提出了一種多目標(biāo)的海水淡化系統(tǒng)優(yōu)化調(diào)度研究策略,進而采用嵌套型遺傳算法進行求解。通過理論分析和仿真驗證,認(rèn)為考慮海水淡化設(shè)備的優(yōu)化配置,建立多目標(biāo)規(guī)劃模型,考慮可行的最小設(shè)備配置,并在此基礎(chǔ)上進行調(diào)度優(yōu)化,可實現(xiàn)對各蓄水池總?cè)萘�、各個時間段總供水量以及運行費用降到最低要求。而利用嵌套型遺傳算法進行求解,分別對蓄水池組合、機組啟停向量以及供水向量三組決策變量進行分步串行搜索,可有效增強算法的搜索能力,找到可行的最優(yōu)解。仿真結(jié)果表明,所提出的多目標(biāo)規(guī)劃模型能夠?qū)崿F(xiàn)系統(tǒng)經(jīng)濟、高效、安全運行。 

【文章來源】：浙江水利水電學(xué)院學(xué)報. 2020,32(03)

【文章頁數(shù)】：6 頁

【部分圖文】：

機組與蓄水池的基本配置圖

將規(guī)劃模型分解為多個子問題,并用多層遺傳算法分別對其進行求解,采用嵌套型的遺傳算法對各決策變量進行串行搜索,以克服決策變量過多導(dǎo)致單層遺傳算法無法尋得可行解的問題。其中內(nèi)層遺傳算法1主要對機組啟停向量進行搜素;內(nèi)層遺傳算法2是在可行解的基礎(chǔ)上對決策變量進行搜索;外層遺傳算法是采用二進制編碼,對蓄水池組合進行隨機搜索。算法流程圖(見圖2)。以下對表1所示三類蓄水池算例進行仿真求解,每類各5臺作為候選。一天不同時段的電價(見表2)。表3為預(yù)測的一天每小時需電量。每臺蓄水池分配兩臺機組,一天作為一個周期,分為24個時刻。系數(shù)α取1.1,每臺機組啟停次數(shù)上限Nrmax取16,每臺機組最大連續(xù)運行時間Nrmax取12。

內(nèi)層遺傳算法1進化曲線


本文編號：3360913