（水利水电工程专业论文）径流预测模型与算法及闸门监控系统设计.pdf

华中科技大学硕士学位论文 摘要 r j 随着科技的发展，流域水资源集成管理成为大势所趋。合理利用与开发水资源， i 同时，准确预报可能出现的洪水灾害，采取科学有效的控制手段，都将造福人类。 本论文“径流预测模型与算法及闸门监控系统设计”，正是基于上述重要思想完成 的。 一方面，水文水资源系统及其相关的天气系统都具有极强的非线性动力特性 这使得常规的基于线性的分析手段和数学模型难以模拟真实的复杂水文系统的变 化过程及系统特征。因此，研究新的理论和方法来处理非线性因素，对提高径流预 报精度，具有重要的理论意义和实际价值。近年来人工神经元b p 网络应用于径流 预报，使预测精度有了一定提高。但神经网络理论还存在许多缺陷，如训练速度慢， 易陷入局部最优等，这些影响预测精度进一步提高。遗传算法擅长全局搜索，将遗传 算法与b p 网络结合起来可以克服b p 网络的缺陷，同时充分利用b p 算法快速有效 的局部搜索能力，实现两种算法优势互补，提高了预测精度。 另一方面，水电站水库泄洪闸门对于可靠性要求很高，而传统基于继电器和单 片机控制系统，故障率高，抗干扰能力差，需要新的技术才能满足水电站的要求。 现代计算机技术、p l c 和现场总线的结合，使高可靠远程实时监控成为可能。优化 闸门启闭方案的编制为闸门启闭提供指导，防止水资源的浪费，同时提高了自动化 水平。j 吖 本文首先介绍简单遗传算法的理论与实现，讨论简单遗传算法的缺陷，并进行 ， 改进，提出并行遗传算法的串行模拟方法。i 通过与简单遗传算法比较，可以看出改 0 进后的并行遗传算法具有更好的在线和离线性能。同时，对并行遗传算法处理约束 f p 的方法进行探讨，通过比较可知，可变罚系数比固定罚系数执行效果好0 1 然后介绍 b p 算法的实现，指出b p 算法的缺陷，提出各种改进方法。采用并行遗传算法优化 b p 网络权值的训练，从而建立遗传b p 算法的径流预报模型。f 用此模型对长江某站 的径流预报仿真，与时间序列a i l m a 法和神经网络法进行比较，证明遗传b p 算法 华中科技大学硕士学位论文 径流预报模型 | i l 报精度更高，是提高径流预报的可行方向和有效途径j 最后介绍了 一 闸门自动监控系统，根据系统的结构和功能需要，根据径流预测和洪水调度方案， 确定闸门优化j 0 闭方案，建立闸 、j 优化启闭编制的数学模型。另外考虑水电站对于 闸门可靠性要求较高，结合闸门自动监控系统的现状和可能发展趋势，将计算机技 术、p l c 技术、现场总线技术应用于水电站闸门监控系统中，改善现有水电站闸f 、j 监测、控制中存在的各种问题，研究了闸门监控系统和组建网络中的容错问题，指 出在闸门自动1 监控系统中需要考虑的容错因素，并提出了多种容错策略，达到提高 系统的可靠性的目的。 ， l 本论文结合武汉市青年科技晨光计划项目“基于人工神经网络洪水模拟新方法 研究”和湖南省电力局重点项目“马迹塘水电站闸门实时监控系统进行研究。) 厂1 j ， 容错，可编程控制器，流域，集成管理 - _ _ _ 一 遗传b p 算法 ， i i 华中科技大学硕士学位论文 a b a t r a c t w i t ht h ed e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y ，t h ei n t e g r a t e dm a n a g e m e n to f w a t e rr e s o u r c ei nr i v e rb a s i ni st h eo n l yw a yt og o t om a k eu s eo fa n de x p l o r ew a t e r r e s o u r c er e a s o n a b l ya n dp r e d i c tt h en a t u r ed i s a s t e ra c c u r a t e l y , s c i e n t i f i ca n de f f e c t i v e c o n t r o lm e a n s ，t h ep e o p l ec a nb e n e f i tf r o ma b o v ea 1 1 t h i st h e s i s t i t l e d f o r e c a s t i n g m o d e la n da l g o r i t h m so fs t r e a m f l o wa n dd e s i g no f g a t es u p e r v i s o r yc o n t r o ls y s t e m ” i sb a s e do na b o v ei d e a s o no n eh a n d ，h y d r a u l i ca n dw a t e rr e s o u r c e ss y s t e ma n di t sr e l a t e dw e a t h e rs y s t e m h a v es t r o n gn o n l i n e a rd y