基于人工神经网络的梯级水电厂日优化运行

提出了一种利用人工神经网络(ANN)进行梯级水电厂日优化运行研究的方法。既可用于制订 梯级日最优发电计划,又可用于梯级实时发电控制。为了加快神经网络的收敛速度,采用分 解网络技术,将一个复杂的网络分解为多个简单的网络。仿真结果表明,将神经网络应用于 这一领域,取得了较为满意的结果。     

渠道梯级电站群优化调度

本文在经验总结与理论分析基础上,提出了渠道梯级电站群优化调度的分解协调模型,并采用模拟与动态规划相结合的方法,求解了海南松涛灌区东干渠上五级电站群的优化调度问题,采用了以站前水位变幅为控制变量的站内及站群系统调控方式,方法简单可行,经济效果较好。     

梯级水库优化调度中的矩形体遗传算法

传统遗传算法中染色体的编码形式一般为链条形,即不论采用二进制编码还是实数编码,可行解均以链条的形式表现,遗传操作也是在这种链式编码的基础上进行的。当决策变量增多,链条加长时,这种遗传算法的计算效率变得很低。此外,在梯级水库优化调度中,由于上、下游水库间存在的耦合关系,使得上游水库基因段中某一位基因的改变将连锁式地引发下游各水库基因段中相应基因的改变,这种连锁变化在链式编码中的实现是较复杂的。为此,本文提出了矩形体编码的遗传算法,它可以有效提高传统遗传算法在处理这类问题时的效率,并使优化结果得到提高。最后通过一个算例,说明了该方法的可行性与有效性。     

三峡梯级电站的模糊优化调度方法

三峡梯级调度中存在着大量的模糊信息，如入库流量、负荷需求等，为 了更好地处理这些模糊信息，同时考虑到梯级电站之间水和电的联系，文中在传统优化调度 的基础上, 结合模糊数学理论，对三峡梯级优化调度的模糊求解方法进行了研究。     

基于改进量子遗传算法的梯级水电联合优化方法

我国水电资源丰富,梯级水电协调优化是提升水电运行效益的重要方法。梯级电站在时滞特性、水能转换特性和发电能力特性等方面均为复杂的非线性约束关系,梯级水电协调优化问题在数学上也是一个复杂的非线性规划模型。为此研究了梯级水电协调优化中的非线性约束项,构建了时序协调的梯级水电联合优化模型;并进一步结合模型非线性特点,对传统遗传算法进行改造,提出了适应梯级水电优化的改进量子遗传算法;最后基于我国某流域梯级水电数据构造算例,验证了方法的有效性。     

基于遗传算法的列车自动运行系统的优化研究

在列车自动运行(automatic train operation,ATO)过程中,为了使列车在保证安全的前提下,能够同时满足精确停车、舒适度高、能耗低等各项控制指标,必须对列车的速度距离曲线进行优化。首先建立了考虑列车特性及线路条件的列车牵引模型及列车速度曲线的多目标模型,在此基础上采用遗传算法对列车自动运行的目标速度曲线进行优化,最后以一段长1 000m,有限速要求及坡度变化的线路为例,用MATLAB建立仿真模型对该算法进行仿真验证,仿真结果表明优化之后的速度曲线可以满足上述各项指标,故算法有效。     

基于改进浮点遗传算法的潮汐电站优化运行

在分析潮汐电站运行特性基础上,建立其多维优化的月周期优化调度模型。该模型含有线性和非线性约束,而且目标函数呈非线性。利用整体算术交叉和精英保留策略,设计出一种全局寻优的浮点数编码改进遗传算法。算法实例求解结果与电站实际月发电量和动态规划法求解结果比较后表明,该算法可行、有效,提高了求解质量和运行效率。     

基于改进遗传算法的串联小水电群优化调度

建立了由沙畈水库和金兰水库组成的串联小水电群优化调度的数学模型，采用了改进遗传算法对该模型进行优化计算。算法设计编程简单、计算工作量小、收敛速度快。利用两个水库的入库径流实测值进行了仿真实验，结果说明优化调度能比常规调度取得更大的经济效益，同时也说明了遗传算法是求解小水电群优化调度的可行而有效的方法。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于加速遗传算法的梯级水电站联合优化调度研究

