第３７卷第１期 黑龙江水专 学报 Ｖｏ１．３７，Ｎｏ．１ ２０１０年３月 Ｊｏｕｒｎａｌ ｏｆ Ｈｅｉｌｏｎｇｊｉａｎｇ Ｈｙｄｒａｕｌｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｍａｒ．，２０１０ 文章编号：１０００—９８３３（２０１０）０１—００４０—０３ 水库优化调度研究进展和发展趋势 杨 旭 ， 徐淑琴 ，孟凡香 （１．东北农业大学水利与建筑学院，哈尔滨 １５００３０；２．黑龙江大学应用技术学院，哈尔滨１５００８０） 摘要：回顾了水库优化调度的进展，并简单介绍了遗传进化算法、神经网络方法及微粒群方法、蚁群算法等智能（仿生）优化方 法。在此基础上从理论研究和管理两方面提出了水库优化调度研究中所存在的一些问题，并对水库优化调度研究未来的 发展趋势进行了展望，即在水库调度研究方面大规模、高强度地应用高新技术，实现调度决策的科学化、智能化、敏捷化， 提升调度决策的技术水平，使水库调度研究不断朝着可视、交互、智能、集成化的方向发展。 关键词：水库；优化调度；研究进展；发展趋势 中图分类号：ＴＶ６９７．１ 文献标识码：Ａ Ｒｅｓｅｒｖｏｉｒ Ｏｐｔｉｍａ１ Ｏｐｅｒａｔｉｏｎ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｔｒｅｎｄ Ｒｅｓｅａｒｃｈ ＹＡＮＧ Ｘｕ ，ＸＵ Ｓｈｕ－ｑｉｎ ，ＭＥＮＧ Ｆａｎ－ｘｉａｎｇ （１．Ｃｏｌｌｅｇｅ Ｏｉ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｎｃｙ ａｎｄ Ａｒｃｈｉｔｅｃｔｕｒｅ，Ｎｏｒｔｈｅａｓｔ ＡｇｒｉｅｕｌｔｕｒａＪ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５００３０，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ Ｏｉ Ａｐｐｌｉｃａｔｉｏｎ Ｔｅｃｈ— ｎｏｌｏｇｙ，Ｈｅｉｌｏｎｇｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５００８０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｏｕｔｌｉｎｅｓ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｕｔｉｌｉｚａｔｉｏｎ ｏｆ ｗａｔｅｒ ｒｅｓｏｕｒｃｅｓ ａｎｄ ｒｅｓｅｒｖｏｉｒｓ，ｔｈｅ ｉｍｐｏｒ— ｔａｎｃｅ ｏｆ ｏｐｔｉｍａｌ ｓｃｈｅｄｕｌｉｎｇ ｔｏ ｒｅｖｉｅｗ ｔｈｅ ｐｒｏｇｒｅｓｓ ｏｆ ｔｈｅ ｒｅｓｅｒｖｏｉｒ ｏｐｔｉｍａｌ ｓｃｈｅｄｕｌｉｎｇ，ａｎｄ ａ ｂｒｉｅｆ ｉｎｔｒｏｄｕｃ— ｔｉｏｎ ｏｆ ｒｅｃｅｎｔ ｎｅｗ ｄｅｖｅｌｏｐｍｅｎｔｓ ｉｎ ｇｅｎｅｔｉｃ ｅｖｏｌｕｔｉｏｎａｒｙ ａｌｇｏｒｉｔｈｍｓ，ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｅｔｈｏｄ ａｎｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｍｅｔｈｏｄ，ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ ｉｎｔｅｌｌｉｇｅｎｃｅ（Ｂｉｏｎｉｃ）ｏｐｔｉｍｉｚａｔｉｏｎ ｍｅｔｈｏｄ．