论文部分内容阅读
摘要：水库优化调度是实现资源配置的主要手段，对水资源的合理利用具有很重要的意义。针对目前水资源优化现状以及多种优化调度方法运用中，本文从其调度采用的优化最大化的方法分析了国内水库优化调度的研究，重点介绍了遗传算法。
关键词：水电站；水库优化调度；遗传算法
Abstract: the reservoir optimal operation is the main method to realize the allocation of resources, for the rational use of water resources has very important significance. In view of the present situation of water resources optimization and various optimization scheduling method used in this paper adopts the method of optimization to maximize its scheduling domestic research on reservoir optimal operation is analyzed, genetic algorithm is introduced.
Key words: hydropower station; The reservoir optimization scheduling; Genetic algorithm (ga).
中图分类号：TV74文献标识码：A文章编号：2095-2104(2013)
水库优化调度是一个多阶段决策过程的最优化问题, 是在常规调度和系统工程的一些优化理论及其技术的基础上发展起来的。其基本内容可描述为:根据水库的入流过程,遵照优化调度准则,运用最优化方法,寻求比较理想的水库调度方案,使发电、防洪、灌溉、供水等各部门在整个分析期内的总效益最大。通过水库优化调度，可以解决各用水部门之间的矛盾，经济合理地利用水资源及水能资源，因而，在现今我国乃至世界水资源贫乏、开采利用不合理的情况下，水库优化调度具有非常重要的意义。
一、我国水资源现状
我国是一个缺水严重的国家。淡水资源总量为28000亿立方米，占全球水资源的6%，仅次于巴西、俄罗斯和加拿大，居世界第四位，但人均只有2300立方米，仅为世界平均水平的1/4、美国的1/5,在世界上名列121位，是全球13个人均水资源最贫乏的国家之一。扣除难以利用的洪水泾流和散布在偏远地区的地下水资源后，我国现实可利用的淡水资源量则更少，仅为11000亿立方米左右，人均可利用水资源量约为900立方米，并且其分布极不均衡。到20世纪末，全国600多座城市中，已有400多個城市存在供水不足问题，其中比较严重的缺水城市达110个，全国城市缺水总量为60亿立方米。
据监测，目前全国多数城市地下水受到一定程度的点状和面状污染，且有逐年加重的趋势。日趋严重的水污染不仅降低了水体的使用功能，进一步加剧了水资源短缺的矛盾，对我国正在实施的可持续发展战略带来了严重影响，而且还严重威胁到城市居民的饮水安全和人民群众的健康。水利部预测，2030年中国人口将达到16亿，届时人均水资源量仅有1750立方米。在充分考虑节水情况下，预计用水总量为7000亿至8000亿立方米，要求供水能力比现在增长1300亿至2300亿立方米，全国实际可利用水资源量接近合理利用水量上限，水资源开发难度极大。
二、水利水库优化调度及目前存在的问题
1、水库调度
也称水库控制运用，是指在水库来水与用水变动的情况下,根据径流的特性和水库的任务和要求，有目的有计划地统筹安排水库蓄水与供水、拦洪与泄洪、防洪、兴利效益的一种技术措施。水库调度室水库凭借自身的调蓄能力，在保证大坝或者其它工程设施安全的前提性爱，综合协调防洪、发电、供水等部门的要求，对水库径流进行重新分配、提高综合利用效益的一种水库控制运用技术。
2、水库优化调度
通常把水库调度分为常规调度和优化调度两类，优化调度则是在系统科学的基础上，建立以水库为中心的水利水电系统的目标函数，拟定其应满足的约束条件，然后用最优化的方法求解有目标函数和约束条件组成的系统方程组，使目标函数取得极值的水库控制运用方式。
3、目前水利水库优化调度存在的问题
