粒子群算法在水库优化调度中的应用综述

1、粒子群算法在水库优化调度中的应用综述粒子群算法在水库优化调度中的应用综述黄耀华张娇z袁朝z郑卫琳王宗哲(1_中国水电顾问集团西北勘测设计研究院陕西西安710065;2.山东黄金集团烟台设计研究工程有限公司山东烟台2640063.陕西省冶金设计研究院陕西西安710032;4.西北电力建设第三工程公司陕西成阳712021)摘要简要回顾了粒子群算法的研究进展,对算法在水库优化调度应用中出现的各类改进策略进行了综述,着重讨论了粒子群算法在应用中存在的问题,并对该算法今后的研究方向进行了展望.关键词粒子群算法;改进;水库优化调度;应用中图分类号:TV697.11文献标识码:A1算法的原理与研究进展粒子群

2、算法(ParticleSwarmOptimization,PS0)是J.Kennedy和RC.Eberhart在鸟和昆虫自然群聚和觅食行为的启发上于1995年提出的,其基本原理是:鸟群在迁徙过程中,每只鸟都有自己最优的位置,根据个体及群体信息来调整自己的位置,使得整个鸟群保持最优状态,以实现群体的优化.由于粒子群算法是非线性连续优化问题,组合优化问题和混合整数非线性优化问题的有效优化工具,且具有很强的通用性,因此其应用领域非常广泛.如,多目标优化问题,资源分配问题,训练人工神经网络,跟踪动态系统,动力系统方面应用,数据挖掘,参数估计等.然而,粒子群算法在水库优化调度方面的应用起步较晚.2006

3、年,M.K.Gill建立了多目标PSO算法,并将其成功应用于水文系统的参数估计中;同年3月,杨道辉等f将PSO算法应用于水库日优化调度问题中;同年9月,钟伟健等将该算法应用于求解单目标水库优化调度问题;同年l2月,马细霞等131对PSO算法在水库调度中的应用进行了分析,并将其应用于求解单一水库优化调度问题;2007年,芮钧等将PSO算法应用于水电站中长期优化调度研究中,取得满意结果.近几年,各种改进PSO算法应运而生,在水库优化调度领域应用的范围也愈之广泛.2算法的改进由于粒子群算法具有流程简单易实现,算法参数少,搜寻速度快等优点,因此被广泛应用于水库优化调度研究中.但PSO算法也有自身的缺陷

4、,一是局部收敛即早熟问题;二是后期收敛速度慢的问题;三是难以处理优化问题的约束条件.针对PSO算法在水库优化调度应用方面的不足,对算法主要的改进方式有:对惯性权重和粒子的最大速度限制的改进,引入邻域操作,对边界条件处理方式的改进以及引进其他优化算法的混合粒子群算法.2.1对惯性权重W和粒子的最大速度限制的改进W和一起决定着粒子的全局搜索能力和局部精细搜索能力的平衡.和与越大,则微粒具有越强的全局探索能力;反之,微粒具有弱的全局探索能力,但具有更好的细部精细搜索能力.因此,实际应用中总是希望与一能够随演化代数的增加而减小.2.2引入邻域操作PSO算法在优化的后期,随着迭代次数的增加其搜索的结果却

5、无明显的变化.因此,引入对PSO模型的邻域操作,可以克服PSO算法的这一缺陷.文献1将每个粒子所定义的当前邻域极值用来代替粒子群的全局极值,提出了带有邻域操作的粒子群模型,有效克服了PSO算法后期趋同性的缺点;文献提【叶J了基于正态分布的局优邻域闭锁方法,对邻域内的粒子执行并行化退火操作,弥补了粒子群算法爬山能力的不足.23对边界约束条件处理方式的改进鉴于水库优化调度问题中存在诸多的边界约束条件(如水量平衡约束,水位约束,下泄流量约束,出力约束等),因此,PSO算法在求解水库优化调度问题时对约束条能是成立的,我们将该原因列为7个气室微水含量升高的次要原因.3处理方法的制定通过以上分析,可以得出

