[发明专利]基于多目标优化算法的梯级水库群调度模型的求解方法

权利要求书

1.一种基于R支配改进飞蛾扑火多目标优化算法的梯级水库群调度模型的求解方法，其特征在于，所述基于R支配改进飞蛾扑火多目标优化算法的梯级水库群调度模型的求解方法包括：

第一步，收集梯级水库群的电站基本资料和水文资料，具体包括各电站的历史径流、水位库容曲线、尾水位流量曲线、水头预想出力满发流量曲线、流量水头损失曲线、水头综合耗水率曲线、枢纽泄流能力曲线、水位流量出力约束和梯级水库群的拓扑结构资料；

第二步，根据具体需求建立调度目标，具体包括发电目标、防洪目标、供水目标、生态目标和航运目标；

第三步，添加调度约束条件，具体包括水位上下限、流量上下限、出力上下限、水量平衡和梯级水库间的水力联系的约束，并建立梯级水库群优化调度模型；

第四步，以调度期内各时刻的水位为决策变量，采用基于R支配的改进飞蛾扑火多目标优化算法对建立的梯级水库群调度模型进行求解：初始化飞蛾种群的决策变量，为调度期内各水库在各时刻的水位；第t代飞蛾种群为M_t＝[M_t1,M_t2,…,M_tN]，第t代飞蛾种群中第i个个体为M_ti＝[Z_ti11,Z_ti12,…,Z_ti1T,…,Z_tijk,…,Z_tiST]，其中Z_tijk为第t代飞蛾种群中第i个个体的第j个水库在第k个时刻的水位，为与火焰种群中的Z_tijk区分，飞蛾种群和火焰种群中的Z_tijk分别用M_tijk和F_tijk表示，N为种群个数，S为梯级水库群总数，T为调度期时刻总数；将打乱顺序的飞蛾种群作为火焰种群，第t代火焰种群中第i个个体为F_ti＝M_tr,r为不重复的随机索引，令迭代次数t＝1，最大迭代次数用maxGen表示；

第五步，根据建立梯级水库群优化调度模型计算当前飞蛾种群和火焰种群的目标函数值和约束值；

第六步，如果t≤maxGen，重复第七步、第八步、第五步、第六步；否则输出当前飞蛾种群为求解解集；

第七步，通过改进飞蛾扑火优化算法利用当前飞蛾种群M_t和当前火焰种群F_t产生子代种群Q_t；

第八步，将飞蛾种群M_t和子代种群Q_t放在一起R_t＝F_t∪Q_t通过R支配排序方法得到下一代飞蛾种群M_t+1，将下一代飞蛾种群M_t+1和当前火焰种群F_t中的个体根据支配关系一一对应逐对比较更新得到下一代火焰种群F_t+1；令t＝t+1；

所述R支配排序方法包括：

I)R支配排序方法的目的是从具有2N个个体的R_t中选择N个个体作为下一代飞蛾种群M_t+1，R支配排序方法＝非支配排序方法+R值；

II)通过非支配排序方法为R_t中的个体设定等级rank,rank越低表明个体越优，同一个rank中有1个或多个个体，将R_t根据rank划分为一系列的子集(P₁,P₂,…)；将rank为1逐一增加，将各个rank中的所有个体P_i放入S_i中，即S_i＝S_i-1∪P_i，直至len(S_L-1)≤N≤len(S_L-1∪P_L)，rank等于L的一层是关键层，其中len()是计算集合中个体数目的函数；

III)从P_L层中筛选N-len(S_L-1)个个体放入S_L-1中；按照NSGAⅢ算法中的归一化和关联参考点方法，将R_t中所有个体先进行归一化然后关联到参考点；然后计算每个参考点中所关联的个体的R值，公式为：

R(p)＝order(p)+dp

其中dp是个体p到其关联的参考点与原点构成的参考线的垂直距离，order(p)是个体p在其关联的参考点所关联的所有个体中按照dp大小升序排列的序号，R(p)是个体p的R值，R值越小表明个体越优；将P_L层中所有的个体按照R值升序排列，取前N-len(S_L-1)个个体放入S_L-1，记为S_L，此时S_L中的个体数目为N个，S_L即为下一代飞蛾种群M_t+1；

所述火焰种群的更新策略为：

将下一代飞蛾种群M_t+1和当前火焰种群F_t中的个体一一对应逐对比较，如果个体M_t+1,i支配F_t,i，则用M_t+1,i替换F_t,i；如果F_t,i支配M_t+1,i，则F_t,i不变；如果F_t,i和M_t+1,i互不支配，则随机从F_t中选择一个个体替换F_t,i；

第九步，迭代结束后根据求解结果输出飞蛾种群制定调度方案集。