3.1径流预报的精度比较低。现有径流预报存在的主要问题就是预报精度，则预报期短：如果要使预见期长，则预报精度会降低。由于径流预报在水库优化调度中的基础作用，因此这不可避免地将影响到水库优化调度的实际应用指导性。
3.2水资源利用率较低。水资源匮乏是我国的资源现状，在目前的水库优化调度方案中，通常以水电站发电量最大最为目标函数，忽略了水库弃水情况，降低了水资源的利用率，间接的使水库的效益受到影响。
3.3厂内经济运行时计算精度与速度不能够同时得到兼顾。在大中型水电站经济运行时，大多采用动态规划法进行插值计算，虽然速度能够适应电力系统的调频和调峰，但是没有考虑到机组的效率修正和机组断水头损失问题，计算精度较低。
三、遗传算法的运用
遗传算法是基于自然遗传和自然优选机理的寻优方法，它可理解为：水库运行环境下的n组初始放水流量序列Q11，Q12，…，Q1T，Q21，Q22，…，Q2T，……，Qn1，Qn2，…，QnT，受上述约束条件制约,通过目标函数评价其优劣。评价值低的被抛弃,只有评价值高的有机会将其特征遗传至下一轮解，最后趋于最优。
遗传编码与母体构成
遗传算法的一个特点是必须通过编码将优化变量形成与遗传因子类似的特定结构。遗传信息贮存在其中，可作各种遗传操作。相应地有解码过程，将遗传编码转换成数字变量。式(1)至式（5）是求T个变量Q1，Q2，…，QT的极大化问题，并且Q1，Q2，…，QT∈D={(2)-(5)}≤R，式中发电引用流量Qt是水库蓄水量VT的隐性函数。为方便起见,以Vt，t=1，2，…，T作为优化变量，并希望每个变量的精度为L位小数。显然,为了满足精度要求，将[Vt.min，Vt.max]分为[Vt.max-Vt.min]10l等分，令nt为满足式(Vt.max-Vt.min) 10l≤2nt-1的最小整数，则变量Vt可以用长度为nt的二进制码表示，即Vt=Vt,min+decimal(1001…0012) Vt，max-Vt，min2nt-1(6)式中decimal(1001…0012)表示二进制码对应的十进制数。于是,每个解向量可用长度为n=∑Tt=1nt的二进制码串表示。像常规最优化算法一样，在迭代计算前须给定初始点，所不同的是,常规最优化算法仅从一个初始点开始进行迭代计算，而遗传算法是同时从多个初始点开始迭代计算,最后得出一个最优解。这里，多个初始点构成初始母体群(用母体总数POP表示)，这些初始母体群是随机选取的二进制编码串。
2、评价函数与母体选择在给出初始母体群以后，为了进行迭代计算。对母体群中任一母体的优劣程度进行评价，这里用优良度Ui来表示。
式中￠ (V)是第i个(i=1，2。…POP)母体所对应的式(1)至式(5)的修正目标函数值见式(8)；￠(V)max和￠(V)min分别表示POP个母体所对应的式(1)至式(5)的修正目标函数值的最大值和最小值。
￠(V)=F-M∑Pj=1W
式中F为原优化问题目标函数值M为罚因子，Wj为与第j个约束[(2)～(5)]有关的违约值,P为违约数目。
选择是从母体群中选取个体形成繁殖库(MatingPoo1)的过程。优良度Ui越大,能参与繁殖的机率就越大，被选出的优良母体用于后代再生。优良度差的母体被剔除,剔除的母体数目由选择概率Ps来反映。假设选择概率为Ps则意味着Ps*POP个优良度差的母体将被淘汰。为了保持固定的母体总数，被淘汰的母体将由优良度高的母体所替代，即优良度高的母体可重复出现。
运算
变异运算是模拟生物在自然环境中，由于各种偶然因素引起的基因突变过程，变异率Pm也是遗传算法中的重要参数，分布在0～1之间,变异运算可使优良度差的个体或群体素质趋于一致时的个体发生变化，同时防止优良度大的个体变异，从而使每一代保持新鲜个体，避免迭代停滞，过早收敛。变异运算的具体过程为：从经过杂交运算后得到的母体群中，随机选取Pm*POP个母体用于变异运算，Pm为变异概率,对所选的每一母体，又从[1，2，…，n]中随机选出一整数Bit，Bit表示变异的码所在位置，即若第Bit个码为1，则变异为0，反之变异为1。
综上所述，遗传算法具有以下几个较为突出的特点：
（1）传算法对多解的优化问题没有太多的数学要求。
（2）遗传算法能够非常有效地进行概率意义下的全局搜索。
（3）遗传算法对于各种特殊问题具有很大的灵活性，从而保证了算法的广泛适用性。
四、工程实例
