松江河梯级水电站短期优化调度数学模型分析

应用改进粒子群算法求解松江河梯级水电站短期优化调度问题,建立梯级电站发电量最大和发电效益最大短期优化调度数学模型。针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和基于遗传思想的变异算子对其进行改进。应用改进粒子群算法对松江河梯级水电站进行短期优化调度,分别采用发电量最大和发电效益最大数学模型进行算例分析。结果表明：对梯级电站进行短期优化调度可以提高梯级电站的整体质量和效益;应用改进粒子群算法求解梯级电站短期优化调度问题在求解时间、精度上都取得了满意的效果。     

改进加速遗传算法在梯级水电站优化调度中的应用

在加速遗传算法中嵌入局部搜索法，以加强算法的全局寻优能力。将改进的加速遗传算法应用到梯级水电站中长期优化调度中，可避免动态规划在解决复杂优化问题时易产生“维数灾”的缺点。建立了以梯级发电量和发电保证率最大为目标函数的梯级水电站中长期优化调度模型，并结合模拟退火思想，构造了罚因子将两目标转化为单目标求解，阐述了用改进加速遗传算法解决问题的方法和步骤。实例表明，与其他几种调度算法比，该方法能够求得较准确合理的解，有一定的实用性。     

基于改进粒子群算法梯级水电站短期优化调度研究

应用改进粒子群算法求解梯级水电站短期优化调度问题.考虑发电效益和存水效益结合峰谷电价建立综合效益最大模型,针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和杂交算子对其进行改进.应用改进粒子群算法对"水布垭水电站一隔河岩水电站一高坝洲水电站"进行短期优化调度,分别采用传统优化模型和峰谷优化模型进行实例计算,结果表明实施峰谷电价,对于提高梯级水电站综合效益,同时缓解高峰期用电紧张局面有更高的应用价值;应用改进粒子群算法求解梯级水电站短期优化调度问题在求解时间、求解精度上都得到了较满意的效果.     

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。     

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。     

基于改进萤火虫算法的梯级水库优化调度研究

梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的Pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。     

基于改进花粉算法的梯级水电站多目标优化

梯级水电站优化调度要考虑发电、防洪、电网安全运行等多个目标,具有高维、动态、非线性等特征,求解复杂。为解决这一问题,通过改进花粉算法搜索策略和引入差分变异操作,加快算法收敛速度,增加种群多样性,并将该算法用于求解梯级水电站多目标优化调度问题。结果表明,该算法收敛速度快,求解精度高,对求解梯级水电站多目标优化问题具有一定的优越性。     

含混合式抽水蓄能电站的梯级水电站群调度规则建模方法

含混合式抽水蓄能电站的梯级水电站群调度运行复杂,国内外研究较少.以第二松花江白山-丰满混合式抽水蓄能电站梯级水电站群为背景,提出了梯级水电站群长期调度规则建模方法.该方法以典型日负荷为基础推求调峰、填谷电价曲线,以发电效益最大为目标,以保证出力为约束构建了长期调度规则优化模型,并将混合式抽水蓄能电站的抽水与发电水-能转换模型引入随机动态规划算法进行模型求解.实例计算结果表明,所提模型方法能够有效解决混合式抽水蓄能电站长期优化调度问题.     

基于灰色关联度与理想点法的梯级水电站多目标优化调度方法

针对梯级水电站群调度目标间的协调问题,建立了多目标优化调度模型,提出了基于灰色关联度法与熵权理想点法相结合的迭代计算方法。应用灰色关联度法将多目标优化模型转换成多个单目标优化模型,并采用逐步优化算法求解,得到多目标优化数学模型的非劣解集,以熵权理想点法从非劣解集中选择最优解。澜沧江流域梯级水电站群的实例研究表明,该方法较好地处理了不同目标间、不同目标权重组合方案间双重多目标优化问题,为协调长期优化调度多目标间的矛盾提供了一种可行方法。     

梯级水电站短期优化调度算法研究

随着梯级水电站的不断投产,梯级水电站短期优化调度面临的多维性、多目标性、多约束性问题越来越突出。在分时上网电价的基础上,电网峰平谷段出力比约束需着重考虑。为此,以梯级发电收益最大为目标函数研究梯级水电站短期优化调度算法,提出定出力和POA结合算法,将峰平谷出力比离散,先求解定峰平谷出力的调度过程,再用POA优选短期最优调度解。实例验证表明,算法较好地解决了高维数、多约束条件下梯级短期优化调度问题,调度结果实用性、可操作性好。     

基于改进混合蛙跳算法的梯级水库优化调度

针对混合蛙跳算法在寻优过程中出现的早熟收敛问题,利用混沌技术的遍历性优势对子群最优个体进行变异操作,形成局部精细搜索策略;根据蛙群相对多样性参数来判断算法是否陷入局部最优,进而对蛙群最优个体进行扰动以提高全局寻优能力,形成全局激励调节策略。耦合2种策略,提出了一种改进混合蛙跳算法。将其应用于李仙江梯级水库优化调度中,结果表明所提算法具有寻优质量高、收敛速度快的特点,有效地克服了标准混合蛙跳算法的早熟缺陷,为水库调度模型的求解提供了一种新方法。     

