澜沧江中下游梯级电站发电与生态需水耦合优化研究

随着澜沧江中下游河段梯级电站的开发完成,发电、防洪、生态、航运等综合利用需求之间的矛盾日益突出。通过耦合优化算法和多元线性回归模型,在现有实际运行资料的基础上,研究多目标约束条件下梯级电站的运行方式,在满足生态调度目标的前提下,实现发电效益的最大化,并对今后澜沧江流域梯级电站生态优化调度提出建议。     

澜沧江流域防洪调度梯级网络

本文阐述了澜沧江梯级水电站防洪调度梯级网络结构、网络特点、网络功能、网内存在的干扰及抗干扰措施，为今后的梯级水电站防洪调度组网积累经验。     

优化调度研究在黄河上游梯级水库调度中的应用

介绍了近年来各有关单位在黄河上游梯级水库所做的优化调度研究成果,通过分析黄河水电公司生产运行中的应用情况,结合黄河上游梯级电站实际,提出今后水库优化调度工作的建议。     

上下库水位重叠梯级水库优化调度研究

由于研究流域出现上游水库发电尾水位低于下游水库正常蓄水位情况,导致上下库存在水位重叠及调度矛盾。以湖北省南河流域梯级水库为例,采用动态规划逐次渐近法对南河流域梯级水库进行优化调度研究,分析存在水位重叠的三里坪水库及寺坪水库运行方式,使流域水能资源利用最大化,为上下库水位重叠的梯级水库调度提供参考。     

澜沧江中下游流域梯级电站建设林业协调会在昆明召开

3月12日，由云南华能澜沧江水电有限公司和云南省林业厅共同组织的澜沧江中下游流域梯级电站建设林业协调会在昆明召开。国家林业局驻云南专员杨百瑾、云南省林业厅副厅长王德祥以及项目涉及的5州（市）、19个县（区）政府及林业局领导与澜沧江水电公司副总经理黄光明、副总工程师周建及相关部门负责人出席会议，共有近100名会议代表参加会议。     

澜沧江小湾水库蓄水调度及梯级电站优化运行分析

结合澜沧江梯级水电站群2010年小湾初期蓄水、发电运行、航运及生态调度的实际情况,对梯级运行方式、梯级发电量、经济运行指标等多方面进行分析,总结了科学蓄水、合理调度、充分利用水资源、提高水能利用率的方法,提出了梯级水库初期蓄水、开展优化调度的有效途径.     

改进和声搜索算法在梯级水库群优化调度中的应用

为改善和声搜索算法在梯级水库群优化调度中的应用效果,提高模型的求解精度和效率,针对和声搜索算法(Harmony Search Algorithm,HSA)的初始和声记忆库分布不均及易陷入局部最优的缺陷,采用均匀设计的方法生成初始和声记忆库以增加其多样性和有效性,引入混沌序列来改善算法的全局搜索能力.对HSA进行改进后,...     

飞蛾火焰优化算法及其在梯级水库优化调度中的应用

利用一种新型群智能仿生算法——飞蛾火焰优化(MFO)算法求解某梯级水库群丰、平、枯优化调度问题,求解结果与混合蛙跳算法(SFLA)、粒子群优化算法(PSO)、布谷鸟搜索算法(CS)和入侵杂草优化算法(IWO)的求解结果进行比较。结果表明,MFO算法丰、平、枯优化调度发电量分别比其他4种算法增加了0. 179 2～0. 960 2、0. 097 2～0. 564 1、0. 082 4～0. 322 0亿kW·h,具有较好的优化调度效果。将MFO算法应用于实际工程,验证了该算法具有较好的收敛精度和全局极值寻优能力,是一种有效可行的水库群优化调度模型求解方法,可为求解水库优化调度问题提供新的途径和方法。     

