基于逐次逼近遗传算法的梯级水库优化调度-水利水运工程学报.PDF

第1期 水 利 水 运 工 程 学 报 No.1 摇 2012年2月 HYDRO鄄SCIENCE AND ENGINEERING Feb. 2012 基基于逐次逼近遗传算法的梯级水库优化调度 邹摇 进 (昆明理工大学 电力工程学院, 云南 昆明摇 650051) 摘要:利用传统遗传算法求解水库优化调度问题时,经过遗传操作产生的新个体可能是不可行解,因此需要对 其进行修正.但在梯级水库调度中,由于各时段间、水库间存在的水力电力联系,使这种修正变得复杂困难.鉴 于此,提出了逐次逼近遗传算法(GASA),它可在包含不可行解的空间中寻优,并通过搜索空间的不断改变,逐 渐逼近最优解.最后通过一个算例,并与离散微分动态规划法(DDDP)和逐步优化法(POA)的优化结果进行比 较,说明了该方法的可行性与有效性. 关摇 键摇 词:梯级水库;优化调度;遗传算法;逐次逼近 中图分类号:TV697.1摇 摇 摇 文献标志码:A摇 摇 摇 文章编号:1009-640X(2012)01-0019-07 遗传算法是一种模拟自然基因和自然选择机制的寻优方法,自J.H.Holland 于 1975 年首次提出以 [1] [2] [3] 来 ,已取得丰富的研究成果 ,在水资源领域研究中的应用也相当广泛 .在水库运行管理中,遗传算法 主要应用于水库(群)优化调度[4-11]、水电站经济运行[12-14]、水火电混合系统经济调度[15-16]、水库调度规则 等方面[17-18].与线性规划、非线性规划、动态规划、整数规划、POA法等传统优化方法相比较,遗传算法的优 点主要有:(1)全局搜索能力强,可以快速搜索出解空间中的全部解,而不会陷入局部最优解的快速下降陷 阱;(2)具有潜在并行性,可以方便地进行分布式计算,加快求解速度;(3)收敛性好,鲁棒性高.但是,遗传算 法的局部搜索能力较差,在进化后期搜索效率较低;实际应用中,还容易产生“早熟冶现象;并且寻优效果受 到许多可变参数的影响,如交叉率、变异率、种群大小等,而目前这些参数的选择大部分仍依靠经验.针对这 些缺点,产生了许多遗传算法的改进方法,对编码方式、控制参数的确定、选择方式、交叉机理等方面都进行 [8-9] 了改进.例如,使用自适应遗传算子对交叉率、变异率等参数进行改进 ;采用混合算法改善其搜索特 [10-12] [19] 性 ;与混沌相结合来优化初始解,改进变异算子 ,等等. 总的来看,这些文献中的遗传算法都是在可行域中寻优的,即初始解为可行解,经过遗传操作后产生的 新个体若为不可行解,则对其进行修正;然而,在梯级调度中,由于梯级水库间存在的水力电力联系,使这种 修正变得繁琐,且容易陷入局部最优.因此,本文提出了逐次逼近遗传算法,以一种渐近搜索的方式,使遗传 算法能够在包括不可行解的空间中进行寻优,并逐步找到全局最优解. 1摇 逐次逼近遗传算法 水库调度实际上是一种过程优化,需要使调度期内的整体目标最大化,而不是某个时段的目标值最优. 在用遗传算法来求解单库调度时,通常用浮点数编码,其染色体长度即为调度期内的时段数;由于前后时段 间存在水量平衡约束,前一时段泄水量的改变将影响后继时段的用水策略,因此在经过遗传操作后,若新的 个体不满足约束条件,则需要对其进行修正.而在梯级水库调度中,由于上下游水库间具有密切的水力联系, 摇 摇 收稿日期:2011-07-25 摇 摇 基金项目:国家自然科学基金项目;云南省自然科学基金项目(2009ZC005X) 摇 摇 作者简介:邹摇 进(1973-),女,贵州安顺人,副教授,博士,主要从事水资源系统分析与管理. E鄄mail:Jone_zou@163.com 20 水 利 水 运 工 程 学 报