一种梯级水库群优化调度新型群体搜索方法

摘要

本发明涉及水电系统发电调度领域，公开了一种梯级水库群优化调度新型群体搜索方法，结合精英集合动态更新策略与邻域变异搜索机制，以均衡考虑方法的全局搜索与局部勘探，兼顾种群的多样性与方法的收敛速度。其技术方案为：将水电站水位作为状态变量，以调度期内梯级水库群综合发电量最大为优化目标，在初始化一定数量的蜘蛛个体后，逐代实行子蛛群的内部协作行为、异性个体的婚配行为、精英个体动态更新与邻域变异搜索策略，逐次逼近梯级水库群的最优调度策略。其中的精英个体动态更新策略可以保证精英蛛群引导种群进行有效进化，平衡方法的搜索能力与勘探能力；优秀个体邻域变异策略可以维持种群多样性，提升方法的计算效率与收敛速度，所提方法具有良好的推广价值与应用前景。

主权项

一种梯级水库群优化调度新型群体搜索方法，其特征包括如下步骤：(1)设置蛛群个体数目为Np，最大迭代次数K、精英集合个体数目ω等计算参数；(2)记迭代次数k＝1，利用式①计算雄、雌两类性征子蛛群的个体数量，然后利用式②随机产生雌性初始蛛群F和雄性初始蛛群M，实现蛛群所有个体的初始化；式中，N_f、N_m分别为雌性、雄性子蛛群个体数目；r₁为[0,1]区间均匀分布的随机数；[]表示取整函数；j表示维度标号，j＝1,2,…,D；表示第k轮迭代时第i个雌性蜘蛛的第j维取值，i＝1,2,…,N_f；表示第k轮迭代时第l个雄性蜘蛛的第j维取值，l＝1,2,…,N_m；r₂,r₃为[0,1]区间均匀分布的随机数；X_j分别为第j维变量取值上、下限；此时蛛群S^k由N_p个蜘蛛构成，包含了N_f个雌性蜘蛛构成的群F^k与N_m个雄性蜘蛛构成的群M^k，记作：(3)将各蜘蛛个体修正至可行域并评估计算其适应度，利用式③获得个体相应权重；式中，J(S_i)、w_i分别表示第i个蜘蛛S_i的适应度及其权重；(4)采用精英集合动态更新策略动态更新精英集合具体操作如下：设定的精英个体数目取为ω，精英集合动态更新具体方案为：将当前种群中适应度排在前ω名的个体复制至中间集合ν中，若则令否则取与ν中较为优秀的一半个体构成新的精英集合同时，雌、雄蜘蛛进化公式分别如下：④雌性蜘蛛进化公式为：$F_i^{k+1}=\left\{\begin{array}{cc}{F}_i^k+r_4{V}_{c_i}(S_c-F_i^k)+r_5{V}_{b_i}(S_b-F_i^k)+r_6(r_7-0.5)+r_{11}(S_{\alpha }-F_i^k)& if{r}_7\le P_f\\ F_i^k-r_4{V}_{c_i}(S_c-F_i^k)-r_5{V}_{b_i}(S_b-F_i^k)+r_6(r_7-0.5)-r_{11}(S_{\alpha }-F_i^k)& if{r}_7>P_f\end{array}\right.$式中，S_α表示从所选第α个精英个体，α＝[r₁₂ω]；r₁₁,r₁₂为[0,1]区间均匀分布的随机数；⑤雄性蜘蛛进化公式为：$M_l^{k+1}=\left\{\begin{array}{cc}{M}_l^k+r_8{V}_{g_l}(F_g-M_l^k)+r_9(r_{10}-0.5)+r_{13}(S_{\beta }-M_l^k)& if{w}_{N_f+l}>w_{N_f+m}\\ M_l^k+r_8(C^k-M_l^k)-r_{13}(S_{\beta }-M_l^k)& if{w}_{N_f+l}\le w_{N_f+m}\end{array}\right.$式中；S_β表示从所选第β个精英个体，β＝[r₁₄ω]；r₁₃,r₁₄为[0,1]区间均匀分布的随机数；(5)利用式⑥和⑦实行种群邻域变异搜索策略以增强方法的勘探能力；⑦X_i＝argmax{F(X_i'),F(X_i)}式中，r₁₅为[0,1]区间均匀分布的随机数；γ为服从N(0,1)正态分布的随机数；(6)分别采用式④、⑤产生新的雌性与雄性子蛛群，以实现子蛛群的内部协作行为；(7)采用式⑧～⑩对雄性子蛛群中支配个体实行婚配行为，以提升种群的多样性；式中，R为婚配半径；为第k轮迭代时第l个雄性蜘蛛个体；T_M为所有在婚配半径R内的雌性个体组成子蛛群；P_s为T_M重所有个体的分配概率；(8)令k＝k+1，若k≤K，则返回步骤(3)；反之，停止计算，并输出最优个体。