n a m i cc h a r a c t e r i s t i c ，w h i c hm a k e si td i f f i c u l tt os i m u l a t et h e c o m p l e xh y d r o l o g i cs y s t e m sv a r i a t i o np r o c e s sw h e nu s i n gt r a d i t i o n a ll i n e a rm e t h o d s s o i no r d e rt oi m p r o v et h ep r e c i s i o no fh y d r o l o g i c a lf o r e c a s t i n g ，n e wt h e o r i e sa n dm e t h o d s t od e a lw i t ht h en o n l i n e a rf a c t o r sa r er e q u i r e d ，w h i c hh a si m p o r t a n ta c a d e m i ca n d p r a c t i c a lv a l u e r e c e n ty e a r s ，b a c k - p r o p a g a t i o nn e u r a ln e t w o r k ( b p ) i sa d o p t e dt o f o r e c a s ts t r e a m f l o w , w h i c hi m p r o v et h ep r e c i s i o no fs t r e a m f l o wf o r e c a s t i n g b u tt h e t h e o r yo fn e u r a ln e t w o r ke x i s t sl i m i t a t i o n so fl o wc o n v e r g e n tr a t ea n dg e r i n gi n t ol o c a l o p t i m aa n ds oo n t h e s ea f f e c tt h ep r e c i s eo ff o r e c a s t i n gi n c r e a s e dh i g h e r g e n e t i c a l g o r i t h m s ( g a ) i sg o o da tg l o b a ls e a r c h t h em e c h a n i s mo fm i x e da l g o r i t h m sb e t w e e n g aa n db pc a no v e r c o m et h el i m i t a t i o n so fb pn e t w o r k t h eq u i c kl o c a ls e a r c ha b i l i t y o fb pa l g o r i t h m sf u l l yb r i n gi n t op l a y t h et w oa l g o r i t h m sr e i n f o r c ee a c ho t h e ra n d i m p r o v ef o r e c a s t i n gp r e c i s i o n o nt h eo t h e rh a n d ，t h ev e r yh i g hr e l i a b i l i t yi sr e q u i r e df u rt h eh y d r o p o w e rs t a t i o n t h et r a d i t i o n a lc o n t r o ls y s t e m sb a s e do nr e l a ya n ds i n g l ec h i ph a v eh i g l le x c e p t i o nr a t e a n dl o wa n t i - j a m m i n g t h en e wt e c h n o l o g yj sr e q u i r e df o rt h en e e do fh y d r o p o w e r s t a t i o n t h ei n t e g r a t i o no fm o d e mc o m p u t e rt e c h n o l o g y , p l ca n df i e l d b u sm a k e si t p o s s i b l et ob u i l ds u p e r v i s o r yc o n t r o ls y s t e mi nl o n g d i s t a n c ew i t hh i g hr e l i a b i l i t y t h e o p t i m a lg a t em o d e li st h er e f e r e n c eo fg a t ec o n t r o l ，w h i c hp r e