基于混合PSO算法的梯级水库优化调度研究

提出基于混合粒子群优化（PSO）算法求解流域梯级单目标优化调度问题方法的一般结构,并对三峡梯级的发电和洪水优化调度问题进行了研究。该算法利用离散微分动态规划法（DDDP）算法对粒子群优化算法的gBest粒子进行二次寻优,加快了算法的收敛速度和精度。     

调峰容量效益最大的梯级电站优化调度

为适应电力市场对水电站容量效益的需要,建立了既考虑容量效益又考虑电量效益的梯级电站优化调度模型,并提出了求解该模型的改进PSO算法,该算法能够有效处理目标函数带有层次性的多目标优化问题,具有收敛效率高的特点。用该算法对三峡梯级电站枯水期的优化调度问题进行了研究,使三峡梯级电站在获得尽可能大的调峰容量效益的同时也得到最大的电量效益。     

基于粒子群算法的梯级电站日优化调度

采用粒子群智能优化算法,可避免多梯级水电站系统优化模型所产生的＂维数灾＂,能实现对梯级电站日优化调度模型的有效求解,从而得到梯级电站日优化调度方案,该方案可作为梯级电站联合竞价上网的参考依据,也可作为水库调度运行方式的参考,有助于梯级电站实现整体的发电效益最大化。     

基于PSO的梯级水库联合防洪调度

在分析梯级水库联合防洪调度、上下游水库及防洪保护对象之间复杂的水文水力联系和水库群对防洪保护对象防洪补偿调度方式的基础上,建立了梯级水库联合防洪补偿调度模型,并提出了一种基于粒子群算法的模型求解方法。以湖南省资水流域上柘溪与金塘冲水库为例,根据不同典型年的地区洪水组合,通过模型求解拟定了梯级水库联合补偿调度原则。分析研究结果表明,这种基于PSO的梯级水库联合防洪调度原则是合理的,该模型能在一定程度上简化梯级水库联合防洪补偿调度的复杂性,为解决梯级水库联合防洪补偿调度提供了一条简洁有效的途径。     

基于粒子群算法的梯级泵站优化调度研究

针对大型梯级泵站运行特点,用调度周期内的机组启动次数衡量维修成本,建立以抽水电费最小和机组启动次数最少为优化目标、以调度周期不同时段下流量分配为决策变量的双目标优化调度模型,并利用线性加权方法评估双目标之间的关系,最终采用粒子群求解算法进行模型求解。工程实例分析表明,基于线性加权的梯级泵站双目标优化调度,不仅可以获得抽水电费与机组启动次数之间的权重关系和最优运行方案,也可为梯级泵站调度决策提供理论依据。     

梯级水库群联合优化调度算法研究综述

系统介绍了梯级水库群联合调度模型求解的常规优化方法和智能优化方法,其中常规优化方法包括动态规划法及其改进方法和大系统分解协调等方法,智能优化方法包括粒子群优化算法、遗传算法、差分进化算法等。在评述各种方法的基础上,给出了大规模水库群联合优化调度需要解决的问题:1模型系统求解的稳定性和求解效率的平衡问题;2考虑生态环境的多目标优化调度模式;3水库群优化调度模型描述方法;4优化模型输入和输出的不确定性问题;5机组高水头多振动区运行问题。同时,指出了智能优化算法的发展方向:1数学理论基础研究;2参数对算法结果的影响分析;3各种优化算法的改进与融合;4求解算法的并行计算和云计算技术。     

基于分段粒子群算法的梯级水库多目标优化调度模型研究

提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。     

汉江流域梯级水库群优化调度研究

随着经济社会的快速发展,日益上升的水资源需求率与水资源的污染短缺相抵触,汉江流域作为长江一级支流,是沿线城镇的主要供水水源地之一。但是汉江流域水资源的管理面临较大的挑战,要实现水资源系统的优化配置,水量调度必不可少。文章使用POA算法对汉江流域的水库群进行优化调度,并取得了较好的成果。     

粒子群算法在梯级水库优化调度中的应用研究

针对PSO算法易陷入局部最优和后期收敛速度慢的缺陷,引入进化遗传算法中的"变异"算子并采用自适应的权重因子,以改进其全局优化能力和搜索效率。引入粒子矩阵,通过对粒子在多维空间中最优位置的搜索来实现逐时段的优化计算,并将该算法应用于金沙江复杂梯级水电能源系统中长期优化调度计算中。计算结果表明,智能优化方法在复杂系统全局优化问题上较常规数学优化算法有更优越的优化性能,从而为解决复杂水电能源非线性动力系统的全局优化计算问题提供了一种新的有效的方法。     

