POA改进算法在水库群优化调度中的应用

逐步优化算法(POA)的初始轨迹对能否收敛到最优解和计算时间有很大影响。如何选择合适的初始轨迹并对其进行改进,是水库优化调度的关键。本文从初始解集出发,在迭代过程中对初始轨迹进行逐步改进,通过保持解的多样性,有效避免了计算结果收敛于局部最优解。通过将改进的POA算法应用于梯级水电站中长期优化调度模型中,表明该方法计算速度快,能有效收敛到全局最优解。     

水电厂经济运行双层逐步优化法(TLPOA)研究及应用

笔者将双层逐步优化算法用于解决与水电厂经济运行有关的机组间负荷分配及机组最优组合的问题,经棉花滩水电厂的实际运行数据与该算法优化分配方案的计算成果比较,表明该算法可取得较好的经济效益.     

考虑稳定约束的最优潮流

随着电力工业的发展以及电力市场化的逐步推行,电力系统运行的安全性与经济性成为日益迫切的问题。本文叙述了最优潮流的发展、主要算法,介绍了考虑暂态稳定约束的最优潮流(TSCOPF)和电压稳定约束的最优潮流(VSCOPF)的计算方法,并指出了最优潮流在电力市场环境下的发展方向。     

基于微粒优化群小水电群有功出力优化研究

为提高小水电的有功出力,提出了一种带惯性权重的微粒子群算法,利用该算法优化了小水电的关键节点电压和系统线损。通过微粒子群算法的数学模型多次迭代得到历史最优位置以及最优粒子位置;结合惯性权重和两个可调参数,解决了微粒子群算法的局部最优解问题。然后根据上述模型,采用MATLAB进行优化计算,并使用MATPOWER潮流计算程序,得到小水电优化的负荷率曲线。最后,在通过该算法,得到4台小水电出力优化结果以及优化前后线损对比情况,得出了微粒子群算法的有效性。     

基于人工免疫算法的电力系统最优潮流计算

基于一阶或二阶梯度的优化算法在计算电力系统最优潮流时经常陷入局部最优点，模拟进化算法具有较好的全局搜索能力，但是有时也由于过早成熟的现象而陷入局部最优点。文中提出了一种计算电力系统最优潮流的新算法——人工免疫算法。该算法是根据人或其他高等动物免疫系统的机理而设计的，将目标函数和一部分不等式约束条件作为抗原，将搜索空间的解作为抗体，依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择，通过抗体之间的相互激励作用提高了最优点附近的搜索效率，通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用此算法进行电力系统最优潮流计算，对IEEE 30节点系统的计算结果说明了该算法的有效性。     

蚁群算法求解梯级水电厂日竞价优化调度问题

应用蚁群算法(Ant Colony algorithm,ACA)，即利用蚂蚁群体相互协作和邻域搜索寻找功能，求解梯级水电站日竞价优化调度问题。计算中定义水库调度线为蚂蚁路径，利用状态转移、信息素更新和邻域搜索，不断调整路径逐步向最优值逼近。计算结果表明，梯级电站电量时空分配合理，并且满足约束条件，该算法可以求解具有复杂约束条件的非线性梯级优化调度问题。     

免疫进化算法及其在暴雨强度公式参数优化中的应用

在研究现有进化算法的优越性与存在不足的基础上,受生物免疫原理的启发,提出了一种新的算法———免疫进化算法。免疫进化算法的核心在于充分利用最优个体的信息,在整个进化过程中,以父代最优个体为基础来产生子代群体,并以最优个体的收敛来代替群体的收敛;此外,算法的随机搜索是在确定方式的指导下完成的。相比于现有的进化算法,免疫进化算法提高了收敛速度,有效地克服了不成熟收敛,理论证明该算法是全局收敛的。最后,用免疫进化算法对暴雨强度公式参数进行了优化,并将其计算结果与传统方法和加速遗传算法的计算结果作了比较,结果表明:免疫进化算法的拟合效果最好。     

基于混合遗传算法的水电站经济运行

以水电站运行成本最小为目标,提出了一种用混合遗传算法实现大型电站最优运行计划的方法。该方法考虑了机组能量特性差异,并能在旋转备用、起停成本、空蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了遗传算法的精度。算例表明,方法精度高,计算速度快。     

水库的线性和非线性调度规则的研究

本文研究了用确定性优化技术建立水库调度规则的方法。首先提出了用逐步优化算法(POA)求解水库优化调度模型,得出水库最优放水、库水位等序列,进而对该序列进行逐步多元回归,获得水库的线性和非线性调度规则,最后通过实例验证,得到满意成果。     

