混沌蚁群算法在水库优化调度中的应用

提出一种基于混沌优化算法和蚁群算法相结合的混合算法,在求解水库优化调度问题的方法。根据混沌变量的随机性和遍历性,利用混沌变量进行优化搜索,从而有效地克服了蚁群算法存在的效率低、易于演化停滞及陷入局部最优等问题。又利用蚁群算法信息素正反馈的优点,改善了混沌搜索的盲目性,提高了搜索的效率。通过实例计算,结果表明该算法具有效率高及较强的全局寻优能力。     

基于混沌算法的水库防洪优化调度

由于水库防洪优化调度的常用优化方法存在不足,将混沌优化算法运用到水库防洪优化调度中,依据水库防洪最大削峰准则,建立了以最大削峰为目标的数学模型.根据混沌的迭代不重复性和遍历性,按照其"自身规律"不重复地遍历所有状态,利用混沌变量进行优化搜索,避免了陷入局部最优点,取得全局最优.将混沌优化算法运用到水库调度中,并与其他优化方法比较,结果表明混沌优化算法原理简单、计算方便、结果精度高.     

基于混沌粒子群算法的水电站水库优化调度

介绍了混沌粒子群算法,并将其用于水库调度中,指出:混沌粒子群优化算法引入了混沌搜索机制,增加了粒子的多样性,扩大了搜索的范围,不仅保持了粒子群优化算法收敛速度快的优点,而且还增强了全局收敛能力,能避免陷入局部最优的情况,可以更好地解决水库优化调度的强约束、多阶段、非线性组合问题.     

基于粒子群算法的水库优化调度模型

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中.该算法通过个体间的协作与竞争.实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点.将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果.     

基于混沌算法的水库群联合优化调度

利用混沌算法全局搜索能力强、求解速度快的特点,将混沌优化算法运用到水库优化调度中,建立了水库群多目标优化模型,并提出交互式的多目标优化模型求解方法.该方法利用混沌优化算法生成满足约束条件的可行集,再采用交互式决策偏好的方法从非劣解集中寻找最佳权衡解;并对滦河下游水库群进行了实例研究.结果表明算法可行,成果合理,能为水库群的联合调度提供技术支持.     

基于混沌优化算法的混联水电站群长期优化调度

在建立混联水电站群长期优化调度模型的基础上,应用混沌优化算法对模型进行求解。以水电站群总电能最大为目标函数,根据混沌运动的随机性,由Logistic模型产生的混沌变量来进行优化搜索。此方法可避免陷入局部最优点,并取得全局最优。实例计算结果表明,混沌优化算法与逐步优化算法相比,优化结果良好。表明本文算法可以用于求解具有复杂约束条件的非线性混联水电站群水库优化调度问题。     

基于来水超越几率的水电站水库优化调度

根据水库发电调度图的研究和应用现状，分析了常规调度图和目前一般优化调度图的不足之处，针对一般优化调度对来水预报仍然为确定性来水，且往往准确度值得怀疑的问题。文章在水电发电优化调度中引入来水超越几率，并采用混沌优化对安康水库优化调度进行研究，找出对应于不同来水几率下多年的最优运行轨迹，绘制成调度图，经过算法模拟计算证明该调度图较常规调度图取得了1．75％的发电量效益，且具有更大的实用性和可操作性。     

对分插值与混沌嵌套搜索算法在梯级水库联合优化调度中的应用

在分析对分插值逼近算法和混沌优化算法的遍历性、敏感性、普适型、规律性、随机性等特点基础上,通过嵌套结构把确定性搜索和随机搜索有机结合起来,提出一种对分插值与混沌嵌套搜索算法的梯级水库联合优化调度的求解方法.实例分析表明,该算法具有参数配置简单、普适性强、稳定性高、全局优化等特点,并取得了与POA算法一致的收敛精度且计算速度有优势,可以求解诸如水库优化调度等具有复杂约束条件的非线性优化问题.     

基于蚁群算法的三峡库区洪水优化调度

为解决三峡水利枢纽汛期的洪水调度问题,根据三峡库区洪水优化调度问题的具体需求,以蚁群箅法为基础建立了求解该问题的模型和求解方法,并对三峡水库典型洪水的洪水优化调度问题进行了仿真计算.结果表明,蚁群算法能够有效求解水库洪水优化调度问题,计算效果也较好.     

