基于MSCOA算法的梯級(jí)水庫(kù)群優(yōu)化調(diào)度

梁征

摘要：結(jié)合梯級(jí)水庫(kù)群聯(lián)合運(yùn)行的實(shí)際情況，分析目前國(guó)內(nèi)外水庫(kù)調(diào)度算法不足，本論文利用變尺度混沌優(yōu)化算法（Mutative Scale Chaos Optimization Algorithm，MSCOA）對(duì)梯級(jí)水電站群中長(zhǎng)期水庫(kù)調(diào)度問(wèn)題應(yīng)用研究，建立一種梯級(jí)水電站群中長(zhǎng)期水庫(kù)優(yōu)化調(diào)度模型，通過(guò)實(shí)際數(shù)據(jù)驗(yàn)證，此方法可以獲得梯級(jí)各電站的最優(yōu)運(yùn)行方式，為指導(dǎo)梯級(jí)各水電站的實(shí)際運(yùn)行最優(yōu)化提供科學(xué)決策依據(jù)。

關(guān)鍵詞：梯級(jí)水電站；優(yōu)化調(diào)度；混沌；變尺度混沌優(yōu)化算法

中圖分類(lèi)號(hào)：TV697.1+2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2012）09-0153-03

1.引言

隨著水電系統(tǒng)愈來(lái)愈趨向于大水電網(wǎng)聯(lián)網(wǎng)運(yùn)行，梯級(jí)水電站對(duì)水電系統(tǒng)的穩(wěn)定、經(jīng)濟(jì)運(yùn)行的積極作用也愈加顯著，這一方面是由于水電站靈活的運(yùn)行調(diào)節(jié)性能，另一方面則是梯級(jí)水電站水庫(kù)之間具有較好的補(bǔ)償協(xié)調(diào)作用。梯級(jí)水電站的水庫(kù)優(yōu)化調(diào)度是一個(gè)具有多約束的高維、動(dòng)態(tài)、非線(xiàn)性?xún)?yōu)化問(wèn)題，歷來(lái)是水電系統(tǒng)運(yùn)行中一個(gè)難題。在此問(wèn)題上，國(guó)內(nèi)外學(xué)者曾采用動(dòng)態(tài)規(guī)劃（DP）、[1-2]逐次優(yōu)化法、[3-4]遺傳算法（GA）[5]以及蟻群算法[6]等對(duì)梯級(jí)水電站的水庫(kù)優(yōu)化調(diào)度進(jìn)行研究，這些算法都或多或少存在一定的局限性。

混沌是非線(xiàn)性系統(tǒng)所獨(dú)有且廣泛存在的一種非周期的運(yùn)動(dòng)形式，表現(xiàn)出介于規(guī)則和隨機(jī)之間的一種行為，能把系統(tǒng)的運(yùn)動(dòng)吸引并束縛在特定的范圍內(nèi)，按其“自身規(guī)律”不重復(fù)地遍歷所有狀態(tài)，因此利用混沌變量進(jìn)行優(yōu)化搜索毫無(wú)疑問(wèn)能跳出局部最優(yōu)的羈絆取得滿(mǎn)意結(jié)果。

本文先建立一種梯級(jí)水電站群中長(zhǎng)期優(yōu)化調(diào)度模型，然后將變尺度混沌優(yōu)化算法應(yīng)用于求解該模型。計(jì)算結(jié)果表明，變尺度混沌優(yōu)化算法為求解梯級(jí)水電站水庫(kù)中長(zhǎng)期優(yōu)化調(diào)度問(wèn)題提供了一種有效算法。

2.水電系統(tǒng)優(yōu)化調(diào)度數(shù)學(xué)模型的建立

梯級(jí)水電站水庫(kù)群優(yōu)化調(diào)度主要是在滿(mǎn)足水電系統(tǒng)要求以及下游綜合用水要求等的前提下，合理地組織調(diào)度水庫(kù)，使得計(jì)算期內(nèi)的總經(jīng)濟(jì)效益最大。即在給定預(yù)報(bào)入流過(guò)程線(xiàn)，用水過(guò)程線(xiàn)，計(jì)算期起始水位和終止水位的條件下，通過(guò)水量的合理分配使梯級(jí)總電能最大。結(jié)合梯級(jí)水電站水庫(kù)群?jiǎn)栴}的特點(diǎn)，建立梯級(jí)水電站水庫(kù)群優(yōu)化調(diào)度模型如下：

2.1目標(biāo)函數(shù)