基于改进粒子群算法的水电站水库优化调度

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。     

梯级水电站群中长期优化调度的离散梯度逐步优化算法

充分利用现有水电资源,进行库群中长期优化调度是构建清洁低碳、安全高效的现代能源体系的重要措施。逐步优化算法(POA)将多阶段问题转化为多个两阶段子优化问题,是求解中长期库群优化调度较为广泛且有效的一种方法。但随着水库数目的增加,POA仍会面临严重的"维数灾"问题。本文以梯度下降法为基础,提出离散梯度的概念及离散梯度逐步优化算法(DGPOA),该方法在不直接求导的情况下充分利用局部离散梯度信息确定最优搜索方向,可以快速获得优化结果。最后将该算法应用到澜沧江流域五水库梯级系统中,在不同离散精度和来水条件下,利用POA、POA-DPSA和DGPOA算法对梯级水库进行优化计算。结果表明,在不显著降低全局搜索能力的情况下,DGPOA的计算速度分别达到了POA-DPSA算法的8~12倍,POA算法的50~250倍,是一种解决梯级水库站群中长期优化调度中"维数灾"问题的有效方法。     

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。     

基于最优抽样与选择性解析的电力系统可靠性评估

为降低Monte Carlo法的计算方差,加快电力系统可靠性评估的速度,提出一种基于最优抽样和选择性解析的混合算法。该算法是在传统Monte Carlo法的基础上,增加小样本预抽样计算,以获得最优抽样密度函数与各变量的投影方差。根据投影方差的大小,确定解析变量,进行解析化处理,对模拟变量按照最优抽样密度函数抽取元件状态。对测试系统IEEE-RTS的算例分析表明,该算法可以同时提高抽样计算和解析计算的效率,降低计算方差,加快可靠性评估的速度。     

粒子群算法在梯级水库优化调度中的应用研究

针对PSO算法易陷入局部最优和后期收敛速度慢的缺陷,引入进化遗传算法中的"变异"算子并采用自适应的权重因子,以改进其全局优化能力和搜索效率。引入粒子矩阵,通过对粒子在多维空间中最优位置的搜索来实现逐时段的优化计算,并将该算法应用于金沙江复杂梯级水电能源系统中长期优化调度计算中。计算结果表明,智能优化方法在复杂系统全局优化问题上较常规数学优化算法有更优越的优化性能,从而为解决复杂水电能源非线性动力系统的全局优化计算问题提供了一种新的有效的方法。     

梯级电站优化调度模型中全局寻优策略

针对梯级电站优化调度问题,结合现代优化方法与传统优化方法的优势,提出了一种遗传算法(Genetic Algorithms,GA)与离散微分动态规划(Discrete Differential Dynamic Programming,DDDP)相结合的全局寻优算法.该算法在实现过程中应用两级协调结构,第1级应用GA全局算法协调器进行计算,得到近似解并构成梯级调度问题的初始解;第2级应用DDDP局部算法微调器,将GA所得解推向全局最优解或全局最优解域.将其用于典型考题Rosenbrock函数以及三峡梯级电站进行仿真计算,结果表明该算法是稳定和有效的.     

基于模拟退火和粒子群混合算法的地应力场分析

针对地应力场分析计算时边界荷载难以确定的问题,将模拟退火和粒子群优化算法引入到地应力场的分析研究中。由于粒子群算法容易陷入局部最优的缺陷,结合模拟退火思想与粒子群优化算法形成一种混合优化算法,以提高粒子群算法的收敛精度。运用该算法对新疆哈德布特水电站地应力场进行分析研究。计算结果表明：地应场计算值和实测值吻合较好,说明该混合优化方法具有较高可靠性。     

基于变分模型的动态最优潮流新算法

为解决传统动态最优潮流（DOPF）算法中计算速度和计算精度之间的矛盾，建立了电力系统DOPF的变分模型，推导了该变分模型的最优性条件。在此基础上提出了一种基于Radau配置法的DOPF求解新算法。该算法具有计算量小、计算精度高等特点。对某实际系统的分析结果表明算法能够满足在线运行的需求。     

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。     

多阶段输电网络最优规划的并行蚁群算法

多阶段输电网络最优规划是一个复杂的非线性组合优化问题，难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术，但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式；详细分析了传统蚁群算法的未成熟收敛现象及其原因；提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解，能很好地协调局部搜索与全局搜索，在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明，该方法具有很高的计算效率和良好的全局收敛性。     

供水系统优化调度问题的模拟退火算法探讨

在探讨连续变量全局优化模拟退火算法的基础上，结合管网分析计算的特点，提出了供水管网系统优化调度问题的全局优化模拟退火算法。仿真结果表明，该方法能够得到供水流量和供水压力的全局近似最优值。