基于多目标差分进化算法的水库多目标防洪调度研究

为求解水库多目标防洪优化调度问题,提出一种基于自适应柯西变异的多目标差分进化算法,克服了早熟收敛问题,提高了收敛精度;同时,根据多目标优化的特点对差分算子进行修正,并引入外部档案技术,提高了算法的收敛速度。本文以坝前最高水位最低、最大下泄流量最小和汛末水位最接近汛限水位为目标,对三峡水库展开多目标防洪调度研究,结果表明,该算法可在较短时间内生成大量在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选,为水库多目标防洪调度决策提供了一种新的调度方案生成方法。     

改进的多目标差分进化算法在水库优化调度中的应用

水库多目标优化调度是一个复杂的系统优化问题,属于高维、多约束、非线性问题的优化领域。智能优化算法在求解水库多目标优化调度时,存在非劣解较少、分布不均匀及不收敛等问题,基于上述问题,提出一种求解新思路,通过加入精英保留机制并用拥挤距离来维持外部精英集改进多目标差分进化算法。建立了多目标水库优化调度模型,并以综合利用的漳河水库多目标优化调度为例进行了求解,结果表明该算法能够得到分布较为均匀的非劣解集,证明方法在水库多目标优化调度中是有效的。     

基于差分进化算法的水库防洪优化调度研究

由于影响和制约因素众多,水库防洪优化调度方案的制定是一个非常复杂和有相当难度的课题。本文以最大削峰为目标,基于差分进化(DE)算法建立多约束的水库防洪优化调度模型,给出了水库防洪优化调度问题的DE算法的求解步骤。将该算法应用于潘家口水库防洪优化调度实例问题的求解,求解结果与动态规划和粒子群算法的求解结果进行比较。该算法应用于水库防洪优化调度,可以充分发挥水库的防洪调节能力,确保水库自身以及下游防洪对象的安全,为水库提供合理有效的优化调度方案。     

考虑下游河道安全的水库多目标防洪调度研究

随着水库的规模化及流域化,水库防洪调度通常需要考虑多个目标.选取亭子口下游流域为研究对象,基于水库防洪库容最小及下游河道最安全目标,建立水库多目标防洪补偿调度模型.将下游河道最安全等同为相邻时间段出库流量变幅的最大值最小,采用约束法将目标转化为出库流量变幅约束.研究表明,离散一系列出库流量变幅,防洪库容随着出流变幅的增...     

自适应混沌差分进化算法在梯级水库优化调度中的应用

介绍了一种基于自适应混沌映射的差分进化算法,该算法采用混沌映射的方式产生初始种群,并综合考虑算法迭代进度和个体进化程度两个因素,对缩放因子进行动态调整以促进算法全局搜索和局部寻优的平衡。同时,在算法进化的不同阶段采取不同尺度的扰动策略,进一步提高算法的再搜索能力。将该算法应用于某梯级水库发电调度的研究中,通过实例计算,并与基本差分进化算法、模拟退火算法相比,得到了更优的全局最优解,验证了该算法的可靠性和实用性。     

多目标梯级水库优化调度问题的免疫遗传算法

在研究现有多目标遗传算法的优越性与存在不足的基础上,受生物免疫原理的启发,提出了一种新的优化调度算法--多目标免疫遗传算法,有效克服遗传算法的早熟、群体多样性不足及搜索速度慢等问题.同时,以梯级水库优化调度发电量和保证出力为目标,建立了三峡梯级水库多目标优化调度模型.通过实例研究计算,论证了该方法的有效性和实用性.     

基于多目标遗传算法的综合利用水库优化调度图求解

分析了常规方法求解综合利用水库调度图存在的问题。结合实例，提出了一个基于遗传算法的调度图求解模型。模型以保证率和缺水量为目标，以基本调度线为决策变量，通过水库的模拟运行结果评价可行解，然后利用遗传算子不断改进调度线，能直接搜索得出调度图的非劣解集。计算结果显示了模型较常规方法的合理性和优越性。     

梯级水库生态调度多目标混合蛙跳差分算法研究

提出多目标混合蛙跳差分算法求解梯级水库多目标生态调度模型。该算法结合混沌理论生成初始解以提高初始解群体质量,构建基于动态更新机制的外部归档集引导种群进化,提高算法的收敛性与非劣解的多样性,引入自适应差分算法加快子种群个体寻优,提高算法收敛速度。对L河梯级水库多目标生态调度进行实例研究,计算结果表明:本文所提出的算法能够计算得到收敛性与分布性较好的调度方案集,对比典型调度方案下泄径流与物种生态适宜径流,表明生态调度能够较好满足物种的生态需水,生态效益显著。     

