大型梯级水利枢纽调度运行的优化算法

总序

第 1章摇引摇言

1 研究背景及意义

2 国内外研究现状

3 研究内容

第 2章 巨型水库寻优空间的 IDP-HA耦合方法

1 巨型水库大范围随机寻优问题

2 建立巨型水库高效搜索空间的 IDP-HA法

3 IDP-GA耦合方法应用实例

4 结 论

第 3章 梯级水库群优化调度的 HASM降维方法

1 梯级水库群运行的高维性

2 梯级水库群空间层级耦合模型

3 梯级水库群优化调度的 HASM降维方法

4 HASM方法的检验

5 结论

第 4章 不同来流条件下优化结果的响应曲面

1 常用优化算法最优解信息

2 响应曲面法

3 不同来流序列的产生

4 水库优化调度的响应曲面

5 水库响应曲面实例

6 结论

第 5章 三峡 —葛洲坝梯级水电站长期优化调度

1 三峡 —葛洲坝梯级水利枢纽概况

2 三峡 —葛洲坝梯级水电站水库特征参数

3 三峡 —葛洲坝水利枢纽水位运行规程

4 模型模拟结果

5 长期优化模型

6 优化方法

7 优化结果

8 结论

第 6章 结论与展望

1 结论及创新点

2 研究展望

参考文献

索引2100433B

大型梯级水利枢纽建成后 ，运行调度水平的高低直接影响其综合效益的发挥。目前 ，在大型梯级水利枢纽的优化调度研究中 ，主要的难点来源于其高维性和非线性的特点所带来的求解困难。梯级水利枢纽中的水力和电力联系存在多种非线性 ，而其在时间和空间上的决策维度远远超出现有的非线性优化算法的求解能力。除此之外 ，大型水库由于大库容高水头 ，优化时还存在连续大范围寻优而导致计算效率低下的问题。对于不同来流条件下水库优化结果的分析 ，目前也鲜有专门的方法研究。针对大型水库大范围连续寻优的优化问题 ，本书提出了借助增量动态规划方法 （Incremental Dynamic Programming， IDP）建立合理的寻优空间以提高优化效率的方法。充分利用 IDP算法的收敛特性和启发式算法 （Heuristic Algorithm， HA）在连续空间里强大的全局寻优能力 ，提出了 IDP -HA耦合模型。以 IDP优化后的调度线为参照 ，建立覆盖全局最优解的小尺度寻优空间 ，在该空间内利用 HA对高维变量进行寻优 ，有效解决了大型水库在高维时间尺度上大范围寻优导致的计算效率低下甚至无可行解的问题。

针对大型水库大范围连续寻优的优化问题 ，本书提出了借助增量动态规划方法 （Incremental Dynamic Programming， IDP）建立合理的寻优空间以提高优化效率的方法。充分利用 IDP算法的收敛特性和启发式算法 （Heuristic Algorithm， HA）在连续空间里强大的全局寻优能力 ，提出了 IDP -HA耦合模型。以 IDP优化后的调度线为参照 ，建立覆盖全局最优解的小尺度寻优空间 ，在该空间内利用 HA对高维变量进行寻优 ，有效解决了大型水库在高维时间尺度上大范围寻优导致的计算效率低下甚至无可行解的问题。

计算机系统是由许多程序或进程需要使用的资源(例如处理机周期、存储单元和输入/输出设备)的 有限集合所组成的。调度算法的目标是把这些资源分配给要求它们的程序。 在每一判定时刻，调度算法 必须决定下一次应是若干相竞争的进程中的哪一个进程接收一给定资源。因而调度算法是指：根据系统的资源分配策略所规定的资源分配算法。对于不同的系统和系统目标，通常采用不同的调度算法，例如，在批处理系统中，为了照顾为数众多的短作业，应采用短作业优先的调度算法；又如在分时系统中，为了保证系统具有合理的响应时间，应采用轮转法进行调度。目前存在的多种调度算法中，有的算法适用于作业调度，有的算法适用于进程调度；但也有些调度算法既可用于作业调度，也可用于进程调度。2100433B

表调度算法的基本思想是通过对节点的优先级别进行排序来构造一个调度列表。

然后重复以下两个步骤直到任务图中所有节点被调度完毕：①从调度列表中顺序取出一个节点；②将节点分配到使它的启动时间最早的处理机器上。

这是传统的静态表调度算法，一些新的表调度算法是基于动态列表的调度算法，与静态方法调度列表一经构造就不会改变不同，动态列表算法在每次分配节点之后都重新计算所有未被调度节点的优先级别，并根据新的优先级别来重新安排列表中节点的顺序。

这样，动态表调度算法实际分为三步：①确定所有未被调度节点的新优先级别；②选择具有最高优先级别的节点进行调度；③将节点分配到使它的启动时间最早的处理机上。

决定节点优先级别的方法很多，有HLF(Highest LevelFirst)、LP(Longest Path)、LPT(Longest Processing Time)、CP(Critical Path)等。

2100433B