本发明专利技术涉及梯级水库群优化调度技术领域，公开了一种梯级水库群优化调度并行变参数模拟退火优化方法，包括如下步骤：确定初始计算条件，包括梯级水库群优化调度的目标函数和约束条件；设置计算参数；采用常规动态规划方法或者人工经验决策，生成满足各约束条件的各水库的初始轨迹；开始迭代计算，采用模拟退火方法进行多核并行计算搜索，并在各线程选取不同退火控制参数，以进行不同形式的退火搜索，反复迭代寻优，以逐次逼近全局最优解，输出最终的最优轨迹。本发明专利技术梯级水库群优化调度并行变参数模拟退火优化方法，有效解决DDDP在大规模水电系统优化调度求解时存在的搜索能力不足、计算速率不高的问题。
【技术实现步骤摘要】
本专利技术涉及梯级水库群优化调度，具体涉及一种梯级水库群优化调度并行变参数模拟退火优化方法。
技术介绍
1、水电作为可再生的清洁能源,在我国能源发展史中占有极其重要的地位,有力支撑着经济社会的可持续发展。近年来，我国水电事业迅猛发展，各大流域水能资源进一步大规模开发利用，逐步实现了水电流域梯级滚动开发以及水能资源优化配置。梯级水库群优化调度具有显著的社会、经济和生态等方面的综合效益，能够有效促进流域水能资源的高效利用和保证电网系统的安全稳定可靠运行，一直是水电能源系统领域重要的工程实践和理论研究课题。然而，随着梯级水库群系统规模日益庞大，调度问题越来越复杂，导致优化调度过程中计算时间和占用内存呈指数增长，维数灾难题已成为水库群优化调度必定面临的科学难题。因此，积极开展能够适应当前形势下梯级水库群联合优化调度问题求解的高效实用方法，缩短与实际调度情况的差距，对于梯级水库群调度运行管理具有重要的工程实用价值。
2、从数学上看，梯级水库群优化调度问题是一个大规模、高维度、多阶段、强约束、非线性的优化问题。传统的动态规划方法(dp)能较好地求解单库优化调度问题，但针对梯级水库群优化调度问题时，难以避免维数灾问题；遗传算法、差分进化算法、粒子群算法等智能优化算法在求解水库群优化调度问题时，虽然操作方式各异，但都存在计算效率低、计算开销大、收敛能力不足等缺陷。因此，亟需结合计算科学的最新成果，开发一些新型有效的优化方法，实现占用内存和计算耗时的同步降低，有效缓解维数灾问题，来确保大规模水库群优化调度的计算效率与求解精度。
3、离散微分动态规划方法(dddp)是一种以逐次渐进逼近理论为核心的动态规划改进方法。其基本思路是：首先，根据经验或其他方法获得满足各项复杂约束条件的初始轨迹；然后，在该轨迹的邻域内对各水库不同时段的状态变量进行离散形成廊道；其次，基于常规动态规划方法在各时段离散状态组合间进行优化，寻找出新的最优轨迹作为下次迭代的试验轨迹，反复迭代直至满足收敛条件。但dddp在处理大规模水库群优化调度问题时，仍存在维数灾、早熟收敛、搜索能力不高等缺陷。因此，有必要结合新的技术手段，对dddp的计算机制实施改进，以提升求解水库群优化调度问题的计算效率和求解精度。
4、模拟退火是基于蒙特卡洛随机模拟迭代求解策略的一种随机寻优算法，其基本思路是从某一较高初温出发，伴随温度参数的不断下降，结合概率突跳特性在可行空间随机寻找一个全局最优解，具有跳出局部最优和搜索能力强的优点。目前已成功应用至控制工程、神经网络、信号处理等领域。并行计算是近年来一种新颖的计算机技术手段，其实质是充分利用多核处理器计算资源，通过合理可行的并行计算模式，在不同线程上并行执行给定的计算操作。
技术实现思路
1、本专利技术的目的就是针对上述技术的不足，提供一种梯级水库群优化调度并行变参数模拟退火优化方法，有效解决dddp在大规模水电系统优化调度求解时存在的搜索能力不足、计算速率不高的问题。
2、为实现上述目的，本专利技术所设计的梯级水库群优化调度并行变参数模拟退火优化方法，包括如下步骤：
3、1)确定初始计算条件，包括梯级水库群优化调度的目标函数和约束条件；
4、2)设置计算参数；
5、3)采用常规动态规划方法或者人工经验决策，生成满足各约束条件的各水库的初始轨迹；
6、4)开始迭代计算，采用模拟退火方法进行多核并行计算搜索，并在各线程选取不同退火控制参数，以进行不同形式的退火搜索，反复迭代寻优，以逐次逼近全局最优解，输出最终的最优轨迹。
7、优选地，所述步骤2)中，计算参数包括水库数目n、调度阶段数目t、最大迭代次数m、最大退火搜索次数k、并行计算线程数目c、收敛精度ε及线程c的初始温度参数t0,c和退火控制参数y0,c，其中，c(1≤c≤c)。
8、优选地，所述步骤3)中，采用常规动态规划方法或者人工经验决策，生成满足各约束条件的各水库的初始轨迹并计算获取各水库的初始离散步长δ＝(δi,j)n×t，计算公式如下：
9、
10、其中，表示水库i在阶段j的初始轨迹，δi,j表示水库i在阶段j的初始离散步长，表示水库i在阶段j的水位上限，zi,j表示水库i在阶段j的水位下限，l为初始离散数目。