面向梯级水库多目标优化调度的进化算法研究

实际工程中以梯级水库多目标优化调度为代表的大规模高维多目标优化问题,其优化难度是一般方法所难以应对的。为此本文提出一种新型的多目标粒子群算法LMPSO,其包含了基于超体积指标Ihk的适应值分配方法与基于问题变换的搜索空间降维策略,以有效处理问题的高维目标向量与大规模决策变量。将该算法应用于溪洛渡-向家坝梯级水库的中长期多目标优化调度中,并与4种知名算法的计算结果进行对比分析,验证LMPSO在求解该类问题上的卓越性能。由此为多目标优化调度高质量非劣解集的获取提供一种可靠的方法,并为下一步的多目标调度决策提供有力的数据支持。     

梯级水库水沙联合优化调度多目标决策模型及应用

针对梯级水库运用过程中蓄水与排沙之间的矛盾,首先建立了梯级水库防洪、发电调度及泥沙冲淤计算子模型;然后,以水库防洪、发电、航运和泥沙冲淤为基本目标,建立了梯级水库水沙联合优化调度多目标决策模型,并采用约束法和加权理想点法进行非劣解求解和评价;最后,将该模型应用到溪洛渡-向家坝梯级水库汛末蓄水时间的研究中,得到了梯级水库蓄水时间与多年平均发电量和库容淤损率之间的非劣解集,并给出不同目标权重下满足梯级水库发电和减淤要求的最佳蓄水方案,为研究和解决多沙河流梯级水库水沙联合调度问题提供了技术手段。     

水库防洪调度多目标模糊群决策方法

本文首先引入数学变换将决策者给出的模糊判断矩阵转化为满足完全一致性的模糊判断矩阵，然后采用简单加权平均法将个人偏好集结为群体偏好。以碧流河水库实时防洪调度决策为例阐明了所提模糊群决策方法的应用步骤，并对决策结果进行了分析。     

水库群防洪调度方案研究与应用

白山、丰满水库是第二松花江中上游的梯级控制性工程,对第二松花江丰满水库以下乃至松花江干流的防洪有举足轻重的作用,为更好地发挥这2座水库的防洪作用,迫切需要一个能够满足工程实际需求的防洪调度方案.本文简述了在满足水库自身防洪安全的前提下,考虑下游多级防洪安全、电站发电等复合决策目标时,防洪联合调度方案的研究思路、方法及应用实残.     

燕山水库汛限水位动态控制方案研究

随着全球极端气候越发频繁、水资源时空分布更加不均,水资源供需矛盾日益加剧。为充分利用水库调控水资源能力和发挥工程效益,采用预蓄预泄法对燕山水库汛限水位进行动态控制方案研究,首先基于下游防洪安全,根据降雨与洪水预报信息,采取预蓄预泄方案确定汛限水位上限值;再基于大坝自身安全和水库超泄能力分析确定了主汛期与后汛期的最高汛限水位。与原汛限水位104.20 m相比,考虑洪水预报信息情况汛限水位可调整至104.77 m,考虑降雨预报信息时可调整至105.36 m。计算分析结果表明,调整后的动态汛限水位对大坝自身安全及下游防洪安全影响较小,提高了水资源可利用率,具有可实施性。     

基于库容风险频率曲线的水库群联合防洪调度研究

水库实时防洪调度决策是一类多目标、多阶段、多约束的复杂决策问题,风险分析是实时防洪决策的重要环节和依据,本文提出一种基于防洪库容风险频率曲线的梯级水库群防洪风险共担理论及水库风险-调度-决策理论体系,并结合溪洛渡、向家坝、三峡水库实际情况,运用自主研发的梯级水库群联合防洪调度风险分析模型,分析梯级水库群在汛期不同时段的防洪风险,并将风险率引入实时防洪调度决策,以期为水库群防洪调度提供决策依据,提高联合防洪调度系统综合利用效益。研究表明,实时调度过程中考虑风险率因素能够在保证防洪安全的同时有效提高水库群综合效益,风险-调度-决策理论能够为水库群调度方案优选提供依据。     

克孜尔水库防洪安全分析

克孜尔水库由于初步设计中实测洪水资料系列较短,资料代表性不足,本次设计洪水复核在1984年补充初步设计的基础上,增加了1983-2006年的连续洪水系列。经复核,水库现状防洪能力达不到1000年一遇设计洪水标准,应采取工程措施使水库防洪能力达到设计要求。     

基于库群防洪库容补偿调度的水库汛限水位动态控制

文章介绍了观音阁和参窝水库防洪库容补偿调度,以参窝水库的汛限水位得到动态补偿抬高为计算实例,阐述运用库群防洪库容补偿调度的理论,使串联水库的汛限水位动态抬高,从而实现洪水资源利用。     

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。     

模糊优选逆命题的解法及在防洪调度决策中的应用

本文研究了多目标决策模糊优选(优化)模型的逆命题。提出了符合决策者意图的两种权重计算方法：(1)采用海明距离的线性方程组求解方法;(2)采用欧氏距离的模糊模式识别交叉迭代模型权重直接计算法,同时将两种方法应用于丰满水库防洪调度决策中模糊优选逆命题的目标权重计算,最后对两种解法进行了分析与比较。     

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。