本文提出的方法，研究了某水電站水库的优化调度问题。已知某水电站水库的水位、库容关系曲线，下游水位与流量关系曲线,设计中水年流量过程线,水库正常蓄水704m，水位685m ，电站出力系数815，保证出力718万kW，装机容量30万kW，要求水库在洪水期6、7、8三个月水位不超过695m，按年发电量最大求水库的优化调度过程。计算过程中,采用十进制编码，为了扩大搜索空间，以利于染色体之间的竞争，保证遗传算法的良好性能,采用亲代群体与子代群共同竞争的方式。遗传算法的迭代步骤为：
1、确定种群长度POP ，选择概率Ps，交叉概率Pc，变异概率Pm，本次计算取为：POP = 20，Ps= 018，Pc= 016，Pm= 01004；
2、把每个时段的水库水位允许区间划分为m等份，利用(1)式的形式表示该时段的水位值，并随机生成初始母体群。这里m= 20；
3、由选择概率Ps，选择适应度较高Ps×POP个染色体，删除适应度值较小，即发电量较小的染色体；
4、随机选择Pc×POP个染色体进行交叉运算。对选定的两个母体,随机产生交叉点,进行交叉操作；
5、经过选择、交叉以后的母体中,随机选择Pm×POP个染色体进行变异运算，成新一代群体,即子代群体；
6、按下式判断是否满足终止条件：
f(z)n+1-f(z)n<ε
其中，f(z)n+ 1为第n+ 1代最优染色体的适应度值,f(z)n为第n代最优染色体的适应度值。若上式成立,迭代结束，将第n+ 1代最优染色体转换为每个时段的水位，即为所求解。否则，以新一代群体作为母体，转入第(3)步重新计算。
五、结束语
水电站水库优化调度是一个复杂的工程，存在很多不确定因素，涉及的学科非常多，尤其遗传算法。从工程实例可以看出遗传算法对于各种特殊问题具有很大的灵活性，从而保证了算法的广泛适用性。希望这些方法可以在水电站水库优化调度中可以得到充分的利用，从而来促进资源的充分利用，促进国民经济的发展。
参考文献
[1]武广号，文毅，乐美峰．传算法及其应用[J ]．用力学学报，1996．
[2]周明，孙树栋．遗传算法原理及应用[M]．国防工业出版社，1996．
[3]陈国良，王熙法，庄镇泉等．遗传算法及应用[M]．人民邮电出版社，1996．
[4]钟登华，开智，成立芹. 遗传算法及其改进在水库优化调度中的应用[J]．中国工程科学．2003．
关键词：水电站；水库优化调度；遗传算法
Abstract: the reservoir optimal operation is the main method to realize the allocation of resources, for the rational use of water resources has very important significance. In view of the present situation of water resources optimization and various optimization scheduling method used in this paper adopts the method of optimization to maximize its scheduling domestic research on reservoir optimal operation is analyzed, genetic algorithm is introduced.
Key words: hydropower station; The reservoir optimization scheduling; Genetic algorithm (ga).
中图分类号：TV74文献标识码：A文章编号：2095-2104(2013)
水库优化调度是一个多阶段决策过程的最优化问题, 是在常规调度和系统工程的一些优化理论及其技术的基础上发展起来的。其基本内容可描述为:根据水库的入流过程,遵照优化调度准则,运用最优化方法,寻求比较理想的水库调度方案,使发电、防洪、灌溉、供水等各部门在整个分析期内的总效益最大。通过水库优化调度，可以解决各用水部门之间的矛盾，经济合理地利用水资源及水能资源，因而，在现今我国乃至世界水资源贫乏、开采利用不合理的情况下，水库优化调度具有非常重要的意义。
一、我国水资源现状