v e n t st h ew a s t eo fw a t e r r e s o u r c ea n di m p r o v et h el e v e lo f a u t o m a t i o n f i r s t l yt h i st h e s i si n t r o d u c e st h et h e o r ya n dr e a l i z a t i o no fs i m p l eg e n e t i ca l g o r i t h m s i l l 华中科技大学硕士学位论文 ( s g a ) ，w h i c ha n a l y z et h el i m i t a t i o n sa n di m p r o v e m e n ts c h e m eo ft h es g aa n dp u t f o r w a r das i m u l a t i o nm e t h o do f p a r a l l e lg e n e t i ca l g o r i t h m s ( p g a ) i na c o m p u t ew i t ho n e c p u c o m p a r e dw i t hs g a i ts h o w sp g ah a sb e t t e ro n l i n ep e r f o r m a n c ea n do f f - l i n e p e r f o r m a n c e t h r o u g ha n a l y s i sm e t h o d so fd e a l i n gw i t hr e s t r i c t i o n ，w ek n o wa d a p t i v e p u n i s hc o e f f i c i e n ti sb e t t e rt h a nf i x e dp u n i s hc o e f f i c i e n t t h e nt h ep a p e ri n t r o d u c e st h e r e a l i z a t i o no fb pn e t w o r k ，i ti n d i c a t e sl i m i t a t i o no fb pa l g o r i t h m sa n db r i n gf o r w a r d a m e n d i n gm e t h o d s e s t a b l i s h i n gs t r e a m f l o w f o r e c a s t i n g m o d e l t h r o u g hp a r a l l e l a l g o r i t h m st r a i nt h ew e i g h t so fb pn e t w o r k s i m u l a t i n gs t r e a m f l o wf o r e c a s t i n go fo n e y a n g t z er i v e r ss t a t i o nu s i n gt h i sm o d e l ，c o m p a r e dw i t ha r m am o d e la n da n nm o d e l ， t h ea l g o r i t h m sc o m b i n e dg e n e t i ca l g o r i t h m sw i t hb pa l g o r i t h m sh a sh i g h e rf o r e c a s t i n g p r e c i s i o n ，i ti sf e a s i b l ed i r e c t i o na n de f f e c t i v ea p p r o a c ho fi m p r o v i n gf o r e c a s t i n g p r e c i s i o n f i n a l l yt h et h e s i si n t r o d u c e st h ed e s i g n o fs p i l l w a yg a t es u p e r v i s o r yc o n t r o l s y s t e m f o rt h en e e do fs t r u c t u r ea n df u n c t i o no ft h es y s t e m ，c h o o s et h eg a t ep r o j e c t a c c o r d i n gt of l o o do p t i m a lc o n t r o lp r o j e c ta n db u i l dt h eo p t i m a lg a t em o d e l t h et h e s i s b a s e s0 nt h er e a l i t yn e e do fs e c u r i t yo fh 3 ，d r o e l e c t r i cp o w e rs t