梯级水电站优化调度的改进粒子群算法

针对粒子群算法易陷入局部最优的缺点,提出了一种双适应度方法、动态邻域算子和随机动态调整惯性权重机制有机结合的混合改进策略。算例计算表明,该改进策略能增强粒子的局部收敛能力,加快算法的收敛速度,便于处理复杂约束条件,为求解具有复杂约束条件的非线性规划问题提供了一种简单有效的方法。文中探讨了梯级水电站优化调度的相关问题,考虑了丰枯分时电价因素,建立了梯级水电站长期优化调度数学模型,并应用改进粒子群算法进行求解。实际梯级水电站计算表明,该模型使枯水期大部分时间出力均匀平稳,丰水期能兼顾防洪和蓄水的不同要求,有利于电力系统的稳定运行。改进粒子群算法计算速度快、收敛精度高,为梯级水电站长期优化调度提供了一种简单实用的求解方法。     

自适应混合粒子群算法在梯级水电站群优化调度中的应用

针对梯级水电站群长期优化调度发电量最大模型,提出了一种自适应混合粒子群进化算法（AHPSO）。该算法引入混沌思想生成初始解,并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度,同时结合遗传变异思想进行粒子操作,最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明,AHPSO比基本粒子群算法有更好的收敛性和优化结果,计算时间比逐步优化算法少,且优化结果相近,是一种可供选择的计算方法。     

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。     

流域梯级水电站群优化调度的多向导粒子群算法

针对发电侧市场开放后流域发电公司追求发电效益最大的特点,建立以流域梯级总收益最大为目标的梯级水电站群优化调度模型。为克服粒子群优化算法在迭代后期种群趋同化严重的弊端,在动态自适应惯性权重粒子群算法基础上提出一种多向导粒子群算法。该算法在粒子飞行方向上引入多向导策略：在粒子种群最优向导上引入最优向导集使种群最好解及其他较好解均有可能成为种群最优飞行向导;在个体最优向导上引入全面学习思想,使每个粒子以一定概率向其他粒子个体最好解学习。最后以我国西南某流域2库5级梯级水电站群为例进行计算,结果表明所提算法比相关方法更优。     

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。     

自适应多策略粒子群算法在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立粒子群算法求解多阶段最优化问题数学模型.针对基本粒子群算法(PSO)在早期存在精度较低、易发散等缺点,后期出现"趋同性"和"早熟"等现象,提出了自适应多策略粒子群算法.并将该算法与基本PSO、改进型PSO、杂交PSO和收敛因子PSO分别在雅砻江梯级水库群优化调度中应用,通过对其优化结果的比较,验证了改进算法在加快收敛速度和提高算法精度方面的有效性.     

基于改进粒子群算法的梯级水电站优化调度

梯级水电站的优化调度是一个具有复杂约束条件的大型动态非线性优化问题,运用标准线性粒子群算法求解有易陷入局部最优的特点.针对这个问题对惯性权重的更新策略进行改进,减弱了典型线性寻优的局限性,得到更优的优化结果.以恩施芭蕉河梯级水电站丰水期为例,建立以周期发电量最大为目标函数的梯级水电站的短期优化调度模型,运用粒子群优化算法对其进行求解,得到了较好的梯级水电站优化调度结果.     

梯级水电站短期优化调度方法综述

根据现阶段梯级水电站短期优化调度的研究成果,主要从其数学模型、约束条件、优化算法等几个方面进行了综述,详细描述了梯级水电站短期优化调度模型所涉及到的约束条件。从经典优化算法和现代智能算法两个层面分别总结了线性规划、非线性规划、动态规划、遗传算法、粒子群算法、人工神经网络、模拟退火、混合优化算法等算法的优缺点,以及将该算法应用在梯级水电站短期优化调度中所取得的研究成果。     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

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。     

A Hybrid Method for Optimal Scheduling of Short-Term Electric Power Generation of Cascaded Hydroelectric Plants Based on Particle Swarm Optimization and Chance-Constrained Programming

A novel strategy for optimal scheduling of short-term electric power generation of cascaded hydroelectric plants based on particle swarm optimization (PSO) and chance-constrained programming is presented to maximize the expected profit at a given risk level in this paper. Based on chance-constrained programming, in which some specified probability are given to simulate some uncertainties, such as water inflows, electricity prices, unit status, and so on. This paper proposes a model for short-term scheduling optimization of cascaded hydro plants, which includes uncertainties, spatial-temporal constraints among cascaded reservoirs, etc. A hybrid particle swarm optimization (HPSO), which is embedded with evolutionary algorithms, is presented to use for the solution of global optimization problems. Catastrophe theory, which is concerned with natural evolutionary or survival-of-the-fittest, is utilized as an indication of the premature converge of PSO, and the positions of particles are further adjusted in the search space according to chaos optimization. In this way, each particle competes and cooperates with its neighbors. The proof shows that HPSO is guaranteed to converge to the global optimization solution with probability one. The model presented is solved by a combination method of HPSO and Monte Carlo simulation. Finally, a numerical example is served for demonstrating the feasibility of the method developed.      