E=max■■N■■?駐ti （1）

式中：T表示為年內(nèi)計(jì)算總時(shí)段（計(jì)算時(shí)段為月，T=12）；N表示總水庫(kù)數(shù)（N=4）；N■■表示i時(shí)段j水庫(kù)出力（kW）；E表示年發(fā)電量（kWh），?駐ti為計(jì)算時(shí)段。

2.2約束條件

（a）水庫(kù)庫(kù)容（水位）約束

V■■≤V■■≤V■■（i=1，2，?撰，4；i=1，2，?撰，T）（2）

（b）出力約束

N■■≤N■■≤N■■（j=1，2，?撰，4；i=1，2，?撰，T）（3）

（c）水量平衡約束

V■■=V■■+（q■■+Q■■+S■■-Q■■-S■■）?駐ti（4）

這里：Q■■=S■■=0 （j=1，2，?撰，4；i=1，2，?撰，T）

（d）下泄流量約束

Q■■≤Q■■≤Q■■（j=1，2，?撰，4；i=1，2，?撰，T）（5）

（e）非負(fù)條件約束

Q■■＞0，S■■≥0 （j=1，2，?撰，4；i=1，2，?撰，T）（6）

（f）梯級(jí)保證出力約束

■■N■■≥N（7）

式中：V■■，V■■分別表示第i時(shí)段初、末j水庫(kù)庫(kù)容（億m3）；V■■，V■■表示j水庫(kù)第i時(shí)段允許的最小、最大庫(kù)容；N■■，N■■分別表示j水庫(kù)第i時(shí)段允許的最小、最大出力；Q■■表示第i時(shí)段j水庫(kù)發(fā)電流量（m3/s），Q■■，Q■■分別表示j水庫(kù)第i時(shí)段允許的最小、最大下泄流量；q■■表示第i時(shí)段j水庫(kù)平均入庫(kù)流量（m3/s）；S■■表示第i時(shí)段j水庫(kù)棄水流量（m3/s），N表示梯級(jí)保證出力。

3.變尺度混沌優(yōu)化算法原理（MSCOA）[7-8]

Logistic模型是混沌研究中的最典型模型之一，本文選擇Logistic模型產(chǎn)生的混沌變量來(lái)進(jìn)行優(yōu)化搜索，其方程為：

xk+1=λ·xk·（1-xk）（8）

其中λ=4。若需優(yōu)化n個(gè)參數(shù)，則任意設(shè)定（0，1）區(qū)間n個(gè)相異的初值（注意不能為方程（8）的不動(dòng)點(diǎn)0.25，0.5，0.75），得到n個(gè)軌跡不同的混沌變量，將其轉(zhuǎn)化成在優(yōu)化問(wèn)題解空間中作混沌遍歷的變量，通過(guò)搜索尋優(yōu)尋找問(wèn)題的最優(yōu)解。

對(duì)非線(xiàn)性規(guī)劃處理的問(wèn)題是在等式或不等式約束下的某個(gè)目標(biāo)函數(shù)，求出最優(yōu)解。一般表示為：

minf（X）gi（X）≥0 i=1，2，?撰，m hi（X）=0 j=1，2，?撰，n（9）

式中：X∈En，f（x）為目標(biāo)函數(shù)，gi（X），hi（X）為約束函數(shù)，這些函數(shù)中至少有一個(gè)為非線(xiàn)性函數(shù)。約束條件有時(shí)用集合形式表示，令

S={X|gi（X）≥0，i=1，2，?撰，m；hi（X）=0，j=1，2，?撰，n}（10）

稱(chēng)為可行集或可行域，中的點(diǎn)稱(chēng)為可行點(diǎn)。

解決式（10）的思想是對(duì)目標(biāo)函數(shù)不做變動(dòng)，利用隨機(jī)性、遍歷性和規(guī)律性，不斷縮小優(yōu)化變量的搜索空間和提高搜索精度進(jìn)行全局尋優(yōu)，從中搜索屬于可行域S的解；同時(shí)在搜索中引入解向量?jī)?yōu)選，將解向量中那些接近全局最優(yōu)解的分量找出，構(gòu)成一個(gè)新的向量，代入目標(biāo)函數(shù)中進(jìn)行計(jì)算，從而找出全局最優(yōu)解，最終求出水電站水庫(kù)發(fā)電調(diào)度的最優(yōu)調(diào)度線(xiàn)。

4.算法在梯級(jí)水電站優(yōu)化調(diào)度中的應(yīng)用[9-10]

