水电站优化调度人工蜂群新算法

介绍了一种近年发展起来的、易于实现且收敛速度非常快的群智能优化算法——蜂群算法,并将其应用于考虑峰谷分时电价的水电站中长期发电优化调度。通过计算实例,验证了该算法求解峰谷分时电价下水电站中长期优化调度问题的有效性。     

基于改进粒子群算法的水库中长期调度函数研究

在应用改进粒子群算法求解水电站水库中长期优化调度问题时,为了克服基本粒子群存在早熟、后期收敛速度慢等不足,通过采用线性递减权重系数并引入杂交箅子,对基本PSO进行了改进,并将其应用于水库中长期优化调度函数研究中.与基于POA优化结果的回归分析建立的调度模型的对比分析表明,该算法原理简单,易于编程,求解精度高,从而为解决水库中长期优化调度问题提供了一种有效方法.     

狼群算法在水电站水库优化调度中的应用

为探讨水电站水库优化调度问题求解的新方法,对狼群算法及其在水电站水库优化调度中的应用进行了研究。对狼群算法中的围攻算法进行了改进,给出了水电站水库优化调度问题的狼群算法设计及求解步骤。基于水电站水库优化调度实例,对狼群算法的敏感参数奔袭步长进行了模拟计算和分析,给出了奔袭步长的有效取值范围。实例计算结果表明,狼群算法是一种求解水电站水库优化调度问题的有效方法。     

蜜蜂算法及其在水电站优化调度中的应用

详细阐述了蜜蜂算法的优化原理及实现方法,并对算法的求解速度和全局寻优能力进行详细讨论。在此基础上,以国内广泛开展的复杂高维、非线性、多约束水库中长期优化调度问题为例,同时应用蜜蜂、基本粒子群、退火粒子群和交叉粒子群四种现代群智能优化算法进行分别求解。应用情况的对比分析表明,蜜蜂算法具有比上述其它几种算法更快的求解速度和全局寻优能力。此外,论文的研究成果也为水电站中长期发电优化调度问题提供了一种新的求解途径。     

基于改进粒子群算法的水电站水库优化调度

文章提出了应用改进粒子群算法求解水电站优化调度问题的方法,粒子群算法模拟了鸟类群体觅食的搜索过程来寻找水电站最优调度计划。对传统粒子群算法进行了改进,克服了早熟和陷入局部最优的缺点。实例计算表明,粒子群算法可以求解具有复杂约束条件的非线性水电站优化调度问题,与经典算法相比,该算法原理简单,易于编程,占用内存少,求解精度高,收敛速度快,是一种有效的搜索算法。     

线性微分递减自适应粒子群算法在水电站优化调度中的应用北大核心

针对求解水电站优化调度粒子群算法的改进,分析了粒子群算法在求解水电站优化调度问题时对关键参数惯性权重调整的需要,提出了线性微分递减的自适应粒子群算法。通过前期减小缓慢的惯性权重,增加算法的探索能力跳出局部最优解;通过后期减小较快的惯性权重,提升算法的开发能力加快算法收敛。以葛洲坝水电站优化调度为例,对比了改进算法和传统算法。优化调度实例表明:线性微分递减自适应策略增强了算法的寻优能力和稳定性。改进算法能够有效改善由于水电站优化调度目标函数非凸性带来的粒子群求解易早熟问题,为水电站优化调度粒子群算法惯性权重的改进提供了新思路。     

一种改进的水电站优化调度粒子群求解算法

重点分析了常规粒子群算法(Panicle Swarm Optimization,PSO)在水电站优化调度应用中存在的问题和出现的原因,并针对问题提出了相应的解决方法,形成了基于粒子群算法的水库优化调度改进应用方法.改进前后计算结果的对比分析表明,改进后的粒子群算法可明显提高求解水电站优化调度问题的收敛速度和求解精度.     

基于混沌优化算法的混联水电站群长期优化调度

在建立混联水电站群长期优化调度模型的基础上,应用混沌优化算法对模型进行求解。以水电站群总电能最大为目标函数,根据混沌运动的随机性,由Logistic模型产生的混沌变量来进行优化搜索。此方法可避免陷入局部最优点,并取得全局最优。实例计算结果表明,混沌优化算法与逐步优化算法相比,优化结果良好。表明本文算法可以用于求解具有复杂约束条件的非线性混联水电站群水库优化调度问题。     

水库中长期发电优化调度解析方法及应用

水库中长期发电优化调度是实现水能资源高效利用的重要技术手段。由于水库特性曲线的离散数值表达,现行水库中长期发电优化调度模型与求解方法主要集中在数值方法层面,且优化计算效率低下。针对这一问题,提出了水库中长期发电优化调度的解析方法,即通过水库特性曲线的函数化,建立了优化调度的解析函数模型,并基于POA算法原理提出了解析优化方法——APOA算法。通过实例应用和传统方法对比研究表明,该方法在保证计算精度的前提下,长系列优化计算时间仅为POA算法的1/20。因此,该方法不仅具有算法稳定、计算效率高的特点,而且在水库中长期发电优化调度的解析研究途径方面进行了有益的探索。     

