基于仿水循环算法的梯级水库群多目标优化调度研究

仿水循环算法(WCA)是一种新的智能种群优化算法,将该方法引入梯级水库群多目标优化调度,并提出多目标仿水循环算法(MWCA)。MWCA通过对自然界水循环过程的模拟,构建多目标下的相对重力机制,实现对非劣解的有效搜索,建立汇流、分流、渗流、蒸发降雨4个搜索策略,提升算法的收敛速度、多样性和局部搜索能力,同时有效克服传统算法的早熟问题,令算法具有较强的全局搜索和收敛性能。在梯级水库群多目标优化调度实例计算中,与多目标粒子群算法MOPSO和多目标遗传算法NSGA-Ⅱ进行比较分析,结果表明MWCA在计算结果和非劣解多样性上均优于其他算法,为梯级水库群多目标优化调度问题提供了一种有效的求解思路。     

基于改进花粉算法的梯级水电站多目标优化

梯级水电站优化调度要考虑发电、防洪、电网安全运行等多个目标,具有高维、动态、非线性等特征,求解复杂。为解决这一问题,通过改进花粉算法搜索策略和引入差分变异操作,加快算法收敛速度,增加种群多样性,并将该算法用于求解梯级水电站多目标优化调度问题。结果表明,该算法收敛速度快,求解精度高,对求解梯级水电站多目标优化问题具有一定的优越性。     

模拟植物生长算法在水库群优化调度中的应用

介绍了模拟植物生长算法的基本原理,针对梯级水电站优化调度问题的特点,建立了该问题的模拟植物生长算法求解模型.对基本模拟植物生长算法进行了改进,并设计了相应的算法步骤.在此基础上,将基本模拟植物生长算法及其改进算法应用于水库群优化调度中.通过对雅砻江梯级优化调度的应用分析,表明由形态素浓度决定其方向性和随机性搜索机制的模拟植物生长算法具有较强的全局搜索能力,为解决水库群优化调度问题提供了新的途径.     

基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究

梯级水库群防洪优化调度问题规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,各水库、各时段之间的水位、流量存在复杂的耦合关系,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟收敛问题。研究工作试图将量子粒子群算法(QPSO)引入到水库群防洪优化调度问题中,为了提高算法的全局搜索能力和收敛性能,对标准QPSO做了改进,包括利用混沌思想初始化种群、自适应激活机制和精英粒子混沌局部搜索策略3个方面,并引入多核并行计算技术以降低计算时间,提出了并行混沌量子粒子群算法(PCQPSO),函数测试证明了PCQPSO的可行性、稳定性和高效性。将PCQPSO应用到水库群防洪优化调度问题中,与POA、QPSO进行对比分析,结果表明PCQPSO收敛效率快、求解精度高,为解决梯级水库群防洪优化调度问题提供了一种有效的新思路。     

梯级水电站调度图优化的混合模拟退火遗传算法

为提高水库群联合调度时的水资源利用率,重新审核水库群系统中原有单库调度图的有效性,本文提出了一种解决库群联合调度多目标、多变量的智能优化新方法—混合模拟退火遗传算法。该方法将遗传算法的全局搜索能力和模拟退火算法的局部搜索能力相结合,提高了计算效率和精度,避免了手工修正调度图的随意性。在以实际生产项目为依托的应用与检验中,在满足各类边界条件及保证率要求的前提下,该方法对梯级水电站水库调度图的优化可行、有效,为优化梯级水库调度图提供了一种新的有效算法。     

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。     

多策略人工蜂群算法在梯级水电站优化调度中的应用

梯级水电站优化调度问题的准确、快速求解,是水利学科领域需解决的基本问题。针对该问题,提出了一种新的多策略人工蜂群算法。为更好地平衡算法的全局搜索与局部搜索能力,新算法在两个具有代表性的解搜索策略基础上,对其融合构成新的搜索策略,同时保留了原有的两个解搜索策略。新算法的三个候选解搜索策略,增强了对各类优化问题求解的适应性。为验证新算法的适应性及可行性,不仅在经典的基准测试函数中对其进行测试,并且将其应用于梯级水电站优化调度问题。实验结果表明,新算法具有适应性强、收敛速度快等优点。     

梯级水电站发电优化调度研究

针对传统优化算法在求解高维、复杂梯级水电站发电调度时易出现"维数灾",或陷入局部最优解的缺陷,本文提出了免疫蛙跳算法(ISFLA)。该算法将克隆选择算法嵌入到混洗蛙跳算法框架中,对混合之后的蛙群构造子群体执行免疫克隆选择操作,同时使用改进的最差解更新方式提高其局部搜索能力。应用实践表明,通过将ISFLA与标准混洗蛙跳算法、粒子群算法以及逐步优化方法对比,ISFLA在求解梯级水电站发电优化问题时具有明显的优越性。     

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。     

改进萤火虫优化的软子空间聚类算法

目标函数与搜索策略有效地结合可以提高软子空间聚类算法的性能。传统的软子空间聚类算法迭代求解时受初始聚类中心和噪声数据的影响极易陷入局部最优。针对该问题,提出一种改进萤火虫优化的软子空间聚类算法。算法引入目标函数和隶属度计算方法对界约束的权值矩阵进行评估并对数据样本进行分簇,将权值矩阵看成聚类问题的可行解,运用改进萤火虫算法优化求得较优的权值矩阵,从而改善聚类效果。在UCI数据集上的实验结果表明,改进后的算法能有效收敛于全局最优解,具有良好的聚类效果。     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

