遗传算法在水库(群)优化调度研究中的应用综述

介绍了遗传算法在水库(群)优化调度中的应用背景及算法的收敛性,讨论了水库(群)优化调度中遗传算法的基本应用步骤以及存在的问题,给出了算法的各种改进方法,并对遗传算法的应用前景进行了展望.     

不同径流下水库优化调度结果的比较分析

为了了解入库径流变化时水库优化调度的决策如何变化，探讨不同的径流过程优化调度结果的共同点，根据某实例的丰、平、枯水年的典型径流，用改进遗传算法进行水库优化调度仿真计算，对计算结果进行了分析比较，其结果对水库在径流不确定的条件下实现优化调度有一定的指导意义。     

遗传算法在水库调度中的应用综述

简要回顾了遗传算法在水库调度中的应用概况,对遗传算法用于水库调度优化时的编码、约束条件处理、早熟与全局收敛性、参数设置、混合遗传算法、多目标遗传算法以及效率评定准则等问题进行了综述。分析遗传算法耗时与全局收敛之间的矛盾后认为,遗传算法适用于传统方法难以求解的优化问题,以及对计算时效性要求不高或者目标函数计算复杂度不高的实时水库调度问题,特别是水库中长期调度以及水资源规划问题。     

小水电水库优化调度技术（6）：单库优化调度的随机性方法及方案的…

根据马尔柯夫决策规划原理及随机动态规划方法，对单库建立优化调度数学模型，通过模型上机计算，可获得水库优化调度方案。根据优化方案，结合小水电特点，编制方案的实施措施。     

加速遗传算法在大桥水库电站优化调度中的应用研究

以四川省凉山州安宁河龙头水库大桥水库水电站为研究对象,利用加速遗传算法进行求解,首次建立了大桥水库电站以年发电量最大为目标并兼顾下游用水等要求的单库优化调度模型。计算结果表明,该方法能有效地克服标准遗传算法早熟收敛、计算量大、全局优化速度慢等缺点,能较好的应用于水库优化调度计算。同时,为进一步开展大桥水库水资源的合理利用与管理提供了理论指导。     

水库发电优化调度改进粒子群算法应用

为进一步提升粒子群算法在水库发电调度中的应用效果，应用粒子群算法建立水库发电优化调度模型，从初始种群生成、寻优模式、更新策略等方面对算法进行改进，将均匀设计理念和混沌理念分别引入粒子群算法并对惯性权重进行了非线性自适应设计。计算结果与标准粒子群算法以及传统的动态规划进行了对比。结果表明，粒子群及其改进算法在水库发电优化调度中应用效果良好，综合考虑算法收敛能力、稳定性及计算耗时等指标，改进粒子群算法具有较高的实用价值。     

小水电水库优化调度技术(6)──单库优化调度的随机性方法及方案的实施

根据马尔柯夫决策规划原理及随机动态规划方法，对单库建立优化调度数学模型．通过模型上机计算，可获得水库优化调度方案．根据优化方案，结合小水电特点，编制方案的实施措施．     

小水电水库优化调度技术概述

开展小水电水库优化调度能在不增加工程投资的情况下提高电站效益，意义重大。其理论基础来自大水电优化调度，但有其特点，只有处理好这些特点，才能使小水电优化调度更臻完善。     

小水电库优化调度技术（1）小水电水库优化调度技术概述

开展小水电水库优化调度能在不增加工程投资的情况下提高电站效益，意又重大，其理论基础来自大水电优化调度，但有其特点，只有处理好这些特点，才能使小水电优化调度更臻完善。     

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.     

基于改进遗传算法的小型水电站短期优化调度

针对小型水电站在丰水期的短期优化调度问题,提出了短期优化调度的数学模型和基于改进遗传算法的工程实现方法,并通过实例仿真及对仿真结果的详细分析,说明了该算法的有效性,对小型水电站短期优化调度有一定的指导意义。     

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。     

水电站水库长期优化调度模型及调度图

为绘制高效可靠的水库运行调度图,以平衡保证出力保证率与发电量矛盾的惩罚系数为优化变量、以保证出力设计保证率满足条件下发电量最大为目标函数,综合集成以黄金分割法为时段决策优选法的随机动态规划核心模型,以及评估调度方案优劣时历法长系列模拟计算模块,利用遗传算法的并行计算能力,结合电站调度方案制定与有效性检验,构建水电站水库长期优化调度模型。应用结果表明:所建模型具有不受年调节和多年调节库容机械划分约束、快速获得满足发电保证率所要求的优化调度图的优秀特性;较之常规调度方法,可增发电量2.0%以上,保证率更高,决策信息更丰富。     

