遗传算法在水库(群)优化调度研究中的应用综述

介绍了遗传算法在水库(群)优化调度中的应用背景及算法的收敛性,讨论了水库(群)优化调度中遗传算法的基本应用步骤以及存在的问题,给出了算法的各种改进方法,并对遗传算法的应用前景进行了展望.     

水库群发电优化调度遗传算法整体改进策略研究

针对水库群发电优化调度的高维性和复杂非线性,提出了一种收敛性全面改善的改进自适应遗传算法。改进算法采用了整体改进策略:初始种群生成方面,运用加入混沌优化的初始种群解空间生成法,改善初始种群质量;选择运算方面,采用对适应度函数进行非线性转换的三角函数选择算子,保持种群多样性;交叉和变异运算方面,采用随个体优劣和种群分散程度自适应调整的交叉概率和变异概率,提高算法收敛性。以典型入库流量下三峡梯级水库发电优化调度为实例,对比了上述整体改进策略和传统改进策略,结果表明:整体改进策略和传统改进策略相比,在克服遗传算法早熟和提高算法收敛性能方面有一定的优势,改进自适应遗传算法适用于求解水库群发电优化调度问题。     

基于改进遗传算法的小型水电站短期优化调度

针对小型水电站在丰水期的短期优化调度问题,提出了短期优化调度的数学模型和基于改进遗传算法的工程实现方法,并通过实例仿真及对仿真结果的详细分析,说明了该算法的有效性,对小型水电站短期优化调度有一定的指导意义。     

水电站水库优化调度的改进混沌遗传算法

针对水电站水库优化调度问题,提出了将改进遗传算法和混沌优化相耦合的改进混沌遗传算法。该算法将混沌变量映射到优化变量的取值范围中,对混沌变量进行编码,表示成染色体,然后对其进行选择、交叉和变异,通过增加混沌扰动,不断进化收敛得到最优解。实例计算并与其他方法比较表明,该算法在求解水电站优化调度这样的复杂非线性优化问题时,搜索效率高,收敛性能好,能以较快的速度收敛于全局最优解,为水电站水库优化调度模型求解提供了一种新方法。     

梯级电站联合优化的改进遗传算法研究综述

梯级电站长期优化调度是一个大系统复杂优化问题。简要介绍传统遗传算法在水库优化调度中的应用,并针对其存在的局部早熟、时间复杂度高等缺点,综合评述遗传算法的改进研究。主要从编码形式的确定、约束条件的处理、遗传因子的选择、利用并行性以及结合其它优化算法等方面的改进进行比较分析,指出各方案的优势和不足。     

改进遗传算法及其在泵站优化运行中的应用

在分析遗传算法基本理论的基础上,针对泵站优化运行问题的特性,从控制参数、选择方式、交叉机理和种群设置等方面进行改进,建立求解高维整型离散决策变量的改进遗传算法。以淮安四站为例进行计算,比较并分析改进遗传算法和标准遗传算法在泵站优化运行中的适用性,为泵站优化运行算法的设计和应用提供参考。结果表明:同时改进适应度和种群的混合改进遗传算法——FFGATPGA,精度高,计算速度快,具有收敛一致性,可用于复杂泵站系统的实时优化调度计算。     

改进加速遗传算法在梯级水电站优化调度中的应用

在加速遗传算法中嵌入局部搜索法，以加强算法的全局寻优能力。将改进的加速遗传算法应用到梯级水电站中长期优化调度中，可避免动态规划在解决复杂优化问题时易产生“维数灾”的缺点。建立了以梯级发电量和发电保证率最大为目标函数的梯级水电站中长期优化调度模型，并结合模拟退火思想，构造了罚因子将两目标转化为单目标求解，阐述了用改进加速遗传算法解决问题的方法和步骤。实例表明，与其他几种调度算法比，该方法能够求得较准确合理的解，有一定的实用性。     

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.     

蜂群遗传算法及在水库群优化调度中的应用

介绍了一种基于蜂群繁殖原理的改进遗传算法--蜂群遗传算法(BSGA),采用改进的遗传算子解决了传统遗传算法中"选择压力"和"种群多样性"之间的矛盾.将该算法应用于梯级水库优化调度的研究中,通过对清江梯级水库群优化调度的实例计算,得到了合理的全局最优解,验证了BSGA的可靠性和实用性.     

