基于改进搜索特性的粒子群算法的水电站优化调度研究

为了进一步提高水电站水库优化效果,减少弃水,提高水电站收益,本文以东风水电站为例,研究了粒子群算法的改进;改进了粒子自搜索、贪婪选择策略、优胜劣汰变异策略三项关键技术;并将改进的算法应用于水电站中长期优化调度。实例计算以基本粒子群算法、蜂群算法和提出的改进算法对同一电站进行优化。结果显示,改进的粒子群算法优于基本粒子群算法和蜂群算法,发电量和总收益都高于其他两种算法,弃水更少。结果证明改进的粒子群算法在求解具有复杂约束条件的非线性水库优化调度问题时,求解结果更优,收敛速度快的优点,为解决水电站中长期优化调度问题提供了一种新的有效方法。     

遗传蚁群混合算法在水电站优化调度中的应用

针对水电站中长期优化调度问题,提出采用遗传蚁群混合算法(GAA)求解.引入遗传变异的进化过程提高蚁群算法的寻优效率,并在种群随机搜索过程中嵌入确定性的模式搜索,改善寻优性能、加速了收敛,使算法同时具有随机性和确定性.实例计算结果表明,该算法为水电站优化调度提供了有效求解方法.     

基于混合蝙蝠算法的梯级水电站群优化调度研究

为进一步提高梯级水电站水库优化效果,提高水电站年发电量,本文作者以梯级电站为例,研究了蝙蝠算法的混合改进;混合了粒子群算法,以及加入小生境排挤技术;并将改进的蝙蝠算法应用于梯级水电站中长期优化调度。通过以粒子群算法、蝙蝠算法和提出的改进算法对某梯级电站进行优化计算,结果显示,改进的算法优于粒子群算法和蝙蝠算法,发电量高于其他两种算法,弃水更少,并证明本文提出的混合蝙蝠算法在求解具有复杂约束条件的非线性的梯级水库优化调度问题时,具有求解结果更优、收敛速度快的优点,为解决梯级水电站中长期优化调度问题提供了一种新的有效方法。     

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.     

差分进化算法在水电站优化调度中的应用

针对水电站优化调度的特点,以某水电站为例探讨了一种在连续空间中进行并行随机搜索的差分进化算法的应用及效果,结果表明该算法全局搜索能力强、计算精度较高、可靠,为水电站优化调度提供了一种更为有效的新方法.     

含混合式抽水蓄能电站的梯级水电站优化调度

为提高梯级水电站调度运行效益、优化水库水位变化过程、减少弃水,考虑湖北省某流域梯级水电站规划新增混合抽水蓄能电站,将抽水蓄能机组作为水电站发电备用机组或利用其抽水工况实现梯级水电站年发电量的最大化。针对不同来水频率下服从皮尔逊Ⅲ型分布的天然入库,提出逐步优化算法(POA)与水位廊道耦合方法,求解含混合抽水蓄能的梯级水电站调度模型,能有效保证在多约束条件下构建发电量最大的中长期调度规则。算例结果表明,新增混合抽水蓄能电站后不仅可增加本级水电站发电量,还可提高抽水发电转换效率、减少弃水,为梯级水电站规划新增抽水蓄能电站提供参考。     

电力市场环境下梯级水库中长期发电优化调度研究

针对差分进化算法在进化过程中适应度的进化模式未考虑进化的外部环境与进化成分间的内在联系问题,结合电力市场环境下梯级水库中长期发电优化调度的特点,借鉴生态学对个体生存环境与种群竞争的关系,提出了协同差分演化算法在电力市场环境下梯级水库中长期发电优化调度中的应用.实例验证结果表明,该算法可靠、合理,计算精度与计算效率高,为求解电力市场环境下高维、复杂的梯级水库中长期发电优化调度模型提供了一种新途径.     

基于模拟退火遗传算法的水电站优化调度研究

采用模拟退火遗传算法(SAGA)研究了水电站优化调度问题,与GA和经典的DP算法相比,结果表明该算法具有较强的局部搜索能力和较好的收敛能力,能以较快的速度找到全局最优解,是一种有效的搜索方法,可用于水电站优化调度中。     

水电站水库群优化调度中NCS模型与NSO模型的递阶优化算法

提出了求解大规模水电站水库群优化调度非凸结构（ＮＣＳ）模型的进阶优化算法；给出将不可分调度（ＮＳＯ）模型所构造的拉格朗回函数转化为可分函数的方法及三级递阶优化算法．     

基于遗传-蚁群算法的库群长期优化调度

为克服蚁群算法前期收敛慢、易陷入局部最优解且参数难以确定的缺点,提出了遗传-蚁群算法进行库群长期优化调度问题的求解。该方法应用遗传算法生成问题的初始解,并将初始解的适应度转化为蚁群算法的信息素初始值,同时引入遗传算法染色体交叉、变异的思想进行蚁群算法参数最优组合的确定,提高了蚁群算法的优化性能和求解精度。对乌江流域4座水电站的计算结果表明,该算法可显著改善优化结果质量,获得良好的调度方案,是求解库群长期优化调度问题的一种有效方法。     

Comparison of particle swarm optimization and dynamic programming for large scale hydro unit load dispatch