我国是一个缺水严重的国家。淡水资源总量为28000亿立方米，占全球水资源的6%，仅次于巴西、俄罗斯和加拿大，居世界第四位，但人均只有2300立方米，仅为世界平均水平的1/4、美国的1/5,在世界上名列121位，是全球13个人均水资源最贫乏的国家之一。扣除难以利用的洪水泾流和散布在偏远地区的地下水资源后，我国现实可利用的淡水资源量则更少，仅为11000亿立方米左右，人均可利用水资源量约为900立方米，并且其分布极不均衡。到20世纪末，全国600多座城市中，已有400多個城市存在供水不足问题，其中比较严重的缺水城市达110个，全国城市缺水总量为60亿立方米。
据监测，目前全国多数城市地下水受到一定程度的点状和面状污染，且有逐年加重的趋势。日趋严重的水污染不仅降低了水体的使用功能，进一步加剧了水资源短缺的矛盾，对我国正在实施的可持续发展战略带来了严重影响，而且还严重威胁到城市居民的饮水安全和人民群众的健康。水利部预测，2030年中国人口将达到16亿，届时人均水资源量仅有1750立方米。在充分考虑节水情况下，预计用水总量为7000亿至8000亿立方米，要求供水能力比现在增长1300亿至2300亿立方米，全国实际可利用水资源量接近合理利用水量上限，水资源开发难度极大。
二、水利水库优化调度及目前存在的问题
1、水库调度
也称水库控制运用，是指在水库来水与用水变动的情况下,根据径流的特性和水库的任务和要求，有目的有计划地统筹安排水库蓄水与供水、拦洪与泄洪、防洪、兴利效益的一种技术措施。水库调度室水库凭借自身的调蓄能力，在保证大坝或者其它工程设施安全的前提性爱，综合协调防洪、发电、供水等部门的要求，对水库径流进行重新分配、提高综合利用效益的一种水库控制运用技术。
2、水库优化调度
通常把水库调度分为常规调度和优化调度两类，优化调度则是在系统科学的基础上，建立以水库为中心的水利水电系统的目标函数，拟定其应满足的约束条件，然后用最优化的方法求解有目标函数和约束条件组成的系统方程组，使目标函数取得极值的水库控制运用方式。
3、目前水利水库优化调度存在的问题
3.1径流预报的精度比较低。现有径流预报存在的主要问题就是预报精度，则预报期短：如果要使预见期长，则预报精度会降低。由于径流预报在水库优化调度中的基础作用，因此这不可避免地将影响到水库优化调度的实际应用指导性。
3.2水资源利用率较低。水资源匮乏是我国的资源现状，在目前的水库优化调度方案中，通常以水电站发电量最大最为目标函数，忽略了水库弃水情况，降低了水资源的利用率，间接的使水库的效益受到影响。
3.3厂内经济运行时计算精度与速度不能够同时得到兼顾。在大中型水电站经济运行时，大多采用动态规划法进行插值计算，虽然速度能够适应电力系统的调频和调峰，但是没有考虑到机组的效率修正和机组断水头损失问题，计算精度较低。
三、遗传算法的运用
遗传算法是基于自然遗传和自然优选机理的寻优方法，它可理解为：水库运行环境下的n组初始放水流量序列Q11，Q12，…，Q1T，Q21，Q22，…，Q2T，……，Qn1，Qn2，…，QnT，受上述约束条件制约,通过目标函数评价其优劣。评价值低的被抛弃,只有评价值高的有机会将其特征遗传至下一轮解，最后趋于最优。
遗传编码与母体构成
遗传算法的一个特点是必须通过编码将优化变量形成与遗传因子类似的特定结构。遗传信息贮存在其中，可作各种遗传操作。相应地有解码过程，将遗传编码转换成数字变量。式(1)至式（5）是求T个变量Q1，Q2，…，QT的极大化问题，并且Q1，Q2，…，QT∈D={(2)-(5)}≤R，式中发电引用流量Qt是水库蓄水量VT的隐性函数。为方便起见,以Vt，t=1，2，…，T作为优化变量，并希望每个变量的精度为L位小数。显然,为了满足精度要求，将[Vt.min，Vt.max]分为[Vt.max-Vt.min]10l等分，令nt为满足式(Vt.max-Vt.min) 10l≤2nt-1的最小整数，则变量Vt可以用长度为nt的二进制码表示，即Vt=Vt,min+decimal(1001…0012) Vt，max-Vt，min2nt-1(6)式中decimal(1001…0012)表示二进制码对应的十进制数。于是,每个解向量可用长度为n=∑Tt=1nt的二进制码串表示。像常规最优化算法一样，在迭代计算前须给定初始点，所不同的是,常规最优化算法仅从一个初始点开始进行迭代计算，而遗传算法是同时从多个初始点开始迭代计算,最后得出一个最优解。这里，多个初始点构成初始母体群(用母体总数POP表示)，这些初始母体群是随机选取的二进制编码串。