基于长期与中长期嵌套的水库优化调度

为解决水库优化调度过程中时间尺度不同而导致的水库综合效益不高的问题,以防洪与兴利为目标,将水库长期优化调度与中长期优化调度进行嵌套,建立水库多目标优化调度嵌套模型。其中,多目标问题通过约束法将防洪目标转换为硬性约束后,再转化为求解发电量最大值的单目标问题。算法方面,综合对比后确定长期优化调度采用动态规划算法求解、中长期优化调度采用遗传算法求解。为验证嵌套模型的优化效果,以澄碧河水库为例,进行水库优化模拟调度。结果表明:在满足防洪目标的前提下,嵌套模型优化调度方案相较于长期优化调度方案和实际调度方案效益均更高,验证了嵌套模型在水库优化调度问题中的优越性。     

改进蛙跳算法在水电站经济调度中的应用

为寻求更为方便有效的水电站经济调度算法,以提高水电站运行效率、节约宝贵的水资源。根据水电站厂内经济运行模型,合理处理约束条件,提出了一种用改进蛙跳算法求解水电站厂内经济运行问题的数学模型。实例分析证明,此算法比传统的等耗量微增率法寻优效果更好,且运算量较小,便于灵活操作和改进,是一种非常实用的求解水电站厂内经济运行问题的优化算法。     

粒子群算法在水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度问题存在的“维数灾”问题,给出一种全局随机优化算法[1]——粒子群优化算法并应用于水库日优化调度问题中。相对于动态规划,该算法原理简单,易编程,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法。     

线性微分递减自适应粒子群算法在水电站优化调度中的应用

针对求解水电站优化调度粒子群算法的改进,分析了粒子群算法在求解水电站优化调度问题时对关键参数惯性权重调整的需要,提出了线性微分递减的自适应粒子群算法。通过前期减小缓慢的惯性权重,增加算法的探索能力跳出局部最优解;通过后期减小较快的惯性权重,提升算法的开发能力加快算法收敛。以葛洲坝水电站优化调度为例,对比了改进算法和传统算法。优化调度实例表明:线性微分递减自适应策略增强了算法的寻优能力和稳定性。改进算法能够有效改善由于水电站优化调度目标函数非凸性带来的粒子群求解易早熟问题,为水电站优化调度粒子群算法惯性权重的改进提供了新思路。     

电力市场交易背景下水电站优化调度研究

电力市场交易是影响我国未来电力体制改革走向的重要落地措施之一。通过对电力市场交易背景下水电站优化调度特点分析,构建了分时电价下水电站优化调度模型。在粒子群算法基础上,提出了改进惯性因子、加速因子以及迭代速度的改进策略,并将其运用于模型求解,以广东省梅州市青溪水电站为实例进行了研究,验证了模型和算法的有效性和适用性,该研究成果为电力市场背景下的水电站优化调度提供了新思路。     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

基于文化粒子群算法的水库发电调度图绘制

为了解决使用常规方法绘制水库发电调度图时,典型水文年的样本容量有限、水文特征的代表性具有局限性的问题,引入了文化粒子群算法,采用信仰空间吸收种群的知识经验,形成规则引导种群进化,充分利用历史实测资料绘制调度图。通过实例研究,获得了较常规方法更优的结果,为优化方法在水电站中长期调度中的应用提供了一条新途径。     

基于改进粒子群算法梯级水电站短期优化调度研究

应用改进粒子群算法求解梯级水电站短期优化调度问题.考虑发电效益和存水效益结合峰谷电价建立综合效益最大模型,针对粒子群算法存在的后期收敛速度慢和易陷入局部最优等缺点,引入收缩因子和杂交算子对其进行改进.应用改进粒子群算法对"水布垭水电站一隔河岩水电站一高坝洲水电站"进行短期优化调度,分别采用传统优化模型和峰谷优化模型进行实例计算,结果表明实施峰谷电价,对于提高梯级水电站综合效益,同时缓解高峰期用电紧张局面有更高的应用价值;应用改进粒子群算法求解梯级水电站短期优化调度问题在求解时间、求解精度上都得到了较满意的效果.     

市场环境下基于IGDT的水电富集电网中长期优化调度

【目的】在高比例水电电力市场中,交易电量执行的公平性和清洁能源消纳是中长期调度需要重点考虑的两个问题。【方法】针对电力市场环境下水电富集电网中长期优化调度的公平性以及弃水问题,提出了基于信息间隙决策理论(information gap decision-making theory, IGDT)的水电富集电网中长期优化调度方法。首先采用IGDT理论建立计及径流不确定性的水电富集电网中长期优化调度双层模型,其中下层求解电站合约电量完成率综合极差的最大值,上层求解对应区间径流的最大波动范围。然后通过多种线性化技术得到等价的混合整数线性规划(mixed-integer linear programming, MILP)单层模型,并通过CPLEX求解器实现模型的求解。以云南电网的10座火电站和22座水电站的中长期优化调度为例对模型进行了验证。【结果】结果显示：各电站合约电量完成率极差为0.412,与不考虑弃能惩罚相比,弃水电量减少了81.33%。【结论】结果表明：该模型能够有效缓解水电站超发、少发和弃水等问题,对实现市场环境下电网公平性调度和促进清洁能源消纳具有重要意义。     

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。     

免疫算法及其在水电站中长期优化调度中的应用

在传统免疫算法的基础上，对记忆库结构部分进行了改进，同时增加了疫苗注射预处理，形成独特的二次应答免疫算法，并将其应用到水电站中长期优化调度的研究中。经过对紫坪铺水电站的优化计算，证实利用该算法优化所得的年收入比动态规划结果更优，耗费的运算时间也较少。