遗传算法在水库调度中的应用综述

简要回顾了遗传算法在水库调度中的应用概况,对遗传算法用于水库调度优化时的编码、约束条件处理、早熟与全局收敛性、参数设置、混合遗传算法、多目标遗传算法以及效率评定准则等问题进行了综述。分析遗传算法耗时与全局收敛之间的矛盾后认为,遗传算法适用于传统方法难以求解的优化问题,以及对计算时效性要求不高或者目标函数计算复杂度不高的实时水库调度问题,特别是水库中长期调度以及水资源规划问题。     

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。     

Multi-Objective Differential Evolution-Chaos Shuffled Frog Leaping Algorithm for Water Resources System Optimization

A multi-objective differential evolution-chaos shuffled frog leaping algorithm (MODE-CSFLA) is proposed for water resources system optimization to overcome the shortcomings of easily falling into local minima and premature convergence in SFLA. The performance of MODE-CSFLA in solving benchmark problems is compared with that of non-dominated sorting genetic algorithm II (NSGA-II) and multi-objective particle swarm optimization (MOPSO). At last, the proposed MODE-CSFLA is used to optimize the water resources allocation plan of the East Route of the South-to-North Water Transfer Project in the normal, dry, and extremely dry years. The results reveal that MODE-CSFLA performs better than NSGA-II and MOPSO under all conditions. Compared with shuffled frog leaping algorithm (SFLA), MODE-CSFLA can result in a 29.39, 27.47 and 22.55% increase in water supply when the single objective is to minimize the water pumpage; and a 41.01, 39.63 and 30.94% decrease in total pumpage when the single objective is to maximize the water supply in the normal, dry, and extremely dry conditions, respectively. Thus, MODE-CSFLA has the potential to be used for solving complex optimization problems of water resources systems.     

水库群供水调度预警系统研究及应用

针对水库供水调度的实时性和不确定性,通过分析入库径流超越机率,以缺水率最小为目标函数,建立水库群供水调度模型,并应用基于免疫进化的蚁群算法对模型进行求解,绘制水库群供水调度操作规线;应用模糊数学、信息熵等原理,确定现状水库供水指标D、未来供水水情指标S以及水库供水预警指标和应变措施,建立了水库群供水调度预警系统。实例计算表明,本文建立的水库供水预警系统能够合理、有效地为调度操作人员提供正确、及时的决策。     

混沌变异粒子群算法在水库供水调度规则制定中的应用

本文针对基于调度图规则的水库供水调度问题,建立了以水库供水保证率高且缺水量少为目标的优化调度模型。同时应用混沌变异减缓粒子群算法收敛速度,当算法进化停滞步数大于停滞步数阀值时,随机选取其中20%的粒子进行混沌变异操作,将原本聚集的粒子群"驱散开来",达到增加种群多样性、避免算法早熟收敛的目的,并将该算法引入到调度图的获取中。并以白石水库为例,得到了满足各项用水保证率的水库调度图,验证了该方法的可行性。     

改进遗传算法在城市给水管网改扩建工程中的应用

论述了遗传算法在城市给水管网优化应用中的原理和特点,针对传统遗传算法存在的问题 提出了改进意见,同时还介绍了改进遗传算法在四川某市给水管网改扩建工程中的应用情况。该计算 方法比传统的计算方法节省管道投资,而且因城市给水管网得到优化,水厂二泵站的电耗也得以降低。     

遗传算法在跨流域引水工程优化调度中的应用

本文将遗传算法应用于大伙房水库跨流域引水工程长期优化调度中。为解决进化过程中产生的部分破坏约束条件的个体,采用对破坏约束条件时段的初末水位做出在水位允许区间内降低或抬高到某随机值的调整的改进方法,使得遗传运算得到的个体绝大部分为可行解,能够更快速地找到全局最优解。与传统的长系列法相比,在满足年保证率的前提下不但降低了引水量,而且提高了农业供水保证率。     

缺水型大城市多水源调配管理技术体系与方法研究

针对缺水型大城市多水源供水系统日益庞杂带来的规范化和精细化调配管理问题,通过强化最严格水资源管理制度对城市多水源统一调配和管理的指导作用,从前期调配评估、调配系统构建、调度规程制定、调配方案编制四方面,探讨了缺水型大城市多水源调配管理技术体系,提出了城市水源-工程-单位-用户四层供水系统网络拓扑结构、城市供用耗排水量流转关系、水资源调配工程与管理体系、水资源日常调度规程、多水源联合调度模型等关键技术问题的解决思路与方法。将该技术体系应用于北京市水资源统一调配管理,结果表明:北京市供水系统可划分为4类水源-11类供水工程-4大水管系统-5大用户的网络拓扑结构。在此基础上,可构建由36家机关单位组成的水资源三级调度管理体系,按照调度会商-决策-实施-调整为核心的调度流程,依据统筹用水管控、水源配置、水量调度原则编制的水量调配方案开展日常水量调度工作。研究成果可为水行政主管部门推进水资源精细化调配管理工作提供技术支撑。     

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。     

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.