论文部分内容阅读
随着经济的发展,大规模水库群、水电站逐步建成,水文数据平台逐步完善,水库及水电站调度开始从传统的人工调度转向智能优化调度。水库调度不仅涉及到防洪、灌溉、发电、供水等多种目标,还要统筹协调各个部门之间的综合需求和利益关系,因此是一个带有复杂约束条件的多目标决策问题。目前在水库、水电站调度决策的模型与方法基本上仍按一般的多目标决策问题处理,需要决策者自行根据当前具体情况从备选方案中选择合适的调度方案实施。本文提出了基于实时情况分类的水电站调度决策算法,首先,通过第二、三章提出的两种特征选择算法对水文、气象等数据进行特征选择筛选影响水库调度模式的关键因素;其次,在此基础上根据实时水文和气象等数据对当前调度时段进行调度决策选择,即根据实时情况调整侧重不同的调度目标,以提供更加智能和实时的水库调度决策支持;最后,对当前调度模型进行求解,得到调度方案。本文主要工作如下:(1)提出了一种基于蜻蜓算法和序列浮动后向选择算法的封装式特征选择算法(Dragonfly Algorithm-Partial Sequential Backward Floating Selection,DAPSBFS),在标准数据集上的实验结果表明,算法具有较高的分类精确度的同时也获得了较小的特征子集规模,将其用于筛选重要的水库参数、水文气象等重要特征。(2)针对DA-PSBFS算法较高的计算时间消耗的缺点,提出了一种基于互信息的过滤式方法和DA-PSBFS相结合的混合式特征选择算法HDA-PSBFS(Hybrid Dragonfly Algorithm-Partial Sequential Backward Floating Selection),与其他类似的混合式特征选择算法在标准数据集上的实验结果表明,算法能够具有较高的分类精确度,同时计算时间较少。(3)在基本蜻蜓算法中引入粒子群算法中个体和群体学习的思想以及遗传算法中变异的思想提出了单目标IDA(Improved Dragonfly Algorithm)算法,并将其用于求解三类防洪调度单目标模型。(4)以江西泸水河流域为例,应用第二三章提出的特征选择算法对该流域内水文、气象、各级水库参数、径流量、下游生态环境情况数据等各项数据进行特征选择分析找到影响该流域调度模式的重要特征,并将流域内梯级水库、水电站调度模式分为两大类-防洪和发电灌溉,其中防洪模式又根据洪水量级分为三小类,分别采用不同的调度模型应用所提出的IDA算法进行调度求解,发电灌溉则为水库群日常调度模式,建立了发电和生态两目标优化模型并对模型采用MOEA/D算法求解。