论文部分内容阅读
水库多目标优化调度在水资源开发与管理中发挥着至关重要的作用,其中双目标优化又是多目标优化的基础。因此,研究水库双目标优化调度具有重要的意义和实用价值。本文针对双目标优化问题展开研究,提出了一种新型优化算法——双目标狮群算法(LPA),验证了 LPA算法在解决双目标优化问题上的有效性,并在西江流域水库中长期双目标优化调度中应用,获得了满意结果。本文取得的主要研究成果如下:(1)针对NSGA-Ⅱ算法个体评价指标存在的不足,并参考野生狮群的社会结构,提出了一种基于NSGA-Ⅱ算法框架的新型双目标优化算法——LPA算法。在ZDT测试问题中,LPA算法在收敛性和多样性上均优于NSGA-Ⅱ算法,且其运行速度约为NSGA-Ⅱ算法的2至4倍;在具有尖峰和长尾Pareto最优前沿面(Pareto-optimal front,POF)的复杂双目标优化问题中,将LPA算法与NSGA-Ⅱ、NSGA-Ⅲ和MOEA/D算法比较,结果表明LPA算法的表现依然稳定,其非支配前沿面能够很好地收敛到整个POF附近。(2)由于斜率指标在非支配关系判断上存在局限性,相比于NSGA-Ⅱ算法,LPA算法非支配解比例略有降低。但是在ZDT测试问题以及西江水库优化调度问题中,LPA算法非支配解比例的降低幅度仅在0.05%至2.24%之间,说明该局限性对LPA算法性能的不利影响较小。(3)设置了 6种水库调度情景,建立了西江流域水库中长期双目标优化调度模型,分别采用LPA与NSGA-Ⅱ算法求解了模型,获得了 6种情景下的水库优化调度结果,并与模拟调度结果比较分析,结果表明:双目标优化调度同时提高了水库系统的年发电量和最小月出力,为决策者提供了丰富的最优方案集;LPA算法比NSGA-Ⅱ算法可缩短模型运行时间10%至28%,且其所得最优方案集也比NSGA-Ⅱ算法的更好。(4)以梯级水库发电调度为例,分析了单目标调度方案与双目标调度方案的异同,结果表明:考虑年发电量最大化和最小月出力最大化的双目标调度方案,与仅考虑年发电量最大化的单目标调度方案相比,二者所得梯级系统年发电量非常接近,但双目标调度方案又提高了梯级系统的最小月出力,使得出力过程更加平稳,有利于电力系统的稳定。