大伙房水库供水量优化调度的水资源配置研究

文章从收敛速度和初始种群生成的角度改进了社会情感优化算法(SEOA算法),以大伙房水库为例,利用改进的算法有效解决了水库优化调度中最小缺水量求解问题。研究表明:在水库优化调度中改进的SEOA算法具有寻优能力强、计算量少、效率高等优点,可为水库水资源科学配置提供科学的依据。     

基于改进鸡群算法的区域水资源配置模型研究

为解决复杂的区域水资源配置问题,以供水单元缺水量最小和控制断面河道最小生态流量总缺水量最小为目标,引入水库群调度,建立了水资源配置模型。在传统鸡群算法(CSO)的基础上,通过改进其初始种群生成方式、改进小鸡学习公式等提出了一种改进的CSO算法;在此基础上,以山西大水网规划中第一横朔州-大同受水区为例,采用改进的CSO算法对模型进行了求解。结果表明:所构建的水资源配置模型合理有效,改进的CSO算法不易陷入局部最优,寻优性能优越。可将研究成果用于水资源配置领域。     

基于改进粒子群优化算法的水库生态优化调度研究

文中对传统粒子群算法进行改进,提高其优化算法的收敛度,并结合改进粒子群算法对观音阁水库生态调度进行优化计算。研究结果表明,采用改进粒子群算法的水库生态调度优化求解精度得到明显改善,不同月份观音阁水库下游河道最小和适宜生态径流满足度相比于改进前显著提高。研究成果对于水库生态优化调度算法具有重要参考价值。     

基于人工遗传算法的阿尔塔什水库优化调度研究

为制定阿尔塔什水库调度方案,以灌溉缺水量最小为目标建立了兼顾流域灌溉、生态、发电、防洪等多目标的优化调度模型,并采用GA算法求解模型。结果表明：调度结果不满意,灌溉保证率未满足设计要求,水库发电量远低于设计21.86亿kW·h的目标;下泄塔河生态水量满足下泄9.71亿m³目标,但保证率过低,缺水年份破坏深度过大;制定了阿尔塔什水库的水库调度图。研究成果对充分发挥阿尔塔什综合利用功能、保障流域各项综合利用要求具有重要指导作用。     

基于改进布谷鸟算法的梯级水库长期优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,并将其应用于某梯级水库优化调度中。以实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

基于改进布谷鸟算法的梯级水库优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。本文对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,将其应用于某梯级水库优化调度问题当中。实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

考虑不同生态需求层次的水电站水库生态调度研究

随着水生态地位的日益突出,当前水库调度应当统筹考虑社会经济与生态效益,在保证水量高效利用的前提下,满足河流生态要求,其核心是量化河流生态需求,并将其作为生态要素目标纳入水库调度模型中.为此,研究采用ME-Tennant法的生态需水过程评价模型,确定电站下游河流的最小和适宜生态需水过程;在此基础上以生态缺水量最小为生态目...     

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。     

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.     

基于改进多目标粒子群算法的平原坡水区水资源优化调度EI北大核心CSCD

在分析平原坡水区水资源优化调度特点的基础上,构建了协调泵站提水量和受水区缺水量两个目标的优化调度模型。针对传统粒子群算法存在的容易陷入局部极值点、早熟等缺点,从惯性因子及学习因子选择、外部档案维护和全局最优选取策略3个方面进行改进,对比改进多目标粒子群算法与传统NSGA-Ⅱ算法在求解测试函数中的表现,验证改进算法的可行性和优越性。对宿迁市黄河故道及以南地区水资源优化调度进行实例研究,采用改进算法求解模型得到Pareto前沿,结果显示,两个目标函数值分布范围较广,且各频率来水调度方案集在空间中分布均匀。     

水库群供水调度预警系统研究及应用

针对水库供水调度的实时性和不确定性,通过分析入库径流超越机率,以缺水率最小为目标函数,建立水库群供水调度模型,并应用基于免疫进化的蚁群算法对模型进行求解,绘制水库群供水调度操作规线;应用模糊数学、信息熵等原理,确定现状水库供水指标D、未来供水水情指标S以及水库供水预警指标和应变措施,建立了水库群供水调度预警系统。实例计算表明,本文建立的水库供水预警系统能够合理、有效地为调度操作人员提供正确、及时的决策。     

