水电站水库优化调度的改进混沌遗传算法

针对水电站水库优化调度问题,提出了将改进遗传算法和混沌优化相耦合的改进混沌遗传算法。该算法将混沌变量映射到优化变量的取值范围中,对混沌变量进行编码,表示成染色体,然后对其进行选择、交叉和变异,通过增加混沌扰动,不断进化收敛得到最优解。实例计算并与其他方法比较表明,该算法在求解水电站优化调度这样的复杂非线性优化问题时,搜索效率高,收敛性能好,能以较快的速度收敛于全局最优解,为水电站水库优化调度模型求解提供了一种新方法。     

混沌差分进化算法在水库优化调度中的应用研究

针对差分进化算法在求解水库调度等复杂优化问题时,算法初始种群的随机性导致其在解空间中的代表性不足,算法的贪婪选择策略又极易导致种群迅速趋同而"早熟"收敛。提出初始种群的混沌生成策略,利用混沌因子的遍历性提高算法初始种群的代表性。同时,以动态概率接受适应值较差的个体作为子代个体参与进化,从而提高算法跳出局部最优解的能力。将改进的差分进化算法模拟乌江梯级电站优化调度问题,模拟计算结果表明,改进的差分进化算法具有较高全局搜索能力,大幅提高了求解的精度,适合求解水库优化调度等问题。     

改进差分进化算法在水库优化调度中的应用研究

差分进化算法在求解水库优化调度时,进化后期种群多样性急剧下降,导致算法无法跳出局部最优解而出现“早熟”收敛。针对该问题,该文对算法的贪婪选择策略进行改进,使其以一定的概率动态接受稍差解作为子代个体,从而提高算法的种群多样性;同时,提出种群基因重生策略,进一步改善种群进化的基因信息结构。将改进的差分进化算法应用于清江梯级发电调度问题,并与差分进化算法、模拟退火算法求解结果进行对比。模拟结果表明,改进算法具有更强的全局搜索能力,求解梯级水库优化调度问题更具有优势。     

基于改进混合蛙跳算法的梯级水库优化调度

针对混合蛙跳算法在寻优过程中出现的早熟收敛问题,利用混沌技术的遍历性优势对子群最优个体进行变异操作,形成局部精细搜索策略;根据蛙群相对多样性参数来判断算法是否陷入局部最优,进而对蛙群最优个体进行扰动以提高全局寻优能力,形成全局激励调节策略。耦合2种策略,提出了一种改进混合蛙跳算法。将其应用于李仙江梯级水库优化调度中,结果表明所提算法具有寻优质量高、收敛速度快的特点,有效地克服了标准混合蛙跳算法的早熟缺陷,为水库调度模型的求解提供了一种新方法。     

POA改进算法在水库群优化调度中的应用

逐步优化算法(POA)的初始轨迹对能否收敛到最优解和计算时间有很大影响。如何选择合适的初始轨迹并对其进行改进,是水库优化调度的关键。本文从初始解集出发,在迭代过程中对初始轨迹进行逐步改进,通过保持解的多样性,有效避免了计算结果收敛于局部最优解。通过将改进的POA算法应用于梯级水电站中长期优化调度模型中,表明该方法计算速度快,能有效收敛到全局最优解。     

基于改进蝙蝠算法的梯级水库发电优化调度

针对梯级水库优化调度高维度、多约束以及非线性优化的特点,将自适应权重以及连续禁忌搜索算法引入标准蝙蝠算法,改善标准蝙蝠算法在水库优化调度应用中出现的早熟收敛且陷入局部最优的问题:一方面利用自适应权重避免因更新步长机制导致寻优能力不足的问题;另一方面利用连续禁忌搜索算法避免因种群多样性差导致陷入局部最优的问题。案例分析结果表明,改进蝙蝠算法能有效运用于水库发电优化调度中,并且与标准蝙蝠算法相比,具有更强全局寻优能力、更高的运行效率,得到的运行调度结果更优。     

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。     

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。     

改进粒子群优化算法在水电站群优化调度中的应用研究

针对常规粒子群优化算法易早熟，后期收敛慢且易陷入局部最优解的不足，提出一种新的惯性权重系数更新策略—自适应指数惯性权重系数（SEIWC）代替线性递减惯性权重系数（LDIWC），同时，将遗传算法中的染色体交叉、变异思想引入粒子的更新策略，提高粒子的多样性，增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例，建立基于改进粒子群优化算法的库群长期优化调度模型，计算结果表明，该模型的调度结果显著优于常规粒子群优化算法，与逐步优化算法获得的结果达到相当水平。     

