库群长期优化调度的正交逐步优化算法 Orthogonal Progressive Optimality Algorithm for long-term optimal operation of multi-reservoir system.pdfVIP

水 利 学 报 2014年8月 SHUILI XUEBAO 第45卷 第8期 文章编号：0559-9350（2014）08-0903-09 库群长期优化调度的正交逐步优化算法 1 1 1 2 冯仲恺 ，廖胜利 ，程春田 ，苏华英 （1. 大连理工大学 水电与水信息研究所，辽宁 大连 116023； 2. 贵州电网公司电力调度控制中心，贵州 贵阳 550000） 摘要：为解决逐步优化算法（POA）求解库群长期优化调度时存在的“维数灾”问题，结合正交试验设计方法提出了 正交逐步优化算法（OPOA），分别从阶段维、状态维和空间维进行降维求解。算法采用POA将多阶段决策问题分 解为若干两阶段子问题，以目标函数为试验指标，水库为试验因素，离散状态为因素水平，各子问题的优化求解 视为分别开展多次正交试验设计，通过逐次加密离散水库状态并构造“均衡分布、整齐可比”的状态集合进行计 算，直至获得最优解。乌江梯级水库长期优化调度结果表明，OPOA仅需POA耗时的28.4%即可获得全局最优 解，显著优于粒子群算法，是求解库群长期优化调度的有效算法。 关键字：正交试验；POA；库群；长期优化调度；降维 中图分类号：TV697 文献标识码：A doi：10.13243/ki.slxb.2014.08.003 1 研究背景 ［1］ 库群长期优化调度较常规调度可提高 1%~7 %的效益 ，对于我国特大流域梯级水电站群， 进一步研究科学高效的调度方法尤其具有重要的理论和实用价值。库群长期优化调度是一个大规 模、多约束、动态和非线性优化问题，随着系统计算规模的逐步扩大，求解难度越来越大。国内 ［2］ ［3］ ［4］ 外学者先后采用线性规划 、动态规划 、遗传算法 和粒子群算法（ParticleSwarmOptimization ， ［5］等对该问题进行求解。线性规划需对目标函数、约束条件和水库特性曲线（水位-库容曲 PSO） 线、尾水位-下泄流量曲线等）进行线性化处理，往往导致计算结果与原问题偏差较大。智能算法 采用随机寻优思想，解的稳定性和有效性难以保证，无法直接应用于实际生产。动态规划对目标 函数和约束条件没有严格的要求，不受线性、凸性甚至连续性的限制，可找到全局最优解，在库 群优化调度得到广泛应用，但是随着水库数目及计算时段的增加，问题规模急剧上升，动态规划 ［6-8］ 存在严重的“维数灾”问题 。 逐步优化算法（ProgressiveOptimalityAlgorithm，POA）作为动态规划的改进算法，将多阶段决策 问题分解为若干两阶段子问题，运算效率大幅提高，算法程序易于编制，在目标函数为凸函数时可 保证收敛至总体最优解，在库群联合优化调度中得到广泛应用［9-13］。然而，随着水库数目的增多， POA 仍会面临严重的“维数灾”问题。本文结合正交试验设计提出正交逐步优化算法（OrthogonalPro⁃ gressiveOptimalityAlgorithm，OPOA），可有效解决该问题。乌江梯级水库优化调度结果表明，OPOA 优化结果与POA相近，同时计算效率显著提高，是求解库群长期优化调度问题的有效算法。 收稿日期：2013-12-10 基金项目：国家863重大专项（2012AA050205）；国家自然科学基金资助项目 作者简介：冯仲恺（1988-），男，博士生，主要从事水电系统优化运行研究。E-mail：myfellow@163.com 通讯作者：程春田（1965-），男，教授，博士生导师，长江学者特聘教授，主要从事大规模复杂水电系统研究。 E-mail：ctcheng@ — 9