基于文化粒子群算法的水库防洪优化调度.pdf

基于文化粒子群算法的水库防洪优化调度 谢 维，纪昌明，吴月秋，李新武 (华jE电力大学 新能源与可再生能源北京市重点实验室，北京 102206) 摘要：针对水库防洪调度具有多约束、高维、非线性和不易求解的特点，在粒子群算法 (PSO)的进化机制中引入文 化算法 (CA)，利用文化算法的信仰空间对粒子群的进化进行指导，建立了文化粒子群算法 (PSO-CA)。该算法在 种群空间中采用PSO算法，在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的 “早 熟”现象进行监视，利用规范化知识对粒子加以限定，提高了算法计算效率。实例验证，该算法能较好地克服粒子 群算法易陷入局部最优 的缺点，并加快其收敛速度 ，可 以有效解决水库防洪调度 问题 。 关键词：粒子群优化算法；文化算法；水库防洪调度；优化调度 中图分类号 ：TV697．1 文献标识码 ：A 水库防洪调度具有多约束、高维和非线性等特点，其调度的主要 目的是利用高效的优化算法，研究 水库在有下游防洪任务时的洪水调度方案 ，给管理层对水库的蓄洪泄洪决策时提供科学依据。大系统 一 分解协调解法、网络流法 和改进遗传算法 等传统的动态规划法具有一定的局 限性，随着水库数 目的增加 ，往往会出现 “维数灾”问题 。基于集群智能的粒子群优化算法 (particleswamioptimization， PSO) ，因其具有简便易行、对 目标函数和约束条件要求低、收敛速度快等特点，已被广泛应用到电力 系统中非线性、不可微的复杂优化问题中 ，但其在求解过程中粒子容易丧失多样性从而导致局部最 优 ，因此 PSO算法并不是全局收敛算法 。 目前，粒子群改进算法的研究很多，主要有免疫粒子群算 法-o和混沌粒子群算法 等，这些算法可以在一定程度上抑制粒子的 “早熟”现象，但都只对单个粒子 的行为进行修正，没有利用群体经验指导种群进化。RobertG．Reynlods 从模拟人类社会的进化过程 出发，于1994年提出了文化算法 (CulturalAlgorithm，CA)，将文化看作是人类社会 中信息的载体，可以 被社会所有的成员全面接受 ，并指导每个社会成员的各种行为，从而促使人类的进步和发展。基于以上 背景，本文将文化算法引入到粒子群算法中提出文化粒子群算法(PSO-CA)，在个体行为的基础上提炼 出群体经验，并反过来利用此经验指导种群的进化，为防洪调度方案的制定提供一种新的思路。 1 防洪调度模型 目前，广泛采用的防洪优化调度规则有两种 ：一是水库防洪效益最大或费用最小 二是水库下泄洪 峰流量最小。本文在充分考虑水库运行条件和设备限制的基础上 ，以下泄洪峰流量最小为 目标函 数，求解水库洪水优化调度过程 ，其模型如下。 1．1 目标函数 F=min{q} (1) 根据防洪调度系统知识 ，可将式(1)转化为下式 ¨u F=rain∑1[q+Q]At (2) 式中：q 为最大下泄流量 ；i为时段序号；T为成灾时期的时段数 ；g为 i时刻的下泄流量 ，本文不考虑区 间来水量 ，则 Q=0。Q 为区间洪水流量 ；At为时段内的时长。 1．2 约束条件 (1)水量平衡约束 ： 一 — 一 一— 一 = — L 1，，2，，……， (3) 式中： +分别为水库在 i时刻和 i+1时刻的入库流量；q、q 分别为水库在 i时刻和 +1时刻的下 泄流量 ； 、 +。分别为 时刻和 i+1时刻的水库库容。 (2)防洪库容约束： ∑(，—qi)At≤V防 (i=1，2，…，) (4) 式中： 为水库防洪库容。 ‘ (3)水库泄洪能力约束 ： ．