改进粒子群算法在梯级水库优化调度中的应用

针对粒子群优化算法搜索精度不高和易陷入局部最优解的缺陷,结合梯级水库联合优化调度的实际问题,提出了惯性权重的余弦处理机制和自适应选择学习对象策略,并结合分层交叉思想对粒子群算法进行了改进。实例计算表明:该算法合理、可靠,有效地提高了计算精度与效率。     

遗传算法在水库调度中的应用综述

简要回顾了遗传算法在水库调度中的应用概况,对遗传算法用于水库调度优化时的编码、约束条件处理、早熟与全局收敛性、参数设置、混合遗传算法、多目标遗传算法以及效率评定准则等问题进行了综述。分析遗传算法耗时与全局收敛之间的矛盾后认为,遗传算法适用于传统方法难以求解的优化问题,以及对计算时效性要求不高或者目标函数计算复杂度不高的实时水库调度问题,特别是水库中长期调度以及水资源规划问题。     

改进的遗传算法在水库调度中的应用

为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度变异模块相结合的分层收敛算法:第一层采用广度变异和外部存档的方式改善种群的多样性;第二层嵌套广度变异模块,并采用自适应遗传算法进行全局搜索。通过比较自适应遗传算法和分层进化算法,结果显示:基于遗传算法的分层算法具有高效的全局搜索能力,避免了自适应遗传算法陷入局部最优的缺陷,在一定收敛条件下得到了更接近全局最优的目标值。     

基于SEOA算法的水库调度优化配置模型应用研究

针对水库调度配置中求解最小缺水量的问题,采用社会情感优化算法(SEOA算法),并在生成初始种群和算法收敛速度两方面进行改进,最后将改进后的算法运用到东榆林水库。结果表明:改进后的SEOA算法在水库调度最小缺水量问题中具有效率高、计算量少、寻优能力强的优点,有着一定的实用价值。     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

长江上游巨型水库群联合蓄水调度研究

以长江上游30座水库巨型水库群为研究对象,建立提前蓄水多目标联合优化调度模型,采用分区策略、大系统聚合分解、参数模拟优化方法和并行逐次逼近寻优算法求解。研究结果表明:所提模型框架可较好地解决巨型水库群联合蓄水优化调度问题;智能算法对于复杂约束的多目标优化问题可产生大量非劣解;Pareto前沿分布范围均匀且广泛,可供决策者灵活调度。与原设计方案相比,在防洪风险得到控制的前提下,通过水库群提前蓄水联合优化调度,水库总蓄满率由90.40%增加到94.42%,年均增发电量76.5亿kW·h(+3.76%),经济社会效益显著。     

改进粒子群优化算法在水电站群优化调度中的应用研究

为克服常规粒子群优化算法易早熟、后期收敛慢且易陷入局部最优解的缺点,本文提出一种新的惯性权重系数更新策略——自适应指数惯性权重系数(SEIWC)代替线性递减惯性权重系数(LDIWC),同时,将遗传算法中的染色体交叉、变异思想引入粒子的更新策略,提高粒子的多样性,增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例,建立基于改进粒子群优化算法的库群长期优化调度模型。计算结果表明,该模型的调度结果显著优于常规粒子群优化算法,与逐步优化算法结果水平相当。     

Improved PSO algorithm based on chaos theory and its application to design flood hydrograph

The deficiencies of basic particle swarm optimization (bPSO) are its ubiquitous prematurity and its inability to seek the global optimal solution when optimizing complex high-dimensional functions.To overcome such deficiencies,the chaos-PSO (COSPSO) algorithm was established by introducing the chaos optimization mechanism and a global particle stagnation-disturbance strategy into bPSO.In the improved algorithm,chaotic movement was adopted for the particles'initial movement trajectories to replace the former stochastic movement,and the chaos factor was used to guide the particles' path.When the global particles were stagnant,the disturbance strategy was used to keep the particles in motion.Five benchmark optimizations were introduced to test COSPSO,and they proved that COSPSO can remarkably improve efficiency in optimizing complex functions.Finally,a case study of COSPSO in calculating design flood hydrographs demonstrated the applicability of the improved algorithm.