楊 旭,徐淑琴,孟凡香

(1.東北農(nóng)業(yè)大學(xué) 水利與建筑學(xué)院,哈爾濱 150030;2.黑龍江大學(xué) 應(yīng)用技術(shù)學(xué)院,哈爾濱 150080)

1 水庫(kù)優(yōu)化調(diào)度的進(jìn)展

水資源開(kāi)發(fā)利用的歷史悠久,可以說(shuō)有水庫(kù)出現(xiàn)就有水庫(kù)調(diào)度,但應(yīng)用系統(tǒng)分析理論與方法,研究和解決水資源開(kāi)發(fā)利用問(wèn)題包括水庫(kù)調(diào)度問(wèn)題,始于20世紀(jì)50、60年代。國(guó)外最早是 1946年,美國(guó)學(xué)者M(jìn)oses最早將優(yōu)化概念引入單一水庫(kù)調(diào)度[1];國(guó)內(nèi)最早是1963年譚維炎、黃守信等根據(jù)動(dòng)態(tài)規(guī)劃與Markov過(guò)程理論,建立了一個(gè)長(zhǎng)期調(diào)節(jié)水電站水庫(kù)的優(yōu)化調(diào)度模型[2],并在獅子灘水電站的優(yōu)化調(diào)度中得到應(yīng)用[3]。從發(fā)揮水庫(kù)經(jīng)濟(jì)社會(huì)效益出發(fā),探討如何實(shí)現(xiàn)水庫(kù)綜合利用效益最佳,包括防洪、發(fā)電、灌溉、供水及航運(yùn)等效益最佳,國(guó)內(nèi)外進(jìn)行了大量研究工作并應(yīng)用于實(shí)踐,建立了隨機(jī)性優(yōu)化調(diào)度、確定性優(yōu)化調(diào)度、最優(yōu)控制、多目標(biāo)優(yōu)化調(diào)度等多種模型,提出了動(dòng)態(tài)規(guī)劃、非線性規(guī)劃、網(wǎng)絡(luò)流規(guī)劃算法、大系統(tǒng)分解協(xié)調(diào)方法等單目標(biāo)優(yōu)化方法,和權(quán)重法、約束擾動(dòng)法、多目標(biāo)線性規(guī)劃法、多目標(biāo)動(dòng)態(tài)規(guī)劃法、均衡規(guī)劃法、目的規(guī)劃法等多目標(biāo)優(yōu)化方法,最近又發(fā)展了遺傳進(jìn)化算法、神經(jīng)網(wǎng)絡(luò)方法及微粒群(PSO)方法、蟻群算法(ACO)等方法,形成了水庫(kù)調(diào)度的智能(仿生)優(yōu)化方法。

1.1 遺傳算法

遺傳算法(GA)是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過(guò)程而形成的一種自適應(yīng)全局優(yōu)化搜索算法[4],最初由美國(guó)密歇根大學(xué)的John Holland教授于1962年提出的[5-6]。20世紀(jì)80年代由Goldberg對(duì)20世紀(jì)70年代DeJong基于遺傳算法的思想在計(jì)算機(jī)上進(jìn)行了大量的純數(shù)值函數(shù)的優(yōu)化計(jì)算實(shí)驗(yàn)進(jìn)行了歸納總結(jié),形成了遺傳算法的基本框架[7]。遺傳算法屬于自適應(yīng)概率搜索技術(shù),其選擇、交叉和變異等運(yùn)算都以一種概率方式進(jìn)行,因而增加了搜索的靈活性,具有廣泛的應(yīng)用價(jià)值。我國(guó)采用GA求解確定性入流下單目標(biāo)水電站水庫(kù)年優(yōu)化調(diào)度問(wèn)題最早在1996年,之后又用于求解梯級(jí)水電站日優(yōu)化運(yùn)行問(wèn)題,根據(jù)水庫(kù)調(diào)度多目標(biāo)要求提出了多目標(biāo)GA,并應(yīng)用于水庫(kù)群優(yōu)化調(diào)度問(wèn)題[8-11]?，F(xiàn)有求解的調(diào)度問(wèn)題多數(shù)為年調(diào)度問(wèn)題。如果當(dāng)GA應(yīng)用于多年調(diào)度問(wèn)題時(shí),計(jì)算效果和效率均有待進(jìn)一步改進(jìn)。

