一种基于AMOCS-PT的跨流域调水工程优化调度方法技术

本发明专利技术公开了一种基于AMOCS

【技术实现步骤摘要】
一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法


[0001]本专利技术属于水利水电领域的水库调度
，具体涉及一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法。

技术介绍

[0002]随着跨流域调水工程的蓬勃发展，其不同工程单元的结构和各工程单元之间的水力联系变得日趋复杂，在满足工程各种实际运行约束情况下，找到一个最佳的运行方案是十分困难的。同时，社会经济的高速发展对跨流域调水工程的运行要求也不断提高，除供水任务外，大型跨流域调水工程通常具有多种功能，在每个单独的功能下都需要保持一定的水量，这导致了一系列潜在的用水矛盾。多目标进化算法通过随机生成种群，并使用迭代搜索过程来修改和进化候选种群，能够有效解决复杂的系统问题。但是部分智能优化算法在求解高维多目标优化问题时，易陷入局部搜索或得不到最优解。因此，针对复杂的跨流域调水工程优化调度模型求解问题，如何选择合理高效的优化算法或改进优化算法，值得进一步研究。
[0003]多目标布谷鸟搜索算法是一种元启发式优化算法，它通过三种主要的进化算子的迭代来完成优化任务，包括莱维飞行、偏向随机行走和贪婪选择。多目标布谷鸟搜索算法因其计算高效、优化性能好、精度高等优点，使其成为解决现实的复杂多目标优化问题的有力工具。当前，在跨流域调水工程优化调度领域中，多目标布谷鸟搜索算法的运用较少，尤其在多目标问题中，同时多目标布谷鸟搜算算法在求解高维多目标问题时存在易陷于局部最优解、非劣解分布不均等缺陷。此外，采用多目标决策方法处理非劣解集时，需要基于主客观因素相结合确定评价指标权重。

