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(Non-dominaled Sorting Genetic AlgorithmⅡ,NSGA-II)和多目标粒子群算法(Multi-Objectives Particlce Swarm Optimization,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。     

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。     

多目标免疫遗传算法在梯级水库优化调度中的应用研究

为了提高遗传算法在多目标梯级水库优化调度中的应用效果,在标准遗传算法的基础上引入了免疫机制,并将其应用到周公宅-皎口水梯级水库优化调度中。计算结果表明,免疫遗传算法较好地克服了标准遗传算法收敛速度慢、易陷入局部极值、早熟等弱点。     

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。     

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。     

基于分段粒子群算法的梯级水库多目标优化调度模型研究

提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。     

混沌蚁群算法在水库优化调度中的应用

提出一种基于混沌优化算法和蚁群算法相结合的混合算法,在求解水库优化调度问题的方法。根据混沌变量的随机性和遍历性,利用混沌变量进行优化搜索,从而有效地克服了蚁群算法存在的效率低、易于演化停滞及陷入局部最优等问题。又利用蚁群算法信息素正反馈的优点,改善了混沌搜索的盲目性,提高了搜索的效率。通过实例计算,结果表明该算法具有效率高及较强的全局寻优能力。     

多目标规划在邯郸水资源优化调度中的应用

多目标规划是进行水资源优化调度的一种重要方法,针对区域水资源优化调度中涉及多水源、多用途、不同供水区域的特点,根据多目标决策理论,以追求经济、社会、环境综合效益为主要目标,对邯郸市水资源优化调度进行建模求解获得了较好的结果,可为地区水资源优化调度提供较科学的依据。     

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle swarm Optimization--multi-objective HPSO)来求解水库调度中的多目标优化模型的不劣解集.通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性.     

基于多目标决策技术的水库优化调度

现代水库承担的功用较多,传统的以单一功用为目标的水库调度已不能适应经济社会的发展。多目标决策在多个矛盾的目标下做出最优的均衡决策,有利于发挥水库综合功用。以水库本年发电量最大和下年水库蓄能最大双目标进行水库优化调度。工程实践证明,运用多目标决策技术进行水库调度可行、正确。     

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.     

多目标可变模糊优选模型及其在水库调度中的应用

综合利用的水库兴利调度通常考虑的是多目标问题,并且部分目标存在模糊性,可以应用多目标优化决策模型进行决策。为尽可能消除决策过程中的人为性,本文以白石水库为工程背景,针对该水库兴利调度决策的实际情况,采用多目标可变模糊优选模型进行决策。详细阐述了决策过程,决策结果可为水库的实际运行提供参考。     

混合粒子群算法在水库优化调度中的应用

水库优化调度是个非线性、强约束的组合优化问题,利用基本粒子解方法易于陷入局部优化;本文利用混合的粒子群算法,较好地克服了基本粒子群早熟和易于陷入局部最优的缺点,获得了更好的计算精度.实例结果表明,该方法有一定的有效性.     

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。     

改进的粒子群算法在水库优化调度中应用

针对水库优化调度中存在的规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟等问题。为了提高粒子群算法全局搜索能力和收敛性能,把下山搜索策略引入到粒子群智能算法中,提出了改进的粒子群算法。函数测试证明该方法改进了算法的鲁棒性,提高了算法求解效率。上述优化算法应用于水库优化调度模型求解中,计算结果表明:该方法易于实现,求解效率高,为水库优化调度模型求解提供了新的途径。     

基于改进多目标粒子群算法的南水北调东线江苏段工程联合优化调度研究

针对南水北调东线江苏段工程优化调度问题,构建协调系统缺水量和抽江水量两目标的联合优化调度模型,研发基于改进多目标粒子群算法的模型求解方法,建立组合赋权-TOPISIS方法进行多属性决策方法,形成基于"两线-三湖-四水源-六区间"的水资源调配空间格局,提出以大型泵站工程为核心的骨干枢纽联合调度方案。在50%、75%和95%来水条件下,经优化调度后受水区缺水量与常规调度相比分别降低了10.2×10~8m~3、16.4×10~8m~3、7.1×10~8m~3,系统抽江水量分别减少了17.4×10~8m~3、14.8×10~8m~3和12.2×10~8m~3。该方案可有效提高供水保障水平,充分发挥三大湖泊的调蓄能力,降低系统运行成本,具有显著的社会、经济等综合效益。     

水库多目标调度方案优选决策方法

针对水库多目标调度模型生成的众多Pareto可行解,决策者往往面临方案优选决策困难的问题。提出利用可视化展示工具,结合边际效益分析及模糊优选方法,对可行方案进行逐步决策的优选决策方法。结果表明,利用不同的分析工具与决策方法,使众多可行方案得到形象可视化展示的同时,能够融入决策者的主观偏好等信息,得到具有不同决策需求的满意方案。通过不同决策方法的层层决策,逐渐减少备选方案的数量,降低了多目标决策问题的复杂性,为决策者的方案优选提供一定的参考。