改进粒子群优化算法在水电站群优化调度中的应用研究 Application of improved particle swarm optimization algorithm to operation of hydropower station group.pdfVIP

水 利 学 报 2009年4月 SHUILIXUEBAO 第40卷第4期 文章编号：0559—9350(2009)04．0435．07 改进粒子群优化算法在水电站群优化调度中的应用研究 张 俊1，程春田1，廖胜利1，张世钦2 (1．大连理工大学水电与水信息研究所。辽宁大连116024；2．福建电力调度通信中心，福建福州350003) 摘要：为克服常规粒子群优化算法易早熟、后期收敛慢且易陷入局部最优解的缺点，本文提出一种新的惯性权重系 数更新策略——自适应指数惯性权重系数(SEIWC)代替线性递减惯性权重系数(LD唧C)，同时，将遗传算法中的染 色体交叉、变异思想引入粒子的更新策略，提高粒子的多样性，增强算法的全局搜索能力。使用Rosenbrock函数和 Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例，建立基于改进粒 子群优化算法的库群长期优化调度模型。计算结果表明，该模型的调度结果显著优于常规粒子群优化算法，与逐 步优化算法结果水平相当。 关键词：粒子群优化；改进算法；自适应；交叉变异；水电站群；优化调度 中图分类号：TV697 文献标识码：A 1研究背景 水电站群优化调度是水资源系统优化的核心，合理的调度策略不仅能够有效利用水力资源，增加经 济效益，并且能够提高供电可靠性，保证电网的稳定运行。水电站优化调度是复杂的非线性优化问题， 具有多阶段、多变量、多目标、多约束等特点，水电站群优化调度由于需要考虑上下游水库的水力联系和 补偿，其优化过程显得更加复杂，因此，水电站群优化调度一直是水电工作者研究的热点和难点。从传 统的线性、非线性规划方法到新兴的智能方法，大量的优化模型和算法，如网络流、动态规划、逐步优化、 多目标决策、模糊集合、人工神经网络、遗传算法等…，已经被应用于水电站群优化调度问题。 Swarm 粒子群优化算法(Particle Eberhart和James Optimization，PSO)由Russellkennedy于1995年根据 对鸟类群体捕食的行为研究提出幢1，是一种新型优化算法，具有寻优策略简单、运行参数少、收敛速度 快、鲁棒性强、易并行和分布实现等特点，广泛适用于求解各种非线性、不可微和非凸的复杂优化问题。 随着PSO算法在电力系统中应用的增多’，一些学者已经将其应用于水电站(群)优化调度H圳。为了 保证局部搜索能力，PSO算法通常采用由ShiY【101提出的线性递减惯性权重(LinearInertia Decreasing Weight，LDIW)策略，但是该策略在进化前期容易早熟，后期容易使粒子丧失多样性从而导致算法收敛速 度慢且易陷入局部最优值，不能较好地同时满足全局搜索和局部搜索的要求。一些学者已经开始对惯 性权重的优化进行研究和试验¨卜”J。本文针对PSO算法的不足，提出一种新的惯性权重系数策略—— Inertia 自适应指数惯性权重系数(Self-adaptiveExponentialWeight 重系数，同时，借鉴遗传算法中染色体交叉、变异的思想，将其引入粒子的更新策略，提高粒子的多样性， 增强算法的全局和局部搜索能力。以福建电网闽江流域水电站群优化调度为例，建立基于改进粒子群 ParticleSovarm 优化算法(Improved 收稿日期：2008．10-28 基金项目：国家自然科学基金(567901 1)；高校博士点基金(20050141008) 作者简介：张俊(1981一)，男，浙江杭州人，博士生，主要从事水电站(群)优化调度研究。E—maihdalhzh—zj@126．corn ··——435·-—— 万方数据 调度结果优于常规粒子群优化算法(PsO