一种基于自适应遗传算法改进后的水库优化调度方法技术

本发明专利技术公开了一种基于自适应遗传算法改进后的水库优化调度方法，包括步骤1、计算无蓄水及调度情况下断面来水；步骤2、划分下泄流量；步骤3、识别来水涨、跌和平时段区间；步骤4、以顺序对每个区间段进行编码；步骤5、判断每个时段所在的时段区间，并获取到相应的染色体段进行解码，结合预报来水过程及起调水位开始优化得泄流过程及水位变化过程；步骤6、适应度函数计算；根据泄流过程计算每个个体的适应度；步骤7、收敛性判断；步骤8、遗传操作；步骤9、控制参数；步骤10、循环步骤5至步骤9直到满足条件；解决了水库优化调度方法中数据的读取会耗费较大的CPU、内存等；不能满足调度中闸门开度不能太频繁更改原则等技术问题。不能太频繁更改原则等技术问题。

【技术实现步骤摘要】
一种基于自适应遗传算法改进后的水库优化调度方法


[0001]本专利技术属于水库调度技术，尤其涉及一种基于自适应遗传算法改进后的水库优化调度方法。

技术介绍

[0002]水库调度的优化算法目前主要又常规优化算法和智能优化算法。
[0003]常规的优化算法存在作“维数灾”、收敛性差、计算速度慢等局限性；因此，目前在国内外很少使用常规的优化算法。
[0004]随着现在人工智能不断兴起，利用神经网络和遗传算法进行优化调度的研究越来越多；神经网络的进行水库优化调度算法建立模型比较复杂，因此在利用遗传算法进行水库的优化调度成为当前比较主流的算法。
[0005]但简单遗传算法主要存在两个问题：一是算法的收敛数据太慢；二是容易产生早熟现象。简单遗传算的局部搜索能力不强，影响算法搜索性能的因素主要包括初始种群、编码方式、遗传算子和控制参数等方面。针对控制参数(种群大小、交叉概率、变异概率)在进化过程中不变的情况，现有学者提出自适应遗传算法解决，即：遗传算法运行初期，适应度相对较低的个体比较集中，若采用较小的交叉概率和变异概率，种群很难产出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应遗传算法改进后的水库优化调度方法，它包括：步骤1、计算无蓄水及调度情况下断面来水；步骤2、划分下泄流量；步骤3、识别来水涨、跌和平时段区间；步骤4、以顺序对每个区间段进行编码；步骤5、判断每个时段所在的时段区间，并获取到相应的染色体段进行解码，结合预报来水过程及起调水位开始优化，得到和泄流过程及水位变化过程；步骤6、适应度函数计算；根据泄流过程计算每个个体的适应度；步骤7、收敛性判断；步骤8、遗传操作；步骤9、控制参数；步骤10、循环步骤5至步骤9，直到满足条件。2.根据权利要求1所述的一种基于自适应遗传算法改进后的水库优化调度方法，其特征在于：计算无蓄水及调度情况下断面来水的方法为：根据上一个断面来水，利用马斯京根计算需要控制断面的来水。3.根据权利要求1所述的一种基于自适应遗传算法改进后的水库优化调度方法，其特征在于：划分下泄流量的方法为：设置一个最小泄流的下限，当来水小于下限值，则全部作为平稳状态划分；设置下限的方法是：有断面一年以上的平均流量值则使用平均流量，没有则使用来水预报的平均值。4.根据权利要求1所述的一种基于自适应遗传算法改进后的水库优化调度方法，其特征在于：识别来水涨、跌和平时段区间的方法为：涨水段为设置泄流下限值或谷值到峰值的时段；跌水段为峰值到设置泄流下限值或谷值的时段；平稳段为小于等于设置的泄流下限值的时段。5.根据权利要求1所述的一种基于自适应遗传算法改进后的水库优化调度方法，其特征在于：以顺序对每个区间段进行编码的方法为：根据步骤3划分的时段区间依次顺序对每个区间段，将水库允许最低水位与允许最高水位之间等分成N份，得到N+1个离散的水位点，每个区间表示一个下泄流量，用0或1构成长度为L的字符串，N个子区间形成总长为N*L的一个染色体。6.根据权利要求1所述的一种基于自适应遗传算法改进后的水库优化调度方法，其特征在于：步骤5所述判断每个时段所在的时段区间，并获取到相应的染色体段进行解码，结合预报来水过程及起调水位开始优化，得到和泄流过程及水位变化过程的方法包括：判断每个时段所在的时段区间，并获取到相应的染色体段；然后将染色体二进制转换成十进制，然后通过水库水位和下泄流量关系曲线查得每一个水位对应水位区间得最大下泄能力(q1max,q2max,q3max..qnmax),再根据解码公式,将十进制数转换成变量(q1,q2,q3,
…
qn)；解码公式如下:式中：x
...

【专利技术属性】
技术研发人员：李胜，张荣，张劲，李涛，刘继军，杨正熙，田彪，宋超，
申请(专利权)人：贵州东方世纪科技股份有限公司，
类型：发明
国别省市：