基于i-Alt-NSGA-Ⅱ-aJG算法的HBV模型参数优化及其应用

针对种群数量众多且参数率定耗时的问题,对比分析了具有继承性的NSGA-Ⅱ(i-NSGA-Ⅱ)算法与NSGA-Ⅱ算法及两者考虑跳跃基因的相关算法的收敛性能,验证了基因继承性对算法性能的提升,从中选出最优算法。利用尼泊尔巴格马蒂河流域2000~2004年实测洪水径流过程资料对HBV模型进行参数率定,得出Pareto最优解,并利用2005年5场洪水日径流过程进行模型检验。结果表明,i-NSGA-Ⅱ算法优于相对应的NSGA-Ⅱ算法,从中选出的最优i-Alt-NSGA-Ⅱ-aJG算法能够最快地得到最优解且解的质量较好,表明i-Alt-NSGA-Ⅱ-aJG优化算法在解决多参数多目标优化问题中具有优势。     

AMALGAM算法在HBV模型参数优化中的应用

针对种群数量众多且参数率定耗时的情况,对比分析了AMALGAM算法与非支配排序遗传算法(NSGA-Ⅱ)的收敛性能,利用尼泊尔巴格玛蒂河流域2005~2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用AMALGAM算法对模型参数进行优化,得出Pareto协调最优解,并利用2012年5场洪水日径流过程进行模型检验。结果表明,AMALGAM算法较NSGA-Ⅱ算法能够更快地得到协调最优解且解的质量较好,拟合历史洪水平均确定性系数达0.84,预报精度较高,表明AMALGAM优化算法在解决多参数多目标优化问题中具有优势。     

CPSO算法在TOPMODEL参数优化中的应用

以江西省抚河娄家村流域为例,采用混沌粒子群优化算法(CPSO)优化半分布式水文模型(TOPMODEL)参数,并对优化结果进行了检验。结果表明,该法有效改善了PSO的全局寻优能力,粒子群体进化速度加快,收敛速度和精度提高。     

Hymod模型参数敏感性分析和多目标优化

以汉江上游向家坪水文站以上流域为研究对象,通过对集总式模型Hymod的参数敏感性分析和多目标参数优化,分析了Hymod模型5个主要参数的敏感性特征,体现了该模型描述降雨径流过程特点的全面性,采用多目标遗传优化算法(NSGA-Ⅱ)对模型参数作多目标自动参数优化.结果表明,Hymod模型能较好地描述流域降雨径流过程特征,并能通过参数自动优化得到最优参数并取得理想的验证效果.     

改进蝴蝶优化算法在邯郸市水资源优化配置中的应用

水资源优化配置是有效缓解区域水资源供需矛盾的重要方法和手段。针对传统蝴蝶优化算法(BOA)在高效快速地求解多目标水资源优化配置问题时存在的搜索精度低、收敛速度慢、易陷入局部最优及不能直接用于多目标问题求解等缺陷,通过引入快速非支配排序、拥挤度及精英策略方法对其进行了改进,利用ZTD函数验证了改进蝴蝶优化算法(ABOA)的优越性,最后将ABOA应用于邯郸市水资源优化配置模型求解中,并从帕累托前沿中选择了缺水量最少为最终方案。结果表明,邯郸市2035年(p=50%)总需水量为27.40×10⁸m³,总分配水量为24.42×10⁸m³,缺水量为2.98×10⁸m³,缺水率为10.9%。其中生活和生态需水均能得到完全满足,第一、二、三产业在不同区域仍面临缺水问题,需大力开展节约用水来缓解。研究结果可为多目标水资源优化配置的求解提供参考。     

基于改进粒子群算法的配电网多目标优化控制

随着光伏机组大量接入配电网,需要在增加间歇性可再生能源使用的同时,保持电力系统的电压稳定。储能技术的快速发展允许部署储能系统来支持电压调节。为了在光伏储能优化出力系统中达到网络损耗和调压措施成双优化的目的,提出了一种改进的Pareto档案粒子群多目标优化算法。在非支配排序环节计算拥挤距离时,加入小生境技术,避免陷入局部最优同时,增加Pareto解集分布的多样性。基于IEEE 30配电网系统测试了所提出的PV-ESS（photovoltaic-energy-storage-system）优化方法。结果证明,该算法对抑制光波动、提高电压稳定性以及降低网损有着良好的表现,进而维护系统运行的稳定性,降低电力行业经济成本。     

