[发明专利]一种基于改进人工蜂群算法的梯级水库多目标优化调度方法

说明书

本发明公开了一种基于改进人工蜂群算法的梯级水库多目标优化调度方法，步骤如下：s11、获取梯级水库系统的基本信息数据；s12、根据水库系统信息建立包括发电、河口生态、供水的多目标调度模型；s13、执行改进人工蜂群算法求解梯级水库系统最优调度方案。本发明实现水库调度问题的全局寻优，提高计算效率和精度，为解决梯级水库系统多目标优化调度问题提供一条新途径。

技术领域

本发明属于水利水电领域的水库调度领域，涉及一种基于改进人工蜂群算法的梯级水库多目标优化调度方法。

背景技术

水库优化调度是多目标、多约束和复杂水利系统的优化调度问题，特别是对于承担发电、供水、生态等多任务的水库系统，优化调度问题的求解有一定难度。

我国入海河流众多，在河海交汇处河流与海洋相互作用显著，形成特殊而又复杂的自然综合体——河口，该区域往往人口密集、经济发达，河口生态系统的稳定是社会可持续发展的重要基础和保证之一。随着水资源的不断开发利用，下游有河口的流域内往往建有多座水电站、水库，形成梯级水库系统，系统内存在各种水力联系，因此很多专家提出借助上游水库的调蓄能力，调节河口地区河流流量，以维持河口地区的生态平衡。梯级水库联合调度由于统筹考虑了整个系统的综合效益最大化，即在保障了河口生态、供水等多方面效益基础上，对总体发电效益的改善等起到显著的作用，可以比单库调度获得更多的经济效益。因此，开展考虑河口生态平衡的流域梯级水库联合优化调度成为当下研究较多、发展较快的一种水库系统调度方法。

近年来，智能算法已在水库优化调度模型求解中得到广泛应用，如遗传算法、人工神经网络、混沌算法等逐渐广泛地被应用于水库优化调度中，其中人工蜂群算法在水库调度领域的研究还较少。人工蜂群算法全局搜索能力强，已被应用于很多工业领域，但还存在局部搜索能力弱、后期收敛速度慢等缺点，所以需要对人工蜂群算法本身的缺陷进行改进，并结合梯级水库系统优化调度的问题特点，将改进人工蜂群算法应用于梯级水库多目标优化调度领域。

发明内容

发明目的：针对基本人工蜂群算法局部搜索能力弱、后期收敛速度慢等缺陷，提供一种改进人工蜂群算法，并基于该算法求解梯级水库系统最优调度方案，实现水库调度问题的全局寻优，提高计算效率和精度，为解决梯级水库系统多目标优化调度问题提供一条新途径。

技术方案：为实现上述目的，本发明提供一种基于改进人工蜂群算法的梯级水库多目标优化调度方法，包括以下步骤，如图1-2所示：

步骤1：获取梯级水库系统的基本信息数据，建立包括发电、河口生态、供水的多目标调度模型，设置模型的基本参数，包括调度周期时段、水库个数、蜂群规模、采蜜蜂和跟随蜂种群规模、种群个体向量、同一蜜源的开采极限、最大循环次数；

建立多目标调度模型所需的基本信息数据包括：系统中水库、泵、闸等过流能力值q，水库初末库容限制V，水库的正常蓄水位Z正、防洪限制水位Z防、死水位Z死，湖泊以及水库容积-水位关系曲线S～Z，水库下游水位-下泄流量关系曲线Z～Q，水库发电机组出力约束值N，来水量W。

梯级水库优化调度必须满足综合利用的目标和要求，针对下游有河口的流域的梯级水库中长期优化调度问题，由于调度时段尺度较长，防洪目标暂不作考虑，常定量分为发电、河口生态、供水等多个目标函数，包括调度期内发电量最大的发电目标函数，河口生态环境需水量最小的生态目标函数，以及调度期内水库供水量相对缺水程度最小的水库群供水目标函数，具体的目标函数为：

(1)调度期内发电量最大

修建水电站的主要目的之一就是发电，故常以发电量最大、总出力最大或发电效益最大等为目标函数：

式中：M为梯级水库个数，T为调度周期内所划分的时段数，Δt为调度期内每时段的时长，N(i,t)为第i个水库在第t时段的出力；

(2)调度期内生态环境缺水量最小