基于遗传模拟的水库发电优化调度模型及应用

为快速高效绘制适宜性强、效益高、便于操作的水库发电调度图,以常规发电调度图运行方式（时历法）作为模拟规则,以保证出力保证率满足前提下发电量最大为目标函数,借助实码加速遗传算法的并行计算能力,把调度图绘制（模拟规则）与有效性检验（智能优化）结合起来,建立水库发电优化调度模型。作为实例,应用该模型于中国某大型年调节水电站优化调度图绘制中。结果表明：该模型是有效的,可以考虑下游生态需水等水电站优化调度若干复杂约束条件与水库管理者的经验（常规调度绘制方法不能）,调度图更符合实际;把调度图的绘制与有效性检验结合起来,得出的调度图无需再检验,较常规方法更为快速高效;利用了遗传算法的并行计算能力,可快速获得满足保证出力要求的多组优化调度方案（调度图）,决策信息更加丰富。     

毛家村水库长期优化调度研究

针对毛家村水库及电站的实际情况，根据动态规划的最优性原理，建立了以水电站年平均发电量最大为目标函数，以各时段水库的发电用水为决策变量的水库长期优化调度模型；并对径流资料进行分析，建立了随机模型；对样本径流资料和模拟序列分别进行了长期优化调度计算，得到水库的最优调度过程．     

分时电价下水电站水库优化调度研究

随着电力市场的开放和分时电价制度的实施,传统以发电量最大作为准则的情况已不能适应水电站优化调度的要求,本文提出了分时电价条件下水电站水库优化调度的数学模型,并以宝珠寺电站为例,研究结果说明了模型的合理性及可行性。     

小时级坝间水位动态控制效益及机理分析

为探究坝间水位调控对梯级出力的影响,以三峡―葛洲坝梯级水库为对象开展实例研究,构建了坝间水位日内优化控制发电调度模型,研究结果表明：较径流式而言,坝间水位日尺度优化控制后可提升年均发电量0.88×10⁵ MW·h(0.75‰),进一步细化至1 h可继续提升年均发电量3.31×10⁵ MW·h(2.77‰),且发电量增益存在较大汛枯差异,小时级坝间水位日内变化在枯期呈现先升后降的规律;给出了三峡―葛洲坝梯级出力随坝间水位变化的关系式,分析了坝间水位与梯级出力之间的关联,可为坝间水位精细化调控提供参考。     

水库调度图优化研究

应用动态规划法,结合具体实际,建立相应的数学模型,对水库调度图进行优化.以隔河岩水库为例,在满足系统运行可靠性要求和各种约束条件下,迭代计算确定出水库优化调度图;并求得在优化调度图下水库运行各种参数和动能指标.通过指标对比,验证了模型和算法的有效性和可行性,具有生产应用价值.     

小型水电站水库长期优化调度研究

水电站水库优化调度是一个复杂的多阶段决策过程,根据小型水电站水库的特点,以水电站的发电引用流量为决策变量,以水电站在调度周期内发电量最大为目标,建立小型水电站水库长期优化调度问题的数学模型,并采用浮点数编码的遗传算法对该问题进行优化计算,通过仿真实验说明了该算法的可行性和有效性。     

隔河岩水库确定性优化调度规律

以径流的确定性描述为基础，以考虑保证出力约束的发电量最大作为目标函数，应用动态规划法研究提出了隔河岩水库确定性优化调度规律。     

金沙江梯级水库群供水发电联合调度研究

为使金沙江下游梯级水库群在不同典型年、不同调度期下的实际调度中发挥最大效益,以梯级总发电量最大和缺水量平方和最小为目标,建立金沙江下游水库群优化调度模型,采用NSGA-II算法对其进行求解,得到不同典型年和分周期下的非劣解集,并引入置换率的概念分析两目标间的竞争关系,最后分析了枯水年不同偏好下的水位过程。结果表明：发电与供水目标间的竞争关系主要体现在水库蓄水期与供水期,在汛期与汛前消落期为协同关系;供水-发电目标置换率随梯级发电量呈递增趋势,依据置换率曲线得到不同梯级发电量情况下提高单位发电量对供水造成的影响,在实际调度中设置合理发电量可以使得发电、供水目标效益最大化。     

跨流域调水工程实时优化调度模型研究

研究了跨流域调水工程实时优化调度的优点，方法和步骤、建立了基于多维动态规划和模拟技术相结合的大系统分解协调实时调度模型，提出了利用水源区水库调度图控制面临时段的调水决策以考虑余留期效益的建议，以南水北调中线工程为背景进行了实例验算，成果合理，模型可行。     

金沙江下游梯级水库发电出力区间优化研究

传统的水库调度单点最优决策常基于动态规划系列算法求解,据此改进得到的区间近优决策虽然提高了调度灵活性,但是受限于径流多样性与目标维度。采用随机径流模拟器扩展径流输入,构建梯级水库发电联合调度模型并结合“参数-模拟-优化”框架,对累积目标（多年平均发电量）、最值目标（最小出力）和阈值目标（出力保证率）进行稳健性优化,应用于金沙江下游梯级水库并探讨多个方案下的优化发电出力区间。结果表明：虽同为发电效益,最小出力目标与多年平均发电量、出力保证率目标依旧存在相互制约的关系;基于maximin指标优化可以提高最值目标的稳健性;折中方案在权衡多个目标的基础上可增加多年平均发电量93.2亿kW·h(+4.96%),采用20%～80%分位数归纳折中方案的坝上水位柔性决策区间,可指导金沙江下游梯级水库发电联合调度运行。     

