一种基于改进鲸鱼算法的水库群优化调度方法及系统

本发明属于水库调度相关，更具体地，涉及一种基于改进鲸鱼算法的水库群优化调度方法及系统。

背景技术：

1、水库群优化调度作为一项复杂的大规模、多阶段、非线性优化难题，其特性在于决策变量维度高、电站间约束错综复杂以及动态关联性显著，这使得梯级水库群优化调度的求解成为一项极具挑战性的任务。传统的水库群优化调度求解方法有线性与非线性规划、动态规划、逐步优化算法等，这些方法虽在单库优化调度中展现出一定成效，但面对大规模梯级水库系统时，往往受限于计算资源的高额消耗及“维数灾”瓶颈，难以有效应对。近年来，新兴的智能计算方法具有无梯度信息、原理简单、计算高效的优势，这些算法包括模拟群体觅食行为的群智能仿生类算法、模拟自然选择进化的遗传进化算法、模拟物理原理的智能算法等，已被广泛引入并应用于水库群调度实践中。

2、尽管群智能仿生类优化算法在水库优化调度领域已取得显著进展，诸如粒子群算法、蚁群优化算法、灰狼优化算法等经典算法被广泛采用，但现有方法仍面临精度不足、收敛速度受限及易陷入局部最优等技术瓶颈。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供了一种基于改进鲸鱼算法的水库群优化调度方法及系统，解决了现有群智能仿生类优化算法在水库优化调度领域仍面临精度不足、收敛速度受限及易陷入局部最优等技术瓶颈的问题，以更高效地解决求解水库优化调度模型的问题。

2、为实现上述目的，按照本发明的第一方面，提供了一种基于改进鲸鱼算法的水库群优化调度方法，包括：

3、s1，建立水库群优化调度模型，其中，模型的目标函数为调度期内水库群的总发电量最大，约束条件包括水库群中各水库的流量约束、出力约束、水位约束、水量平衡约束、水位变幅约束以及流量变幅约束；

4、s2，采用改进鲸鱼算法求解水库群优化调度模型，获取最优调度方案；

5、其中，s2具体包括：

6、s21，设置算法参数，算法参数包括种群大小、个体维度以及最大迭代次数，并初始化种群，种群中个体的适应度为目标函数的值，个体的决策变量为水库群的水位过程，决策变量满足s1中的约束条件；

7、s22，引入自适应概率临界值 p1和随机概率 p， p1是[0，1]之间与迭代次数相关的量，随着迭代次数的增加 p1逐渐减小， p是[0，1]之间的随机数，判断 p≤ p1是否成立，若成立则根据鲸鱼算法中的包围捕食方式或随机搜索方式对种群进行优化更新，若不成立则根据鲸鱼算法中的螺旋行进方式对种群进行优化更新；

8、s23，判断是否达到最大迭代次数，若未达到，则增加迭代次数返回s22，若达到，则输出全局最优解为最优水库群优化调度方案。

9、根据本发明提供的基于改进鲸鱼算法的水库群优化调度方法，s21中初始化种群具体包括：

10、根据立方混沌映射方法生成立方混沌阵列，立方混沌阵列的规模与种群的规模一致；将立方混沌阵列中的个体值映射到决策变量的取值空间中，得到初始种群。

11、根据本发明提供的基于改进鲸鱼算法的水库群优化调度方法，s22中自适应概率临界值 p1具体为：

12、 ；

13、其中， m为当前迭代次数，为最大迭代次数。

14、根据本发明提供的基于改进鲸鱼算法的水库群优化调度方法，s22中根据鲸鱼算法中的包围捕食方式或随机搜索方式对种群进行优化更新，具体包括：

15、进一步判断系数向量是否成立，若成立，则根据鲸鱼算法中的包围捕食方式对种群进行优化更新，若不成立，则根据鲸鱼算法中的随机搜索方式对种群进行优化更新，其中：

16、 ；

17、 ；

18、其中，