[发明专利]一种大规模梯级水电站群多核并行优化调度方法

说明书

技术领域

本发明涉及水电技术领域，具体是一种大规模梯级水电站群多核并行优化调度方法。

背景技术

随着我国西南地区乌江、澜沧江、红水河、金沙江等特大干流梯级水电站群的出现，这类大规模水电系统优化调度方法研究变得尤为重要。这类梯级水电站群突出的显著特点是电站级数非常多，比如，乌江流域规划11座电站，已建9座；澜沧江规划15级电站，已建6座；红水河规划10级电站，已建9座；金沙江中下游规划12级电站，已建6座。水电站群电站级数多意味着梯级水电站之间的水力和电力联系变得愈加复杂，增加了问题的约束条件数目，对于部分求解方法而言，其计算量随电站及约束数目会呈指数增长，进一步加剧了水电系统优化问题求解难度，如何保证系统求解已成为大规模水电系统面临的核心问题之一。以往常用的非线性规划、动态规划等经典方法，在求解大规模水电系统优化问题时，存在无法避免的缺陷，建模求解非常困难，比如，非线性规划方法难以对模型约束或目标函数简化，即使采用一些线性化方法简化也易于使问题偏离实际；动态规划方法受求解规模限制，大规模问题易导致维数灾问题，造成求解困难甚至因内存不足而无法计算。为了使在有限时间内求解大规模水电站群优化调度问题成为可能，并同时保证优化结果的质量，需要探索新的合理有效的求解算法。随着90年代计算机技术的发展，为粒子群算法、遗传算法、模拟退火方法、混沌算法等启发式智能算法的兴起提供了有利条件。这些智能算法在求解优化问题时，并不依赖于问题本身的性质和特点，在一定条件下证明可收敛到全局最优，且具有鲁棒性强、收敛速度快、寻优机制简单等优点，在求解优化问题中被广泛应用。但是，单一的智能算法在应用时仍然存在一定的缺陷，如粒子群算法存在早熟收敛、容易陷入局部最优、停滞等，遗传算法求解容易早熟且局部搜索能力差等。因此，根据不同智能算法的优缺点，通过多种智能算法之间的相互结合，改进单一算法的缺陷，是大规模水电系统优化问题新的求解途径。

目前，学者们对混合智能算法的研究取得了丰硕的成果。但是，群体算法的求解精度与计算规模存在一定竞争关系，即种群规模或迭代次数越大，在解空间搜索到全局优化解的概率越大，求解精度越高，但是同时也意味着计算耗时越多，求解效率越低，尤其是应用于我国当前大规模梯级水电站群优化调度时，求解效率下降非常显著。另外，随着电网和水电公司的精细化调度需求越来越高，提高求解效率已不容忽视。因此，如何在保证结果质量的前提下，进一步提高算法求解效率，是适应水电快速发展必须解决的实质性问题。

并行计算一直是计算机科学领域的研究热点。基于多核处理器的多核并行技术以其并行实现容易、运行环境稳定、成本低廉等独特的优势被广泛应用于实际工程，对于水电系统而言，寻求优化调度问题、求解算法与并行技术之间的切入点，设计合适粗细粒度的并行优化方式将是一种提高系统求解效率的可行途径。目前，在梯级水电站群优化调度领域并行优化方法的研究成果中，方法并行化方式主要分为粗粒度和细粒度，而且成果普遍利用了已成熟的OpenMP、MPI或.NET等能够有效兼容Fortran、C++、C#等语言的并行模式或框架，为Fortran、C++、C#等语言开发的串行方法并行化提供了便利。但是这些框架并不能有效适应Java语言开发的串行方法，难以应用于Java编码的程序并行化开发和改造。因此，实现串行方法并行化，选择合适的并行模式或框架非常重要，不仅需要考虑编程语言的支持类型、并行任务的应用性以及平台兼容性等因素，而且开发人员对不同编程语言的熟悉程度也对并行框架的选择有重要影响。

Fork/Join并行框架是一种基于Java源码开发的多核并行框架，并已作为标准程序集成到Java版本7的并发程序包中，能够最大效率地简化开发人员的编程工作，便于Java编码开发的串行方法并行化改造。因此，申请人以Java语言为基础开发语言，将一种自适应混合粒子群算法和Fork/Join多核并行框架耦合，发明了一种基于Fork/Join多核并行框架的大规模梯级水电站群粗粒度多核并行优化调度方法。

发明内容

本发明的目的在于提供一种大规模梯级水电站群多核并行优化调度方法，以解决如何将Fork/Join多核并行框架与一种自适应混合粒子群算法耦合，从而实现方法的并行化，提高求解效率，并为其他智能算法的并行化提供参考和借鉴。

为实现上述目的，本发明提供如下技术方案：

一种大规模梯级水电站群多核并行优化调度方法，包括以下步骤：