基于改进粒子群-逐次逼近法的水库调度图多目标优化

针对水库调度图寻优过程中的调度线形态畸变的问题,提出了改进廊道约束和改进粒子群逐次逼近法.该方法以粒子群算法和动态规划逐次逼近法的混合算法为框架,通过引入改进廊道约束、特殊个体进化方式、外部精英集策略等改进策略来优化进化过程,使得所得解集尽可能接近多目标问题的真实Pareto前沿.福建省池潭水库调度图多目标优化问题的实...     

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。     

Multi-Objective Firefly Integration with the K-Nearest Neighbor to Reduce Simulation Model Calls to Accelerate the Optimal Operation of Multi-Objective Reservoirs

Reservoirs are used as one of the surface water sources for different and often conflicting water supply purposes. Given the complex management policies governing a basin, it is essential to simultaneously consider different goals and cope with the associated trade-off in water resources management. This purpose requires coupling a multi-objective optimization algorithm with a reservoir simulation model, which this approach increases required computational efforts. Various simulation–optimization approaches have been developed and used for solving the related problems. However, they often have complicated methods and certain limitations in real-world applications. In this study, a new multi-objective firefly algorithm—K nearest neighbor (MOFA-KNN) hybrid algorithm is developed which is time-efficient and is not as complicated as previous approaches. The proposed algorithm was evaluated for both benchmark and real problems. The results of the benchmark problem showed that the execution time of the MOFA-KNN hybrid algorithm was up to 99.98% less than that of the multi-objective firefly algorithm (MOFA). In the real problem, the MOFA-KNN algorithm was linked to the 2D hydrodynamic and water quality model, CE-QUAL-W2, to test the developed framework for reservoir operation. The Aidoghmoush reservoir as a case study investigated to minimize the total released dissolved solids (TDS) and the water temperature difference between the inflow and the outflow. The results demonstrated that the MOFA-KNN algorithm significantly reduced the simulation–optimization execution time (>?660 times compared with MOFA). The minimum released TDS from the reservoir was 13.6 mg /l and the minimum temperature difference was 0.005 °C.

     

Design-Operation of Multi-Hydropower Reservoirs: HBMO Approach

To illustrate and test the applicability and performance of the innovative honey-bee mating optimization (HBMO) algorithm in highly non-convex hydropower system design and operation, two problems are considered: single reservoir and multi-reservoir. Both hydropower problems are formulated to minimize the total present net cost of the system, while achieving the maximum possible ratio for generated power to installed capacity. The single hydropower reservoir problem is approached by the developed algorithm in 10 different runs. The first feasible solution was generated initially and later improved significantly and solutions converged to a near optimal solution very rapidly. In the application of the proposed algorithm to a five-reservoir hydropower system with 48 periods and a total of 230 decision variables, in early mating flights, the first feasible solution was identified and the results converged to a near optimal solution in later mating flights. In the case of the multi-reservoir problem, an efficient gradient-based nonlinear-programming solver (LINGO 8.0) failed to find a feasible solution and for the single hydropower reservoir design problem it performed much worse than the proposed algorithm.     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

基于径流频率分区的水能利用提高率改进算法

在传统的水能利用提高率算法中,季调节及以上电站通常是采用调度图来计算考核电量,然而该方法计算的调度过程与实际调度过程偏差较大,计算结果不能真实地反映优化调度效益水平。提出了一种基于径流频率分区的水能利用提高率改进计算方法,该方法是将调度图的保证出力区进行细分,并结合来水频率来确定电站的出力。实例计算表明:改进的水能利用提高率计算方法能够解决调度图使用时出力调整的主观性问题,使得调度过程更加贴近实际,评价结果更加客观合理。     

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。     

山西省部分大中型水库水质状况分析

本文根据 1 996年全省部分大中型水库的水质监测资料 ,依据国家有关标准对水库水质及富养化指标分别进行了评价 ,并针对我省的水库水环境保护工作提出了相应的对策与建议。