梯级水电站联合优化调度是一项涉及学科门类广泛、牵涉部门利益众多的复杂大系统优化决策问题,对制定和实施区域用水规划、实现经济社会可持续发展具有重大的现实意义。鉴于当前群体智能优化算法应用于梯级水电站联合优化调度中存在的＂维数灾＂及大量约束条件不易处理的难点,将加速遗传算法（AGA）应用于梯级水电站联合优化调度研究中,采用＂分类假设＂的思路逆序寻找不同电站、不同时段优化变量可行决策空间并生成初始种群个体,由此重点阐述了改进遗传算法对优化调度模型大量复杂约束条件的实现方法。上述方法在我国水、电特性代表性良好的乌江梯级七库联合优化调度实例的应用结果表明：加速遗传算法对梯级水电站联合优化调度模型复杂约束条件具有较强的自适应及全局搜索能力,且计算结果与设计成果相比,乌江梯级水电站多年平均发电量增加约2.60%。可见,采用＂分类假设＂的研究思路处理群体智能优化算法应用于梯级水电站联合优化调度中存在的复杂约束问题是合理可行的,可为流域梯级水电站实行集中运行、调度提供科学有效的决策依据。     

基于退火遗传算法的水电站短期优化调度

电力市场环境下,水电站短期优化调度对优化发电企业向电力市场申报的次日发电计划和最大化企业发电收益具有重要意义。为了提高短期优化调度的计算精度和效率,针对模拟退火算法和遗传算法的优缺点将两者结合起来形成退火遗传算法,改善其计算精度和速度。实例计算表明该方法是可行的。     

病毒进化遗传算法在水电站优化调度中的应用研究

将生物免疫系统的核心内容——病毒感染机制引入遗传算法,提出了基于病毒进化遗传算法的水电站优化调度模型。通过病毒个体对宿主种群的感染,有效改善了种群多样性,提高了遗传算法的全局搜索能力。以福建省棉花滩水电站的年发电调度为例,对丰、平、枯不同典型年进行了优化计算。计算结果表明,各种典型年,病毒进化遗传算法获得的调度结果均优于标准遗传算法,与动态规划方法获得的结果十分接近。因此,基于病毒进化遗传算法的水电站优化调度模型是有效的和优越的。     

梯级水电站优化调度研究现状

介绍了目前国内对于梯级水电站优化调度问题的研究和实践现状,重点研究了优化调度模型的建立和优化算法。     

基于蚁群算法的梯级水电站群优化调度

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（Ant Colony algorithm,ACA）。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。     

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

并行遗传算法在雅砻江梯级水库群优化调度中的应用

根据梯级水电站优化调度特点,建立并行遗传算法求解多阶段最优化问题数学模型,重点研究了粗粒度并行遗传算法。在基于单向环结构交流局部最优解的并行遗传算法（PGA）研究的基础上,提出了基于解的多样性自适应地调节信息交流周期策略的PGA。应用开发的分布式水库群优化调度并行计算系统,将上述两种策略的PGA和串行PGA分别应用于雅砻江梯级水库群优化调度中。通过对其优化结果的分析表明,PGA有利于提高运算速度和求解精度以及改善算法的收敛性能。     

三峡梯级和清江梯级水电站短期联合优化调度方法研究

针对清江高坝洲水电站下游水位流量关系受长江顶托影响和梯级水库间流量传播处理问题,建立三峡梯级和清江梯级水电站短期联合优化调度模型。根据实测资料构建受长江顶托的高坝洲水电站下游水位流量分段函数关系;采用相关分析法对梯级间实测数据进行率定,构建线性回归方程处理梯级间流量传播的计算。运用正弦轮盘赌选择算子的自适应遗传算法求解模型,克服单纯轮盘赌对适应度非负的要求。不同量级典型日流量过程模拟调度结果表明：三峡梯级和清江梯级联合调度效益增加明显。研究成果对未来三峡梯级与清江梯级水库群日发电计划的编制有借鉴意义。     

基于并行组合模拟退火算法的水电站优化调度研究

并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的一种新型优化算法。将该算法用于水电站优化调度，与经典算法相比其特点在于，该算法可从多个点开始寻优，占用计算机内存少，能以较快的速度找到全局最优解；编程简单、适应性强，是一种有效的搜索算法。     

变尺度混沌优化算法在梯级水电站水库优化调度中的应用

利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,由Logistic方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库发电调度的最优调度线。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。