2、评价函数与母体选择在给出初始母体群以后，为了进行迭代计算。对母体群中任一母体的优劣程度进行评价，这里用优良度Ui来表示。
式中￠ (V)是第i个(i=1，2。…POP)母体所对应的式(1)至式(5)的修正目标函数值见式(8)；￠(V)max和￠(V)min分别表示POP个母体所对应的式(1)至式(5)的修正目标函数值的最大值和最小值。
￠(V)=F-M∑Pj=1W
式中F为原优化问题目标函数值M为罚因子，Wj为与第j个约束[(2)～(5)]有关的违约值,P为违约数目。
选择是从母体群中选取个体形成繁殖库(MatingPoo1)的过程。优良度Ui越大,能参与繁殖的机率就越大，被选出的优良母体用于后代再生。优良度差的母体被剔除,剔除的母体数目由选择概率Ps来反映。假设选择概率为Ps则意味着Ps*POP个优良度差的母体将被淘汰。为了保持固定的母体总数，被淘汰的母体将由优良度高的母体所替代，即优良度高的母体可重复出现。
运算
变异运算是模拟生物在自然环境中，由于各种偶然因素引起的基因突变过程，变异率Pm也是遗传算法中的重要参数，分布在0～1之间,变异运算可使优良度差的个体或群体素质趋于一致时的个体发生变化，同时防止优良度大的个体变异，从而使每一代保持新鲜个体，避免迭代停滞，过早收敛。变异运算的具体过程为：从经过杂交运算后得到的母体群中，随机选取Pm*POP个母体用于变异运算，Pm为变异概率,对所选的每一母体，又从[1，2，…，n]中随机选出一整数Bit，Bit表示变异的码所在位置，即若第Bit个码为1，则变异为0，反之变异为1。
综上所述，遗传算法具有以下几个较为突出的特点：
（1）传算法对多解的优化问题没有太多的数学要求。
（2）遗传算法能够非常有效地进行概率意义下的全局搜索。
（3）遗传算法对于各种特殊问题具有很大的灵活性，从而保证了算法的广泛适用性。
四、工程实例
本文提出的方法，研究了某水電站水库的优化调度问题。已知某水电站水库的水位、库容关系曲线，下游水位与流量关系曲线,设计中水年流量过程线,水库正常蓄水704m，水位685m ，电站出力系数815，保证出力718万kW，装机容量30万kW，要求水库在洪水期6、7、8三个月水位不超过695m，按年发电量最大求水库的优化调度过程。计算过程中,采用十进制编码，为了扩大搜索空间，以利于染色体之间的竞争，保证遗传算法的良好性能,采用亲代群体与子代群共同竞争的方式。遗传算法的迭代步骤为：
1、确定种群长度POP ，选择概率Ps，交叉概率Pc，变异概率Pm，本次计算取为：POP = 20，Ps= 018，Pc= 016，Pm= 01004；
2、把每个时段的水库水位允许区间划分为m等份，利用(1)式的形式表示该时段的水位值，并随机生成初始母体群。这里m= 20；
3、由选择概率Ps，选择适应度较高Ps×POP个染色体，删除适应度值较小，即发电量较小的染色体；
4、随机选择Pc×POP个染色体进行交叉运算。对选定的两个母体,随机产生交叉点,进行交叉操作；
5、经过选择、交叉以后的母体中,随机选择Pm×POP个染色体进行变异运算，成新一代群体,即子代群体；
6、按下式判断是否满足终止条件：
f(z)n+1-f(z)n<ε
其中，f(z)n+ 1为第n+ 1代最优染色体的适应度值,f(z)n为第n代最优染色体的适应度值。若上式成立,迭代结束，将第n+ 1代最优染色体转换为每个时段的水位，即为所求解。否则，以新一代群体作为母体，转入第(3)步重新计算。
五、结束语
水电站水库优化调度是一个复杂的工程，存在很多不确定因素，涉及的学科非常多，尤其遗传算法。从工程实例可以看出遗传算法对于各种特殊问题具有很大的灵活性，从而保证了算法的广泛适用性。希望这些方法可以在水电站水库优化调度中可以得到充分的利用，从而来促进资源的充分利用，促进国民经济的发展。
参考文献
[1]武广号，文毅，乐美峰．传算法及其应用[J ]．用力学学报，1996．
[2]周明，孙树栋．遗传算法原理及应用[M]．国防工业出版社，1996．
[3]陈国良，王熙法，庄镇泉等．遗传算法及应用[M]．人民邮电出版社，1996．
[4]钟登华，开智，成立芹. 遗传算法及其改进在水库优化调度中的应用[J]．中国工程科学．2003．