水电能源学.pptVIP

第六章 水电站经济运行 水电能源学 动态规划原理是由贝尔曼首先提出的。根据这个原理，可以把多阶段决策问题的求解过程看出是一个连续的递推，由后向前逐步推算。 在求解时，各状态前面的状态和决策，对后面的子问题来说，只不过相对于其初始条件而已，并不影响后面过程的最优策略。 第六章 水电站经济运行 水电能源学 应用动态规划方法制定水电站机组间负荷优化分配计划时，需要建立动态规划模型： 1、针对实际问题，按时间（或空间）恰当地划分若干阶段，并在此基础上设置阶段变量 。 在机组间负荷优化分配问题的建模中，以工作机组的台数 作为阶段变量（ 为水电站总运行机组台数，即按空间划分阶段），如 表示第二阶段可以有两台机组（1#机组和2#机组）工作。 第六章 水电站经济运行 水电能源学 2、正确选择状态变量 ，使它既能描述过程的状态，又要满足无后效性。所谓无后效性是指，如果某阶段的状态已定，则在该阶段以后过程的发展不受前面各阶段状态的影响。 在机组间负荷优化分配问题的建模中，选择第 阶段所有运行机组的负荷总和 作为状态变量。显然，该状态变量所描述的过程具有无后效性。 状态空间为 第六章 水电站经济运行 水电能源学 3、正确选择决策变量 及其允许空间 （决策空间）。 在机组间负荷优化分配问题的建模中，选择新投入的机组所带负荷作为决策变量。如 表示第 阶段投入运行的机组所带的负荷；当 时，则说明第 阶段不需投入新机组运行。 状态空间为 第六章 水电站经济运行 水电能源学 4、建立状态转移方程 。即：如果给定了第 阶段的状态变量 ，则 时段的决策变量 一经确定，则该阶段的状态变量 也就完全确定了。状态转移方程描述了由 阶段到 阶段的状态转移规律。 在机组间负荷优化分配问题的建模中，状态转移方程为 即： 第六章 水电站经济运行 水电能源学 5、列出满足递推性要求的指标函数 。常见的指标函数是取各阶段的指标和： 在机组间负荷优化分配问题的建模中，指标函数（目标函数）选取为水电站总发电流量最小 第六章 水电站经济运行 水电能源学 6、建立动态规划的基本方程 动态规划（逆序）的递推计算过程是从 开始，逐段向前推移，一直到求出 时为止，就得到了整个过程的最优解，包括最优指标函数值和相应的最优决策序列 第六章 水电站经济运行 水电能源学 在机组间负荷优化分配问题计算中，采用了顺序递推计算，其动态规划的递推方程为 最后可得水电站机组间负荷最优分配表： 第六章 水电站经济运行 水电能源学 7、最优负荷分配表的求解步骤 （1）设定水电站总负荷 ，根据多阶段决策过程，分别按 求解上述模型； （2）设定水电站总负荷 ，求解上述模型； （3）设定水电站总负荷 ，求解上述模型，直至 ； 第六章 水电站经济运行 水电能源学 但是，动态规划方法存在“维数灾”问题，即当问题中的变量个数（维数）太大时，由于计算机的存储容量和计算速度的限制，而无法解决。 采用多阶段决策问题的动态规划方法求解水电站机组间负荷优化分配问题，相比于解析数学而言更有成效。因此，在水电能源系统优化运行的实践中得到了广泛地应用。 第六章 水电站经济运行 水电能源学 遗传算法是一种概率搜索算法，它是利用某种编码技术作用于称为染色体的二进制串，其基本思想是模拟由这些串组成的群体的进化过程。 四、遗传算法 第六章 水电站经济运行 水电能源学 通过有组织地，然而是随机地信息交换来重新组合那些适应性好的串，在每一代中利用上一代串结构中适应性好的位和段来生成一个新的串的群体；作为额外添加，偶尔也要在串结构中尝试新的位和段来替代原来的部分。 遗传算法的基本原理是： 第六章 水电站经济运行 水电能源学 类似于自然进化，遗传算法通过作用于染色体上的基因，寻找更好的染色体来求解问题。与自然界相似，遗传算法对求解问题的本身一无所知，它所需要的仅是对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应性好的染色体有更多的繁殖机会。 第六章 水电站经济运行 水电能源学 由此可见，遗传算法是一类随机算法，但它不是简单的随机走动，它可以有效地利用已有的信息来搜索那些有希望改善解质量的串。 由于遗传算法有较高的搜索效率，而且不存在“维数灾”