基于特征选择的数据驱动水库动态调度决策算法研究

论文摘要

随着经济的发展,大规模水库群、水电站逐步建成,水文数据平台逐步完善,水库及水电站调度开始从传统的人工调度转向智能优化调度。水库调度不仅涉及到防洪、灌溉、发电、供水等多种目标,还要统筹协调各个部门之间的综合需求和利益关系,因此是一个带有复杂约束条件的多目标决策问题。目前在水库、水电站调度决策的模型与方法基本上仍按一般的多目标决策问题处理,需要决策者自行根据当前具体情况从备选方案中选择合适的调度方案实施。本文提出了基于实时情况分类的水电站调度决策算法,首先,通过第二、三章提出的两种特征选择算法对水文、气象等数据进行特征选择筛选影响水库调度模式的关键因素;其次,在此基础上根据实时水文和气象等数据对当前调度时段进行调度决策选择,即根据实时情况调整侧重不同的调度目标,以提供更加智能和实时的水库调度决策支持;最后,对当前调度模型进行求解,得到调度方案。本文主要工作如下:（1）提出了一种基于蜻蜓算法和序列浮动后向选择算法的封装式特征选择算法（Dragonfly Algorithm-Partial Sequential Backward Floating Selection,DAPSBFS）,在标准数据集上的实验结果表明,算法具有较高的分类精确度的同时也获得了较小的特征子集规模,将其用于筛选重要的水库参数、水文气象等重要特征。（2）针对DA-PSBFS算法较高的计算时间消耗的缺点,提出了一种基于互信息的过滤式方法和DA-PSBFS相结合的混合式特征选择算法HDA-PSBFS（Hybrid Dragonfly Algorithm-Partial Sequential Backward Floating Selection）,与其他类似的混合式特征选择算法在标准数据集上的实验结果表明,算法能够具有较高的分类精确度,同时计算时间较少。（3）在基本蜻蜓算法中引入粒子群算法中个体和群体学习的思想以及遗传算法中变异的思想提出了单目标IDA（Improved Dragonfly Algorithm）算法,并将其用于求解三类防洪调度单目标模型。（4）以江西泸水河流域为例,应用第二三章提出的特征选择算法对该流域内水文、气象、各级水库参数、径流量、下游生态环境情况数据等各项数据进行特征选择分析找到影响该流域调度模式的重要特征,并将流域内梯级水库、水电站调度模式分为两大类-防洪和发电灌溉,其中防洪模式又根据洪水量级分为三小类,分别采用不同的调度模型应用所提出的IDA算法进行调度求解,发电灌溉则为水库群日常调度模式,建立了发电和生态两目标优化模型并对模型采用MOEA/D算法求解。

论文目录

文章来源

类型: 硕士论文

作者: 朱凯莉

导师: 王万良

关键词: 特征选择,水库调度,数据驱动,多目标优化

来源: 浙江工业大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 数学,水利水电工程

单位: 浙江工业大学

基金: “十二五”国家科技支撑计划项目“农村小水电节能增效关键技术”(项目编号:2012BAD10B01)的子课题“农村小水电(群)智能优化调度”,国家自然科学基金面上项目:基于半监督生成对抗网络的最优卷积化数据驱动水库群调度方法(项目编号:61873240)

分类号: O225;TV697.11

DOI: 10.27463/d.cnki.gzgyu.2019.000558

总页数: 75

文件大小: 3566K

下载量: 99

相关论文文献

• [1].基于随机森林特征选择的森林类型分类[J]. 北京测绘 2019(12)
• [2].特征选择稳定性研究综述[J]. 软件学报 2018(09)
• [3].基于成对约束分的特征选择及稳定性评价[J]. 计算机与数字工程 2019(06)
• [4].基于样本邻域保持的代价敏感特征选择[J]. 数据采集与处理 2018(02)
• [5].基于特征聚类集成技术的在线特征选择[J]. 计算机应用 2017(03)
• [6].一种基于特征选择的入侵检测方法[J]. 吉林大学学报(理学版) 2015(01)
• [7].基于支持向量机及特征选择的单通道脑电波睡眠分期研究[J]. 生物医学工程学杂志 2015(03)
• [8].一种快速的特征选择框架和方法[J]. 北京邮电大学学报 2019(03)
• [9].特征选择研究综述[J]. 信息与电脑(理论版) 2017(24)
• [10].基于自适应显著特征选择的动态加权平均行人识别模型[J]. 计算机工程与科学 2017(05)
• [11].基于在线特征选择的网络流异常检测[J]. 山东大学学报(工学版) 2016(04)
• [12].基于重采样与特征选择的不均衡数据分类算法[J]. 小型微型计算机系统 2020(06)
• [13].基于条件相关的特征选择方法[J]. 吉林大学学报(工学版) 2018(03)
• [14].基于局部特征选择的微博中文文本分类研究[J]. 现代计算机(专业版) 2017(23)
• [15].改进枢轴特征选择的跨领域情感分类[J]. 计算机工程与设计 2020(11)
• [16].基于独立特征选择和局部保持投影的故障诊断[J]. 机械设计与研究 2020(03)
• [17].基于有效距离的迭代特征选择[J]. 小型微型计算机系统 2017(05)
• [18].一种基于嵌入式特征选择的垃圾邮件过滤模型[J]. 小型微型计算机系统 2009(08)
• [19].多准则融合在数据特征选择中的应用[J]. 控制工程 2018(06)
• [20].入侵检测中特征选择技术的应用[J]. 计算机时代 2018(09)
• [21].生物特征身份识别中的特征选择与先进的识别算法[J]. 北京邮电大学学报 2009(02)
• [22].基于已选特征动态变化的非线性特征选择方法[J]. 吉林大学学报(工学版) 2019(04)
• [23].中文文本特征选择方法研究综述[J]. 工业控制计算机 2017(11)
• [24].基于特征选择和深度信念网络的文本情感分类算法[J]. 计算机应用 2019(07)
• [25].基于l_(1,2)惩罚典型相关分析的特征选择[J]. 计算机应用与软件 2019(10)
• [26].基于分治排序策略的流量二次特征选择[J]. 电子学报 2017(01)
• [27].基于大学生思想特征选择开展群体活动的路径[J]. 科学大众(科学教育) 2012(03)
• [28].一种基于Z-score的微博文本情感分类方法[J]. 信息与电脑(理论版) 2018(06)
• [29].多模场景下的高维数据的特征选择及分类研究[J]. 信息技术 2018(07)
• [30].基于XGBoost特征选择的幕课翘课指数建立及应用[J]. 电子科技大学学报 2018(06)

标签：特征选择论文;  水库调度论文;  数据驱动论文;  多目标优化论文;