基于改进遗传算法的溪洛渡水库优化调度研究

针对溪洛渡水库年调度问题,建立了以发电量最大为目标的优化调度模型,分别利用GSA和NGA进行求解,所得结果与DP、GA、SA算法比较,结果表明改进后的GSA融合了GA全局搜索能力强和SA局部搜索能力强的特点,而NGA将GA个体置于特定的环境中优胜劣汰,增强了个体的多样性,两种改进遗传算法的收敛速度和计算结果都明显优于传统优化方法和基本遗传算法.     

基于改进Db1GEGA-SVM的大坝变形预警模型

支持向量机(SVM)能有效解决高维数非线性问题,且具有很好的泛化能力,其关键在于惩罚因子及核参数的选取;遗传算法具有良好的全局搜索能力与潜在的并行性,但局部搜索能力差,且易陷入早熟收敛。为提高大坝变形预警模型精度和泛化能力,提出利用改进的双切点交叉遗传算法(Db1GEGA)对SVM模型进行参数寻优,构建了基于改进Db1GEGA-SVM的大坝变形预警模型,并通过实例应用做了比较。结果表明,基于改进Db1GEGA-SVM的大坝变形预警模型具有更强的泛化能力和更高的预测精度。     

非线性马斯京根模型参数优化的混沌模拟退火法

提出了用混沌模拟退火法估计非线性马斯京根模型参数的优化算法。该算法将混沌优化的粗搜索、细搜索的两阶段搜索规则与模拟退火的启发式规则相结合进行参数的优化估计,既保证了解的全局最优性,又保证了最优解的精度。通过实例计算,并与文献方法计算的结果对比分析,表明该方法具有适应性强、求解精度高的特点。     

禁忌遗传算法在边坡稳定分析中的应用

在遗传算法的选择算子中引入了群体多样性保持策略,以避免遗传算法易出现的早熟收敛现象;同时在交叉、变异算子中采取禁忌搜索技术,构造了适于约束优化问题的两点直线禁忌寻优算子,以寻求新解从而形成一种禁忌遗传算法;利用禁忌遗传算法和遗传算法对两个非均质土坡的最小安全系数进行了搜索,结果证明禁忌遗传算法具有搜索效率高、寻优能力强等特点。     

差分进化算法在水电站优化调度中的应用

针对水电站优化调度的特点,以某水电站为例探讨了一种在连续空间中进行并行随机搜索的差分进化算法的应用及效果,结果表明该算法全局搜索能力强、计算精度较高、可靠,为水电站优化调度提供了一种更为有效的新方法.     

自适应人工蜂群算法在梯级水库优化调度中的应用

针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。     

风-光-水联合发电系统优化调度研究

为使风-光-水联合发电系统达到经济效益最大化优化调度且平抑功率波动的目的,以功率波动最小为目标的函数引入到经济效益最大化模型中,针对粒子群算法在进化过程中易早熟、后期收敛速度慢且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法。该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力以及后期的局部搜索能力,快速得到全局最优解。该算法在该多目标联合优化调度系统的求解中搜索精度显著提高,表明模型和算法的有效性。     

基于动态调整学习因子的免疫粒子群算法及其应用

为了使风光水联合发电系统达到经济效益最大化优化调度的目的,针对粒子群算法在进化过程中易早熟、后期收敛速度慢并且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法.该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力,以及后期的局部搜索能力,快速得到全局最优解.该算法在文中联合系统的求解中得到很好的应用,显著提高了搜索精度,表明了模型和算法的有效性.     

