基于改进人工免疫算法的水库多目标优化调度方法技术

本发明专利技术实施例是关于基于改进人工免疫算法的水库多目标优化调度方法，包括以下步骤；步骤1：收集水库基本信息数据；步骤2：根据水库基本信息数据建立包括发电、供水的多目标调度模型；步骤3：采用改进人工免疫算法求解水库最优调度方案。本发明专利技术一种基于改进人工免疫算法的水库多目标优化调度方法，对于实现水库调度问题的全局寻优，进一步提高计算效率和准确度，为解决水库多目标优化调度提供了新的求解思路和方法。思路和方法。思路和方法。

【技术实现步骤摘要】
基于改进人工免疫算法的水库多目标优化调度方法


[0001]本专利技术属于水库优化调度
，涉及一种基于改进人工免疫算法的水库多目标优化调度方法。

技术介绍

[0002]水库优化调度是典型的非线性、高维、多目标优化问题。如何在考虑各类约束的前提下，实现综合效益最大化，是水库调度问题的核心。随着经济社会发展，河道外用水和用电需求增加，水库多目标问题之间矛盾的日益凸显。因此，探究多目标的竞争博弈关系，提出协调各方利益的优化调度方案，是水库运行管理领域的重要需求和当前研究热点。
[0003]目前，针对水库多目标问题主要有两类解决方法：第一类即将多目标问题通过主目标法或加权法等方法转化为单一目标问题，采用动态规划遗传算法、粒子群算法等单目标算法进行求解。这类计算简单快捷，满足决策者需求，但只能给出一种偏向决策者喜好的优化调度方案，且一次运行只能提供一种优化方案，缺乏灵活性。第二种即采用多目标进化算法如NSGA
‑
II、 MOPSO等直接获取多目标问题的非劣解集，从而为决策者制定不同均衡方案提供理论支撑，但以上方法均存在如结果不稳定，计算时间长等缺陷。
[0004]由于NNIA运算复杂度低、搜索性能高效，解分布均匀，已被广泛应用于各领域。然而，现有的NNIA算法仍然存在一些缺点，如求解高维、非线性问题时，存在智能算法的缺陷，如后期收敛速度慢、容易收敛于局部最优解。因此需要对NNIA算法在搜索性能低、求解速度低的缺点进行改进，使搜索最优方案更加快捷，并将其应用于水库多目标优化调度领域。
>
技术实现思路

