专利名称：水库优化调度的可行搜索方法
技术领域：
本发明涉及水库优化调度技术领域，特别是涉及一种水库优化调度的可行搜索方法。
背景技术：
水库优化调度是在给定计算期初始水位和终止水位以及各计算时段的综合利用要求的情况下，根据预报的入库流量，进行水库运行策略的最优选择的问题。因其可以在不增加任何工程成本的条件下获得巨大的经济效益和社会效益而受到业界的普遍关注。
自20世纪40年代，美国人Mases最早将优化概念引入到水库调度以后，水库优化调度所采用的方法也越来越多，一般可分为线性规划、非线性规划、动态规划及其改进方法、遗传算法、人工神经网络、蚁群算法、混沌优化算法和微粒群算法等(见文献[1][5])。
线性规划(LP)是水库优化调度中较简单且应用广泛的规划方法。但该法计算效率低，由于水库优化调度的非线性和随机性，当调度的目标函数和约束条件很复杂时，需先用其它方法将问题线性化再进行求解。
非线性规划(NLP)方法通常出现优化过程慢、相对计算时间长的问题。比线性规划复杂，且没有通用的求解方法和程序，因而非线性规划的应用的广泛性比不上线性规划和动态规划。
动态规划(DP)是解决多阶段决策过程最优化问题最常用的一种数学方法，可以很好地解决水资源系统的非线性和随机性这个问题，但该方法还是不够完善，其最大的问题是当水库数目多时，往往会产生不可避免的“维数灾”，另外计算工作量也很大。因此，相关学者们提出了大量改进措施，主要有粗网格内插技术、连续逐次逼近动态规划(DPSA)、增量动态规划(IDP)以及离散微分动态规划法(DDDP)、逐步优化算法(POA)等。
遗传算法(GA)为解复杂系统优化问题提供了一种通用框架，它不依赖于问题的具体领域，对所求解问题的种类具有很强的鲁棒性，其不足之处在于其计算过程存在“早熟”现象。
人工神经网络(ANN)是一种具有高度非线性自适应并行分布的信息处理系统，对于多水库、多变量、多目标进行系统决策时，具有运算速度快，构造灵活，人工干预少的优点。
蚁群算法(ACO)是一种随机化启发式搜索算法，具有并行化、鲁棒性强、正反馈的优点，在水库优化调度中用蚁群算法能在搜索中找到较好的可接受的解，但该法容易出现停滞现象(见文献[3])。
混沌优化算法(CA)应用于水库优化调度时，采用混沌变量在允许解空间进行搜索，搜索过程按混沌运动自身规律进行，更容易跳出局部最优解，且搜索效率高，是一种非常有效的寻优方法。
微粒群算法(PSO)操作简单，依赖的经验参数少并且收敛速度快，但也存在搜索精度不高和易于陷入局部最优解的缺点(见文献[5])。
另外，崔瑞红、董增川等人在《水库优化调度方法研究分析》[1]文献中，分析了国内外水库优化调度的研究的进展。对几种代表性的方法在水库优化调度中的应用列表分析比较，最后对今后水库优化调度方法的研究发展作了展望。
上述方法在解决水库优化调度中存在以下不足离散化问题。水库水位是连续变量，上述的很多算法如DP及其改进算法、遗传算法和蚁群算法等均是基于离散的水位或库容点之上的，故所得最优解并不是真正意义上的最优解，真正的最优解应该在连续空间中进行寻求，而将水库水位或库容进行离散化处理，降低了解的精度。
初始可行解选择问题，具有复杂约束条件的水库调度问题，这些方法均未能提出初始可行解选择的可行办法，一种方法是使用罚函数法，用罚因子将约束问题转化为无约束问题；另一种方法是对构造的每个解的可行性进行检查，并去除非可行解，计算工作量大为增加，且效率很低。如在2006年4月水利学报发表的文献《自适应遗传算法在水库优化调度中的应用》[2]中，介绍了对初始解的选择也是采用去除非可行解的方法；局部极值问题，很多算法对初始可行解具有敏感性，动态规划、遗传算法、蚁群算法和混沌优化算法等易陷入局部极值问题(见文献[2][4])。
