基于改进粒子群算法的水库优化调度研究

在分析以往水库优化调度模型优缺点的基础上,提出了基于动态调节惯性权重的粒子群优化方法的水库优化调度模型,对基本粒子群算法进行了改进。改进的算法通过时变权重的设置来实现,从而克服了PSO搜索精度不高,易陷入局部最优的缺点,并通过引入罚函数解决强约束问题。以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析,实例计算表明:改进PSO算法原理简单,易于编程实现,而且占用计算机内存小,收敛速度快,搜索效率高,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

基于粒子群算法的水库优化调度模型

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中.该算法通过个体间的协作与竞争.实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点.将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果.     

基于改进粒子群算法的水资源优化调配模型研究

为了缓解忻州-阳泉地区日益凸显的水资源供需矛盾,建立了以研究区供水、发电和生态为目标的区域水资源优化调配模型,同时提出了定权重目标比适应度函数,将复杂的多目标问题转化为易于求解的单目标问题。在求解模型过程中,使用S型递减函数计算惯性权重并结合定权重目标比适应度函数简化求解,改进了粒子群算法。通过丰、平、枯3种不同来水条件下的情景模拟验证发现：改进粒子群算法运行前期全局搜索能力得到提升、中期搜索速度加快、后期局部收敛能力得到保证,在求解过程中不易陷入局部最优解;根据模型计算得出的水资源优化调配方案能够真实有效地反映研究区域的供水要求、均衡优化年内水资源分配、平衡区域之间的水资源供需关系、协调各目标之间的满足情况,模型具有可行性。     

基于改进粒子群算法的水库优化调度研究

对粒子群优化算法易陷入局部最优的缺点作了改进,提出了一种带有扰动项的改进的粒子群优化算法,并将其应用于水电站水库优化调度中。实例计算证明,改进后的粒子群优化算法具有较好的全局搜索能力,能够有效克服陷入局部最优的缺点,是水库优化调度比较有效的方法。     

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。     

基于改进粒子群优化算法的水库生态优化调度研究

文中对传统粒子群算法进行改进,提高其优化算法的收敛度,并结合改进粒子群算法对观音阁水库生态调度进行优化计算。研究结果表明,采用改进粒子群算法的水库生态调度优化求解精度得到明显改善,不同月份观音阁水库下游河道最小和适宜生态径流满足度相比于改进前显著提高。研究成果对于水库生态优化调度算法具有重要参考价值。     

基于粒子群算法的污水处理模糊控制研究

为提高污水处理系统的控制性能．提出了基于粒子群优化（PSO）算法的污水处理模糊控制设计方法,即应用PSO算法全局优化模糊控制器的ka、kh、ku参数和控制规则。提高模糊控制器的控制性能和效果。仿真结果表明,基于PSO算法的模糊控制应用于污水处理需氧量（COD）的控制中,能使COD快速地准确达到期望的要求和较高的控制精度,污水处理性能得到了较大提高。     

基于模拟退火粒子群算法的水电站优化调度

以洪家渡水电站为例,探讨了模拟退火粒子群算法(SAPSO)在水电站中长期优化调度中的应用方法及效果。结果表明:该算法可以求解具有复杂约束条件的非线性水库优化调度问题,并具备求解精度高、收敛速度快的优点,为解决水电站中长期优化调度问题提供了一种有效的方法。     

改进粒子群优化算法在水电站群优化调度中的应用研究

为克服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缺点,本文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,与逐步优化算法结果水平相当。     

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。     

基于粒子群优化的最优负荷恢复算法

建立了考虑冷负荷特性的最优负荷恢复模型，考虑了系统的频率、电压和发电机有功出力等动态约束条件，以确保在恢复尽可能多负荷的同时，使系统维持合理的运行频率和网络电压水平等。利用PSS/E软件提供的二次开发语言IPLAN，引入粒子群优化算法对所建的最优负荷恢复模型进行求解，并采用罚函数法对动态约束条件进行处理，可以快速求得在满足系统安全稳定约束条件下可恢复的最大负荷量及负荷位置。算例分析验证了该方法的有效性。     