[0005]本专利技术实施例的目的在于提供一种基于改进人工免疫算法的水库多目标优化调度方法，针对基本人工免疫算法结果不稳定，求解速度低等缺陷，实现水库调度问题的全局寻优，进一步提高计算效率和准确度，为解决水库多目标优化调度提供了新的求解思路和方法。
[0006]本专利技术的技术方案如下：
[0007]为实现上述目的，本专利技术提供一种基于改进人工免疫算法的水库多目标优化调度方法，包括以下步骤，如图2所示：
[0008]基于改进人工免疫算法的水库多目标优化调度方法，包括：
[0009]步骤1：收集水库基本信息数据；建立包括发电、供水的多目标调度模型作为抗原，确定最大迭代次数G
max
、优势种群规模n(D)、活动种群规模 n(A)、克隆种群规模n(C)，以水库调度期时段末水位为优化变量，维数为m，构成抗体B；
[0010]步骤2：进行FSS优化抗体计算；通过正反双向水位推求，区间取交集确定第ii个抗体第i维变量取值区间，随机生成水位值Z(i)，令抗体变量 B
t
(ii,i)＝Z(i)，循环计算直至i＝0，可得到一组抗体值，即为FSS优化计算，循环FSS优化计算直至ii＝n(D)，完成全部抗体种群的生成；
[0011]步骤3：更新优势种群DT
t+1
；识别并复制B
t
(ii,i)中的优势抗体，形成临时优势抗体种群DT
t+1
；如果n(DT
t+1
)≤n(D)，令D
t+1
＝DT
t+1
；反之，计算DT
t+1
中所有个体的拥挤距离值，并按照拥挤距离值对个体进行降序排序，剔除最后 (n(DT
t+1
)
‑
n(D))个抗体构成D
t+1
；
[0012]步骤4：终止判断；如果t<G
max
，转向步骤5；如果t≥G
max
，转向步骤6；
[0013]步骤5：更新活性种群A
t+1
；如果n(D
t+1
)＜n(A)，令A
t
＝D
t
；反之，计算D
t
中所有个体的拥挤距离值，并按照拥挤距离值对个体进行降序排序，剔除最后 (n(D
t+1
)
‑
n(A))个抗体构成A
t+1
；
[0014]步骤6：克隆、重组和超变异；计算A
t
中每个抗体的拥挤距离，按拥挤度大小设置每个抗体的克隆比例，构成C
t
，针对C
t
进行重组和变异操作，生成C'
t
；
[0015]步骤7：将C'
t
和D
t
合并生成B
t+1
，转向步骤2；
[0016]步骤8：计算并输出水库优化调度的计算结果。
[0017]进一步地，上述步骤1中多目标调度模型的目标函数包括调度期内发电量最大的发电目标函数以及调度期内缺水量最小的水库供水目标函数，具体的目标函数为：
[0018]发电量最大目标f1：
[0019][0020]式中：E为电站发电量，单位为亿度；m、n分别为电站总数和调度时段总数；K电站的出力系数；Q
i
为第i时段的发电流量，单位为m3/s；H
i
为第 i时段的发电水头，单位m；T为单个调度时段；
[0021]缺水量最小目标f2：
[0022][0023][0024]式中：T为总时段数，α(t)为第t时段缺水系数，QW(t)和QS(t)分别为第 t时段需水量和供水量；
[0025]具体的约束条件为：
[0026](1)水量平衡约束：V
i+1
＝V
i
+(Q
i
‑
q
i
)T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0027]式中：V
i
、V
i+1
分别为水库时段始末库容，Q
i
和q
i
分别为水库时段内入库流量和出库流量；
[0028](2)水库水位约束：H
min
(i)≤H
i
≤H
max
(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0029]式中：H
max
(i)和H
min
(i)分别为水库时段内水位上下限；
[0030](3)水库泄流约束：Q
min
(i)≤q
i
≤Q
max
(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0031]式中：Q
max
(i)和Q
min
(i)分别为水库时段内出库流量上下限；
[0032](4)电站出力约束：N
min
(i)≤N
i
≤N
max
(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进人工免疫算法的水库多目标优化调度方法，其特征在于，包括：步骤1：收集水库基本信息数据；建立包括发电、供水的多目标调度模型作为抗原，确定最大迭代次数G
max
、优势种群规模n(D)、活动种群规模n(A)、克隆种群规模n(C)，以水库调度期时段末水位为优化变量，维数为m，构成抗体B；步骤2：进行FSS优化抗体计算；通过正反双向水位推求，区间取交集确定第ii个抗体第i维变量取值区间，随机生成水位值Z(i)，令抗体变量B
t
(ii,i)＝Z(i)，循环计算直至i＝0，可得到一组抗体值，即为FSS优化计算，循环FSS优化计算直至ii＝n(D)，完成全部抗体种群的生成；步骤3：更新优势种群DT
t+1
；识别并复制B
t
(ii,i)中的优势抗体，形成临时优势抗体种群DT
t+1
；如果n(DT
t+1
)≤n(D)，令D
t+1
＝DT
t+1
；反之，计算DT
t+1
中所有个体的拥挤距离值，并按照拥挤距离值对个体进行降序排序，剔除最后(n(DT
t+1
)
‑
n(D))个抗体构成D
t+1
；步骤4：终止判断；如果t<G
max
，转向步骤5；如果t≥G
max
，转向步骤6；步骤5：更新活性种群A
t+1
；如果n(D
t+1
)＜n(A)，令A
t
＝D
t
；反之，计算D
t
中所有个体的拥挤距离值，并按照拥挤距离值对个体进行降序排序，剔除最后(n(D
t+1
)
‑
n(A))个抗体构成A
t+1
；步骤6：克隆、重组和超变异；计算A
t
中每个抗体的拥挤距离，按拥挤度大小设置每个抗体的克隆比例，构成C
t
，针对C
t
进行重组和变异操作，生成C'
t
；步骤7：将C'
t
和D
t
合并生成B
t+1
，转向步骤2；步骤8：计算并输出水库优化调度的计算结果。2.根据权利要求1所述的基于改进人工免疫算法的水库多目标优化调度方法，其特征在于：所述步骤1中多目标调度模型的目标函数包括调度期内发电量最大的发电目标函数以及调度期内缺水量最小的水库供水目标函数，具体的目标函数为：发电量最大目标f1：式中：E为电站发电量，单位为亿度；m、n分别为电站总数和调度时段总数；K电站的出力系数；Q
i
为第i时段的发电流量，单位为m3/s；H
i
为第i时段的发电水头，单位m；T为单个调度时段；缺水量最小目标f2：缺水量最小目标f2：式中：T为总时段数，α(t)为第t时段缺水系数，QW(t)和QS(t)分别为第t时段需水量和供水量；具体的约束条件为：(1)水量平衡约束：V
i+1
＝V
i
+(Q
i
‑
q
i
)T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
式中：V
i
、V
i+1
分别为水库时段始末库容，Q
i
和q
i
分别为水库时段内入库流量和出库流量；(2)水库水位约束：H
min
(i)≤H
i
≤H
max
...

【专利技术属性】
技术研发人员：白涛，杜小洲，姬宏伟，杨旺旺，
申请(专利权)人：陕西省引汉济渭工程建设有限公司，
类型：发明
国别省市：