6、,李家峡水电站SF6断路器及其他高压电器设备SF6微水含量上升的原因为:随着运行时间的延长,高压电气设备内部绝缘材料水分开始释放,并且由于气室内部的干燥用吸附剂吸收水分已饱和,不仅起不到吸附水分作用,反而向外释放水分;同时高压电气设备避风可能存在薄弱环节,使大气中的水汽有可能渗透到设备内部.明确了微水含量升高的原因后,确定解决气室微水含量升高的主要方法为:打开气室,更换内部吸附剂,使新吸附剂吸附确实起到吸附水分作用,同时对气室内气体进行抽真空干燥处理;对气室密封进行重新处理,尽量消除密封薄弱点,防止水分从外界大气中渗入.通过微水超标及处理这一事件过程,在今后的日常维护工作中还应重点加强以下3个

7、程序的控制工作【1:(1)从SF6新气源头控制.从各个环节严格控制SF6新气的质量,要求在充人断路器之前进行微水测试.(2)从SF6新气充气操作控制.保障气体干燥,严格按相关规程和工艺操作.(3)从运行中控制.在运行中一定要加强定期检漏和微水量的监视测量,对出现的问题及时处理.4结论微水含量偏高的7个气室经本次微水处理工作结束后,通过3个月的运行,经微水测试,微水含量均稳定在20L3O【几之间.表明本次对于微水含量升高的原因分析及处理方案均正确,为今后处理类似问题积累了宝贵的经验.陕西水利参考文献f11黄豪杰.SF6断路器气体微水超标原因及控制措施硅谷2009,(21):19【2】温选尧,龙海

8、莲,程文婷SF6断路器气体微水超标原因分析及处理.四川电力技术.2007.30(5):4142.(责任编辑:周蓓)_一_一(件的处理至关重要.文献l采用不同系数的罚函数法来处理约束条件;文献采用静态罚函数法将一个极大的函数值赋予非可行解,使得非可行解不影响个体极值和全局极值的选取,然后根据个体极值和全局极值更新速度和位置,重新判别,迭代以得到全局最优解;文献提出了基于模拟退火的约束处理方法,从而克服了因粒子群算法不能处理不可微函数的缺陷.3在水库优化调度中的应用粒子群算法作为求解组合优化问题中实用有效的算法之一,广泛应用于水库优化调度问题的求解.下面以年发电量最大为目标函数,讨论粒子群算法在水

9、库优化调度问题中具体的应用步骤.Step1:确定粒子群算法的参数,如种群大小,最大进化代数,惯性权重等;Step2:由总的计算阶段数确定粒子的空间维数,并根据各阶段的水库水位的可行变化范围,随机初始化该粒子群的位置和速度;Step3:以发电量作为每个粒子的适应值,计算每个粒子的适应值;Step4:比较每个粒子的适应值与个体极值,如果较优,则更新个体极值为该粒子的适应值;反之,判断是否接受恶化解;Step5:比较每个粒子的适应值与全局极值,取较大者作为新的全局极值;Step6:更新每个粒子的位置和飞行速度;S|ep7:检验是否满足迭代终止条件.如果当前迭代次数达到了预先设定的最大迭代次数,或达到

10、最小误差要求,则迭代终止,输出结果,否则转到Step3,继续迭代;Step8:迭代终止,所得的全局极值点的位置即为水库的最优调度线.4应用中存在的问题各种改进的粒子群算法应用于水库优化调度问题的求解过程中已基本解决了粒子群算法早熟收敛,后期收敛速度慢,寻优过程的趋同性等缺陷,但也存在着尚未解决的问题.4.1单一水库优化调度目前,对于粒子群算法及其各种改进算法在解决单一水库优化调度问题中的应用十分广泛,且已有较为成熟的计算方法.然而,大量文献主要是对PSO算法进行改进,通过计算结果的比较,以凸显算法改进之妙.在求解单一水库优化调度的问题中,鲜有对求解实际问题的实用性,可操作性,算法数学推倒等方面

11、的分析和研究.因此,粒子群算法在水库优化调度的实际应用中存在诸多问题,主要有以下几个方面:(1)少有实用性和可操作性的分析.目前,各种粒子群算法的改进算法层出不穷,种类繁多,但是真正用于实际问题的却寥寥可数.主要原因一是片面追求深奥的改进算法和数据的优化结果,忽略了实际应用中的可操作性;二是求解实际问题所建立的数学模型的局限性,即有些模型操作繁琐,应用极不方便,而有些模型作了过多的假设和简化,使得模型不能很好地描述水库的实际情况,优化结果偏离了实际,使得求解的结果缺乏指导性;三是算法在求解实际问题中的相对独立性,片面追求最优解,忽略了水资源系统的多变,动态特性等诸多因素的不确定性,很少考虑人为

