库群长期优化调度的正交逐步优化算法

为解决逐步优化算法(POA)求解库群长期优化调度时存在的"维数灾"问题,结合正交试验设计方法提出了正交逐步优化算法(OPOA),分别从阶段维、状态维和空间维进行降维求解。算法采用POA将多阶段决策问题分解为若干两阶段子问题,以目标函数为试验指标,水库为试验因素,离散状态为因素水平,各子问题的优化求解视为分别开展多次正交试验设计,通过逐次加密离散水库状态并构造"均衡分布、整齐可比"的状态集合进行计算,直至获得最优解。乌江梯级水库长期优化调度结果表明,OPOA仅需POA耗时的28.4%即可获得全局最优解,显著优于粒子群算法,是求解库群长期优化调度的有效算法。     

梯级水库短期优化调度模型的精细化与GPU并行实现

<正>目前制约梯级水库短期优化调度在实际工程中应用的主要瓶颈有:所构建的优化模型存在不合理的简化策略,所选择的求解算法无法保证解的质量以及模型的计算时间远超规定时长。为解决上述问题,本文首先构建精细至水电站各机组工作特性的优化调度模型,接着通过二重嵌套动态规划(DP)计算给定模拟精度下的高质量解,并     

基于粒子群算法的梯级电站日优化调度

采用粒子群智能优化算法,可避免多梯级水电站系统优化模型所产生的＂维数灾＂,能实现对梯级电站日优化调度模型的有效求解,从而得到梯级电站日优化调度方案,该方案可作为梯级电站联合竞价上网的参考依据,也可作为水库调度运行方式的参考,有助于梯级电站实现整体的发电效益最大化。     

SAPSO算法在梯级水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度阋题存在的"维数灾"问题,提出一种全局随机优化算法[1]--SAPSO算法及其在水库日优化调度问题中的应用.相对于动态规划,该算法原理简单,易编程实现,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法.     

粒子群算法在水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度问题存在的“维数灾”问题,给出一种全局随机优化算法[1]——粒子群优化算法并应用于水库日优化调度问题中。相对于动态规划,该算法原理简单,易编程,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法。     

梯级水电站短期优化调度算法研究及软件开发

传统的动态规划算法和POA算法在求解梯级电站短期优化调度上容易出现维数灾的问题,为此以重庆阿蓬江流域梯级水电站为例,根据实际调度需求提出了改进逐次逼近动态规划算法,建立了梯级水电站发电量最大模型,并开发了相应的高级应用软件.结果表明,其运算效率高,收敛性好,能够满足梯级水电系统的调度需要.     

大系统分解协调法在三峡梯级短期优化调度中的应用

针对梯级间流量传播对梯级水电站短期优化调度影响的问题,采用实测资料率定梯级间流量传播系数,构建变系数线性回归方程计算梯级间下游水电站入库流量,建立了"以水定电"模式下考虑流量传播影响的梯级水电站群短期优化调度系统分解协调模型。三峡梯级实例表明,当上游水库出库流量较小时,流量传播对梯级短期优化调度结果影响较大,且分解协调算法较轮库迭代法可有效减少解算时间,提高模型运算效率。     

基于DPSA 的梯级水库群优化调度

动态规划法是一种求解多阶段决策优化问题的常用方法,在水库优化调度计算中应用广泛。该方法最大的缺陷就是用于水库群优化调度时易出现"维数灾"问题。逐次逼近动态规划法(DPSA)可以有效克服这一问题,它采用逐次迭代逼近的思想,将一个多维问题分解为多个一维问题求解。本文以水库运行模拟模型为基础,建立了基于DPSA的梯级水库群中长期优化调度模型,以汉江上游梯级水库群为研究对象,选取发电量最大为目标,对各水库库容进行离散,从而求解水库优化运行过程,其结果对于水库优化调度运行具有指导意义。     

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。     

三峡梯级电站短期优化调度的模糊多目标动态规划

针对三峡梯级电站的短期优化调度是一个具有复杂约束条件的大型、动态、有时滞、模糊非线性的优化问题，本文建立了模糊优化调度模型，并对其进行了求解。由于常规模糊动态规划的方法在库容变化大的时候会出现维数灾，因此本文利用模糊多目标动态规划法，并结合逐次逼近方法，来求解梯级短期优化调度问题。实例仿真结果表明，它不仅可以根据不同的参数选择生成非劣解集，还可以推荐满意解，为决策支持提供依据。     

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.

     

三峡梯级水库调度仿真及实现——给定葛洲坝水库出库流量优化模型

针对三峡梯级电站短期日优化调度问题,按实际需要研究开发了三峡梯级水库优化调度系统;采用动态规划(DP)算法针对给定葛洲坝出库流量寻求发电效益最大的模型编制程序进行求解,并且在此系统中对其进行仿真实现,取得了较为满意的效果.     

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。     

考虑滞时的水库群短期优化调度风险分析模型

水库群优化调度的风险分析问题一直是研究的焦点,而在短期优化调度研究中,水流滞时的处理问题更是研究的难点。因此,按照风险识别-风险估计-风险评价与决策的思路,建立了考虑滞时的水库群短期优化调度风险分析模型。首先选取来流预报误差与滞时因子作为短期优化调度的主要风险因子,接着采用随机模拟的方法对主要风险因子进行估计,进而以耦合的两主要风险因子作为模型输入,得到所定运行策略下所面临的风险率,最后将所建模型应用到雅砻江流域的短期优化调度中。结果表明该模型不仅操作简单而且兼具实用性,无论对发电计划的制定还是水库的运行管理方面都有重要的指导意义。     

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.     

基于ELQG算法的水库群优化调度研究

针对目前复杂水库群优化调度算法存在早熟收敛和运行时间长等问题,本文深入研究基于ELQG算法的水库群优化调度的原理、方法与步骤,利用ELQG算法求解新安江-富春江水库优化调度模型,并将不同典型年优化下调度结果与DP算法进行对比。结果表明:ELQG算法中梯级水库联合年发电量减少0.1亿~0.3亿k W·h,平均水位降低1.0~1.3 m,但计算速度平均提高20倍。ELQG算法具有较强的实用性和可操作性,为多目标、高维水库群的优化调度提供了一种新的途径。