机会约束规划下的梯级水电站短期优化调度策略

以一定时期内可能实现的总的目标利润最大化为目标,在一定的置信水平的前提下满足约束条件,基于机会约束规划构建了一种新的的梯级水电站短期优化调度策略。模型全面分析了蓄水量、弃水量、前池水位、放水路水位、发电水头之间的关系,并考虑了电价、入库径流量、机组运行状况等不确定因素对梯级水电站短期优化调度问题的影响。利用粒子群算法算简单、鲁棒性好、可操作性强的优势,将其嵌入蒙特卡罗随机模拟对模型进行求解。算例说明了该方法可以根据电站的实际情况协调风险和利润这两个相互矛盾的指标,实现最优化决策。     

Civilized swarm optimization for multiobjective short-term hydrothermal scheduling

This paper presents a solution technique for multiobjective short-term hydrothermal scheduling (MSTHTS) through civilized swarm optimization (CSO) which is the hybrid of society–civilization algorithm (SCA) and particle swarm optimization (PSO). The intra and inter society communication mechanisms of SCA have been embedded into the food-searching strategy of PSO to form CSO. The MSTHTS problem is formulated by considering economic and emission objectives. A new ideal guide method has been proposed to find out the Pareto-optimal front. Multi-reservoir cascaded hydro power plants having nonlinear generation characteristics and thermal power plants with non-smooth cost and emission curves are considered for analysis. Other aspects such as, water transport delay, water availability, storage conformity, power loss and operating limits are fully accounted in the problem formulation. The performance of the proposed CSO is demonstrated through two MSTHTS problems and the results are compared with those presented in the literature. CSO along with the new ideal guide method outperforms all the previous approaches by providing quality Pareto-optimal fronts.     

基于混合粒子群算法的短期负荷预测模型

由于电力负荷内在的非线性特性,传统基于梯度搜索的参数辨识技术可能陷入局部最优,影响了预测精度,故提出了混合进化和粒子群优化算法。将进化算法的基本思想引入粒子群优化算法,不但保持了粒子群算法结构简单、易于实现的特点,而且充分发挥了进化算法的全局搜索能力,可有效提高算法的精度和收敛速度。对上海地区电网进行短期负荷预测,与实际值相比较,结果表明,该算法具有较高的预测精度,是一种有效的短期预测方法。     

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。     

混合粒子群优化算法在电网规划中的应用

在含被动聚集因子的粒子群优化(particle swarm optimization with passive congregation,PSOPC)算法和和谐搜索(harmony search,HS)的基础上,构建了一种新的混合粒子群优化(heuristic particle swarm optimization,HPSO)算法。该算法根据电网规划的特点,采用“飞回机制”处理变量的约束条件,利用和谐搜索处理规划问题的约束条件,使粒子群在迭代过程中始终保持在可行域内,同时该算法中引入了被动聚集因子,有效改善了粒子的进化机制,提高了粒子的自由搜索能力。18节点算例验证了该算法应用于电网规划的正确性和有效性,HPSO算法、粒子群优化算法和PSOPC算法的比较结果表明该HPSO算法具有较好的收敛性能。     

Short-term hydrothermal generation scheduling by a modified dynamic neighborhood learning based particle swarm optimization

The main objective of the short-term hydrothermal generation scheduling (SHGS) problem is to determine the optimal strategy for hydro and thermal generation in order to minimize the fuel cost of thermal plants while satisfying various operational and physical constraints. Usually, SHGS is assumed for a 1 day or a 1 week planing time horizon. It is viewed as a complex non-linear, non-convex and non-smooth optimization problem considering valve point loading (VPL) effect related to the thermal power plants, transmission loss and other constraints. In this paper, a modified dynamic neighborhood learning based particle swarm optimization (MDNLPSO) is proposed to solve the SHGS problem. In the proposed approach, the particles in swarm are grouped in a number of neighborhoods and every particle learns from any particle which exists in current neighborhood. The neighborhood memberships are changed with a refreshing operation which occurs at refreshing periods. It causes the information exchange to be made with all particles in the swarm. It is found that mentioned improvement increases both of the exploration and exploitation abilities in comparison with the conventional PSO. The presented approach is applied to three different multi-reservoir cascaded hydrothermal test systems. The results are compared with other recently proposed methods. Simulation results clearly show that the MDNLPSO method is capable of obtaining a better solution.     

粒子群优化算法在电力系统中的应用综述

粒子群优化(PSO)算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。在大量参阅国内外相关文献的基础上,简要介绍了PSO算法的工作原理,较为全面地详述了粒子群优化方法在电力系统中的应用,如电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面,并对今后可能的应用指出了研究方向。     

基于量子粒子群混合算法的电力系统无功优化

针对传统粒子群算法在无功优化中易陷入局部最优和后期收敛慢等问题,提出了基于量子粒子群混合算法的无功优化计算方法.该算法将量子叠加态思想引入到粒子群算法中,使得单个粒子能表示更多的状态和量级,增加了种群的多样性;采用量子旋转门更新粒子的速度和位置,提高了收敛的速度.用该算法对IEEE 30节点系统进行无功优化计算,并与粒...     

计及可传输容量的梯级水电站优化调度

针对流域梯级水电站优化调度的特点,提出了计及ATC影响的梯级水电站优化调度模型。根据电网典型运行方式和上一时间段的调度情况,利用最优潮流计算水电上网通道的ATC容量。将ATC容量约束直接引入到梯级水电站优化调度模型中,利用粒子群优化算法的全局寻优能力对梯级水电站中长期优化调度进行寻优。以四川某流域梯级的4个电站优化调度为例,计算结果表明采用所建模型和方法能够有效提高梯级水电站发电量和发电收益。