12、因素对优化方案的影响,求解出的最优解往往是纸上谈兵.(2)缺乏算法的理论推导.迄今为止,粒子群算法及其改进算法在水库优化调度问题的研究仍处于经验阶段,其理论基础薄弱.由于大多数优化算法是从其他领域借鉴而来,用于水库优化调度问题的求解,虽然算法的原理清楚,但是缺乏成熟,完善的数学基础,鲜有对其收敛性的证明和收敛速度的机理分析,对算法在特定领域应用中的数学公式缺乏推倒和求证,对于算法中的参数的确定,依旧停留在试算的基础上,仅靠经验得出,使得参数的设置就实际问题的依赖性较强,缺乏各项参数对算法的收敛性,解空间的搜索速度以及最优解的影响机理的分析.4.2梯级水库优化调度随着流域的梯级开发,水库优化调度

13、问题在更多约束条件和精确的全局最优解的限制下,呈现出高维,动态,非线性,开放耗散的特点.面对实际问题的复杂化,粒子群算法及其改进算法在求解梯级水库优化调度问题中显得底气不足,少有将该算法应用于求解含有两个以上调节性能较好水库的梯级优化调度中.因此,将粒子群算法应用于求解梯级水库优化调度面临的问题更加复杂.除了存在上述问题,还包括以下几个方面:(1)忽略解空间与可行解之间的关系.高维,多目标,多约束的梯级水库优化凋度问题中的各种约束改变了解的空间结构,特别是梯级水库中含有综合利用能力强,调节性能好的水库,对于算法的收敛性的分析和证明比单一水库优化调度问题中的更难,全局最优解的求解也由单库最优解转

14、变为由诸多可行解组合起来的全局近似最优解,算法的参数也随之增多.因此,对于各种边界条件对诸多可行解的影响,可行解之间的关系,改变的解空间与可行解之间的联系的分析研究,成为算法在该领域应用中厥待要解决的问题,而现有的文献中鲜有对此类问题的深入研究.(2)缺乏行之有效的约束处理方法.如何将多约束下的目标函数转化为无约束条件的目标函数是求解梯级水库优化调度问题的一大难点.常见的约束处理方法有:抛弃不可行解法,修复不可行解法,改进进化因子法和罚函数法.粒子群算法在求解该问题时处理约束的方法单一,绝大多数采用的是罚函数法,但由于罚因子需要经过多次反复试验才能确定,计算效率低.因此,粒子群算法在约束条件的

15、处理上办法不多.5算法的研究方向随着对粒子群算法研究的不断深入,各种混合算法的出现,算法优化性能的提高,应用能力和灵活性的增强,粒子群算法在水库优化调度领域将会有广阔的应用前景.对于该算法今后的研究方向大致总结为以下几点:(1)算法理论的研究.由于实际问题的复杂性和多样性,尽管目前已经有了各种改进算法,但这些算法不具有通用性,且不能对粒子群算法的工作机理做出合理的数学解释;缺少规范化的算法优化性能的评价准则;算法的参数选择也没有完善的理论指导,且参数的设置需要操作者的实际经验;算法的收敛性,收敛速度和搜索机制还有必要进一步研究.(2)混合仿生算法的研究.任何单一算法在求解高维,非线性,多约束的

16、水库优化调度问题时都会临优化性能和时间性能的双重挑战.混合算法的提出在一定程度上也增加了算法的复杂性,在提高某种性能的同时也会为此付出相应的代价.因此,如何将其他算法的优点与粒子群算法的优点相结合,构造出有实用价值的混合算法是今后研究的一个重要方向.(3)寻求高效的优化算法.随着梯级水库规模的日趋庞大,使得求解的水库优化调度模型出现高维,多约束,多目标等复杂系统特征,设计实用性高且能用于梯级水库优化调度问题的优化算法任重而道远.陕西水利参考文献f1杨道辉,马光文,严秉忠,等粒子群算法在水电站日优化调度中的应用U1水力发电,2f)06.32(3):737521钱建伟,杨俊杰粒子群算法及其在水库优化调度中的应用U】湖北民族学院(自然科学版).2006,24(3):23924231马细霞,储冬冬.粒子群优化算法在水库调度中的应用分析U郑州大学(工学版),2()06,27(4):121124f4】芮钧,梁伟,陈守伦基于粒子群算法的水电站中长期优化调度研究水电能源科学,2007,25(5):991015】SuganthanPNParticleSwam1Optimizerwithneighborhoodoper