基于改进遗传算法与动态规划的输水泵站日优化调度

针对我国泵站因不合理调度而导致经济效益不高的问题,基于存在多管道系统的输水泵站,考虑峰谷电价的影响,以日运行费用最小为目标,构建了泵站日经济优化模型,并以蒙开个河库连通工程二级泵站为例,基于组合变异的改进遗传算法、动态规划法,对定速节流调节、变频调节两种调节方式进行泵站日优化调度。结果表明,改进遗传算法适用于泵站优化调度问题;同时发现当机组实际工况点偏离设计工况点较远时,采用变频调节经济效益更高。     

基于遗传算法的地表水取水泵站优化调度

针对我国地表水取水泵站运行效率不高、能源浪费等问题,基于地表水取水泵站优化调度模型,利用遗传算法以泵站运行总功率最小为目标函数编写泵站优化调度程序,分别计算北方某水库地表水处于最低水位不同日供水量、常水位不同日供水量的系统工况下泵站运行功率。结果表明,地表水常水位运行情况下比日常运行方案节能3.8%。可见遗传算法编写的泵站优化程序有效可行。     

M市供水泵站优化调度模型及应用

为降低城市供水泵站能耗、提高企业效益,以泵站运行费用最低为目标函数,建立泵站优化调度模型,使用遗传算法求解最优的水泵运行组合,在满足供水量与供水压力的前提下,使水泵均运行在高效段内,减少了能量浪费,并以M市供水系统为例测试了泵站优化调度模型,利用泵站优化调度程序优化了A、B水厂泵站的运行情况,并对比优化能耗与原运行状况的实际能耗。结果表明,A水厂节能效果不明显,B水厂节约能耗约为27.08%,两座水厂的总能耗低于优化前的能耗,节能约14.02%。泵站优化调度理论及其优化方案可在减少供水企业运营成本、提升供水企业服务和管理水平、改善管网水力条件等各方面发挥重要作用。     

基于BP神经网络与遗传算法风电场超短期风速预测优化研究

风速预测对于风力发电并网调度至关重要。基于BP神经网络建立了风速预测模型,并从BP算法及遗传算法自身特点出发,针对BP网络结构确定困难、收敛速度慢等问题,提出创建多种群遗传算法,实现对BP神经网络的结构和权值初始值的同步优化。通过具体算例表明,经优化后的BP算法的收敛步数和计算时间明显减少,预测精度更高,网络整体性能有了显著提高。     

T市供水泵站优化运行调度

为解决我国城市供水泵站运行效率不高、能源浪费等问题,以离心泵机组能耗最小为目标函数,建立了计及变频器和电机损耗的城市供水泵站优化调度模型,运用寻优能力较强的人工电场算法(AEFA)求解最优的水泵运行组合,在满足用户用水需求的基础上,使水泵运行在高效区内,降低水泵运行中的能量浪费,并以T市供水泵站为例,按时段对其进行优化...     

基于改进遗传算法的水库群防洪优化调度

为解决标准遗传算法(SGA)在处理高维复杂问题中寻优能力不足、计算时间过长、易早熟的问题,首先改进映射规则,仅选择部分决策变量进行编码,采取新的映射规则将其解码映射至解空间,实现高维问题的降维;其次使用针对不同约束条件的自适应罚函数对算法收敛性进行改进;最后以北方某流域并联水库防洪调度为例,建立防洪优化调度模型,并运用改进遗传算法进行求解。结果表明,该方法在解决高维复杂水库群防洪优化调度问题时具有求解速度快、寻优结果好的优点,有一定的实用性。     

基于遗传算法优化BP神经网络的垃圾焚烧炉结渣预测模型

利用遗传算法优化BP神经网络的初始权值和阈值,建立了垃圾焚烧炉对流受热面积灰结渣BP网络预测诊断模型。将建立起的BP网络模型应用于某焚烧处理生活垃圾量520t/d的发电厂机组,经过训练后的BP网络模型对检验样本的焓差进行仿真预测,优化前的平均相对误差为2.579%,优化后的平均相对误差为0.426%,表明经遗传算法优化后的BP神经网络更能准确地预测锅炉对流受热面的结渣状况,从而为优化吹灰提供指导,具有重要的实用价值。     

梯级泵站优化运行调度分析

在多级提水系统中,各级泵站之间有关系密切的水力联系,各站的流量,水位互相影响,制约整个提水系统的运行。除了各级站本身内部机组优化运行以外,主要是各级泵站水力要素的优化组合与调配。     

泵站日优化运行调度研究

针对泵站的实际运行情况，在给定泵站日抽水总量的条件下，采用动态规划的方法将总抽水量分配至各个时段和各台机组。实例结果表明，与泵站实际调度方案相比，应用该方法计算得到的优化调度方案，可使泵站的经济效益得到明显提高。     