根據(jù)前面敘述的梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度數(shù)學(xué)模型，目標(biāo)函數(shù)是求m=4T個(gè)決策變量Q■■，Q■■，?撰，Q■■，Q■■，Q■■，?撰，Q■■，Q■■，?撰，Q■■的年發(fā)電量最大問(wèn)題。

在算法求解梯級(jí)水電站優(yōu)化調(diào)度問(wèn)題中，首先隨機(jī)選取一個(gè)m維初始向量X0=（X01，X02，K，K0m），其次利用混沌運(yùn)動(dòng)的隨機(jī)性，由Logistic方程Xk+1，i=4·Xk+1·（1-Xk，i），j=1，2L NT隨機(jī)生成混沌序列{Xk}k=1，2，?撰；將其載波到包含梯級(jí)水電站目標(biāo)函數(shù)可行域的一個(gè)區(qū)域，這里是梯級(jí)水電站目標(biāo)函數(shù)的滿(mǎn)足約束條件（a）-（f）的集合；利用隨機(jī)性、遍歷性和規(guī)律性，不斷縮小優(yōu)化變量的搜索空間和提高搜索精度進(jìn)行全局尋優(yōu)，從中搜索屬于可行域S的解；同時(shí)在搜索中引入解向量?jī)?yōu)選，將解向量中那些接近全局最優(yōu)解的分量找出，構(gòu)成一個(gè)新的向量，代入目標(biāo)函數(shù)中進(jìn)行計(jì)算，從而找出全局最優(yōu)解，最終求出水電站水庫(kù)發(fā)電調(diào)度的最優(yōu)調(diào)度線(xiàn)。同時(shí)計(jì)算中考慮梯級(jí)水力聯(lián)系，當(dāng)搜索中某點(diǎn)發(fā)生變化時(shí)，即梯級(jí)某一級(jí)水庫(kù)某時(shí)段庫(kù)容發(fā)生變化時(shí)，同一時(shí)段該級(jí)水庫(kù)以下梯級(jí)重新計(jì)算目標(biāo)函數(shù)值（不考慮區(qū)間水流滯時(shí)）。

用于求解梯級(jí)水電站優(yōu)化調(diào)度問(wèn)題的變尺度混沌優(yōu)化算法基本過(guò)程如下：

Step一：初始化：設(shè)方程（1）中目標(biāo)函數(shù)E的維數(shù)為m，且記E=maxf（V），V*=（V■■，V■■，L，V■■，f*=f（V*），隨機(jī)生成m個(gè)初值，X0=（X01，X02，?撰，X0m）X0j∈[0，1]，j=1，2，?撰，m；

Step二：混沌映射：通過(guò)如上的Logistic映射〔8〕生成k個(gè)混沌變量{Xk}k=1，2，?撰，將上面的混沌變量（Xk，j）分別按（11）式載波，放大到庫(kù)容變量即約束條件（a）的取值范圍：

V■■=V■■+X■■（V■■-V■■）（11）

Step三：迭代；置k=0，用混沌變量進(jìn)行迭代搜索，計(jì)算滿(mǎn)足約束條件（a）-（f）的目標(biāo)函數(shù)f=f（Vk），（這里）Vk=（V■■，V■■，L，V■■），具體計(jì)算如下：

（1）由水量平衡方程（4），求出滿(mǎn)足約束條件（a）、（d）、（e）的m個(gè)決策變量Q■■，Q■■，?撰，Q■■，Q■■，Q■■，?撰，Q■■，?撰?撰，Q■■，Q■■，?撰，Q■■，否則重新計(jì)算。

（2）由出力公式求出滿(mǎn)足約束條件（b）、（f）的個(gè)出力，否則轉(zhuǎn)入（1）重新計(jì)算。

（3）求出目標(biāo)函數(shù)如果f=f（Vk），那么f＞f*，V*＞Vk+1，k=k+1，當(dāng)k滿(mǎn)足最大迭代次數(shù)時(shí)，轉(zhuǎn)下一步，否則繼續(xù)迭代。

Step四：二次載波：置k=0，給定一個(gè)任意小的正數(shù)ε和Z=λZ，λ∈[0.9，0.999]，其中α∈（0，0.5），Z的初始值由Z0=min（Vk■-V■■，V■■-Vk■）·α給出，并按下式

Zkj=Vkj+α（tj-0.5）（12）

進(jìn)行二次載波，其中t=（t1，t2，K，tM）是由Logistic映射生成混沌初值序列，Vkj■為當(dāng)前最優(yōu)解。計(jì)算滿(mǎn)足約束條件（a）-（f）的目標(biāo)函數(shù)f=f（Zk），如果f＞f*，V*=Zk，k=k+1那么，重復(fù)Step四直到|f（Zk+1）-（Zk）＜ε|（13）