基于改进鸡群优化算法的质子交换膜燃料电池模型参数辨识

针对当前大部分智能算法在求解质子交换膜燃料电池模型参数辨识问题时易陷入局部最优,导致参数辨识精度低、模型泛化能力差等问题,提出一种基于改进鸡群优化算法的质子交换膜燃料电池模型参数辨识方法。首先,引入Tent映射策略初始化种群,提高种群的均匀性和遍历性;其次,设计基于个体进食速度的自适应惯性权重,改善母鸡个体寻优效率,平衡算法的开发与探索能力;然后,利用Levy飞行策略的长短跳跃特点对小鸡位置进行随机更新,增强算法的全局最优搜索能力。最后,通过4组测试函数验证了该算法的优越性,并将算法应用于H-12电堆的参数辨识问题中。结果表明：相比于鲸鱼优化算法、花卉授粉算法等算法,该算法具有更高的参数辨识精度,所辨识出的模型具有更强的泛化能力。     

基于策略驱动的混合能源微电网动态调度

针对混合能源微电网动态调度优化问题,提出基于多模式调度策略和调度激励相结合的策略驱动优化调度方法,以实现储能单元与外部电网功率互补,优化电源出力。首先,综合考虑混合能源微电网基本结构,建立微电网模型,基于爬坡功率、发电单元出力、能量守恒等约束条件,提出运行成本和环境整治成本最小的目标函数;其次,在成功经验和专家知识的基础上,结合调度激励机制提出微电网调度策略驱动模型;最后,通过Matlab仿真及算法对比表明,该优化算法具有收敛速度快、局部与全局的搜索能力强等特点。     

基于自适应阈值的小波BP神经网络风电变桨系统故障预测

为了提高风能资源的有效利用,提高风电机组运行的可靠性、经济性和安全性,故障预测变得尤为重要。故障预测方法在判断设备隐患、制定合理的风电场运维方案方面具有重要的理论和实际意义。围绕变桨系统故障预测的问题,文章利用小波对机械信号特征敏感的优点,引入自适应阈值函数实现对小波降噪的改进,结合具有自学习能力和并行处理能力强的BP神经网络,建立了自适应阈值的小波BP神经网络故障预测模型。该模型结合了小波分析的技术特点,减少了噪声对预测模型的干扰,模型简洁、易实现。应用该网络预测模型,提前15 d对变桨系统故障预测的准确率达到了92.27%。     

基于逐步回归和GDCS-SVM的大坝变形预测组合模型

现行大坝安全监控技术不能按实测信号中不同频段信号特征分别选取不同监测模型进行处理,影响了大坝变形预测精度。为此,在利用小波包分解获取实测信号中的系统信号和随机信号的基础上,提出了一种基于逐步回归和GDCS-SVM的大坝变形预测组合模型,并进行了验证。工程实例表明,GDCS-SVM预测效果优于CS-SVM,而所建组合模型预测精度高于单一监测模型,具有较强的泛化能力和较好的全局预测精度,可用于大坝变形预测。     

基于分数阶灰色Elman组合模型的中长期负荷预测

针对电力系统中长期负荷预测样本少、间隔时间长、影响因素多等问题,提出基于分数阶灰色Elman的组合预测模型,首先针对负荷预测样本少、增长趋势明显的特点,利用分数阶灰色模型弱化原始序列的随机性,降低解的扰动界,其次利用Elman神经网络模型适应性与学习能力强的特点来解决负荷的非线性及影响因素复杂的问题,然后根据最优模型赋予二者最优权值,得到最终的组合模型,最后采用傅里叶级数残差校正模型修正组合模型的误差。仿真结果表明,本文提出的方法可有效拟合负荷的变化趋势,提升负荷预测的准确度。     

基于反演控制的DC-MMC双闭环解耦控制策略研究

随着大量分布式电源投入电网,分压式模块化多电平直流变换器（DC-MMC）得到广泛应用。针对模块化多电平变换器控制系统多输入多输出、强耦合非线性的特点,推导变换器拓扑数学模型,建立此类拓扑的电流和能量模型,提出一种基于反演控制的双闭环解耦控制方法。通过消除系统之间的耦合,采用模型反演理论对所建解耦模型进行控制,实现桥臂电流保持稳定并交流分量最小化,增强系统的抗扰动能力。在Matlab/Simulink中搭建DC-MMC双闭环模型,分析表明闭环控制模型具有良好的跟踪效果和调控特性,验证了提出的控制策略控制桥臂电流及高低压侧电流的可行性和有效性,为解耦控制的应用提供了参考依据。     

