遗传算法在水库(群)优化调度研究中的应用综述

介绍了遗传算法在水库(群)优化调度中的应用背景及算法的收敛性,讨论了水库(群)优化调度中遗传算法的基本应用步骤以及存在的问题,给出了算法的各种改进方法,并对遗传算法的应用前景进行了展望.     

基于节能减排技术的发电调度计划生成系统

鉴于云南水电多而火电少的形势,介绍了以水电优化为主兼顾火电出力的日前发电调度计划生成系统.该系统有效的糅合了负荷预测、水电优化调度、负荷分配和节能平衡及其他基础数据系统,完善了计划编制功能,使其更合理化、智能化.实现了跨流域水电优化联合调度,有效的监控弃水,从而最大程度地减少弃水,对于推进云南电网节能减排工作有重大的意义.     

遗传算法在水库（群）优化调度研究中的应用综述

介绍了遗传算法在水库（群）优化调度中的应用背景及算法的收敛性,讨论了水库（群）优化调度中遗传算法的基本应用步骤以及存在的问题,给出了算法的各种改进方法,并对遗传算法的应用前景进行了展望。     

遗传模拟退火和小生境遗传算法在水库优化调度中的比较

根据溪洛渡水库的具体情况,建立了以发电量最大为目标的水库优化调度非线性数学模型,并利用遗传模拟退火算法（GSA）和小生境遗传算法（NGA）分别求解模型。结果表明,GSA和NGA的收敛速度和计算结果都明显优于基本遗传算法;且两者相比,GSA的收敛性更强,但计算时间较长。而在求解水库长系列优化调度问题时,各遗传算法占用机时太多,且收敛能力较差。     

电力市场环境下梯级水电站运行管控仿真研究

针对电力市场环境下梯级水电站运行管控问题,提出基于市场出清价的市场力评估指标,并通过构建双层市场仿真与管控模型对不同管控条件下梯级水电站运行方式进行仿真研究。在下层市场竞价仿真模型中,通过迭代优化算法实现市场仿真运行;在上层市场管控设计模型中,以基数电量为决策变量实现对梯级水电站运行的管控;上下层通过市场力评估指标与基数电量形成耦合关系。最后提出耦合市场仿真运行与多核并行禁忌遗传算法(MPTGA)的求解思路对管控方案进行评价优选。实例分析表明,基于出清电价的市场力评估指标可有效评估市场中梯级水电站跨交易时段所拥有的市场力,利用双层市场仿真与管控模型获得的基数电量方案可实现市场优化管控运行。     

考虑多地区互相关性的小水电群发电能力模拟预测方法

针对小水电数量多、分布广、信息采集差、不确定性强、管理区划与流域交叉重叠等特点,提出一种考虑多地区互相关性的小水电群发电能力模拟预测方法。该方法以地区小水电群整体为研究对象,分析地区间小水电群发电能力的互相关性并构建Copula相关性函数,在此基础上选取代表地区构建基于Copula函数的地区权重发电能力预测模型,同时结合历史出力趋势对模拟预测值进行重构,使其满足实际出力特性,并以云南省地区小水电群为例验证了该方法的有效性。结果表明,云南省15个地区的小水电发电群预测值合格率均大于70%,合格率较高。该研究方法可为小水电的后期应用提供指导。     

遗传模拟退火和小生境遗传算法在水库优化调度中的比较

根据溪洛渡水库的具体情况,建立了以发电量最大为目标的水库优化调度非线性数学模型,并利用遗传模拟退火算法(GSA)和小生境遗传算法(NGA)分别求解模型.结果表明,GSA和NGA的收敛速度和计算结果都明显优于基本遗传算法;且两者相比,GSA的收敛性更强,但计算时间较长.而在求解水库长系列优化调度问题时,各遗传算法占用机时太多,且收敛能力较差.     

基于小生境遗传算法的区域水资源优化配置

水资源优化配置作为解决区域水资源短缺的重要手段，对保证整个区域国民经济的可持续发展起着重要的支撑作用。以水资源优化配置理论为基础，基于某市水资源现状，通过建立水资源分配模型，利用小生境遗传算法求解水资源在各部门的配置。     

基于模糊聚类和BP神经网络的小水电短期发电能力预测方法

小水电大多为无调节能力的径流式电站,汛期与大中型水电挤占输电通道,导致水电弃水及地区窝电现象日趋严重,因此尽可能准确地掌握小水电发电能力、制定合理的大小水电协调调度计划愈显重要。对此提出了基于模糊聚类和BP神经网络相结合的小水电短期发电能力FC-BP预测方法,将训练样本根据历史运行数据分类,建立相应的BP网络,对待测样本识别归类,预测小水电装机日利用小时数,并将该方法应用于云南省盈江县和云龙县小水电短期发电能力预测中。结果表明,FC-BP预测方法较传统ANN模型预测精度有所提高,且泛化能力更强。     

基于改进遗传算法的溪洛渡水库优化调度研究

针对溪洛渡水库年调度问题,建立了以发电量最大为目标的优化调度模型,分别利用GSA和NGA进行求解,所得结果与DP、GA、SA算法比较,结果表明改进后的GSA融合了GA全局搜索能力强和SA局部搜索能力强的特点,而NGA将GA个体置于特定的环境中优胜劣汰,增强了个体的多样性,两种改进遗传算法的收敛速度和计算结果都明显优于传统优化方法和基本遗传算法.