Ｏｎ ｔｈｉｓ ｂａｓｉｓ，ｂｏｔｈ ｆｒｏｍ ｔｈｅ ｔｈｅｏｒｅｔｉｃａｌ ｓｔｕｄｙ ａｎｄ ｍａｎａｇｅｍｅｎｔ ｐｕｔ ｆｏｒｗａｒｄ ａ ｒｅｓｅｒｖｏｉｒ ｏｐｔｉｍａｌ ｓｃｈｅｄｕｌｉｎｇ ｉｎ ｓｏｍｅ ｏｆ ｔｈｅ ｐｒｏｂｌｅｍｓ ｔｈａｔ ｅｘｉｓｔ，ａｎｄ ｒｅｓｅｒｖｏｉｒ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｓｃｈｅｄｕｌｉｎｇ ｒｅｓｅａｒｃｈ ｔｈｅ ｆｕｔｕｒｅ ｄｅｖｅｌｏｐｍｅｎｔ ｔｒｅｎｄ ｗａｓ ｐｒｅｄｉｃｔｅｄ ｔｈａｔ，ｉｎ ｒｅｓｅｒｖｏｉｒ ｏｐｅｒａｔｉｏｎ ｒｅｓｅａｒｃｈ，ｌａｒｇｅ—ｓｃａｌｅ，ｈｉｇｈ－ｉｎｔｅｎｓｉｔｙ ｌａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｈｉｇｈ—ｔｅｃｈ，ｔｏ ａｃｈｉｅｖｅ ｓｃｈｅｄｕｌｉｎｇ ｄｅｃｉｓｉｏｎｓ ｍｏｒｅ ｓｃｉｅｎｔｉｆｉｃ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｔ，ａｇｉｌｅ，ｉｍｐｒｏｖｅ ｓｃｈｅｄｕｌｉｎｇ ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ ｓｋｉｌｌｓ，ＳＯ ｔｈａｔ ｒｅｓｅｒｖｏｉｒ ｏｐｅｒａｔｉｏｎ ｒｅｓｅａｒｃｈ ｃｏｎｔｉｎｕｅｓ ｔｏｗａｒｄ ｔｈｅ ｖｉｓｕａｌ，ｉｎｔｅｒａｃｔｉｖｅ，ｉｎｔｅｌｌｉｇｅｎｔ，ｉｎｔｅｇｒａｔｅｄ ｄｉｒｅｃｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｒｅｓｅｒｖｏｉｒ；ｏｐｔｉｍａｌ ｏｐｅｒａｔｉｏｎ；ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ；ｄｅｖｅｌｏｐｍｅｎｔ ｔｒｅｎｄ １水库优化调度的进展 洪、发电、灌溉、供水及航运等效益最佳，国内外进行 了大量研究工作并应用于实践，建立了随机性优化 水资源开发利用的历史悠久，可以说有水库出 调度、确定性优化调度、最优控制、多目标优化调度 现就有水库调度，但应用系统分析理论与方法，研究 等多种模型，提出了动态规划、非线性规划、网络流 和解决水资源开发利用问题包括水库调度问题，始 规划算法、大系统分解协调方法等单目标优化方法， 于２Ｏ世纪５Ｏ、６０年代。国外最早是１９４６年，美国 和权重法、约束扰动法、多目标线性规划法、多目标 学者Ｍｏｓｅｓ最早将优化概念引入单一水库调度＿１ ； 动态规划法、均衡规划法、目的规划法等多目标优化 国内最早是１９６３年谭维炎、黄守信等根据动态规划 方法，最近又发展了遗传进化算法、神经网络方法及 与Ｍａｒｋｏｖ过程理论，建立了一个长期调节水电站 微粒群（ＰＳ０）方法、蚁群算法（ＡＣＯ）等方法，形成 水库的优化调度模型｜２］，并在狮子滩水电站的优化 了水库调度的智能（仿生）优化方法。 