專利名稱：一種基于多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化方法，是ー種梯級(jí)水庫(kù)群優(yōu)化調(diào)度方法，涉及ー種考慮多目標(biāo)優(yōu)化的梯級(jí)水庫(kù)群調(diào)度圖優(yōu)化模型構(gòu)建及求解方法。
背景技術(shù)：
常規(guī)的調(diào)度圖制定方法通常是選擇某一典型年(或典型系列)，通過(guò)徑流調(diào)節(jié)計(jì)算得到，運(yùn)用時(shí)可充分融合調(diào)度管理者的經(jīng)驗(yàn)，并且由于其簡(jiǎn)單實(shí)用、易于操作的特點(diǎn)，成為目前應(yīng)用最廣泛的常規(guī)調(diào)度方式。然而采用調(diào)度圖指導(dǎo)水庫(kù)調(diào)度存在的主要問(wèn)題是沒(méi)有考慮預(yù)報(bào)來(lái)水、正常出力區(qū)范圍太大、難以達(dá)到全局最優(yōu)和準(zhǔn)全局最優(yōu)等ー些不可避免的缺點(diǎn)，更多的學(xué)者希望運(yùn)用新型模型和優(yōu)化算法進(jìn)行改進(jìn)，進(jìn)而提出了優(yōu)化調(diào)度圖。水庫(kù)調(diào)度圖優(yōu)化是復(fù)雜的多目標(biāo)優(yōu)化問(wèn)題，因此調(diào)度圖優(yōu)化僅僅考慮發(fā)電量最大或供水最大等單一目標(biāo)是不夠。因此，多目標(biāo)算法的引入是必然趨勢(shì)。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)的問(wèn)題，本發(fā)明提出了一種基于多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化方法，所述的方法采用NSGA- II算法進(jìn)行調(diào)度圖優(yōu)化。本發(fā)明的目的是這樣實(shí)現(xiàn)的一種基于多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化方法，其特征在于所述方法的步驟如下
調(diào)度圖模擬模型建立水庫(kù)調(diào)度圖模擬模型，基于調(diào)度圖的水庫(kù)調(diào)度模型的約束，包括水庫(kù)水量平衡約束、庫(kù)容上下限約束、出力上下限約束以及出流量上下限約束，在考慮供水情況下還包括供水約束；
調(diào)度圖概化建立水庫(kù)調(diào)度圖。通常水庫(kù)調(diào)度圖是由幾條規(guī)則調(diào)度線組成，每條調(diào)度線可描述為ー組相互連接的線段，將每條線段的拐點(diǎn)作為決策變量，即采用混合編碼的形式，將拐點(diǎn)橫坐標(biāo)定義為整形時(shí)間變量，縱坐標(biāo)定義為實(shí)數(shù)型水位變量。多目標(biāo)遺傳算法NSGA-II
NSGA-II算法的實(shí)現(xiàn)形式
初始種群的生成:首先生成隨機(jī)數(shù)IA ,參數(shù)上下限設(shè)置為Xmm、Xmss，初始種群個(gè)體i由如下公式生成
~ Xgjyi 十(Xan - i X rrs,
交叉變異方法首先優(yōu)選父代，采用輪盤賭的方式生成子代個(gè)體，再根據(jù)參數(shù)上下限
Xmin, 1_進(jìn)行判斷控制參數(shù)的進(jìn)化區(qū)間。本發(fā)明產(chǎn)生的有益效果是本發(fā)明在調(diào)度圖優(yōu)化中，采用的多目標(biāo)遺傳算法如NSGA-II0 NSGA-II是目前公認(rèn)的多目標(biāo)優(yōu)化效果最好的算法之一。所述的算法采用快速非支配分層排序和排擠機(jī)制，并引入精英保留策略，能夠保證解的多祥性，使解更廣泛均勻的、逼近Pareto最優(yōu)前沿。所述的算法較成熟、穩(wěn)健，無(wú)論對(duì)于理論測(cè)試函數(shù)，還是實(shí)際生產(chǎn)問(wèn)題，均表現(xiàn)出較強(qiáng)的尋優(yōu)能力。所述的算法不需要對(duì)多個(gè)目標(biāo)進(jìn)行協(xié)調(diào)，直接捜索非劣解集，并且提供混合編碼方式，通用性和可擴(kuò)展性較強(qiáng)。