改进粒子群算法在梯级水库优化调度中的应用

针对粒子群优化算法搜索精度不高和易陷入局部最优解的缺陷,结合梯级水库联合优化调度的实际问题,提出了惯性权重的余弦处理机制和自适应选择学习对象策略,并结合分层交叉思想对粒子群算法进行了改进。实例计算表明:该算法合理、可靠,有效地提高了计算精度与效率。     

免疫粒子群算法在梯级电站短期优化调度中的应用

将免疫原理引入粒子群算法(PSO)中,利用其免疫记忆与自我调节机制保持各适应度层次的粒子维持一定的浓度,保证种群的多样性;引入疫苗接种等操作,对算法的进化过程进行有目的、有选择地指导,提高算法的搜索性能.随后在分析梯级电站短期优化调度数学模型及该算法特点的基础上,建立了基于免疫粒子群(IPSO)算法的梯级电站短期优化调度数学模型,并给出其具体的求解步骤.最后应用该方法进行仿真计算,并与常规调度及PSO算法进行对比,结果表明,该算法可获得较优的优化调度方案,并可提高解的精度,加快其收敛速度.     

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以解决梯级水电站多目标联合优化调度模型求解的难题。该算法采用混合蛙跳算法的分组－混合循化优化框架,增强算法全局搜索能力,在族群内通过粒子群算法高效灵活的飞行调整策略指导个体进化,同时,引入外部精英集,建立一种基于自适应小生境的外部精英集维护策略,提高算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程应用实例,结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,为梯级电站的多目标调度决策提供了科学依据。     

基于改进粒子群算法的水库优化调度研究

对粒子群优化算法易陷入局部最优的缺点作了改进,提出了一种带有扰动项的改进的粒子群优化算法,并将其应用于水电站水库优化调度中。实例计算证明,改进后的粒子群优化算法具有较好的全局搜索能力,能够有效克服陷入局部最优的缺点,是水库优化调度比较有效的方法。     

基于区域水环境治理的泵闸调度优化

由于历史的原因,铁路、高等级公路的建设阻断了水系的通畅,同时随着城市化进程的加快,使上海嘉定蕰南中部地区的水生态环境不容乐观。为了改善该区域的水环境,嘉定区水务局于2013年进行了蕰南中部地区原型调水试验,试验结果没有达到预期目标。为了解决原型调水试验中出现的泵闸配置不合理的问题,提出了经济合理的泵闸调度运行方案,通过建立水动力计算模型以及一维非恒定流方程组来模拟河流或河口的水流状态,并对比原型调水试验,模拟多种工况下的泵闸调度;同时,采用历史水文资料对模拟调度结果进行验证,最终模拟出了水动力最大化的调度方案。研究成果不仅可为政府决策部门对嘉定蕰南中部地区这一独立区域的后续水利控制工程建设提供参考,还可以为常态化的水资源调度方式提供依据,具有较广泛的意义。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性、不易求解的特点,在粒子群算法（PSO）的进化机制中引入文化算法（CA）,利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法（PSO-CA）。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的“早熟”现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性和不易求解的特点,在粒子群算法(PSO)的进化机制中引入文化算法(CA),利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法(PSO-CA)。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的"早熟"现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。     

基于遗传算法的水电站优化调度

水电站优化调度的主要目的是能够充分利用有限的水资源,使发电量更大,从而提高水电站的经济效益。由于遗传算法对求解的目标函数的连续、可导或单峰等性质不作约束,使其具有较好的全局最优求解能力。将遗传算法引入到本文研究的水电站优化调度问题当中,能够为水电站确定一个最优的调度方案。本文在给出电厂出力和各种约束条件的情况下,求解水电站通过调度闸门的开启来提高水电站的发电量,同时提高整个水电站电力系统的供电质量与运行的可靠性。     

城市供水水源联合优化调度研究

城市供水优化调度是一个多目标、复杂大系统优化问题．本文应用系统科学的原理和方法，针对西安市，建立了多水源联合多目标优化模型；探讨了优化调度的多目标、多模型结构；提出了多目标模型求解思路和方法，为实现城市供水水源优化调度奠定了理论基础．最后应用本文提出的模型和算法，进行西安市市区供水水源优化调度实例研究，得出有益于西安市发展的优化调度策略和建议     

面向梯级水库多目标优化调度的进化算法研究

实际工程中以梯级水库多目标优化调度为代表的大规模高维多目标优化问题,其优化难度是一般方法所难以应对的。为此本文提出一种新型的多目标粒子群算法LMPSO,其包含了基于超体积指标Ihk的适应值分配方法与基于问题变换的搜索空间降维策略,以有效处理问题的高维目标向量与大规模决策变量。将该算法应用于溪洛渡-向家坝梯级水库的中长期多目标优化调度中,并与4种知名算法的计算结果进行对比分析,验证LMPSO在求解该类问题上的卓越性能。由此为多目标优化调度高质量非劣解集的获取提供一种可靠的方法,并为下一步的多目标调度决策提供有力的数据支持。