基于量子蚁群优化算法的梯级水电系统经济调度

将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法(QACOA),用于梯级水电系统经济调度研究中,以系统在调度期内实发电能和储蓄电能最大为准则构造优化目标函数。QACOA融入了量子计算理论的叠加态和概率表达特性,以量子态为基本信息单元,将量子比特的概率幅用于蚂蚁位置的编码,利用量子旋转门实现蚁群位置的更新,达到了比常规蚁群优化算法更好的优化效果。运用QACOA对梯级水电系统经济调度进行仿真,结果表明QACOA使调度期内实发电能和储蓄电能得到了明显提高。     

基于遗传算法的梯级小水电优化运行研究

优化调度是一个典型的多阶段决策过程 ,其目的是以梯级电站在调度周期内发电量最大为目标 ,在保证大坝安全的前提下确定水库的最优放水决策。介绍采用浮点数编码的遗传算法对浙江安地水库梯级电站进行优化计算 ,通过和常规调度结果比较 ,说明了该算法的有效性及优化运行的优越性     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法,但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制,随机性和规律性使它具有丰富的时空动态。对二者互补地结合作了试探分析,典型函数测试结果表明,混沌优化与量子遗传算法相结合的全局寻优效果更佳。     

梯级水电系统组合优化调度方法研究

文章提出两种基于Ｌａｇｒａｎｇｅ松驰技术的梯级水电系统优化调度算法,能够综合处理离散运行区间,最小启停机时间等离散约束、水库间的水力耦合网络约束以及水头影响。基于实际系统数据的数值仿真,表明了该算法的有效性和实用性。     

基于梯级水电调节的多能联合发电系统短期优化调度

“碳中和”背景下,以新能源为主体的新型电力系统正在大力建设,而化石型调节电源占比的降低给大规模新能源消纳带来了严峻挑战。为此,提出了基于梯级水电调节的多能联合发电系统优化调度模型,以减小因新能源的接入而给电网带来的功率波动冲击,并缓解电网调节资源配备压力。该日前调度模型以梯级水电平抑新能源接入后的负荷波动最小和系统综合成本最低为双重目标。针对模型中高维复杂约束问题,提出了一种改进的NSGA-II算法。该算法对选择策略中设定的比例因子进行了改进,并将正态分布算子引入交叉过程,以保证种群的多样性并提升算法在空间上的搜索能力。仿真结果表明所提模型能利用梯级水电有效平抑新能源入网波动,并兼顾多能发电系统综合经济效益。通过比较各种算法的结果,改进NSGA-II算法帕累托解的质量更优,且分布更均匀。     

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入“早熟”。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE 6和IEEE 30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。     

改进量子遗传算法在无功优化中的应用

提出了一种基于改进量子遗传算法的电力系统无功优化方法。采用量子比特对控制量进行编码,通过改进量子旋转门来提升寻优质量,它能够自适应地计算旋转角度,提高全局的搜索能力,缩减搜索代数,加快搜索速度,同时避免陷入局部最优,通过采用IEEE14节点和IEEE30节点进行验证,结果表明其效果良好。     

梯级水电群联合调峰调能研究

以梯级水电联合调峰调能模型为研究工具[15],以金沙江下游和长江上游六大梯级水电为研究对象,本文分别研究了梯级水电群联合调节大区电网和支撑新能源并网的调节能力及效率问题.假设梯级针对华中电网完全调峰,葛洲坝和向家坝作为三峡和金沙江下游四梯级的反调节水库,研究初步表明:①上述梯级在满足运行约束条件和航运水流稳定的前提下具有很大的调节能力,并能吸纳大规模的间歇性新能源.②在800kV特高压直流输电技术支撑下,远距离水电站群承担大型电网调峰调能是比较经济和高效的.     

短期梯级水电优化调度的逐次逼近法

受到水电站的出库流量的影响,梯级水电站间的水流滞时是动态变化的,如果将水流滞时作为常数考虑,会导致水电优化调度结果的偏差。将水流滞时表示成电站出库流量的函数形式,建立了考虑动态水流滞时的短期梯级水电优化调度模型。动态水流滞的引入,使得短期梯级水电优化调度中的优化变量在大小和时间两个维度上变化,采用常规算法直接求解困难。针对所建立模型的特点,提出了结合逐次逼近法和混合整数线性规划法的求解方案,以逐次逼近法构造了逐步逼近精确水流滞时的迭代流程,迭代流程中每次迭代为一个常规短期梯级水电优化调度问题,采用混合整数线性规划法进行求解。一个两电站测试系统和某8水库的实际梯级水电系统的算例结果表明了所提出模型和方法能够有效提升梯级水电系统的经济效益。     

基于改进量子遗传算法的输电网规划方法

量子遗传算法是基于量子计算原理的概率优化方法,改进了动态调整量子旋转门策略,并结合量子交叉和量子变异操作,使算法具有更快的收敛速度和全局寻优能力。输电网规划是复杂的大规模非线性组合优化问题,提出了一种基于改进量子遗传算法的输电网规划模型。算例表明,该方法能够快速有效地获得全局经济最优的输电网规划方案。     

