欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2020114990869
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种考虑多不确定性的水库灌溉优化调度方法,其特征在于,包括以下步骤:步骤1:构建考虑时空拓扑关系的降雨不确定性与径流不确定性的初始场景;

步骤2:采用基于概率测度的场景缩减准则对初始化场景进行缩减;

步骤3:建立考虑缩减场景的水库灌溉优化调度模型;

步骤4:采用岛群优化算法对步骤3中的模型进行求解,根据计算结果对灌溉供水进行调度。

2.根据权利要求1所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,步骤

1还包括如下步骤:

步骤1.1:不确定性值域空间的最优化离散:以不确定性值域空间为离散化对象,采用拉丁超立方体抽样方法从各个不确定因素的概率分布中抽样,调整离散的网格划分方式及尺度,均衡离散计算效率和精度,得到不确定性值空间的离散场景;

步骤1.2:时序化场景构建:根据得到的离散场景采用混沌Logistic映射生成混沌数列,并将混沌数列中的映射值按序列进行划分,结合混沌序列与不确定性值域空间的离散场景,在时间尺度上,将所有时段所抽取的点组合起来得到:降雨量F=[F1,F2,F3,F4..,Fi]与上游来水Q=[Q1,Q2,Q3,Q4..,Qi],由此生成初始化场景集S,其中,Fi表示第i个时段的降雨量,Qi表示第i个时段的上游来水量。

3.根据权利要求2所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,步骤

1.1具体为:在每个时段i上分成互不重叠的m个区间,使得每个区间具有相同的概率,在每个时段的每一个区间中随机抽取一点,形成每个时段的离散场景。

4.根据权利要求2所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,场景集S包含的场景数为W,场景数W的取值范围为[1000,10000]。

5.根据权利要求2所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,混沌序列根据混沌的映射值划分为5档,当映射值∈[0,0.2]时,混沌序列为1;当映射值∈[0.2,

0.4],混沌序列为2;当映射值∈[0.4,0.6],混沌序列为3;当映射值∈[0.6,0.8],混沌序列为4;当映射值∈[0.8,1],混沌序列为5;根据混沌序列找出离散场景中对应的数值并根据该数值在时间尺度上生成相应的场景集。

6.根据权利要求1所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,步骤

2还包括如下子步骤:

步骤2.1:基于概率测度的场景缩减准则,采用Kantorovich距离表示场景之间的概率距离,场景Si和Sj之间的欧式距离为Cp(Si,Sj),因此场景间的距离可以表示为:基于概率测度的场景缩减方法表示为:

其中,J为被消去的场景集合;

步骤2.2:采用k‑means算法进行场景聚类,以实现场景的缩减。

7.根据权利要求6所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,步骤

2.2还包括如下子步骤:

步骤2.2.1:随机选取k个场景作为聚类,把每个场景分配给距离它最近的聚类场景;

步骤2.2.2:对每个聚类选取新的中心,新中心为到聚类中其他场景的距离之和最小的场景;

步骤2.2.3:缩减计算,并判断每个新中心与上一次的中心是否相同,如果是,则输出所有中心场景,如果否则跳转到步骤2.2.1,并以新中心为场景聚类中心。

8.根据权利要求1所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,步骤

3还包括如下子步骤:

灌溉不确定性目标函数分析:主要考虑降雨不确定性对灌溉需水的影响,考虑不确定性降雨量因素,以缺水率最小为目标,建立不确定性灌溉调度缺水量最小目标函数为:Di,n为第n个灌区在i时段的供水,Wi,n为在第n个灌区在i时段的灌区灌溉需水量,N(Ri,n,σi,n)为第n个灌区在i时段服从一定概率分布的降雨量Ri,n为降雨量均值参数,σi,n为方差参数,一般采用正态分布,Si,n为第n个灌区在i时段土壤含水量。

9.根据权利要求1所述的考虑多不确定性的水库灌溉优化调度模型求解方法,其特征在于,步骤4还包括如下子步骤:

步骤4.1:初始化水库灌溉供水流量Xi=[x1,i,x2,i,x3,i,x4,i..,xn,i]其中xn,i为第i个个体在第n个时段的流量,个体数为Q,初始化方式采用在定义域内随机生成,初始化代数计数变量t及岛群操作计数变量fl为0,初始化最大进化代数MaxT;

步骤4.2:产生服从步骤3中正态分布N(Ri,n,σi,n)的随机产生值序列N=[N1,i,N2,i,N3,i,N4,i..,Nn,i],其中,Ri,n为第n个灌区在i时段降雨量预测均值,σi,n为第n个灌区在i时段降雨量预测方差,Nj,i为根据预测均值及方差参数按正态分布随机生成的,并计算序列与步骤2中缩减后场景集Dk1(Ω,Ω′)中最近似的场景,以该场景作为优化的条件;

步骤4.3:采用步骤3中的模型计算每个个体适应度值,并对个体进行随机分群成N个,采用排序算法找出每个分群中的最优个体,并在每个分群中采用截断算法选取最优的M个个体,然后计算每个分群中选取的个体的均值Mt与方差σt;

步骤4.4:采用分布估计算法对每个分群进行进化搜索操作,采用每个分群的均值Mt与方差σ,利用正态分布函数生成每个分群的下一代个体,并计算新个体适应度值;

步骤4.5:判断岛群操作计数变量fl是否到达岛群优化的条件,如果是,跳转步骤4.6,如果否,则跳转步骤4.7;

步骤4.6:随机选取两个分群的最优解进行比较,以适应度值较优的个体替代适应度值较差的个体,总共抽取N对进行比较,fl清零;

步骤4.7:判断是否进化代数计数t是否达到MaxT最大设置值,如果是则算法停止输出群体中最优个体;否则令t=t+1,fl=fl+1,且跳转到步骤4.4。

10.根据权利要求9所述的考虑多不确定性的水库灌溉优化调度方法,其特征在于,初始化最大进化代数MaxT取值范围为[200,1000]。