松江河梯级水电站短期优化调度数学模型分析

应用改进粒子群算法求解松江河梯级水电站短期优化调度问题,建立梯级电站发电量最大和发电效益最大短期优化调度数学模型。针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和基于遗传思想的变异算子对其进行改进。应用改进粒子群算法对松江河梯级水电站进行短期优化调度,分别采用发电量最大和发电效益最大数学模型进行算例分析。结果表明：对梯级电站进行短期优化调度可以提高梯级电站的整体质量和效益;应用改进粒子群算法求解梯级电站短期优化调度问题在求解时间、精度上都取得了满意的效果。     

梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略.算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法.文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解.实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行.改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法.     

市场环境下梯级水电站短期优化调度研究

市场环境下,梯级水水电站的短期调度竞价报送发电计划阶段,根据预测的边际电价和入库流量,以发电收益最大化为目标制定短期调度计划;电网负荷下达阶段,根据电网下达日内96点负荷和预测的入库流量制定短期调度计划。后者在流域梯级统一调度背景下,若梯级水电站具有流域统一电价,梯级水电站短期调度以耗水量最小为目标进行优化;若梯级水电站具有不同电价,则梯级水电站短期调度以发电收入最大为目标进行优化。以市场环境下不同阶段梯级水电站制定短期优化调度计划为对象,研究梯级水电站短期优化调度模型及其求解算法,构建梯级水电站短期优化调度整体框架。研究表明,市场环境下不同阶段采用不同模型进行短期优化调度,可节约梯级水资源、增加梯级发电收益。     

基于分时电价的梯级水电站群短期联合优化运行

研究了电力市场环境下梯级水电厂短期联合优化调度问题,建立了基于分时电价的梯级水电站群优化调度数学模型并采用增量动态规划(IDP)优化算法对模型进行求解,讨论了梯级水电厂短期优化调度的效益最大问题,为梯级水电公司在目前电力市场机制下科学地申报次日各时段的发电量计划提供了依据。应用实践情况表明,该模型计算结果合理,效益显著。     

水电站优化调度人工蜂群新算法

介绍了一种近年发展起来的、易于实现且收敛速度非常快的群智能优化算法——蜂群算法,并将其应用于考虑峰谷分时电价的水电站中长期发电优化调度。通过计算实例,验证了该算法求解峰谷分时电价下水电站中长期优化调度问题的有效性。     

基于自适应混沌蜂群算法的梯级电站优化调度

在峰谷分时电价背景下建立梯级水电站短期发电效益最大模型,通过自适应混沌蜂群算法(ACABC)对模型进行求解。为兼顾算法全局搜索能力及局部求解精度,引入搜索步长和蜜源选择概率自适应修正策略。考虑到模型求解过程中涉及的多维复杂约束问题,提出一种基于双向廊道的约束处理技术,用于规范解寻优空间。以峰谷分时电价下清江梯级短期优化调度为背景进行仿真建模,将计算结果与普通人工蜂群算法(ABC)和差分进化算法(DE)所得结果进行比较。实例研究表明,ACABC处理灵活且具有更强的全局搜索能力,工程实用价值较高。     

基于改进粒子群算法的水电站水库优化调度

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。     

一种改进的水电站优化调度粒子群求解算法

重点分析了常规粒子群算法(Panicle Swarm Optimization,PSO)在水电站优化调度应用中存在的问题和出现的原因,并针对问题提出了相应的解决方法,形成了基于粒子群算法的水库优化调度改进应用方法.改进前后计算结果的对比分析表明,改进后的粒子群算法可明显提高求解水电站优化调度问题的收敛速度和求解精度.     

基于分时电价的三峡梯级水电站联合优化调度研究

针对电力市场下水电站优化运行问题,建立了基于分时电价的三峡梯级水电站联合优化调度 模型。优化调度模型以系统发电效益最大为目标,考虑了分时电价因子和梯级水库间流量传播问题。 采用改进遗传算法求解模型,运用正切轮盘赌选择算子保持适应度函数非负;应用随个体适应值大小和 群体分散程度自适应控制的遗传参数,保持种群多样性。研究成果表明:在电力市场下,水库优化调度 的目标函数选取为发电效益最大有实用价值,对未来三峡梯级水电站日发电计划的编制有一定借鉴意 义和应用价值。     

电力市场交易背景下水电站优化调度研究

电力市场交易是影响我国未来电力体制改革走向的重要落地措施之一。通过对电力市场交易背景下水电站优化调度特点分析,构建了分时电价下水电站优化调度模型。在粒子群算法基础上,提出了改进惯性因子、加速因子以及迭代速度的改进策略,并将其运用于模型求解,以广东省梅州市青溪水电站为实例进行了研究,验证了模型和算法的有效性和适用性,该研究成果为电力市场背景下的水电站优化调度提供了新思路。     