水电站机组优化组合的混合粒子群优化算法

机组组合是水电站短期发电计划中一个非常重要的问题,合理的组合运行能带来显著的经济效益,开展对机组优化组合的可行性和有效性研究有重大的现实意义。建立了该问题的数学模型,并提出了混合粒子群算法（Hybrid Particle Swarm Optimization,HPSO）的工程实现方法,采用量子粒子群算法解决机组方案的确立,并采用粒子群算法求解负荷经济分配。设计了粒子的适应度计算方法和速度更新方法,提出了HPSO算法的求解步骤。仿真分析表明：HPSO算法求解机组优化组合问题是可行和有效的,该算法实现简单,具有更快更好的收敛性能。     

基于混合微粒群算法的堆石坝土石方调配计算

基于微粒群算法和模拟退火算法,构成混合微粒群算法.建立混合微粒群算法数学模型,用于堆石坝土石方调配计算.在河口村水库面板堆石坝土石方调配计算的应用中,计算成果为施工组织设计提供了较为详尽、可靠的数据支持.与其他算法相比,利用混合微粒群算法解决土石方调配问题方便、可行.     

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。     

改进粒子群算法求解水火电系统短期负荷分配问题

粒子群优化（PSO）算法是一种基于群体智能的启发式搜索方法，应用领域很广。文中将PSO算法用于求解水火电系统短期负荷的经济分配，属于高维、强约束工程问题。分析了算法参数设置对解的影响，发现算法的局部开发能力和粒子的多样性是影响解的优劣的关键因素;提出多子群辅助的PSO算法，兼顾了对解空间的全局搜索和局部开发。实际算例证明，改进的算法是有效的。     

基于粒子群算法的水利类试算问题求解

基于粒子群算法,提出水利工程试算问题的求解方法,与传统的迭代算法相比,此方法可以避免一些非线性复杂问题迭代公式的推算.最后应用该方法对实例进行了分析,结果证明了这种方法可以提高试算问题解的精度及求解效率,由于具有通用性,编制相关计算程序后,只需要更换其中的目标函数,即可完成复杂试算问题的求解,故具有良好的推广应用前景.     

基于微粒群算法优化的投影寻踪灌区综合评价

通过对黑龙江农垦总局下属的6个灌区的各项功能参数指标资料的收集与整理,应用基于高维降维技术的投影寻踪分类模型(PPC),并采用微粒群算法(PSO)对投影寻踪模型投影方向进行优化求解,根据计算得出投影函数值的大小对各灌区运行状况进行评价,为灌区节水改造提供有价值的参考依据。     

基于粒子群优化BP神经网络的隧道围岩位移反演分析

针对无锡惠山隧道岩体破碎、围岩稳定性差等特点,基于长期现场监测变形位移数据,借助粒子群算法的参数优化功能,利用Matlab神经网络工具箱编制了优化PSO—BP隧道位移反分析系统。PSO—BP系统利用正交试验设计和有限元方法获得学习样本,再通过粒子群算法搜索最优的神经网络模型参数。用BP神经网络模型建立待反参数与实测位移之间的非线性映射关系,最后用粒子群算法从全局空间上搜索最优反演参数。克服了普通智能优化算法收敛速度慢、正分析计算量大等缺陷,具有全局优化特性。将模型应用于惠山隧道Ⅳ级围岩断面ZK6+485的反分析中,计算结果与实测值对比表明采用PSO—BP预测模型进行隧道位移预测是可行的。     

基于PSO与DE混合算法的水资源优化配置

基于公平性原则构建水资源优化配置模型,针对模型的特点,将模型的可行解进行粒子化处理。利用基于粒子群(PSO)和差分进化(DE)的混合算法(PSODE)对模型进行求解。该算法通过双种群间的信息共享机制,大大降低了求解陷入局部最优的风险。此外,还采用了一种粒子变异机制进一步提高PSODE算法的性能,并通过漳河流域四大灌区水资源配置实例表明PSODE算法比PSO和DE算法收敛速度更快、准确度更高。     

混沌粒子群优化算法在马斯京根模型参数优化中的应用

针对目前马斯京根模型参数率定中存在的求解复杂、精度不高等问题,本文将混沌搜索机制引入粒子群优化算法中,构建混沌粒子群优化算法对马斯京根模型参数进行率定。这种方法利用混沌运动的遍历性,改善了粒子群优化算法的全局寻优能力,避免算法陷入局部极值,使得粒子群体的进化速度加快,提高了算法的收敛速度和精度。通过实例应用表明,混沌粒子群优化算法可以有效地估算出马斯京根模型参数,优化效果明显优于粒子群优化算法及试错法,因此该算法具有很好的实用性。