技术实现思路

[0004]专利技术目的：本专利技术的目的在于针对传统多目标布谷鸟搜索算法在处理高维多目标问题时容易陷入局部收敛，寻优能力不强等缺陷，提出一种基于Pareto支配关系的自适应多目标布谷鸟搜索算法(multi
‑
objective cuckoo adaptive search algorithm based on pareto dominance,AMOCS
‑
PT)的跨流域调水工程优化调度方法，并采用基于组合赋权的模糊优选法在Pareto非劣解集中确定最佳跨流域调水工程调度运行方案。
[0005]技术方案：本专利技术的一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法，包括以下步骤：
[0006]S1、获取跨流域调水工程的基本资料和相关参数，包括：泵站和闸门的基本特征参数、水源的水位
‑
库容关系曲线，并根据水源、泵站和闸门之间的水力联系对跨流域调水系统进行概化；
[0007]S2、分析跨流域调水工程的具体任务，构建以抽水量最小、缺水量最小、供水均衡性最大和抽江水量最小为目标函数，以水量平衡、水源调蓄能力、泵站工作能力、控制闸站过流能力和水源控制水位为约束条件的跨流域调水工程多目标优化调度模型；
[0008]S3、采用AMOCS
‑
PT求解跨流域调水工程多目标优化调度模型，获取Pareto非劣解集；包括：
[0009]S31、根据跨流域调水工程特点，选择水泵逐时段抽水量、水闸逐时段的下泄水量和受水区逐时段需水量为决策变量，确定水源的水位值的上下限，划分跨流域调水工程整体调度的周期时段，设置AMOCS
‑
PT算法的基本参数；
[0010]S32、令迭代次数g＝0，采用Logistic映射初始化AMOCS
‑
PT算法的鸟窝位置，计算抽水量、缺水量、供水均衡性和抽江水量的目标函数值，并通过非支配排序选取非支配解得到新一代鸟窝位置；
[0011]S33、采用自适应莱维飞行算子更新鸟窝Nest0的位置，并计算更新后鸟窝Nest1中所有个体对应的抽水量、缺水量、供水均衡性和抽江水量的目标函数值；
[0012]S34、合并上一代鸟窝Nest0和新一代鸟窝Nest1，计算合并后鸟窝中的所有个体的非支配排序等级，按照鸟窝的非支配排序等级从小到大依次加入外部档案集合Arc1中，当某一等级的个体加入使得鸟窝中个体的数量超过外部档案集的预设大小，则该层级以后的个体不再加入外部档案集中；
[0013]S35、根据自适应发现概率随机淘汰外部档案集Arc1中的鸟窝并生成新一代鸟窝Nest2，计算鸟窝Nest2中所有个体对应的抽水量、缺水量、供水均衡性和抽江水量的目标函数值；
[0014]S36、合并鸟窝Nest1和鸟窝Nest2，计算合并后鸟窝中所有个体的非支配排序等级，按照个体的非支配排序等级从小到大依次加入外部档案集合Arc2中，当某一等级的个体加入使得鸟窝中个体的数量超过外部档案集Arc2的预设大小，则在该层级之后的个体不再加入外部档案集Arc2中，且该层级中的个体采用基于Pareto支配关系的外部档案集维护策略删除多余个体，直至该层个体个数满足要求，将当前鸟窝也记为Nest0；
[0015]S37、判断迭代次数g是否已达到最大迭代次数，若是，则终止运行并输出Pareto非劣解集；若否，则g＝g+1，返回S33继续进行；
[0016]S4、采用基于组合赋权的模糊优选法在Pareto非劣解集中确定最佳跨流域调水工程调度运行方案。
[0017]进一步的，步骤S2中构建的跨流域调水工程多目标优化调度模型为：
[0018]minF(x)＝{f1,f2,f3,f4}
[0019][0020]其中，F(x)是目标函数集；f1、f2、f3和f4分别表示抽水量、缺水量、供水均衡性和抽江水量；s.t是约束条件；V
t+1
表示水源第t+1时段的库容；V
t
表示水源第t时段的库容；I
t
表示水源的第t+1时段的入流；Q
t
表示水源的第t+1时段的下泄；V
t,min
和V
t,max
分别表示水源第t时段的最小库容和最大库容；表示水泵在第t个时段的抽水量；表示水泵在第t个时段的最大抽水量；表示水闸在第t个时段的泄水量；表示水闸在第t个时段的最大泄水量。
[0021]进一步的，步骤S32具体为：
[0022]首先，采用Logistic映射计算混沌变量；然后通过反映射得到鸟窝的初始位置；最后，通过非支配排序选取非支配解得到新一代鸟窝；具体公式如下：
[0023][0024][0025]其中，是第m个混沌变量，是y
m
经过第k次迭代后产生的，m＝1,2,...,M，M表示鸟窝中个体的总数；为通过反映射得到的鸟窝初始位置；lb和ub为变量范围的最小和最大值。
[0026]进一步的，步骤S33中采用自适应莱维飞行算子更新鸟窝位置的具体计算公式为：
[0027][0028][0029][0030][0031][0032]其中，是由当前鸟窝中第m个个体x
m
通过莱维飞行算子更新得到的新个体；α(g)是莱维飞行的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法，其特征在于，包括以下步骤：S1、获取跨流域调水工程的基本资料和相关参数，包括：泵站和闸门的基本特征参数、水源的水位
‑
库容关系曲线，并根据水源、泵站和闸门之间的水力联系对跨流域调水系统进行概化；S2、分析跨流域调水工程的具体任务，构建以抽水量最小、缺水量最小、供水均衡性最大和抽江水量最小为目标函数，以水量平衡、水源调蓄能力、泵站工作能力、控制闸站过流能力和水源控制水位为约束条件的跨流域调水工程多目标优化调度模型；S3、采用AMOCS
‑
PT求解跨流域调水工程多目标优化调度模型，获取Pareto非劣解集；包括：S31、根据跨流域调水工程特点，选择水泵逐时段抽水量、水闸逐时段的下泄水量和受水区逐时段需水量为决策变量，确定水源的水位值的上下限，划分跨流域调水工程整体调度的周期时段，设置AMOCS
‑
