一种复合系统运行调度的非劣解集优选求解方法技术方案

本发明专利技术提供了一种复合系统运行调度的非劣解集优选求解方法，包括：S1：基于每个运行调度目标搭建出对应的目标函数，搭建出水

【技术实现步骤摘要】
一种复合系统运行调度的非劣解集优选求解方法


[0001]本专利技术涉及运行调度
，特别涉及一种复合系统运行调度的非劣解集优选求解方法。

技术介绍

[0002]目前，在多目标优化问题中，各个目标之间相互制约，可能使得一个目标性能的改善往往是以损失其它目标性能为代价，不可能存在一个使所有目标性能都达到最优的解，所以对于多目标优化问题，其解通常是一个非劣解的集合——Pareto(帕雷托，亦称非劣解或有效解)解集。传统优化技术一般主要包括加权法、约束法和线性规划法等，即将多目标函数转化为单目标函数，通过采用单目标优化的方法达到对多目标函数的求解。
[0003]但是，在存在多个Pareto最优解的情况下，如果没有关于问题的更多的信息，那么很难选择哪个解更可取，因此所有的Pareto最优解都可以被认为是同等重要。
[0004]因此，本专利技术提出了一种复合系统运行调度的非劣解集优选求解方法。

技术实现思路

[0005]本专利技术提供一种复合系统运行调度的非劣解集优选求解方法，用以采用带精英策略的非支配遗传算法(NSGAII)在水
‑
风
‑
光
‑
抽蓄复合系统运行调度的多目标优化调度模型的非劣解集中求解出最优解，相比于其他智能多目标优化算法，使得确定出水
‑
风
‑
光
‑
抽蓄复合系统的最优运行调度计划的过程计算复杂度低，也使得确定出的最优运行调度计划更加接近于理想最优运行调度计划。
[0006]本专利技术提供一种复合系统运行调度的非劣解集优选求解方法，包括：
[0007]S1：基于水
‑
风
‑
光
‑
抽蓄复合系统的每个运行调度目标搭建出对应的目标函数，基于所有目标函数搭建出水
‑
风
‑
光
‑
抽蓄复合系统的多目标优化调度模型；
[0008]S2：基于水
‑
风
‑
光
‑
抽蓄复合系统的原始数据对多目标优化调度模型进行求解，获得水
‑
风
‑
光
‑
抽蓄复合系统运行调度的非劣解集；
[0009]S3：基于带精英策略的非支配遗传算法，在非劣解集中确定出最优解；
[0010]S4：基于最优解确定出水
‑
风
‑
光
‑
抽蓄复合系统的最优运行调度计划。
[0011]优选的，所述的一种水
‑
风
‑
光
‑
抽蓄复合系统运行调度的非劣解集优选求解方法，S2：基于水
‑
风
‑
光
‑
抽蓄复合系统的原始数据对多目标优化调度模型进行求解，获得水
‑
风
‑
光
‑
抽蓄复合系统运行调度的非劣解集，包括：
[0012]S201：基于水
‑
风
‑
光
‑
抽蓄复合系统的原始数据对多目标优化调度模型进行求解，获得预设规模的初始化解集；
[0013]S202：基于初始化规模对对初始化解集进行筛选处理，获得非劣解集。
[0014]优选的，所述的一种复合系统运行调度的非劣解集优选求解方法，S202：基于初始化规模对对初始化解集进行筛选处理，获得非劣解集，包括：
[0015]将每个初始化解代入每个目标函数，获得每个初始化解每个目标函数对应的目标
函数值；
[0016]基于初始化规模和每个初始化解对应的所有目标函数值，在初始化解集中筛选出非劣解集。
[0017]优选的，所述的一种复合系统运行调度的非劣解集优选求解方法，基于初始化规模和每个初始化解对应的所有目标函数值，在初始化解集中筛选出非劣解集，包括：
[0018]基于每个初始化解对应的所有目标函数值，计算出每个初始化解的最优接近度，包括：
[0019][0020]式中，d为当前计算的初始化解的最优接近度，x为当前计算的初始化解，f
i
(x)为当前计算的初始化解代入第i个目标函数后获得的目标函数值，i为第i个目标函数，n为目标函数总个数，x
j
为第j个初始化解，f
i
(x
j
)为第j个初始化解代入第i个目标函数后获得的目标函数值，m为初始化解的总个数，为对取最大值；
[0021]将目标函数对应的所有目标函数值进行排序，获得对应目标函数的目标函数值序列，基于目标函数值序列计算出每个目标函数值的分布均匀度，包括：
[0022][0023]式中，p为目标函数值序列中的当前计算的目标函数值，s
p
为第p个目标函数值的分布均匀度，q为目标函数值序列中目标函数值的总个数，f
p
(x)为目标函数值序列中的第p个目标函数值，f
p
‑1(x)为目标函数值序列中的第p
‑
1个目标函数值，f
p+1
(x)为目标函数值序列中的第p+1个目标函数值，f
q