遗传模拟退火和小生境遗传算法在水库优化调度中的比较

根据溪洛渡水库的具体情况,建立了以发电量最大为目标的水库优化调度非线性数学模型,并利用遗传模拟退火算法(GSA)和小生境遗传算法(NGA)分别求解模型.结果表明,GSA和NGA的收敛速度和计算结果都明显优于基本遗传算法;且两者相比,GSA的收敛性更强,但计算时间较长.而在求解水库长系列优化调度问题时,各遗传算法占用机时太多,且收敛能力较差.     

蜂群遗传算法及在水库群优化调度中的应用

介绍了一种基于蜂群繁殖原理的改进遗传算法--蜂群遗传算法(BSGA),采用改进的遗传算子解决了传统遗传算法中"选择压力"和"种群多样性"之间的矛盾.将该算法应用于梯级水库优化调度的研究中,通过对清江梯级水库群优化调度的实例计算,得到了合理的全局最优解,验证了BSGA的可靠性和实用性.     

双层耦联遗传算法求解流域梯级水电站厂内经济运行问题研究

针对梯级水电站厂内经济运行调度模型约束条件多、求解复杂的问题,提出了一种基于遗传算法的双层耦联求解算法,该算法兼有机组负荷分配和机组组合双重优化的特点,可同时求得厂内经济运行优化调度模型的全局最优解.研制开发了基于此算法的梯级水电站厂内经济运行优化调度程序软件,并且已应用于某流域梯级水电站厂内经济运行实际调度计算中,取得了较高的工程应用价值.     

梯级水库短期优化调度模型的精细化与GPU并行实现

目前制约梯级水库短期优化调度在实际工程中应用的主要瓶颈有:所构建的优化模型存在不合理的简化策略,所选择的求解算法无法保证解的质量以及模型的计算时间远超规定时长。为解决上述问题,本文首先构建精细至水电站各机组工作特性的优化调度模型,接着通过二重嵌套动态规划(DP)计算给定模拟精度下的高质量解,并针对算法固有的"维数灾"问题,一方面通过数据压缩与数据库技术降低程序的内存占用量,另一方面将GPU并行加速技术首次引入水库调度领域,通过OpenACC实现算法的GPU并行以减少计算时间。最后通过潘口、小漩梯级水库日优化调度的实例研究与对比分析得出:精细模型较传统模型能更好地贴合电站的实际工况,提高梯级系统的发电效益;内存占用缩减策略的引入能有效降低算法的空间复杂度;GPU并行较传统的CPU并行能大幅提升算法的求解速度。由此为短期优化调度的理论发展与算法"维数灾"的处理提供借鉴。     

珠江梯级水库群联合抑咸优化调度方案研究

建立了以抑咸为目标的珠江流域梯级水库群优化调度模型,采用优化算法对调度方案进行寻优。通过珠江流域典型枯水期实测资料进行模拟计算,将优化计算结果与实际调度结果进行对比分析,优化调度模型在提高补水量的发电效率、缓解电量损失方面具有优势,可为珠江枯水期水量统一调度方案的制定提供借鉴。     

改进风驱动优化算法在水库调度中的应用

风驱动算法是一种新兴的基于群体迭代启发式的全局优化算法,与遗传算法、布谷鸟算法等相比,具有明确的物理背景,但该算法避免不了易陷入早熟和收敛效率慢的问题。针对早熟,本文提出了扰动策略,对当前最优适应度值对应的任一元素进行扰动,且随着迭代次数的增加,扰动量逐渐减少。针对收敛效率不高,提出了空间压缩策略,采用奇偶相间的方式,通过计算约束更新解的上下限以保证该解是可行解。将改进的风驱动优化算法运用到某水库的优化调度中,并与粒子群算法和标准风驱动算法进行比较。结果表明改进的风驱动优化算法更为可靠、高效,能以较快速度收敛于最优解,且最优解值更大,为水库优化调度模型求解提出新的解决方案。