[发明专利]一种基于HMAQGA的水库群联合优化调度方法

说明书

本发明公开了一种基于HMAQGA的水库群联合优化调度方法，步骤如下：首先获取水库群的基本信息，对系统进行概化；其次分析水库群任务，构建水库群多目标联合优化调度数学模型；然后执行HMAQGA求解水库群多目标联合优化调度模型获取Pareto非劣解集；最后采用基于组合赋权的模糊优选法在Pareto解集中确定最佳水库群调度运行方案。本发明实现全局寻优，提高计算效率，满足自主选择水库群最佳调度方案要求。

技术领域

本发明属于水利水电领域的水库技术领域，特别是一种基于HMAQGA的水库群联合优化调度方法。

背景技术

合理高效的水库调度模式，能在硬件设施不变的情况下，获得更可观的社会、经济效益。随着流域水库群规模的不断扩大，对于水库群联合运行方式的要求也不断提高。因此，如何通过模型的构建及求解，快速准确地找到大规模水库群的最优调度方案，为水库群联合调度提供理论基础，已成为亟待解决的问题。近年来，随着数学规划和计算机水平的日益提升，在传统智能算法基础上引入Pareto非劣解集理论的多目标进化算法，如多目标遗传算法、多目标粒子群算法、多目标蛙跳算法及多目标蚁群算法等被广泛应用于水库群联合优化调度中。但是部分智能优化算法存在寻优过程随机性较大，常出现多次求解结果不一致的现象，且易陷入局部搜索、易早熟。因此，针对复杂的水库群优化调度模型，如何选择合理高效的优化算法进行模型求解，值得进一步研究。

上世纪量子力学的提出，使我们能从原子层面了解物质的基本结构，并于世纪末由Shor教授研究应用于信息科学，提出了量子算法。1996年，Narayanan结合了量子多宇宙的思想，将其引入遗传算法中，提出了一种全新的量子衍生算法，并在旅行商问题的应用中取得成功。2000年，K.H.Han等在遗传算法中引入量子的态矢量编码方式，开创了量子遗传算法，提出了量子旋转门更新的方式，实现了个体染色体的量子基因遗传，提高了量子遗传算法的可行性。

多目标量子遗传算法因其计算高效、优化性能好、精度高等优点，很多学者加入到该算法的研究中来，使其成为解决多目标优化问题的有力工具。在水库调度领域中，量子遗传算法的运用较少，尤其在多目标问题中，量子遗传算法的应用方面的文献稀缺，现阶段提出的基于多目标量子遗传算法的水库群联合优化调度存在易陷于局部最优解、非劣解分布不均等缺陷。同时，采用多目标决策方法处理非劣解集时，需要基于主客观因素相结合确定评价指标权重。

发明内容

本发明的目的在于针对传统多目标量子遗传算法容易陷入局部收敛，外部档案集非劣解分布不均，个体难收敛到非劣解前沿等缺陷，提出一种基于调和距离多目标的自适应量子遗传算法(Harmonic distance multi-objective quantum-inspired AdaptiveGenetic Algorithm，HMAQGA)的水库群联合优化调度方法，并在外部档案非劣解集的基础上采用基于组合权重的模糊优选法选择最佳水库群调度方案。

技术方案：一种基于HMAQGA的水库群联合优化调度方法，包括以下步骤：

Step 1：获取水库群的基本信息数据，包括：各水库的基本特征参数、水位-库容关系曲线、下游水位-下泄流量关系曲线等，并根据各水库之间的水力、水文联系对水库群系统进行概化；

Step 2：分析水库群任务，构建以发电量最大、缺水量最小、弃水量最小、最小出力最大等的目标函数，以水量平衡、水库下泄流量、机组过流能力、下游防洪流量、水库水位为约束的水库群多目标联合优化调度模型；

Step 3：执行HMAQGA求解水库群多目标联合优化调度模型，获取Pareto(帕累托)非劣解集；

Step 4：采用基于组合赋权的模糊优选法在Pareto非劣解集中确定最佳水库群调度运行方案。

进一步地，所述Step 3：执行HMAQGA求解水库群多目标联合优化调度模型，获取Pareto非劣解集，具体为：