PA-DDS算法在水库多目标优化调度中的应用

Pareto存档动态维度搜索（Pareto-Archived Dynamically Dimensioned Search,PA-DDS）算法是一种求解多目标问题的随机搜索启发式算法。本文将PA-DDS算法引入考虑供水和发电的多目标优化模型优化水库调度图,与非支配排序遗传算法（NSGA-II）和多目标粒子群算法（MOPSO）对比了收敛性,并在求得非劣解分布的均匀性和与理论Pareto前端的相似性方面与NSGA-II进行比较,分析该算法求解水库多目标调度问题的优化性能,对比分析不同目标下的优化调度图。结果表明：PA-DDS算法能够得到更高质量的非劣解集,优化调度图与原设计调度图相比,能更有效协调供水和发电的矛盾,在小幅降低（0.96%）发电量的前提下显著提高（8.07%）水库供水量,平均每年增加经济效益0.55亿元。     

PA-DDS算法在水库多目标优化调度中的应用

Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)算法是一种求解多目标问题的随机搜索启发式算法。本文将PA-DDS算法引入考虑供水和发电的多目标优化模型优化水库调度图,与非支配排序遗传算法(Non-dominaled Sorting Genetic AlgorithmⅡ,NSGA-II)和多目标粒子群算法(Multi-Objectives Particlce Swarm Optimization,MOPSO)对比了收敛性,并在求得非劣解分布的均匀性和与理论Pareto前端的相似性方面与NSGA-II进行比较,分析该算法求解水库多目标调度问题的优化性能,对比分析不同目标下的优化调度图。结果表明:PA-DDS算法能够得到更高质量的非劣解集,优化调度图与原设计调度图相比,能更有效协调供水和发电的矛盾,在小幅降低(0.96%)发电量的前提下显著提高(8.07%)水库供水量,平均每年增加经济效益0.55亿元。     

改进的多目标差分进化算法在水库优化调度中的应用

水库多目标优化调度是一个复杂的系统优化问题,属于高维、多约束、非线性问题的优化领域。智能优化算法在求解水库多目标优化调度时,存在非劣解较少、分布不均匀及不收敛等问题,基于上述问题,提出一种求解新思路,通过加入精英保留机制并用拥挤距离来维持外部精英集改进多目标差分进化算法。建立了多目标水库优化调度模型,并以综合利用的漳河水库多目标优化调度为例进行了求解,结果表明该算法能够得到分布较为均匀的非劣解集,证明方法在水库多目标优化调度中是有效的。     

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle swarm Optimization--multi-objective HPSO)来求解水库调度中的多目标优化模型的不劣解集.通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性.     

基于混沌算法的水库群联合优化调度

利用混沌算法全局搜索能力强、求解速度快的特点,将混沌优化算法运用到水库优化调度中,建立了水库群多目标优化模型,并提出交互式的多目标优化模型求解方法.该方法利用混沌优化算法生成满足约束条件的可行集,再采用交互式决策偏好的方法从非劣解集中寻找最佳权衡解;并对滦河下游水库群进行了实例研究.结果表明算法可行,成果合理,能为水库群的联合调度提供技术支持.     

基于改进鲶鱼效应粒子群算法的电站优化调度

为提高梯级电站的综合效益、获得较优的调度方案,建立了基于改进鲶鱼效应粒子群算法(CE-PSO)的梯级电站优化调度模型。针对鲶鱼效应粒子群算法在制作鲶鱼粒子时容易陷入局部加速的局限性,考虑到鲶鱼粒子的空间分布位置对改善粒子的多样性具有重要影响,尝试通过一定的途径将鲶鱼粒子均匀分布于整个搜索空间,提高种群的搜索效率,弥补CE-PSO算法容易陷入局部加速的局限性。将改进后的算法应用于某河流梯级电站的优化调度,结果表明,改进后的鲶鱼效应粒子群优化算法与标准PSO和CE-PSO相比,在全局搜索能力和收敛速度方面均有改善。     

水库水沙优化调度研究

利用多目标规划的思想方法,结合免疫粒子群优化算法建立了水库水沙联调的多目标规划模型。结果表明:该模型克服了动态多目标规划的"维数灾"问题,可以较好地模拟和优化水库运行状态。     

梯级水库水沙联合优化调度多目标决策模型及应用

针对梯级水库运用过程中蓄水与排沙之间的矛盾,首先建立了梯级水库防洪、发电调度及泥沙冲淤计算子模型;然后,以水库防洪、发电、航运和泥沙冲淤为基本目标,建立了梯级水库水沙联合优化调度多目标决策模型,并采用约束法和加权理想点法进行非劣解求解和评价;最后,将该模型应用到溪洛渡-向家坝梯级水库汛末蓄水时间的研究中,得到了梯级水库蓄水时间与多年平均发电量和库容淤损率之间的非劣解集,并给出不同目标权重下满足梯级水库发电和减淤要求的最佳蓄水方案,为研究和解决多沙河流梯级水库水沙联合调度问题提供了技术手段。     

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。     

基于差分进化算法的水库防洪优化调度研究

由于影响和制约因素众多,水库防洪优化调度方案的制定是一个非常复杂和有相当难度的课题。本文以最大削峰为目标,基于差分进化(DE)算法建立多约束的水库防洪优化调度模型,给出了水库防洪优化调度问题的DE算法的求解步骤。将该算法应用于潘家口水库防洪优化调度实例问题的求解,求解结果与动态规划和粒子群算法的求解结果进行比较。该算法应用于水库防洪优化调度,可以充分发挥水库的防洪调节能力,确保水库自身以及下游防洪对象的安全,为水库提供合理有效的优化调度方案。