基于仿水循环算法的梯级水库群多目标优化调度研究

仿水循环算法(WCA)是一种新的智能种群优化算法,将该方法引入梯级水库群多目标优化调度,并提出多目标仿水循环算法(MWCA)。MWCA通过对自然界水循环过程的模拟,构建多目标下的相对重力机制,实现对非劣解的有效搜索,建立汇流、分流、渗流、蒸发降雨4个搜索策略,提升算法的收敛速度、多样性和局部搜索能力,同时有效克服传统算法的早熟问题,令算法具有较强的全局搜索和收敛性能。在梯级水库群多目标优化调度实例计算中,与多目标粒子群算法MOPSO和多目标遗传算法NSGA-Ⅱ进行比较分析,结果表明MWCA在计算结果和非劣解多样性上均优于其他算法,为梯级水库群多目标优化调度问题提供了一种有效的求解思路。     

改进的粒子群算法在水库优化调度中应用

针对水库优化调度中存在的规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟等问题。为了提高粒子群算法全局搜索能力和收敛性能,把下山搜索策略引入到粒子群智能算法中,提出了改进的粒子群算法。函数测试证明该方法改进了算法的鲁棒性,提高了算法求解效率。上述优化算法应用于水库优化调度模型求解中,计算结果表明:该方法易于实现,求解效率高,为水库优化调度模型求解提供了新的途径。     

粗粒度并行自适应混合粒子群算法及其在梯级水库群优化调度中的应用

为了充分利用现今普及的多核配置计算机,提高大规模梯级水库群优化调度问题的求解效率,提出了梯级水库群优化调度的粗粒度并行自适应混合粒子群算法。该方法以自适应混合粒子群算法为求解基础,采用粗粒度并行设计模式,利用Fork/Join多核并行框架的分治策略,将其初始种群递归划分为多个子种群,平均分配到不同的内核逻辑线程中实现并行计算,并在各子种群优化结束后,合并优化结果集从而输出全局最优解。以澜沧江下游梯级水库群发电优化调度为例,利用该方法进行计算。结果表明,该方法能充分发挥多核配置的计算性能,在4核环境下最大加速比达到3.97,缩短计算耗时1 787.2 s,计算效率显著提高,为我国不断扩张的大规模梯级水库群优化调度提供了一种切实可行的高效求解途径。     

基于改进萤火虫算法的梯级水库优化调度研究

梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的Pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。     

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。     

基于混沌粒子群算法的水电站水库优化调度

介绍了混沌粒子群算法,并将其用于水库调度中,指出:混沌粒子群优化算法引入了混沌搜索机制,增加了粒子的多样性,扩大了搜索的范围,不仅保持了粒子群优化算法收敛速度快的优点,而且还增强了全局收敛能力,能避免陷入局部最优的情况,可以更好地解决水库优化调度的强约束、多阶段、非线性组合问题.     

复杂防洪系统优化调度的三层并行逐步优化算法

逐步优化算法（POA）在求解水库群防洪优化调度问题方面,应用广泛且较为有效。但是随着水库数量的增加和计及洪水演进、干支流汇入等因素,该算法求解复杂防洪系统调度的效率降低。本文在POA算法基础上,引入莱维飞行更新策略、模式搜索法以及并行技术,提出了三层并行POA算法（TPPOA）,并应用于赣江中下游复杂防洪系统的防洪优化调度中。结果表明,相较常规防洪调度规则和POA算法,TPPOA获得的调度策略可以有效降低下游防洪控制点洪峰流量,减轻下游防洪压力。此外,在6核心CPU计算机下,TPPOA计算速度约为POA算法的3~7倍,计算速度更快。本文为复杂防洪系统的优化调度提供了一种新的方法。     

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.     

梯级水库群优化调度并行自适应混沌整体退火遗传算法

为了充分利用当今流行的多核配置资源提高梯级水库群优化调度的精细化管理水平,提出梯级水库群优化调度并行自适应混沌整体退火遗传算法。该方法利用Fork/Join多核并行框架的分治法将自适应混沌整体退火遗传算法的初始种群递归分解为多个规模更小的子种群,并平均分配到不同的内核中同时进行优化计算,实现算法的粗粒度并行求解。红水河梯级水库群发电优化调度实例结果表明,该方法比串行计算能大幅度缩减优化求解时间,提高计算效率,而且其并行化设计模式可为其他群体智能算法的并行化提供参考和借鉴。     

混合粒子群算法在水库中长期发电优化调度中的应用

针对传统粒子群算法(PSO)早熟收敛、局部搜索能力不足等问题,提出一种混合粒子群算法(HPSO)求解水库优化调度问题。该算法引入混沌思想的遍历性特点生成初始解,提高初始种群质量;采用自适应惯性权重法平衡个体搜索行为,避免陷入局部最优。百色水库中长期发电优化调度实例研究表明,HPSO比PSO有更好的收敛性和优化结果,同时计算时间较传统动态规划方法大幅缩减,且优化结果相近,是一种水库优化调度可供选择的计算方法。     

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。     

基于可行域搜索映射的并行动态规划

为解决传统动态规划在处理水库群联合优化调度时面临的约束处理机制选择和计算时间长的问题,引入映射思想,基于映射和集合论知识构建可行域搜索映射模型,并结合动态规划的并行性,提出基于可行域搜索映射的并行动态规划。该算法通过构建时段可行搜索空间和并行模式,以规避无效状态组合计算并充分发挥计算机多核优势,提高计算效率。以李仙江流域三库联合调度为实例进行研究,从年发电量、计算耗时等方面将改进算法与传统动态规划以及逐步优化算法(POA)进行详细的对比分析。结果表明,该算法能在保证解全局收敛性的前提下减少计算耗时,制定梯级水库最优调度策略。     

