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。     

改进的粒子群算法在水库优化调度中应用

针对水库优化调度中存在的规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,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,存在早熟等问题。为了提高粒子群算法全局搜索能力和收敛性能,把下山搜索策略引入到粒子群智能算法中,提出了改进的粒子群算法。函数测试证明该方法改进了算法的鲁棒性,提高了算法求解效率。上述优化算法应用于水库优化调度模型求解中,计算结果表明:该方法易于实现,求解效率高,为水库优化调度模型求解提供了新的途径。     

改进粒子群算法在梯级水电站优化调度中的应用

粒子群算法是一种全局随机搜索算法。在标准粒子群算法中引入突变机制,应用于梯级水电站优化调度中,与动态规划对比,表现出该方法的简单高效性。通过实际算例验证了该方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径。     

基于改进粒子群算法梯级水电站短期优化调度研究

应用改进粒子群算法求解梯级水电站短期优化调度问题.考虑发电效益和存水效益结合峰谷电价建立综合效益最大模型,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,引入收缩因子和杂交算子对其进行改进.应用改进粒子群算法对"水布垭水电站一隔河岩水电站一高坝洲水电站"进行短期优化调度,分别采用传统优化模型和峰谷优化模型进行实例计算,结果表明实施峰谷电价,对于提高梯级水电站综合效益,同时缓解高峰期用电紧张局面有更高的应用价值;应用改进粒子群算法求解梯级水电站短期优化调度问题在求解时间、求解精度上都得到了较满意的效果.     

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。     

含混合式抽水蓄能电站的梯级水电站群调度规则建模方法

含混合式抽水蓄能电站的梯级水电站群调度运行复杂,国内外研究较少.以第二松花江白山-丰满混合式抽水蓄能电站梯级水电站群为背景,提出了梯级水电站群长期调度规则建模方法.该方法以典型日负荷为基础推求调峰、填谷电价曲线,以发电效益最大为目标,以保证出力为约束构建了长期调度规则优化模型,并将混合式抽水蓄能电站的抽水与发电水-能转换模型引入随机动态规划算法进行模型求解.实例计算结果表明,所提模型方法能够有效解决混合式抽水蓄能电站长期优化调度问题.     

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。     

基于模拟退火粒子群算法的水电站优化调度

以洪家渡水电站为例,探讨了模拟退火粒子群算法(SAPSO)在水电站中长期优化调度中的应用方法及效果。结果表明:该算法可以求解具有复杂约束条件的非线性水库优化调度问题,并具备求解精度高、收敛速度快的优点,为解决水电站中长期优化调度问题提供了一种有效的方法。     

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。     

Multiple Hydropower Reservoirs Operation by Hyperbolic Grey Wolf Optimizer Based on Elitism Selection and Adaptive Mutation

Multiple hydropower reservoirs operation is an effective measure to rationally allocate the limited water resources under uncertainty. With the rapid expansion of water resources system, it becomes much more difficult for traditional methods to quickly yield the reasonable operational policy. Grey wolf optimizer, inspired by the wolves’ hunting behaviors, is a famous metaheuristic method to resolve engineering optimization problems, but still suffers from the local convergence and search stagnation defects. To alleviate this problem, this study proposes a hybrid grey wolf optimizer (HGWO) where the hyperbolic accelerating strategy is introduced to improve the local search ability; the adaptive mutation strategy is used to diversify the swarm; the elitism selection strategy is used to enhance the convergence speed. The experimental results show that the HGWO method can produce better solutions than its original version in several test functions. Then, the HGWO method is applied to resolve the optimal operation of a real-world hydropower system with the goal of maximizing the total generation benefit. The simulations indicate that the HGWO method produces satisfying scheduling schemes than several control methods in terms of all the statistical indicators. Hence, with the merits of superior search ability, rapid convergence rate and gradient information avoidance, HGWO proves to be a promising alternative optimization tool for the complex multireservoir system operation problem.

     

河网水力数值模拟中Newton—Raphson法收敛性的证明

Newton-Raphson迭代法以其收敛速度快的优点而常被用于求解非线性代数方程组，但对各种不同的问题其局部收敛性条件的证明往往是十分困难的。本文针对用Newton-Raphson迭代法求解河网数值模拟中所出现的非线性代数方程组的问题，证明了只要当时间步长取得足够小时， 迭代法的局部收敛性条件就一定可以满足，从而给出了Newton-Raphson迭代法在河网非恒定流计算中应用的一个理论基础。     

