mgsa生态-说明书摘要

初始种群；计算种群中所有的适应度并对极值和全局极值进行更新。采用标准引力搜索算法对种群中位置进行更新；采用莱维局部搜索策略提升种群的局部搜索能力；采用随异策略提升种群多样性；采出作为梯级水电站群的最终调度过程。乌江流域的工程结果表明：本发明结结输出附 开开设定需要的计算参数，在搜索空间内随机初始化种否否是利用 异策略增加种群 的多样利用标准GSA算法更新种群 的速度和位计算当前代数的引力常数并计算每 的质量和加速 是开发利用水资源的重要途径。文以生态缺水总量为梯级水电系统的目Num

Ew

i1t

i表示电站序号i1,2,LNumt表示t1,2,L,Tt为第t个时段的小时数；OEco为第i个水电站在第t个时段的生态流量需求；O 为第i个水电站在第t个时段的出库流量。水量平衡约束：Vi,t1Vi,t3600(qi,tQi,tSi,t)t。其中，Vi,t为第i个水电站在第tqi,t为第i个水电站在第t个时段的入库流量；Qi,t为第i个水电站在第t个时段的发电流量；Si,t为第n个水电站在第t个时段的弃水流水库水位约束：Zdown Zup。其中，Z为第i个水电站在第t 时段的水位；Zup为第i个水电站在第t个时段的库容上限；Zdown为第i站在第t个时段的库容下限发电流量约束：QdownQ

Qup。其中，Qup为第i个水电站在第t 时段的发电流量上限Qdown为第i个水电站在第t个时段的发电流量下水库出库流量约束：OdownQ Oup。其中，Oup为第i个水 站在第t个时段的出库流量Odown为第i个水电站在第t个时段的出库流水电站出力约束：Pdown Pup。其中，Pup为第n个水电站在第 个时段的出力Pdown为第i个水电站在第t个时段的出

Z

。其中，Zbegin为第

个水电站i（5）水电站始末水位约束：i,0Z iZ i的初始水位Zend为第i个水电站的期末水i型、动态的非线性问题的优化带来了。引力搜索算法(GravitationalSearchAlgorithm,GSA)是一种新颖的全局优化智能算法，受经典牛顿重力和运动定律的启发，每都被视为宇宙中具有一定质量的物体，并且任何一个将通过引力同时被其他质量较大的吸引。通过独特的信息交互策略，可以与群体中的其他有效地共享经验，并且可以逐步改善群体发现的全局最优的位置。发现，GSA已经成功应用于许多的工程领域，文预报，水火联合调度中。但是仍未见到关于GSA解决梯级水电系统生态调度的相关。为此，尝试将标准GSA算法应用到生态调度领域中，但是在研究中发现标准GSA算法自身存在着早熟收敛，在搜索后期开发能力不足等问题。为此，本发明对标准GSA算法进行改进GSA算法能够在梯级水电系统生态调度领域中得到成功应用。待利用新型的引力搜索算法对具有复杂约束的全局优化问题进行处理，搜索效率高且易于实现；在全局最优位置附近采用莱维局部搜索，能够显著增强种群的局部搜索能力；在采用随异策略，能够有效避免种群陷本发明具有求解精度高、收敛速度快、鲁棒性强、能够有效避免陷入局部最优等优点，为解决梯级水电生态调度问题提供了一种有效的解决方法。1是本发明实施例提供的一种梯级水电系统生态调度优化方法的流进一步给出了IGSA、GGSA和本发明方法随机运行30次的最优解的2是本发明实施例提供的一种三种典型年来水条件下采用本发明方图3（a）是本发明实施例提供的一种枯水年来水条件下采用本发明方 3（b）是本发明实施例提供的一种枯水年来水条件下采用本发明法的东风电站计算结果示意图图3（c）是本发明实施例提供的一种枯水年来水条件下采用本发明方图3（e）是本发明实施例提供的一种枯水年水条件下采用本发明方法方式中所涉及到的技术特征只要彼此之间未构成就可以相互组合。为克服标准GSA法在求解水电调度问题时存在的早熟收敛、搜索精调度优化方法与系统。该方法在GSA法基础上，创新性地引入莱维局部搜索策略、随异策略及精英选择策略，以提高算法全局寻优1本发明实施例提供的一种梯级水电系统生态调度优化方法与系设置计算所必需的参数，包括种N、最大迭代次数k设定迭代次数 1，对种群在搜索空间进行随机初始化，种群任意一个在 时段数目内的编码值可以表示XZ1,1Z1,2Z1,TZj,t,ZNum,1ZNum,2ZNum,T其中，Num表示电站数目，Z表示j个电站在t个时段电站的水位值，且1jNum1tT Zdownrand(ZupZdown)，Zup和Zdown分别是 对应的水位上限和下限 j j j j jrand为0,1区间内均匀分布的随机数采用惩罚函数法计算当前种群中所有的适应度，则第k 代第i个个体 Xi(k) 的适应度 FXi(k) 计算公式为FX(k)

