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。     

基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究

梯级水库群防洪优化调度问题规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,各水库、各时段之间的水位、流量存在复杂的耦合关系,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,存在早熟收敛问题。研究工作试图将量子粒子群算法(QPSO)引入到水库群防洪优化调度问题中,为了提高算法的全局搜索能力和收敛性能,对标准QPSO做了改进,包括利用混沌思想初始化种群、自适应激活机制和精英粒子混沌局部搜索策略3个方面,并引入多核并行计算技术以降低计算时间,提出了并行混沌量子粒子群算法(PCQPSO),函数测试证明了PCQPSO的可行性、稳定性和高效性。将PCQPSO应用到水库群防洪优化调度问题中,与POA、QPSO进行对比分析,结果表明PCQPSO收敛效率快、求解精度高,为解决梯级水库群防洪优化调度问题提供了一种有效的新思路。     

跨流域调水条件下水库群联合调度图的多核并行计算研究

为提高跨流域调水条件下大规模复杂水库群优化调度的计算效率和求解精度,采用并行PSO算法进行联合调度图模型的多核并行求解。该算法充分利用PSO搜索速度快、天然并行性等特点,引入多种群思想保证种群的多样性,提高算法的全局收敛能力;采用基于分治策略的Fork/Join框架实现将子种群分配到不同CPU内核进行独立求解;利用Java并发过程中的同步和通信机制实现子种群间的信息交流,避免陷入局部最优。最后通过实例分析表明,多核并行PSO算法能够充分利用多核资源,有利于提高联合调度图模型的求解速度和精度,是解决大规模复杂水库群优化调度的一种高效实用的方法。     

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。     

库群长期优化调度的多核并行禁忌遗传算法

针对库群长期优化调度求解效率低下、实用性差等问题,提出了多核并行禁忌遗传算法。该算法利用遗传算法适应性强、运算简单等优势,采用多种群计算方式保持种群多样性,以提高算法的全局收敛能力;在子种群进化过程中应用单向环迁移拓扑模型进行信息交换,以增强算法收敛能力;结合子种群间求解独立的特点,引入多核并行计算策略,并使用禁忌搜索思想避免重复计算适应值,提高了算法的求解效率。红水河流域10座水电站的计算结果表明,该算法可以显著缩短计算时间,获得良好的调度方案,是求解库群长期优化调度的一种有效方法。     

梯级水电站群并行多目标优化调度方法

为保障梯级水电站群多目标优化调度问题的计算效率和求解精度,提出了基于Fork/Join多核并行框架的并行多目标遗传算法。该方法以多目标遗传算法为基础,引入多种群异步进化策略保证种群间个体多样性;采用迁移机制保障子种群的信息有机互馈,提升算法收敛性和解集多样性;利用并行技术实现子种群在各内核的同步求解,提高计算效率。针对问题特点,耦合个体实数串联编码方法、混沌初始化种群策略和约束Pareto占优机制等,进一步提升方法寻优性能。澜沧江流域梯级水电站群多目标优化调度结果表明,所提方法可充分利用多核资源,提升模型计算效率与求解精度,并能获得分布均匀、合理可行的调度方案集,为水电系统多目标高效决策提供科学依据。     

梯级水库群联合优化调度算法研究综述

系统介绍了梯级水库群联合调度模型求解的常规优化方法和智能优化方法,其中常规优化方法包括动态规划法及其改进方法和大系统分解协调等方法,智能优化方法包括粒子群优化算法、遗传算法、差分进化算法等。在评述各种方法的基础上,给出了大规模水库群联合优化调度需要解决的问题:1模型系统求解的稳定性和求解效率的平衡问题;2考虑生态环境的多目标优化调度模式;3水库群优化调度模型描述方法;4优化模型输入和输出的不确定性问题;5机组高水头多振动区运行问题。同时,指出了智能优化算法的发展方向:1数学理论基础研究;2参数对算法结果的影响分析;3各种优化算法的改进与融合;4求解算法的并行计算和云计算技术。     

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。     

基于混合PSO算法的梯级水库优化调度研究

提出基于混合粒子群优化（PSO）算法求解流域梯级单目标优化调度问题方法的一般结构，并对三峡梯级的发电和洪水优化调度问题进行了研究。该算法利用离散微分动态规划法（DDDP）算法对粒子群优化算法的gBest粒子进行二次寻优，加快了算法的收敛速度和精度。     

基于聚集度自适应反向学习粒子群算法在水库优化调度中的应用

为高效、快速求解水库优化调度问题,提出基于聚集度自适应反向学习粒子群算法。此算法首先采用聚集度策略分析种群的聚散状态,并在此基础上,提出自适应反向学习策略,生成种群中心的反向解参与进化,引导种群改变聚散状态,进一步平衡算法的勘探与开发能力。将基于聚集度自适应反向学习粒子群算法与经典的和最新的高水平粒子群算法进行比较,在所测的基准函数中,本算法在5个基准函数上都取得最优解,验证了其对连续变量函数的优化能力强于所对比算法。在求解水布垭、隔河岩和高坝洲梯级水库优化调度问题上,本算法求得总发电量为86.335 71×10~8 kW·h,求解所需时间为721 ms,相较所对比算法的调度结果,总发电量最大提高了11.860 2×10~8 kW·h,所需计算时间最大降低了21 380 ms,由此验证了基于聚集度自适应反向学习粒子群算法对水库优化问题的可行性。     

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。     

An Effective Approach to Long-Term Optimal Operation of Large-Scale Reservoir Systems: Case Study of the Three Gorges System