另外，在有关文献中介绍了蚁群算法，PSO算法以及两种算法可以融合的几种方法，它们对蚁群算法的这一问题进行了较详细的论述。对于库群问题，许多优化方法提供的只是解决单库或两库的优化问题，而对于多库问题则很少涉及。
综上所述，现有技术中提供的关于解决水库优化调度问题的方法，存在着诸多的缺陷，特别是在离散化问题、初始可行解选择问题、局部极值问题方面不能进行有效处理，对具复杂约束条件情况下的水库优化调度的问题尤其突出。
发明内容
本发明所要解决的技术问题是提供一种水库优化调度的可行搜索方法，以克服现有技术的缺陷，尤其是在有效处理具复杂约束条件的水库优化调度问题中作出积极贡献。
本发明解决其技术问题采用以下的技术方案本发明提供的水库优化调度的可行搜索方法是所采集的数据均由计算机处理，构成适用于具复杂约束条件的单一水库优化调度，或水库群优化调度和水资源优化配置的水库优化调度的可行搜索方法。该方法采用的步骤包含正向递推水库水位运行轨迹可行范围、逆向递推水库水位运行轨迹可行范围、水库水位运行轨迹最大可行范围的确定、水库水位运行可行轨迹的选取和水库优化调度的最优解的选择。
本发明提供的水库优化调度的可行搜索方法，其用途有能够进行单一水库优化调度应用，水库群优化调度应用，能够进行水资源优化配置应用。
本发明与现有技术相比具有以下的显著进步和突出的效果其一.通过确定水库调度期各时段水位的上下限，能够明确在调度期水库水位运行轨迹最大可行范围；其二.通过从调度期开始的顺序逐时段在水库水位运行轨迹可行范围内确定水库的水位，可保证得到可行轨迹；其三.将确定性方法和随机方法相结合，可保证搜索的全局性和水位的连续性；其四.结合DDDP和GA等的算法，可以得到更好的近似最优解；其五.便于人机交互，辅助决策者决策。
其六.本方法思路清晰、简单实用、执行效率高，适用于具复杂约束条件的单一水库优化调度，也适用于水库群优化调度和水资源优化配置，并且能够有效提高水库优化调度的工作效率。
图1正向递推水库水位运行轨迹最大可行范围示意图；图2逆向递推水库水位运行轨迹最大可行范围示意图；图3确定水库水位运行轨迹最大可行范围示意图；图4正向递推时水库水位运行轨迹调整方法示意图；图5逆向递推时水库水位运行轨迹调整方法示意图；图6水库优化调度可行搜索方法的程序框图。
具体实施例方式
本发明是一种水库优化调度的可行搜索方法，其具有在进行单一水库优化调度应用中的用途，水库群优化调度应用中的用途，在进行水资源优化配置应用中的用途，以及其它方面应用中的用途。
下面结合实施例及附图对本发明水库优化调度的可行搜索方法作进一步说明1.水库水位运行轨迹最大可行范围的确定水库水位在不同运行时段有不同的要求，通常要求库水位在非汛期控制在正常蓄水位和死水位之间，汛期控制在防洪限制水位和死水位之间，有时由于一些特殊情况，也有决策人根据具体情况控制某些时段水库水位的要求。在水库调度期内，各时段水库还有综合利用等要求，如各时段最大和最小下泄流量、最大和最小发电出力等，加上水库的来水和水库自身的特性，因此，水库优化调度往往是具有复杂约束条件的优化问题。水库水位在调度期每个时段的变化均存在一个极限范围，即存在水库水位运行轨迹最大可行范围。
(1)正向递推水库水位运行轨迹可行范围按照给定水库的基础数据和各时段的综合利用及约束条件，由计算机推求如图1所示从初始水位开始，按照本时段即第1时段允许的最大下泄流量、最大发电出力和时段末最低水位要求计算，结合水库此时的下泄能力和机组出力限制，得到第1时段末即第2时段初的水库可能达到的水位下限值，再以此为基础按照相同的方法计算第3时段初的水位下限值，直到计算期末为止，得出从计算期初开始的正向递推得到的各时段水库水位运行轨迹下限的可行范围。