A real option-based simulation model to evaluate investments in pump storage plants

Investments in pump storage plants are expected to grow especially due to their ability to store an excess of supply from wind power plants. In order to evaluate these investments correctly the peculiarities of pump storage plants and the characteristics of liberalized power markets have to be considered. The main characteristics of power markets are the strong power price volatility and the occurrence of prices spikes. In this article a valuation model is developed capturing these aspects using power price simulation, optimization of unit commitment and capital market theory. This valuation model is able to value a future price-based unit commitment planning that corresponds to future scope of actions also called real options. The resulting real option value for the pump storage plant is compared with the traditional net present value approach. Because this approach is not able to evaluate scope of actions correctly it results in strongly smaller investment values and forces wrong investment decisions.     

Ecosystem health pattern analysis of urban clusters based on emergy synthesis: Results and implication for management

The evaluation of ecosystem health in urban clusters will help establish effective management that promotes sustainable regional development. To standardize the application of emergy synthesis and set pair analysis (EM–SPA) in ecosystem health assessment, a procedure for using EM–SPA models was established in this paper by combining the ability of emergy synthesis to reflect health status from a biophysical perspective with the ability of set pair analysis to describe extensive relationships among different variables. Based on the EM–SPA model, the relative health levels of selected urban clusters and their related ecosystem health patterns were characterized. The health states of three typical Chinese urban clusters – Jing-Jin-Tang, Yangtze River Delta, and Pearl River Delta – were investigated using the model. The results showed that the health status of the Pearl River Delta was relatively good; the health for the Yangtze River Delta was poor. As for the specific health characteristics, the Pearl River Delta and Yangtze River Delta urban clusters were relatively strong in Vigor, Resilience, and Urban ecosystem service function maintenance, while the Jing-Jin-Tang was relatively strong in organizational structure and environmental impact. Guidelines for managing these different urban clusters were put forward based on the analysis of the results of this study.     

ABC BP模型在混凝土双曲拱坝变形监控中的应用

因大坝变形具有很强的非线性、随机性,致使预测困难,将人工蜂群算法(ABC)与BP神经网络相结合,利用人工蜂群算法具有强全局优化能力、强鲁棒性等优点,克服BP神经网络收敛速度慢、易陷入局部极小点等缺点,建立ABC BP、BP神经网络大坝变形预测模型对小湾大坝变形监测数据进行预测。结果表明,与单纯的BP神经网络预测模型相比,ABC BP算法提高了大坝变形预报的精度,加快了网络的收敛速度,能更高效准确地进行大坝变形监控预报。     

基于遗传算法的拱坝体型优化设计

根据拱坝的几何特征,应用寻优能力很强的遗传算法,结合拱坝应力分析的拱梁分载法,进行了三心圆等厚度双曲拱坝的优化设计。计算表明,该优化设计方法可行、合理。     

基于PAM-SSD-LSTM的短期风速预测

为提高短期风速预测的准确性,提出一种基于PAM聚类、奇异谱分解（SSD）和LSTM神经网络的组合预测模型来预测短期风速,以解决上述问题。首先,为提高神经网络的学习效率,采用PAM算法对原始风速数据进行相似日聚类;其次,SSD具有抑制模态混叠和虚假分量产生的优点,使用SSD分解风速序列,提取多尺度规律;最后,由于LSTM神经网络捕捉长时间依赖的序列的波动规律的能力较强,使用LSTM神经网络对分解后的风速分量进行预测,将各分量预测值叠加得到最终预测结果。实验结果表明,基于PAM-SSD-LSTM的组合预测模型可有效提高风速短期预测的准确率。     

基于最小二乘支持向量机的水库来水量预测模型

为提高水库来水量的预测精度,提出了一种基于最小二乘支持向量机(LS-SVM)的来水量预测模型。实例应用结果表明,该模型预测能力强、预测精度高,其预测精度明显高于BP模型,为来水量预测提供了一种可靠、有效的方法。