本发明专利技术公开了一种基于改进粒子群算法的梯级水电站调度方法及系统，包括以下步骤：步骤一、获取梯级水电站基本信息；步骤二、建立水电站优化调度模型；步骤三、初始化粒子群参数；步骤四、初始化生成粒子种群位置和速度；步骤五、计算种群粒子的适应度值，记录个体最优位置与群体最优位置；步骤六、更新粒子群参数以及粒子运动速度；步骤七、引入高斯变异策略和莱维飞行机制二次更新粒子位置，对比两次更新，选择较优的粒子位置生成新的种群；步骤八、判断迭代次数是否达到最大寻优迭代次数或者寻优结果是否趋于稳定。本发明专利技术通过对传统粒子群算法进行改进，解决传统粒子群算法求解梯级水电站调度模型的问题，充分发挥水电站水能资源利用能力。源利用能力。源利用能力。
【技术实现步骤摘要】
基于改进粒子群算法的梯级水电站调度方法及系统
[0001]本专利技术涉及水电能源优化运行
，尤其是涉及一种基于改进粒子群算法的梯级水电站调度方法及系统。
技术介绍
[0002]水电站优化调度是对水电站进行科学管理的重要手段，通过合理安排水电站的运行方式和水库的水位水量，使水电站获取最大的经济效益。梯级水电站群在流域水资源管理和调控中发挥着关键作用，在实际运行过程中，梯级水电站群发挥巨大综合效益的同时，也会给水电系统运行、管理、决策带来一系列备受学术界和工程领域关注的问题与挑战。由于水电系统规模的扩大和层级的复杂，水力、电力联系紧密且拓扑关系复杂，水电站调度实现也更加困难，需要考虑多方面约束，是一类多维度、多阶段、多决策变量和多重约束的复杂优化决策问题。
[0003]水电站优化调度方法主要是传统的调度方法和智能优化调度算法，智能优化调度算法将计算机学科知识与水库调度优化方法结合，为水库调度问题提供了新的解决思路和方向。目前使用较多的优化算法有遗传算法、粒子群算法、差分进化算法以及引力搜索算法等方法，大部分是模拟自然界中某种现象或具体事物的物理规律，普遍具有自适应，自学习等优点，可以有效避免传统调度算法的“维数灾”问题，在水电调度领域都得到了迅速的发展与广泛的应用，被证实有较好的适用性。
[0004]粒子群算法具有流程简单、所含参数少、便于实现等诸多优点，被普遍应用于梯级水电站优化调度题目中。但其有着两个明显的缺点：一个是后期收敛速度缓慢，无法准确的收敛到全局最优解；另一个是易“早熟”，前期运动粒子就快速向局部最优值靠拢，最终收敛到局部最优值。
技术实现思路
[0005]本专利技术的目的是提供一种基于改进粒子群算法的梯级水电站调度方法及系统，解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供了一种基于改进粒子群算法的梯级水电站调度方法及系统，包括以下步骤：步骤一、获取梯级水电站基本信息；步骤二、建立以总发电量最大为目标的水电站优化调度模型，设置各类约束条件；步骤三、根据梯级水电站基本信息和约束条件，初始化粒子群参数；步骤四、引入拉丁超立方策略，初始化生成粒子种群位置和速度，形成初始水位过程；步骤五、计算种群所有粒子的适应度值，记录个体最优位置与群体最优位置；步骤六、更新粒子群参数以及粒子运动速度，根据更新后的粒子速度对粒子位置进行第一次更新；
步骤七、引入高斯变异策略和莱维飞行机制对初始的粒子位置进行第二次更新，将两次更新后的粒子适应度值进行对比，选择较优的粒子位置进行更新，生成新的种群；步骤八、判断迭代次数是否达到最大寻优迭代次数或者寻优结果是否趋于稳定。
[0007]优选的，步骤二中，建立以各水电站调度期内各时段水位为决策变量，梯级水电站发电量最大为目标函数的水电站优化调度模型，依据水电站基本信息设置各类约束条件，并依据水位与出库流量、出力、库容的联系，对可行水位范围进行进一步区间限制，精细化进行水电站群优化调度；具体地，梯级水电站优化调度模型以总发电量最大为目标函数，建立水量、流量、出力以及水位的约束，公式如下：（1）目标函数；式中，将梯级水电站自上游向下游依次编号，为水电站编号；为调度期第个时段，为调度期总时段数；为水电站的综合出力系数；和分别为水电站在第个时段的发电流量和对应的水头；为调度期每个时段的长度；（2）约束条件水量平衡约束；式中，、分别为水电站在时段的初、末库容；、、分别为水电站在时段的入库流量、发电流量和弃水流量；为时段时长；库容约束；式中，、分别为水电站在时段允许的最大库容和最小库容；水力约束；式中，为时段水电站的入库流量；为时段水电站的出库流量；为水电站在时段的区间入流；为水流滞时；下泄流量约束；式中，、分别为水电站在时段的最大发电流量及最小发电流量；水位约束
；式中，、、分别为水电站在时段的水位及其允许的最大最小值；出力约束；式中，、、分别为水电站在时段的出力及其允许的最大最小值；初、末水位控制约束；；式中，、分别为水电站对应调度规程要求其在调度期的始末水位。
[0008]优选的，步骤三中，初始化的粒子群参数包括：粒子种群数量、粒子运动维度、最大迭代次数、粒子初始惯性权重、初始自我学习因子、初始社会学习因子和粒子的初始速度及其上下限。
[0009]优选的，步骤四中，在各水电站水位允许值内，引入拉丁超立方策略，初始化生成粒子种群位置和速度，形成初始水位过程；对于水电站，其在时段的水位允许范围为，拉丁超立方策略初始化种群是将决策变量的每维空间均匀分为层，使得粒子位置均匀分布在维空间内，粒子的初始位置为。
