松江河梯级水电站短期优化调度数学模型分析

应用改进粒子群算法求解松江河梯级水电站短期优化调度问题,建立梯级电站发电量最大和发电效益最大短期优化调度数学模型。针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和基于遗传思想的变异算子对其进行改进。应用改进粒子群算法对松江河梯级水电站进行短期优化调度,分别采用发电量最大和发电效益最大数学模型进行算例分析。结果表明:对梯级电站进行短期优化调度可以提高梯级电站的整体质量和效益;应用改进粒子群算法求解梯级电站短期优化调度问题在求解时间、精度上都取得了满意的效果。     

基于混合PSO算法的梯级水库优化调度研究

提出基于混合粒子群优化（PSO）算法求解流域梯级单目标优化调度问题方法的一般结构，并对三峡梯级的发电和洪水优化调度问题进行了研究。该算法利用离散微分动态规划法（DDDP）算法对粒子群优化算法的gBest粒子进行二次寻优，加快了算法的收敛速度和精度。     

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。     

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。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性和不易求解的特点,在粒子群算法(PSO)的进化机制中引入文化算法(CA),利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法(PSO-CA)。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的"早熟"现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。     

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。     

调峰容量效益最大的梯级电站优化调度

为适应电力市场对水电站容量效益的需要,建立了既考虑容量效益又考虑电量效益的梯级电站优化调度模型，并提出了求解该模型的改进PSO算法，该算法能够有效处理目标函数带有层次性的多目标优化问题，具有收敛效率高的特点。用该算法对三峡梯级电站枯水期的优化调度问题进行了研究，使三峡梯级电站在获得尽可能大的调峰容量效益的同时也得到最大的电量效益。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性、不易求解的特点，在粒子群算法（PSO）的进化机制中引入文化算法（CA），利用文化算法的信仰空间对粒子群的进化进行指导，建立了文化粒子群算法（PSO-CA）。该算法在种群空间中采用PSO算法，在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的“早熟”现象进行监视，利用规范化知识对粒子加以限定，提高了算法计算效率。实例验证，该算法能较好地克服粒子群算法易陷入局部最优的缺点，并加快其收敛速度，可以有效解决水库防洪调度问题。     

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TIPSO的水电站优化调度研究

针对水电站多目标联合优化调度问题,提出双层改进粒子群算法(TIPSO)。该算法通过动态廊道约束,提高粒子群算法中粒子初始解的质量;通过改进动态权重系数,增强粒子群算法在前期的全局寻优能力和后期的局部寻优能力,提高粒子群算法的收敛性。将该算法应用于求解河南省陆浑水电站多目标优化调度问题,计算结果表明双层改进粒子群算法具有较好的收敛性能;通过与动态规划算法计算结果对比,表明该算法求解高维、复杂、多约束问题的可靠性和有效性。     

基于混沌优化算法的混联水电站群长期优化调度

在建立混联水电站群长期优化调度模型的基础上,应用混沌优化算法对模型进行求解。以水电站群总电能最大为目标函数,根据混沌运动的随机性,由Logistic模型产生的混沌变量来进行优化搜索。此方法可避免陷入局部最优点,并取得全局最优。实例计算结果表明,混沌优化算法与逐步优化算法相比,优化结果良好。表明本文算法可以用于求解具有复杂约束条件的非线性混联水电站群水库优化调度问题。     

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。     

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.     

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。     

免疫粒子群算法与支持向量机在枯水期月径流预测中的应用

针对支持向量机(SVM)最佳算法参数难以确定以及基本粒子群算法(PSO)易陷入局部极值等不足,提出免疫粒子群算法(IAPSO),利用IAPSO算法搜寻SVM学习参数,构建IAPSO-SVM预测模型,并与PSO-SVM、GA-SVM模型作为对比,以云南省某水文站枯水期月径流预测为例进行实例研究,利用实例前43年和后10年资料对模型进行训练和预测。结果表明:IAPSO-SVM模型对实例后10年枯水期1-3月月均径流预测的平均相对误差绝对值分别为3.32%、6.52%和6.55%,精度优于PSO-SVM和GA-SVM模型,表明IAPSO-SVM模型具有较高的预测精度和泛化能力。IAPSO算法利用浓度选择机制及免疫接种原理,改进了基本粒子群优化算法的全局寻优能力和收敛速度,具有较强的全局寻优能力。利用IAPSO算法优化得到的SVM学习参数可有效提高SVM模型的预测精度和泛化能力。     

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。     

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。     

水电站优化调度人工蜂群新算法

介绍了一种近年发展起来的、易于实现且收敛速度非常快的群智能优化算法——蜂群算法,并将其应用于考虑峰谷分时电价的水电站中长期发电优化调度。通过计算实例,验证了该算法求解峰谷分时电价下水电站中长期优化调度问题的有效性。