发电动态经济调度的有效响应能力调整量算法

对基于前瞻技术和响应能力解耦的动态经济调度算法中的机组进行了精确分类，给出最大有效响应能力调整量的概念。分析了快速机组、临界机组和慢速机组补偿响应能力的作用特点，指出现有算法的不足。基于有效响应能力调整量提出一种新的动态经济调度算法，该算法以静态优化调度结果为基础，采用“在最大有效响应能力调整量范围内，快速机组向临界机组过渡、慢速机组向临界机组过渡”的调整原则进行二次经济调度。分析表明，该算法具有动态前瞻机制、可一次精确完成响应能力缺额补偿、迭代次数少、计算效率高等特点。算例证实了算法的可行性。     

电力系统实时安全约束调度的混合算法 

提出了一种实时安全约束调度的混合算法，该算法结合了基于灵敏度的反向等量配对法和非线性原对偶内点算法的优点，并进一步与自动发电控制(AGC)相结合，构成闭环控制系统，实现稳定断面越限的校正控制。当发现稳定断面越限时，由安全约束调度提供校正控制策略，并在AGC控制下执行，以自动完成解除越限的调整。在江苏省调能量管理系统（EMS）的实际工程应用表明，该方法可以满足实时安全约束调度的要求，有效地将稳定断面有功功率控制在允许范围内，保证电力系统的安全、稳定运行。     

水火电联合系统多目标优化调度

建立了一个水火电力系统多目标优化调度模型，提出一种宽容约束的交互式计 算方法。在分解协调的过程中，本文提出的收敛准则，提高了计算精度。对非 线性规划问题的求解采用DFP算法，避免了牛顿法中计算海森矩阵及逆阵,而又保持了牛 顿法收敛速度快的优点。算例结果表明：该模型是合理的，算法是有效的。     

供水系统优化调度问题的模拟退火算法探讨

在探讨连续变量全局优化模拟退火算法的基础上，结合管网分析计算的特点，提出了供水管网系统优化调度问题的全局优化模拟退火算法。仿真结果表明，该方法能够得到供水流量和供水压力的全局近似最优值。     

黄河上游龙,李,刘三库短期调度初步探讨

本文首先对黄河上游龙羊峡、李家峡、刘家峡三水库联合短期调度问题进行了分析，提出了该调度问题的数学模型及算法，并对该模型与西北电网水调自动化系统的关系作了剖析。同时，从实用的角度出发，阐明了软件开发过程中可能会遇到的各种问题及解决办法。     

改进粒子群优化算法在水电站群优化调度中的应用研究

针对常规粒子群优化算法易早熟，后期收敛慢且易陷入局部最优解的不足，提出一种新的惯性权重系数更新策略—自适应指数惯性权重系数（SEIWC）代替线性递减惯性权重系数（LDIWC），同时，将遗传算法中的染色体交叉、变异思想引入粒子的更新策略，提高粒子的多样性，增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例，建立基于改进粒子群优化算法的库群长期优化调度模型，计算结果表明，该模型的调度结果显著优于常规粒子群优化算法，与逐步优化算法获得的结果达到相当水平。     

改进差分进化算法在水库优化调度中的应用研究

差分进化算法在求解水库优化调度时,进化后期种群多样性急剧下降,导致算法无法跳出局部最优解而出现“早熟”收敛。针对该问题,该文对算法的贪婪选择策略进行改进,使其以一定的概率动态接受稍差解作为子代个体,从而提高算法的种群多样性;同时,提出种群基因重生策略,进一步改善种群进化的基因信息结构。将改进的差分进化算法应用于清江梯级发电调度问题,并与差分进化算法、模拟退火算法求解结果进行对比。模拟结果表明,改进算法具有更强的全局搜索能力,求解梯级水库优化调度问题更具有优势。     

基于蜻蜓寻优算法的梯级水电站短期优化调度方式研究

梯级水电站短期优化调度对于践行中长期优化战略方案,确保梯级电站综合效益的发挥具有重要意义,而对于梯级水电站短期优化调度模型的求解方法仍是当前研究的重点.蜻蜓算法是近年提出的仿生型智能优化算法,该研究在梳理蜻蜓算法优化计算原理的基础上,通过引入初始种群个体优化和增加局部合理性判定等适应性调整操作,探索蜻蜓仿生优化算法在梯...     

