梯级水库发电优化调度的改进粒子群算法应用研究

本文针对粒子群算法在求解高维、复杂的梯级水库发电优化调度时后期种群缺乏多样性、收敛于局部最优解的缺陷,结合梯级水库发电优化调度的特点,提出了应用差分演化算法改进粒子群的混合优化算法。通过实际算例验证了该混合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模型求解提供了一种新的途径。     

基于可行搜索空间优化的电力市场下梯级水电站短期调峰运行研究

考虑电力市场的边际电价、短期水库调度的时滞效应,建立梯级发电效益最大模型。针对高维、非线性复杂优化调度问题,在水库综合用水、电网调峰等多约束条件下,采用约束处理技术,从优化可行搜索空间角度改进优化算法,对模型进行求解。以黄河上游梯级水电站为例,对梯级发电效益最大模型进行求解,计算结果较正常运行结果日发电效益增幅2.63%,计算耗时缩短了2380ms,验证了改进算法的合理性和有效性。     

梯级水库发电优化调度搜索空间缩减法及其应用

梯级水库联合调度是对区域水资源进行直接调控的最有效措施之一,相比单库调度,可显著增加社会、经济和生态效益。针对智能算法求解梯级水库优化调度模型搜索效率较低、寻优结果不稳定等缺陷,本文基于发电调度模型中水电站最小出力以及下泄流量约束,提出了搜索空间缩减法。将其与智能算法耦合,利用优化的搜索空间产生高质量的初始种群,同时使算法在更小的搜索空间内寻优,进而提升算法的搜索效率。以典型入库流量下的某梯级水库发电优化调度为例,选用布谷鸟算法进行优化计算,对比了传统搜索空间与优化的搜索空间对算法搜索效率的影响。实例研究表明:缩小可行空间方法可进一步提升智能算法的收敛性以及求解精度,是改善梯级水库调度模型求解效率的一种实用、有效方法。     

水电站发电优化调度遗传算法的改进

遗传算法在求解水库优化调度问题时存在两个问题：随机的初始种群生成方式难以保证个体在解空间均匀分布,导致求解结果不稳定;由于水库水量平衡等条件约束,使交叉、变异操作常常导致可行解变成不可行解。针对上述问题,引入了基于均匀设计的初始种群生成方式,保障了初始种群空间分布的均匀性;在交叉、变异操作中建立了个体可行性判断与处理方法,保障了在个体进化过程中的可行性。以三峡发电优化调度为例,验证了改进算法的有效性,与标准遗传算法相比改进遗传算法可以显著提高寻优性能。     

计及发电权转让的梯级水电站短期优化调度

传统电力市场环境下,梯级水电站的短期优化调度方式简明直观、便于理解,但考虑因素不够全面,为此构建了电力市场环境下的梯级水电站短期优化调度模型,该模型考虑了发电权转让对梯级水电站短期优化调度决策的影响,且当存在发电权交易时兼顾了发电权出让方、受让方以及电网公司三方的经济利益,模型还考虑了梯级水电站的库容、水库水头、机组出力和电网公司购电费用等约束条件。梯级水电站短期优化调度为高维、有时滞且带有大量约束条件的非线性优化问题,因此采用微分进化算法对该优化模型进行求解。算例结果验证了该模型及算法的有效性。     

电力市场环境下梯级水电站短期优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点,提出梯级水电站优化运行三步调度方案,针对不同阶段分别建立了面向电力市场的梯级水电站短期优化调度模型,包括总用水量相同情况下发电效益最大调度模型和总负荷一定条件下耗水量最小调度模型;对遗传算法进行了改进,提高了其收敛速度和求解精度,提出了基于混合遗传算法的模型求解方法.实例研究证明该方法科学可行,对电力市场环境下梯级水电站短期调度运行有较高的参考价值.     

协同差分演化算法在梯级水库中长期发电优化调度中的应用研究

本文结合梯级水库中长期发电优化调度问题,针对差分演化算法在进化过程中,其适应度的进化模式未考虑进化的外部环境与进化成分之间的内在联系,借鉴生态学对个体生存环境与种群竞争的关系,提出了协同差分演化算法在梯级水库中长期发电优化调度中的应用。通过实例验证,结果表明该算法具有可靠性与合理性,提高了计算精度和计算效率,为高维、复杂的梯级水库中长期发电优化调度模型提供了一个新的求解途径。     

考虑水流时滞的梯级水电站水库群短期发电优化调度

在梯级水电站水库群短期发电优化调度过程中,为了规避水流时滞的影响,基于线性空间原理,建立了上级水库的出库流量、区间入流、下库水位所构成的空间与下级水库的入库流量空间的映射函数,并综合应用数据挖掘中的人工神经网络、K-means和Relief方法对其进行求解,构建了考虑水流时滞的梯级水电站水库群短期发电优化调度模型。应用于雅砻江流域锦官电源组短期发电优化调度的算例分析表明,所建立的模型能够提高短期发电优化调度方案制作的精度。     

蚁群算法在水电站调度函数优化中的应用

调度函数作为一种能够明确指导水电站水库运行的技术,较常规的水库调度图能更有效地发挥水电站的运行效益。针对调度函数的编制特点及其存在的优化空间,将蚁群算法应用于水电站调度函数的优化模型中。以金沙江中游梯级水电站群为实例,针对其初始调度函数进行优化,并模拟其长系列径流的发电调度过程。计算结果表明,经过优化后的调度函数能显著...     

