优化调度 提高白水河梯级电站发电效益

广东省怀集县白水河梯级水库电站充分利用水力资源,发挥水库蓄能调洪作用,通过统一优化调度,实现水资源在时间和空间的合理分配和控制；对水源的科学调节,优化了机组运行方式,达到了节能降耗,提高了发电水平,取得较好的社会效益和经济效益.     

调峰容量效益最大的梯级电站优化调度

为适应电力市场对水电站容量效益的需要,建立了既考虑容量效益又考虑电量效益的梯级电站优化调度模型,并提出了求解该模型的改进PSO算法,该算法能够有效处理目标函数带有层次性的多目标优化问题,具有收敛效率高的特点。用该算法对三峡梯级电站枯水期的优化调度问题进行了研究,使三峡梯级电站在获得尽可能大的调峰容量效益的同时也得到最大的电量效益。     

松江跨流域引水梯级电站群长期优化调度方法

结合松江跨流域引水梯级水电站群,建立了长期优化调度模型及求解方法。该模型首先确定初步的引水流量,然后以典型日负荷曲线为基础构建调峰电价曲线,以调峰效益最大为目标构建梯级水电站群优化调度模型,采用逐步优化算法、逐次逼近算法和状态逐密离散微分动态规划联合对模型进行求解。通过不断调整引水流量,对目标函数进行寻优,确定引水流量及相应的各水库调度方案,以充分发挥跨流域引水水库的调节与补偿能力。成果可直接应用于松江流域。     

凤凰溪梯级电站联合调度

凤凰溪流域水资源二库五站梯级开发，利用串联水库调节作用实现水资源在时间和空间的合理分配和控制，对水资源充分利用，通过流域梯级电站联合调度取代原有单独调度方式，取得较好的社会效益和经济效益。表4个。     

水电站优化调度人工蜂群新算法

介绍了一种近年发展起来的、易于实现且收敛速度非常快的群智能优化算法——蜂群算法,并将其应用于考虑峰谷分时电价的水电站中长期发电优化调度。通过计算实例,验证了该算法求解峰谷分时电价下水电站中长期优化调度问题的有效性。     

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。     

梯级电站水库优化调度研究

针对梯级电站水库优化调度问题，建立以发电收益现值最大为目标的数学模型，进行优化计算，求解梯级电站水库优化调度方案。结果分析表明，所提模型与计算方法是可行和实用的。     

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。     

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。     

梯级电站中水电调度的两阶优化方法

关于梯级水电站水电调度，根据目的的不同，方法繁多。本文从水电联合调度中使水电联合经济效益最优的角度，采用两阶段最优分析的方法，对梯级电站的上下游联合调度进行了分析。建立了一个可以采用的数学模型，然后给出了这个模型的通用解法。     

考虑水头影响的梯级水电站群短期优化调度

在梯级水电站群调度模型中恰当表述离散运行区间约束以及水头影响并在求解算法中有效处理这些因素是梯级水电站群调度中面临的挑战。文中通过将水头离散化,设定多维0-1状态变量及相关约束,建立了一个梯级水电系统短期调度的线性混合整数规划模型,能够综合考虑水头影响、不连续运行区间等约束。模型采用CPLEX软件包求解,对一个包含3个梯级水库、12台机组的梯级水电系统进行了测试,结果表明所提出的建模方法是有效的,能灵活处理受水头影响的水库群水电站短期调度中的多种复杂因素。     

蜜蜂算法及其在水电站优化调度中的应用

详细阐述了蜜蜂算法的优化原理及实现方法,并对算法的求解速度和全局寻优能力进行详细讨论。在此基础上,以国内广泛开展的复杂高维、非线性、多约束水库中长期优化调度问题为例,同时应用蜜蜂、基本粒子群、退火粒子群和交叉粒子群四种现代群智能优化算法进行分别求解。应用情况的对比分析表明,蜜蜂算法具有比上述其它几种算法更快的求解速度和全局寻优能力。此外,论文的研究成果也为水电站中长期发电优化调度问题提供了一种新的求解途径。     

基于文化基因算法的梯级电站负荷分配研究

为了解决传统基于种群进化的搜索算法求解电站负荷分配中搜索精度低、易陷入局部最优的问题,结合文化基因算法的框架,以粒子群算法(PSO)作为全局搜索策略,分别引入爬山算法(HP)与模拟退火算法(SA)作为局部搜索策略,形成HPMA、SPMA两种文化基因算法。设计了相应的局部搜索激活机制,并针对负荷分配问题初始可行解生成效率低的问题提出了一种初始种群快速生成方法。实例计算表明,两种文化基因算法较单独使用SA、PSO等算法具有更好的求解精度,同时SPMA算法优于HPMA算法,SPMA算法有利于提高了梯级水电站负荷分配问题的求解质量。     

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.     

减轻梯级水电站群出力受阻的最优调度方式研究

所提出的出力受阻研究思路为：（1）水电站出力过程首先要符合电力系统的负荷需要，尤其是尖峰时段的需要，这时的出力受阻的控制特别关键，而非尖峰时段系统对出力受阴的承受能力相对较大；（2）联系紧密的梯级水电站群的出力受阻要统一考虑；（3）应全面考虑电力负荷、电站及其综合利用等，从梯级水电站群联合日优化调度的角度研究。为此，建立了减轻梯级水电站群出力受阻的日优化调度模型。针对三峡梯级水电站群的分析计算结果表明，本文提出的方法和模型，即能够显著减轻梯级水电站的出力受阻，在负荷尖峰时增大出力，而且发电量没有明显减少。本项研究成果具有推广应用价值。     

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。     

梯级水电站水电联合优化调度系统

分析了梯级水电站水电联合优化调度技术,包括来水预报技术、计划调度技术、实时调度技术和电力市场水电调度技术,说明了这些技术的现状和发展方向,并提出相应的计算机系统设计的主要目标和结构要点.     

龙溪河梯级水电站水库优化调度的研究及其应用

介绍了龙溪河梯级水电站水库开展优化调度研究的意义、内容、方法和预期效益。通过实际的预报调度应用,节水增发电量和节能减排效益明显。