自适应遗传算法在水库优化调度中的应用

本文提出了一种基于自适应遗传算法的水库优化调度问题的求解方法，并通过实例对自适应遗传算法和标准遗传算法的性能做了比较。结果表明，由于自适应遗传算法能够在进化过程中根据个体优劣和群体分散程度对遗传控制参数进行自动调整，可以较好地解决标准遗传算法在应用中遇到的收敛性差和容易早熟等问题。在进化相同代数条件下，自适应遗传算法能够在保持群体多样性的同时，加快收敛速度，其稳定性也优于标准遗传算法。遗     

遗传算法在乌鲁瓦提水库优化调度中的应用研究

以乌鲁瓦提水库为研究对象,利用遗传算法进行求解,建立了乌鲁瓦提水库以年发电量最大为目标并兼顾下游综合用水要求的单库优化调度模型,计算结果表明,该方法比常规方法能使水库更好的发挥其综合利用功能,为乌鲁瓦提水库的合理利用与管理提供了理论指导.     

模糊遗传算法在水库长期优化调度中的应用

传统遗传算法常采用罚函数法来处理优化问题中的约束条件,但存在较难选择罚函数的缺陷.将模糊技术与遗传算法结合起来,通过对目标函数、约束条件的模糊化来重构适应度函数,将原问题转变为一个无约束条件问题,从而使优化结果精度得到提高.进行实例计算,并通过与动态规划法进行比较,说明了该方法的可行性与有效性.     

基于廊道约束的水库调度图优化遗传算法

为解决水库常规调度图制作经验性强、未考虑水量和水头的最佳协调问题,对常规调度图中的调度线进行进一步优化。通过编码、迭代和数学评价指标建立了调度图逐线寻优方法,以解决调度图优化中多线、多时段导致的高维问题;通过小可行域迭代计算,建立基于廊道约束的遗传算法,减少了调度图优化的工作量,缓解了调度线形态畸变问题。实例模拟表明,对于年保证率允许降低的电站,通过适当降低年保证率,可以提高多年平均发电量。     

基于遗传算法的水库调度策略研究

在水库运行中,选择适当的方法来推导水库运行策略是极其重要的。利用遗传算法优化北疆工程水库的运行模式,推导出水库优化运行规律;采用遗传算法模型的适应度函数使月灌溉需求的平方偏差和质量平衡方程的平方偏差最小;决策变量为每月从水库中灌溉的释放量和每月初水库的初始蓄水量;该优化考虑多种情况的约束和限制。研究结果表明,若要灌溉量等于灌溉需求,需要在7月份时达到最小蓄水量,在10月份时达到最大蓄水量,这样既满足了灌溉需求,又减少了全年调度过程中的水量损失。研究结果可为水库调度的实际应用中发挥作用。     

基于逐次逼近遗传算法的梯级水库优化调度

利用传统遗传算法求解水库优化调度问题时,经过遗传操作产生的新个体可能是不可行解,因此需要对其进行修正.但在梯级水库调度中,由于各时段间、水库间存在的水力电力联系,使这种修正变得复杂困难.鉴于此,提出了逐次逼近遗传算法(GASA),它可在包含不可行解的空间中寻优,并通过搜索空间的不断改变,逐渐逼近最优解.最后通过一个算例,并与离散微分动态规划法(DDDP)和逐步优化法(POA)的优化结果进行比较,说明了该方法的可行性与有效性.     

不同径流下水库优化调度结果的比较分析

为了了解入库径流变化时水库优化调度的决策如何变化，探讨不同的径流过程优化调度结果的共同点，根据某实例的丰、平、枯水年的典型径流，用改进遗传算法进行水库优化调度仿真计算，对计算结果进行了分析比较，其结果对水库在径流不确定的条件下实现优化调度有一定的指导意义。     

加速遗传算法在大桥水库电站优化调度中的应用研究

以四川省凉山州安宁河龙头水库大桥水库水电站为研究对象,利用加速遗传算法进行求解,首次建立了大桥水库电站以年发电量最大为目标并兼顾下游用水等要求的单库优化调度模型。计算结果表明,该方法能有效地克服标准遗传算法早熟收敛、计算量大、全局优化速度慢等缺点,能较好的应用于水库优化调度计算。同时,为进一步开展大桥水库水资源的合理利用与管理提供了理论指导。     

南水水库发电优化调度研究

遗传算法作为一种人工智能寻优技术,在许多领域得到了广泛的应用,该文的目的在于通过对北江流域南水水库发电优化调度的研究,探讨遗传算法在水电站优化调度中的应用。     

蜜蜂进化型遗传算法在水库优化调度中的应用

提出了一种基于蜜蜂进化型遗传算法的水库优化调度问题的求解方法,并通过实例对蜜蜂进化型遗传算法和标准遗传算法的性能做了比较.结果表明,在进化代数相同的条件下,由于蜜蜂进化型遗传算法在配种选择算子上使用种群的最优个体作为蜂王,提高了种群收敛速度;再者,在代进化过程中引入一个随机种群,保持了群体的多样性,提高了算法的勘测能力.     