a t i o n ，a c c o r d i n gt ot h e r e a l i t ya n df u t u r et r e n do fs p i l l w a yg a t es u p e r v i s o r yc o n t r o la n da u t o m a t i o ns y s t e m c o m p u t e rt e c h n o l o g y , p l ct e c h n o l o g y , f i e l d b u st e c h n o l o g ya r eu s e di nt h es y s t e m ，a n d i tw i l lr e s o l v em a n yk i n d so fp r o b l e m sw h i c he x i s ti ns p i l l w a yg a t ea n da u t o m a t i o n s y s t e mo fh y d r o e l e c t r i cp o w e rs t a t i o n ，t h a tw i l lb et h ef u t u r en e wd e v e l o p m e n td i r e c t i o n o ft h es y s t e m t h ep a p e re m p h a s i z e st h ef a u l tt o l e r a t i o np r o b l e mo ft h es y s t e ma n d f o r m i n gan e t w o r k i ts h o w st h ef a u l tt o l e r a t i o nf a c t o ri nt h es y s t e m ，a n dp u tf o r w a r d s e v e r a ls t r a t e g i e si no r d e rt or a i s er e l i a b i l i t yo fs y s t e m t h er e s e a r c h e sf o rt h i st h e s i sa r es u p p o r t e db y r e s e a r c ho nn e wf l o o ds i m u l a t i o n m e a n sb a s e do nt h ea r t i f i c i a ln e u r a ln e t w o r k ”a n d m a j i t a n gh y d r o p o w e rs t a t i o n r e s e r v o i rs y n t h e t i ca u t o m a t i o ns y s t e m ” k e y w o r d ：p g a ，t i m es e r i e sa n a l y s i s ，b p , g e n e t i cb pa l g o r i t h m s ，s t r e a m f l o w f o r e c a s t i n g ，f a u l t - t o l e r a n c e ，p l c ，r i v e rb a s i n ，i n t e g r a t e dm a n a g e m e n t i v 华中科技大学硕士学位论文 1 1 引言 1综述 中国水能资源丰富，理论蕴藏量为6 7 6 1 0 8 k w ，可_ l ：发资源为3 7 8 i 0 8 k w ，年 发电量1 9 2 0 0 1 0 8 k w h ，均列世界首位。1 9 4 9 年，全国水电装机仅3 6 1 0 4 k w ，发电 量1 2 1 0 8 k w h ，且主要为同本占领东北时修建的丰满等电站。经过5 0 年的努力，全 国水电装机达7 9 3 5 i 0 4 k w ，年发电2 4 3 1 1 0 9 k w h ，f 吁全国总装机的2 4 8 ，总发电 量的27 8 ，列世界第2 及第3 位。其中大型( 2 5 1 04 k w 以上) 及小型( 2 5 xi 0 4 k w 以下) 各占1 3 强，其余为中型水电。在建的大中型水电容量达4 6 2 0 1 0 4 k w ，三 峡水电站装机1 8 2 0 xi 0 4 k w ，是世界上最大的水电站，将于2 0 0 3 年开始投产。中国 已成为世界水电大国。5 0 年来，中国共兴建万亩以上灌区5 6 0 0 多处，打机井4 0 0 万眼，修建了大量水库、水塘，水窖。全国有效灌溉面积由1 9 4 9 年的2 4 亿亩增加 到8 亿亩；除涝面积累计达3 亿亩，占易涝面积的8 2 ；改良盐碱地8 0 0 0 多万亩， 占盐碱地总面积的7 1 ：发展节水灌溉，目前达2 2 8 亿亩【。 丰富的水资源在发电、灌溉、供水等方面发挥着重大作用的同时，我们也必须 清醒的认识到，洪水也会给我们带来巨大的灾难。1 9 5 4 年长江、淮河发生7 1 年来 罕见的全流域洪水，1 9 5 7 年松花江发生自1 8 9 8 年以来的第二大洪水。