11、优选地，所述步骤4)中，包括如下步骤：
12、4.1)置迭代次数m＝1，
13、4.2)置阶段数j＝1；
14、4.3)线程c的当前温度参数为tm,c＝t0,c×(y0,c)m，进行并行模拟退火搜索，取得最佳轨迹；
15、4.4)计算相邻两次最优轨迹各时段的水位差值，若表明当前轨迹已最优，结束本次迭代，收缩所有离散步长，令转至步骤45)，否则转至步骤42)，继续基于执行并行变参数模拟退火搜索；
16、4.5)令m＝m+1，若m＞m，则转至步骤46)；否则转至步骤42)。
17、4.6)停止计算，输出最终的最优轨迹。
18、优选地，所述步骤4.3)中，进行并行模拟退火搜索包括如下步骤：
19、4.3.1)将当前轨迹复制c次并分配至各线程执行计算，线程c的当前轨迹为
20、4.3.2)置线程c的退火操作次数kc＝1；
21、4.3.3)结合线程c的当前轨迹随机生成新的退火轨迹计算公式如下：
22、
23、式中，η为扰动幅度控制参数，λ为-1到1之间的随机数；
24、4.3.4)分别计算当前轨迹和新轨迹的调度结果，得到和按以下3种情况进行处理：
25、如果表明新轨迹优于当前轨迹则以新轨迹替换当前轨迹，即
26、如果且式中r为0到1之间的随机数，仍为保持退火搜索的多样性，以新轨迹替换当前轨迹，即
27、上述两种情况都不满足，则对不作处理；
28、4.3.5)令kc＝kc+1，如果kc≤k，转至步骤4.3.3)，否则，转至步骤4.3.6)；
29、4.3.6)等所有线程全部计算完毕，从所有c个线程的轨迹中比较优选出最佳轨迹有则以阶段j实施并行变参数模拟退火得到的最佳轨迹替换当前轨迹，即
30、4.3.7)令j＝j+1，如果j≤t，转至步骤4.3)，否则转至步骤4.4)。
31、优选地，所述步骤4.3.3)中，η取值为0.5。
32、本专利技术与现有技术相比，具有以下优点：
33、1、操作简单、方便易行，具有天然的并行计算条件，寻优能力好，鲁棒性强；
34、2、基于模拟退火策略，通过模拟退火的降温过程来寻找优化轨迹，有效地避免了各水库各阶段离散状态之间的全面组合，克服了传统方法的维数灾问题，提高了全局搜索能力；
35、3、基于并行计算手段，在多个线程实施不同参数的模拟退火降温过程，以降低单一模拟退火操作参数设置的不确定性，巧妙地实现了不同模拟退火参数的并本文档来自技高网
...
【技术保护点】
1.一种梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：包括如下步骤：
2.如权利要求1所述梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：所述步骤2)中，计算参数包括水库数目N、调度阶段数目T、最大迭代次数M、最大退火搜索次数K、并行计算线程数目C、收敛精度ε及线程c的初始温度参数T0,c和退火控制参数y0,c，其中，c(1≤c≤C)。
3.如权利要求2所述梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：所述步骤3)中，采用常规动态规划方法或者人工经验决策，生成满足各约束条件的各水库的初始轨迹并计算获取各水库的初始离散步长Δ＝(Δi,j)N×T，计算公式如下：
4.如权利要求3所述梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：所述步骤4)中，包括如下步骤：
5.如权利要求4所述梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：所述步骤4.3)中，进行并行模拟退火搜索包括如下步骤：
6.如权利要求5所述梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：所述步骤4.3.3)中，η取值为0.5。
...
【技术特征摘要】
1.一种梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：包括如下步骤：
2.如权利要求1所述梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：所述步骤2)中，计算参数包括水库数目n、调度阶段数目t、最大迭代次数m、最大退火搜索次数k、并行计算线程数目c、收敛精度ε及线程c的初始温度参数t0,c和退火控制参数y0,c，其中，c(1≤c≤c)。
3.如权利要求2所述梯级水库群优化调度并行变参数模拟退火优化方法，其特征在于：所述步骤3)中，采用常规动态规划方法或者人工经验...
【专利技术属性】
技术研发人员：邹强，胡维忠，丁毅，胡学东，
申请(专利权)人：长江勘测规划设计研究有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。