不确定环境下水电系统多维优化理论和应用

论文摘要

水电系统中的预报和调度中涉及大量优化问题，这些优化问题通常具有多维、不确定等特征。如何根据问题的特点研究具有实际应用价值的计算方法，对于水电系统经济、高效的运行具有重要意义。水电站水库（群）优化调度和水文模型参数优选是水文水资源领域两类重要而具有代表性意义的优化问题，本文从这两类问题入手，对这类常见的受到不确定因素影响的多维数优化问题进行了研究。主要成果概述如下： （1）通常采用的参数率定方法中采用的单目标难以全面的评价模拟数据和观测数据的差异。针对这一问题，本文提出新安江模型参数率定的多目标单纯多边形进化算法（Shuffied Complex Evolution，SCE-UA）和遗传算法（Genetic Algorithms，Gas），并在连续径流模拟和场次洪水模拟两种环境下实现。在连续模拟时，以常用的统计指标间合适的组合作为优化率定的目标。在场次洪水模拟时，从实际应用出发，采用洪峰流量、峰现时间和洪水总量的合格率作为评价目标。结果表明本章采用多目标SCE-UA和遗传算法较好地处理了参数率定中的目标不确定问题，在率定计算中具有较好的效率和稳定性。 （2）水文模型参数的率定是一项计算量大，比较耗时的工作，如何提高率定的效率与质量非常重要。考虑到GA和SCE-UA等许多全局优化方法具有内在的并行性，本文提出了新安江模型参数率定的并行GA和分布式SCE-UA算法。算法的核心是在集群条件下将GA与SCE-UA并行化以提高参数率定效率，算法采用JAVA语言编程，利用JPVM技术实现微机集群的并行处理。实例结果表明采用并行算法可以大大提高参数率定的速度和质量，特别是多种群的并行遗传算法由于迁移的引入可以进一步提高效率，缓解过早收敛问题。 （3）针对水文模型参数和模型评价指标的双重不确定性，本文提出结合模糊优选方法的普适似然不确定估计（Generalized Likelihood Uncertainty Estimation，GLUE）新安江模型不确定分析方法。该方法以多目标模糊优选中的优属度作为似然判据估计各参数的敏感性以及径流模拟的不确定性范围。模糊优选GLUE方法应用于双牌流域，并与以不确定系数为似然判据的连续模拟情况比较。结果表明，该方法对于多目标似然判据的不确定估计问题是可行的。三水源新安江模型参数的不确定性在场次洪水模拟中更为突出，这也带来模拟结果的不确定性。研究模型的不确定性对于水文预报模型的选择、模型参数的率定以及预报调度的风险分析具有一定的实际意义和应用前景。 （4）针对状态离散和水文信息随机描述的缺陷所带来的不确定性，提出了一种水电站水库调度的模糊随机动态规划（Fuzzy Stochastic Dynamic Programming，FSDP）方法，该方法考虑了调度中模糊性和随机性两种不确定性。将库容、入库流量作为模糊变

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景和研究意义
• 1.2 水文模型优化率定及不确定性分析方法研究综述
• 1.2.1 水文模型优化率定研究进展
• 1.2.2 水文模型不确定性分析研究进展
• 1.3 水电站（群）优化调度研究综述
• 1.3.1 水电站水库（群）优化调度常规算法
• 1.3.2 水电站水库（群）优化调度智能算法
• 1.4 本文主要研究内容
• 2 水文模型参数多目标优化率定的 SCE-UA算法和遗传算法
• 2.1 引言
• 2.2 三水源新安江模型及其参数
• 2.3 参数率定算法
• 2.3.1 SCE-UA算法
• 2.3.2 遗传算法
• 2.4 多目标模糊优选
• 2.5 连续降雨径流模拟情况下的参数率定
• 2.5.1 优化率定目标函数
• 2.5.2 应用实例
• 2.6 水文事件模拟情况下的参数率定
• 2.6.1 优化目标
• 2.6.2 应用实例
• 2.7 结论
• 3 水文模型参数优化率定的并行进化算法
• 3.1 引言
• 3.2 集群计算技术简介
• 3.3 基于并行遗传算法的新安江模型参数率定方法
• 3.3.1 并行遗传算法
• 3.3.2 粗粒度并行遗传算法实现模型
• 3.4 新安江模型参数率定的并行 SCE-UA算法
• 3.5 应用和结果
• 3.6 结论
• 4 新安江模型参数的模糊优选 GLUE不确定性分析方法
• 4.1 引言
• 4.2 水文模型不确定性分析方法
• 4.2.1 贝叶斯理论
• 4.2.2 BaRE方法
• 4.2.3 马尔可夫链蒙特卡罗方法
• 4.2.4 GLUE方法
• 4.2.5 其他水文模型不确定性分析方法
• 4.3 新安江模型的 GLUE不确定性分析
• 4.3.1 连续模拟情况下的不确定性分析
• 4.3.2 场次洪水模拟情况下的模糊优选不确定性分析
• 4.4 结论
• 5 水电站水库调度的模糊随机动态规划方法
• 5.1 引言
• 5.2 不确定优化
• 5.3 随机动态规划法
• 5.3.1 水电站水库调度随机动态规划模型
• 5.3.2 模拟调度计算程序
• 5.4 水电站水库模糊随机动态规划（FSDP）
• 5.4.1 库容和入库流量的模糊变量表示
• 5.4.2 模糊概率理论
• 5.4.3 水电站调度的模糊随机动态规划模型
• 5.4.4 模拟调度计算程序
• 5.5 应用实例
• 5.5.1 基本资料
• 5.5.2 模拟调度计算结果
• 5.6 结论
• 6 水电站群优化调度的两阶段粒子群算法
• 6.1 引言
• 6.2 群体智能和粒子群优化算法
• 6.2.1 群体智能简介
• 6.2.2 粒子群优化算法简介
• 6.3 水电站群优化调度的两阶段粒子群优化算法
• 6.3.1 水电站群优化调度数学模型
• 6.3.2 两阶段粒子群优化算法的求解过程
• 6.4 应用实例
• 6.4.1 基本资料
• 6.4.2 应用结果
• 6.4.3 算法性能分析
• 6.5 结论
• 7 总结与展望
• 7.1 全文总结
• 7.2 展望
• 参考文献
• 创新点摘要
• 作者在攻读博士学位期间参加课题和发表论文情况
• Ⅰ 参加课题
• Ⅱ 发表论文
• 致谢
• 大连理工大学学位论文版权使用授权书