水库调度决策支持体系在北盘江梯级水库优化调度中的应用

文章分析了基于北盘江流域梯级水库建立的水库调度决策支持体系,阐述了体系架构和创新特点,以北盘江流域梯级水库3年多来优化调度应用成效为实例,论证了水库调度决策支持体系的合理性、科学性和实用性。     

改进粒子群算法在梯级水库优化调度中的应用

针对粒子群优化算法搜索精度不高和易陷入局部最优解的缺陷,结合梯级水库联合优化调度的实际问题,提出了惯性权重的余弦处理机制和自适应选择学习对象策略,并结合分层交叉思想对粒子群算法进行了改进。实例计算表明:该算法合理、可靠,有效地提高了计算精度与效率。     

粒子群算法在梯级水库优化调度中的应用研究

针对PSO算法易陷入局部最优和后期收敛速度慢的缺陷,引入进化遗传算法中的"变异"算子并采用自适应的权重因子,以改进其全局优化能力和搜索效率。引入粒子矩阵,通过对粒子在多维空间中最优位置的搜索来实现逐时段的优化计算,并将该算法应用于金沙江复杂梯级水电能源系统中长期优化调度计算中。计算结果表明,智能优化方法在复杂系统全局优化问题上较常规数学优化算法有更优越的优化性能,从而为解决复杂水电能源非线性动力系统的全局优化计算问题提供了一种新的有效的方法。     

不同生态流量需求下雅砻江中下游梯级电站联合优化调度

为协同雅砻江干流水力发电与河道生态流量需求,以中下游7座电站为研究对象,进行不同生态流量需求下雅砻江中下游梯级电站联合优化调度。基于改进型可变月径流法,计算了雅砻江主要生态控制断面最小、适宜及最佳生态流量过程;构建了以梯级发电量最大化为目标的雅砻江中下游梯级电站联合优化调度模型,并用遗传算法对其求解。结果表明：（1）随河道生态流量需求的提高,梯级电站发电效益和水资源利用效率均下降,其中锦屏二级电站发电量下降最为显著;（2）梯级电站保障发电效益正常发挥的同时,实施联合优化调度,其下游河道能维持更高层次的生态流量,一定程度缓解了流域水能开发利用与河道生态保护间的关系。     

雅砻江和金沙江中下游梯级水库联合优化调度建模及应用Ⅰ——联合优化调度潜力分析

梯级水库群优化调度涉及联合建模、高效求解、规则提取、效益评估等多方面内容。以雅砻江和金沙江中下游梯级水库联合优化调度为主要目标,在水库群联合调度建模的基础上,引入大系统分解协调与离散微分动态规划方法进行优化求解,并设计多种方案进行效益分析。研究表明,联合优化调度相较于各水库单独调度发电量均有所增加,发电总量平均增大2.8%,尤其在来水偏丰年份,水库群联合优化对发电量提升效果显著。其中,金沙江下游梯级增发电量平均占总体增发电量的70%以上,在发电总量较低的年份,金沙江下游梯级增发电量基本等于三流域总体增发电量,展现了金沙江下游梯级库容大、水头高、调蓄能力强的巨大优势。同时,金沙江中游和金沙江下游联合优化发电量大于雅砻江和金沙江下游联合优化发电量,若能通过投资并购、调度补偿等多种形式,探索形成金沙江下游梯级与金沙江中游梯级联合优化调度模式具有重要意义。     

雅砻江和金沙江中下游梯级水库联合优化调度建模及应用Ⅱ——联合优化调度规则分析

为提升长江上游水资源利用效率,在“雅砻江和金沙江中下游梯级水库联合优化调度建模及应用Ⅰ—联合优化调度潜力分析”的基础上,进一步探究了雅砻江和金沙江中下游梯级上下游水库间和不同梯级间的运行规律,绘制了联合优化调度图,并分析了相关电站的蓄放水次序。研究表明:汛前金中、雅砻江梯级水库与金下梯级各水库消落开始次序宜为两河口—龙盘—锦屏一级—二滩—向家坝—白鹤滩—溪洛渡—乌东德,总体消落思路为上游水库优先消落,尽可能的保持下游溪洛渡、乌东德等电站高水位运行,提高流域整体发电效益;汛末各水库蓄水开始次序宜为锦屏一级—龙盘/二滩—两河口—乌东德—白鹤滩/溪洛渡—向家坝,总体蓄水思路为上游水库优先释放防洪库容开始蓄水,减轻下游防洪压力,且来水偏丰年份的蓄水时间相应有所推迟。     

