基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法技术

本发明专利技术公开了水库优化调度领域一种基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法，1)获取水库

【技术实现步骤摘要】
基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法


[0001]本专利技术属于水库优化调度
，涉及一种水库优化调度方法。

技术介绍

[0002]水库优化调度是指调度周期内，在初始水位和终止水位一定的条件下，考虑不同时段来水弃水情况，并满足各时段用户用水要求，使其在发电、防洪、灌溉和供水等单个或多个部门整个调度期内的总效益最大的最优选择问题。水库优化调度，可以解决各用水部门之间的矛盾，经济合理地利用水资源及水能资源，因此得到了国内外学者的广泛专注。但水库优化调度目前还存在以下两个问题：(1)传统的水库优化只考虑物理水的调度，而忽略虚拟水(凝结在商品或服务中的水)的流通，不利于实现水资源的最优配置。(2)水库优化调度是一个多约束、多阶段决策过程的复杂水利系统的优化调度问题，其难点在于如何求解。求解水库优化调度的方法一般有线性规划、非线性规划、动态规划和群体智能优化算法等，但这些方法也不可避免的存在一些问题，如：线性规划和非线性规划存在求解速度慢、效率低等问题；动态规划计算量大，易发生“维数灾”；
③
群体智能优化算法容易出现求解精度较低和陷入局部最优等问题。