下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)ー步說(shuō)明。圖I是本發(fā)明的實(shí)施例一所述多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化模型框架 圖2是本發(fā)明的實(shí)施例一所述優(yōu)化調(diào)度圖設(shè)計(jì)模式示意 圖3是本發(fā)明的實(shí)施例一所述實(shí)例的目標(biāo)函數(shù)的Pareto前沿示意 圖4是本發(fā)明的實(shí)施例一所述實(shí)例的寺坪水庫(kù)優(yōu)化調(diào)度圖示意圖。
實(shí)施例一
本實(shí)施例是ー種基于多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化方法，其特征在于所述方法的步驟如下
調(diào)度圖模擬模型建立水庫(kù)調(diào)度圖模擬模型，基于調(diào)度圖的水庫(kù)調(diào)度模型的約束，包括水庫(kù)水量平衡約束、庫(kù)容上下限約束、出力上下限約束以及出流量上下限約束，在考慮供水情況下還包括供水約束；
調(diào)度圖概化建立水庫(kù)調(diào)度圖。通常水庫(kù)調(diào)度圖是由幾條規(guī)則調(diào)度線組成，每條調(diào)度線可描述為ー組相互連接的線段，將每條線段的拐點(diǎn)作為決策變量，即采用混合編碼的形式，將拐點(diǎn)橫坐標(biāo)定義為整形時(shí)間變量，縱坐標(biāo)定義為實(shí)數(shù)型水位變量。多目標(biāo)遺傳算法NSGA-II
NSGA-II算法的實(shí)現(xiàn)形式
初始種群的生成首先生成隨機(jī)數(shù)Hi1 ,參數(shù)上下限設(shè)置為Xmill, X_s，初始種群個(gè)體i由如下公式生成
\ ~ Jiaai + VjlIMl 畫) X『%
交叉變異方法首先優(yōu)選父代，采用輪盤賭的方式生成子代個(gè)體，再根據(jù)參數(shù)上下限
Xmin, 1_進(jìn)行判斷控制參數(shù)的進(jìn)化區(qū)間。 本實(shí)施例所述方法的原理
I)基于調(diào)度圖模擬模型
基于調(diào)度圖的水庫(kù)調(diào)度模型是以水庫(kù)調(diào)度圖為指導(dǎo)，以水庫(kù)工程參數(shù)為約束邊界，采用模擬方法進(jìn)行逐時(shí)段的調(diào)度模擬。該模型是所有梯級(jí)水庫(kù)群聯(lián)合調(diào)度圖優(yōu)化模型的基礎(chǔ)?；谡{(diào)度圖的水庫(kù)調(diào)度模型的約束括水庫(kù)水量平衡約束、庫(kù)容上下限約束、出力上下限約束以及出流量上下限約束。在考慮供水情況下還包括供水約束。2)調(diào)度圖概化
如圖2所示，通常水庫(kù)調(diào)度圖是由幾條規(guī)則調(diào)度線組成，每條調(diào)度線可描述為ー組相互連接的線段。將每條線段的拐點(diǎn)作為決策變量，即采用混合編碼的形式，將拐點(diǎn)橫坐標(biāo)定義為整形時(shí)間變量，縱坐標(biāo)定義為實(shí)數(shù)型水位變量。如果在調(diào)度圖概化時(shí)定義的多個(gè)拐點(diǎn)水位相同，則可以減少水位變量。對(duì)于一條有3條調(diào)度線的調(diào)度圖，假設(shè)每條調(diào)度線有4個(gè)拐點(diǎn)和2個(gè)水位平臺(tái)，則可以將該調(diào)度圖概化為3X (4+2) =18個(gè)參數(shù)(決策變量)的優(yōu)化問(wèn)題，而且對(duì)逐月、旬方式的調(diào)度圖來(lái)說(shuō)，決策變量個(gè)數(shù)一祥。而基于逐時(shí)段純水位的概化方式，逐月調(diào)度圖需要3X 12=36個(gè)決策變量，逐旬調(diào)度圖需要3X36=108個(gè)決策變量?；旌细呕绞娇蓸O大地減少了決策變量個(gè)數(shù)，降低優(yōu)化模型的規(guī)模，為提高優(yōu)化模型效率及尋找全局最優(yōu)解奠定了基礎(chǔ)。3 )多目標(biāo)遺傳算法NSGA-II