1 9 6 3 年海河遭 遇5 0 年一遇大洪水，都被战胜，未造成毁灭性灾害。随着防洪工程建设的不断进展， 近1 0 年来抗洪减灾的作用愈来愈得到发挥。如1 9 9 1 年淮河流域发生大洪水，全流 域5 1 座大型水库联合拦洪，同时运用下游滞洪、分洪区，成功地保障了整个流域和 所有城市、铁道、工矿的安全。1 9 9 8 年长江及松花江发生全流域性大洪水，沿江大 堤都发挥了巨大作用，各省市1 3 3 5 座大中水库投入拦洪调峰，度过难关。 可见，丰富的水资源只有利用得当，才能兴利除害，让它更好地造福人类。控 制理论、优化理论、现代化预测手段及计算机技术、网络通讯技术、自动化技术的 迅速发展，为水资源利用实现信息化管理奠定了基础。本课题组以流域水资源集成 管理为研究方向，对径流预测、水库调度、闸门自动监控、决策支持系统等进行了 华中科技大学硕士学位论文 擎l j 研究。根据理论研究和实际科研项目需要，本论文对径流预测模型和算法实现 以及泄洪闸门自动监控系统的设计进行了藿l i 研究，其成果将成为流域水资源集成 管理重要组成部分。 1 2 遗传算法研究现状及发展趋势 1 2 1 遗传算法的研究概况 遗传算法( g e n e t i ca l g o r i t h m ，g a ) 研究的兴起是在上世纪8 0 年代术和9 0 年代 初期，彳f l 它的历史可追朔到上世纪6 0 年代仞期。早期的研究大多以对自然遗传系 统的计算机模拟为主。早期的遗传算法的研究特点是侧重于对一些复杂的操作的研 究。虽然其中像自动博弈、生物系统模拟、模式识别和函数优化等给人以深刻的印 象，但总的束说，这是一个无明确目标的发展时期，缺乏带有指导性的理论和计算 工具的7 r 拓。这种现象直到7 0 年代中期h o l l a n d 和d ej o n g 的创造性研究成果的发 表才得到改观1 3 ，4 】。当然，早期的研究成果对于遗传算法的发展仍然有一定的影响， 尤其是其中一些有代表性的技术和方法已为当前的遗传算法所吸收和发展【2 1 。 1 9 6 7 年，b a g l e y 在他的论文中首次提出了遗传算法( g e n e t i ca l g o r i t h m ) 这一术语， 并讨论了遗传算法在自动博弈中的应用i ”。他所提出的包括选择、交叉、和变异的 操作已与目前遗传算法中的相应操作十分接近。他引入了适应度定标( s c a l i n g ) 概 念，这是目前遗传算法中常用的技术。同时，他也首次提出了遗传算法自我调整概 念，即把交叉和变异的概念融于染色体本身的编码中，从而可实现算法自我调整优 化。尽管b a g l e y 没有对此进行计算机模拟实验，但这些思想对于后来遗传算法的发 展所起的作用是十分明显的。同一时期，r o s e n b e r g 也对遗传算法进行了研究，他 的研究依然是以模拟生物进化为主，但他在遗传算法方面提出了不少独特的设想1 6 】。 1 9 7 0 年c a v i c c h i o 把遗传算法应用于模式识别中【7 i 。这在g a 算法研究的历史上是 十分重要。这一年，h o l l a n d 出版了他的著名专著自然系统和人工系统的适配1 3 1 。 该书系统地阐述了遗传算法的基本理论和方法，并提出了对遗传算法的理论研究和 发展极为重要的模式理论( s c h e m a t at h e o r y ) 。同年，d e j o n g 完成了他的重要论文遗 2 华中科技大学硕士学位论文 传自适应系统的行为分析。他侥陔论义i j 所做的研究：i ，作可看作是遗传算法发腱 进程中的一个里程碑，这是因为他把h o l l a n d 的模式理论与他的计算实验结合起来。 进入8 0 年代，遗传算法迎束了兴盛发展时期，无论是理论研究还是应用研究 都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但它的应用 领域扩大，而且利用遗传算法进行优化和舰则学习的能力也显著提高，同时产业应 用方面的研究也在摸索之中。 1 2 2 遗传算法的发展趋势 随着应用领域的扩展，遗传算法的研究出现了几个引人注目的新动向：一是 基于遗传算法的机器学习1 2 i ，这一新的研究课题把遗传算法从历来离散的搜索空间 的优化搜索算法扩展到具有独特的规则生成功能的崭新的机器学习算法。这一新的 学习机制对于解决人工智能中知识获取和知识优化精炼的瓶颈难题带来了希望。= 是遗传算法正同益和神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 、模糊推理( f u z z y ) 以及混沌理论( c h a o s ) 等其它智能计算方法相互渗透和结合1 9 , 1 0 】，这对于开拓2 1 世纪 中新的智能计算技术将具有重要的意义。三是并行处理的g a 算法的研究十分活跃 | tr io 这一研究不仅对遗传算法本身的发展，而且对于新一代智能计算机体系结构的 研究都十分重要。四是遗传算法和进化规划( e v o l u t i o np r o g r a m m i n g ，e p ) 以及进化 策略( e v o l u t i o ns t r a t e g y , e s ) 等进化计算理论同益结合】。