本發(fā)明屬于水庫(kù)優(yōu)化調(diào)度，涉及一種融合多種策略的改進(jìn)黑猩猩優(yōu)化算法，更具體地，涉及一種梯級(jí)水庫(kù)壩前水位優(yōu)化調(diào)度方法及程序產(chǎn)品。

背景技術(shù)：

1、水庫(kù)優(yōu)化調(diào)度采用優(yōu)化技術(shù)來(lái)尋求滿足發(fā)電、防洪、生態(tài)流量等特定要求的最優(yōu)運(yùn)行策略，是減少洪旱災(zāi)害、實(shí)現(xiàn)水資源優(yōu)化配置的主要措施之一。隨著大型水利樞紐相繼建成投運(yùn)，水庫(kù)群優(yōu)化調(diào)度智能化管理愈發(fā)受到重視。然而，受固有的多階段、時(shí)空多約束、非線性特征的影響，梯級(jí)水電系統(tǒng)優(yōu)化調(diào)度建模求解并非是一件容易的事情。

2、雖然線性規(guī)劃、非線性規(guī)劃、動(dòng)態(tài)規(guī)劃及其改進(jìn)版本等傳統(tǒng)的優(yōu)化技術(shù)在求解水庫(kù)優(yōu)化調(diào)度問(wèn)題方面得到了較好的應(yīng)用，但這些方法求解效率偏低，尤其是動(dòng)態(tài)規(guī)劃類算法，其計(jì)算量與存儲(chǔ)量隨著梯級(jí)水庫(kù)規(guī)模的增加呈現(xiàn)指數(shù)型增長(zhǎng)，產(chǎn)生嚴(yán)重的“維數(shù)災(zāi)”問(wèn)題。近年來(lái)，基于生物行為或物理現(xiàn)象的元啟發(fā)式優(yōu)化算法逐漸受到調(diào)度人員的青睞，如遺傳算法(ga)、差分進(jìn)化算法(de)、粒子群優(yōu)化算法(pso)、灰狼優(yōu)化算法(gwo)等。此類算法可有效克服傳統(tǒng)數(shù)學(xué)規(guī)劃方法的缺點(diǎn)，同時(shí)不要求目標(biāo)函數(shù)和約束滿足特定條件，但存在早熟收斂和魯棒性差等不足，使得其在求解梯級(jí)水庫(kù)優(yōu)化調(diào)度問(wèn)題時(shí)獲得的最優(yōu)解往往不太理想，難以指導(dǎo)工程實(shí)際運(yùn)行。因此，開發(fā)適用于梯級(jí)水庫(kù)優(yōu)化調(diào)度問(wèn)題的高效優(yōu)化算法是當(dāng)下研究的重難點(diǎn)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種梯級(jí)水庫(kù)壩前水位優(yōu)化調(diào)度方法及程序產(chǎn)品，其目的在于，解決最優(yōu)解不理想，難以指導(dǎo)工程實(shí)際運(yùn)行的技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個(gè)方面，提供了一種梯級(jí)水庫(kù)壩前水位優(yōu)化調(diào)度方法，包括如下步驟：

3、s1，隨機(jī)生成梯級(jí)水庫(kù)的多個(gè)壩前水位作為初始解；

4、s2，比較各個(gè)解的發(fā)電量，選擇前4個(gè)最大的發(fā)電量對(duì)應(yīng)的解，分別記錄為攻擊者黑猩猩xattacker、障礙者黑猩猩xbarrier、追逐者黑猩猩xchaser和驅(qū)趕者黑猩猩xdriver；

5、s3，通過(guò)預(yù)設(shè)的切換概率p選擇反向?qū)W習(xí)策略或變異策略對(duì)xattacker執(zhí)行擾動(dòng)，產(chǎn)生新的解xnew,attacker，并依據(jù)貪婪機(jī)制更新xattacker；

6、s4，在預(yù)設(shè)區(qū)間內(nèi)產(chǎn)生隨機(jī)數(shù)u，若u≥δ，采用差分變異策略更新各個(gè)解，否則根據(jù)融合水波動(dòng)態(tài)自適應(yīng)因子和正弦余弦算子的黑猩猩位置更新公式更新各個(gè)解；δ為預(yù)設(shè)值；

7、s5，比較步驟s4更新前后的解，若更新后的解對(duì)應(yīng)的發(fā)電量較大，則保留更新后的解；否則，隨機(jī)保留其中一個(gè)解；

8、s6，判斷是否達(dá)到迭代終止條件，若是，則輸出最優(yōu)解xattacker，得到最優(yōu)壩前水位；否則跳轉(zhuǎn)到步驟s2。

9、進(jìn)一步地，所述s1具體包括：

10、s11，設(shè)置解的數(shù)目np，最大迭代次數(shù)tmax，解的維度dim，壩前水位上下邊界zup、zlow；

11、s12，根據(jù)壩前水位上下邊界zup、zlow，隨機(jī)生成初始解。

12、進(jìn)一步地，所述s3具體包括：

13、s31，在[0.6,1.0]范圍內(nèi)生成切換概率p，在[0,1]范圍內(nèi)生成均勻隨機(jī)數(shù)r；

14、s32，判斷r<p是否滿足，若是，則采用基于凸透鏡成像的反向?qū)W習(xí)策略對(duì)xattacker執(zhí)行擾動(dòng)，生成新的解xnew,attacker，若否，則采用柯西變異策略生成xnew,attacker；

