遗传算法在乌鲁瓦提水库优化调度中的应用研究

潘 婷,雷晓云,靳 ,李芳松

(新疆农业大学 水利与土木工程学院,新疆乌鲁木齐830052)

0 引 言

乌鲁瓦提水库是一个综合利用水库,它以往的调度方式是用常规调度方法调度的,该方法较为死板,不能很好的对水库进行调度。本文提出一种近几年较新的优化算法—遗传算法,并建立了以年发电量最大为目标兼顾下游其他用水目标的优化调度模型。该算法采用实数编码,在可行区域内进行全局搜索克服了传统优化算法容易误入局部最优的缺点。

1 乌鲁瓦提水库优化调度模型的建立

乌鲁瓦提水利枢纽工程位于新疆和田地区和田河西支流喀拉喀什河中游,多年平均流量69.5 m3/s,多年径流量 21.9×108m3[1],具有灌溉、防洪、发电、改善生态等综合效益,是该流域上唯一的控制性骨干工程[2]。水库正常蓄水位1 962 m,防洪限制水位1 959.5 m,死水位1 924 m。

从乌鲁瓦提水库的综合效益可以知道乌鲁瓦提水库调度是一个多目标问题,具体有防洪、生态保护、排沙、灌溉、发电这5个目标,本文将以水库的年发电量为目标,其他目标转化为约束条件建立模型。

1.1 目标函数

发电量越大越好目标

式中:E(t)为年发电量,单位:108kw·h,t=1,2…12月。

1.2 约束条件

1.2.1 水库调度水量平衡(状态转移方程)约束

式中:Vt+1为第t时段末即第t+1时段初水库库容,Vt为第t时段初水库库容,Qt为第t时段平均入库流量,qt为第t时段平均出库流量,dt为第t时段秒数。(因渗透及蒸发量所占比例很少,此处不考虑)t=1,2…12月。

1.2.2 灌溉供水流量约束

式中:W灌mint为第t时段灌溉供水流量下限值,W灌t为第t时段灌溉供水流量,W灌maxt为第t时段灌溉供水流量上限值。t=1,2…12月。

1.2.3 生态供水约束

式中:W生需为第t时段生态需水量,W生供为第t时段生态供水量。本水库的生态供水量为水库的弃水量。t=1,2…12月。

1.2.4 水位约束

式中:Ztmin为第t时段水库水位下限;Zt为第t时段水库水位;Ztmax为第 t时段水库水位上限。t=1,2…12月。

1.2.5 防洪约束

式中:qt为第t时段水库下泄流量,q安为第t时段下游允许安全下泄流量。t=6,7,8,9月。

1.2.6 水电站出力约束

式中:Nmin为水电站允许最小机组出力,即保证出力,Nt为水电站第t时段机组出力,Nmax为水电站允许最大机组出力,即装机容量。t=1,2…12月。

1.2.7 其他约束

2 遗传优化算法

遗传优化算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法[3～6]。本文采用VB6.0作为实现程序的工具,其算法设计如下:

(1)染色体编码:本文采用浮点编码方法进行编码。在浮点数编码方法中,必须保证基因值在给定的区间限制范围内搜索,本文计算时段区间范围取水库水位的最大值(Ztmax)和最小值(Ztmin)之间。同时运用如下线性变换:Zt=Ztmin+Xt(Ztmax-Ztmin)t=1,2…T,则将 Zt设到了[0,1]区间内。

(2)染色体适应度函数的确定:本文算法直接以目标函数作为适应度函数。以适应度函数计算每个染色体的适应值,作为进入下一代的评价值。

(3)染色体的选择:根据染色体适应值决定哪些染色体进入下一代的工作在这一步完成。本文采用轮盘选种方法,对染色体不断反复操作,直到选择到所需个数为止。

(4)交叉运算:遗传算法中的交叉运算,是指对两个相互配对的个体(染色体)按某种方式相互交换其部分基因,从而形成两个新的个体。本文采用单点交叉法进行交叉运算。

(5)变异运算:本文在研究中为减少运算量,并结合实际情况,选择了基本位变异和非均匀变异相结合的方法进行变异计算。算法流程图如图1。

图1 遗传算法流程图

水库遗传算法运行参数确定:

(1)各时段染色体搜索范围确定

本文以水库水位的最大值(Ztmax)和最小值(Ztmin)之间范围作为搜索控制区间。具体各时段取值范围见表1。

(2)遗传相关算法参数确定

遗传算法相关参数取值见表2。

表1 各时段水位搜索控制范围 单位:m

表2 遗传算法相关参数

3 水库调度计算

本文分别对乌鲁瓦提水库枯、平、丰(10%、50%、90%)三个设计代表年来水进行计算,资料统计如表3[7]。遗传算法优化调度结果见表4。常规算法调度结果见表5。

表3 设计代表年来水流量 单位:m3/s

表4 遗传算法优化调度结果

表5 常规算法调度结果

4 结论

采用遗传算法首次对乌鲁瓦提水库进行了优化调度,遗传算法调度结果平均发电量为2.85×108kw·h,常规调度为1.97×108kw·h。其发电量增加了0.88×108kw·h;遗传算法灌溉供水量为13.16×108m3,常规调度灌溉供水量12.24×108m3,其灌水量增加了0.92×108m3;同时也保证了生态供水以及其他用水要求,不会再出现顾此失彼生态目标无法完成现象。此次遗传算法能够提高水库发电量及灌溉供水量,比常规计算方法有较大进步,为进一步开展乌鲁瓦提水库水资源合理利用与管理提供了理论分析方法,具有推广价值。

[1] 李森,樊玉霞,李北辰.乌鲁瓦提水库调度运用和度汛方案[J].水利水电技术,2003,34(12):16-18.

[2] 王和平,杨树红.新疆乌鲁瓦提水利枢纽工程运行管理综述[J].新疆水利,2008,(5):1-3.

[3] 苑希民.神经网络和遗传算法在水科学领域的应用[M].北京:中国水利水电出版社,2002.

[4] 刘红玲,韩美.基于遗传算法的济南市水资源优化配置[J].资源开发与市场,2007,23(6):508-510.

[5] 陈玉芬.基于遗传算法的水库优化调度研究[D].陕西:西北农林科技大学,2006:1-45.

[6] 高增稳.遗传算法在水库长期优化调度中应用研究[D].云南:昆明理工大学,2007.

[7] 新疆水利水电勘测设计院.乌鲁瓦提水利枢纽工程初步设计报告[R].新疆:新疆水利厅,1992:39-87.