基于参数解耦的FACTS设备多目标优化配置

柔性交流输电（flexible AC transmission system,FACTS）设备具有灵活的无功补偿能力,可以在切机后向受电区提供足够的无功以维持电压水平,因此得到了广泛应用。电力系统电力电子化趋势下,FACTS设备大量接入,使得电网的运行方式更加复杂,也为电力系统的运行优化提出了新的要求。考虑多种工况,以稳定运行时的有功网损最小及切机后的最大电压偏移最小为优化目标,并将FACTS设备的类型纳入控制变量。提出一种结合双层花授粉算法（bilayer flower pollination algorithms,Bi-FPA）的解耦优化方法,该方法使用内外分层的策略,将FACTS设备的选型选址与定容解耦开,内层搜索各目标的最优解与设备参数设置,外层搜索FACTS设备的选型选址,最终得到能够兼顾不同工况的FACTS设备配置。最后采用IEEE-14系统对优化方法的可实施性及有效性进行了验证。     

基于TOPSIS的火电机组负荷优化分配

为了使火电机组能够适应新的环保形势和能源发展要求,定义了机组经济性、环保性、快速性这3个目标,并分别建立了各自目标下的最优负荷分配模型。联合应用NSGAⅡ方法和TOPSIS理论对该问题进行求解,得到了待决策的非支配解集合。文中给出了4台机组的负荷优化分配算例,仿真结果验证了模型的合理性,与AGC指令直调法相比,机组污染物排放量降低了53.43 t/h,调节时间降低了1.569 min,证明本文方法不仅能够保证负荷分配的经济性,在环保性和快速性方面有更明显的优化效果。最后讨论了3个目标取不同权值时负荷分配方案的区别,证明了基于TOPSIS的多目标机组负荷分配方案的确定依赖于3个目标在决策中所占的重要程度。     

SCE-UA算法在暴雨强度公式参数优化中的应用

针对暴雨强度公式的超定非线性等特点,提出了将SCE-UA算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化,并与优选回归法、遗传算法、粒子群算法和蚁群算法的优化结果进行了分析比较。实例应用结果表明,该算法可有效、快速地搜索到参数组全局最优解,且稳定可靠,提高了暴雨强度公式参数优化的精度,较其他算法具有一定的优越性。     

基于碳排放量和经济性最优的多目标优化掺烧研究

在保障经济性的基础上降低动力煤燃烧的碳排放量,建立实用性较强的动力煤多目标掺配模型。通过实际测量元素碳的数据拟合得到元素碳的软测量公式,优化模型分为经济性优化模型和碳排放量优化模型。选用非支配排序多目标遗传算法(NSGA-II)作为优化算法,得到的Pareto最优解集呈现出较好的分布,为电厂运行人员煤炭掺配优化提供多样化选择,具有较好的应用价值与指导作用。     

火电站多目标负荷调度及其算法的研究

对传统意义下负荷调度模型进行修正,同时考虑最小化燃料费用和污染排放量,提出了火电站多目标负荷调度模型;并将强度Pareto进化算法(SPEA2)与并行遗传算法(PGA)相结合对其求解.结果表明:该算法求得的Pareto最优解分布均匀、收敛速度快、寻优能力强,决策者可根据不同的侧重点在Pareto解集中选择最终的满意解.应用该算法对某电厂进行多目标负荷调度,验证了其可行性和有效性.     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

基于改进的多目标差分演化算法求解电力系统清洁经济优化调度问题

利用改进的多目标差分演化算法求解考虑安全运行约束的电力系统清洁经济优化调度问题,对相互冲突的发电费用函数和污染气体排放量函数同时进行优化,采用非支配排序和拥挤距离排序对种群进行选择操作,并引入基于平均熵的种群初始化和基于混沌Logistic映射的控制参数调整策略来改善算法收敛性能。在IEEE 30节点6机系统上获得的仿真结果验证了该算法的优越性。     