e p 和e s 几乎是和遗传 算法同时独立发展起来的，同遗传算法一样，它们也是模拟自然界生物进化机制的 智能计算方法，既同遗传算法具有相同之处，也有各自的特点。目前，这三者之间 的比较研究和彼此结合的探讨正形成热点【8 】。 1 3 人工神经元网络研究现状和发展趋势 1 3 1 人工神经网络发展简史 神经网络的研究可追溯到1 9 世纪末期，其发展历史可分为四个时期。第一个 时期为启蒙时期，开始于1 8 9 0 年美国著名心理学家w j a m e s 关于人脑结构与功能 的研究，结束于1 9 6 9 年m i n s k y 和p e r p e r t 发表感知器( p e r c e p t r o n ) - - 书。第二 华中科技大学硕士学位论文 个时期为低潮时期，j l ：始1 ：1 9 6 9 年，结束f1 9 8 2 年h o p f i e l d 发表著名的文章“神 经网络和物理系统”( n e u r a ln e t w o r ka n dp h y s i c a ls y s t e m ) 。第三个时期为复兴时期， 丌始于j l h o p f i e l d 的突破性研究论文，结束于1 9 8 6 年d e r u n m e l h a r t 和 j l m c c l e l l a n d 领导的研究小组发展的并行分布式处理f p a r a l l e ld i s t r i b u t e d p r o c e s s i n g ) - - 书。第叫个时期为高潮时期，以1 9 8 7 年首届国际人工神经网络学术会 议为丌端，迅速在令i 进界范围内掀起人：【神经网络的研究应用热潮，至今热头不衰 1 1 3 1 。 1 3 2 国内研究概况 中国最早涉及人j 【神经网络的著作是涂序彦先生等于1 9 8 0 年发表的生物控 制论一书，书中将“神经系统控制论”单独设为一章，系统地介绍了神经元和神 经网络的结构、功能和模型。该书发表时人工神经网络的研究尚未进入复兴时期， 国内学术界对该领域的情况知之甚少，研究热点主要集中在人工智能方面。随着人 工神经网络2 0 世纪8 0 年代在世界范围的复苏，国内也逐步掀起了研究热潮。1 9 8 9 年1 0 月和1 1 月分别在北京和广州召开了神经网络及其应用学术讨论会和第一届全 国信号处理一神经网络学术会 义。1 9 9 0 年2 月，由中国八个学会联合在北京召开“中 国神经网络首届学术大会”。这次会议以“八学会联盟，探智能奥秘”为主题，收到 了来自全国3 0 0 多篇论文，从而开创了中国人工神经网络及神经计算机方面科学研 究的新纪元。经过l o 年的发展，中国学术界和工程届在人t t l 经网络的理论研究 与应用方面取得了丰硕成果，学术论文、应用成果和研究人员的数量逐年增长。目 前，人工神经网络已在中国科研、生产和生活中产生了普遍而巨大的影晌。1 1 3 1 1 3 3 人工神经网络发展趋势 国i 勾j l - 目前致力于研究将人工神经网络应用于水文水资源领域，并已取得了一 些令人鼓舞的成果。今后的工作，有下述研究热点： 一、 结合已有的人工神经网络理论的一般性研究成果，构造适合于水文系统的 人工神经网络模型。 二、积极开展人工神经网络与其他理论的耦合研究。 三、尝试新的神经网络模型和学习算法在水文资源系统中的应用，积极改进已 4 华中科技大学硕士学位论文 应用模型和算法的缺陷。 1 4 径流预测的研究现状与发展 径流预测是当今水资源水文学科中一个重要的分支，足一fj 技术性很强的应用 性学科。由于径流预报与人类的经济活动密切相关，其预报技术和方法发展很快。 人们对径流的研究+ 直是水文学领域中的一个核心问题。最近几十年以来，水 文学家已提出很多模拟径流过程的数学模型。归纳起来有两人类：类是概念性水 文模型。试图从流域暴阿径流过程的物理概念出发，将其概化成为有物理意义的数 学模式。例如：斯坦福模型，萨卡尔门托模型，新安江模型等；另类是水文系统 模型。把流域或河段作为一个系统，将流域面上的降雨或河段上游来水作为输入， 而流域出口断面的出流过程或输沙过程作为输出。利用其输入和输出关系导出系统 的响应函数或转移函数，而不考虑系统内部的物理概念。 7 0 年代初期，b o xj e n k i n s 从水文时间序列分析角度提出了自回归滑动平均模型 ( a r m a ，a r i m a ) 和转移函数噪声模型方法。从而将时间序列的方法引入水文预 测领域。其主要思路是根据统计学原理和水文随机过程理论，利用前几个时段的流 量来预测当前时段的流量值。 1 9 8 6 年w a n g 和y u 提出一般的离散水文系统模型，论证了模型性质及其稳定 性，并论证了过去所有水文上应用的系统概化模型均是这个模型的特例，提出了确 定模型参数的四种方法；1 9 8 7 年w a n g 和y u 将卡尔曼滤波技术引入到该模型中， 更提高了预报精度。 瞿国静( 1 9 9 7 ) 以演算出流量与实测出流量的误差平方和最小为判断依据，直接 推求了流量演进系数的最优化估计值，而后反算马斯京法系数x 、k 。