NumTCiU,0}t]

i,t,ji,t, i1t

i1t1j

i,t为第i个电 = zup,0,

i,t, i,t, i,t, i,t,第t个时段的约束数目；i,t,j 和zi,t,j为第j个约束在第t个时段的惩罚系数和约束的破坏程度；zup和zdown为z i,t, i,t, i,t,更新所有的历史最优位置与种群的全局最优位pBesti(k)

ifF[Xi(k)]F[pBesti(kifF[Xi(k)]F[pBesti(k gBest(k)argminF[pBest 其中pBesti(k)表示第k代第i个的历史最优位置；F[pBesti(k1)]表pBesti(k1)的适应gBest(k表示第k代种群的全局最优位置采用标准引力搜索算法更新种群中所有的位M(k) mi mim(k)

fit(k)ii{1,2,i

fiti i{1,2,

fiti(k)i{1,2,N

fiti Fd(k)G(k)Mi(k)Mj(k)(xd(k)xd Rij(k)

exp(kkad(k)jj

randFdMi vd(k1)randvd(k) xd(k1)xd(k)vd( 式中：Mi(k)为第k代第i个的质量；fiti(k)为第k代第i个适度i{1,2,N

fiti(k)和i{1,2,N

fiti(k)为第k代种群 的最大适应度和最小应度；G(k)为第k代种群中的引力常数；G0为初始引力常数；为衰减系数Fd(k)为第i个和第j个之间在第d维的作用力；R(k)为第i个 i第j个的欧氏距离；是一个非常小的常数；xd(k)为第k代种群第i个个体在第d维的位置；randj是[0,1]之间均匀分布的随机数；Kbest是种群中i有更好适应度值的子种群；ad(ik)为第k代种群第i个在第d维的加速度rand为[0,1]之间均匀分布的随机数；vd(k)第i个在第d维的速度 ii引入莱维局部搜索策略提升种群的局部搜索能力，则第k 第i个Xi(k)的操作步骤为：从种群中获得第k代的种群的全局最优位置gBestd(k)和第i个的速度vdk，计算莱维随机数Levy()，将Levy()与vdk进行叠加对gBestd(k)进行缩放，相应公式为：iiXdkgBestdkvdkLevy( Levy()|v|1/ 1/ (1)sin(/ 1 )2 式中：gBestdk为第k代种群第d维的全局最优位置；u和v分布的随机数是常数，且(0,2]。是伽马函采用随异策略增加种群多样性，从而使得算法能够有效跳局部最优，则第k代第i个Xi(k)的操作步骤为：从种群中选择全局最优位置gBestdk、Xdk和随机Xdk，将gBestdk和Xdk相减并随机 缩小一定的倍数后与进行叠加X k。相应公式 XdkXdkrgBestdkXd 式中，Xdk为第k代种群中随机选择 的第d维的位置，且indir5为[0,1]之间均匀分布的随采用精英选择策略增加种群多样性，提高算法全局寻优能力与收敛速度，则第k代第i个Xi(k)子代和对应的父代根据适应度进行一对一选择，若父代适应度比子代适应度差，则用子代替换父代，否则不进行替换。相应公式为 Xk1Xik 式中：Xik1第k1代第i个 的位置；FXik1为第k1代第i个的适应度；FXik第k代第i个 进行边界检查。对超出边界的在空间中进行随机初始化令kk1。若kk，则返回步骤（4则停止计算，并将全局最优gBestk作为最优解输出；下面结合附图和实施例对本发明作进一步的描述各约束破坏惩罚系数均设定为1000。为验证本发明实用性，将粒子群算法（ParticleSwarmOptimization，PSO、差分进化算法（DifferentialEvolution,DE、标准引力搜索算法(GravitationalSearchAlgorithm,GSA)、改进的引力搜索算法(Improved IGSA)、Gbest-guide引力搜索算法(Gbest-guidedGravitationalSearchAlgorithm,GGSA)和本发明方法作为对比方法。选择3种典型来水情况(特枯水年、枯水年、平偏枯)作为实施工况，表1列出了各方法随机运行30次的统计结果，包括最小值、均值、标准差及极差2进一步给出了IGSA、GGSA和本发明方法随机运30次的由表12可知，本发明在三种典型年份中关于缺水量的各项统计表 （单位：亿3给出了在平偏枯水年适宜生态流量下由本发明得到的各个电站的逐渐增长。同时，值得注意的是，5个水库的最大生态缺水经常发生在6月8月期间，这意味着管理者应充分考虑这一时期的供水。因此，本案例说明了MGSA方法在生态运行问题中获得的调度方案的合理性。术，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。 开开设定需要的计算参数，在搜索空间内随机初始化种否否是利用 异策略增加种群 的多样利用标准GSA算法更新种群 的速度和位计算当前代数的引力常数并计算每 的质量和加速结输结输出平均平均 (a)最小生态流量 (b)最小平均平均 目标目标函