基于Fork/Join多核并行框架的梯级水库群优化调度

为了满足大规模梯级水库群优化调度精细化管理需求,解决决策计算耗时长及求解效率低等困难,提出了基于Fork/Join多核并行框架的梯级水库群优化调度并行求解方法,并以离散微分动态规划方法并行化为例,给出了梯级水库群优化调度方法在Fork/Join框架下的并行化实现方式。红水河大规模梯级水库群长期发电优化调度测试结果表明,并行计算能够充分发挥多核处理器的加速性能,有效缩短计算耗时,提高求解效率;选择合理的Fork/Join框架规模控制阈值是充分发挥并行优势的关键因素。     

A Multi-Objective Optimization Model for Coordinated Regulation of Flow and Sediment in Cascade Reservoirs

This paper presents a multi-objective optimization model for the coordinated regulation of flow and sediment in cascade reservoirs. The model was developed to address two contradicting issues: sediment trapping and flow regulation. The benefits of flood control, hydropower generation and navigation, and sedimentation in cascade reservoirs were considered as the target functions; then the corresponding submodels for reservoir operation and sediment computation were established. The model was implemented by reducing it to a single objective nonlinear model using the constraint method. Non-inferior solutions were obtained by solving the model with catfish effect particle swarm optimization algorithm. The model was applied to the cascade system of Xiluodu and Xiangjiaba reservoirs in the lower Jinsha River in the flood recession period. Under the safety of flood control and navigation, a non-inferior set for impounding time, power generation, and siltation-loss rate of capacity was obtained and optimal solutions with different weights were derived. The results demonstrate that the model is a useful tool in coordinated operations of cascade reservoirs.     

跨流域水库群最优调供水过程耦合研究

为了有效描述和求解跨流域水库群最优调供水过程,本文建立了基于0-1规划方法的水库群最优化调度模型,统一考虑并最终确定了最优调供水过程。为减少模型单次求解的变量数目,同时增加算法全局搜索的能力,本文借用逐步优化算法的思想,对传统粒子群进行改进,提出了逐步优化粒子群算法（PRA-PSO）对模型进行求解。最后,通过中国北方某大型跨流域调水工程的实例研究分析了模型的合理性和有效性。最优调供水过程的确定不仅可为采用隐随机优化方法确定跨流域水库群调水规则和供水规则提供最优化样本过程,而且对跨流域调水工程调度运行评价具有重要意义。     

Large scale reservoir operation by Constrained Particle Swarm Optimization algorithms

In this paper two adapted versions of Particle Swarm Optimization (PSO) algorithm are presented for the efficient solution of large scale reservoir operation problems with release volumes taken as the decision variables of the problem. In the first version, exploiting the sequential nature of the solution building procedure of the PSO, the continuity equation is used at each period to define a new set of bounds for the decision variable of the next period which satisfies storage volume constraints of the problem. Particles of the swarm are, therefore, forced to fly in the feasible region of the search space except for very rare cases and hence the name of the Partially Constrained Particle Swarm Optimization (PCPSO) algorithm. In the second, the periods of the operations are treated in a reverse order prior to the PCPSO search to define a new set of bounds for each storage volume such that partially constrained particles are not given any chance of producing infeasible solutions and, hence, the name of Fully Constrained Particle Swarm Optimization (FCPSO) algorithm. These methods are used here to solve two problems of water supply and hydropower operation of “Dez” reservoir in Iran and the results are presented and compared with those of the conventional unconstrained PSO and a genetic algorithm. Three cases of short, medium and long-term operations are considered to illustrate the efficiency and effectiveness of the proposed methods for the solution of large scale operation problems. The methods are shown to be superior to the original PSO and genetic algorithm in locating near optimal solutions and convergence characteristics. Proposed algorithms are also shown to be relatively insensitive to the swarm size and initial swarm compared to the original unconstrained PSO and genetic algorithm.     

水电站机组优化组合的混合粒子群优化算法

机组组合是水电站短期发电计划中一个非常重要的问题，合理的组合运行能带来显著的经济效益，开展对机组优化组合的可行性和有效性研究有重大的现实意义。建立了该问题的数学模型，并提出了混合粒子群算法（Hybrid Particle Swarm Optimization,HPSO）的工程实现方法，采用量子粒子群算法解决机组方案的确立，并采用粒子群算法求解负荷经济分配。设计了粒子的适应度计算方法和速度更新方法，提出了HPSO算法的求解步骤。仿真分析表明：HPSO算法求解机组优化组合问题是可行和有效的，该算法实现简单，具有更快更好的收敛性能。     

跨流域水库群最优调供水过程耦合研究

为了有效描述和求解跨流域水库群最优调供水过程,本文建立了基于0-1规划方法的水库群最优化调度模型,统一考虑并最终确定了最优调供水过程。为减少模型单次求解的变量数目,同时增加算法全局搜索的能力,本文借用逐步优化算法思想,对传统粒子群进行改进,提出了逐步优化粒子群算法(PRA-PSO)对模型进行求解。最后,通过中国北方某大型跨流域调水工程的实例研究分析了模型的合理性和有效性。最优调供水过程的确定不仅可为采用隐随机优化方法确定跨流域水库群调水规则和供水规则提供最优化样本过程,而且对跨流域调水工程调度运行评价具有重要意义。