基于网格搜索和交叉验证的支持向量机在梯级水电系统隐随机调度中的应用

将支持向量机(SVM)理论与网格搜索及交叉验证相结合,应用于梯级水电系统隐随机优化调度中,实现径流不确定条件下的梯级实际优化运行。以系统结构风险最小为SVM训练目标,结合参数分布规律,采用指数划分的网格搜索对模型参数进行优选;将K-fold交叉验证技术引入到SVM训练性能评价中,降低了训练样本随机性对训练模型性能的干扰,提高了模型的泛化能力。建立VC_与MATLAB混合编程平台,对梯级水电系统隐随机优化调度运行进行仿真,结果表明基于采用最优参数SVM的隐随机优化调度在梯级系统发电量和发电过程方面取得了良好成果。     

水库水沙优化调度

摘 要:针对水沙优化调度多目标、高维和难以求解的特点,利用约束法将多目标模型转化为单目标模型,并采用全局搜索能力和收敛性较强的鲶鱼效应粒子群算法求解水沙优化调度模型.该算法利用鲶鱼效应对种群多样性的动态调节和驱赶作用,克服了粒子群容易陷入局部最优的缺点.实例验证表明,优化结果给出了较为满意的水库发电与泥沙淤积的非劣解集及水库非劣运用过程,算法具有有效性和通用性.     

基于鲶鱼效应粒子群算法的水库水沙调度模型研究

水沙优化调度具有多目标、高维、非线性和难以求解的特点,在统筹考虑泥沙淤积、发电量目标和优化调度决策变量的基础上,建立水库水沙多目标优化调度模型,采用全局搜索能力和收敛性较强的鲶鱼效应粒子群算法求解。该模型较好的整合了模型中的目标和待优化决策变量,为水沙优化调度模型研究提供了一个新的途径,所提出的算法克服了粒子群容易陷入局部最优的缺点,可以有效的处理维数灾和复杂约束问题。实例研究表明,在给定的泥沙淤积量阀值和考虑汛期排沙的条件下,针对来水来沙情势有目的提前蓄水可以很好的解决发电和排沙减淤的矛盾,同时也验证了模型及算法的有效性和通用性。     

基于向量夹角和最小的组合评价方法在水沙联合调度中的应用

针对水库水沙联合调度方案评价的复杂性及单一评价方法存在的局限性,以向量夹角和最小为优化目标,提出了基于向量夹角和最小的组合评价方法,并以溪洛渡和向家坝梯级水库为例,将该方法应用于水库水沙联合调度的非劣调度方案评价中。结果表明,组合评价方法的计算结果与各单一方法的计算结果相关程度高,可同时反映方案间的优劣次序及其相对优劣程度,其评价结果符合水沙联合调度的客观规律。     

基于三阶段逐步优化算法的三峡水库水沙联合优化调度研究

针对水沙联合优化调度多目标、高维、难以求解以及泥沙淤积计算具有后效性的问题,以泥沙淤积量为基本目标、发电量为约束目标,利用约束法将多目标水沙联合优化调度模型转化为单目标模型,并采用三阶段逐步优化算法进行求解。以三峡水库水沙联合优化调度为例,获得了满意的水库发电与泥沙淤积的非劣解集及水库非劣运用过程,验证了所建立模型及提出的求解方法的合理性和有效性。     

水电站水库预报发电调度的模糊风险分析

针对径流预报误差给水电站水库发电调度带来的风险,在采用组合模型对月径流进行预报和优化调度计算的基础上,构建了水电站水库预报发电调度的模糊风险分析模型框架,并在对入库径流进行随机模拟的条件下设计了模糊风险分析模型的求解流程。三峡水电站水库的实例应用表明,预报误差在5、10月对发电调度的影响较大,且水电站在枯水期的发电模糊风险比汛期高。