技术实现思路

[0003]针对现有技术中存在的不足，本专利技术提供了一种基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法，进一步考虑了虚拟水的流通，构建了地区的虚拟水
‑
水库优化模型，并在当前求解方法的基础上提出一种耦合中心游移和双权重因子的鲸鱼优化算法(C
‑
A
‑
WWOA)，进而，实现区域水资源的最优配置，并取得调度期内的最大经济效益。
[0004]本专利技术的目的是这样实现的：一种基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法，包括以下步骤：
[0005]步骤1)获取水库
‑
受水区信息：获取调度参数信息、水库库容信息和受水区农作物信息，并根据公式完成农作物产量与虚拟水的转化，得到虚拟水信息；
[0006]步骤2)建立水库
‑
受水区系统数据库：构建水库
‑
受水区系统数据库，并在数据库中添加步骤1)各字段信息，然后将对应的水库及受水区信息数据批量导入，并实时更新数据信息；
[0007]步骤3)构建考虑虚拟水的水库优化调度模型：使用C++连接数据库，读取步骤2)中水库
‑
供水区系统各字段数据信息，以各时段各用水区域供水量和农作物年流通量为决策变量，以调度期内水库供水经济效益maxF最大为目标函数，同时需满足产品进口、水库水量平衡约束、水库供水约束、水库库容约束、水库弃水约束和决策变量的非负约束，建立数据库互馈的考虑虚拟水的水库优化调度模型，具体优化模型如下：
[0008]目标函数：
[0009][0010]约束1，产品进口约束：
[0011](17)
[0012]约束2，水量平衡约束：V
ti
＝V
ti
‑1+LS
ti
‑
X
ti
‑
C
ti
‑
EF
ti
[0013](18)
[0014]约束3，水库供水约束：
[0015](19)
[0016]约束4，水库库容约束：V
min
≤V
ti
≤V
max
[0017](20)
[0018]约束5，水库弃水约束：
[0019](21)
[0020]约束6，变量非负约束：X
ti,ar
≥0,IMP
ty
≥0
[0021](22)
[0022]式中：ti为当前时段，ti∈[1,T]；ar为当前供水区域，ar∈[1,N]；ty为农作物类型，ty∈[1,P]；INC
ar
为水库向第ar区域供水的收入，X
ti,ar
为水库在ti时段向第ar区域的供水量，EXP
ar
为水库向第ar区域供水的成本；INC
ty
为进口农产品ty的收入，EXP
ty
为进口农产品ty的成本；IMP
ty
为进口农产品的质量，PRD
ty
为农产品ty的本地生产量，TD
ty
为农产品ty的需求量；V
ti
为水库ti时段初，ti
‑
1时段末的蓄水量，V
ti
‑1为水库ti
‑
1时段初的蓄水量，LS
ti
为水库ti时段的来水量，C
ti
为水库ti时段的弃水量，EF
ti
为水库ti时段的蒸发与渗漏量，X
ti
为水库ti时段的供水量；SK为水库年最大供水量，V0为水库最初蓄水量，V
T
为水库T时段蓄水量，γ为供水管道的渗漏率，D
ar
为第ar区域的最小需水量；V
min
为水库最小库容，V
max
为水库最大库容；
[0023]步骤4)模型求解方法：对于步骤1)
‑
步骤3)构建的考虑虚拟水的水库优化调度模型，通过耦合中心游移及双权重因子的鲸鱼算法对该模型进行自动迭代优化求解，得到水库最优调度方案。
[0024]作为本专利技术的进一步限定，步骤4)中求解具体步骤如下：
＝1
‑
sin(π
·
t/(2
·
T
max
))、ω2＝1+sin(π
·
t/(2
·
T
max
))、D
′
表示t次迭代中第i个候选解与最优解的距离；b为螺旋形状常数，取值为1；l为[
‑
1,1]的随机数，其大小决定候选解距最优解的距离，l＝
‑
1距离最近，l＝1最远；U(0,0.1)表示服从[0,0.1]之间的均匀分布。
[0038]Step5判断迭代条件：当t≤T
max
时，重复Step4直至退出迭代，并将结果输出为.txt文件，其结果信息包括：
[0039](1)虚拟水信息VW
ty
、
[0040](2)模型参数信息，包括供水净收益INC
ar
‑
EXP
ar
、流通净收益INC
ty
‑
EXP
ty
和农作物需求量TD
ty
、
[0041](3)最优供水量X
ti,ar
和农产品进口量IMP
ty
、
[0042](4)最大经济效益max F。
[0043]作为本专利技术的进一步限定，Step4中获取最优解具体过程为：t次迭代中，计算Va(i)的适应度值max F本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法，其特征在于，包括以下步骤：步骤1)获取水库
‑
受水区信息：获取调度参数信息、水库库容信息和受水区农作物信息，并根据公式完成农作物产量与虚拟水的转化，得到虚拟水信息；步骤2)建立水库
‑
受水区系统数据库：构建水库
‑