双层耦联遗传算法求解流域梯级水电站厂内经济运行问题研究

针对梯级水电站厂内经济运行调度模型约束条件多、求解复杂的问题,提出了一种基于遗传算法的双层耦联求解算法,该算法兼有机组负荷分配和机组组合双重优化的特点,可同时求得厂内经济运行优化调度模型的全局最优解.研制开发了基于此算法的梯级水电站厂内经济运行优化调度程序软件,并且已应用于某流域梯级水电站厂内经济运行实际调度计算中,取得了较高的工程应用价值.     

硕多岗河梯级水电站群短期优化调度研究

以云南硕多岗河梯级电站为主要研究对象,介绍了在调峰任务下梯级水电站的短期优化调度模型的改进方法,并建立相关数学模型.利用遗传算法可以从多初值沿多路径全局寻优的特点,打破了逐级寻优的常规方式,对梯级6站15台机组进行整体求解,总结其厂间和厂内的调度运行规律.分析遗传算法寻优得到的结果以及该模型反映出的机组和梯级各电站的特点,并与常用的梯级调度和水电站经济运行方法进行了比较.结果表明,该模型较好地反映了梯级电站在调峰任务下的水力联系和机组的运行特点.     

湖北汉江梯级水库群联合优化调度研究

湖北汉江流域已形成大规模梯级水库群,为了充分发挥梯级水库群联合补偿调节的优势,实现水电站最优经济运行,本文对湖北汉江流域水电站群运行特性进行分析研究。考虑各电站之间的水力和电力联系,在常规调度图模拟及传统优化调度的基础上,采用基于GAMS平台的非线性规划法以及基于可行空间搜索遗传算法,制定复杂混联水库群的发电优化调度规则。优化效果显著,充分体现水库群优化调度作用,为湖北汉江梯级水电站水库群的实际调度提供最佳的指导和方案。     

基于耗水率动态规划模型的水电站水库优化调度

目前水电站水库优化调度常侧重于提高算法的精度和计算的速度,往往忽视了优化调度模型本身的合理性和准确性。综合耗水率是衡量水电站经济运行情况的重要指标。基于耗水率动态规划模型的水电站水库优化调度方法,依据水电站长期运行的历史资料,采用水电站综合耗水率参数作为水电站水库优化计算的基础,使优化结果更符合水库经济运行的实际要求。     

狼群算法在水电站水库优化调度中的应用

为探讨水电站水库优化调度问题求解的新方法,对狼群算法及其在水电站水库优化调度中的应用进行了研究。对狼群算法中的围攻算法进行了改进,给出了水电站水库优化调度问题的狼群算法设计及求解步骤。基于水电站水库优化调度实例,对狼群算法的敏感参数奔袭步长进行了模拟计算和分析,给出了奔袭步长的有效取值范围。实例计算结果表明,狼群算法是一种求解水电站水库优化调度问题的有效方法。     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

大规模水电系统优化调度降维方法研究Ⅱ:方法实例

为缓解大规模复杂水电系统优化调度存在的"维数灾"问题,提出一种基于正交试验设计、在组合维实现降维的正交降维搜索方法。该方法将水电优化问题求解视为在发起点邻域内多次开展正交试验,选取"均衡分布、整齐可比"部分状态组合进行计算。分析表明该方法具有良好并行性,且时间复杂度和空间复杂度均为平方增长。同时,在应用至水电调度问题时,结合动态规划改进策略思想,提出4种不同的优化方法。贵州电网应用实例表明:所提方法具有计算参数少、鲁棒性强等优点,可有效均衡计算效率与求解精度,为大规模复杂水电系统优化调度的降维求解提供了新型方法。     

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.     

An Efficient Optimization Method for Long-term Power Generation Scheduling of Hydropower Station: Improved Dynamic Programming with a Relaxation Strategy

Integrating the characteristics of hydropower reservoir operations into optimization methods is an effective approach. Based on the concavity and monotonicity of hydropower reservoir operation with dynamic programming (DP), improved DP (IDP) with monotonicity in optimal decision-making can quickly search for an approximate optimal solution. However, IDP may not converge to the optimal solution of the long-term power generation scheduling (LPGS) problem of hydropower station due to the analysis conclusion of approximate monotonicity. Therefore, the relaxation strategy for expanding the search space based on the monotonicity of optimal decisions is introduced into IDP, which is named DP with a relaxation strategy (DPRS). The experimental results of Xiluodu, Xiangjiaba, and Three Gorges Reservoir (TGR) show that 1) the time complexity of DPRS and IDP decreases from the quadratic growth of DP with an increasing number of discrete states to linear growth; 2) DPRS and DP can obtain the optimal solution of the long-term power generation scheduling (LPGS) problem of hydropower station under the given discrete precision, whereas IDP searches for only an approximate optimal solution. Combined with the discussion with other relevant literature, all these results indicate that the DPRS has the strongest competitiveness in solving the LPGS problem of hydropower station, both in convergence accuracy and in calculation speed.