结合广度搜索的遗传算法在水库调度中的应用

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。     

改进的遗传算法在水库调度中的应用

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。     

基于模拟退火神经网络模型的岩质边坡稳定性评价方法

 针对BP神经网络收敛速度慢、易陷入局部极小的缺点,将具有全局搜索能力的模拟退火（SA）算法引入到神经网络的权值优化中。并且在SA算法中引入状态接受过程和退火过程的自适应措施,增加了对当前状态最优解的"记忆能力",避免了当前最优解的遗失,提高了算法的搜索效率。通过对XOR问题求解的比较,显示出SABP算法具有全局收敛且精度高的优越特性。最后基于实际工程的边坡数据建立了一个SABP算法模型,成功解决了具有高度非线性特点的边坡稳定性评价问题。     

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。     

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。     

基于改进PSO算法的水轮机PID调速器的参数设计

为了提高水轮机PID调速器的控制质量,引入PSO算法优化PID控制器的部分参数,针对传统粒子群算法的不足,引入自适应惯性权重调整因子对粒子速率更新策略进行改进,同时结合微分进化算子提高种群多样性,扩大PSO算法搜索解空间的能力,仿真实例表明,改进后的PSO算法收敛速度快,稳定性好,复杂程度低,具有良好的全局搜索能力。经过该算法优化过的PID调速器对负荷扰动具有较强的鲁棒性。     

神经网络式距离保护的混合训练算法

针对BP算法存在的缺陷，如训练速度慢，易收敛于局部极小点及全局搜索能力弱等，利用遗传算法能够进行全局最优化搜索这一特点，在改进的自适应遗传算法的基础上，提出了一种新的用于BP网络训练的混合算法，即改进的自适应遗传算法与BP算法相结合的混合训练方法。将所提出的混合训练方法应用于神经网络式距离保护中，利用ATP仿真计算的结果进行训练及检验,结果表明：所提出的算法与单一的BP算法相比，不仅可避免陷入局部极小点，而且提高了网络的训练速度，同时满足对距离保护的速度和精度的要求。     

改进RBF神经网络法在大坝位移分析中的应用

针对RBF神经网络容易出现局部最优解和收敛速度慢的问题,提出引入惯性权重来改进混合蛙跳算法,继而用改进方法优化RBF神经网络。改进的混合蛙跳算法通过设定一个合理的初始权重,从而达到修正青蛙群体的更新策略、跳出局部最优解、避免早熟的目的,同时具有平衡全局搜索和局部搜索的能力,很好地解决了传统RBF神经网络局部最优和收敛速度慢的问题。以某大坝位移分析为例,采用基于改进蛙跳算法的RBF神经网络后,模型预测精度有了较大的提高,与工程实际更为接近,具有一定的工程实用价值。     

混合遗传算法在电力参数测量中的应用

现有电力参数测量方法往往只针对一个误差因素，当系统采样数据同时受多个误差影响时，难以得到准确结果。针对这一问题，建立了电力参数极值优化模型，同时对衰减直流分量、非同步采样及谐波等多个误差参数加以精确表示，利用混合遗传算法（HGA）对该模型进行求解，可得到准确的系统幅值、相位、频率及谐波等电力参数。针对普通遗传算法（GA）收敛慢和经典迭代法初始点敏感问题，HGA将GA算子与混合拟牛顿算子结合起来，由GA算子进行解空间全局搜索，混合算子进行强局部搜索，可实现无需指定初值的电力参数快速求解。仿真实验表明，该方法能有效提高参数测量的运行效率和计算精度。     

遗传单纯形混合算法在复杂环境模型参数识别中的应用

参数识别是数学模型应用的一个重要环节。为提高复杂环境模型参数识别的性能和效率，引入了遗传单纯形法(GASM)，该方法融合了遗传算法和单纯形法两类算法的不同搜索机制，具有很强的广度搜索和深度搜索能力。本研究以密云水库水质模拟为例，将GASM算法应用于模拟地表水水质的WASP模型中10个参数的优化识别。计算结果表明，无论是没有扰动的情况还是有扰动的情况，GASM算法均高效可靠地搜索到水质模型参数的全局最优解，说明此方法应用于复杂环境模型参数搜索是可行的实用的。同时，通过不同算法的比较也说明了GASM算法在搜索性能和效率方面的优越性。     

基于二进制和声粒子群算法的电站经济运行问题研究

机组组合是电站经济运行问题中典型的复杂非线性优化问题,其求解难度随系统规模增大呈非线性增长,如何对其进行高效求解一直是电力系统研究领域的热点和难点问题。为此,提出一种适用于电站经济运行中机组组合问题的二进制和声粒子群算法(BHSPSO):首先将粒子群算法的信息共享机制纳入到和声搜索算法的和声记忆库考虑操作中,并利用全局极值实现音调微调;然后采用启发式智能调整策略处理时段关联型约束条件,即根据机组优先顺序修复旋转备用约束,在此基础上,设计了一种“开-停-开”的修复策略处理最小开停机时间约束,有效改善了优化计算结果质量。将该方法分别应用于电站10台机组(简称10机)至电站100台机组(简称100机)系统标准算例,仿真结果表明:所提算法具有简单高效、收敛速度快、鲁棒性强等优点,为水、火电机组组合优化运行问题的高效求解提供一种新的途径。     

