基于改进遗传算法的水电站优化调度模型与算法.docx

水力发电第36卷第1期2010年1月

水力发电

第36卷第1期2010年1月

专一题研究

基于改进遗传算法的水电站优化调度模型与算法

李可，马孝义，符少华

(西北农林科技大学机电学院，陕西杨凌712100)

摘要：基于整数的遗传算法编码规则，满足了染色体和解之间唯一映射的关系，极大的缩短了染色体的长度。引入退火罚因子设计动态罚函数处理约束条件和自适应的遗传算子的设计，建立了基于改进遗传算法的水电站优化调度的数学模型。算例研究表明，上述算法可以快速有效地得到水电站优化调度的全局优化方案，提高运算效率。

关键词：优化调度；遗传算法；水电站

SchedulingOptimizationModelandAlgorithmBasedonImprovedGeneticArithmeticforHydropowerStationLiKe,MaXiaoyi,FuShaohua

(CollegeofElectricalEngineeringofNorthwestAFUniversity,YanglingShaanxi712100)

Abstract:Themathematicalmodelforhydropowerstationoptimalschedulingisbuiltupbasedonimprovedgeneticalgorithm,inwhichtheconstraintsaredealtwithdynamicpenaltyfunctiondesignedbyannealingpenaltyfactorandadaptivegeneticoperatorsareintroduced.Anexamplestudyshowsthatthealgorithmcanquicklyandeffectivelygetoptimalschedulingprogramofhydropowerstation,andimproveoperationalefficiency.

KeyWords:optimalscheduling;geneticalgorithm;hydropowestation

中图分类号：TM734文献标识码：A文章编号：0559-9342(2010)01-0092-02

根据国内外文献资料统计，实行水电站经济运行可以提高经济效益1%~3%1-2,而水电站优化调度是水电站经济运行的重要内容。水电站联合调度是一个多目标、非线性混合优化问题，属于NP难问题(NondeterministicPolynomial-hard)。目前，求解水电站优化调度的算法已经有了很大的发展，提出了很多新的算法3-51。在将遗传算法用于水电站优化调度时，往往存在收敛速度慢、局部寻优能力差等缺陷。为此，本文研究了整数编码的编码规则，满足了染色体和解之间唯一映射的关系，极大的缩短了染色体的长度，提高了计算效率；通过并引入退火罚因子设计动态罚函数处理约束条件和自适应的遗传算子的设计，使得算法的收敛性能得到了极大的提高。

1水电站优化调度的数学模型

水电站优化调度的目标函数有很多，本文重点

研究单个水电站的优化调度，其目标函数为：

(1)

式中，F为水电站优化调度期内的总发电量，kW·h;Q为第i个时段内的平均发电流量，m3/s;A为水电

92WazerPowerVol.36.No.1

站出力系数；H?为第i个时段内的平均水头，m;T为第i个时段的小时数。

在水电站优化调度的过程中，一般确定如下约束条件：

水库蓄水量约束Vimn≤V?≤Vinux(2)发电流量约束Qnin≤Q≤Qm(3)水电站出力约束Nnin≤N≤Nimx(4)水电站的水量平衡约束V+=V+q-Q-S,(5)

式中，Vm和Vm分别为第i个时段允许的水库最小蓄水量和最大蓄水量，m3;Qim和Qm为第i个时段下游综合用水要求的最小下泄流量和最大下泄流量，m3/s;N.和N分别为第i个时段电力系统要求的电站最小出力和最大出力，kW;V,为第i个时段初水库的蓄水量，m3;q:和S,分别为第i个时段的平均入库流量平均弃水流量，m3/s。

收稿日期：2