狼群算法在水电站水库优化调度中的应用
水利水电科技进展,2015,35(3)一Tel :025********一E-mail :jz @https://www.wendangku.net/doc/c75037134.html, 一http ://https://www.wendangku.net/doc/c75037134.html,
第35卷第3期Vol.35No.3水利水电科技进展
Advances in Science and Technology of Water Resources
2015年5月May 2015
基金项目:水利部公益性行业科研专项(201101011)
作者简介:王建群(1960 ),男,江苏句容人,教授,博士,主要从事水资源规划和管理研究三E-mail:wangjq@https://www.wendangku.net/doc/c75037134.html,
DOI:10.3880/j.issn.10067647.2015.03.001
狼群算法在水电站水库优化调度中的应用
王建群,贾洋洋,肖庆元
(河海大学水文水资源学院,江苏南京一210098)
摘要:为探讨水电站水库优化调度问题求解的新方法,对狼群算法及其在水电站水库优化调度中的应用进行了研究三对狼群算法中的围攻算法进行了改进,给出了水电站水库优化调度问题的狼群算法设计及求解步骤三基于水电站水库优化调度实例,对狼群算法的敏感参数奔袭步长进行了模拟计算和分析,给出了奔袭步长的有效取值范围三实例计算结果表明,狼群算法是一种求解水电站水库优化调度问题的有效方法三
关键词:狼群算法;群体智能算法;水电站;水库优化调度
中图分类号:TV737一一一文献标志码:A一一一文章编号:10067647(2015)03000104
Application of wolf pack search algorithm to optimal operation of hydropower station //WANG Jianqun,JIA Yangyang,XIAO Qingyuan(College of Hydrology and Water Resources ,Hohai University ,Nanjing 210098,China )
Abstract :In order to explore a new method for solving the problem of optimal operation of hydropower station,a new swarm intelligent optimization algorithm,i.e.,wolf pack search algorithm,and its application to optimal operation of hydropower station were studied.The siege algorithm of the wolf pack search algorithm was improved.Design and solving steps of the wolf pack search algorithm for solving the problem in optimal operation of hydropower station were proposed.Based on the simulation test and analysis of the example of optimal operation of hydropower station,the effective range of the step on the raid of the wolf pack search algorithm was proposed.Simulation results show that the wolf pack search algorithm is new effective method for optimizing the operation of hydropower station.
Key words :wolf pack search algorithm;swarm intelligent algorithm;hydropower station;reservoir optimal operation
一一为解决各种复杂的非线性优化问题,很多学者提出了模拟生物群体智能的算法,如遗传算法[1]二
蚁群算法[2]二粒子群算法[3]等三由于这些算法在求解时不依赖于目标函数的梯度信息,因而特别适用
于传统方法解决不了的大规模复杂优化问题三但由于优化问题的多样性和复杂性,这些群体智能算法在不同的应用场合仍会存在一些不足,如早熟二收敛精度不高二易陷入局部最优等问题[4],为此Yang 等[5]于2007年提出了一种新的仿生狼群捕食行为的群体智能优化算法 狼群算法(wolf pack search algorithm,WPS)三狼群算法不同于以前的群体智能优化算法,它同时具有3个不同的搜索能力:
模拟狼群个体的游猎行为,即竞争领导者狼行为,体现了算法具有独立的局部精细搜索能力;模拟狼群的召唤行为,即向领导者移动行为,提高了算法的局部最优解的搜索效率;模拟狼群的攻击行为,即包围猎物的行为及狼群竞争更新的行为,保证了算法能
收敛到全局最优解三Liu 等[6]将狼群算法分为模拟狼群的游猎行为二攻击行为二狼群竞争更新等3个主要步骤三Tang 等[7]认为狼群算法主要包括模拟狼群搜索猎物和遇到威胁逃逸行为2个计算步骤三周强等[8]提出了一种基于领导者策略的狼群搜索算法,将狼群算法总结为竞争领导者狼二向领导者移动二包围猎物二狼群竞争更新等4个主要步骤,给出了新的围攻行为即包围猎物行为的表达式三Li 等[9]于2014年将狼群搜索算法和支持向量机技术相结合并应用于糖尿病患者外周血管闭塞估计问题三水电站水库优化调度是一个多阶段二非线性的连续优化问题,传统的求解方法是动态规划法及其改进算法[10],但随着水库数目的增加,或为了提高计算精度而增加决策变量离散点数目,动态规划法会增加计算机系统资源量的占用而出现维数灾问题[11]三近年来,遗传算法二粒子群算法等群体智能算法由于对求解问题的限制较少二不需离散决策变
四
1四