如图1所示从初始水位开始，按照本时段即第1时段允许的最小下泄流量、最小发电出力和时段末最高水位要求计算，结合水库此时的下泄能力和机组出力限制，得到第1时段末即第2时段初的水库可能达到的水位上限值，再以此为基础按照相同的方法计算第3时段初的水位上限值，直到计算期末为止，得出从计算期初开始的正向递推得到的各时段水库水位运行轨迹上限的可行范围。
为保证水库水位在各个时段均能达到设定的水位，可以采用下述方法进行局部范围的水位下限和上限的调整若以某时段初的水位上限开始计算，即便按照最大下泄能力(敞泄)也达不到该时段末的水位上限要求，如图4第n-1时段所示，时段末要求水位最高为G点，从时段初的D点最大可能到达F点。此时，时段末的水库水位运行轨迹上限调整为该时段末的水位上限要求G点，而时段初的水位上限按下述方法调整以时段末的水位上限要求G点为基础，倒推得出该时段初的水位上限为H点，若该上限位于以前一时段初水位运行轨迹上限A点为基础计算出的本时段初水位可达范围D点和C点之内，则以此H点为本时段初水库水位运行轨迹上限，否则，再以倒退出来的该时段初的水位上限H点为基础向再前一时段倒推，直到得到的水位上限位于以更前一时段初水位上限为基础计算所得的可达水位范围之内为止，调整所有倒推时段初的水位运行轨迹上限。
若以某时段初的水位下限开始计算，即便按照最小下泄流量也达不到该时段末的水位下限要求，如图4第n+1时段所示，时段末要求水位下限为N点，从时段初的K点最大可能到达L点。此时，时段末的水库水位运行轨迹下限调整为该时段末的水位下限要求N点，而时段初的水位下限按下述方法调整以该时段末的水位下限要求N点为基础，倒推得出该时段初的水位下限为O点，若该下限位于以前一时段水位运行轨迹下限Q点为基础计算出的本时段初水位可达范围R点和K点之内，则以O点做为时段初水库水位运行轨迹下限；否则，再以倒退出来的该时段初的水位下限O点为基础向再前一时段倒推，直到得到的水位下限位于以更前一时段初水位下限为基础计算所得的可达水位范围之内为止，调整所有倒推时段初的水位运行轨迹下限。
当各种各种综合利用要求相互矛盾时，以水位、流量、出力的顺序由高到低确定优先级。
2.逆向递推水库水位运行轨迹最大可行范围按照给定水库的基础数据和各时段的综合利用及约束条件，由计算机推求如图2所示从计算期末水位开始，按照最末时段即第N时段的允许下泄的最小流量、最低水位或最小发电出力要求逆向计算，结合水库此时的下泄能力和机组出力限制，推求得到第N时段初的水库可能的水位下限值，再以此为基础按照相同的方法推求第N-1时段的水位下限值，直到计算期初为止，得出从计算期末开始逆向递推得到的各时段水库水位运行轨迹下限的可行范围。
如图2所示从计算期末水位开始，按照最末时段即第N时段的允许下泄的最大流量、最高水位或最大发电出力要求，结合水库此时的下泄能力和机组出力限制，逆向计算，推求得到第N时段初的水库可能的水位上限值，再以此为基础按照相同的方法推求第N-1时段的水位上限值，直到计算期初为止，得出从计算期末开始逆向递推得到的各时段水库水位运行轨迹上限的可行范围。
若以某时段术的水位上限开始计算，即便该时段按照最小下泄流量下泄也达不到该时段初的水位上限要求，如图5第n+1时段所示，要求时段初水位上限为F点，而以时段末的B点为基础时，时段初最低水位也需要在E点。此时，时段初的水库水位运行轨迹上限调整为F点，而时段末的水位上限按下述方法调整以该时段初的水位上限F点为基础，推求该时段末的水位上限为G点，若G点位于以下一时段末水位运行轨迹上限A点为基础计算出的下一时段初水位可达范围B点和C点之内，则以此G点为时段术水库水位运行轨迹上限，否则，再以G点为基础再向下一时段推求，直到得到的水位上限位于以更下一时段末水位上限为基础计算所得的可达水位范围之内为止，调整所有正推时段术的水位运行轨迹上限。
