基于改进粒子群优化算法的水库生态优化调度研究

文中对传统粒子群算法进行改进,提高其优化算法的收敛度,并结合改进粒子群算法对观音阁水库生态调度进行优化计算。研究结果表明,采用改进粒子群算法的水库生态调度优化求解精度得到明显改善,不同月份观音阁水库下游河道最小和适宜生态径流满足度相比于改进前显著提高。研究成果对于水库生态优化调度算法具有重要参考价值。     

水库发电优化调度改进粒子群算法应用

为进一步提升粒子群算法在水库发电调度中的应用效果，应用粒子群算法建立水库发电优化调度模型，从初始种群生成、寻优模式、更新策略等方面对算法进行改进，将均匀设计理念和混沌理念分别引入粒子群算法并对惯性权重进行了非线性自适应设计。计算结果与标准粒子群算法以及传统的动态规划进行了对比。结果表明，粒子群及其改进算法在水库发电优化调度中应用效果良好，综合考虑算法收敛能力、稳定性及计算耗时等指标，改进粒子群算法具有较高的实用价值。     

基于改进粒子群算法的水库优化调度研究

在分析以往水库优化调度模型优缺点的基础上,提出了基于动态调节惯性权重的粒子群优化方法的水库优化调度模型,对基本粒子群算法进行了改进。改进的算法通过时变权重的设置来实现,从而克服了PSO搜索精度不高,易陷入局部最优的缺点,并通过引入罚函数解决强约束问题。以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析,实例计算表明:改进PSO算法原理简单,易于编程实现,而且占用计算机内存小,收敛速度快,搜索效率高,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

基于改进粒子群算法的水库优化调度研究

对粒子群优化算法易陷入局部最优的缺点作了改进,提出了一种带有扰动项的改进的粒子群优化算法,并将其应用于水电站水库优化调度中。实例计算证明,改进后的粒子群优化算法具有较好的全局搜索能力,能够有效克服陷入局部最优的缺点,是水库优化调度比较有效的方法。     

基于改进粒子群算法的水库优化调度研究与应用

建立了九甸峡水库优化调度模型进行实例分析,并应用改进粒子群优化算法(MPSO)对模型求解。经计算,对于中水年情况,九甸峡水库可满足上下游需水要求,并可比原设计情况多发电0.72亿kW.h,比经典动态规划法多发电0.07亿kW.h,从而验证了改进粒子群算法对九甸峡水库优化调度模型的合理性和优越性。     

基于粒子群算法的水库优化调度模型

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中.该算法通过个体间的协作与竞争.实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点.将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果.     

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。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性、不易求解的特点,在粒子群算法（PSO）的进化机制中引入文化算法（CA）,利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法（PSO-CA）。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的“早熟”现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性和不易求解的特点,在粒子群算法(PSO)的进化机制中引入文化算法(CA),利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法(PSO-CA)。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的"早熟"现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。     

粒子群算法在水库(群)优化调度研究中的应用综述

简要介绍粒子群算法的工作原理和水库(群)优化调度模型,然后较全面地阐述粒子群算法在水库(群)优化调度中的应用及存在的问题,最后总结了算法的各种改进,并对粒子群算法在水库(群)中的研究进行了展望。     

基于改进多目标粒子群算法的平原坡水区水资源优化调度EI北大核心CSCD

在分析平原坡水区水资源优化调度特点的基础上,构建了协调泵站提水量和受水区缺水量两个目标的优化调度模型。针对传统粒子群算法存在的容易陷入局部极值点、早熟等缺点,从惯性因子及学习因子选择、外部档案维护和全局最优选取策略3个方面进行改进,对比改进多目标粒子群算法与传统NSGA-Ⅱ算法在求解测试函数中的表现,验证改进算法的可行性和优越性。对宿迁市黄河故道及以南地区水资源优化调度进行实例研究,采用改进算法求解模型得到Pareto前沿,结果显示,两个目标函数值分布范围较广,且各频率来水调度方案集在空间中分布均匀。     

Improved particle swarm optimization algorithm for multi-reservoir system operation

In this paper, a hybrid improved particle swarm optimization (IPSO) algorithm isproposed for the optimization of hydroelectric power scheduling in multi-reservoir systems. The conventional particle swarm optimization (PSO) algorithm is improved in two ways: (1) The linearly decreasing inertia weight coefficient (LDIWC) is replaced by a self-adaptive exponential inertia weight coefficient (SEIWC), which could make the PSO algorithm more balanceable and more effective in both global and local searches. (2) The crossover and mutation idea inspired by the genetic algorithm (GA) is imported into the particle updating method to enhance the diversity of populations. The potential ability of IPSO in nonlinear numerical function optimization was first tested with three classical benchmark functions. Then, a long-term multi-reservoir system operation model based on IPSO was designed and a case study was carried out in the Minjiang Basin in China,where there is a power system consisting of 26 hydroelectric power plants. The scheduling results of the IPSO algorithm were found to outperform PSO and to be comparable with the results of the dynamic programming successive approximation (DPSA) algorithm.     

