POA改进算法在水库群优化调度中的应用

逐步优化算法(POA)的初始轨迹对能否收敛到最优解和计算时间有很大影响。如何选择合适的初始轨迹并对其进行改进,是水库优化调度的关键。本文从初始解集出发,在迭代过程中对初始轨迹进行逐步改进,通过保持解的多样性,有效避免了计算结果收敛于局部最优解。通过将改进的POA算法应用于梯级水电站中长期优化调度模型中,表明该方法计算速度快,能有效收敛到全局最优解。     

改进遗传算法及其在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立遗传算法(GA)求解多阶段最优化问题的数学模型.针对标准遗传算法(sGA)局部寻优能力较差、易早熟等不足之处,从编码方法、遗传算子和混合算法方面对其进行改进,提出了采用超立方体浮点数编码自适应遗传算法(AGA)和超立方体浮点数编码遗传模拟退火算法(SA-GA).通过16种不同策略的GA在雅砻江梯级优化调度中的应用,其结果表明了改进策略在解决水库群优化问题方面的有效性和优越性.最后将GA与动态规划(DP)算法的性能进行比较分析,充分体现了GA的优点.     

水库群优化调度新思路——逐级模拟复合法

针对某一利用湖泊群作为调蓄水库的多级调水工程优化调度问题提出逐级模拟复合法。求解表明：具有一定调度规则的模拟方法在水库优化调度中有着与动态规划法几乎相同的择优效果，即两者所得的最优调度轨迹完全一致或十分接近，但模拟方法大大减少了计算时间。     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

梯级水电站群优化调度算法研究

根据梯级水电站群远程集控调度的特点,研究了适用于梯级水电站群的优化调度算法。讨论了梯级水电站群优化调度准则,对几种典型优化算法的适应性和局限性进行了分析比较。结果表明,在流域梯级电站数量较少时可采用动态规划算法,在流域梯级电站规模较大时可采用基于遗传算法的改进型优化算法。按照流域梯级水电站的实际情况采用适应的优化算法,才能发挥梯级水电站远程集控优化调度系统的优势。     

混沌蚁群算法在水库优化调度中的应用

提出一种基于混沌优化算法和蚁群算法相结合的混合算法,在求解水库优化调度问题的方法。根据混沌变量的随机性和遍历性,利用混沌变量进行优化搜索,从而有效地克服了蚁群算法存在的效率低、易于演化停滞及陷入局部最优等问题。又利用蚁群算法信息素正反馈的优点,改善了混沌搜索的盲目性,提高了搜索的效率。通过实例计算,结果表明该算法具有效率高及较强的全局寻优能力。     

基于逐步优化算法的梯级水电站中长期优化调度

建立了梯级水电站中长期联合优化调度模型,并采用逐步优化算法对其进行求解。以金沙江中游梯级水电站群为例,通过计算,得到了合理的联合优化调度方案。与各水库单独运行对比,其多年平均发电量、枯期发电量及水量利用率均有不同程度的提高。该结果表明此方法应用于实际生产中切实有效,也为梯级水电站联合优化调度运行提供了一种可行的途径。     

单纯形混合遗传算法在水库优化调度中的应用研究

针对遗传算法收敛速度慢,收敛率低等缺点作了改进,引进了单纯形算法与遗传算法相融合的单纯形混合遗传算法(SM-HGA),并将其应用于水电站水库优化调度中,通过实例计算证明改进后的单纯形遗传算法具有收敛速度快收敛率高的优点,是水库调度比较好的方法.     

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle swarm Optimization--multi-objective HPSO)来求解水库调度中的多目标优化模型的不劣解集.通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性.     

基于门限回归算法的调度函数法在水库中长期优化调度中的应用研究

笔者构建了调度函数的整体框架,包括计算方法、修正原则和结果评价准则,并以门限回归模型对其进行了求解。为了提高计算精度,在模型计算过程中提出了以总能量作为门限变量,且给出了总能量的计算方法。另外在实例计算中将门限回归计算结果与线性回归计算结果进行了对比,分析了门限回归模型求解调度函数的优势所在。最后结合实际经验总结提炼出了产生调度函数误差的主要因素。     

发电侧电力市场下的梯级水电厂日优化运行

研究了发电侧电力市场下梯级水电厂日优化运行问题，建立了系统边际电价预测的二次移动平均模型;在此基础上，介绍了梯级水电厂日收益最大模型和相关的约束条件，并用逐次优化算法求解，计算结果可作为梯级水电厂的竞价策略参与竞价上网。该方法应用到四川南桠河梯级水电厂日优化运行中，结果令人满意。     