调度中得到应用ｌ＿３］。从发挥水库经济社会效益出 １．１遗传算法 发，探讨如何实现水库综合利用效益最佳，包括防 遗传算法（ＧＡ）是模拟生物在自然环境中的遗 传和进化过程而形成的一种自适应全局优化搜索算 收稿日期：２００９—１０—０９ 法ｌ４］，最初由美国密歇根大学的Ｊｏｈｎ Ｈｏｌｌａｎｄ教授 作者简介：杨旭（１９８０）．男，黑龙江哈尔滨人，讲师，在读硕 于１９６２年提出的［５＿６＿。２０世纪８０年代由Ｇｏｌｄｂｅｒｇ 士研究生。主要从事水库优化调度与管理方面的研究，Ｅ ｍａｉｌ：ｃｈｒｉｓ～ 对２Ｏ世纪７０年代ＤｅＪｏｎｇ基于遗传算法的思想在 ｔｉａｎｙａｎｇ８０４８＠ｑｑ．ｃｏｒｎ。 计算机上进行了大量的纯数值函数的优化计算实验 第１期 杨 旭，等．水库优化调度研究进展和发展趋势 ４１ 进行了归纳总结，形成了遗传算法的基本框架［７］。 遗传算法属于自适应概率搜索技术，其选择、交叉和 变异等运算都以一种概率方式进行，因而增加了搜 索的灵活性，具有广泛的应用价值。我国采用ＧＡ 求解确定性人流下单目标水电站水库年优化调度问 题最早在１９９６年，之后又用于求解梯级水电站１３优 网络为模拟模型，具有自学习、自适应、自组织、高度 非线性和并行处理等优点。在水库调度领域应用较 多的是多层前馈网络与Ｈｏｐｆｉｅｌｄ网络。利用前馈 神经网络可进行径流中长期分级预报，提取水库群 优化调度函数等工作。Ｈｏｐｆｉｅｌｄ网络模型则在求解 优化问题方面获得成功，如水库群长期、短期优化调 度问题。胡铁松、万永华等１９９５年提出了水库群优 化调度函数的人工神经网络方法，利用Ｈｏｐｆｉｅｌｄ连 续模型建立了混联水库群优化调度的神经网络模 化运行问题，根据水库调度多目标要求提出了多目 标ＧＡ，并应用于水库群优化调度问题＿８ 。现有求 解的调度问题多数为年调度问题。如果当ＧＡ应用 于多年调度问题时，计算效果和效率均有待进一步 改进。 １．２蚁群算法 蚁群算法（ＡＣＯ）也称蚂蚁算法，最早是由意大 利学者Ｍ．Ｄｏｒｉｇｏ根据蚂蚁觅食原理在２Ｏ世纪９Ｏ 年代设计出的一种群体智能算法［】¨。在解决旅行 商问题、二次分配问题、车间调度问题、车辆路线等 组合优化问题时取得了一系列较好的实验结 果［１２ １４］。近些年，蚁群算法的应用也逐渐扩展到了 水资源领域。Ａｂｂａｓｐｏｕｒ等人２００１年把蚁群算法 应用到估算非饱和土的水力参数中ｕ ；Ｍａｉｅｒ在 ２００３年又把蚁群算法应用到配水系统优化设计中， 并获得了配水系统的近似全局最优解，并指出蚁群 算法能代替遗传算法用于配水系统的优化设计ｌ】 。 而在我国，徐刚等人在２００５年把蚁群算法应用到梯 级水电站水库群优化调度中＿１ ｊ。 １．３粒子群算法 粒子群优化算法（ＰＳＯ）是最早由美国社会心理 学家Ｊａｍｅｓ Ｋｅｎｎｅｄｙ和电气工程师Ｒｕｓｓｅｌｌ Ｅｂｅｒ— ｈａｒｔｇ在１９９５年提出的，其基本思想是起源于对鸟 类捕食行为的研究的启发［１引。粒子群算法【 ｊ与 遗传算法相类似，同样采用了“群体”与“进化”的概 念，也是根据个体的适应值大小进行操作。