自适应遗传算法在水库优化调度中的应用

本文提出了一种基于自适应遗传算法的水库优化调度问题的求解方法，并通过实例对自适应遗传算法和标准遗传算法的性能做了比较。结果表明，由于自适应遗传算法能够在进化过程中根据个体优劣和群体分散程度对遗传控制参数进行自动调整，可以较好地解决标准遗传算法在应用中遇到的收敛性差和容易早熟等问题。在进化相同代数条件下，自适应遗传算法能够在保持群体多样性的同时，加快收敛速度，其稳定性也优于标准遗传算法。遗  

粒子群算法在水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度问题存在的“维数灾”问题,给出一种全局随机优化算法[1]——粒子群优化算法并应用于水库日优化调度问题中。相对于动态规划,该算法原理简单,易编程,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法。  

水库调度决策研究综述

回顾水库调度决策的研究现状,包括水库优化调度、水库决策支持系统等.认为目前有关水库调度决策的研究还不够系统,没有形成一个完整的理论体系,随着水资源利用的深入,防洪要求的提高,水库调度在向规模化、流域化方向发展,水库对调度决策的要求也越来越高.  

金沙江干流梯级水电站水库群长期优化调度

以金沙江干流梯级水电站水库群为研究对象,建立了金沙江梯级水电站水库群兼顾保证出力要求的以发电量最大为目标的长期优化调度模型;考虑水电系统的调峰要求,建立了金沙江梯级发电量最大长期优化调度模型.均用逐次逼近动态规划法求解,结果表明,调峰系数不同对梯级水电站发电效益及运行方式有明显影响.  

免疫粒子群算法在梯级电站短期优化调度中的应用

将免疫原理引入粒子群算法(PSO)中,利用其免疫记忆与自我调节机制保持各适应度层次的粒子维持一定的浓度,保证种群的多样性;引入疫苗接种等操作,对算法的进化过程进行有目的、有选择地指导,提高算法的搜索性能.随后在分析梯级电站短期优化调度数学模型及该算法特点的基础上,建立了基于免疫粒子群(IPSO)算法的梯级电站短期优化调度数学模型,并给出其具体的求解步骤.最后应用该方法进行仿真计算,并与常规调度及PSO算法进行对比,结果表明,该算法可获得较优的优化调度方案,并可提高解的精度,加快其收敛速度.  

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。  

城市供水水源联合优化调度研究

城市供水优化调度是一个多目标、复杂大系统优化问题．本文应用系统科学的原理和方法，针对西安市，建立了多水源联合多目标优化模型；探讨了优化调度的多目标、多模型结构；提出了多目标模型求解思路和方法，为实现城市供水水源优化调度奠定了理论基础．最后应用本文提出的模型和算法，进行西安市市区供水水源优化调度实例研究，得出有益于西安市发展的优化调度策略和建议  

供水系统的优化调度方法探讨

介绍当前国内外供水调度系统的现状,分析了调度系统的建模方法,并对两类调度工况模型———宏观模型及微观模型进行了剖析,论述了其各自的适应范围及优缺点,为优化调度系统的选择提供了依据  

水电站水库优化调度研究

自 6 0年代初以来 ,湖南省水电装机容量一直占系统总容量的 5 0 %左右 ,但水库调节性能差 ,水库综合利用部门之间的矛盾突出 ,水电站地理位置分散 ,降水时空分布不均匀 ,水库调度管理难度较大。为此 ,湖南电网 1979年率先进行柘溪单一水库优化调度应用研究 ,后又开展了双库联调和全系统主要水电站群跨流域联调。 2 0年中(1980～ 1999年 )全网参加考核的水电站共累计节水增发电量 75 2 95亿kW·h ,相当于节约了 32 8万t标准煤。实践证明 ,优化调度效益显著。  

大规模供水系统直接优化调度方法

根据给水系统的网络特性，并结合我国实际情况，对优化调度控制方法进行了系统的分析，建立了优化目标函数及约束方程，针对大规模供水系统特点，提出了直接优化调度实用模型及算法，为满足工程应用要求，采取软化约束条件的措施，达到寻求可行满意解的目的，并改进开发了求解混合离散变量的供水系统直接优化调度软件，进而以我国实际城市为对象，进行了供水系统优化调度的现场实践，证明了其实用性。