基于混沌优化算法的梯级水电站水库优化调度

建立一种梯级水电站中长期水库优化调度模型,利用混沌优化算法对梯级水电站中长期水库调度问题进行优化计算.实例计算结果表明,该算法可求解复杂约束条件的非线性梯级水电站水库优化调度问题,精度高、收敛速度快,为求解梯级水电站水库优化调度提供了一种有效算法.     

水库防洪调度规则的参数优化研究

针对水库运用常规防洪调度进行洪水调度时,因对规则的合理性描述不足而限制了其应用的问题,根据水库不同防洪对象的精细程度要求,结合预见期内水库预报最大洪水和实时水位,拟定分级防洪预报调度规则,建立带有惩罚机制的防洪调度规则参数优化模型,并提出改进遗传算法求解该模型,即通过混沌算法、混沌变异操作与适应度差值进化改善初始种群质量、提高算法局部与全局搜索能力,实现参数控制的防洪预报调度规则。实例应用表明,综合改进遗传算法较其他遗传算法优化性能有一定提高,防洪预报调度优化规则的调度结果优于常规调度规则,为防洪调度规则的合理应用提供了一种有效方法。     

流域梯级水库防洪优化调度数学模型及PSODP解法

根据最大削峰准则,建立流域梯级水库防洪优化调度数学模型,采用马斯京根方程模拟梯级水库间洪水流动。引入粒子群优化(PSO)与死亡罚函数相结合的混合算法PSODP求解模型。实例计算表明,模型不仅有效地减小了整个流域梯级水库的洪灾损失风险,而且提高了流域梯级水电站的经济效益,同时验证了PSODP算法是可行、有效的,是求解此类问题的一种新的高效计算方法。     

基于粒子群算法的水电站中长期优化调度研究

以洪家渡水电站为例,探讨了粒子群算法在水电站中长期优化调度的应用方法及效果。实例计算结果表明,该算法可以求解复杂约束条件的非线性水库优化调度,精度高、收敛速度快,为解决水电站中长期优化调度问题提供了一种有效的方法。     

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。     

基于逐步优化算法的水库防洪优化调度模型研究

建立了逐步优化算法(POA)水库防洪优化调度模型,并嵌入分段试算法以求出有效POA初始序列,对水库防洪调度进行研究,得出合理的优化调度方案,有效利用了防洪库容拦蓄洪水、削减洪峰、补偿调节、减免洪水灾害,以充分发挥水库的综合效益.     

基于改进多目标蝙蝠算法的洛河流域水库优化调度

为了发挥水资源综合利用的最大效益,实现水库发电和供水效益双赢的优化调度需求,以水库发电量最大和水库下游用水区域总缺水量最小为目标建立了多目标优化调度模型。同时,提出改进多目标蝙蝠算法(IMOBA)用于求解多目标优化调度模型,该算法引入外部精英蝙蝠集EBS()来存储算法寻优过程中的非劣解,设计一种基于混沌原理的脉冲发射率生成机制来增强算法的搜索能力,并加入变异操作以提高算法的种群多样性。将改进多目标蝙蝠算法应用在洛河流域故县水库,得到丰、平、枯三种典型年下的故县水库调度方案集。结果表明,IMOBA算法合理有效且优于多目标蝙蝠算法(MOBA),能较好地反映洛河流域故县水库的发电和供水要求。同时验证了多目标优化调度模型的可行性,为流域水库多目标优化调度方案的制定提供了新途径。     

改进POA算法在流域防洪优化调度中的应用

针对流域防洪优化调度问题,采用多维逐步优化算法,基于最大削峰准则下的最优决策,提出了两阶段逐步优化算法.实例结果表明,两阶段算法能较好克服单阶段算法不利解问题,并通过对第一阶段求解结果进一步优化,提高了防洪决策的合理性与可操作性,为流域水库群防洪实时优化调度提供了有效途径.     

基于三阶段逐步优化算法的三峡水库水沙联合优化调度研究

针对水沙联合优化调度多目标、高维、难以求解以及泥沙淤积计算具有后效性的问题,以泥沙淤积量为基本目标、发电量为约束目标,利用约束法将多目标水沙联合优化调度模型转化为单目标模型,并采用三阶段逐步优化算法进行求解。以三峡水库水沙联合优化调度为例,获得了满意的水库发电与泥沙淤积的非劣解集及水库非劣运用过程,验证了所建立模型及提出的求解方法的合理性和有效性。     

尼尔基水库洪水调度方案研究

针对尼尔基水库初步设计阶段的防洪调度方案存在的问题,考虑水库工程完工、投入正常调度运用的现实需要,研究了与洪水预报方案水平相适应的、可在实时洪水调度中实施的洪水调度方案,基于现有的洪水预报方案及其精度,研究了尼尔基水库的洪水调度方式及其判别指标,确定了洪水调度方案的基本框架,并采用粒子群优化算法优化计算了泄量参数.结果表明,该方案确保了水库自身的防洪安全,基本完成了水库规定的防洪任务,可用于尼尔基水库运用初期洪水调度.     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

基于DNA算法的电力系统无功优化

针对DNA算法具有遍历性、随机性和规律性的特点,介绍了DNA算法的机理和应用,并讨论了DNA计算在解决电力系统无功优化问题中的应用.通过对IEEE30节点的仿真计算,证明了该算法的可行性和有效性.     