1.2 蟻群算法

蟻群算法(ACO)也稱螞蟻算法,最早是由意大利學(xué)者M(jìn).Dorigo根據(jù)螞蟻覓食原理在20世紀(jì)90年代設(shè)計(jì)出的一種群體智能算法[11]。在解決旅行商問(wèn)題、二次分配問(wèn)題、車間調(diào)度問(wèn)題、車輛路線等組合優(yōu)化問(wèn)題時(shí)取得了一系列較好的實(shí)驗(yàn)結(jié)果[12-14]。近些年,蟻群算法的應(yīng)用也逐漸擴(kuò)展到了水資源領(lǐng)域。Abbaspour等人2001年把蟻群算法應(yīng)用到估算非飽和土的水力參數(shù)中[15];Maier在2003年又把蟻群算法應(yīng)用到配水系統(tǒng)優(yōu)化設(shè)計(jì)中,并獲得了配水系統(tǒng)的近似全局最優(yōu)解,并指出蟻群算法能代替遺傳算法用于配水系統(tǒng)的優(yōu)化設(shè)計(jì)[16]。而在我國(guó),徐剛等人在2005年把蟻群算法應(yīng)用到梯級(jí)水電站水庫(kù)群優(yōu)化調(diào)度中[17]。

1.3 粒子群算法

粒子群優(yōu)化算法(PSO)是最早由美國(guó)社會(huì)心理學(xué)家James Kennedy和電氣工程師 Russell Eberhartg在1995年提出的,其基本思想是起源于對(duì)鳥(niǎo)類捕食行為的研究的啟發(fā)[18]。粒子群算法[19-22]與遺傳算法相類似,同樣采用了“群體”與“進(jìn)化”的概念,也是根據(jù)個(gè)體的適應(yīng)值大小進(jìn)行操作。所不同的是PSO算法的進(jìn)化過(guò)程是一個(gè)自適應(yīng)的過(guò)程,粒子的位置代表被優(yōu)化問(wèn)題在搜索空間中的潛在解,粒子們追隨當(dāng)前的最優(yōu)粒子在解空間搜索。PSO初始化為一群隨機(jī)粒子,然后通過(guò)迭代來(lái)找到最優(yōu)解。在每一次迭代中,粒子通過(guò)跟蹤兩個(gè)“極值”來(lái)更新自己。一方面就是個(gè)體極值,即粒子本身所找到的最優(yōu)解;另一方面就是全局極值,即整個(gè)粒子群體目前找到的最優(yōu)解。針對(duì)該算法的特點(diǎn),粒子群算法已經(jīng)被馬西霞等人在2006年和張雙虎等人在2007年成功地應(yīng)用于水庫(kù)優(yōu)化調(diào)度問(wèn)題中[23-24]。