大规模混联水电系统长期发电优化调度模型及求解

采用改进判别式法求解大规模混联水电站库群发电优化调度问题.采用坐标轮换法,将多库同时供、蓄水决策转化为单库逐次轮换决策,可有效解决具有水力联系的多水库能量指数(K)求解困难.结合水库常规调度图规则,对水库时段蓄、放水量进行适当控制,以对原始判别式规则进行修正,使解算结果更为合理.结合长江中上游流域11座大型水电站调度系统,给出了一个大型混合水电站系统保证出力约束条件下发电量最大的实际例证.     

梯级水电站设计参数选择的数学模型

本文应用动态规划等优化技术,建立了梯级水电站水库正常蓄水位、死水位和电站装机容量等设计参数优化选择的数学模型和保证出力以及年发电量等能量指标优化计算的数学模型,提出了相应的求解方法,从而更新了梯级水电站群水能设计的方法。     

基于Petri网仿真的柔性生产调度——蚁群-遗传递阶进化优化方法

利用受控赋时Petri网对柔性生产线调度中的离散事件建模,此Petri网模型由过程流子网、资源子网和调度控制子网通过同步变迁连接而成.在由Petri网仿真运行获得调度性能评价的基础上,采用两级递阶进化优化方法求解柔性生产过程的优化调度问题.首先由蚁群优化方法优化加工路径,然后根据蚁群在信息素指引下所构造的加工路径,采用遗传算法优化在同一机器上加工的作业排序.应用蚁群优化原理提出了加工路径优化问题的信息素表达方式,解构造策略和信息素更新策略.一组测试问题的求解结果说明了算法的有效性和鲁棒性.     

关于水电站优化准则等技术经济计算若干问题

本文第一部份系根据作者在1979年6月向中国技术经济研究会第二次会议提供的“关于技术经济计算若干问题的商榷”一文修改而成。文中提出了在应用抵偿年限法中计算投资积压影响和利息、及扣除水电站折旧费用问题,并结合我国水、火电站投资费用的实际情况,举例计算了这两种因素的影响,将使抵偿年限增加或减少达30%左右。文中还简述了投资还本年限可作为选择方案时的一个参考指标,但不能用来评定两方案间的比较效益问题。本文第二部分针对我国当前在水电站水库调度最优化科研中普遍采用以发电量最大为优化准则的问题,提出了改进意见,建议采用分三区计算电价,并计入由于特别枯水年份水电站降低出力引起电力系统不同程度的限电损失,按照国民经济效益最大为准则进行比较选择。     

求解水库优化调度问题的动态规划-遗传算法

综合动态规划和遗传算法的优点,基于贝尔曼最优化原理将水库优化调度按阶段划分为若干多目标决策子问题,各子问题采用混合编码的多目标遗传算法求解,从而提出了一种求解水库优化调度问题的动态规划-遗传算法.该算法不仅在时间上通过划分阶段降维,而且采用遗传算法克服离散状态空间组合所产生的维数灾问题.从理论上论证了动态规划-遗传算法的全局收敛性,分析得出该算法的效率一般高于遗传算法;并经数值试验表明:在计算时段数较多时,动态规划-遗传算法显著优于遗传算法.因此,提出的动态规划-遗传算法为求解水库优化调度问题提供了新的思路与途径.     

基于集合的细菌群优化算法

针对细菌觅食优化算法求解高维优化问题时不易跳出局部最优解的问题,引入趋向方向余弦向量和随时间变化的加速系数,控制细菌觅食优化算法的收敛精度和收敛速度,并将改进算法用于求解组合优化问题。依据细菌种群密度计算原则,设计了一种离散空间和连续空间之间相互转换的规则,同时用集合对细菌觅食优化算法中的算术运算符形式化描述。仿真试验结果表明:基于集合的细菌群优化算法避免了早熟现象,寻优结果优于蚁群算法且接近基于集合的粒子群算法。     

基于相对距离和关联度的多任务联盟的蚁群算法

针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的迭代次数多、求解精度不高的问题,提出了一种基于相对距离和关联度的蚁群算法.该算法针对蚁群算法搜索机制和信息素增量模型,提出了2种策略.首先,为提高资源利用效率,减少Agent的能力浪费,引入了相对距离的概念,提出了基于相对距离的搜索机制;其次,为强化蚂蚁间的协作,利用已获得的解信息,给出了一种基于关联度的信息素增量模型.仿真实验结果表明,与已有的一些算法相比,本文算法不仅能获得更好的联盟结构,而且具有较快的收敛速度.     

基于遗传模拟退火算法的水库优化调度

采用遗传模拟退火算法研究了水电站单一水库的优化调度问题.根据水库优化调度的数学模型,提出了基于遗传模拟退火算法的优化调度的基本步骤.通过实例计算并与简单遗传算法相比较,表明该算法具有极强的局部搜索能力和较好的收敛性能