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。     

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。     

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。     

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以求解梯级水电站多目标联合优化调度模型。该算法采用混合蛙跳算法的分组-混合循化优化框架以增强算法的全局搜索能力;在族群内通过粒子群算法的飞行调整策略指导个体进化;同时,引入外部精英集,建立了基于自适应小生境的外部精英集维护策略,提高了算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程,计算结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,可为梯级电站的多目标调度决策提供科学依据。     

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。     

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以解决梯级水电站多目标联合优化调度模型求解的难题。该算法采用混合蛙跳算法的分组－混合循化优化框架，增强算法全局搜索能力，在族群内通过粒子群算法高效灵活的飞行调整策略指导个体进化，同时，引入外部精英集，建立一种基于自适应小生境的外部精英集维护策略，提高算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程应用实例，结果表明，本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集，并以此分析明确了调度目标间的耦合关系，为梯级电站的多目标调度决策提供了科学依据。     

基于改进花粉算法的梯级水电站多目标优化

梯级水电站优化调度要考虑发电、防洪、电网安全运行等多个目标,具有高维、动态、非线性等特征,求解复杂。为解决这一问题,通过改进花粉算法搜索策略和引入差分变异操作,加快算法收敛速度,增加种群多样性,并将该算法用于求解梯级水电站多目标优化调度问题。结果表明,该算法收敛速度快,求解精度高,对求解梯级水电站多目标优化问题具有一定的优越性。     

基于灰色关联度与理想点法的梯级水电站多目标优化调度方法

针对梯级水电站群调度目标间的协调问题,建立了多目标优化调度模型,提出了基于灰色关联度法与熵权理想点法相结合的迭代计算方法。应用灰色关联度法将多目标优化模型转换成多个单目标优化模型,并采用逐步优化算法求解,得到多目标优化数学模型的非劣解集,以熵权理想点法从非劣解集中选择最优解。澜沧江流域梯级水电站群的实例研究表明,该方法较好地处理了不同目标间、不同目标权重组合方案间双重多目标优化问题,为协调长期优化调度多目标间的矛盾提供了一种可行方法。     

梯级水电站群优化调度算法研究

根据梯级水电站群远程集控调度的特点,研究了适用于梯级水电站群的优化调度算法。讨论了梯级水电站群优化调度准则,对几种典型优化算法的适应性和局限性进行了分析比较。结果表明,在流域梯级电站数量较少时可采用动态规划算法,在流域梯级电站规模较大时可采用基于遗传算法的改进型优化算法。按照流域梯级水电站的实际情况采用适应的优化算法,才能发挥梯级水电站远程集控优化调度系统的优势。     

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。     

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.     

改进遗传算法及其在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立遗传算法(GA)求解多阶段最优化问题的数学模型.针对标准遗传算法(sGA)局部寻优能力较差、易早熟等不足之处,从编码方法、遗传算子和混合算法方面对其进行改进,提出了采用超立方体浮点数编码自适应遗传算法(AGA)和超立方体浮点数编码遗传模拟退火算法(SA-GA).通过16种不同策略的GA在雅砻江梯级优化调度中的应用,其结果表明了改进策略在解决水库群优化问题方面的有效性和优越性.最后将GA与动态规划(DP)算法的性能进行比较分析,充分体现了GA的优点.     

三峡梯级电厂日优化调度

梯级水电厂间的电力联系和水 力联系使得水电厂的短期经济运行非常复杂，其调度方式也灵活多变。文中针对三峡梯级水 电厂的3种可能调度方式，建立日优化运行模型，并用动态规划进行求解。计算结果表明， 动态规划方法对于求解梯级水电调度问题是行之有效的。     

Optimization of Water Resources Utilization by Multi-Objective Moth-Flame Algorithm

With the increasing power demand and rapid depletion of conventional fossil fuel resources, hydroelectric power resource has caused great attention of the public. A multi reservoir system with multiple objectives including ecological water demand, hydropower generation, and water diversion in Lushui River basin in China is under consideration in this context. Aiming to improve the efficiency of the water resources utilization, a novel method called multi-objective Moth-flame optimization algorithm (MOMFA) has been applied into this problem. The proposed algorithm involves the effective properties of the original Moth-flame optimization algorithm and two efficient mechanisms named opposition-based learning and indicator-based selection have also been integrated into the algorithm with the purpose of assisting the algorithm to accelerate the convergence and maintain the diversity simultaneously. The performance of the proposed MOMFA tested on a series of benchmarks and the Lushui River Basin. The result indicated that the proposed algorithm is not only capable of obtaining the well pareto solutions on standard problem but also can find the best tradeoff of the components and simultaneously achieve a set of well distributed non-dominated solutions for the multi-objective water resources utilization problem. Compare with the results obtained by other algorithms, the superiority of the proposed MOMFA has also been verified.     

基于多目标差分进化算法的水库多目标防洪调度研究

为求解水库多目标防洪优化调度问题,提出一种基于自适应柯西变异的多目标差分进化算法,克服了早熟收敛问题,提高了收敛精度;同时,根据多目标优化的特点对差分算子进行修正,并引入外部档案技术,提高了算法的收敛速度。本文以坝前最高水位最低、最大下泄流量最小和汛末水位最接近汛限水位为目标,对三峡水库展开多目标防洪调度研究,结果表明,该算法可在较短时间内生成大量在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选,为水库多目标防洪调度决策提供了一种新的调度方案生成方法。     

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。     

基于INMOPSO的含水风光电力系统优化调度研究

考虑水风光可再生能源消纳受阻问题,以运行成本最小和水风光弃电量最小为目标建立了电力系统多目标优化调度模型。运用多目标法改进约束条件处理方式,采用马氏距离改进适应值计算方式,提出了改进小生境多目标粒子群算法。实例计算结果表明,改进算法的近似Pareto前沿、算法收敛性和解分布的均匀性均优于对比算法,最佳均衡解的运行成本和弃电量也均小于对比算法,改进策略可行有效。