1.4 人工神經(jīng)網(wǎng)絡(luò)方法

人工神經(jīng)網(wǎng)絡(luò)(ANN)是通過(guò)數(shù)學(xué)方法對(duì)人腦若干基本特性進(jìn)行抽象和模擬,是一種模仿人腦結(jié)構(gòu)及其功能的非線性信息處理系統(tǒng)[25],以生物神經(jīng)網(wǎng)絡(luò)為模擬模型,具有自學(xué)習(xí)、自適應(yīng)、自組織、高度非線性和并行處理等優(yōu)點(diǎn)。在水庫(kù)調(diào)度領(lǐng)域應(yīng)用較多的是多層前饋網(wǎng)絡(luò)與Hopfield網(wǎng)絡(luò)。利用前饋神經(jīng)網(wǎng)絡(luò)可進(jìn)行徑流中長(zhǎng)期分級(jí)預(yù)報(bào),提取水庫(kù)群優(yōu)化調(diào)度函數(shù)等工作。Hopfield網(wǎng)絡(luò)模型則在求解優(yōu)化問(wèn)題方面獲得成功,如水庫(kù)群長(zhǎng)期、短期優(yōu)化調(diào)度問(wèn)題。胡鐵松、萬(wàn)永華等1995年提出了水庫(kù)群優(yōu)化調(diào)度函數(shù)的人工神經(jīng)網(wǎng)絡(luò)方法,利用Hopfield連續(xù)模型建立了混聯(lián)水庫(kù)群優(yōu)化調(diào)度的神經(jīng)網(wǎng)絡(luò)模型,以水庫(kù)群優(yōu)化運(yùn)行策略作為BP網(wǎng)絡(luò)的訓(xùn)練樣本,通過(guò)BP網(wǎng)絡(luò)對(duì)樣本的學(xué)習(xí)得到水庫(kù)群優(yōu)化調(diào)度函數(shù)[26]。GaoHong等人1998年利用 Hopfield連續(xù)模型建立了計(jì)算水電站補(bǔ)償效益的模型,結(jié)果發(fā)現(xiàn),在實(shí)際應(yīng)用中能獲得滿意的結(jié)果[27]。傅巧萍等人又在1998年建立了水電站最優(yōu)調(diào)度函數(shù),確定了水庫(kù)最優(yōu)余留效益函數(shù)的神經(jīng)元網(wǎng)絡(luò)方法[28]。

應(yīng)該說(shuō),各種水庫(kù)調(diào)度優(yōu)化方法各具優(yōu)缺點(diǎn)。由于水庫(kù)優(yōu)化調(diào)度往往存在多目標(biāo)、多約束等問(wèn)題,所以在解決實(shí)際調(diào)度問(wèn)題時(shí),應(yīng)考慮綜合運(yùn)用以上一種或幾種方法,應(yīng)注重多種優(yōu)化方法組合模型的研究。

2 水庫(kù)優(yōu)化調(diào)度存在的主要問(wèn)題

水庫(kù)優(yōu)化調(diào)度,特別是綜合利用水庫(kù)的優(yōu)化調(diào)度問(wèn)題,雖然在國(guó)內(nèi)外已有幾十年的研究歷史了,取得了很多的研究成果,但在實(shí)際應(yīng)用中還存在著相當(dāng)多的問(wèn)題。到目前為止,還沒(méi)有研究出來(lái)一個(gè)很成熟的優(yōu)化調(diào)度方法,結(jié)合當(dāng)前國(guó)內(nèi)外關(guān)于水庫(kù)調(diào)度的研究現(xiàn)狀,可以總結(jié)得到目前水庫(kù)優(yōu)化調(diào)度研究中存在且尚待解決的問(wèn)題是:①理論研究方面的問(wèn)題;②管理方面的問(wèn)題[1]。

2.1 理論研究方面

1)一些研究側(cè)重理論探討,片面追求高水平、深理論,方法深?yuàn)W,追求算法的完美,使得使用者難以理解,導(dǎo)致理論研究者多而實(shí)際應(yīng)用者少;

2)一些模型要么龐大復(fù)雜,操作起來(lái)不方便,要么過(guò)于簡(jiǎn)化,與實(shí)際有很大出入,使模型不能很好地描述水庫(kù)群的實(shí)際工況;

3)對(duì)于水庫(kù)多目標(biāo)決策問(wèn)題,一些方法片面追求最優(yōu)解,而忽視了水庫(kù)的復(fù)雜、多變、動(dòng)態(tài)特性以及生產(chǎn)上許多因素的不確定性,優(yōu)化結(jié)果偏離實(shí)際,結(jié)果無(wú)法使決策者滿意。

2.2 管理方面

1)客觀原因。一般水庫(kù)調(diào)度管理部門對(duì)水庫(kù)調(diào)度關(guān)心的首要問(wèn)題是安全、可靠的運(yùn)行調(diào)度,其次考慮的才是經(jīng)濟(jì)問(wèn)題,這從客觀上決定了決策部門對(duì)水庫(kù)優(yōu)化調(diào)度的實(shí)施興趣受到限制;