多目标免疫遗传算法在梯级水库优化调度中的应用研究

为了提高遗传算法在多目标梯级水库优化调度中的应用效果,在标准遗传算法的基础上引入了免疫机制,并将其应用到周公宅-皎口水梯级水库优化调度中。计算结果表明,免疫遗传算法较好地克服了标准遗传算法收敛速度慢、易陷入局部极值、早熟等弱点。     

免疫粒子群算法在梯级电站短期优化调度中的应用

将免疫原理引入粒子群算法(PSO)中,利用其免疫记忆与自我调节机制保持各适应度层次的粒子维持一定的浓度,保证种群的多样性;引入疫苗接种等操作,对算法的进化过程进行有目的、有选择地指导,提高算法的搜索性能.随后在分析梯级电站短期优化调度数学模型及该算法特点的基础上,建立了基于免疫粒子群(IPSO)算法的梯级电站短期优化调度数学模型,并给出其具体的求解步骤.最后应用该方法进行仿真计算,并与常规调度及PSO算法进行对比,结果表明,该算法可获得较优的优化调度方案,并可提高解的精度,加快其收敛速度.     

自适应混沌差分进化算法在梯级水库优化调度中的应用

介绍了一种基于自适应混沌映射的差分进化算法,该算法采用混沌映射的方式产生初始种群,并综合考虑算法迭代进度和个体进化程度两个因素,对缩放因子进行动态调整以促进算法全局搜索和局部寻优的平衡。同时,在算法进化的不同阶段采取不同尺度的扰动策略,进一步提高算法的再搜索能力。将该算法应用于某梯级水库发电调度的研究中,通过实例计算,并与基本差分进化算法、模拟退火算法相比,得到了更优的全局最优解,验证了该算法的可靠性和实用性。     

模糊动态规划在三峡梯级电站短期优化调度中的应用

在水库的短期优化调度中存在着一些模糊约束条件，如何处理这些约束对于问题的求解至关重要．模糊优化为解决这类问题提供了一条有效的途径，它以模糊集合论为基础，并与常规调度技术、优化调度技术融为一体，互相取长补短，克服了传统方法处理模糊信息及模糊现象所遇到的困难，寻求满意的调度方式、调度方案和调度图，以指导水库运行．本文针对三峡梯级电站的短期优化调度建立了模糊优化模型，通过实例仿真表明，其优化结果是令人满意的，从而说明了该方法的有效性。     

基于惩罚的遗传蜂群算法在梯级调度优化中的应用

本文提出了一种结合了生物进化和群体智能思想的新型智能算法,并应用于水库群的梯级调度优化研究中。本算法以人工蜂群算法中群体协作的正反馈机制、个体分工的性态多样性思想、优良的全局搜索能力、并行计算性及较强的鲁棒性为基础,进行问题空间的全局寻优;在个体的局部寻优行为中,引入遗传算法的杂交和变异算子来优化侦查蜂路径,避免陷入早熟问题。同时针对梯级调度优化中常见的多维变量约束条件,借鉴模拟退火算法思想,在目标函数中构造的惩罚因子,使得带约束问题转化为了纯粹的优化问题。经实例验证,本算法具有普遍的梯级调度优化解决能力,并与传统的遗传算法及人工粒子群算法相比,具有更好的精度、收敛速度和寻优能力。