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。     

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。     

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。     

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。     

长江上游控制性水库群联合调度及水资源影响分析

针对长江上游控制性水库群联合调度问题,建立了大规模混联水库群联合优化调度模型,并提出离散微分动态规划(DDDP)和逐步优化算法(POA)相结合的混合方法,实现大规模混联梯级水库群联合优化调度问题的高效求解。在此基础上,结合流域长系列历史径流资料,进行了长江上游控制性梯级水库群调度模拟,分析了联合调度的发电效益;并在此基础上,结合相关研究成果,探究并分析了梯级水库群建成投运后,联合调度对流域水资源的影响。成果表明,梯级水库群的建成及联合调蓄对于长江中下游枯水期的流量补偿效益十分明显,供水、航运以及压咸补淡等综合效益十分显著。     

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。     

基于多重迭代算法的梯级水库群调度图优化方法

基于梯级水库群中各水库的常规调度图,建立了以梯级水库群多年平均发电量最大为目标的梯级水库群调度图优化数学模型,提出了基于多重迭代实现高维模型降维的求解算法,即以轮库迭代法实现空间多水库降维,以轮线迭代法实现单一水库多调度线降维,以逐次优化算法实现调度线状态降维。万安溪-白沙梯级水库群的算例计算结果表明,该优化方法能获得形态合理的优化调度图,并能有效提高水库群发电量。     

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。     

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。     

湖北汉江梯级水库群联合优化调度研究

湖北汉江流域已形成大规模梯级水库群,为了充分发挥梯级水库群联合补偿调节的优势,实现水电站最优经济运行,本文对湖北汉江流域水电站群运行特性进行分析研究。考虑各电站之间的水力和电力联系,在常规调度图模拟及传统优化调度的基础上,采用基于GAMS平台的非线性规划法以及基于可行空间搜索遗传算法,制定复杂混联水库群的发电优化调度规则。优化效果显著,充分体现水库群优化调度作用,为湖北汉江梯级水电站水库群的实际调度提供最佳的指导和方案。     

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。     

水库群优化调度中的结构分析方法研究进展

在我国水库群规模日益庞大、功能结构日益复杂化的背景下,结构分析方法在水库群优化调度模型求解中占据越来越重要的地位。为全面梳理不同结构分析方法的适用性和优劣性,以及为复杂结构水库群优化调度提供高效的结构分析方法,基于水库群优化调度60余年来的研究成果,分别阐述了顺序模拟法、蓄供水判别式法、效用均衡理论法、聚合-分解法和水力关联矩阵法5种结构分析方法的研究进展。顺序模拟法逻辑直观、普适性强,蓄供水判别式法能够对发电调度中水库群的蓄供水次序快速排序,以上2种方法均适宜于串联结构水库群结构分析;效用均衡理论基于微观经济学厂商均衡理论对水库群调度方式进行优化,理论基础坚实,适用于水力关系较为独立的并联水库群;聚合-分解法包含水库群联合调度图和大系统分解协调2种形式,可与其他串并联结构分析方法联合使用,适用于大规模混联结构水库群;水力关联矩阵法则采用矩阵形式描述水库群内部两两之间关系,不受水库群结构组合的限制,因此适用于任何结构水库群。结构分析方法对于优化高效求解水库群优化调度问题至关重要,但也需要与其他环节配合才能实现,建议未来在径流预报信息利用、优化调度统计模型与物理背景耦合及混联水库群精细化调度等方向开展进一步研究。     

松江跨流域引水梯级电站群长期优化调度方法

结合松江跨流域引水梯级水电站群,建立了长期优化调度模型及求解方法。该模型首先确定初步的引水流量,然后以典型日负荷曲线为基础构建调峰电价曲线,以调峰效益最大为目标构建梯级水电站群优化调度模型,采用逐步优化算法、逐次逼近算法和状态逐密离散微分动态规划联合对模型进行求解。通过不断调整引水流量,对目标函数进行寻优,确定引水流量及相应的各水库调度方案,以充分发挥跨流域引水水库的调节与补偿能力。成果可直接应用于松江流域。     

混凝土静动力学分析数值模拟程序中的并行算法设计

对混凝土进行静动力学分析的数值模拟程序，从多个方面考虑了其中的并行算法设计。首先，从整体上提出了一个将有限单元分布与未知量分布有机结合的整体并行算法设计方案。之后，分别针对刚度矩阵装配、双门槛不完全Cholesky分解预条件、稀疏矩阵与向量相乘、稀疏向量相加等核心算法，提出了相应的高效并行算法。在由8台奔腾4微机组成的机群上对一采用 44117个网格点与53200个有限单元的混凝土断裂过程数值模拟表明，加速比可以达到6.92，与单机算法改进效果相结合后，一次加载的计算时间从原程序的11443s减少到了13s。在有4个CPU的一台Sun HPC上对采用71013个网格点与78800个有限单元的问题进行数值模拟时，串行算法改进与并行算法的设计也使得整个过程所需的计算时间从原串行程序的约15d减少到只要122min。     

长江上游控制型梯级水库群联合补偿效益分析

介绍了长江上游水电系统的总体特征以及主要控制型梯级水库的拓扑关系,以发电量最大或保证出力最大为目标建立了优化模型,并分别按梯级和库群2个层次构建了4个长序列优化调度方案,最后根据各方案优化结果分析了主要控制型梯级水库的联合补偿规律及补偿效益。分析结果表明:以发电量最大为主要目标时,库群年均发电量可增加11.79%;以保证出力最大为主要目标时,库群总保证出力可提高29.53%;同时,年均发电量增加9.91%,各梯级互补能力突出,联合运行时电力电量补偿效益显著。     

Cloud-Based Multidimensional Parallel Dynamic Programming Algorithm for a Cascade Hydropower System

The joint optimal operation of cascade reservoir system can greatly improve the utilization of water resources. However, the complex high-dimensional and non-linear features and calculated costs often hinder the refined operation and management of reservoirs. Recently, the local parallel computing has become an effective way to alleviate the "curse of dimensionality". Current local parallel computing has hardware limitations, which is difficult to adapt to large-scale computing. This study proposes a novel parallel dynamic programming algorithm based on Spark (PDPoS) via cloud computing. The simulation experiments are carried out for a comparative analysis of the solution efficiency, influence factors and stability of cloud computing. The results are as follows: (1) The efficiency of the cloud-based PDPoS is related to some factors; the number of CPU cores is the main influencing factor, followed by the operator, and the architecture has the least influence. (2) The runtime variance of cloud computing is 2.03, indicating cloud computing has high stability. (3) Under the same configuration (i.e., CPU and memory), the runtime of cloud computing is 41.5%?~?110.3% longer than that of physical machines. However, cloud computing has rich resources, good scalability, and good portability of online operations, which is an attractive alternative for optimal operation of large-scale reservoir system.