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以求解梯级水电站多目标联合优化调度模型。该算法采用混合蛙跳算法的分组-混合循化优化框架以增强算法的全局搜索能力;在族群内通过粒子群算法的飞行调整策略指导个体进化;同时,引入外部精英集,建立了基于自适应小生境的外部精英集维护策略,提高了算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程,计算结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,可为梯级电站的多目标调度决策提供科学依据。     

梯级水库生态调度多目标混合蛙跳差分算法研究

提出多目标混合蛙跳差分算法求解梯级水库多目标生态调度模型。该算法结合混沌理论生成初始解以提高初始解群体质量,构建基于动态更新机制的外部归档集引导种群进化,提高算法的收敛性与非劣解的多样性,引入自适应差分算法加快子种群个体寻优,提高算法收敛速度。对L河梯级水库多目标生态调度进行实例研究,计算结果表明:本文所提出的算法能够计算得到收敛性与分布性较好的调度方案集,对比典型调度方案下泄径流与物种生态适宜径流,表明生态调度能够较好满足物种的生态需水,生态效益显著。     

基于改进遗传算法的串联小水电群优化调度

建立了由沙畈水库和金兰水库组成的串联小水电群优化调度的数学模型，采用了改进遗传算法对该模型进行优化计算。算法设计编程简单、计算工作量小、收敛速度快。利用两个水库的入库径流实测值进行了仿真实验，结果说明优化调度能比常规调度取得更大的经济效益，同时也说明了遗传算法是求解小水电群优化调度的可行而有效的方法。     

基于混合粒子群算法的梯级水电站多目标优化调度

提出多目标混合粒子群算法以解决梯级水电站多目标联合优化调度模型求解的难题。该算法采用混合蛙跳算法的分组－混合循化优化框架,增强算法全局搜索能力,在族群内通过粒子群算法高效灵活的飞行调整策略指导个体进化,同时,引入外部精英集,建立一种基于自适应小生境的外部精英集维护策略,提高算法的收敛性和非劣解集的多样性。最后将该算法应用于三峡梯级水电站多目标优化调度工程应用实例,结果表明,本文算法能够获得计算实时性强、分布均匀、收敛性好的调度方案集,并以此分析明确了调度目标间的耦合关系,为梯级电站的多目标调度决策提供了科学依据。     

动态拦蓄洪尾风险调度模型初探

分析了实施水库拦蓄洪尾风险调度的可行性、必要性和影响拦蓄水位确定的主要因素；提出了动态拦蓄洪尾风险调度模型，该模型可以表达汛期不同时间水库拦蓄洪尾水位的动态变化；从目标函数的物理意义出发，提出了模糊综合评判法和试算法相结合的求解方法，该方法能最大限度体现决策者的偏好，保障解的合理性和可操作性。实例研究表明，文中提出的方法是合理、有效的。     

基于改进布谷鸟算法的梯级水库优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。本文对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,将其应用于某梯级水库优化调度问题当中。实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

基于改进布谷鸟算法的梯级水库长期优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,并将其应用于某梯级水库优化调度中。以实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

兼顾安全与经济的电力系统优化调度协调理论

建立了兼顾安全与经济的电力系统优化调度协调理论的整体框架，提出了优化调度在空间尺度、时间尺度、电力生产环节、控制对象、电网安全稳定控制策略、优化目标、“三公”调度等7个方面的协调调度机制及协调调度模型。在空间尺度与时间尺度上，提出了“自下而上预决策及申报、自上而下决策、整体优化、多级多类优化协调、逐级逐类细化”的优化调度协调模型及算法，该模型考虑了国调、区域调和省调的优化调度计划在当前时间级、上一时间级、下一时间级之间的相互优化协调，能够实现资源在全国范围内的优化配置。在电力生产环节，提出了基于市场机制的节能发电安排原则及节能发电调度模式。     

基于混合PSO算法的梯级水库优化调度研究

提出基于混合粒子群优化（PSO）算法求解流域梯级单目标优化调度问题方法的一般结构,并对三峡梯级的发电和洪水优化调度问题进行了研究。该算法利用离散微分动态规划法（DDDP）算法对粒子群优化算法的gBest粒子进行二次寻优,加快了算法的收敛速度和精度。     

改进鸽群算法在水电站发电优化调度中的应用研究

水库调度计划是否合理,关系到水库的工程运行安全和效益充分发挥。文章以辽宁省桓仁水电站为例,提出了一种改进鸽群算法。与动态规划法、POA法的调度结果相比,在同样的计算条件下,改进鸽群算法年发电量最大,具有良好的求解能力,可以在工程实践中利用该算法进行水库调度模型的求解。     

水库中长期发电优化调度解析方法及应用

水库中长期发电优化调度是实现水能资源高效利用的重要技术手段。由于水库特性曲线的离散数值表达,现行水库中长期发电优化调度模型与求解方法主要集中在数值方法层面,且优化计算效率低下。针对这一问题,提出了水库中长期发电优化调度的解析方法,即通过水库特性曲线的函数化,建立了优化调度的解析函数模型,并基于POA算法原理提出了解析优化方法——APOA算法。通过实例应用和传统方法对比研究表明,该方法在保证计算精度的前提下,长系列优化计算时间仅为POA算法的1/20。因此,该方法不仅具有算法稳定、计算效率高的特点,而且在水库中长期发电优化调度的解析研究途径方面进行了有益的探索。     

基于改进粒子群算法的水电站水库优化调度

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。