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。     

基于变尺度混沌算法的混联水电站水库群优化调度

提出一种求解混联水电站水库群中长期优化调度问题的方法-变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA).算法利用混沌运动的内在随机性、遍历性和规律性来寻找混联水电站水库群中长期最优调度计划.算法利用混沌运动的特点,将混沌变量映射到待寻优变量区间,通过尺度变换不断缩小优化变量的搜索空间,利用改变"二次搜索"的调节系数提高搜索精度以获取全局最优解.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混联水电站水库群优化调度问题.算法求解精度高、收敛速度快,为解决混联水电站水库群中长期优化调度问题提供了一种新的方法.     

基于自适应蚁群算法的水电站水库优化调度

应用自适应蚁群算法来求解水电站优化调度问题,该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。实例计算表明,该算法计算精度高,收敛速度快,克服了传统蚁群算法计算时间长,易于陷入局部最优的缺点,能较好地避免动态规划的维数灾问题,可求解具有复杂约束条件的非线性规划问题,为解决水电站优化调度问题提供了一种有效的途径。     

基于连续线性规划的梯级水电站优化调度

梯级水电站优化调度是一个多时段、多变量和多约束条件的大规模优化问题,其求解过程非常复杂。文章尝试采用连续线性规划的优化方法来解决梯级水电站长期优化调度问题。通过采用泰勒级数一阶描述形式,对优化调度目标函数和约束条件中的非线性约束进行线性化处理,建立了基于连续线性规划算法的优化调度数学模型,提出了用连续线性规划技术求解梯级水电站优化调度问题的算法,并采用迭代步长的动态比例缩减因子保证算法能快速准确地收敛到优化问题的最优解。利用Matlab7.0编制连续线性规划梯级水电站优化调度程序,一个两级梯级水电站群的仿真分析结果表明,该算法可用于求解梯级水电站优化调度问题,并可快速得到非线性问题的最优解。     

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。     

梯级水电站短期发电优化调度的免疫蛙跳算法应用研究

针对传统优化方法在求解高维、复杂的梯级水电站短期发电优化调度时易出现"维数灾"或陷入局部最优解的缺陷,提出了免疫蛙跳算法(ISFLA)。ISFLA将克隆选择算法嵌入到混洗蛙跳算法框架中,对混合之后的蛙群构造子群体执行免疫克隆选择操作,同时使用改进的最差解更新方式以提高其局部搜索能力,进而将其应用于某梯级水电站短期发电优化调度中。通过将ISFLA与标准混洗蛙跳算法、粒子群算法以及逐步优化方法对比,优化结果表明ISFLA在求解梯级水电站短期发电优化问题时具有有效性和优越性。     

自适应混沌整体退火遗传算法在水电站群优化调度中的应用

提出了一种基于标准遗传算法(SGA)的自适应混沌整体退火遗传算法(SCWAGA)求解梯级水电站群长期发电优化调度问题。该算法通过混沌优化生成初始解,提高初始解的质量;采用父代参与竞争的整体退火选择方式,避免种群早熟及过早收敛;利用参数自适应函数调整交叉算子和变异算子,提高算法的收敛速度以及避免算法陷入局部最优。以红水河流域水电站群为计算实例的研究结果表明,SCWAGA比SGA具有更快的收敛速度,且搜索到的全局最优解优于SGA与逐步优化算法(POA),为大规模水电系统优化调度求解提供了一种新的有效途径。     

基于混沌类电磁机制的梯级水电站短期优化调度

水电站短期优化调度在数学模型上具有大规模强非线性特点,特别是梯级水电站间由于存在复杂的水力联系,使得短期优化调度模型更加复杂。为对其进行有效求解,将类电磁机制用于该问题的优化求解中,为克服算法易于陷入局部最优的不足,利用混沌优化算法的优势,提出两种算法融合的梯级水电站短期优化调度模型的快速有效求解方法。通过算例仿真分析表明混合算法在求解梯级水电站短期优化调度问题时的有效性。     

梯级水电站优化调度的改进社会情感优化算法

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法（SEOA）是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将SEOA应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法（改进SEOA）。实例表明,在梯级水电站发电优化调度模型的求解中,改进SEOA搜索效率高、寻优能力强、稳定性好。     

梯级水电站优化调度的变阶段逐步优化算法

逐步优化算法(POA)在求解梯级水电站联合优化调度中,其优化结果受初始解的影响较大,不同的初始解对优化迭代过程的收敛性影响不同,导致优化结果可能陷入局部最优。针对这一问题,本文在深入分析POA寻优机制的基础上,探求了影响算法全局收敛能力的关键因素,揭示了POA的两阶段寻优策略和梯级水电站优化调度在求解两阶段问题时传统的"自上而下逐电站"寻优模式对算法收敛能力的影响规律,进而提出了基于逐步差分和变阶段优化改进策略的变阶段逐步优化算法,有效消弱了原始算法在求解梯级电站联合调度问题中对初始解的依赖性,在一定程度上保证算法收敛于全局最优解。实例研究表明所提算法优化得到的梯级发电量比POA算法提升0.15%左右,有效克服了原始算法的局部收敛问题,且改进算法效率更高,寻优结果更稳定。     

基于改进蚁群算法的梯级水电站优化调度及竞价研究

针对电力市场中竞价制度和梯级水电站的特点,提出把梯级水电站作为一个发电实体在电力市场中统一竞价,并整体安排各级水电站的生产调度运行。考虑多个约束条件,建立了一个合理的梯级水电站调度模型。提出引用Metropolis判据改进蚁群算法,修正了蚁群算法在复杂多维问题中的停滞问题,并用此算法求解调度模型。通过对松江河梯级水电站进行实例仿真,验证了改进后的蚁群算法的准确性,并指出了该调度模型的优点与不足。     

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...     

蚁群算法在水电站厂内经济运行中的应用

水电站实行经济运行既可带来巨大的经济效益,又可以节约宝贵的水资源.文章介绍了一种新的模拟优化算法--蚁群算法,并根据水电站厂内经济运行问题与旅行商问题的相似性,通过合理处理约束条件与目标函数,将水电站厂内经济运行问题转化为旅行商问题,从而提出了一种用蚁群算法求解水电站厂内经济运行问题的数学模型.实例验证表明此方法具有较高的实用价值.     

含可再生能源的电力系统周优化运行策略

为协调各机组月度合约电量的完成,研究并建立包含风、光、梯级水电和火电的多源混合电力系统周优化调度模型,提出含月合约电量分解、周优化调度和日前优化调度的滚动协调调度模式,分析影响周优化调度的来水因素和滚动模式因素。算例结果表明,在蓄水期来水较丰时,引入周优化调度可以合理分配梯级水电站的水资源,提高梯级水电站综合运行效益,协调各机组月度合约电量的完成。     

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。     

雅砻江下游梯级电站群中长期优化调度模型及其算法研究

雅砻江下游河段流量丰沛稳定,电站分布集中,电站经济指标和开发条件优越,发电效益和综合效益显著.为指导雅砻江下游梯级电站联合优化运行,建立了中长期优化调度模型,利用POA(逐步优化算法)求解模型.求解模型时考虑了各种约束,得到计算结果较为满意,显著提高了水库效益.     

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。