改进的遗传算法在水库调度中的应用

为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度变异模块相结合的分层收敛算法:第一层采用广度变异和外部存档的方式改善种群的多样性;第二层嵌套广度变异模块,并采用自适应遗传算法进行全局搜索。通过比较自适应遗传算法和分层进化算法,结果显示:基于遗传算法的分层算法具有高效的全局搜索能力,避免了自适应遗传算法陷入局部最优的缺陷,在一定收敛条件下得到了更接近全局最优的目标值。     

遗传模拟退火和小生境遗传算法在水库优化调度中的比较

根据溪洛渡水库的具体情况,建立了以发电量最大为目标的水库优化调度非线性数学模型,并利用遗传模拟退火算法(GSA)和小生境遗传算法(NGA)分别求解模型.结果表明,GSA和NGA的收敛速度和计算结果都明显优于基本遗传算法;且两者相比,GSA的收敛性更强,但计算时间较长.而在求解水库长系列优化调度问题时,各遗传算法占用机时太多,且收敛能力较差.     

遗传算法在水库(群)优化调度研究中的应用综述

介绍了遗传算法在水库(群)优化调度中的应用背景及算法的收敛性,讨论了水库(群)优化调度中遗传算法的基本应用步骤以及存在的问题,给出了算法的各种改进方法,并对遗传算法的应用前景进行了展望.     

结合广度搜索的遗传算法在水库调度中的应用

为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度搜索算子结合的算法,同时为保证水库优化调度搜索全局最优提供了一定保障。针对遗传算法容易陷入局部最优的缺点,引入正弦函数取随机数的广度搜索与遗传算法相结合的算法。通过分析比较单独使用自适应遗传算法或者广度搜索算法以及结合算法在实际水库优化调度中效果,结果显示,优化结果要比自适应遗传算法以及广度算法的结果更理想。充分证明了结合算法的高效全局搜索能力,避免了自适应遗传算法陷入局部最优,同时在一定程度上克服了广度搜索很难收敛的缺点,在一定收敛条件下得到了更接近全局最优的结果。     

Optimal Reservoir Operation Using Multi-Objective Evolutionary Algorithm

This paper presents a Multi-objective Evolutionary Algorithm (MOEA) to derive a set of optimal operation policies for a multipurpose reservoir system. One of the main goals in multi-objective optimization is to find a set of well distributed optimal solutions along the Pareto front. Classical optimization methods often fail in attaining a good Pareto front. To overcome the drawbacks faced by the classical methods for Multi-objective Optimization Problems (MOOP), this study employs a population based search evolutionary algorithm namely Multi-objective Genetic Algorithm (MOGA) to generate a Pareto optimal set. The MOGA approach is applied to a realistic reservoir system, namely Bhadra Reservoir system, in India. The reservoir serves multiple purposes irrigation, hydropower generation and downstream water quality requirements. The results obtained using the proposed evolutionary algorithm is able to offer many alternative policies for the reservoir operator, giving flexibility to choose the best out of them. This study demonstrates the usefulness of MOGA for a real life multi-objective optimization problem.     

基于改进遗传算法的生态友好型水库调度

以锦屏梯级水库为案例,从系统工程论的角度出发,将梯级水库作为物理系统,以年发电量为目标函数,建立了梯级水库调度优化模型。为减少水库调度对河道生态系统的影响,在鱼类栖息地模拟的研究基础上,引入目标物种的生态需水过程对调度模型进行动态约束,并采用改进的遗传算法进行求解。研究得到了满足目标鱼类生态需水条件下发电量最大的梯级水库调度策略,并对生态流量满足程度与工程效益损失之间的定量响应关系进行了研究,提出了折中方案选择的基本原则。     

Optimal Operation of Hydropower Reservoir Systems Using Weed Optimization Algorithm

The optimal hydropower operation of reservoir systems is known as a complex nonlinear nonconvex optimization problem. This paper presents the application of invasive weed optimization (IWO) algorithm, which is a novel evolutionary algorithm inspired from colonizing weeds, for optimal operation of hydropower reservoir systems. The IWO algorithm is used to optimally solve the hydropower operation problems for both cases of single reservoir and multi reservoir systems, over short, medium and long term operation periods, and the results are compared with the existing results obtained by the two most commonly used evolutionary algorithms, namely, particle swam optimization (PSO) and genetic algorithm (GA). The results show that the IWO is more efficient and effective than PSO and GA for both single reservoir and multi reservoir hydropower operation problems.     

水库运行管理中优化调度的计算机算法研究

为了发挥江河水资源的更大效益、实现水库统筹兼顾与科学调度,开展水库调度管理研究,提高水库控制运用水平具有十分重要的意义.运用动态规划方法建立了莲花水库优化调度数学模型,并利用可视化编程进行了求解,最后与传统的时历调度方法结果进行了对比分析,结果表明:采用动态规划法简便、快捷,可以提高发电效率.     

Long-Term Stochastic Reservoir Operation Using a Noisy Genetic Algorithm

To deal with stochastic characteristics of inflow in reservoir operation, a noisy genetic algorithm (NGA), based on simple genetic algorithms (GAs), is proposed. Using operation of a single reservoir as an example, the results of NGA and Monte Carlo method which is another way to optimize stochastic reservoir operation were compared. It was found that the noisy GA was a better alternative than Monte Carlo method for stochastic reservoir operation.