基于来水超越几率的水电站水库优化调度

根据水库发电调度图的研究和应用现状，分析了常规调度图和目前一般优化调度图的不足之处，针对一般优化调度对来水预报仍然为确定性来水，且往往准确度值得怀疑的问题。文章在水电发电优化调度中引入来水超越几率，并采用混沌优化对安康水库优化调度进行研究，找出对应于不同来水几率下多年的最优运行轨迹，绘制成调度图，经过算法模拟计算证明该调度图较常规调度图取得了1．75％的发电量效益，且具有更大的实用性和可操作性。     

梯级水库群发电优化调度评述

总结了水库群发电优化调度的研究过程,并对现有研究方法的优缺点进行了归纳,分析了梯级水库群发电调度研究面临的问题及发展趋势,指出今后研究的策略为:研究多年调节水库年末消落水位变化规律;应用新的模拟进化算法,求解发电调度模型,制订发电计划;研究梯级水库长期负荷分配的最优准则、数学模型及求解方法,在梯级水库间合理分配电网,下达发电任务;研究梯级水库调度图的制订以及发电会商系统的开发建设;开发发电调度软件系统.     

基于可行空间搜索遗传算法的水库调度图优化

本文从调度图概化、调度图模拟模型、目标函数以及优化算法等方面全面介绍了基于可行空间搜索遗传算法的调度图优化模型的原理及建模方法。针对调度图优化问题可行空间搜索困难的特点,在传统遗传算法概念基础上提出了可行空间搜索的概念。根据决策变量间的几何关系,设计了调度图优化问题的编码结构以及信息交互机制,以NSGA-Ⅱ算法为基础实现了优化模型的构建。将研究成果应用于寺坪水库调度图优化,与设计调度图模拟结果相比,发电效益及保证率均得到了明显提高。     

基于改进与优化调度图的梯级电站联合调度

针对水库调度图常规制作方法的不足,按照梯级电站联合调度的要求,运用基于确定性优化调度模型的水库调度图改进和优化制作方法,结合水库调度函数进行梯级电站水库联合调度;以杂谷脑流域梯级电站水库联合调度为例,绘制了杂谷脑梯级电站中狮子坪电站的水库调度图,制定了薛城和古城电站水库运行策略,形成了杂谷脑流域梯级电站联合调度的决策方案。结果表明:用改进与优化制作方法绘制的水库调度图,满足了降低出力的要求,协调了不同的调度区域,提高了水库调度图的保证率、实用性和经济性;采用改进与优化调度图结合水库调度函数的调度方式,能形成有效的梯级电站联合调度决策方案,提高了梯级电站的联合调度发电量。     

水库中长期动态概率调度图研究与应用

介绍了水库中长期动态概率调度图的理论模型和工程实现方法.通过长序列模拟优化调度获得多控制期、多时段的长序列水库出库流量、水位、出力等数据.对这些数据作概率统计分析,生成多控制期的中长期动态概率调度图,作为水电站中长期优化调度的参考依据,也可以生成调度方案来执行.利用丹江口水库数据进行了工程实验计算,结果证明概率调度图能够跟随可观测量实时更新,有应用价值.     

梯级水电站调度图优化的混合模拟退火遗传算法

为提高水库群联合调度时的水资源利用率,重新审核水库群系统中原有单库调度图的有效性,本文提出了一种解决库群联合调度多目标、多变量的智能优化新方法—混合模拟退火遗传算法。该方法将遗传算法的全局搜索能力和模拟退火算法的局部搜索能力相结合,提高了计算效率和精度,避免了手工修正调度图的随意性。在以实际生产项目为依托的应用与检验中,在满足各类边界条件及保证率要求的前提下,该方法对梯级水电站水库调度图的优化可行、有效,为优化梯级水库调度图提供了一种新的有效算法。     

基于智能算法的水库群联合调度图优化

简述水库群联合调度的特点及有关优化方法,采用群智能算法与渐进最优性算法相结合的优化方法对水库群联合调度图中的兴利调度图进行优化,给出了供水量和水位同时优化及供水量和水位交替进行优化两种情况下的具体优化步骤。认为优化水库群联合调度图对充分发挥水库工程的群体作用,进一步提高水资源利用的整体效率和综合效益具有重要意义。     

水电站中长期发电调度理论研究

1 水库调度发展回顾 水库调度始于20世纪初,最初是应用经验的方法(以实测水文要素为依据),利用水库对洪水和枯水进行调节.而后逐步发展形成了以水库调度图为指南的水库调度方法,至今仍被广泛采用.50年代以来,由于现代应用数学、径流调节理论、电子计算技术及实时控制技术的迅速发展,使得以经济效益最大为目标的水库优化调度理论得到了迅速发展,特别是以水电站和电力系统经济运行为目标的水电站水库优化调度日益完善,并在实际运用中取得较好效果.     

PA-DDS算法在水库多目标优化调度中的应用

Pareto存档动态维度搜索（Pareto-Archived Dynamically Dimensioned Search,PA-DDS）算法是一种求解多目标问题的随机搜索启发式算法。本文将PA-DDS算法引入考虑供水和发电的多目标优化模型优化水库调度图,与非支配排序遗传算法（NSGA-II）和多目标粒子群算法（MOPSO）对比了收敛性,并在求得非劣解分布的均匀性和与理论Pareto前端的相似性方面与NSGA-II进行比较,分析该算法求解水库多目标调度问题的优化性能,对比分析不同目标下的优化调度图。结果表明：PA-DDS算法能够得到更高质量的非劣解集,优化调度图与原设计调度图相比,能更有效协调供水和发电的矛盾,在小幅降低（0.96%）发电量的前提下显著提高（8.07%）水库供水量,平均每年增加经济效益0.55亿元。     

基于PSO的水库调度图优化研究

针对常规调度方法中需要人工修正以及智能算法中容易陷入局部最优等问题,在满足生态用水需求和发电保证率的前提下,建立了以发电量最大为目标的水库调度图优化模型,并采用改进后的粒子群算法对模型进行求解。以北方某水库为例展开研究,计算结果表明,在2种方法得到的保证出力和发电保证率相同的情况下,与常规调度图相比,水库优化调度图年均发电量可提高约1.46%,经济效益显著,同时水量利用率可提高0.9%,更利于充分利用水能资源。