(x)为目标函数值序列中第q个目标函数值，f1(x)为目标函数值序列中第1个目标函数值；
[0024]将每个目标函数值的分布均匀度作为对应初始化解相对于对应目标函数的分布均匀度：
[0025]将每个初始化解对应的最优接近度和对应的所有分布均匀度的和作为对应初始化解的评价值；
[0026]基于评价值从大到小队所有初始化解进行排序，获得初始化解序列，将初始化解序列中前初始化规模个初始化解汇总获得非劣解集。
[0027]优选的，所述的一种复合系统运行调度的非劣解集优选求解方法，S3：基于带精英策略的非支配遗传算法，在非劣解集中确定出最优解，包括：
[0028]S301：将非劣解集中包含的所有非劣解当作父代种群；
[0029]S302：对父代种群进行非支配排序，并对父代种群中的所有解进行选择、交叉、变
异操作，获得子代种群；
[0030]S303：并将父代种群与子代种群合并获得合并种群；
[0031]S304：在合并种群中筛选出新解作为新的父代种群，并判定完成一次迭代过程；
[0032]S305：基于最新获得的父代种群循环执行S302至S304，直至完成最大迭代次数次迭代过程时，获得最优解。
[0033]优选的，所述的一种复合系统运行调度的非劣解集优选求解方法，对父代种群中的所有解进行选择、交叉、变异操作，获得子代种群，包括：
[0034]通过二进制锦标赛法，对父代种群中的所有解进行选择、交叉、变异操作，获得子代种群。
[0035]优选的，所述的一种水
‑
风
‑
光
‑
抽蓄复合系统运行调度的非劣本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合系统运行调度的非劣解集优选求解方法，其特征在于，包括：S1：基于水
‑
风
‑
光
‑
抽蓄复合系统的每个运行调度目标搭建出对应的目标函数，基于所有目标函数搭建出水
‑
风
‑
光
‑
抽蓄复合系统的多目标优化调度模型；S2：基于水
‑
风
‑
光
‑
抽蓄复合系统的原始数据对多目标优化调度模型进行求解，获得水
‑
风
‑
光
‑
抽蓄复合系统运行调度的非劣解集；S3：基于带精英策略的非支配遗传算法，在非劣解集中确定出最优解；S4：基于最优解确定出水
‑
风
‑
光
‑
抽蓄复合系统的最优运行调度计划。2.根据权利要求1所述的一种复合系统运行调度的非劣解集优选求解方法，其特征在于，S2：基于水
‑
风
‑
光
‑
抽蓄复合系统的原始数据对多目标优化调度模型进行求解，获得水
‑
风
‑
光
‑
抽蓄复合系统运行调度的非劣解集，包括：S201：基于水
‑
风
‑
光
‑
抽蓄复合系统的原始数据对多目标优化调度模型进行求解，获得预设规模的初始化解集；S202：基于初始化规模对对初始化解集进行筛选处理，获得非劣解集。3.根据权利要求2所述的一种复合系统运行调度的非劣解集优选求解方法，其特征在于，S202：基于初始化规模对对初始化解集进行筛选处理，获得非劣解集，包括：将每个初始化解代入每个目标函数，获得每个初始化解每个目标函数对应的目标函数值；基于初始化规模和每个初始化解对应的所有目标函数值，在初始化解集中筛选出非劣解集。4.根据权利要求3所述的一种复合系统运行调度的非劣解集优选求解方法，其特征在于，基于初始化规模和每个初始化解对应的所有目标函数值，在初始化解集中筛选出非劣解集，包括：基于每个初始化解对应的所有目标函数值，计算出每个初始化解的最优接近度，包括：式中，d为当前计算的初始化解的最优接近度，x为当前计算的初始化解，f
i
(x)为当前计算的初始化解代入第i个目标函数后获得的目标函数值，i为第i个目标函数，n为目标函数总个数，x
j
为第j个初始化解，f
i
(x
j
)为第j个初始化解代入第i个目标函数后获得的目标函数值，m为初始化解的总个数，为对取最大值；将目标函数对应的所有目标函数值进行排序，获得对应目标函数的目标函数值序列，基于目标函数值序列计算出每个目标函数值的分布均匀度，包括：
式中，p为目标函数值序列中的当前计算的目标函数值，s
p
为第p个目标函数值的分布均匀度，q为目标函数值序列中目标函数值的总个数，f
p
(x)为目标函数值序列中的第p个目标函数值，f
p
‑1(x)为目标函数值序列中的第p
‑
1个目标函数值，f
p+1
(x)为目标函数值序列中的第p+1个目标函数值，f
q
(x)为目标函数值序列中第q个目标函数值，f1(x)为目标...

【专利技术属性】
技术研发人员：张金良，吉晓红，赵梦龙，王东翻，任岩，李华伟，
申请(专利权)人：黄河勘测规划设计研究院有限公司，
类型：发明
国别省市：