所不同 的是ＰＳＯ算法的进化过程是一个自适应的过程，粒 子的位置代表被优化问题在搜索空间中的潜在解， 粒子们追随当前的最优粒子在解空间搜索。ＰＳＯ 初始化为一群随机粒子，然后通过迭代来找到最优 解。在每一次迭代中，粒子通过跟踪两个“极值”来 更新自己。一方面就是个体极值，即粒子本身所找 到的最优解；另一方面就是全局极值，即整个粒子群 体目前找到的最优解。针对该算法的特点，粒子群 算法已经被马西霞等人在２００６年和张双虎等人在 ２００７年成功地应用于水库优化调度问题中 。‘。 。 １．４人工神经网络方法 人工神经网络（ＡＮＮ）是通过数学方法对人脑 若干基本特性进行抽象和模拟，是一种模仿人脑结 构及其功能的非线性信息处理系统 ，以生物神经 型，以水库群优化运行策略作为ＢＰ网络的训练样 本，通过ＢＰ网络对样本的学习得到水库群优化调 度函数＿２引。ＧａｏＨｏｎｇ等人１９９８年利用Ｈｏｐｆｉｅｌｄ 连续模型建立了计算水电站补偿效益的模型，结果 发现，在实际应用中能获得满意的结果＿２ 。傅巧萍 等人又在１９９８年建立了水电站最优调度函数，确定 了水库最优余留效益函数的神经元网络方法＿２ 。 应该说，各种水库调度优化方法各具优缺点。 由于水库优化调度往往存在多目标、多约束等问题， 所以在解决实际调度问题时，应考虑综合运用以上 一种或几种方法，应注重多种优化方法组合模型的 研究。 ２水库优化调度存在的主要问题 水库优化调度，特别是综合利用水库的优化调 度问题，虽然在国内外已有几十年的研究历史了，取 得了很多的研究成果，但在实际应用中还存在着相 当多的问题。到目前为止，还没有研究出来一个很 成熟的优化调度方法，结合当前国内外关于水库调 度的研究现状，可以总结得到目前水库优化调度研 究中存在且尚待解决的问题是：①理论研究方面的 问题；②管理方面的问题［１］。 ２．１理论研究方面 １）一些研究侧重理论探讨，片面追求高水平、深 理论，方法深奥，追求算法的完美，使得使用者难以 理解，导致理论研究者多而实际应用者少； ２）一些模型要么庞大复杂，操作起来不方便，要 么过于简化，与实际有很大出入，使模型不能很好地 描述水库群的实际工况； ３）对于水库多目标决策问题，一些方法片面追 求最优解，而忽视了水库的复杂、多变、动态特性以 及生产上许多因素的不确定性，优化结果偏离实际， 结果无法使决策者满意。 ２．２管理方面 １）客观原因。一般水库调度管理部门对水库调 度关心的首要问题是安全、可靠的运行调度，其次考 虑的才是经济问题，这从客观上决定了决策部门对 ４２ 黑龙江水专 学报 第３７卷 水库优化调度的实施兴趣受到限制； ２）主观原因。目前我国的决策者大都对水库优 １９９２，（４）：４４—５０． ［７］金菊良，丁［８］马光文，王晶．遗传算法及其在水科学中的应用［Ｍ］．成都： 黎，Ｗａｉｔｅｒｓ Ｇ．八．水电站群优化调度的ＦＰ遗传 化调度的理论及计算机技术了解不够深入，优化调 度理论与实际结合不是很好，决策者对优化调度方 四川大学出版社，２０００． 算法［Ｊ］．水力发电学报，１９９６，（４）：２１—２８． ［９］钟登华，熊开智，成立芹．遗传算法的改进及其在水库优化调度 中的应用研究＿Ｊ］．