遗传算法优化BP神经网络在求解水文地质参数中的应用

针对BP神经网络算法收敛速度慢、遗传算法搜索速度慢,两者单独求取水文地质参数效果不佳,结合两种算法的优点,采用遗传算法优化的BP神经网络方法求解水文地质参数,提高了运算速度和结果的准确性。以某抽水井为例,对比四种常见方法与本文算法的计算误差,结果显示采用遗传算法优化的BP神经网络方法求解水文地质参数误差最小,求参结果更为可靠。     

基于遗传算法-BP神经网络法的深埋地下水水质评价

为探究开封市地下水水质特征及成因,依据开封市31眼深度600～1 600m地下水开采井的水质检测资料,系统研究了各亚含水层的水化学特征,利用遗传算法-BP神经网络法进行了水质评价,并从埋深、富水性两个方面分析了水质特征的分布规律。结果表明,开封市600～800m亚含水层地下水水质最好,800～1 400m次之,1 400～1 600m亚含水层水质最差,随着埋深的增加,水质变差,富水性越强、水质越好。可见遗传算法-BP神经网络法能够客观地描述地下水水质综合情况,避免了人为主观影响,使评价结果更为合理。     

改进遗传算法在梯级电站日优化运行中的应用

针对基本遗传算法存在求解精度与收敛速度间的矛盾，研究了一种新的改进自适应遗传算法（IAGA），并用于求解梯级电站日优化调度问题，基于提出的评价种群“早熟”程度新指标，自适应调整遗传算法法的交叉概率和变异概率，同时依据当前最优个体解码所对应调度方案对约束条件的违反量，动态调整相应的惩罚系数，使调度方案获得期望的约束程度，仿真结果验证了算法的有效性和可靠性。     

改进粒子群算法在梯级水电站优化调度研究中的应用

针对梯级电站优化调度具有多阶段、非线性和组合性的特点,采用改进粒子群算法来求解。针对目前采用的基本粒子群算法在求解时存在易陷入局部最优和早熟的缺点,改进粒子群算法以混沌变量生成机制来增加种群的多样性,以逐步优化和随机生成相结合的方法生成初始种群,以增加粒子生成的有效性。实例计算结果表明,改进粒子群算法可以取得较好的效果,并为梯级电站优化调度提供了一种有效的方法。     

基于水循环算法的梯级水电站短期优化调度

鉴于梯级水电站优化运行的高复杂度、强非线性、多约束等特点,构建了基于峰谷分时电价下的梯级水电站日最大发电效益模型。针对遗传算法(GA)等传统智能算法对复杂模型求解易陷入局部最优的问题,提出一种水循环算法(WCA)与水位廊道约束耦合、降低约束复杂度、规范寻优空间的方法,并以湖北某梯级短期优化调度为背景进行建模仿真,将计算结果分别与GA和粒子群算法(PSO)所得结果进行比较。实例研究表明,WCA计算的总效益在丰、平、枯典型日分别比GA和PSO计算值约高5.65%、3.15%、0.80%,迭代收敛速度更快,求解能力更强,为解决梯级水电站优化调度问题提供了新思路。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

基于小波神经网络替代模型的抽水井涌水量计算方法

影响抽水井涌水量的水文地质因素多且存在不确定性,采用确定性模型模拟会导致较大的误差。以某研究区抽水井涌水量为依据,建立该地区地下水不确定性数值模型。采用参数敏感性分析确定对抽水井涌水量影响较大的水文地质参数,随后用改进的随机进化算法在参数取值范围内抽样,最后将抽样参数输入地下水数值模型中计算抽水井涌水量。根据输入、输出数据集建立小波神经网络模型代替地下水数值模型。研究结果表明,不同工况下基于小波神经网络替代模型计算结果与数值模拟结果相差不大,两者误差在10%以内,表明用小波神经网络替代模型满足精度要求,且避免了传统数值模型的反复试算,计算简便、效率高,且因其可公式化,扩大了在推求地下水抽水井涌水量方面的应用。     

基于RBF神经网络的梯级电站优化调度规则研究

由于天然径流的随机性使梯级水电站基于确定性来水的优化调度结果难以直接指导实际生产,采用RBF神经网络法研究梯级电站优化调度规则,以梯级电站长系列优化调度结果为依据,建立基于RBF神经网络的调度函数模型,将其应用于大渡河下游梯级电站的联合调度运行,并与基于BP神经网络的调度函数模型进行综合对比。结果表明,RBF神经网络模型能更准确地映射优化调度过程中各变量间的数值关系,提升了调度函数的拟合精度,可更好地指导梯级电站的实际运行。