NSGA-II是目前公認(rèn)的多目標(biāo)優(yōu)化效果最好的算法之一。該法采用快速非支配分層排序和排擠機(jī)制，并引入精英保留策略，能夠保證解的多祥性，使解更廣泛均勻的逼近Pareto最優(yōu)前沿。算法較成熟、穩(wěn)健，無(wú)論對(duì)于理論測(cè)試函數(shù)，還是實(shí)際生產(chǎn)問(wèn)題，均表現(xiàn)出較強(qiáng)的尋優(yōu)能力。算法不需要對(duì)多個(gè)目標(biāo)進(jìn)行協(xié)調(diào)，直接捜索非劣解集，并且提供混合編碼方式，通用性和可擴(kuò)展性較強(qiáng)。NSGA-II算法的實(shí)現(xiàn)形式
1、初始種群的生成首先生成隨機(jī)數(shù)OI1,參數(shù)上下限設(shè)置為Xmln、Xmss,初始種群個(gè)體
i由如下公式生成
權(quán)利要求
1.一種基于多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化方法，其特征在于所述方法的步驟如下 調(diào)度圖模擬模型建立水庫(kù)調(diào)度圖模擬模型，基于調(diào)度圖的水庫(kù)調(diào)度模型的約束，包括水庫(kù)水量平衡約束、庫(kù)容上下限約束、出力上下限約束以及出流量上下限約束，在考慮供水情況下還包括供水約束； 調(diào)度圖概化建立水庫(kù)調(diào)度圖。
2.通常水庫(kù)調(diào)度圖是由幾條規(guī)則調(diào)度線組成，每條調(diào)度線可描述為一組相互連接的線段，將每條線段的拐點(diǎn)作為決策變量，即采用混合編碼的形式，將拐點(diǎn)橫坐標(biāo)定義為整形時(shí)間變量，縱坐標(biāo)定義為實(shí)數(shù)型水位變量； 多目標(biāo)遺傳算法NSGA-II NSGA-II算法的實(shí)現(xiàn)形式 初始種群的生成首先生成隨機(jī)數(shù)!^ ,參數(shù)上下限設(shè)置為X·、Xmas,初始種群個(gè)體i由如下公式生成
全文摘要
本發(fā)明涉及一種基于多目標(biāo)遺傳算法的調(diào)度圖優(yōu)化方法，所述方法的步驟調(diào)度圖模擬模型；調(diào)度圖概化；多目標(biāo)遺傳算法NSGA-IINSGA-II算法的實(shí)現(xiàn)形式初始種群的生成；交叉變異方法。本發(fā)明在調(diào)度圖優(yōu)化中，采用的多目標(biāo)遺傳算法如NSGA-II。NSGA-II是目前公認(rèn)的多目標(biāo)優(yōu)化效果最好的算法之一。所述的算法采用快速非支配分層排序和排擠機(jī)制，并引入精英保留策略，能夠保證解的多樣性，使解更廣泛均勻的逼近Pareto最優(yōu)前沿。所述的算法較成熟、穩(wěn)健，無(wú)論對(duì)于理論測(cè)試函數(shù)，還是實(shí)際生產(chǎn)問(wèn)題，均表現(xiàn)出較強(qiáng)的尋優(yōu)能力。所述的算法不需要對(duì)多個(gè)目標(biāo)進(jìn)行協(xié)調(diào)，直接搜索非劣解集，并且提供混合編碼方式，通用性和可擴(kuò)展性較強(qiáng)。
文檔編號(hào)G06N3/12GK102708406SQ20121014273
公開(kāi)日2012年10月3日 申請(qǐng)日期2012年5月10日 優(yōu)先權(quán)日2012年5月10日
發(fā)明者于興晗, 侯煜, 張?jiān)戚x, 李獻(xiàn)新, 李琳, 林旭, 王旭, 蓋優(yōu)普, 雷曉輝, 高力書(shū) 申請(qǐng)人:中國(guó)水利水電科學(xué)研究院, 湖北省電力公司