调度数学模型及该算法特点的基础上 建立了基于免疫粒子群 算法的梯 级电站短期优化调度数学模型 并给出其具体的求解步骤 最后应用该方法进行仿真计算 并与常规调度及 算法进行对比 结果表明 该算法可获得较优的优化调度方案 并可提高解的精度 加快其收敛速度 关键词 梯级水电站 短期优化调度 免疫粒子群算法 中图分类号 文献标识码 研究背景 梯级电站短期优化调度是研究在一天或者几天时间内 水电站及其水库最优运行调度方式的制定 与实施的有关问题 与一般单库的短期优化调度相比 其复杂之处在于上 下游各电站间存在复杂的水 力联系 是一个多约束 高维 动态的非线性问题 传统的求解方法 如动态规划 非线性规划 神经网 络 拉格朗日松弛法等在解决此类问题时或多或少的存在一定的局限性 近年来 粒子群算法 作为一种新生的随机进化计算方法 由于具有 简捷通用 适合并行处理 对目标函数和约束条件要求低等特点 受到电力工作者的重视 并在求解 此类问题中做了一些有意义的尝试 取得了一定成果 但由于 算法是根据全体粒子和自身的 搜索经验向着最优解的方向 飞行 进化过程中会造成粒子群多样性下降 故当算法收敛到一定精度 时 无法继续优化 容易陷入局部最优 造成所能达到的精度较差 严重影响了在梯级电站优化调度问题 中的广泛应用 针对以上问题 许多研究人员对 算法进行了不断改进 或引入 分群 和 灾变 思 想 来协调全局和局部搜索 或引入遗传算法中 杂交 因子以及自适应惯性权重 来增强算法跳出局 部极值点的能力 等 但在具体应用中仍存在一些问题 引入 灾变 原理或者 杂交 思想来试图跳 出局部极值点的方法 其进化过程具有随机性 会影响算法的稳定性 并且在进化后期 算法收敛速度明 显变慢 利用模拟退火原理动态调整惯性权重来协调全局和局部搜索能力的作法 只有在算法能够 搜索到全局最优点附近的领域时才有效 否则更会使算法陷入局部极值点 免疫粒子群算法 则是在 算法的基本框架上 将生命科学中的免疫原理引入 算法中 一方面利用免疫记忆与自我调节机制来保持各适应度层次 的粒子维持一定的浓度 进而保证种群的多样性 另一方面引入了疫苗接种等操作 对算法的进化过程 进行有目的 有选择地指导 提高了算法的搜索性能 本文作者在分析梯级电站短期优化调度的数学模 收稿日期 基金项目 国家自然科学基金项目资助 作者简介 李安强 男 吉林珲春人 博士生 主要从事水电能源开发与利用 电力市场风险决策分析等方面的研究 型和 算法特点的基础上 提出基于 算法的梯级电站短期优化调度方法 并最后通过算例验证 该算法的有效性和可行性 梯级电站短期优化调度数学模型 目标函数 为充分利用水能资源 梯级电站短期优化调度问题可描述为在满足梯级各水电厂运行 约束前提下 优化各水电厂的用水过程 使之在调度期内总发电量最大 目标函数可取为 式中 为调度期内的总发电量 为梯级电站个数 为调度时段数