或者滿(mǎn)足最大迭代次數(shù)。則輸出最優(yōu)解。

5.實(shí)例計(jì)算

為了驗(yàn)證本文提出的變尺度混沌優(yōu)化算法在梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度上的可行性與有效性，對(duì)梯級(jí)水電站群2004年的數(shù)據(jù)進(jìn)行計(jì)算。其中洪家渡水電站裝機(jī)三臺(tái)，單機(jī)容量200MW，總裝機(jī)容量為600MW，水庫(kù)總庫(kù)容49.47億m3，調(diào)節(jié)庫(kù)容33.61億m3，正常蓄水位1140m，死水位1076m，死庫(kù)容11.37億m3；東風(fēng)水電站裝機(jī)容量510MW，總庫(kù)容10.16億m3，調(diào)節(jié)庫(kù)容4.91億m3，水庫(kù)正常蓄水位970m，庫(kù)容8.64億m3；索風(fēng)營(yíng)水電站裝機(jī)容量600MW，水庫(kù)正常蓄水位837m，庫(kù)容1.68億m3；烏江渡水電站裝機(jī)容量1250MW，水庫(kù)正常蓄水位760m，庫(kù)容21.4億m3。變尺度混沌優(yōu)化算法用MATLAB語(yǔ)言實(shí)現(xiàn)，在盡量滿(mǎn)足死庫(kù)容、正常庫(kù)容、最小出力、機(jī)組最大過(guò)流能力等條件的情況下最大發(fā)電量為目標(biāo)，進(jìn)行優(yōu)化調(diào)度。算法計(jì)算10次，結(jié)果取最優(yōu)值。

6.結(jié)論

本文提出了用于梯級(jí)水庫(kù)優(yōu)化調(diào)度問(wèn)題的變尺度混沌優(yōu)化算法，算法有以下優(yōu)點(diǎn)：計(jì)算速度快，搜索效率高；收斂性能好，容易找到全局最優(yōu)解；算法中易于考慮各種限制條件，為求解梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度問(wèn)題提供了一種有效算法。

本文研究了梯級(jí)水電站中長(zhǎng)期的優(yōu)化調(diào)度問(wèn)題。結(jié)合變尺度混沌優(yōu)化算法考慮梯級(jí)間水流滯時(shí)求解梯級(jí)水電站群的短期優(yōu)化調(diào)度問(wèn)題有待下一步研究。

參考文獻(xiàn)：

[1]Christiano Lyra，Luiz Roberto.A Multi objective Approach to the Short-Term Scheduling of a Hydroelectric Power System[J].IEEE Trans on PAS，1995，10（4）：1750-1754.

[2]孫新德，施熙燦.并聯(lián)水電站兩庫(kù)聯(lián)合優(yōu)化調(diào)度[J].水電能源科學(xué)，1995，（13）：167-172.

[3]S.Ruzic etai.A flexible approach to short-term hydro-thermal coordination[C].IEEE paper 94 SM 563-7&564-5 PWRS.Presented at the IEEE／PES 1994 Summer Meeting.

[4]J.S.Yang，N.Chen.Short-term hydrothermai cordination using multi-pass dynamic programming[J].IEEE Trans on Power System.1989，4（3）：1050～1056.

[5]馬光文，王黎，G.A.Waiters.水電站群優(yōu)化調(diào)度的FP遺傳算法[J].系統(tǒng)工程理論與實(shí)踐，1996，（11）：77～81.

[6]徐剛，馬光文.基于蟻群算法的梯級(jí)水電站群優(yōu)化調(diào)度[J].水力發(fā)電學(xué)報(bào)，2005，（5）：7-10.

[7]李兵，蔣慰孫.變尺度混沌優(yōu)化算法及其應(yīng)用[J].控制理論與應(yīng)用，1997，14（4）：613-615.

[8]趙強(qiáng).改進(jìn)的變尺度混沌優(yōu)化算法及其應(yīng)用[J].自動(dòng)化與儀器儀表，2006，125（3）：90-92.

[9]鄒進(jìn)，劉可真.水資源系統(tǒng)運(yùn)行與優(yōu)化調(diào)度[M].北京：冶金工業(yè)出版社，2006.

[10]張勇傳.水電站經(jīng)濟(jì)運(yùn)行原理[M].北京：中國(guó)水利水電出版社，1998.