何惠、张建云 等( 1 9 9 8 ) 根据出流和入流的资料系列，应用最小二乘法原理对马斯京根法的参数 进行最优化估计，这种方法避免了常用的试错法的盲目性和不确定性，并具有确定 性模型参数( 快速、最优和唯一性等) 特点，在实践应用中效果较好。 近年来，随着科学技术和不少交叉学科的涌现，实施径流预报的技术设备、数学 模型都有长足进展，这些进步在提高作业精度的同时也延长了预报期，使洪水预报在 华中科技大学硕士学位论文 = ：= ：= = = ：= ：= ：= = = = = = = = = = = ：= ：= = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = 新的时代条件下产生了质的匕跃。各种先进的汁算技术在径流预测中都有所应用， 如模糊数学、随机模型、灰色系统，以及神经网络模型等等。 1 5 水电站计算机控制现状及发展 水电站计算机控制技术的发展始于六 勺：代，“时j ：计算机体积庞大，性能 不高且价格昂贵，在电站中并未得到广泛应用。七卜q i 代未，汁算机技术有了迅猛 的发展，性价比不断提高，随之计算机开始广泛应用j - - 水电站自动化的各个领域。 美国西部哥伦比亚的好几个大型梯级水电站已经实现了计算机控制，如大古力水电 站和石河段水电站。闩本在实现中小型水电站和抽水蓄能电站计算机控制方面比较 突出，最典型的为新高濑川抽水蓄能电站和主原抽水蓄能电站。法国在梯级水电站 的计算机控制方面已处于领先地位，典型的是罗纳河梯级水电站和莱茵河梯级水电 站。 八十年代后，国内较多的水电站安装了计算机，如柘溪水电站、富春江水电站、 葛洲坝水电站、鲁布革水电站等。九十年代投产的水电站都安装了全厂计算机控制 系统，如清江隔河岩水电站、五强溪水电站等。尤其是1 9 9 4 年在太平湾召开的技 术研讨会上，提出了水电厂“无人值班”( 少人值守) 的墁想，先后两批1 3 个水电站 被批准作为科研示范工程和第2 批试点单位，在水电厂取得了减人增效的丰硕成果。 到目前为止，我国两个主要的水电厂计算机监控系统科研单位都取得了很好的业 绩。在两个单位承接的国内外1 2 0 个水电厂监控工程项目中，采用开放系统的电厂 已达7 0 个，其中电力自动化研究院承担的大广坝、天生桥一级、江垭等3 个大型 国际招标项目是在与国外著名公司的激烈竞争中中标的。电力自动化研究院和中国 水利水电科学研究院还各有一个出口项目，分别为叙利亚t i s h r i n 电_ 站及埃塞俄 比亚t i sa b a y 二级电站。我国使用国产计算机监控系统的电站容量已达百万千瓦 以上，单机已达4 0 力k w ，研制的计算机监控系统能与基建工程中机组发电同步投 运，能采用最先进的计算机工作站1 1 5 】。 随着计算机技术和网络技术的发展，将先进的计算机技术、p l c 技术、现场总 线技术结合应用于水电站水库计算机监控系统中必将改善现有水电站水库监测、控 6 华中科技大学硕士学位论文 制中存在的各种问题，并将成为今后水f 乜站水库综合自动化发展的新方向，使我国 的水电站水库的运行管理技术提高到- 个新的水平。 1 6 本文的研究对象和主要研究内容 本文结合武汉市青年科技晨光计划“基于人工神经网络洪水模拟新方法研究” 项目，通过对神经网络和p g a 算法理论与算法的研究，提出并行遗传b p 水文预报 模型，并和传统的时问序列预报模型进行比较，以解决水文预报的非线性问题，从 而提高了预报精度。结合“马迹塘水电站闸门实时监控系统”，提出闸门实时监控 系统设计方案。 全文章节安排及主要研究内容如下： 第一章：综述了遗传算法、神经网络及径流预测研究发展概况，以及水电站计 算机控制现状及发展，并简要介绍了本论文的研究方向。 第二章：介绍了简单遗传算法的理论与实现，并讨论其缺点及改进方法，提出 用并行遗传算法来改进简单遗传算法方法与实现，同时对并行遗传算法对于约束问 题的处理进行探讨。 第三章：介绍了b p 神经网络的理论与实现，对b p 算法的缺点进行探讨，并 提出改进方法。 第四章：提出时间序列日径流预测模型和并行遗传b p 日径流预测模型，并对 长江某站日径流进行预报仿真，对预测结果进行了比较，研究表明遗传b p 算法是 行之有效的预报方法，是提高径流预报精度的新方法。 第五章：提出泄洪f w q f 实时监控系统设计方案，建立闸门启闭方案的编制的数 学模型。 第六章：对全文进行总结，并提出有待进一步研究的工作。 华中科技大学硕士学位论文 2 并行遗传算法理论与实现 2 1 简单遗传算法的理论与实现 一般说柬，简单遗传算法( s i m p l eg e n e t i ca l g o r i t h m ，s g a ) 是个迭代过程，它 由几个顺序相连的迭代环节组成。为找i j 个问题的最优解，遗传算法从个假定 的初始解集出发，经迭代获得另外组不同但更优的解集，直至获得满意解为止。有 以下实现技术： 2 1 1 编码 本算法采用目前遗传算法中常用的编码方法二值编码，即一维染色体编码中最 常用的符号集是二值符号集 0 ，l 。步骤如下( 1 8 】： ( 1 ) 根据具体问题确定待寻优参数。 ( 2 ) 对每个参数确定它的变化范围，用二进制数表示。