2)主觀原因。目前我國(guó)的決策者大都對(duì)水庫(kù)優(yōu)化調(diào)度的理論及計(jì)算機(jī)技術(shù)了解不夠深入,優(yōu)化調(diào)度理論與實(shí)際結(jié)合不是很好,決策者對(duì)優(yōu)化調(diào)度方案的采用把握性不大,他們又對(duì)數(shù)學(xué)模型的抽象結(jié)果有很多不滿意的地方,以及程序缺乏靈活性,導(dǎo)致他們從主觀上對(duì)新調(diào)度方案的采用不太接受,從而難以應(yīng)用到實(shí)際中去。

3 發(fā)展趨勢(shì)展望

為了解決理論研究方面存在的問(wèn)題,應(yīng)采用系統(tǒng)的調(diào)度理論,從全局出發(fā),不斷完善調(diào)度理論,注重理論與生產(chǎn)實(shí)際相結(jié)合,注重研究成果向生產(chǎn)的轉(zhuǎn)化,把理論研究與實(shí)際應(yīng)用的差距較好的縮短;必須結(jié)合生產(chǎn)需要和具體問(wèn)題,研究探討適合某一具體河流或區(qū)域、簡(jiǎn)便實(shí)用并為生產(chǎn)管理者所接受的水庫(kù)調(diào)度模型及應(yīng)用方法。

隨著計(jì)算機(jī)及人工智能技術(shù)的發(fā)展,與計(jì)算機(jī)及人工智能技術(shù)相結(jié)合,并引入新的理論,成為水庫(kù)優(yōu)化調(diào)度研究的一個(gè)熱點(diǎn)和發(fā)展趨勢(shì)[3]:

1)充分應(yīng)用計(jì)算機(jī)的快速運(yùn)算及大容量存儲(chǔ)能力,研究快速、準(zhǔn)確求解水庫(kù)優(yōu)化調(diào)度模型的方法及算法,以提高水庫(kù)優(yōu)化調(diào)度模型效率。

2)充分利用計(jì)算機(jī)技術(shù),結(jié)合人工智能開(kāi)發(fā)出人機(jī)界面友好的具有智能化、敏捷化的決策支持系統(tǒng)是水庫(kù)調(diào)度決策技術(shù)今后的發(fā)展趨勢(shì)。此外,全球定位系統(tǒng)、地理信息系統(tǒng)、遙感技術(shù)以及虛擬現(xiàn)實(shí)技術(shù)等高新技術(shù),在水利行業(yè)也具有廣闊的應(yīng)用前景。

總之,在水庫(kù)調(diào)度方面更廣泛的、高質(zhì)量的應(yīng)用高新技術(shù),可以使得調(diào)度決策變得更科學(xué)化、更智能化、更敏捷化,進(jìn)一步提升調(diào)度決策的技術(shù)水平,使水庫(kù)調(diào)度向著可視化、交互化、智能化、集成化的方向前進(jìn)。

[1]王 利.三門峽水庫(kù)多目標(biāo)優(yōu)化調(diào)度研究[D].南京:河海大學(xué),2006.

[2]王美良.東深供水工程經(jīng)濟(jì)調(diào)度研究[D].南京:河海大學(xué),2006.

[3]倪建軍,徐立中,李臣明,等.水庫(kù)調(diào)度決策研究綜述[J].水利水電科技進(jìn)展,2004,24(6):63-66.

[4]周明孫,樹(shù) 棟.遺傳算法原理及應(yīng)用[M].北京:國(guó)防工業(yè)出版社,2001.

[5]Holland J H.Genetic Algorithms and the Optimal Allocations of Trials[J].SLAM Journal of Computing,1973,(3):88-105.

[6]Holland J H.Genetic Algorithms[J].Scientific American,1992,(4):44-50.

[7]金菊良,丁 晶.遺傳算法及其在水科學(xué)中的應(yīng)用[M].成都:四川大學(xué)出版社,2000.

[8]馬光文,王 黎,Walters G.A..水電站群優(yōu)化調(diào)度的FP遺傳算法[J].水力發(fā)電學(xué)報(bào),1996,(4):21-28.