中国工程科学，２００３，５（９）：２２—２６． 案的采用把握性不大，他们又对数学模型的抽象结 果有很多不满意的地方，以及程序缺乏灵活性，导致 他们从主观上对新调度方案的采用不太接受，从而 ［１Ｏ］伍永刚，王定一．基于遗传算法的梯级水电厂自动发电控制算 难以应用到实际中去。 ３发展趋势展望 为了解决理论研究方面存在的问题，应采用系 统的调度理论，从全局出发，不断完善调度理论，注 重理论与生产实际相结合，注重研究成果向生产的 转化，把理论研究与实际应用的差距较好的缩短；必 须结合生产需要和具体问题，研究探讨适合某一具 体河流或区域、简便实用并为生产管理者所接受的 水库调度模型及应用方法。 随着计算机及人工智能技术的发展，与计算机 及人工智能技术相结合，并引入新的理论，成为水库 优化调度研究的一个热点和发展趋势＿３］： １）充分应用计算机的快速运算及大容量存储能 力，研究快速、准确求解水库优化调度模型的方法及 算法，以提高水库优化调度模型效率。 ２）充分利用计算机技术，结合人工智能开发出 人机界面友好的具有智能化、敏捷化的决策支持系 统是水库调度决策技术今后的发展趋势。此外，全 球定位系统、地理信息系统、遥感技术以及虚拟现实 技术等高新技术，在水利行业也具有广阔的应用前 景。 总之，在水库调度方面更广泛的、高质量的应用 高新技术，可以使得调度决策变得更科学化、更智能 化、更敏捷化，进一步提升调度决策的技术水平，使 水库调度向着可视化、交互化、智能化、集成化的方 向前进。 参考文献： ［１］王利．三门峡水库多目标优化调度研究［Ｄ］．南京：河海大 学，２００６． ［２］王美良．东深供水工程经济调度研究［Ｄ］．南京：河海大学， ２００６． ［３］倪建军，徐立中，李臣明，等．水库调度决策研究综述［Ｊ］．水利 水电科技进展，２００４，２４（６）：６３—６６． ［４］周明孙，树栋．遗传算法原理及应用ＦＭ］．北京：国防工业出 版社，２００１． ［５１ 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． 法研究［Ｊ］．电网技术，２０００，２４（３）：３５—３８． ［１１］Ｄｏｒｉｇｏ Ｍ，Ｍａｎｉｅｚｚｏ Ｖ，Ｃｏｌｏｒｎｉ Ａ Ａｎｔ Ｓｙｓｔｅｍ Ｏｐｔｉｍｉｚａｔｉｏｎ ｂｙ ａ Ｃｏｌｏｎｙ ｏｆ Ｃｏｏｐｅｒａｔｉｎｇ Ａｇｅｎｔｓ［Ｊ］．ＩＥＥＥ Ｔｒ－ａｎｓ ｏｎ ＳＭＣ， １９９６，２６（１）：２８—４１． ［１２］Ｄｏｒｉｇｏ Ｍ，Ｇａｍｂａｒｄｅｌｌａ Ｌ＾，Ｌ Ａｎｔ Ｃｏｌｏｎｙ Ｓｙｓｔｅｍ：ａ Ｃｏｏｐｅｒ— ａｔｉｖｅ Ｌｅａｒｎｉｎｇ Ａｐｐｒｏａｃｈ ｔｏ ｔｈｅ Ｔｒａｖｅｌｉｎｇ Ｓａｌｅｓｍａｎ Ｐｒｏｂｌｅｍ ＬＪ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｅｖｏｌｕｔｉｏｎａｒｙ Ｃｏｍｐｕｔｉｎｇ，１９９７，１（１）：５３ ５６． ［１３１ Ｃｏｌｏｒｎｉ Ａ，Ｄｏｒｉｇｏ Ｍ，Ｍａｎｉｅｚｚｏ Ａｎｔ Ｃｏｌｏｎｙ Ｓｙｓｔｅｍ ｆｏｒ Ｊｏｂ ｓｈｏｐ Ｓｃｈｅｄｕｌｉｎｇ［Ｊ］．