若以某时段末的水位下限开始计算，即便该时段按照最大下泄能力(敞泄)也达不到该时段末的水位下限要求，如图5第n时段所示，时段初要求水位下限为P点，而以时段术的M点为基础时，时段初达不到P点。此时，时段初的水库水位运行轨迹下限调整为P点，而时段末的水位下限按下述方法调整以该时段初的水位下限P点为基础，推求该时段末的水位下限为Q点，若Q点位于以下一时段末水位运行轨迹下限K点为基础计算出的下一时段初水位可达范围L点和M点之内，则以此Q点做为本时段末水库水位运行轨迹下限，否则，再以Q点为基础向再下一时段推求，直到得到的水位下限位于以更下一时段术水位下限为基础计算所得的可达水位范围之内为止，调整所有正推时段末的水位运行轨迹下限。
当各种各种综合利用要求相互矛盾时，以水位、流量、出力的顺序由高到低确定优先级。
3.水库水位运行轨迹最大可行范围的确定综合各时段正向递推和逆向递推的结果，得出调度期水库水位运行轨迹最大可行范围，其方法是按照上述步骤得到的正向递推和逆向递推水库水位运行轨迹下限的可行范围，依据同时段取大的原则，得出从计算期初到计算期末的水库水位运行轨迹下限的最大可行范围；如图3所示。
按照上述步骤得到的正向递推和逆向递推水库水位运行轨迹上限的可行范围，依据同时段取小的原则，得出从计算期初到计算期末的水库水位运行轨迹上限的最大可行范围；如图3所示。
4.水库水位运行可行轨迹的选取在确定了水库水位运行轨迹最大可行范围后，接下来选择水库运行的可行策略。因为该最大可行范围是在水库水位变化连续最大或连续最小的情况下求得的，考虑的是最极端的情况，因此，并不是在该范围内的任意轨迹都是可行轨迹。
在水库水位运行轨迹最大可行范围寻找可行轨迹，需按照时段顺序逐时段进行。计算期初的初始水位为已知，根据水库在该时段的最大和最小下泄流量、最大和最小发电出力要求计算，结合水库此时的下泄能力和机组出力限制，由计算机算出水库在时段末可能达到的水位最大值和最小值，若该值超出水库水位运行轨迹最大可行范围，则按最大可行范围调整时段术水位的最大值和最小值，得到时段末水库水位的上限和下限，在该范围内通过确定性方法或随机方法选择一个水位值作为该时段末水位，即第二时段初的水库水位，完成一个时段的计算。逐时段重复上述步骤，直到计算期末为止，得到的水位序列即是一条水库运行的可行轨迹。
本步骤中，所得到的每条策略均为可行策略；各时段末水位在可选择的范围内进行选择时，采用了确定性方法和随机方法，以保证在边界情况下的水库水位运行策略得到选择，保证水库水位运行可行策略的多样性。
水库水位运行可行轨迹的选取的具体方法是t时段初水库水位为Zt，根据水库在该时段的最小出库流量Qt，min和最大出库流量Qt，max要求，以及时段的最小发电出力Nt，min和最大发电出力Nt，max要求等，可以计算出水库在时段末可能达到的水位最大值Zt+1，max和最小值Zt+1，min，若水位最大值和最小值超出了水位变化的最大可行范围，则按最大可行范围调整时段末水位的最大值和最小值，得到时段末水位的上限Zt+1，up，下限Zt+1，low，水库下一个时段的水位只有在该范围内选择才是可行的，可通过下述的确定性方法或随机方法选择一个水位值作为该时段末水位。
确定性方法各时段按同一个比例系数选择水位，末水位可用下述公式选取对给定的某α∈
，Zt+1＝Zt+1，low+α(Zt+1，up-Zt+1，low)，在产生众多初始可行解时，该比例系数可按从0到1的等差数列选取，数量越大越好，保证在极限情况及其众多中间情况下的水库水位运行策略都能得到选择；也可按不同比例系数选取，各时段的比例系数是变化的，可选择从计算期初到计算期末分时段按从0到1的比例系数，或按从1到0的比例系数，也可以各种中间状态的数据作为比例系数，如从0.5到1，或从0.2到0.8等。
