多功能水库调度的蚁群优化算法研究

提出了一种称为蚁群优化算法(ACO)的自然启发式(metaheuristic)技术,以便为多功能水库系统制定合理调度策略。大多数实际问题的解决方案往往涉及非线性优化,附带高维数和大量等式与不等式约束条件。传统技术往往不能得到全局性的最优解。最近提出的进化算法在解决诸多问题时也面临不少麻烦。研究的目的是测试ACO在解决此类问题上的有效性。为计算水库调度的ACO模型,提出按如下方式处理问题:考虑有限时间序列的入流,将水库库容划分一些等级区间,并按预定最优标准确定每一时段的水库泄水量。以印度希拉库德水库为例,对ACO的应用进行了分析。建立了应用于月调度的短期调度和长期调度模型。为了评价ACO,同样用实数编码遗传算法(GA)求解所建立的模型。两种模型的结果表明,与GA相比,ACO模型性能更好,其年度发电量更高,同时满足灌溉和防洪要求。最后得出ACO模型优于遗传模型,特别是在长期水库调度的情况下。