[0010]优选的，步骤五中，根据梯级水电站优化调度函数模型的目标函数，计算每个粒子当前适应度值，依据大小衡量粒子位置的优劣，将每个粒子迭代过程中最优适应度值对应的位置令为个体最优位置，将粒子群迭代过程中最优适应度值对应的个体位置令为群体最优位置。
[0011]优选的，步骤六中，粒子群参数包括惯性权重、自我学习因子和社会学习因子，粒子群参数更新公式如下：；；；式中，、、分别为第次迭代的惯性权重、自我学习因子和社会学习因子；
、为惯性权重的最大、最小值；、为自我学习因子的最大、最小值；、为社会学习因子的最大、最小值；为最大迭代次数；利用更新后的参数更新粒子速度和位置，公式如下：；；式中，、分别为粒子第次迭代和第次迭代的速度；、分别为[0,1]之间的随机数；、分别为粒子第次迭代和第次迭代的位置；、分别为粒子历史迭代的最优位置和种群历史迭代的最优位置。
[0012]优选的，步骤七中，引入高斯变异策略和莱维飞行机制，利用莱维飞行策略的随机性引导粒子向最优粒子靠近，采用高斯变异过程提高算法搜索效率，保持种群多样性。粒子位置更新公式如下：；式中，为粒子第次迭代莱维飞行的位置；为高斯分布，；为点对点乘法；为服从参数为的Levy分布的粒子随机搜索路径，满足：；其中，、服从标准正态分布，分别表示为：；；；
[0013]其中，通常取值为常数1.5。
[0014]将步骤六得到的粒子位置与本步骤得到的粒子位置进行评价，衡量粒子位置的优劣，选择较优的位置生成新的种群，进行迭代。
[0015]优选的，步骤八中，重复步骤五~步骤七，判断迭代次数是否达到最大寻优迭代次数或者寻优结果是否趋于稳定；若是，则完成迭代，输出各寻优电站的最优水位过程以及当前目标函数值。
[0016]因此，本专利技术采用上述基于改进粒子群算法的梯级水电站调度方法及系统，具有的有益效果为：本专利技术首先引入拉丁超立方策略进行粒子种群初始化，有效增加了种群多样性；其次提出非线性动态学习因子，用于权衡算法的全局勘察和局部开采能力，缩短算法的收敛时间，进而加快收敛速度；最后结合莱维飞行策略进行粒子位置更新，可以产生更随机的搜索过程，提高了算法的收敛速度，增强了算法的全局探索能力，能够更好地发挥梯级水电站联合调度协同补偿效应，与实现水资源的高效利用的目标相符，提高了梯级水电站群的发电效益。
[0017]下面通过附图和实施例，对本专利技术的技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于改进粒子群算法的梯级水电站调度方法及系统，其特征在于：包括以下步骤：步骤一、获取梯级水电站基本信息；步骤二、建立以总发电量最大为目标的水电站优化调度模型，设置各类约束条件；步骤三、根据梯级水电站基本信息和约束条件，初始化粒子群参数；步骤四、引入拉丁超立方策略，初始化生成粒子种群位置和速度，形成初始水位过程；步骤五、计算种群所有粒子的适应度值，记录个体最优位置与群体最优位置；步骤六、更新粒子群参数以及粒子运动速度，根据更新后的粒子速度对粒子位置进行第一次更新；步骤七、引入高斯变异策略和莱维飞行机制对初始的粒子位置进行第二次更新，将两次更新后的粒子适应度值进行对比，选择优的粒子位置进行更新，生成新的种群；步骤八、判断迭代次数是否达到最大寻优迭代次数或者寻优结果是否趋于稳定。2.根据权利要求1所述的基于改进粒子群算法的梯级水电站调度方法及系统，其特征在于：步骤二中，建立以各水电站调度期内各时段水位为决策变量，梯级水电站发电量最大为目标函数的水电站优化调度模型，依据水电站基本信息设置各类约束条件，并依据水位与出库流量、出力、库容的联系，对水位范围进行进一步区间限制，精细化进行水电站群优化调度；梯级水电站优化调度模型以总发电量最大为目标函数，建立水量、流量、出力以及水位的约束，公式如下：目标函数；式中，将梯级水电站自上游向下游依次编号，为水电站编号；为调度期第个时段，为调度期总时段数；为水电站的综合出力系数；和分别为水电站在第个时段的发电流量和对应的水头；为调度期每个时段的长度；约束条件水量平衡约束；式中，、分别为水电站在时段的初、末库容；、、分别为水电站在时段的入库流量、发电流量和弃水流量；为时段时长；库容约束；式中，、分别为水电站在时段允许的最大库容和最小库容；水力约束
；式中，为时段水电站的入库流量；为时段水电站的出库流量；为水电站在时段的区间入流；为水流滞时；下泄流量约束；式中，、分别为水电站在时段的最大发电流量及最小发电流量；水位约束；式中，、、分别为水电站在时段的水位及其允许的最大最小值；出力约束；式中，、、分别为水电站在时段的出力及其允许的最大最小值；初、末水位控制约束；；式中，、分别为水电站对应调度规程要求其在调度期的始末水位。3.根据权利要求2所述的基于改进粒子群算法的梯级水电站调度方法及系统，其特征在于：步骤三中，初始化的粒子群参数包括：粒子种群数量、粒子运动维度、最大迭代次数、粒子初...
【专利技术属性】
技术研发人员：莫莉，刘逸萱，杨钰琪，许颜贺，蒋志强，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。