基于改进粒子群优化算法的区域水量水质联合配置模型EI北大核心CSCD

综合考虑区域水资源水量和水质两个因素,以供水净效益最大、区域总缺水量最小、COD排放量最小为目标建立区域水量水质联合配置多目标模型;为提高算法的计算精度和全局寻优能力,对粒子群优化算法进行了改进并用于模型求解。将模型用于江苏省靖江市水资源配置研究,结果表明:基本方案和节水方案下的用水总量和COD排放量均在其限值范围内,节水方案下供水净效益比基本方案低3.0亿元,缺水量和COD排放量分别比基本方案低1290万m^(3)、1062.7 t,说明得出的配置方案合理可行。在节水方案下进行区域水资源配置,在缓解区域缺水状况的同时,能够有效减少COD排放量,可为解决区域水质型缺水问题提供决策参考。     

改进的粒子群算法在水库优化调度中应用

针对水库优化调度中存在的规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟等问题。为了提高粒子群算法全局搜索能力和收敛性能,把下山搜索策略引入到粒子群智能算法中,提出了改进的粒子群算法。函数测试证明该方法改进了算法的鲁棒性,提高了算法求解效率。上述优化算法应用于水库优化调度模型求解中,计算结果表明:该方法易于实现,求解效率高,为水库优化调度模型求解提供了新的途径。     

基于粒子群算法的风电——抽水蓄能联合运行优化研究

从提高风电场效益与供电可靠性的角度出发,建立了风电—抽水蓄能电站联合运行系统的优化模型。利用混沌初始化与混沌扰动的思想对基本粒子群优化算法进行了改进,并对模型进行了求解。运用算例验证了计算方法的正确性,证明了风电—抽水蓄能电站的联合运行,能够提高风电场的收益和供电可靠性,有效缓解了风力发电的随机性和间歇性难题。     

Multi-objective reservoir operation using particle swarm optimization with adaptive random inertia weights

Based on conventional particle swarm optimization(PSO), this paper presents an efficient and reliable heuristic approach using PSO with an adaptive random inertia weight(ARIW) strategy, referred to as the ARIW-PSO algorithm, to build a multi-objective optimization model for reservoir operation. Using the triangular probability density function, the inertia weight is randomly generated, and the probability density function is automatically adjusted to make the inertia weight generally greater in the initial stage of evolution, which is suitable for global searches. In the evolution process, the inertia weight gradually decreases, which is beneficial to local searches. The performance of the ARIWPSO algorithm was investigated with some classical test functions, and the results were compared with those of the genetic algorithm(GA), the conventional PSO, and other improved PSO methods. Then, the ARIW-PSO algorithm was applied to multi-objective optimal dispatch of the Panjiakou Reservoir and multi-objective flood control operation of a reservoir group on the Luanhe River in China, including the Panjiakou Reservoir, Daheiting Reservoir, and Taolinkou Reservoir. The validity of the multi-objective optimization model for multi-reservoir systems based on the ARIW-PSO algorithm was verified.     

基于分段粒子群算法的梯级水库多目标优化调度模型研究

提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。     

基于改进多目标粒子群算法的南水北调东线江苏段工程联合优化调度研究

针对南水北调东线江苏段工程优化调度问题,构建协调系统缺水量和抽江水量两目标的联合优化调度模型,研发基于改进多目标粒子群算法的模型求解方法,建立组合赋权-TOPISIS方法进行多属性决策方法,形成基于"两线-三湖-四水源-六区间"的水资源调配空间格局,提出以大型泵站工程为核心的骨干枢纽联合调度方案。在50%、75%和95%来水条件下,经优化调度后受水区缺水量与常规调度相比分别降低了10.2×10~8m~3、16.4×10~8m~3、7.1×10~8m~3,系统抽江水量分别减少了17.4×10~8m~3、14.8×10~8m~3和12.2×10~8m~3。该方案可有效提高供水保障水平,充分发挥三大湖泊的调蓄能力,降低系统运行成本,具有显著的社会、经济等综合效益。     

基于改进粒子群优化算法的施工期拱坝结构性态反演分析

针对施工期拱坝坝体变形的特点,建立了施工期拱坝坝体变形特殊安全监控模型,对坝体变形中的水压分量进行提取。采用改进的粒子群优化算法对拱坝反问题最优控制解模型进行优化计算,以此完成施工期拱坝结构性态的反演分析。以某拱坝为例,对该拱坝施工期的结构性态进行反演分析。结果表明,坝体变形反演的相对误差均在2%以内,由此验证了所提出方法的可行性。