[9]鐘登華,熊開(kāi)智,成立芹.遺傳算法的改進(jìn)及其在水庫(kù)優(yōu)化調(diào)度中的應(yīng)用研究[J].中國(guó)工程科學(xué),2003,5(9):22-26.

[10]伍永剛,王定一.基于遺傳算法的梯級(jí)水電廠自動(dòng)發(fā)電控制算法研究[J].電網(wǎng)技術(shù),2000,24(3):35-38.

[11]Dorigo M,M aniezzo V,Colorni A.Ant System Optimization by a Colony of Cooperating Agents[J].IEEE T r-ans on SMC,1996,26(1):28-41.

[12]Dorigo M,Gambardella L M.Ant Colony System:a Cooperative Learning Approach to the Traveling Salesman Problem[J].IEEE T rans on Evolutionary Computing,1997,1(1):53-56.

[13]Colo rni A,Dorigo M,M aniezzo V.Ant Colony System for Job-shop Scheduling[J].Belgian J of Operations Research Statistics and Computer Science,1994,34(1):39-53.

[14]李士勇.蟻群算法及其應(yīng)用[M].哈爾濱:哈爾濱工業(yè)大學(xué)出版社,2004.

[15]Abbaspour K.C.,Schulin R.,and van Genuchten M.T.Estimating Unsaturated Soil Hydraulic Parameters Using ant Colony Optimization[J].Ady Water Resour,2001,24(8):827-933.

[16]Maier H.R.,Simpson A.R.,Zecchin A.C.,et al.Ant Colony Optimization for Design of Water Distribution Systems[J].Water Resour Plng and Mg rnt,2003,129(3):200-209.

[17]徐 剛,馬光文,梁武湖,等.蟻群算法在水庫(kù)優(yōu)化調(diào)度中的應(yīng)用[J].水科學(xué)進(jìn)展,2005,16(3):397-400.

[18]劉群明.粒子群優(yōu)化方法在梯級(jí)水電站水庫(kù)優(yōu)化調(diào)度中的應(yīng)用研究[D].南京:河海大學(xué),2007.

[19]曾建潮,介 婧,崔志華.微粒群算法:第一版[M].北京:科學(xué)出版社,2004.

[20]李愛(ài)國(guó),覃 征,鮑復(fù)民,等.粒子群優(yōu)化算法[J].計(jì)算機(jī)工程與應(yīng)用,2002,(21):1-3,17.

[21]周 馳,高海兵,高 亮,等.粒子群優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用研究,2003,(12):7-11.

[22]樊 瑋.粒子群優(yōu)化方法及其實(shí)現(xiàn)[J].航空計(jì)算技術(shù),2004,34(3):39-42.

[23]馬細(xì)霞,儲(chǔ)冬冬.粒子群優(yōu)化算法在水庫(kù)調(diào)度中的應(yīng)用分析[J].鄭州大學(xué)學(xué)報(bào),2006,27(4):121-124.

[24]張雙虎,黃 強(qiáng),吳洪壽,等.水電站水庫(kù)優(yōu)化調(diào)度的改進(jìn)粒子群算法[J].水力發(fā)電學(xué)報(bào),2007,26(1),1-5.

[25]付 強(qiáng).數(shù)據(jù)處理方法及其農(nóng)業(yè)應(yīng)用[M].北京:科學(xué)出版社,2006:1-164.

[26]胡鐵松,萬(wàn)永華,馮尚友.水庫(kù)群優(yōu)化調(diào)度函數(shù)的人工神經(jīng)網(wǎng)絡(luò)方法研究[J].水科學(xué)進(jìn)展,1995,3(6):53-60.

[27]Gao Hong,Wang Huanchen,Tan Weixion,et al.A New Method of Compensative Regulation of Hydropower Based on Artificial Neutral Network[J].水電能源科學(xué),1998,3(16):22-28.

[28]傅巧萍,尚金成,張士軍,等.水電站長(zhǎng)期優(yōu)化調(diào)度的神經(jīng)元網(wǎng)絡(luò)方法[J].水電能源科學(xué),1998,9(16):26-31.