15、s33，根據(jù)貪婪機(jī)制更新xattacker。

16、進(jìn)一步地，步驟s1中第t次迭代中第i個(gè)解向量的表達(dá)式如下：

17、

18、其中，表示第n個(gè)水庫(kù)在第g個(gè)時(shí)段的壩前水位；n＝1,2,…,n，g＝1,2,…,g，n是水庫(kù)數(shù)量，g是時(shí)段數(shù)量；

19、步驟s1中隨機(jī)生成初始解的計(jì)算公式如下：

20、

21、其中，r表示[0,1]范圍內(nèi)的均勻隨機(jī)數(shù)，表示第n個(gè)水庫(kù)在第g個(gè)時(shí)段的壩前水位上、下邊界。

22、進(jìn)一步地，步驟s3采用基于凸透鏡成像的反向?qū)W習(xí)策略，計(jì)算公式為：

23、

24、其中，和分別表示第t次迭代中攻擊者黑猩猩和其對(duì)應(yīng)的反向解；η表示伸縮因子，代表物和像之間的比例關(guān)系，其計(jì)算公式為：

25、

26、其中，ηmax和ηmin分別表示最大和最小伸縮因子；tmax表示最大迭代次數(shù)。

27、進(jìn)一步地，步驟s3中的變異策略為柯西變異策略，所述柯西變異策略的計(jì)算公式為：

28、

29、其中，表示第t次迭代中攻擊者黑猩猩柯西變異后的解；cuachy(0,1)表示柯西算子，即標(biāo)準(zhǔn)柯西分布；表示相乘含義。

30、進(jìn)一步地，步驟s3中所述貪婪機(jī)制具體如下：

31、

32、其中，表示第t次迭代中由攻擊者黑猩猩產(chǎn)生的新解；表示第t次迭代中最終保留的攻擊者黑猩猩；f(·)表示括號(hào)中的解所對(duì)應(yīng)的發(fā)電量。

33、進(jìn)一步地，步驟s4中所述的根據(jù)融合水波動(dòng)態(tài)自適應(yīng)因子和正弦余弦算子的黑猩猩位置更新公式更新各個(gè)解的方法如下：

34、按照如下公式更新隨機(jī)正弦收斂因子f：

35、

36、其中，fmax、fmin分別表示收斂因子的初、末值；rand表示[0,1]范圍內(nèi)的隨機(jī)數(shù)；k表示控制因子，其值越大，f下降速度越慢；

37、更新系數(shù)向量a、c、m：

38、a＝2·f·r1-f

39、c＝2·r2

40、其中，r1和r2表示[0,1]區(qū)間的隨機(jī)向量；a表示決定解與最優(yōu)解距離的隨機(jī)向量，在[-f,f]區(qū)間取值；c表示解遠(yuǎn)離和接近最優(yōu)解的控制向量，在[0,2]區(qū)間取值；m表示混沌映射向量，代表尋優(yōu)過(guò)程中黑猩猩性動(dòng)機(jī)的影響，采用gauss/mouse?map進(jìn)行計(jì)算，公式如下：

41、

42、其中，t表示迭代次數(shù)；m的初始值為0.7；

43、黑猩猩位置更新：

44、

45、其中，x表示當(dāng)前迭代中的解；x(t+1)表示當(dāng)前迭代中更新后的解；λ表示水波動(dòng)態(tài)自適應(yīng)因子；s1·sin(s2)表示正弦算子；s1·cos(s2)表示余弦算子；s1表示平衡算法全局探索和局部開發(fā)能力的關(guān)鍵參數(shù)；s2表示[0,2π]區(qū)間的隨機(jī)數(shù)；s3表示[0,1]區(qū)間的隨機(jī)數(shù)；α表示常數(shù)。

46、進(jìn)一步地，步驟s5中，采用metropolis準(zhǔn)則比較更新前后的解，具體如下：

47、假設(shè)在溫度t下，由當(dāng)前解i產(chǎn)生的新解為j，兩個(gè)解對(duì)應(yīng)的發(fā)電量為ei和ej，如果ei<ej，則接受新解j，否則根據(jù)系統(tǒng)處于新解j的概率w判斷是否保留新解j，概率w的表達(dá)式為：

48、

49、其中，kb表示boltzmann常數(shù)；t(t)表示降溫函數(shù)，其值隨迭代次數(shù)t的增加而減??；

50、在區(qū)間[0,1]內(nèi)產(chǎn)生隨機(jī)數(shù)ξ，若w＞ξ，接受新解j，否則仍然保留解i。

51、按照本發(fā)明的另一個(gè)方面，提供了一種梯級(jí)水庫(kù)壩前水位優(yōu)化調(diào)度程序產(chǎn)品，當(dāng)該程序產(chǎn)品被調(diào)用執(zhí)行時(shí)，實(shí)現(xiàn)如前任一項(xiàng)所述的梯級(jí)水庫(kù)壩前水位優(yōu)化調(diào)度方法。

52、總體而言，本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，能夠取得下列有益效果：

53、本發(fā)明提出的梯級(jí)水庫(kù)壩前水位優(yōu)化調(diào)度方法，融合了多種策略進(jìn)行改進(jìn)，其中，通過(guò)比較更新、正弦余弦算子可以平衡全局探索和局部開發(fā)能力，基于反向?qū)W習(xí)策略、變異策略和水波動(dòng)態(tài)自適應(yīng)因子能夠增強(qiáng)群體多樣性，也有助于算法跳出局部最優(yōu)。由此本發(fā)明提高了優(yōu)化過(guò)程的收斂性及魯棒性，使得梯級(jí)水庫(kù)壩前水位優(yōu)化調(diào)度結(jié)果更具工程實(shí)用性。