基于混合粒子群算法并计及概率的梯级水电站短期优化调度

针对梯级水电站短期优化调度的不确定性问题,研究了不确定性因素的概率分布规律,并根据实际系统的运行要求,给出了概率分布密度函数的假设检验方法。探索发电用水量与各种随机因素的互动关系及影响机理,构建了一种新的计及概率的梯级水电站短期优化调度策略。把灾变理论、混沌优化思想和基本粒子群算法结合起来,形成一种混合粒子群算法。该算法扩大了种群的搜索空间,增加了种群的多样性,改善了基本粒子群算法摆脱局部极值点的能力,并能从理论上证明其依概率收敛至全局最优解。将混合粒子群算法嵌入蒙特卡罗随机模拟中对本文提出的模型进行求解,求解方法简单有效。仿真结果表明,该策略能较好地处理不确定性条件下梯级水电站的短期优化调度问题。     

变尺度混沌优化算法在梯级水电站水库优化调度中的应用

利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,由Logistic方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库发电调度的最优调度线。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。     

基于变阶段逐步优化算法的阶梯水电站优化调度

水能属于可再生能源，合理地优化流域内阶梯水电站发电计划，可以达到提高水能利用率的目的。为提高某流域A、B、C 3个阶梯水电站的总发电量，建立了基于变阶段逐步优化算法的阶梯水电站发电优化模型，针对传统逐步优化算法容易陷于局部最优解的缺点，提出在逐步优化法两阶段分解集式中嵌入变阶段策略，有效降低了最优解对初始解的依赖性，保证优化结果收敛于全局最优解，算例计算结果表明变阶段逐步优化算法的收敛速度更快、更稳定。     

基于微粒群算法的梯级水电厂短期优化调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。     

基于改进萤火虫算法的水电站群优化调度

为探讨水电站群优化调度新方法,在标准萤火虫算法原理的基础上,引入了隔代大步长纯随机游走、优势保留和变异机制等寻优机制,提出了改进的萤火虫算法。以黑河梯级水电站群为应用实例,建立和求解了梯级发电量最大的中长期优化调度模型,获得了如下结论：（1）梯级发电量最大时,龙头水库水位呈丰水期快速蓄满、维持高水头运行、枯水期缓慢下降至死水位的变化规律;（2）由参数敏感性分析得到了扰动因子、荧光吸收因子和随机搜索间隔代数的最优值;（3）不同算法的对比分析说明IFA的准确性、稳定性、寻优能力均最优。研究成果对于指导黑河梯级水电站经济运行具有重要的实际意义。     

基于正态云变异蛙跳算法的梯级水电站短期优化调度

针对混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)早熟收敛的问题,利用云模型在知识表达时具有不确定中带有确定性、稳定之中又有变化的特点,对每个子族群的最优解进行正态云变异操作,调整青蛙的跳动步长以实现局部搜索,提出了一种云变异蛙跳算法(Normal Cloud Mutation SFLA,NCM-SFLA),弥补混合蛙跳算法在进化过程中容易陷入局部最优的不足。将其应用于梯级水库的短期优化调度中,实例计算表明,与逐次逼近动态规划、混合蛙跳算法及标准粒子群算法相比,该方法具有更好的全局寻优能力和较快的收敛速度,验证了该方法在求解梯级水电站短期优化调度问题中的合理性和有效性。     

群居蜘蛛优化算法在水电站优化调度中的应用及其效能分析

针对水电站优化调度高维、非线性、多约束以及模型不易求解的特点,本文提出将群居蜘蛛优化算法应用于水电站优化调度。算法依据群居蜘蛛的协同机制全局寻优,能够避免早熟收敛和陷于局部最优值,获得最优的水库调度决策。结合具体实例并与动态规划、遗传算法的效能进行比较,结果表明该方法不仅寻优效果好,而且稳健性强,参数少、搜索效率高,是一种有效的水电站优化调度模型的求解方法,可在实际中推广应用。     

基于蚁群算法的梯级水电站群优化调度

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（Ant Colony algorithm，ACA）。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径，利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明，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。算法求解精度高、收敛速度快，为解决梯级水电站中长期优化调度问题提供了一种有效的方法。     

基于遗传算法的小水电站优化调度方法的研究与实践

针对以发电为主的小水电站单库和串联小水电站群，以水电站的发电引用流量为决策变量，以水电站在调度周期内发电量最大为目标，分别建立了优化调度的数学模型。基于浮点数编码的改进遗传算法用于对模型的优化计算，从而提高了算法的搜索效率。基于VC 编程设计了小水电站运行调度智能算法系统软件，用类CbestGA封装了求解一般水库调度问题的遗传算法，并应用于一个实际的小水电站调度，实验结果说明了遗传算法用于水库优化调度的可行性和有效性。     

基于遗传算法的梯级小水电优化运行研究

优化调度是一个典型的多阶段决策过程 ,其目的是以梯级电站在调度周期内发电量最大为目标 ,在保证大坝安全的前提下确定水库的最优放水决策。介绍采用浮点数编码的遗传算法对浙江安地水库梯级电站进行优化计算 ,通过和常规调度结果比较 ,说明了该算法的有效性及优化运行的优越性