基于混合变异策略差分进化算法的边坡滑裂面搜索研究

针对"基于反射变异策略的自适应差分进化算法"仍易陷入局部最优的问题,通过引入一个基本的变异策略提出一种基于混合变异策略(DE/current-to-rand/1)的差分进化算法。根据各变异策略生成成功子代的比率使用轮盘赌选择为各个个体选择合适的变异策略,以改善算法的全局收敛能力。将提出的算法结合有限元应力场应用于两个经典算例的边坡临界滑动面搜索及安全系数求解,与其他极限平衡法进行了对比,并使用其中一个算例作为计算模型与其他优化算法进行了收敛性能比较。统计结果验证了改进算法的性能更稳定且收敛速度较快,也验证了该算法结合有限元应力场求解边坡问题的有效性。     

基于改进混合蛙跳算法的梯级水库优化调度

针对混合蛙跳算法在寻优过程中出现的早熟收敛问题,利用混沌技术的遍历性优势对子群最优个体进行变异操作,形成局部精细搜索策略;根据蛙群相对多样性参数来判断算法是否陷入局部最优,进而对蛙群最优个体进行扰动以提高全局寻优能力,形成全局激励调节策略。耦合2种策略,提出了一种改进混合蛙跳算法。将其应用于李仙江梯级水库优化调度中,结果表明所提算法具有寻优质量高、收敛速度快的特点,有效地克服了标准混合蛙跳算法的早熟缺陷,为水库调度模型的求解提供了一种新方法。     

A Genetic Algorithm Parallel Strategy for Optimizing the Operation of Reservoir with Multiple Eco-environmental Objectives

Optimizing the operation of reservoir involving ecological and environmental (eco-environmental) objectives is challenging due to the often competing social-economic objectives. Non-dominated Sorting Genetic Algorithm-II is a popular method for solving multi-objective optimization problems. However, within a complex search space, the NSGA-II population (i.e., a group of candidate solutions) may be trapped in local optima as the population diversity is progressively reduced. This study proposes a computational strategy that operates several parallel populations to maintain the diversity of the candidate solutions. An improved version of the NSGA-II, called c-NSGA-II is implemented by incorporating multiple recombination operators. The parallel strategy is then coupled into the routine of the c-NSGA-II and applied to the operation of the Qingshitan reservoir (Southwest of China) which includes three eco-environmental and two social-economic objectives. Three metrics (convergence, diversity, and hyper volume index) are used for evaluating the optimization performances. The results show that the proposed parallel strategy significantly improves the solution quality in both convergence and diversity. Two characteristic schemes are identified for the operation of the Qingshitan reservoir for trade-off between the eco-environmental and social-economic objectives.     

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。     

考虑区间入流的双向波水位演算模型研究

双向波水位演算模型将感潮河段预报断面的洪水过程视作上游洪水波和下游潮水波双向传播后的叠加.考虑了区间人流对干流水位过程的影响,提出了两种在双向波水位演算模型中考虑区间人流的方法.方法①直接将区间人流过程引入模型的基本方程中,方法②在模型上边界条件中考虑区间来水的影响.将这两种方法应用在曹娥江感潮河段,结果表明.前者在计算区间人流过程合理的情况下能得到较好的结果,后者在上游洪水和区间来水的汇流时间相差不大时也能得到较好的结果.     

改进风驱动优化算法在水库调度中的应用

风驱动算法是一种新兴的基于群体迭代启发式的全局优化算法,与遗传算法、布谷鸟算法等相比,具有明确的物理背景,但该算法避免不了易陷入早熟和收敛效率慢的问题。针对早熟,本文提出了扰动策略,对当前最优适应度值对应的任一元素进行扰动,且随着迭代次数的增加,扰动量逐渐减少。针对收敛效率不高,提出了空间压缩策略,采用奇偶相间的方式,通过计算约束更新解的上下限以保证该解是可行解。将改进的风驱动优化算法运用到某水库的优化调度中,并与粒子群算法和标准风驱动算法进行比较。结果表明改进的风驱动优化算法更为可靠、高效,能以较快速度收敛于最优解,且最优解值更大,为水库优化调度模型求解提出新的解决方案。     

Application of hydrologic forecast model

In order to overcome the shortcoming of the solution may be trapped into the local minimization in the traditional TSK (Takagi-Sugeno-Kang) fuzzy inference training, this paper attempts to consider the TSK fuzzy system modeling approach based on the visual system principle and the Weber law. This approach not only utilizes the strong capability of identifying objects of human eyes, but also considers the distribution structure of the training data set in parameter regulation. In order to overcome the shortcoming of it adopting the gradient learning algorithm with slow convergence rate, a novel visual TSK fuzzy system model based on evolutional learning is proposed by introducing the particle swarm optimization algorithm. The main advantage of this method lies in its very good optimization, very strong noise immunity and very good interpretability. The new method is applied to long-term hydrological forecasting examples. The simulation results show that the method is feasible and effective, the new method not only inherits the advantages of traditional visual TSK fuzzy models but also has the better global convergence and accuracy than the traditional model.