抽水蓄能电站及其系统的概率模拟与运行优化

为满足实际应用的要求，在随机生产模拟中运用负荷曲线分解技术和动态规划，提出了抽水蓄能电站及其系统的概率模拟与运行优化模型。模型以系统发电运行成本与缺电损失最小为目标，满足电站水库蓄水及库容限制条件，满足日或周的抽水—发电循环电力电量平衡条件，并考虑了抽水蓄能电站在抽水和发电方式下随机停运的影响。可应用于电源规划、发电计划和系统运行优化，可以更准确地模拟、分析和优化抽水蓄能电站及其系统的运行状况。通过算例对模型和应用进行了说明。     

基于遗传算法的电力系统无功优化

电力系统无功优化问题可归结为求解离散型控制变量和连续型控制变量共存的非线性规划的数学问题。本文将连续型控制变量按一定精度离散化,使问题转化为只含离散型控制变量,从而建立一种新的无功优化的数学模型,并利用遗传算法对该模型进行求解。以IEEE六节点系统为例,介绍了其数学模型的建立和遗传算法求解的方法,并给出了求解过程的程序框图。     

免疫小波网络在水轮机组故障诊断中的应用

水轮发电机组的故障原因非常复杂，目前尚难以通过理论分析在故障原因和故障征兆之间建立对应关系，为此，本文结合水轮发电机组的振动特点和小波网络的结构特点，建立了免疫小波神经网络模型。在对小波网络结构参数进行优化时，应用免疫系统的调节原理，依据抗体的适应度和抗体浓度的大小来确定其选择概率；并利用适应度函数动态调整交叉概率和变异概率。实例计算结果表明，与实际诊断结果相符，且该模型收敛速度快，精度高并有较好的泛化能力。     

梯级水电站联合优化调度系统的开发与应用

梯级水电站联合优化调度系统是一个基于数据库、Matlab、C语言等软件联合开发的应用系统。该系统是在水流量预测和区域负荷预测的基础上,根据短期调度需求、调峰需求,通过优化算法最终得到各梯级水电站之间的负荷分配、站内机组出力以及机组组合状态。以重庆市某梯级水电站为例,仿真结果表明,该系统不仅能直观地反映机组出力,方便调度员发出调度命令,同时该系统的成功应用提高了梯级水电站的水能利用率、节约了发电成本。     

基于单纯形-模拟退火算法的多阻尼控制器协调设计

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法。该方法以弱阻尼振荡模式构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合了模拟退火算法全局搜索能力强及单纯形算法局部收敛速度快的优点。四机典型系统上的特征根分析表明,该方法是一种有效的阻尼控制器优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性。     

国外抽水蓄能电站的建设和经营情况

抽水蓄能电站承担或参与电网调峰填谷的任务，改善电力系统内火电、核电机组的运行条件；此外，抽水蓄能机组能迅速跟踪电力系统的负荷变化，具有敏捷的爬坡能力和经济的调频、调相功能，以及显著的动态运行效益。因此，国外的抽水蓄能电站自问世以来发展迅速，引人注目。目前，在经济发达的国家里，在大容量煤电和核电构成基荷容量的系统内，完善的政策体系和竞争的市场机制已使得抽水蓄能电站的建设步伐愈来愈快，规模愈来愈大，相     

日前市场下发电商机组优化组合研究

日前电力市场下,发电集团经常面临在给定总负荷出力曲线和总备用服务要求下,如何在机组间(厂间)进行合理分配出力/备用容量的优化问题,针对于此,提出了考虑旋转备用服务的日前市场机组组合模型和"基于决策树的动态规划法"的求解方法,并利用该方法进行了具体实例计算,深入分析了旋转备用被调用概率、结算价格和容量对机组组合模型优化结果的影响,为发电集团合理安排日前市场下机组间(厂间)负荷分配或联合调度营运提供了一定的思路和实际意义。     

基于PSO算法的电力系统优化研究

针对电力系统的无功功率优化问题,构建了多约束条件的目标函数。在电力系统的建模过程中,设定了电力系统的结构参数和负荷参数,并将设置负荷节点之间的电压越界参数、发电机无功越界参数设置为惩罚处置项;在PSO算法的设计中,设置了粒子状态、适应度函数以及惩罚权重参数。以具体结构的电力系统无功功率优化为实验对象,分别采用数学规划法、遗传算法和PSO算法进行优化。优化结果显示,PSO算法更能有效地降低电力系统的功率损耗,同时其收敛速度也最为理想。     

基于改进引力搜索算法的风电功率短期预测优化调度研究

考虑到风电功率本身的随机波动特性,在制定日前市场经济预调度方案过程中,需要将风电功率不确定性因素考虑进来。因此,利用机会约束规划方法来建立包含风电场在内的日前经济调度随机优化模型,并选用改进的引力搜索算法来求解所建立的模型。最后,选用具体算例,结合IEEE-30节点网络调试系统进行模型仿真,并利用仿真结果探讨了负荷水平对系统所容纳的风电容量的影响、风电功率预测偏差对预调度惩罚成本的影响、风电预测功率下不同成本系数对日前市场的影响。研究结果表明,利用改进引力搜索算法进行优化仿真的收敛速度比粒子群算法和遗传算法的收敛速度快,可靠性高。研究所得成果为日前市场经济下风电功率短期预测研究提供参考。