受水区系统数据库，并在数据库中添加步骤1)各字段信息，然后将对应的水库及受水区信息数据批量导入，并实时更新数据信息；步骤3)构建考虑虚拟水的水库优化调度模型：使用C++连接数据库，读取步骤2)中水库
‑
供水区系统各字段数据信息，以各时段各用水区域供水量和农作物年流通量为决策变量，以调度期内水库供水经济效益maxF最大为目标函数，同时需满足产品进口、水库水量平衡约束、水库供水约束、水库库容约束、水库弃水约束和决策变量的非负约束，建立数据库互馈的考虑虚拟水的水库优化调度模型，具体优化模型如下：目标函数：约束1，产品进口约束：约束2，水量平衡约束：V
ti
＝V
ti
‑1+LS
ti
‑
X
ti
‑
C
ti
‑
EF
ti
ꢀꢀꢀꢀꢀꢀ
(3)约束3，水库供水约束：约束4，水库库容约束：V
min
≤V
ti
≤V
max
ꢀꢀꢀꢀ
(5)约束5，水库弃水约束：约束6，变量非负约束：X
ti,ar
≥0,IMP
ty
≥0
ꢀꢀꢀꢀꢀꢀ
(7)式中：ti为当前时段，ti∈[1,T]；ar为当前供水区域，ar∈[1,N]；ty为农作物类型，ty∈[1,P]；INC
ar
为水库向第ar区域供水的收入，X
ti,ar
为水库在ti时段向第ar区域的供水量，EXP
ar
为水库向第ar区域供水的成本；INC
ty
为进口农产品ty的收入，EXP
ty
为进口农产品ty的成本；IMP
ty
为进口农产品的质量，PRD
ty
为农产品ty的本地生产量，TD
ty
为农产品ty的需求量；V
ti
为水库ti时段初，ti
‑
1时段末的蓄水量，V
ti
‑1为水库ti
‑
1时段初的蓄水量，LS
ti
为水库ti时段的来水量，C
ti
为水库ti时段的弃水量，EF
ti
为水库ti时段的蒸发与渗漏量，X
ti
为水库ti时段的供水量；SK为水库年最大供水量，V0为水库最初蓄水量，V
T
为水库T时段蓄水量，γ为供水管道的渗漏率，D
ar
为第ar区域的最小需水量；V
min
为水库最小库容，V
max
为水库最大库
容；步骤4)模型求解方法：对于步骤1)
‑
步骤3)构建的考虑虚拟水的水库优化调度模型，通过耦合中心游移及双权重因子的鲸鱼算法对该模型进行自动迭代优化求解，得到水库最优调度方案。2.根据权利要求1所述的基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法，其特征在于，步骤4)中求解具体步骤如下：Step1参数设置：设定变量矩阵Va的行数Num和列数Dim＝ti
·
ar+ty、当前迭代数t、最大迭代次数T
max
、各时段供水量上下限X
ti,ar,min
＝D
ti,ar
和X
ti,ar,max
、农作物需求量TD
ty
、结果变量Res和1
×
Dim的结果矩RES，结果变量Res用来获取max F的值，结果矩RES用来获取max F所对应的Va(i)值；Step2中心游移初始化：生成Num
×
Dim的变量矩阵Va，将变量矩阵Va每一行看作一组候选解，候选解由X
ti,ar
和IMP
ty
组成；通过式8更新随机解通过式9生成矩阵Va每一随机解的对立点同时对随机解采取中心游移策略式10进行游移，生成游移解进而以和的适应度为评价指标进行比选，保留其中的最优解，完成种群的初始化；具体公式如下：完成种群的初始化；具体公式如下：完成种群的初始化；具体公式如下：式中：i表示矩阵Va的行数，i∈[1,Num]，up为变量上限X
ti,ar,max
或0.5TD
ty
，down为变量下限X
ti,ar,min
或0，ξ为[0,1]之间的随机数；为t次迭代生成的第i个随机解，为t次迭代对立学习生成的第i个对立解；为t次迭代中心游移生成的第i个游移解，δ为游移系数，其值为[0,1]之间的随机数；Step3约束处理过程：读取的水库数据V0、V
min
、V
max
、TD
ty
、D
ti,ar
、LS
ti
和EF
ti
，结合随机生成的X
ti,ar
和IMP
ty
计算约束值X
ti,ar,min
、X
ti,ar,max
和V
ti
，进而，对优化后的变量矩阵Va进行约束处理，包括式2
‑
7，删除不满足以上约束的矩阵行Va(i)，并通过中心游移重新生成，重复以上过程，直至候选解矩阵Va全部符合约束，则进入下一过程；Step4迭代更新过程：第t次迭代中，首先计算适应度值，得出最优解并根据对应公式更新算法参数，包括：a、A、C、ω1、ω2和p；在此基础上，根据p和|A|值，每个鲸鱼分别进行包围捕食、随机或螺旋气泡的迭代更新策略；具体更新方式为：当p<0.5，|A|≤1，采用式12进行包围捕食更新；当p<0.5，|A|>1，根据式11进行随机更新；当p≥0.5，采用式13进行螺旋气泡更新；随后，根据边界邻域更新式14对越界的鲸鱼进行修正更新，得到第t+1代的种群；具体更新公式如下：随机搜索更新方式：Va(i)
t+1
＝Va(rand)
t
‑
A
·
|C
·
Va(rand)
t
‑
Va(i)
t
|

【专利技术属性】
技术研发人员：程浩淼，王梦磊，汪靓，程吉林，龚懿，王玉琳，朱腾义，刘畅，
申请(专利权)人：扬州大学，
类型：发明
国别省市：