首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 203 毫秒
1.
辛芳芳  梁川  徐波 《四川水利》2009,30(4):33-35
以四川省凉山州安宁河龙头水库大桥水库水电站为研究对象,利用加速遗传算法进行求解,首次建立了大桥水库电站以年发电量最大为目标并兼顾下游用水等要求的单库优化调度模型。计算结果表明,该方法能有效地克服标准遗传算法早熟收敛、计算量大、全局优化速度慢等缺点,能较好的应用于水库优化调度计算。同时,为进一步开展大桥水库水资源的合理利用与管理提供了理论指导。  相似文献   

2.
为解决水库优化调度过程中时间尺度不同而导致的水库综合效益不高的问题,以防洪与兴利为目标,将水库长期优化调度与中长期优化调度进行嵌套,建立水库多目标优化调度嵌套模型。其中,多目标问题通过约束法将防洪目标转换为硬性约束后,再转化为求解发电量最大值的单目标问题。算法方面,综合对比后确定长期优化调度采用动态规划算法求解、中长期优化调度采用遗传算法求解。为验证嵌套模型的优化效果,以澄碧河水库为例,进行水库优化模拟调度。结果表明:在满足防洪目标的前提下,嵌套模型优化调度方案相较于长期优化调度方案和实际调度方案效益均更高,验证了嵌套模型在水库优化调度问题中的优越性。  相似文献   

3.
在研究现有多目标遗传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,提出了一种新的优化调度算法--多目标免疫遗传算法,有效克服遗传算法的早熟、群体多样性不足及搜索速度慢等问题.同时,以梯级水库优化调度发电量和保证出力为目标,建立了三峡梯级水库多目标优化调度模型.通过实例研究计算,论证了该方法的有效性和实用性.  相似文献   

4.
为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度搜索算子结合的算法,同时为保证水库优化调度搜索全局最优提供了一定保障。针对遗传算法容易陷入局部最优的缺点,引入正弦函数取随机数的广度搜索与遗传算法相结合的算法。通过分析比较单独使用自适应遗传算法或者广度搜索算法以及结合算法在实际水库优化调度中效果,结果显示,优化结果要比自适应遗传算法以及广度算法的结果更理想。充分证明了结合算法的高效全局搜索能力,避免了自适应遗传算法陷入局部最优,同时在一定程度上克服了广度搜索很难收敛的缺点,在一定收敛条件下得到了更接近全局最优的结果。  相似文献   

5.
梯级水电站调度图优化的混合模拟退火遗传算法   总被引:1,自引:0,他引:1  
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。  相似文献   

6.
针对水库优化调度问题的多维性、非线性和强约束性特点,提出了耦合SCE算法与随机排序法的SCE-SR算法。在进行个体比较时综合考虑目标函数值和约束违反量,以实现群体优劣排序。同时,在迭代进化过程中加入精英保留机制,保证优化结果为可行解。将SCE-SR算法应用于三峡水库的优化调度研究,以发电量最大为经济目标及生态保障率最大为优化目标,基于水文学法量化下游河道生态流量适宜区间,并与遗传算法结果进行比较。结果表明:SCE-SR算法相较于遗传算法计算结果更优,枯水年SCE-SR算法所得年发电量比遗传算法增加0.48%,生态保证率增加2.78%。SCE-SR算法在优化过程中简单易行,需要调整的参数少,有机结合确定性方法和随机性方法,能快速定位可行域,兼具全局收敛性与鲁棒性,避免了遗传算法易"早熟"的缺点,所得优化调度方案在对经济效益影响较小的同时能保证生态流量需求,为多约束的水库优化调度问题提供了新思路。  相似文献   

7.
针对一维泥沙数学模型维数高、求解耗时长以及水沙联合调度模型多目标难以求解的问题,结合遗传算法与神经网络的特性,以发电量最大和有效库容最大为基本目标,构建了水库水沙联合优化调度模型。利用约束法和权重法,将多目标模型转化为单目标模型,采用加速遗传算法进行求解,其中泥沙冲淤量使用自适应BP神经网络进行拟合预测。三峡水库实例计算结果表明:运行20 a,与原设计运行方式相比,采用该优化调度模型优化运行年均发电量增加7.732%,泥沙淤积量增加0.044%,在淤积量增加很小的情况下能大幅度增加发电量,模型能较好地解决水库水沙联合调度问题,在工程实际中是有效可行的。  相似文献   

8.
水电站水库优化调度的改进混沌遗传算法   总被引:2,自引:1,他引:1       下载免费PDF全文
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。  相似文献   

9.
为了提高遗传算法在多目标梯级水库优化调度中的应用效果,在标准遗传算法的基础上引入了免疫机制,并将其应用到周公宅-皎口水梯级水库优化调度中。计算结果表明,免疫遗传算法较好地克服了标准遗传算法收敛速度慢、易陷入局部极值、早熟等弱点。  相似文献   

