[发明专利]基于混合智能降维算法的特大流域水电站群优化调度方法

摘要

本发明公开了一种基于混合智能算法的特大流域水电站群优化调度方法，选择参与计算的水电站并设置相应约束条件，采用个体串联编码方法编码个体，并生成初始种群；评估各个体的适应度值，在更新个体极值和全局极值后对个体极值进行变异操作，然后更新种群中所有个体位置，而后对外部档案集中的个体执行混合搜索策略以提高个体多样性；最后重复上述过程直至满足终止条件。本发明寻优性能优越、鲁棒性强、收敛速度快、易于编程实现、避免了传统调度算法的维数灾问题。乌江流域应用实例表明，本发明方法有效提高了个体收敛速度以及种群全局搜索能力，能够快速获得合理有效的水电站群调度运行方式，提高了特大流域水电站群调度的整体调度效益。

主权项

1.一种基于混合智能降维算法的特大流域水电站群优化调度方法，其特征在于，包括：(1)按参与计算的水电站的顺序依次串联编码各水电站在不同时段的水位，得到单个个体编码值，并根据单个个体编码值在预设的可行水位范围内随机生成初始种群，将初始种群作为当前种群；(2)对于当前种群中的任一个个体，若该个体的适应度值小于其历史最优适应度值，则该个体的个体极值保持不变，否则，用该个体所处的当前位置代替该个体的个体极值，并从当前种群中所有个体的个体极值中挑选出个体极值的最大值作为全局极值，其中，个体极值表示该个体所经历的最好位置，全局极值表示当前种群中所有个体经历的最好位置；(3)对于当前种群中的所有个体极值，从当前种群中随机选择两个不同的个体极值并相减生成差分矢量，将该差分矢量按照预设比例叠加至全局极值以生成变异矢量作为新的个体极值，若变异后的个体极值适应度值优于变异前该个体极值的适应度值，则用新的个体极值代替该个体的个体极值，否则该个体的个体极值保持不变；(4)由当前种群的全局极值以及当前种群中各个体的个体极值，更新当前种群中各个体的当前位置；(5)若δ≥P_a，则从当前种群中随机迁出若干个个体构成外部档案集，其中，δ为[0,1]区间随机分布的随机数，k表示当前迭代次数，表示最大迭代次数；(6)用外部档案集中各个个体的原适应度值的负值作为外部档案集中各个个体的目标适应度值，并根据外部档案集中所有个体的最大目标适应度值对应的个体，次大目标适应度值对应的个体以及最小目标适应度值对应的个体，对最大目标适应度值对应的个体的映射点进行扩张或收缩操作，并重新确定最大目标适应度值对应的个体，次大目标适应度值对应的个体以及最小目标适应度值对应的个体，对新的最大目标适应度值对应的个体的映射点进行扩张或伸缩操作，直至满足预设执行次数，合并外部档案集与当前种群，从合并后的种群中选取前若干个具有较好适应度的个体替换当前种群中的个体，以形成下一代种群；(7)增加种群迭代次数，若当前种群迭代次数小于最大迭代次数，则将下一代种群作为当前种群，并返回执行步骤(2)，否则，由最后一次迭代的当前种群的全局最优个体得到各水电站在不同时段的最优调度过程。