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。     

水库发电优化调度改进粒子群算法应用

为进一步提升粒子群算法在水库发电调度中的应用效果，应用粒子群算法建立水库发电优化调度模型，从初始种群生成、寻优模式、更新策略等方面对算法进行改进，将均匀设计理念和混沌理念分别引入粒子群算法并对惯性权重进行了非线性自适应设计。计算结果与标准粒子群算法以及传统的动态规划进行了对比。结果表明，粒子群及其改进算法在水库发电优化调度中应用效果良好，综合考虑算法收敛能力、稳定性及计算耗时等指标，改进粒子群算法具有较高的实用价值。     

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。     

水电站水库优化调度的改进混沌遗传算法

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。     

基于改进粒子群优化算法的水库生态优化调度研究

文中对传统粒子群算法进行改进,提高其优化算法的收敛度,并结合改进粒子群算法对观音阁水库生态调度进行优化计算。研究结果表明,采用改进粒子群算法的水库生态调度优化求解精度得到明显改善,不同月份观音阁水库下游河道最小和适宜生态径流满足度相比于改进前显著提高。研究成果对于水库生态优化调度算法具有重要参考价值。     

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。     

混合智能算法及其在供水水库群优化调度中的应用

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。     

蚁群算法求解梯级水电厂日竞价优化调度问题

应用蚁群算法(Ant Colony algorithm,ACA)，即利用蚂蚁群体相互协作和邻域搜索寻找功能，求解梯级水电站日竞价优化调度问题。计算中定义水库调度线为蚂蚁路径，利用状态转移、信息素更新和邻域搜索，不断调整路径逐步向最优值逼近。计算结果表明，梯级电站电量时空分配合理，并且满足约束条件，该算法可以求解具有复杂约束条件的非线性梯级优化调度问题。     

多功能水库调度的蚁群优化算法研究

提出了一种称为蚁群优化算法(ACO)的自然启发式(metaheuristic)技术,以便为多功能水库系统制定合理调度策略。大多数实际问题的解决方案往往涉及非线性优化,附带高维数和大量等式与不等式约束条件。传统技术往往不能得到全局性的最优解。最近提出的进化算法在解决诸多问题时也面临不少麻烦。研究的目的是测试ACO在解决此类问题上的有效性。为计算水库调度的ACO模型,提出按如下方式处理问题:考虑有限时间序列的入流,将水库库容划分一些等级区间,并按预定最优标准确定每一时段的水库泄水量。以印度希拉库德水库为例,对ACO的应用进行了分析。建立了应用于月调度的短期调度和长期调度模型。为了评价ACO,同样用实数编码遗传算法(GA)求解所建立的模型。两种模型的结果表明,与GA相比,ACO模型性能更好,其年度发电量更高,同时满足灌溉和防洪要求。最后得出ACO模型优于遗传模型,特别是在长期水库调度的情况下。     

冶峪河流域供水水库优化调度及用水补偿研究

针对梯级水库供水优化调度中模型目标的选择往往只重视综合效益的最大而无法协调各方面的利益,提出梯级水库优化调度与用水补偿相结合的思想,对用水削减方给予一定补偿。以冶峪河流域为研究对象,建立流域可供水量之和最大的多水源联合调度数学模型,采用蚁群算法,对模型进行求解,并根据流域实际分析用水削减方的用水补偿方案。结果表明:上游屯庄水库的运行,影响下游黑松林水库多年平均灌溉水量从1022.7万m3减少到851.2万m3,使黑松林水库灌区供水保证率减小了13.43%;而对下游灌区的用水补偿方案可以设定近期和远期两种补给方案后达到平衡。蚁群算法在研究梯级水库调度中计算速度快、收敛性好;水库调度与用水补偿相结合,可以最大限度地满足各部门用水需求,有效解决流域上下游和不同行政区之间的用水矛盾,为梯级水库供水优化调度提供了一种新的模式。     

粒子群算法在水库(群)优化调度研究中的应用综述

简要介绍粒子群算法的工作原理和水库(群)优化调度模型,然后较全面地阐述粒子群算法在水库(群)优化调度中的应用及存在的问题,最后总结了算法的各种改进,并对粒子群算法在水库(群)中的研究进行了展望。