水库优化调度新方法研究

论文摘要

随着我国经济建设的迅速发展,大规模的水电站水库群逐渐形成,对其进行综合调度与运行管理变的越来越复杂,其地位和作用也越来越突出。本论文系统地介绍了水库调度的研究现状与发展趋势,将宏观系统方法论引入到水库调度问题中,探讨了水库综合利用的多种目标之间如何形成统一的、一体化的调度模式,研究了确定型水库优化调度以及随机型水库优化调度的新方法,并采用数据挖掘算法提取了水库调度规则。论文主要取得了以下成果:1.引入物理-事理-人理（WSR）系统方法论,系统分析了水库调度的WSR过程,并分别以发电、防洪为主要目标探讨了WSR的具体应用过程,重点体现了人的参与过程和协调作用。首次将物理-事理-人理（WSR）宏观系统方法论引入到水库调度问题中,是一种观念上的创新,有利于解决水库调度过程中可能出现的矛盾冲突现象,协调各种利益关系,以最终形成统一的、一体化的水库调度模式。2.群体智能算法具有并行化、鲁棒性强、正反馈等优点,本论文将改进的蚁群算法和粒子群算法两种随机启发式搜索算法引入到确定型水库优化调度问题中,应用局部搜索和全局搜索相结合的机制优化路径,提高了算法的搜索效率,容易找到全局最优解,避免了求解确定性问题时出现的“维数灾”问题。3.考虑到水库调度在很大程度上依赖于未来的径流情势,但目前对未来径流尚无法准确预知,因此,确定型水库优化调度不可避免地具有一定的局限性。本论文以序列运算理论为基础,从数学的角度推导出水库随机调度的序列化过程,建立了水库随机调度的序列运算理论。提出了水库随机调度过程中各变量的序列化方法,通过使用各变量对应的概率性序列进行卷和、卷差、交积等运算,完成系统内各水库资源-需求的加载过程,即水库水量平衡过程,指出了算法中各种运算结果的期望值所代表的明确物理意义,该理论将成为水库随机优化调度的基础性工具。4.以水库随机调度的序列运算理论为基础,提出应用遗传算法进行随机型水库优化调度的求解,为水库随机优化调度提供了一种全新的思路,有助于缓解水库随机调度中存在的“维数灾”问题。5.以关中灌区某供水水库为例,研究了应用数据挖掘方法提取水库调度规则的新算法。通过将供水水库调度规则概化为几种模式,从而将传统推求水库调度规则的问题转化为一个模式关系的数据挖掘问题。主要选取调度时段、入流、水库蓄水量、水文年型以及需水5个特征属性作为下一步数据挖掘的基本数据集,采用决策树算法进行了数据挖掘计算,并与传统的线性回归获得的调度函数结果进行了比较分析。结果表明数据挖掘方法用于水库调度规则的提取是合理有效的,其准确率更高。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究的目的意义
• 1.2 国内外研究现状
• 1.2.1 水库调度分类
• 1.2.2 水库优化调度研究综述
• 1.2.3 水库模拟调度研究综述
• 1.2.4 水库优化调度方法介绍
• 1.3 水库调度存在的主要问题及发展趋势
• 1.3.1 存在的主要问题
• 1.3.2 发展趋势
• 1.4 研究的主要内容
• 1.5 研究的技术路线
• 1.6 主要创新点
• 2 水库调度的物理-事理-人理（WSR）分析
• 2.1 物理-事理-人理系统方法论（WSR）简介
• 2.1.1 WSR 的基本概念
• 2.1.2 物理、事理、人理之间的关系
• 2.2 水库调度的WSR 分析
• 2.3 水库调度的WSR 应用
• 2.3.1 以发电为主要目标
• 2.3.2 以防洪为主要目标
• 2.4 本章小结
• 3 确定型水库优化调度的群体智能算法研究
• 3.1 水库优化调度的蚁群算法研究
• 3.1.1 蚁群优化算法（Ant Colony Optimization）
• 3.1.2 ACO 与GA 比较
• 3.1.3 改进蚁群算法
• 3.1.4 ACS 在水库优化调度中的应用
• 3.2 水库优化调度的粒子群算法研究
• 3.2.1 粒子群优化算法（Particle Swarm Optimization）
• 3.2.2 PSO 与GA 比较
• 3.2.3 改进粒子群算法
• 3.2.4 改进PSO 在水库优化调度中的应用
• 3.3 实例研究
• 3.3.1 乌江梯级水电站水库概况及基本资料
• 3.3.2 实例分析
• 3.4 本章小结
• 4 随机型水库优化调度的序列运算理论研究
• 4.1 引言
• 4.2 序列运算理论
• 4.2.1 序列的基本概念
• 4.2.2 序列的派生运算及其性质
• 4.2.3 特殊的序列――单位序列及其性质
• 4.2.4 序列的原点矩与投影度
• 4.3 概率性序列派生运算的状态空间分析
• 4.3.1 概率性序列
• 4.3.2 概率性序列派生运算的状态空间描述
• 4.3.3 四种典型子空间
• 4.4 水库随机调度的序列运算理论
• 4.4.1 序列运算理论的应用背景
• 4.4.2 基本概念与定义
• 4.4.3 概率性序列派生运算在水库随机调度过程中的物理意义
• 4.4.4 概率性序列的期望值理论
• 4.4.5 水库随机调度序列运算理论
• 4.5 基于GA 的水库随机优化调度序列化算法
• 4.5.1 基于GA 的水库随机优化调度序列化算法求解
• 4.5.2 实例分析
• 4.6 本章小结
• 5 基于数据挖掘的水库调度规则研究
• 5.1 水库调度规则研究与数据挖掘方法
• 5.2 基于决策树算法的水库调度规则研究
• 5.2.1 决策树（Decision Tree）算法简介
• 5.2.2 基于决策树算法的水库调度规则提取
• 5.2.3 算例
• 5.3 基于线性回归提取水库调度规则
• 5.4 结果比较
• 5.5 本章小结
• 6 结论与建议
• 6.1 结论
• 6.2 建议
• 致谢
• 参考文献
• 附录
• 一. 在校学习期间发表的论文
• 二. 参与科研课题
• 三. 社会实践
• 四. 获奖