随机方法各时段均在时段末水位的可选范围内随机选择一个介于0和1之间的比例系数，按下述公式求得时段末水位对α∈
，Zt+1＝Zt+1，low+α(Zt+1，up-Zt+1，low)；综合性方法确定性方法和随机方法相结合，部分时段用确定性方法确定，部分时段用随机方法确定。
5.水库优化调度的最优解的选择重复步骤4可以得到任意多条可行轨迹，计算每条轨迹的目标函数值，可以采用下述的方法进行最优解的选择
①从得到的所有可行轨迹中选择目标函数值最大者作为近似最优解；②选择目标函数值较好的几条轨迹作为离散微分动态规划(DDDP)的初始可行解，再进行可变离散步长的DDDP计算，得到更好的近似最优解，该法称为FS-DDDP方法；③以大量的可行轨迹作为遗传算法(GA)的初始群体，再进行GA运算，在GA运算中每一代的染色体在进行交叉、变异操作时要保证所得的新的染色体仍为可行解，得到更好的近似最优解，该法称为FS-GA方法。
本发明提供的水库优化调度的可行搜索方法，其具备为水库优化调度系统中的人机交互平台上的人机交互提供了应用中的用途。
在人机交互过程中，决策者可根据近似最优解的情况随时调整约束条件，重新计算；若问题无可行解，先由计算机在开始时判断，然后给出提示。
参考文献1.《水库优化调度方法研究分析》[1](崔瑞红、董增川等人)，由下述网站下载http://www.paper.edu.cn/process/download.jsp？file＝200605-1502.王少波，解建仓，孔珂，《自适应遗传算法在水库优化调度中的应用》[2]，水利学报，2006年4月3.徐宁，李春光，张健，虞厥邦，几种现代优化算法的比较研究，系统工程与电子技术，2002.124.李金屏，韩延彬，孙志胜，混沌优化算法的性能分析，小型微型计算机系统，2005.085.李崇浩，纪昌明，李文武，改进微粒群算法及其在水库优化调度中的应用，中国农村水利水电，2006年第2期
权利要求
1.一种水库优化调度的可行搜索方法，其特征在于所采集的数据均由计算机处理，构成适用于具复杂约束条件的单一水库优化调度，或水库群优化调度和水资源优化配置的水库优化调度的可行搜索方法，该方法采用包含下述步骤进行水库优化调度的可行搜索(1)正向递推水库水位运行轨迹可行范围按照给定水库的基础数据和各时段的综合利用及约束条件，由计算机推求从初始水位开始，按照本时段即第一时段要求的最大和最小下泄流量、最大和最小发电出力以及时段末最低和最高水位要求计算，结合水库此时的下泄能力和机组出力限制，得到第一时段末即第二时段初的水库可能达到的水位下限值，再以第一时段末即第二时段初的水库水位下限为基础，按照相同的方法计算第二时段末即第三时段初的水位下限值，直到计算期末为止，得出从计算期初开始的正向递推水库水位运行轨迹下限的可行范围，同理可以推出正向递推水库水位运行轨迹上限的可行范围；(2)逆向递推水库水位运行轨迹可行范围从计算期末水位开始，按照最末时段允许下泄的最小和最大流量、最小和最大发电出力以及时段初最低和最高水位要求，结合水库此时的下泄能力和机组出力限制，逆向计算，推求得到该时段初的水库可能的水位下限值，再以该时段初的水库可能的水位下限值为基础按照相同的方法推求前一时段的水位下限值，直到计算期初为止，得出从计算期末开始的逆向递推水库水位运行轨迹下限的可行范围，同理可得出逆向递推水库水位运行轨迹上限的可行范围；(3)水库水位运行轨迹最大可行范围的确定按照上述步骤得到的正向递推和逆向递推水库水位运行轨迹下限的可行范围，依据同时段取大的原则，得出从计算期初到计算期末的水库水位运行轨迹下限的最大可行范围，按照上述步骤得到的正向递推和逆向递推水库水位运行轨迹上限的可行范围，依据同时段取小的原则，得出从计算期初到计算期末的