Dynamic programming (DP) is one of classic and sophisticated optimization methods that have successfully been applied to solve the problem of hydro unit load dispatch (HULD). However, DP will be faced with the curse of dimensionality with the increase of unit number and installed generating capacity of hydropower station. With the appearance of the huge hydropower station similar to the Three George with 26 generators of 700 MW, it is hard to apply the DP to large scale HULD problem. It is crucial to seek for other optimization techniques in order to improve the operation quality and efficiency. Different with the most of literature about power generation scheduling that focused on the comparisons of novel PSO algorithms with other techniques, the paper will pay emphasis on comparison study of PSO with DP based on a case hydropower station. The objective of study is to seek for an effective and feasible method for the large scale of hydropower station of the current and future in China. This paper first compares the performance of PSO and DP using a sample load curve of the Wujiangdu hydropower plant located in the upper stream of the Yangtze River in China and contained five units with the installed capacity of 1250 MW. Next, the effect of different load interval and unit number on the optimal results and efficiency of two methods has also been implemented. The comparison results show that the PSO is feasible for HULD. Furthermore, we simulated the effect of the magnitude of unit number and load capacity on the optimal results and cost time. The simulation comparisons show that PSO has a great advantage over DP in the efficiency and will be one of effective methods for HULD problem of huge hydropower stations.     

短期水电优化调度系统设计与开发

大规模水电站群联合优化调度运行对于水电厂自身和电网安全稳定运行至关重要,需制定高效实用的水电站短期发电计划指导其运行。因此,该系统研发了一套基于B/S模式的短期水电优化调度系统,阐述了该系统的总体功能设计和关键实现技术。系统应用表明,该系统具有友好的人机交互界面、良好的健壮性和可扩展性,为制定短期水电系统联合优化发电计划提供了便利。     

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。     

巨型水电站群短期联合调度双层并行优化方法及其应用

鉴于巨型水电站群短期联合调度计算的高精度和高时效要求,在多核PC机群环境下,设计了基于水电站群拓扑结构与优化算法寻优轨迹的双层并行优化方法,并采用MPI+OpenMP混合细粒度模型,实现了多进程与多线程的同步并行计算,并结合不同电站数和PC机群规模,对并行优化算法的性能进行了测试和对比分析。实例应用结果表明,该算法在确保精度的前提下可大幅缩减耗时,显著提高计算效率。     

基于支持向量机的水电站中长期径流组合预报

中长期径流预报是充分利用水资源、实现水电站优化运行的重要环节。以金沙江中游龙盘电站为研究对象,分别采用自回归滑动平均模型、最近邻抽样回归模型、BP神经网络建立了该水电站月径流预报模型,在分析三种模型预报结果具有一定互补性的基础上进一步建立了支持向量机分月组合预报模型。统计结果表明,与单一预报模型相比,该组合预报模型具有更高的精度和稳定性,为寻求水电站径流预报规律和制定中长期调度计划提供了技术支持。     

变尺度混沌蜂群算法在梯级库群优化调度中的应用

针对流域梯级水电站长期优化调度模型存在高维、非凸、非线性等特点,提出一种改进的变尺度混沌蜂群算法(VCBA),通过引入混沌方程和余弦收缩策略,使其具有更强的全局收敛能力和更快的收敛速度。以丰枯分时电价下金沙江下游梯级水电站群长期优化调度作为工程背景进行实例研究,并将计算结果与基本蜂群算法(BA)和粒子群算法(PSO)进行比较。结果表明,VCBA求解梯级水电站长期优化调度问题收敛速度快且优化结果精度较高,满足实际优化运行需求,具有很高的工程应用价值。     

基于市场偏差考核的梯级水电调度模型研究

偏差考核现已成为电力市场交易的常规环节,发电企业若不处理好相关问题、合理调度运行,将影响其市场收益,不利于企业的健康持续发展,进而对电力市场的健全发展造成一定影响。因此,为给企业合理应对偏差考核提供参考,首先对偏差电量考核规则进行概述,建立了计及偏差考核的电站收益模型,随后考虑梯级各电站间水力联系,基于单站运行约束条件,构建了基于偏差考核的梯级水电调度模型,并以四川省某流域梯级共8级电站为例,利用逐步优化算法进行计算。结果表明,梯级各站各考核时段电量偏差率介于-0.799%～0.558%之间,均免受偏差考核。     

班电量考核制度下龙首电站水库优化调度研究

水库优化调度是水能高效利用,提高电站经济效益的有效措施。如何增发电量促进经济效益最大化已成为龙首一、二级水电站亟待解决的问题。文中从管理体制方面入手,研究班电量考核制度下的水电站水库优化调度,结果表明班电量考核制度在拦蓄洪水、提高水情预报准确率、增发电量上有显著的作用,为提高水电站运行和综合管理水平提供依据,为以后水电站水库优化调度工作提供新思路新方法。     

水电站全厂振动区及最优动力特性曲线研究

水电机组振动区的存在直接影响水电站厂内安全运行,研究考虑振动区的水电站最优动力特性曲线是实现水电站厂内经济运行的基础。首先在机组具有单振动区时利用组合数学推导出全厂振动区,分析表明水电站全厂振动区与水电站机组台数、机组振动区宽度及位置有关;然后根据全厂振动区通过引入惩罚函数求出水电站最优动力特性曲线。实例结果表明,水电站最优动力特性曲线考虑振动区时具有分段不光滑、不连续等特征,部分区域为避免机组运行在振动区发电流量有所增加。