基于改进调度函数的梯级水库群联合调度研究

梯级水库联合调度规律是指导梯级水库优化运行的重要手段,目前尚无完整的梯级水库群调度规律的理论体系.为此,提出一种可获取梯级水库群联合调度规律的改进调度函数方法,并应用逐步回归法对调度函数进行拟合及相关因子的选择.以乌江流域梯级水库群为例,开展其联合调度研究.结果表明,该方法计算结果较原设计方案,多年平均发电量比设计值增加了14.43亿kW.h,涨幅达5％,保证出力提高到2431.9 MW,经济效益显著.     

蜂群遗传算法及在水库群优化调度中的应用

介绍了一种基于蜂群繁殖原理的改进遗传算法--蜂群遗传算法(BSGA),采用改进的遗传算子解决了传统遗传算法中"选择压力"和"种群多样性"之间的矛盾.将该算法应用于梯级水库优化调度的研究中,通过对清江梯级水库群优化调度的实例计算,得到了合理的全局最优解,验证了BSGA的可靠性和实用性.     

苏帕河流域梯级水库联合优化调度设想

针对苏帕河流域梯级水电站的特点,充分利用先进计算机技术和网络技术,运用系统工程、数理统计、动态规划等理论,对梯级水电站联合优化调度的理论方法进行了深入研究,确立了优化调度的内容和目标,特点和方法,建立了苏帕河流域梯级水电站联合优化调度模型,分析了梯级电站优化调度的技术方案,最后讲述了梯级电站优化调度的功能。     

混沌差分进化算法在水库优化调度中的应用研究

针对差分进化算法在求解水库调度等复杂优化问题时,算法初始种群的随机性导致其在解空间中的代表性不足,算法的贪婪选择策略又极易导致种群迅速趋同而"早熟"收敛。提出初始种群的混沌生成策略,利用混沌因子的遍历性提高算法初始种群的代表性。同时,以动态概率接受适应值较差的个体作为子代个体参与进化,从而提高算法跳出局部最优解的能力。将改进的差分进化算法模拟乌江梯级电站优化调度问题,模拟计算结果表明,改进的差分进化算法具有较高全局搜索能力,大幅提高了求解的精度,适合求解水库优化调度等问题。     

FS-DDDP方法及其在水库群优化调度中的应用

可行搜索-离散微分动态规划(FS-DDDP)方法是在考虑水库运行的综合利用要求的前提下,利用正向搜索和逆向搜索相结合的方式寻找水库优化调度过程的大量可行轨迹,以目标函数较大的几个可行轨迹作为DDDP方法的初始轨迹分别进行再寻优计算的优化算法.该方法可进行单库优化计算,也可进行库群优化计算.黄河上游梯级水库数量较多,综合利用要求复杂.文中以该梯级为例,说明FS-DDDP方法可在满足该梯级水库群的河流生态用水、防凌用水、灌溉用水、发电用水等综合利用要求的前提下,以水库群发电效益最大为目标,求得水库群优化调度的较好解.     

松涛灌区渠道梯级电站优化调度研究与应用

松涛水利工程管理局在松涛灌区（东干）渠道上建立的5座梯级电站由于地理位置分散,渠道调节性能差,发电效益不高,综合利用部门之间的矛盾突出。为此,对松涛灌区渠道梯级电站进行优化调度研究,以现代控制论、动态规划法为基础,根据动态规划理论,求解适合渠道梯级电站优化运行方式,并开展渠道梯级电站联合优化调度应用的探索,实践证明,松涛灌区梯级电站优化调度后效益显著。     

动态差分进化算法在梯级水库优化问题中的应用

采用标准差分进化算法在求解梯级水库优化问题时,随着解链长度的增加,算法求解性能下降,进化后期种群多样性降低,算法极易陷入局部最优解。为此,定义了个体差异参数来动态控制差分进化算法的缩放因子,即定义算法可进化度参数来动态控制算法的选择机制。通过对比标准差分进化算法、逐步优化算法和动态差分进化算法求解2个标准测试函数和某梯级水库优化调度的模拟仿真结果,发现后者较前者的全局搜索能力有了显著提高。     

梯级水电站水电联合优化调度系统

分析了梯级水电站水电联合优化调度技术,包括来水预报技术、计划调度技术、实时调度技术和电力市场水电调度技术,说明了这些技术的现状和发展方向,并提出相应的计算机系统设计的主要目标和结构要点.     

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。