水电站群长期优化调度的一种改进算法

根据马尔柯夫决策规划理论建立的水电站群长期优化调度模型，依照逐次渐近法和离散微分动态规划的基本思想，本文构造了一种年内逆推动态规划、年间逐次逼近法、结合时段内廊道法寻优的改进算法、使运算时间大大缩短，并且易于在微机上实现，利于推广和应用。实例计算证明了该算法的有效性、科学性。     

小水电站群的优化调度

我国有极其丰富的小水电资源,可开发的有七千万kW左右,在全国二千多个县里,有一千一百多个县的小水电资源在一万kW以上。小水电站群的优化调度,一般说,是多维的小水电站库群调度问题。由于“维数灾”,传统的动态规划方法往往不可能研究二个以上水库的同期运行问题。本文讨论S县小水电站群的优化调度,给出数学     

耦合KL理论与调度特征的大规模水电站群优化调度降维方法

大规模水电站群优化调度计算效率是水电及电力系统运行面临的最棘手问题之一,是突破超百座水电站高维复杂系统求解的理论和技术障碍。本文提出一种耦合KL理论与调度特征的水电优化调度降维方法,通过对水电站群长系列调度样本进行主成分分析,识别调度过程中的库水位变化特征值与其对应的特征函数,采用KL理论将库水位描述为多个水位变化特征项的组合函数,引入Kullback-Leibler散度以根据问题特点确定调度特征项随机系数的概率分布及初始值;构建了两阶段逐步迭代寻优策略,通过动态搜索水位特征项的随机系数实现大规模水电站群优化调度的高效求解。提出的方法以云南电网超百座水电站群调度问题进行了验证,通过不同算例对方法的有效性、高效性、随机系数概率分布和参数敏感性进行了分析,与经典动态规划及其改进算法相比,KL方法在有效保持结果精度的条件下显著提高了计算效率。     

基于混沌优化算法的混联水电站群长期优化调度

在建立混联水电站群长期优化调度模型的基础上,应用混沌优化算法对模型进行求解。以水电站群总电能最大为目标函数,根据混沌运动的随机性,由Logistic模型产生的混沌变量来进行优化搜索。此方法可避免陷入局部最优点,并取得全局最优。实例计算结果表明,混沌优化算法与逐步优化算法相比,优化结果良好。表明本文算法可以用于求解具有复杂约束条件的非线性混联水电站群水库优化调度问题。     

大规模水电站群短期优化调度方法Ⅳ：应用软件系统

大规模水电系统出现了新的应用需求,其良好的通用性、交互性和智能化显得非常重要。本文系统总结了大连理工大学近10年承担完成的大规模水电短期优化调度系统软件研究与开发经验,介绍了相关系统设计开发细节,主要包括数据结构管理、大规模计算与约束条件的输入和修改、交互平台设计以及计划编制流程等,一些设计思想与技术细节对开发类似的大规模应用系统会有借鉴与参考价值。     

大规模水电站群短期优化调度方法Ⅰ: 总体概述

大规模、跨流域、跨省、跨区域已经成为我国水电调度的显著特征,并成为制约我国电网安全和经济运行的重大因素随之产生了很多新的复杂调度和运行难题,如巨型电站多振动区、跨省跨区调峰、调度运行中的复杂应用需求和应用系统中实用化求解方法问题等。本文结合工程实践经验,阐述了中国水电调度与运行管理面临的新问题和挑战,针对工程实际中出现...     

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。     

大规模水电站群短期优化调度方法Ⅱ：高水头多振动区问题

高水头多振动区是我国干流巨型梯级水电站群面l临的突出运行问题之一。由于水电站需要响应复杂的系统负荷变化,导致发电水头频繁波动且幅度较大,使得机组运行要频繁跨越多个不规则振动区,严重影响水电站群及电网的安全。针对此问题,提出了求解高水头多振动区的水电站群短期调峰优化方法。该方法以机组组合为基础,分别利用动态规划技术与组合数学理论生成各组合机组的发电特性曲线与振动区,并将振动区避开策略引入逐步优化算法未进行模型求解,较好地解决了高水头多振动区凋峰问题,能够高效地得到满足工程实际运行需要的计算结果,已在红水河等流域得到实际应用。     

一种改进的水电站优化调度粒子群求解算法

重点分析了常规粒子群算法(Panicle Swarm Optimization,PSO)在水电站优化调度应用中存在的问题和出现的原因,并针对问题提出了相应的解决方法,形成了基于粒子群算法的水库优化调度改进应用方法.改进前后计算结果的对比分析表明,改进后的粒子群算法可明显提高求解水电站优化调度问题的收敛速度和求解精度.     

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。     

论水电站水库长期优化调度

本文针对随机来水情况下的水电站水库长期优化调度问题，从解决问题的理论基础， 妥途径、步骤等方面，作了详尽的阐述。     

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

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。     

粒子群算法在水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度问题存在的“维数灾”问题,给出一种全局随机优化算法[1]——粒子群优化算法并应用于水库日优化调度问题中。相对于动态规划,该算法原理简单,易编程,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法。     

水电站群优化补偿调节及联合调度数学模型和计算方法研究

水电站群补偿调节和联合调度计算是水能规划设计的重要内容,近年来的研究成果颇多,但因通用性不强、应用不便,且成果之间的比较缺乏相同的基础。为此,建立了水电站群优化补偿调节和联合调度数学模型,结合逐次优化方法,提出了用性强,计算时效快的相应方法,模型有MD_1和MD_2,是设有n个混联水电站组成,计算分为个时段,根据补偿调节和联合调度的物理含意而建立的数学模型。MD_1模型计算运用逐次优化法,弃水条件和弃水方式以及分两阶段优化算法而得到优化解:MD_2模型是通过保证约束、惩罚函数以及应用0.618即黄金分割法逐级进行求解。建模物理概念明确,实用性强,有较强的通用性,通过实例计算能获得显著经济效益。     

鄂坪水电站长期优化调度研究

针对鄂坪水电站的长期优化调度问题,建立了考虑保证出力发电量最大和不考虑保证出力发电量最大两种求解模型,用动态规划法进行了计算,并对两种模型下的发电量、水位过程和出力过程进行了比较分析.     

鄂坪水电站长期优化调度研究

针对鄂坪水电站的长期优化调度问题,建立了考虑保证出力发电量最大和不考虑保证出力发电量最大两种求解模型,用动态规划法进行了计算,并对两种模型下的发电量、水位过程和出力过程进行了比较分析。