[发明专利]一种基于萤火虫算法的梯级水库群调度优化方法有效
申请号: | 201710736099.5 | 申请日: | 2017-08-24 |
公开(公告)号: | CN107609683B | 公开(公告)日: | 2021-02-12 |
发明(设计)人: | 白涛;杨旺旺;赵梦龙;黄强;武连洲;麻蓉;哈燕萍;马旭;马盼盼 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/06;G06N3/00 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 罗磊 |
地址: | 710048*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 萤火虫 算法 梯级 水库 调度 优化 方法 | ||
1.一种基于萤火虫算法的梯级水库群调度优化方法,其特征在于,包括以下步骤:
步骤1:以调度期内梯级水库发电量最大为优化目标,以梯级水库的水力约束及电力约束为约束条件,建立梯级水库优化模型,梯级水库优化模型的目标函数为:
公式(1)中:E为梯级电站发电量,亿kW·h;m、n分别为电站总数和调度时段总数;Ki为第i电站的出力系数;Qi,j为第i电站第j时段的发电流量,m3/s;Hi,j为第i电站第j时段的发电水头,单位为米;T为单个调度时段;
步骤2:采用改进萤火虫算法对步骤1中得到的梯级水库优化模型进行优化计算,得到最大发电量及其对应的最优水库水位,输出最优水库水位;
步骤1中,梯级水库的水力约束条件及电力约束条件包括:
水量平衡约束:Vi,j+1=Vi,j+(QIi,j-qi,j)T
水库水位约束:Hmin(i,j)≤Hi,j≤Hmax(i,j)
水库泄流约束:qmin(i,j)≤qi,j≤qmax(i,j)
电站出力约束:Nmin(i,j)≤Ni,j≤Nmax(i,j)
式中:Vi,j、Vi,j+1分别为第i电站时段始末库容,亿m3;QIi,j和qi,j分别为第i电站第j时段内入库流量和出库流量,m3/s;Hmax(i,j)和Hmin(i,j)分别为第i电站第j时段的水位上下限,m;Hi,j为第i电站第j时段的水位;qmax(i,j)和qmin(i,j)分别为第i电站第j时段的出库流量上下限,m3/s;Nmax(i,j)和Nmin(i,j)分别为第i电站第j时段的装机容量和最小出力,MW;Ni,j为第i电站第j时段的出力;
步骤2具体按照以下步骤实施:
步骤2.1:变量初始化,设置萤火虫种群规模为Npop,最大迭代次数为Tmax,扰动因子为α,吸引力初始值β0,荧光吸收因子为γ,Δ为扰动因子α增量值,随机搜索间隔代数n,变异阈值ξ,变异比例b;另外设置迭代计数变量t,t的初始值为0;以水库调度时段末水位为萤火虫算法的决策变量,变量维数D=12*m,在水库月末水位上下限约束内随机生成Npop个萤火虫位置,如公式(2):
Xk,l=Hmin(i,j)+rand(Hmax(i,j)-Hmin(i,j)) i∈[1,m],j∈[1,D],k∈[1,Npop] (2)
公式(2)中:Xk,l为第k个萤火虫在第l维空间的位置;Hmax(i,j)和Hmin(i,j)分别为第i电站第j时段的水位上下限;rand为[0,1]区间随机数;m为电站总数;
步骤2.2:计算所有萤火虫自身荧光亮度值采用梯级发电量E作为荧光亮度值如公式(3),并令萤火虫位置编号k=i1=1,然后进入步骤2.3;
公式(3)中:Ki为第i电站的出力系数;Qi,j为第i电站第j时段的发电流量;Hi,j为第i电站第j时段的水位;f为水量平衡方程;ZV为水库库容曲线;ZQ为流量尾水位曲线;Hmax(i,j)和Hmin(i,j)分别为第i电站第j时段的水位上下限;Xk,l为决策变量,即第k个萤火虫在第l维空间的位置,同时也代表第i个电站第j时段的水位;
步骤2.3:比较第i1和第i2(i2=i1+1,i1+2,…,Npop)萤火虫自身荧光亮度值,如果It0(i1)<It0(i2),则依次通过公式(4)、(5)、(6)分别计算第i1和第i2萤火虫之间的欧式空间距离吸引度和第i1萤火虫向第i2萤火虫位置移动后的新位置然后令i1=i1+1,转向步骤2.4;反之直接令i1=i1+1,转向步骤2.4;
公式(4)中:分别为第i1和i2个萤火虫的位置变量;
公式(5)中:即为第i1和i2个萤火虫变量的吸引度,其中β0为吸引力初始值,γ为荧光吸收因子,为第i1和第i2萤火虫之间的欧式空间距离;
公式(6)中:分别为第i1个萤火虫更新前后的矢量位置,α为扰动因子;Δ为扰动因子α增量值;为随机矢量;β(r)为吸引度等于
步骤2.4:判断i1是否大于Npop,若是,则转向步骤2.5;反之转向步骤2.2;
步骤2.5:通过式(7)计算第t次迭代下最大荧光亮度值Fval(t)及其对应的萤火虫位置并令t=t+1,然后进入步骤2.6;
公式(7)中:index为Fval(t)对应的最优萤火虫变量位置下标;为当代最优萤火虫变量位置坐标;
步骤2.6:判断变异条件Fval(t)-Fval(t-1)<ε(t>1)是否成立,ε为变异阈值,如果满足变异条件,则进入步骤2.7;反之,进入步骤2.8;
步骤2.7:将带入式(8)生成1个新萤火虫位置重复计算生成b个新萤火虫位置,然后替换掉荧光值排序靠后的b个萤火虫位置此时,不再计算新生成萤火虫的荧光亮度值;反之,不进行变异,即不更新位置,直接进入步骤2.8;
公式(8)中:为第t+1代中第k个萤火虫的位置变量,为第t代中最优萤火虫的位置变量;Fval(t-1)为第t-1次迭代种群最大荧光值;
步骤2.8:判断t是否大于最大迭代次数Tmax,若是则转向步骤2.9;反之,转向步骤2.2;
步骤2.9:得到最优萤火虫位置即最优水库水位,及最优萤火虫位置对应的荧光值即最大发电量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710736099.5/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理