【技术实现步骤摘要】
本专利技术涉及水库防洪调度领域，尤其涉及一种基于融合多策略改进灰狼算法的防洪调度方法。
技术介绍
1、在防洪调度领域一般使用群智能算法，其原因如下：1、最大化洪水资源利用：优化算法可以帮助管理者在有限的水资源下做出最佳决策，例如最小化水库下泄流量来保证下游防洪对象的安全；2、降低防洪风险：通过模拟不同的设计洪水，优化算法可以帮助预测和减少洪水造成的风险，包括财产损失和人员伤亡；3、提高防洪调度效率：优化算法可以加快决策过程，通过自动化分析大量数据，快速提供最佳决策方案；4、增强防洪调度的适应性和灵活性：随着气候变化和环境条件的变化，优化算法可以调整参数，适应新的洪水情况，提供灵活的防洪策略。
2、总体而言，群智能算法在防洪调度中的应用，提供了一种高效、灵活且可靠的方式来处理复杂的防洪问题，确保水库能够保护下游人民的生命与财产安全。现阶段防洪调度研究大多采用：鲸鱼算法(woa)：该算法在连续优化问题中具有较高的收敛速度和收敛精度、灰狼算法(gwo):该算法在解决优化问题时具有较高的收敛速度与全局搜索能力、粒子群算法(pso)：该算法能够处理各种类型的优化问题，无论是连续还是离散的。但是水库防洪调度问题有着决策变量多，约束条件多的特点，尤其是周期长的大型洪水，大部分群智能算法容易陷入“维度灾难”，寻优效果下降。
技术实现思路
1、专利技术目的：本专利技术旨在提供一种跳出维度灾难的加强高维优化问题处理能力的基于融合多策略改进灰狼算法的防洪调度方法。
2、技术方案：
3、(1)获取洪水和水库的样本数据；
4、(2)根据防洪调度过程中最大下泄流量最小化的目标函数minf(x)，结合考虑水量平衡约束、出库流量范围约束、出库流量波动约束和水库蓄洪上限约束，建立防洪调度模型；
5、(3)改进灰狼算法；采用改进的tent混沌映射来初始化种群，通过融合莱维游走和切线游走更新α狼的位置并根据精英保留策略最终确定α狼的位置，利用抛物线式螺旋靠近确定β狼的位置，根据α狼与β狼的位置确定γ狼的位置，结合柯西变异与动态权重系数确定ω狼的位置，在勘探控制因子计算中采用余弦式收敛因子，得到融合多策略改进灰狼算法；
6、(4)采用融合多策略改进灰狼算法，进行防洪调度模拟。
7、进一步的，在步骤(3)中，融合莱维游走与切线游走，更新α狼位置的规则如下：
8、
9、式中，xa,new为更新后α狼位置，xa为更新前α狼位置，levy_step为莱维游走的步长，tan_step为切线游走的步长，t为迭代次数，max_t为最大迭代次数。
10、进一步的，在步骤(3)中，精英保留策略如下：
11、
12、式中，x’a为最终确定α狼的位置，f(xa,new)为更新后α狼的适应度值，f(xa)为更新前α狼的适应度值。
13、进一步的，在步骤(3)中，莱维游走的步长levy_step为
14、
15、式中，x和y为服从正态分布的变量，c为常数，取值为1.5。
16、切线游走的步长tan_step为
17、tan_step＝0.1·tan(teta)·sign(rand-0.5)/log(1+t)
18、式中，teta为角度控制参数，rand为(0,1)内的随机数，如果rand的值大于0.5则sign()返回1，如果rand的值小于0.5则sign()返回-1，如果rand的值等于0.5则sign()返回0。
19、角度控制参数teta为
20、teta＝rand(0,1)·π/2.5
21、式中，rand(0,1)为0到1之间的随机数。
22、进一步的，在步骤(3)中，利用抛物线式螺旋靠近确定β狼的位置，具体如下：
23、
24、
25、式中，xβ,new为更新后β狼位置，xβ为更新前β狼位置，s为抛物线式控制因子，rand(0,1)为0到1之间的随机数，rand为(0,1)内的随机数，如果rand的值大于0.5则sign()返回1，如果rand的值小于0.5则sign()返回-1，如果rand的值等于0.5则sign()返回0。
26、进一步的，在步骤(3)中，根据α狼与β狼的位置确定γ狼的位置，具体如下：
27、xγ，new＝(p-1)·xγ+(1-p)·xβ,new+(1-p)·x'α
28、式中，xγ,new为γ狼根据α狼与β狼的位置确定更新的位置，xγ为更新前γ狼位置，p为(0,1)之间的随机数。
29、进一步的，在步骤(3)中，结合柯西变异与动态权重系数确定ω狼的位置xω：
30、xω＝x1·m1+x2·m2+x3·m3+0.01·tan(π·(rand(0,1)-0.5))
31、