基于量子遗传算法的电网碳排放优化模型

针对电网企业在碳排放评估时忽略电能产生和传输过程的问题,引用比例分享碳排放模型对电网进行碳排放评估。在考虑经济性和安全性的前提下,引入网损的总碳排放率指标,建立了基于量子遗传算法(quantum genetic algorithm,QGA)的电网碳排放优化模型。该模型将目标函数值作为个体适应度值的评估依据,并通过量子旋转门对动作进行调整,最终选出最优个体和其相应的目标值。IEEE 39节点仿真实例表明QGA可更好地解决电网碳排放评估和优化等问题,且与传统遗传算法相比,QGA具有更好的适应性。     

改进量子遗传算法在无功优化中的应用

在传统的无功优化模型中引入静态电压稳定指标,建立以网损最小的优化模型.量子遗传算法(quantum genetic algorithm,QGA)将量子的态矢量引入遗传编码,将量子比特的几率幅表示应用于染色体的编码,实现染色体的演化,效果比常规遗传算法要好.常规量子算法中的量子门角度的选取决定着进化的速度和方向,也影响着最终的优化效果,本文提出一种改进的量子旋转门算法,它能够自适应地计算旋转角度,能够提高全局的搜索能力,缩减搜索代数,加快搜索速度,同时避免陷入局部最优,之后采用IEEE14节点和IEEE 30节点进行验证,取得了较好的效果.     

基于信息诱导遗传算法的梯级水电站自调度优化

借鉴信息素对昆虫群体协调行为的作用,建立信息素释放模型、信息素扩散模型、信息诱导模型和信息定向模型,提出信息诱导算子(Pheromone Induction Operator,PIO),并与改进遗传算法(Improved Genetic Algorithm,IGA)相结合,形成信息诱导遗传算法(Pheromone In...     

局部搜索量子遗传算法及其无功优化应用

针对量子遗传算法局部寻优能力差的不足,提出一种局部搜索量子遗传算法,用于电力系统无功优化.该方法将局部搜索引入到量子遗传算法中,先进行全局寻优,当全局寻优搜索到的最优解经过多次迭代没有变化时,在此解附近产生小的寻优区间,进行局部寻优,以使算法同时具有较强的全局和局部搜索能力.复杂测试函数和IEEE30节点测试系统的仿真实验表明,该方法在寻优能力、收敛速度和稳定性方面优于文献中的新量子遗传算法、进化规划等多种方法.     

基于量子粒子群优化算法的水电系统经济运行

首次将量子粒子群优化算法用于水电系统经济运行研究中。该算法是量子理论与粒子群算法的融合,在粒子编码过程中引入了量子的态矢量表达,并将量子比特的概率幅表示应用于粒子的编码,使得粒子可以表达为多个态的叠加;在粒子更新操作过程中,利用量子逻辑门实现了粒子的演化,具有比常规粒子群算法更好的目标优化性能。仿真结果证实该算法可有效解决水电机组经济运行问题。性能对比显示,该算法求得的解优于常规粒子群算法及其它优化算法所求得的解。     

改进量子遗传算法在输电网规划中的应用

输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法（GA）在求解输电网规划模型中存在收敛速度慢,容易陷入局部最优的不足,提出一种基于改进量子遗传算法（IQGA）的输电网规划方法。该算法在量子遗传算法（QGA）的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略,保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索,并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性,能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver-6节点系统进行规划仿真,实验结果表明,该方法全局寻优能力强并且收敛速度得到显著提高。     

三峡梯级和清江梯级水电站短期联合优化调度方法研究

针对清江高坝洲水电站下游水位流量关系受长江顶托影响和梯级水库间流量传播处理问题,建立三峡梯级和清江梯级水电站短期联合优化调度模型。根据实测资料构建受长江顶托的高坝洲水电站下游水位流量分段函数关系;采用相关分析法对梯级间实测数据进行率定,构建线性回归方程处理梯级间流量传播的计算。运用正弦轮盘赌选择算子的自适应遗传算法求解模型,克服单纯轮盘赌对适应度非负的要求。不同量级典型日流量过程模拟调度结果表明：三峡梯级和清江梯级联合调度效益增加明显。研究成果对未来三峡梯级与清江梯级水库群日发电计划的编制有借鉴意义。     

梯级水库优化调度中的矩形体遗传算法

传统遗传算法中染色体的编码形式一般为链条形,即不论采用二进制编码还是实数编码,可行解均以链条的形式表现,遗传操作也是在这种链式编码的基础上进行的。当决策变量增多,链条加长时,这种遗传算法的计算效率变得很低。此外,在梯级水库优化调度中,由于上、下游水库间存在的耦合关系,使得上游水库基因段中某一位基因的改变将连锁式地引发下游各水库基因段中相应基因的改变,这种连锁变化在链式编码中的实现是较复杂的。为此,本文提出了矩形体编码的遗传算法,它可以有效提高传统遗传算法在处理这类问题时的效率,并使优化结果得到提高。最后通过一个算例,说明了该方法的可行性与有效性。     

基于混沌进化算法的梯级水电系统短期发电计划

提出一种求解梯级水电系统短期发电计划问题的新方法－混沌杂交进化算法（CHEA）。该算法将混沌序列与进化算法有机结合在一起,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷,仿真计算结果表明,该方法可以求解具有复杂约束条件的非线性优化问题,算法求解精度高,收敛速度快,从而为水电系统的短期发电计划问题提供了一种有效的方法。