水库水位运行轨迹上限的最大可行范围；(4)水库水位运行可行轨迹的选取按照时段顺序，从第一时段初给定的水库水位开始，根据水库在该时段的最大和最小下泄流量、最大和最小发电出力以及时段末最低和最高水位要求计算，结合水库此时的下泄能力和机组出力限制，由计算机算出水库在时段末可能达到的水位最大值和最小值，若该值超出水库水位运行轨迹最大可行范围，则按最大可行范围调整时段末水位的最大值和最小值，得到时段末水库水位的上限和下限，在该范围内通过确定性方法或随机方法选择一个水位值作为该时段末水位，即第二时段初的水库水位，完成一个时段的计算，重复上述过程，直到计算时期末为止，这样就得到一条水库水位运行的可行轨迹；(5)水库优化调度的最优解的选择重复步骤(4)可以得到任意多条可行轨迹，计算每条轨迹的目标函数值，然后采用多种方法进行最优解的选择从得到的所有可行轨迹中直接选择目标函数值最大者作为近似最优解；将所求得的可行轨迹作为初始可行解，结合其它优化算法求近似最优解；其它优化算法包括与DDDP构成的FS-DDDP方法，与GA构成的FS-GA方法，DDDP是离散微分动态规划法，GA是遗传算法。
2.根据权利要求1所述的水库优化调度的可行搜索方法，其特征在于步骤(1)中，为保证水库水位在计算时段末达到设定的水位，采用逆向递推水库水位运行轨迹可行范围的方法。
3.根据权利要求1所述的水库优化调度的可行搜索方法，其特征在于综合各时段正向递推和逆向递推的结果，得出调度期水库水位运行轨迹最大可行范围。
4.根据权利要求1所述的水库优化调度的可行搜索方法，其特征在于步骤(1)的正向递推和步骤(2)的逆向递推过程中，根据水库的特征，尽可能地满足各种综合利用要求，若各种要求相互矛盾，则以水位、流量、出力的顺序由高到低确定优先级。
5.根据权利要求1所述的水库优化调度的可行搜索方法，其特征在于步骤(4)中，所得到的每条策略均为可行策略；各时段末水位在可选择的范围内进行选择时，采用了确定性方法和随机方法，以保证在边界情况下的水库水位运行策略得到选择，保证水库水位运行可行策略的多样性。
6.根据权利要求1所述的水库优化调度的可行搜索方法，其特征在于步骤(5)中采用组合方法获得水库水位可行轨迹的最优解，即FS-DDDP方法、FS-GA方法。
7.根据权利要求1所述的水库优化调度的可行搜索方法，其特征在于为水库优化调度系统中的人机交互平台上的人机交互提供了应用中的用途。
8.根据权利要求7所述的水库优化调度的可行搜索方法，其特征在于人机交互过程中，决策者可根据近似最优解的情况随时调整约束条件，重新计算；若问题无可行解，先由计算机在开始时判断，然后给出提示。
9.水库优化调度的可行搜索方法在进行单一水库优化调度应用中的用途，或水库群优化调度应用中的用途。
10.水库优化调度的可行搜索方法在进行水资源优化配置应用中的用途。
全文摘要
本发明是一种水库优化调度的可行搜索方法，即所采集的数据均由计算机处理，构成适用于具复杂约束条件的单一水库优化调度，或水库群优化调度和水资源优化配置的水库优化调度的可行搜索方法；该方法采用的步骤包含正向递推水库水位运行轨迹可行范围、逆向递推水库水位运行轨迹可行范围、水库水位运行轨迹最大可行范围的确定、水库水位运行可行轨迹的选取和水库优化调度的最优解的选择。本发明能够明确水库在调度期运行的可行轨迹范围；确保所得到的解均为可行解；便于人机交互，辅助决策者决策；本方法思路清晰、简单实用、且执行效率高，适用于具复杂约束条件的单一水库优化调度，也适用于水库群优化调度和水资源优化配置。
文档编号G06Q50/00GK1971601SQ20061012534
公开日2007年5月30日 申请日期2006年12月7日 优先权日2006年12月7日
发明者艾学山 申请人:武汉大学