10.
遗传模拟退火和小生境遗传算法在水库优化调度中的比较   总被引:1,自引:0,他引:1  
根据溪洛渡水库的具体情况,建立了以发电量最大为目标的水库优化调度非线性数学模型,并利用遗传模拟退火算法(GSA)和小生境遗传算法(NGA)分别求解模型.结果表明,GSA和NGA的收敛速度和计算结果都明显优于基本遗传算法;且两者相比,GSA的收敛性更强,但计算时间较长.而在求解水库长系列优化调度问题时,各遗传算法占用机时太多,且收敛能力较差.  相似文献   

11.
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。  相似文献   

12.
针对遗传算法收敛速度慢,收敛率低等缺点作了改进,引进了单纯形算法与遗传算法相融合的单纯形混合遗传算法(SM-HGA),并将其应用于水电站水库优化调度中,通过实例计算证明改进后的单纯形遗传算法具有收敛速度快收敛率高的优点,是水库调度比较好的方法.  相似文献   

13.
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。  相似文献   

14.
为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度变异模块相结合的分层收敛算法:第一层采用广度变异和外部存档的方式改善种群的多样性;第二层嵌套广度变异模块,并采用自适应遗传算法进行全局搜索。通过比较自适应遗传算法和分层进化算法,结果显示:基于遗传算法的分层算法具有高效的全局搜索能力,避免了自适应遗传算法陷入局部最优的缺陷,在一定收敛条件下得到了更接近全局最优的目标值。  相似文献   

15.
差分进化算法在求解水库优化调度时,进化后期种群多样性急剧下降,导致算法无法跳出局部最优解而出现“早熟”收敛。针对该问题,该文对算法的贪婪选择策略进行改进,使其以一定的概率动态接受稍差解作为子代个体,从而提高算法的种群多样性;同时,提出种群基因重生策略,进一步改善种群进化的基因信息结构。将改进的差分进化算法应用于清江梯级发电调度问题,并与差分进化算法、模拟退火算法求解结果进行对比。模拟结果表明,改进算法具有更强的全局搜索能力,求解梯级水库优化调度问题更具有优势。  相似文献   

16.
为绘制高效可靠的水库运行调度图,以平衡保证出力保证率与发电量矛盾的惩罚系数为优化变量、以保证出力设计保证率满足条件下发电量最大为目标函数,综合集成以黄金分割法为时段决策优选法的随机动态规划核心模型,以及评估调度方案优劣时历法长系列模拟计算模块,利用遗传算法的并行计算能力,结合电站调度方案制定与有效性检验,构建水电站水库长期优化调度模型。应用结果表明:所建模型具有不受年调节和多年调节库容机械划分约束、快速获得满足发电保证率所要求的优化调度图的优秀特性;较之常规调度方法,可增发电量2.0%以上,保证率更高,决策信息更丰富。  相似文献   

17.
Genetic algorithms (GA) have been widely applied to solve water resources system optimization. With the increase of the complexity and the larger problem scale of water resources system, GAs are most frequently faced with the problems of premature convergence, slow iterations to reach the global optimal solution and getting stuck at a local optimum. A novel chaos genetic algorithm (CGA) based on the chaos optimization algorithm (COA) and genetic algorithm (GA), which makes use of the ergodicity and internal randomness of chaos iterations, is presented to overcome premature local optimum and increase the convergence speed of genetic algorithm. CGA integrates powerful global searching capability of the GA with that of powerful local searching capability of the COA. Two measures are adopted in order to improve the performance of the GA. The first one is the adoption of chaos optimization of the initialization to improve species quality and to maintain the population diversity. The second is the utilization of annealing chaotic mutation operation to replace standard mutation operator in order to avoid the search being trapped in local optimum. The Rosenbrock function and Schaffer function, which are complex and global optimum functions and often used as benchmarks for contemporary optimization algorithms for GAs and Evolutionary computation, are first employed to examine the performance of the GA and CGA. The test results indicate that CGA can improve convergence speed and solution accuracy. Furthermore, the developed model is applied for the monthly operation of a hydropower reservoir with a series of monthly inflow of 38 years. The results show that the long term average annual energy based CGA is the best and its convergent speed not only is faster than dynamic programming largely, but also overpasses the standard GA. Thus, the proposed approach is feasible and effective in optimal operations of complex reservoir systems.  相似文献   

18.
混合智能算法及其在供水水库群优化调度中的应用   总被引:5,自引:1,他引:4  
刘卫林  董增川  王德智 《水利学报》2007,38(12):1437-1443
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。  相似文献   

19.
梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的Pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。  相似文献   

20.
针对差分进化算法在求解水库调度等复杂优化问题时,算法初始种群的随机性导致其在解空间中的代表性不足,算法的贪婪选择策略又极易导致种群迅速趋同而"早熟"收敛。提出初始种群的混沌生成策略,利用混沌因子的遍历性提高算法初始种群的代表性。同时,以动态概率接受适应值较差的个体作为子代个体参与进化,从而提高算法跳出局部最优解的能力。将改进的差分进化算法模拟乌江梯级电站优化调度问题,模拟计算结果表明,改进的差分进化算法具有较高全局搜索能力,大幅提高了求解的精度,适合求解水库优化调度等问题。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号