大坝对鱼类栖息地的影响及评价方法述评

本文总结了大坝建设造成水流状态、水温、水质、底质和地形等因素的变化对鱼类栖息地造成的影响，并归纳了目前国内外对栖息地预测评价的主要方法，对每一种评价方法的特点进行了分析，最后对可采取的生态补偿措施进行了介绍。本文得到的结论为，大坝建设对鱼类的影响很大，但可以通过补偿措施加以恢复。     

坝后背管结构有限元分析探讨

以李家峡坝后背管为依托,借助具有强大结构分析功能的有限元软件ANSYS分析坝后背管结构应力状态。经分析单元尺度对坝后背管混凝土、钢筋的应力影响小于对钢管的影响;坝体与背管混凝土接缝面的力学效应对背管混凝土、钢筋、钢衬的应力影响很小;计算所得的应力大小规律与类似工程模型试验所得的应力分布规律完全一致,其计算值与规范中用弹性中心法所得的应力值基本接近。     

基于可变模糊集理论的地质灾害危险性评价研究

针对地质灾害影响因素的不确定性、随机性和模糊性的特点,建立了基于可变模糊集理论的地质灾害危险性评价模型。通过确定评价单元指标对各级指标标准区间的相对差异函数和相对隶属度,得到各评价单元的地质灾害危险性等级。最后,通过工程实例验证该评价方法的可行性。     

基于振动的混凝土坝损伤检测的可行性初探

混凝土坝在服役期间很容易出现各种损伤，其中裂缝是最常见的一种损伤形式。裂缝开始的时候一般出现在坝的局部，如果在出现损伤的范围内没设观测点，现有的观测手段很难监测到损伤。而基于振动的方法则有可能克服这一困难。为了研究这种方法，在大坝的不同位置模拟了不同条数和张开程度的裂缝，并给出了相应的振动频率和振型，在考虑了测试噪声的情况下，用统计神经网络进行了损伤识别。这种基于振动的混凝土坝损伤检测方法还会受到水位、温度变化的干扰以及环境噪声、仪器精度等的限制，还需作进一步的研究。     

基于AutoCAD的二维建模研究

复杂地质体的二维建模,一般采用自下而上依次建立点、线、面的方法,其中面的定义需要手工完成,费时费力,针对ADINA二维建模的不足,用VC编写了AutoCAD To Adina平面建模程序,实现了点、线、面的自动定义,大大缩短了ADINA二维建模的周期,节省了体力,通过实例表明,该方法具有较大的实用价值。     

基于VB下的渡槽设计研究

渡槽是一种重要的水工结构。将渡槽设计与Visual Basic编程理论结合,通过应用计算机编程可实现对渡槽结构进行各部位验算与校核。文章阐述了该软件系统的开发思想和实现过程,同时对总体框架的设计、模块的划分、具体环节的实现作了详细论述。依据各部位的关键技术参数,对渡槽设计相关的水力计算、槽身、刚架和基础结构计算作了论述,并给出了计算机软件设计的流程图,以期为工程设计人员采用计算机程序设计提供参考。     

对推行以设计为主体的工程总承包(EPC)的认识与思考

EPC(设计—采购—施工)工程项目管理模式是20世纪80年代国际上逐步发展起来的一种工程承包和管理模式。介绍了EPC工程管理模式的背景和国内外开展EPC总承包管理模式发展现状,总结了EPC总承包管理模式的特点。从水利工程角度出发,阐述了水利行业推行EPC总承包管理模式的必要性和可行性,并提出了建议。     

关于流域综合管理的思考

文章系统回顾了流域管理的发展历程和成功经验,着重分析流域管理发展的现状与问题,指出应以流域管理法规为依据,以流域管理机构为依托,以水资源管理、河道管理、河砂管理为主要内容对流域进行综合管理。     

大坝安全信息权研究

大坝原型观测数据本身包含了丰富的信息，内在反映了监测项目之间的某种客观关系，基于此，应用PCA法及PPA法建立了确定大坝安全评价信息权重的正分析模型，一方面能够对数据进行降维处理，另一方面能挖掘数据内在信息，提取指标的相对重要性；并基于最优化准则，建立了信息赋权整合模型，解决了多种数学方法计算结果不一致性问题，最大限度地保持原始信息的完整性。     

基于KPCA-PSO-SVM的径流预测研究

为提高径流预测模型的准确性与稳定性,对KPCA-PSO-SVM的径流预测方法进行了研究。在分析径流影响因素的基础上,利用核主成分分析(KPCA)法对径流影响因子进行非线性特征提取,获得主成分作为支持向量机(SVM)的输入变量,建立了径流预测SVM模型,其中模型参数通过粒子群算法(PSO)进行优化。模型建立后,以新疆伊犁河雅马渡站中长期径流预测为例进行分析。预测分析结果表明,在拟合和检验阶段模型的平均相对误差分别为0.77%和7.64%,与其他预测模型比较,基于KPCA-PSO-SVM方法建立的径流预测模型有较好的预测和泛化能力,是一种行之有效的中长期径流预测方法。