基于改进布谷鸟算法的梯级水库长期优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,并将其应用于某梯级水库优化调度中。以实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

基于混沌变异布谷鸟算法的水库供水优化调度

根据水库联合供水优化调度的特点,建立了混沌变异布谷鸟算法求解多阶段组合优化问题的数学模型。针对标准布谷鸟算法全局寻优及局部搜索能力不平衡、后期收敛速度慢等缺点,采用混沌初始化以丰富种群的多样性,为全局寻优建立基础;同时引入变异算子以避免算法后期陷入局部最优。并以"山西大水网"为背景,将改进的布谷鸟算法应用于长治盆地供水区的优化调度,通过与标准布谷鸟算法进行对比,验证了混沌变异布谷鸟算法在水库联合优化调度中的有效性和优越性。     

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。     

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。     

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。     

飞蛾火焰优化算法及其在梯级水库优化调度中的应用

利用一种新型群智能仿生算法——飞蛾火焰优化(MFO)算法求解某梯级水库群丰、平、枯优化调度问题,求解结果与混合蛙跳算法(SFLA)、粒子群优化算法(PSO)、布谷鸟搜索算法(CS)和入侵杂草优化算法(IWO)的求解结果进行比较。结果表明,MFO算法丰、平、枯优化调度发电量分别比其他4种算法增加了0. 179 2～0. 960 2、0. 097 2～0. 564 1、0. 082 4～0. 322 0亿kW·h,具有较好的优化调度效果。将MFO算法应用于实际工程,验证了该算法具有较好的收敛精度和全局极值寻优能力,是一种有效可行的水库群优化调度模型求解方法,可为求解水库优化调度问题提供新的途径和方法。     

梯级水库群优化调度精英集聚蛛群优化方法

将蛛群优化方法(SSO)这一新型群体智能寻优方法引入梯级水库群优化调度领域,并提出精英集聚蛛群优化方法(ESSO)进一步改善SSO的性能表现。ESSO在标准SSO方法寻优机制基础上,从精英个体动态更新策略与邻域变异搜索机制等两方面予以改进,提升蜘蛛群体的多样性与优秀个体领导能力,均衡方法的全局开采能力与局部勘探能力。澜沧江流域工程实例表明,所提ESSO方法能有效克服标准SSO的"早熟"缺陷,有效提升方法的搜索能力,可望为大规模梯级水库群优化调度提供一种新的高效求解思路。     

混沌差分进化算法在水库优化调度中的应用研究

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。     

改进差分进化算法在水库优化调度中的应用研究

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。     

基于自适应混合蛙跳算法的水库调度研究

针对传统混合蛙跳算法存在的问题,对SFLA的局部搜索策略进行改进,提出一种结合自适应局部搜索机制的改进混合蛙跳算法(MSFLA),并应用于水库优化调度研究中。通过将MSFLA与SFLA、DP对比,优化结果证明MSFLA在求解非线性、高维的水库优化调度问题中具有较好的有效性与优越性。