基于粒子群破环的主动配电网故障重构协同优化

针对主动配电网新能源接入时对故障自愈稳定性和节能优化运行的多重要求,文章提出一种粒子群“破环”的优化算法,以实现故障自愈过程中新能源接入承载力与线损协同的优化方案。首先给出配电网自愈重构的约束条件和优化目标函数,采用Floyd算法搜寻配电网的最小环结构,并采用一种改进的“破环”粒子群优化算法对故障自愈重构进行优化。最后通过与传统的粒子群优化算法的对比仿真,证实研究算法的寻优能力与收敛速度,可为主动配电网故障重构提供理论依据。     

Thermodynamic and Economic Optimization of Plate Fin Heat Exchangers Using the Bees Algorithm

This study presents the successful application of the bees algorithm (BA) for optimal design of a cross‐flow plate fin heat exchanger by offset strip fins. The ε – NTU method is used to approximate the heat exchanger effectiveness and pressure drop. Two different objective functions including the minimization of total annual cost (sum of investment and operational costs) and total number of entropy generation units for certain heat duty required under given space constraints are considered as targets of optimization separately. Based on the applications, seven design parameters (heat exchanger length at hot and cold sides, fin height, fin frequency, fin thickness, fin‐strip length, and number of hot side layers) are selected as optimization variables. Two examples from the literature are presented to illustrate the efficiency and accuracy of the proposed algorithm. Results showed that the BA can detect an optimum configuration with higher speed (short computational time) and accuracy compared to the imperialist competitive algorithm (ICA) and the genetic algorithm (GA). © 2013 Wiley Periodicals, Inc. Heat Trans Asian Res, 43(5): 427–446, 2014; Published online 3 October 2013 in Wiley Online Library ( wileyonlinelibrary.com/journal/htj ). DOI 10.1002/htj.21087     

AMALGAM算法在HBV模型参数优化中的应用

针对种群数量众多且参数率定耗时的情况,对比分析了AMALGAM算法与非支配排序遗传算法(NSGA-Ⅱ)的收敛性能,利用尼泊尔巴格玛蒂河流域2005~2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用AMALGAM算法对模型参数进行优化,得出Pareto协调最优解,并利用2012年5场洪水日径流过程进行模型检验。结果表明,AMALGAM算法较NSGA-Ⅱ算法能够更快地得到协调最优解且解的质量较好,拟合历史洪水平均确定性系数达0.84,预报精度较高,表明AMALGAM优化算法在解决多参数多目标优化问题中具有优势。     

基于遗传算法的轴流式叶片全三维优化设计

本文提出了一种结合全三维反问题计算与遗传算法优化的轴流式水轮机转轮设计方法。即在对轴流式水轮机转轮叶片进行全三维反问题设计的基础上,然后以平面叶栅表面边界层中的流动损失最小和翼型气蚀系数最低为目标,小生境遗传算法进一步对转轮叶片进行优化以得到更为理想的转轮叶片。由于此方法结合了全三维反问题方法对有厚度叶片计算的准确性,以及遗传算法对解决多目标优化问题全局搜索的准确性,可以得到比较理想的转轮叶片。     

遗传算法和Rosenbrock法在水文预报汇流参数优选中的比较研究

将遗传算法和Rosenbrock法应用于陕西石头河水库流域，并对优选结果进行了比较研究。研究表明，只要初值选择得当，无论采用何种方法来优选三水源新安江模型中的6个参数，均可获得相近的结果和相同的预报合格率，但从使用方便的角度看，遗传算法优于Rosenbrock法。     

基于改进杂草算法优化的神经网络模型在径流预报中的应用

针对BP神经网络在径流预报中易陷入局部最优解的缺陷及智能优化算法的优势,引入改进的杂草算法优化神经网络权值和阈值,将传统的杂草算法个体以正态分布空间扩散的方式改进为混合种群多种分布的方式产生子代个体。以金沙江流域中长期径流预报为例,将改进杂草算法优化的神经网络模型的径流预报结果与传统的BP神经网络和基于遗传算法优化的神经网络模型的预报结果进行对比。结果表明,改进杂草算法优化的神经网络应用到金沙江流域的径流预报精度较高,模型收敛更快,结果更加稳定,在实际预测中合理可行,具有一定的应用优势。研究成果为径流预报提供了新思路。     

楼宇型分布式能源系统设备容量和运行策略优化研究

设备容量优化和运行策略优化是分布式能源系统设计,运行的关键问题。为实现分布式能源系统的经济效益,能效水平和环境效益最大化,针对楼宇型分布式能源系统建立了相对普适化的物理模型和数学模型,以粒子群优化算法和线性规划相结合,采用两阶段优化方法计算系统的最优容量配置,并给出运行策略。以某写字楼的分布式能源系统为例,得到最优的系统设备容量和全年逐时运行策略,并采用遍历法验证计算结果的准确性。优化的分布式能源系统与传统供能系统相比,费用年值降低7.79%,年总能耗降低24.18%,污染物排放量减少了62.77 %。