基于粒子群算法的梯级电站日优化调度

采用粒子群智能优化算法,可避免多梯级水电站系统优化模型所产生的＂维数灾＂,能实现对梯级电站日优化调度模型的有效求解,从而得到梯级电站日优化调度方案,该方案可作为梯级电站联合竞价上网的参考依据,也可作为水库调度运行方式的参考,有助于梯级电站实现整体的发电效益最大化。     

库群长期优化调度的正交逐步优化算法

为解决逐步优化算法(POA)求解库群长期优化调度时存在的"维数灾"问题,结合正交试验设计方法提出了正交逐步优化算法(OPOA),分别从阶段维、状态维和空间维进行降维求解。算法采用POA将多阶段决策问题分解为若干两阶段子问题,以目标函数为试验指标,水库为试验因素,离散状态为因素水平,各子问题的优化求解视为分别开展多次正交试验设计,通过逐次加密离散水库状态并构造"均衡分布、整齐可比"的状态集合进行计算,直至获得最优解。乌江梯级水库长期优化调度结果表明,OPOA仅需POA耗时的28.4%即可获得全局最优解,显著优于粒子群算法,是求解库群长期优化调度的有效算法。     

改进粒子群算法在梯级水电站优化调度中的应用

粒子群算法是一种全局随机搜索算法。在标准粒子群算法中引入突变机制,应用于梯级水电站优化调度中,与动态规划对比,表现出该方法的简单高效性。通过实际算例验证了该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提供了一种新的求解途径。     

多策略人工蜂群算法在梯级水电站优化调度中的应用

梯级水电站优化调度问题的准确、快速求解,是水利学科领域需解决的基本问题。针对该问题,提出了一种新的多策略人工蜂群算法。为更好地平衡算法的全局搜索与局部搜索能力,新算法在两个具有代表性的解搜索策略基础上,对其融合构成新的搜索策略,同时保留了原有的两个解搜索策略。新算法的三个候选解搜索策略,增强了对各类优化问题求解的适应性。为验证新算法的适应性及可行性,不仅在经典的基准测试函数中对其进行测试,并且将其应用于梯级水电站优化调度问题。实验结果表明,新算法具有适应性强、收敛速度快等优点。     

基于自适应混沌蜂群算法的梯级电站优化调度

在峰谷分时电价背景下建立梯级水电站短期发电效益最大模型,通过自适应混沌蜂群算法(ACABC)对模型进行求解。为兼顾算法全局搜索能力及局部求解精度,引入搜索步长和蜜源选择概率自适应修正策略。考虑到模型求解过程中涉及的多维复杂约束问题,提出一种基于双向廊道的约束处理技术,用于规范解寻优空间。以峰谷分时电价下清江梯级短期优化调度为背景进行仿真建模,将计算结果与普通人工蜂群算法(ABC)和差分进化算法(DE)所得结果进行比较。实例研究表明,ACABC处理灵活且具有更强的全局搜索能力,工程实用价值较高。     

基于二维嵌套动态规划的清江梯级联合调度研究

针对目前改进动态规划算法和智能优化算法在梯级水电站联合调度求解过程中的非全局最优解,本文以清江梯级水电站为研究对象,提出二维嵌套动态规划算法进行优化调度,调度中考虑上游水电站每一次的出流过程对于中下游两水电站发电量的影响,中游水电站每一次的出流过程对于下游水电站发电量的影响,并将优化调度结果与实际调度、常规动态规划调度进行对比,取得了很好的效果,为梯级水电站的联合调度提供了一种全局调度的思想和方法。     

基于PSO及SA的高维优化方法研究及应用

针对高维优化问题提出基于改进的微粒群及模拟退火方法的SA-PSO算法.算法引入了随机选择、小邻域赋值、极值扰动,以及渐进搜索等策略,能有效解决微粒规模与优化问题维数之问的矛盾,加快收敛速度并防止陷人局部最优解.经实例应用检验,SA-PSO算法能够达到预期的效果,开辟了求解高维优化问题的新途径.     

基于TIPSO的水电站优化调度研究

针对水电站多目标联合优化调度问题,提出双层改进粒子群算法(TIPSO)。该算法通过动态廊道约束,提高粒子群算法中粒子初始解的质量;通过改进动态权重系数,增强粒子群算法在前期的全局寻优能力和后期的局部寻优能力,提高粒子群算法的收敛性。将该算法应用于求解河南省陆浑水电站多目标优化调度问题,计算结果表明双层改进粒子群算法具有较好的收敛性能;通过与动态规划算法计算结果对比,表明该算法求解高维、复杂、多约束问题的可靠性和有效性。     

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.