A new approach for optimization of long-term operation of large-scale reservoirs is presented, incorporating Incremental Dynamic Programming (IDP) and Genetic algorithm (GA) . The immense storage capacity of the large scale reservoirs enlarges feasible region of the operational decision variables, which leads to invalidation of traditional random heuristic optimization algorithms. Besides, long term raised problem dimension, which has a negative impact on reservoir operational optimization because of its non-linearity and non-convexity. The hybrid IDP-GA approach proposed exploits the validity of IDP for high dimensional problem with large feasible domain by narrowing the search space with iterations, and also takes the advantage of the efficiency of GA in solving highly non-linear, non-convex problems. IDP is firstly used to narrow down the search space with discrete d variables. Within the sub search space provided by IDP, GA searches the optimal operation scheme with continuous variables to improve the optimization precision. This hybrid IDP-GA approach was applied to daily optimization of the Three Gorges Project-Gezhouba cascaded hydropower system for annual evaluation from the year of 2004 to 2008. Contrast test shows hybrid IDP-GA approach outperforms both the univocal IDP and the classical GA. Another sub search space determined by actual operational data is also compared, and the hybrid IDP-GA approach saves about 10 times of computing resources to obtain similar increments. It is shown that the hybrid IDP GA approach would be a promising approach to dealing with long-term optimization problems of large-scale reservoirs.     

基于分段粒子群算法的梯级水库多目标优化调度模型研究

提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。     

粒子群算法在水库(群)优化调度研究中的应用综述

简要介绍粒子群算法的工作原理和水库(群)优化调度模型,然后较全面地阐述粒子群算法在水库(群)优化调度中的应用及存在的问题,最后总结了算法的各种改进,并对粒子群算法在水库(群)中的研究进行了展望。     

基于改进鲸鱼优化算法的重力坝变形参数反演

针对利用位移实测资料对大坝坝体和基岩的变形力学参数进行优化反演时存在效率低、精度差等问题,通过对鲸鱼优化算法进行并行化改进,并引入权重因子,结合有限元计算,提出一种基于改进鲸鱼优化算法的力学参数反演方法。利用该方法对某混凝土重力坝坝体和基岩弹性模量进行反演,并与粒子群算法的反演结果进行比较。结果表明:在相同迭代次数的情况下,改进的鲸鱼优化算法比粒子群算法耗时更少,且反演得到的坝体、基岩力学参数比粒子群算法得到的更为准确。表明利用多核处理器对该方法进行并行计算,可大幅度缩短计算时间。基于改进鲸鱼优化算法的力学参数反演方法具有搜索能力强、收敛速度快和精度高等特点,合理可行,可推广应用于混凝土拱坝等其他坝型的力学参数反演。     

基于杂交粒子群响应面的边坡稳定可靠性算法

针对可靠度指标β数学优化模型的理论不足,以及常规数学优化方法易陷入于局部最优解的问题,提出了基于杂交粒子群响应面的边坡可靠性算法。新方法以β的几何意义为基础,在对正值物理量、非正态、非独立随机变量预处理的基础上,补齐了附加约束条件,完整地给出了可靠性求解的数学优化模型,并澄清了β的正负取值问题。采用二次响应面法构造极限状态方程,并基于杂交粒子群算法搜索β的全局最优解。3个代表性案例结果证明:完善后的可靠性数学优化模型理论正确,对从数学优化角度求解可靠性问题进行了有效补充;基于杂交粒子群响应面的可靠性算法具有较好的全局搜索能力和较高的精度,与蒙特卡洛法的计算结果接近,但迭代次数明显减少,计算效率更高。     

面向梯级水库多目标优化调度的进化算法研究

实际工程中以梯级水库多目标优化调度为代表的大规模高维多目标优化问题,其优化难度是一般方法所难以应对的。为此本文提出一种新型的多目标粒子群算法LMPSO,其包含了基于超体积指标I_h^k的适应值分配方法与基于问题变换的搜索空间降维策略,以有效处理问题的高维目标向量与大规模决策变量。将该算法应用于溪洛渡-向家坝梯级水库的中长期多目标优化调度中,并与4种知名算法的计算结果进行对比分析,验证LMPSO在求解该类问题上的卓越性能。由此为多目标优化调度高质量非劣解集的获取提供一种可靠的方法,并为下一步的多目标调度决策提供有力的数据支持。     

Research and Application of Parallel Normal Cloud Mutation Shuffled Frog Leaping Algorithm in Cascade Reservoirs Optimal Operation

In order to improve the premature convergence problem of traditional shuffled frog leaping algorithm (SFLA), this paper proposed a normal cloud mutation shuffled frog leaping algorithm (NCM-SFLA) by mixing the cloud model algorithm (NCM) with SFLA algorithm, NCM is used to overcome the shortage of SFLA which is easy to fall into local optimal solution. The proposed NCM-SFLA has a good parallel characteristic, and the parallel computing can be implemented easily in multi core environment. In case study, this paper takes the Li Xianjiang cascade reservoirs in China as an instance to solve the cascade reservoirs operation optimization problem by the proposed NCM-SFLA. The results show that, compared with the Multi- dimensional Dynamic Programming (MDP), NCM-SFLA has the better global search ability and faster convergence speed, and the corresponding parallel computing can effectively shorten the run-time of NCM-SFLA. Therefore, the feasibility and rationality of the proposed NCM-SFLA and its parallel computing are effectively proved by the case study results.