[发明专利]一种基于灰狼算法的梯级泵站扬程分配的优化方法

权利要求书

1.一种基于灰狼算法的梯级泵站扬程分配的优化方法，其特征在于，包括如下步骤：

S1，基于大系统分解协调原理将梯级泵站扬程优化分配系统分解为二层子系统；

S2，对应S1中得到的所述二层子系统，考虑渠段水头损失，建立二层递进结构的梯级泵站扬程优化分配模型；

S2中，所述二层递进结构的梯级泵站扬程优化分配模型分别为：

第二层子系统：

目标函数：

约束条件：

式中：Q为梯级泵站运行的总流量；H为梯级泵站的总扬程；j为梯级泵站的总泵站数；H_i为第i级泵站的扬程；h_i,i+1为第i级泵站与第i+1级泵站见渠道的水头损失，由引入的一维水动力模型计算所得；Z_outj,Z_in1分别为最后一层泵站出水池水位与第一层泵站进水池水位；分别为第i级泵站最小、最大扬程；分别为第i级泵站进水池最小、最大水位；分别为第i级泵站出水池最小、最大水位；μ_maxj为第i级泵站对应于Q，H_i站内运行最大效率，为第一层子系统的目标函数；

第一层子系统：

目标函数：

约束条件：

Q_a,min≤Q_a≤Q_a,max

式中：b为单级泵站站内机组总数；Q_a为第a台机组的流量；η_a为第a台机组在Q_a,H_a下对应的机组效率；Q_a,min,Q_a,max分别为第a台机组对应允许通过的最小、最大流量；

对第二层子系统和第一子系统的约束条件进行处理，包括不等式约束与等式约束；对于不等式约束采用吸收的方法为策略处理，即超出边界的值，置为边界；对于等式约束的处理采用罚函数法；

S3，采用GWO算法对上述二层子系统进行优化，通过第二层子系统计算各级泵站的流量与扬程分配，并作为初始值代入第一层子系统，得到第二层子系统传递来的对应某一级泵站流量与扬程下的站内流量最优分配并返回第二层子系统中，计算得第二层子系统的最优值从而得到梯级泵站的扬程最优分配；

S3包括如下步骤：

S301，对第二层子系统种群位置进行初始化，n为泵站级数，则初始化为一个2(n-1)维x个搜索代理的初始种群；

S302，对第二层子系统的约束条件进行处理；

S303，计算各级泵站的流量与扬程分配并作为初始值带入第一层子系统；

S304，对第一层子系统种群位置进行初始化，m为机组的数量，则初始化为一个m维x个搜索代理的初始种群；

S305，对第一层子系统的约束条件进行处理；

S306，计算个体适应度，得到的最优的三个解，分别记为α，β，δ；

S307，根据灰狼算法计算参数C，a，A；

S308，根据更新的参数更新种群的位置与适应度，从而重新确定α，β，δ；

S309，判断是否达到迭代停止标准，若达到则停止，对于最新的α的位置与适应度即为第二层传递来的对应某一层泵站流量，扬程下的站内流量最优分配；若未达到停止标准，则返回S306，直至达到迭代停止标准；

S310，将第一层子系统得到站内流量最优分配返回计算第二层子系统的个体适应度的过程，得到最优的三个解，分别记为α，β，δ；

S311，根据灰狼算法计算第二层子系统的参数C，a，A；

S312，根据更新的参数更新种群的位置与适应度，从而重新确定α，β，δ；

S313，判断是否达到迭代停止标准，若达到则停止，对于最新的α的位置与适应度即为梯级泵站扬程最优分配；若未达到停止标准，则返回S310，直至达到迭代停止标准；

灰狼算法中，狼群在确定猎物的位置后对猎物进行包围，在此过程中猎物与灰狼之间的距离用如下公式表示：

D＝|C·Xp(t)-X(t)|

X(t+1)＝X_p(t)-A·D

其中D为灰狼和猎物之间的距离，t为迭代次数，X_p(t)为第t次迭代后猎物的位置，即最优解的位置，X(t)为第t次迭代后灰狼的位置，即潜在解的位置，A和C为系数因子，按照如下公式进行计算：

A＝2ar₁-a

C＝2·r₂

其中，a随着迭代次数的增加从2到0呈线性递减，r₁、r₂为[0，1]间的随机数。