Ｂｅｌｇｉａｎ Ｊ ｏｆ Ｏｐｅｒａｔｉｏｎｓ Ｒｅｓｅａｒｃｈ Ｓｔａ— ｔｉｓｔｉｃｓ ａｎｄ ｏＣｍｐｕｔｅｒ ｃＳｉｅｎｃｅ，１９９４，３４（１）：３９—５３． ［１４］李士勇．蚁群算法及其应用［Ｍ］．哈尔滨：哈尔滨工业大学出 版社，２００４． ｒ １５］Ａｂｂａｓｐｏｕｒ Ｋ．Ｃ．，Ｓｃｈｕｌｉｎ Ｒ，ａｎｄ ｖａｎ Ｇｅｎｕｃｈｔｅｎ Ｍ．Ｔ．Ｅｓｔｉ— ｍａｔｉｎｇ Ｕｎｓａｔｕｒａｔｅｄ Ｓｏｉｌ Ｈｙｄｒａｕｌｉｃ Ｐａｒａｍｅｔｅｒｓ Ｕｓｉｎｇ ａｎｔ Ｃｏｌｏ ｎｙＯｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＡｄｙＷａｔｅｒＲｅｓｏｕｒ，２００１，２４（８）：８２７ ９３３． ｒ１６］Ｍａｉｅｒ Ｈ．Ｒ．，Ｓｉｍｐｓｏｎ八Ｒ，Ｚｅｃｃｈｉｎ八Ｃ．，ｅｔ ａ１．Ａｎｔ ｏＣｌｏ— ｎｙ（）ｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ Ｄｅｓｉｇｎ ｏｆ Ｗａｔｅｒ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｓｙｓｔｅｍｓ［Ｊ］． Ｗａｔｅｒ Ｒｅｓｏｕｒ Ｐｉｎｇ ａｎｄ Ｍｇｒｎｔ，２００３，１２９（３）：２００—２０９． ［１７］徐刚，马光文，梁武湖，等．蚁群算法在水库优化调度中的应 用［Ｊ］．水科学进展，２００５，１６（３）：３９７—４００． ［１８］刘群明．粒子群优化方法在梯级水电站水库优化调度中的应 用研究［Ｄ］．南京：河海大学，２００７． ［１９］曾建潮，介婧，崔志华．微粒群算法：第一版［Ｍ］．北京：科学 出版社，２００４． ［２ｏ］李爱国，覃征，鲍复民，等．粒子群优化算法［Ｊ］．计算机工程 与应用，２００２，（２１）：１－３，１７． ［２１３周驰，高海兵，高亮，等．粒子群优化算法ｒＪ］．计算机应用 研究，２００３，（１２）：７－－ｌ１． ［２２］樊玮．粒子群优化方法及其实现［Ｊ］．航空计算技术，２００４， ３４（３）：３９—４２． ［２３］马细霞，储冬冬．粒子群优化算法在水库调度中的应用分析 口］．郑州大学学报，２００６，２７（４）：１２１—１２４． ［２４］张双虎，黄强，吴洪寿，等．水电站水库优化调度的改进粒子 群算法［Ｊ］．水力发电学报，２００７，２６（１），１：５． ［２５３付强．数据处理方法及其农业应用［Ｍ］．北京：科学出版社， ２００６：１ １６４． ［２６］胡铁松，万永华，冯尚友．水库群优化调度函数的人工神经网 络方法研究［Ｊ］．水科学进展，１９９５，３（６）：５３—６Ｏ． ［２７］ Ｇａｏ Ｈｏｎｇ，Ｗａｎｇ Ｈｕａｎｃｈｅｎ，Ｔａｎ Ｗｅｉｘｉｏｎ，ｅｔ ａ１．Ａ Ｎｅｗ Ｍｅｔｈｏｄ ｏｆ Ｃｏｍｐｅｎｓａｔｉｖｅ Ｒｅｇｕｌａｔｉｏｎ ｏｆ Ｈｙｄｒｏｐｏｗｅｒ Ｂａｓｅｄ ｏｎ Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｔｒａｌ Ｎｅｔｗｏｒｋ［Ｊ］．水电能源科学，１９９８，３（１６）：２２— ２８． ［２８］傅巧萍，尚金成，张士军，等．水电站长期优化调度的神经元网 络方法口］．水电能源科学，１９９８，９（１６）：２６—３１．