譬如：若参数a 的变 化范围为 m a x ，m i n i ，用m 位二进制数b 来表示，则二者之间满足： a = m i n + b ( 2 “- 1 ) + ( m a x m i n ) 这时参数范围的确定应覆盖全部的寻优空间字长m 的确定应在满足精度要求 情况下尽量取小的m ，以尽量减少遗传算法计算复杂性。 如：x 的范围【0 ，2 5 5 那么x = 5 可编码表示为0 0 0 0 0 1 0 1 。 2 1 2 初始群体的设定 产生初始群体的方法有两种：一种是完全随机的方法产生的，它适合于对问题 的解无任何先验知识的情况：第二种，某些先验知识可转变为必须满足的一组要求， 然后在满足这些要求的解中再随机地选取样本。这样选择初始群体可使遗传算法更 快地达到最优解。 2 1 3 适应度函数”1 遗传算法在进化搜索中基本上不用外部信息，仅用目标函数即适应度函数为依 据。遗传算法的目标函数不受连续可微的约束且定义域可以为任意集合。对目标函 华中科技大学硕士学位论文 数的唯要求是，针对输入可计算出能加以比较的非负结果。这一特性使得遗传算 法应朋范喇很广。 通常搜索方法下，为了把一个最小化问题转化为最大化问题，只需要简单的把 费用函数乘以一l 即可，但对于遗传算法而言，这种方法还不足以保证在各种情况 下的 f 负值。对此，可采用以下方法转换 m ) _ 1 毗c m a x - - 喜冰卜q “ ( 2 t ) 显然存在多种方式来选择系数c 。c 。可以是一个合适的输入值，也可采用 迄今为止进化过程中g ( x ) 的最大值或当前群体中g ( x ) 的最大值。当然c 。也町以是 前k 代中g ( x ) 的最大值。c 。最好与群体无关。 当求解问题的目标函数采用利润函数形式时，为了保证其非负性，可用如下变 换式： m 卜话巍筹“柚托m 刈 ( 2 z ) 式中系数c 可以是合适的输入值，或是当前一代或前k 代中的g ( x ) 的最小值， 也可以是群体方程的函数。 2 1 4 遗传操作 2 1 4 1 选择算子 本算法采用适应度比例方法，也叫赌轮或蒙特卡罗选择。在该方法中，各个个 体的选择概率和其适应度值成正比例。 设群体大小为n ，其中个体i 的适应度值为f i ，则i 被选择的概率p s i 为 n ，= ：( 2 3 ) 显然，概率p s i 反映了个体i 的适应度在整个群体的个体适应度总和中所占的 比例。个体适应度越大，其被选择的概率就越高，反之亦然。按上式计算出群体中 各个个体的选择概率后，就可以决定哪些个体被选出【7 】a 塑i 堡延簦鲨坚竺王全旦星垡：旦堕墨旦量堡全签堡宦友鎏：达友法的墨想是 9 华中科技大学项士学位论文 把群体中适应度最高的个体不进行配对交叉而直接复制到下一代中。此种选择操作 又称复制。 2 1 4 2 交叉算子 在自然界生物进化过程中起核心作用的是生物遗传基因的重组( 加上变异) 。 同样，遗传算法起核i i , 作用的是遗传操作的交叉算子。通过交叉，遗传算法的搜索 能力得以飞越提高。 2 1 4 3 变异算子 遗传算法导入变异的目的有两个：一是使遗传算法具有局部地随机搜索能力。 当遗传算法通过交叉算子已接近最优解领域时，利用变异算子的这种局部随机搜索 能力可以加速向最优解收敛。二是使遗传算法可维持群体多样性，以防止出现未成 熟收敛现象。 图2 1 为简单遗传算法流程图，其工作过程如下： ( 1 ) 群体初始化；( 2 ) 对群体中每个个体进行评价；( 3 ) 通过选择、交叉、变异操作 产生新种群；( 4 ) 评价新种群；( 5 ) 若已获得满意解，则结束；否则，转( 3 ) 。 图2 1 简单遗传算法流程图 1 0 华中科技大学硕士学位论文 2 2 并行遗传算法的理论与实现 2 2 1 简单遗传算法的缺陷及现有改进方案 虽然简单遗传算法目前已经取得了广泛的应用，但仍有缺陷影响遗传算法的应 用，具体如下： ( 1 ) 初期的未成成熟收敛、后期搜索迟钝问题； 现有解决方案： 一、有条件的最佳保留。1 1 9 1 二、遗传一灾变算法。l 2 0 三、采用适应度比例机制和个体浓度选择机制的加权和。1 2 1 四、引入主群和配群的概念。1 2 2 五、适应度函数动态定标。【2 3 j 六、多种群并行进化及自适应调整控制参数相结合的自适应并行遗传算法1 2 4 1 。 ( 2 ) 重要参数如n ( 群体规模) 、p c ( 交叉概率) 、p r o ( 变异概率) 选择困难； 现有解决方案： 非固定而自适应变化。1 2 5 ( 3 ) 交叉和变异算子的改进和协调。 现有解决方案： 一、划分进化过程为渐进和突变两个不同阶段。1 2 4 1 二、动态变异。 2 6 j 三、运用正态设计或均匀设计设计新的交叉算予。1 2 7 】 ( 4 ) 局部搜索能力差 现有解决方案：局部搜索算法结合，形成混合g a 。【2 8 】 ( 5 ) 单一的群体更新方式难以兼顾多样性和收敛性的要求。 现有解决方案：有条件替换父代。【2 3 j ( 6 ) 收敛速度慢 现有解决方案： 华中科技大学硕士学位论文 一、产生好的初始群体。1 2 7 1 二、小生境( n i c h e ) 技术。1 2 9 1 三、移民( e m i g r a t i o n ) 技术。 3 0 l 四、自适应算子。1 3