32、式中，x1、x2、x3表示三头普通狼ω在狼α、β、δ带领下进行更新的位置，mi表示被普通狼群所采纳的惯性权重系数，i＝1,2,3；m1、m2、m3分别表示狼α、β、δ的惯性权重系数，rand为(0,1)内的随机数。
33、进一步的，在步骤(3)中，在勘探控制因子计算中采用余弦式收敛因子a为
34、
35、进一步的，在步骤(2)中，防洪调度模型如下：
36、minf(x)＝max(qo(t))
37、
38、式中，v(t)和v(t-1)分别为水库t时段末和t-1时段末的库容，单位为亿m3；qi(t)和qo(t)分别为水库t时段末的入库流量和出库流量，单位为m3/s；δt为调度时段间隔，大型洪水为1d，小型洪水为1h；qomax(t)为t时段的出库流量上限，单位为m3/s；δqomax为水库允许的最大波动约束，单位为m3/s；vmax为水库允许的最大蓄洪库容，单位为亿m3；z(1)表示起调水位，z0表示汛限水位，在进入防洪阶段后由汛限水位开始起调。
39、进一步的，步骤(3)中，改进的tent混沌映射为
40、
41、式中，xi为随机产生的种群个体，xi+1为运用改进的tent混沌映射重新初始化的种群个体，rand(0,1)为0到1之间的随机数，μ为控制参数本专利技术取0.015。
42、有益效果：本专利技术与现有技术相比，其显著优点是：1、本专利技术采用领导者追随策略，首先使用莱维游走与切线游走结合并加入精英保留策略的方法来更新第一领导者α狼，接着根据第一领导者位置并使用抛物线式螺旋靠近更新β狼，最后根据α狼与β狼的位置更新第三领导者γ狼，该策略实现了局部搜索与全局搜索的结合，避免了igwo过早收敛并提升了寻优精度，满足防洪调度中有效削减洪峰的要求；2、本专利技术将切线飞行与莱维飞行融合，在迭代前期与后期使用切线飞行有助于算法开发与本文档来自技高网...
【技术保护点】
1.一种基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，融合莱维游走与切线游走，更新α狼位置的规则如下：
3.根据权利要求2所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，精英保留策略如下：
4.根据权利要求2所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，莱维游走的步长Levy_step为
5.根据权利要求2所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，利用抛物线式螺旋靠近确定β狼的位置，具体如下：
6.根据权利要求5所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，根据α狼与β狼的位置确定γ狼的位置，具体如下：
7.根据权利要求6所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，结合柯西变异与动态权重系数确定ω狼的位置Xω：
8.根据权利要求7所述基于融合多策略改进灰
9.根据权利要求1所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(2)中，防洪调度模型如下：
10.根据权利要求4所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，改进的Tent混沌映射为
...【技术特征摘要】
1.一种基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，融合莱维游走与切线游走，更新α狼位置的规则如下：
3.根据权利要求2所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，精英保留策略如下：
4.根据权利要求2所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，莱维游走的步长levy_step为
5.根据权利要求2所述基于融合多策略改进灰狼算法的防洪调度方法，其特征在于，步骤(3)中，利用抛物线式螺旋靠近确定β狼的位置，具体如下：
6.根据权利要求...
【专利技术属性】
技术研发人员：刘辰烨，解阳阳，刘赛艳，方红远，胡连兴，胡小琴，
申请(专利权)人：扬州大学，
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。