PT算法的基本参数；S32、令迭代次数g＝0，采用Logistic映射初始化AMOCS
‑
PT算法的鸟窝位置，计算抽水量、缺水量、供水均衡性和抽江水量的目标函数值，并通过非支配排序选取非支配解得到新一代鸟窝位置；S33、采用自适应莱维飞行算子更新鸟窝Nest0的位置，并计算更新后鸟窝Nest1中所有个体对应的抽水量、缺水量、供水均衡性和抽江水量的目标函数值；S34、合并上一代鸟窝Nest0和新一代鸟窝Nest1，计算合并后鸟窝中的所有个体的非支配排序等级，按照鸟窝的非支配排序等级从小到大依次加入外部档案集合Arc1中，当某一等级的个体加入使得鸟窝中个体的数量超过外部档案集的预设大小，则该层级以后的个体不再加入外部档案集中；S35、根据自适应发现概率随机淘汰外部档案集Arc1中的鸟窝并生成新一代鸟窝Nest2，计算鸟窝Nest2中所有个体对应的抽水量、缺水量、供水均衡性和抽江水量的目标函数值；S36、合并鸟窝Nest1和鸟窝Nest2，计算合并后鸟窝中所有个体的非支配排序等级，按照个体的非支配排序等级从小到大依次加入外部档案集合Arc2中，当某一等级的个体加入使得鸟窝中个体的数量超过外部档案集Arc2的预设大小，则在该层级之后的个体不再加入外部档案集Arc2中，且该层级中的个体采用基于Pareto支配关系的外部档案集维护策略删除多余个体，直至该层个体个数满足要求，将当前鸟窝也记为Nest0；S37、判断迭代次数g是否已达到最大迭代次数，若是，则终止运行并输出Pareto非劣解集；若否，则g＝g+1，返回S33继续进行；S4、采用基于组合赋权的模糊优选法在Pareto非劣解集中确定最佳跨流域调水工程调度运行方案。2.根据权利要求1所述的一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法，其特征在于，步骤S2中构建的跨流域调水工程多目标优化调度模型为：minF(x)＝{f1,f2,f3,f4}
其中，F(x)是目标函数集；f1、f2、f3和f4分别表示抽水量、缺水量、供水均衡性和抽江水量；s.t是约束条件；V
t+1
表示水源第t+1时段的库容；V
t
表示水源第t时段的库容；I
t
表示水源的第t+1时段的入流；Q
t
表示水源的第t+1时段的下泄；V
t,min
和V
t,max
分别表示水源第t时段的最小库容和最大库容；表示水泵在第t个时段的抽水量；表示水泵在第t个时段的最大抽水量；表示水闸在第t个时段的泄水量；表示水闸在第t个时段的最大泄水量。3.根据权利要求1所述的一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法，其特征在于，步骤S32具体为：首先，采用Logistic映射计算混沌变量；然后通过反映射得到鸟窝的初始位置；最后，通过非支配排序选取非支配解得到新一代鸟窝；具体公式如下：通过非支配排序选取非支配解得到新一代鸟窝；具体公式如下：其中，是第m个混沌变量，是y
m
经过第k次迭代后产生的，m＝1,2,...,M，M表示鸟窝中个体的总数；为通过反映射得到的鸟窝初始位置；lb和ub为变量范围的最小和最大值。4.根据权利要求1所述的一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法，其特征在于，步骤S33中采用自适应莱维飞行算子更新鸟窝位置的具体计算公式为：在于，步骤S33中采用自适应莱维飞行算子更新鸟窝位置的具体计算公式为：在于，步骤S33中采用自适应莱维飞行算子更新鸟窝位置的具体计算公式为：在于，步骤S33中采用自适应莱维飞行算子更新鸟窝位置的具体计算公式为：在于，步骤S33中采用自适应莱维飞行算子更新鸟窝位置的具体计算公式为：其中，是由当前鸟窝中第m个个体x
m
通过莱维飞行算子更新得到的新个体；α(g)是莱维飞行的控制参数，g是当前迭代次数；s
L
是符合莱维分布的步长向量；为点对点乘法；x
bset
是当前鸟窝中的最优解；r是一个服从标准正态分布的随机向量；参数α0和ω是参数α(g)的控制参数；G是总迭代次数；u和v是两个具有正态分布的随机数，σ
u
和σ
ν
是它们的尺度参数；β为分布参数；Г代表Gamma函数。5.根据权利要求1所述的一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法，其特征
在于，步骤S35中根据自适应发现概率随机淘汰外部档案集中的鸟窝并生成新的鸟窝，具体计算公式为：H(x)＝H(z1,z2,
…
,z
m
,
…
,z
M
)＝[H1,H2,
…
,H
m
,
…
,H
M
]其中，是由莱维飞行算子更新后得到的第m个新个体再次通过自适应发现概率随机淘汰更新得到的新个体；H(
·
)表示Heaviside函数，当z
m
＞0时H
m
＝1，当z
m
≤0时，H
m
＝0，m＝1,2,...,M，M表示鸟窝中个体的总数；P
a
(g)是一个由鸟窝中所有个体被宿主鸟发现的概率P
a
(g)组成的向量，其中，g是当前迭代次数；rand1和rand2分别是一个随机向量和一个随机数；z
p
和z
q
是从当前种群中随机抽取的两个不同解；p
min
和p
max
分别是参数P
a
的最小和最大控制参数；c是P
a
(g)的调整参数；G是总迭代次数。6.根据权利要求1所述的一种基于AMOCS
‑
PT的跨流域调水工程优化调度方法，其特征在于，步骤S36具体包括以下步骤：S361、将自适应发现概率更新得到的新鸟窝Nest2和更新前的上一代鸟窝Nest1进行合并，计算合并后鸟窝中所有个体的非支配排序等级，得到不同的非支配子集F
i
(i＝1,2,
…
)；S362、按照鸟窝的非支配排序等级从小到大依次加入外部档案集合Arc2中，当某个非支配子集F
i
的加入使得鸟窝中...

【专利技术属性】
技术研发人员：方国华，钟华昱，孙涛，廖涛，方应学，闻昕，李鑫，周冰逸，李智超，
申请(专利权)人：河海大学，
类型：发明
国别省市：