基于耦合SWMM模型和NSGA-Ⅱ算法的多目标低影响开发措施优化设计方法及应用

低影响开发(LID)措施被广泛用于调控由极端降雨和城市扩展所导致雨洪灾害,但其设计常忽略水文控制目标和建设成本等多目标关系。利用基于耦合SWMM模型和NSGA-Ⅱ算法的多目标低影响开发措施优化设计方法,以径流总量削减率和LID措施建设成本为目标,以土地利用现状等为约束条件,对广州某地块进行优化设计。结果表明,该方法能针对区域现状和目标条件计算出最优LID措施的空间布局和面积;揭示径流总量削减率与LID措施建设成本之间的关系;计算某径流总量削减率的最优LID措施布设方案。在径流总量控制目标提出的背景下,该算法为海绵城市设计提供了一种新的计算工具。     

随机优化算法在水文地质参数识别中的应用

根据抽水试验资料,运用随机优化算法中的实数编码遗传算法和模拟退火算法求解导水系数和储水系数.通过与传统算法比较结果表明,基于遗传算法和模拟退火算法求取的参数误差小、准确,显示这两种随机优化算法在求解该问题中的有效性.     

基于贝叶斯优化算法的新安江模型参数优化及应用

鉴于参数优化是保证水文模型预报效果的重要途径,以息县流域为例,采用贝叶斯优化算法对新安江模型参数进行优化,并与遗传算法进行比较。结果表明,在息县流域日径流预报问题上,贝叶斯优化算法相比遗传算法效率提升显著,精度略优于遗传算法,非常适用于解决新安江模型参数优化问题。     

基于改进非支配排序遗传算法的含DG配电网优化配置

分布式电源的接入对配电网中潮流分布、有功损耗和电压分布有很大影响。针对含DG配电网运行优化问题,建立了以DG最大出力、有功网损最小及电压偏差最小的多目标优化模型,提出一种改进的非支配排序遗传算法求解分布式电源的最优化有功出力。在NSGA-Ⅱ算法基础上改进了非支配排序策略、选择截断策略,采用改进的NSGA-II算法求解含DG配电网优化控制问题。通过IEEE33节点算例分析,结果表明该模型可以在分布式电源最大出力、有功网损最小及电压偏差最小方面,较为全面地实现配电网分布式电源的优化控制。     

基于改进蚁群算法的太原市受水区水资源优化配置

针对太原地区水资源严重短缺、供需矛盾日益尖锐的问题,为了使引黄入晋工程最大限度地缓解太原地区缺水情形,根据该地区水资源开发利用现状及地区发展规划,建立基于改进蚁群算法的太原市受水区多目标水资源优化配置模型。该模型引入生态效益目标,以用水效益最大、研究区缺水量最小和生态需水满足程度最大等综合效益作为规划目标,以水源可供水量、用户需水量等作为模型约束条件,并采用改进的蚁群算法进行求解,得到2015、2020两水平年的水资源优化配置方案。通过对优化结果的对比分析,表明该模型应用效果良好,优化配置结果有效减轻了地下水的供水压力,促进了水资源的高效利用。     

基于多目标优化的多电源配电网储能功率配置方法

为减少多电源配电网储能功率损耗,保持多目标电力平稳,在多目标优化算法的基础上,构建一种储能功率配置方法。综合分析经济、环保和技术三项指标,建立多目标优化配置数学模型,分析配电网各条支路中的电压幅值和电流幅值;利用多目标粒子群优化算法改进储能功率容量和接入方式,并将当前粒子群适应度与上一轮的适应度值做比较,得到pareto解,实现储能功率最优配置。通过与其他算法展开对比实验测试,结果表明,所提方法具有较高的投资运行经济效益、较低的电压偏差和网损,同时最优pareto解的曲线也是较为平稳的,使配电网始终处于安全供电状态。     

基于拥挤距离的多目标粒子群优化算法在漳河水库优化调度中的应用

针对传统多目标优化算法的不足,提出了基于拥挤距离的多目标粒子群优化算法(MOPSO CD),该算法用拥挤距离来维持精英策略和选取全局极值,同时引入动态非均匀变异算子,用以维持粒子多样性、减缓算法收敛速度、避免早熟收敛。以漳河水库为例,建立了以灌溉缺水量最小和发电量最大为目标函数的两目标优化调度模型,将MOPSO CD应用于模型的求解中,得到了足够多且较均匀的非劣（Pareto）解前端。