粒子群算法在水库优化调度中的应用综述

简要回顾了粒子群算法的研究进展，对算法在水库优化调度应用中出现的各类改进策略进行了综述，着重讨论了粒子群算法在应用中存在的问题，并对该算法今后的研究方向进行了展望。     

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。     

改进粒子群算法在梯级水库优化调度中的应用

针对粒子群优化算法搜索精度不高和易陷入局部最优解的缺陷,结合梯级水库联合优化调度的实际问题,提出了惯性权重的余弦处理机制和自适应选择学习对象策略,并结合分层交叉思想对粒子群算法进行了改进。实例计算表明:该算法合理、可靠,有效地提高了计算精度与效率。     

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.     

基于改进粒子群算法的水库优化调度研究与应用

建立了九甸峡水库优化调度模型进行实例分析,并应用改进粒子群优化算法(MPSO)对模型求解。经计算,对于中水年情况,九甸峡水库可满足上下游需水要求,并可比原设计情况多发电0.72亿kW.h,比经典动态规划法多发电0.07亿kW.h,从而验证了改进粒子群算法对九甸峡水库优化调度模型的合理性和优越性。     

粒子群算法在梯级水库优化调度中的应用研究

针对PSO算法易陷入局部最优和后期收敛速度慢的缺陷,引入进化遗传算法中的"变异"算子并采用自适应的权重因子,以改进其全局优化能力和搜索效率。引入粒子矩阵,通过对粒子在多维空间中最优位置的搜索来实现逐时段的优化计算,并将该算法应用于金沙江复杂梯级水电能源系统中长期优化调度计算中。计算结果表明,智能优化方法在复杂系统全局优化问题上较常规数学优化算法有更优越的优化性能,从而为解决复杂水电能源非线性动力系统的全局优化计算问题提供了一种新的有效的方法。     

改进粒子群优化算法在水库优化调度中的应用

为解决粒子群优化算法寻优过程中易出现种群趋同化而导致早熟收敛的问题,引入粒子群的进化速度和种群多样性适应度方差两个因素,构建了自适应的动态的惯性因子取值机制,并讨论了惯性因子的收敛性及参数的独立性,从而改进了传统粒子群优化算法的惯性因子线性取值机制。将改进的粒子群优化算法应用于某水库的优化调度中,验证了该算法能以较快的速度收敛得到全局极值,克服了易陷入局部最优的缺点,为水库优化调度问题提供了一条新途径。     

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。     

基于粒子群算法的水库优化调度模型

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中.该算法通过个体间的协作与竞争.实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点.将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果.     

基于改进粒子群算法的水库优化调度研究

在分析以往水库优化调度模型优缺点的基础上,提出了基于动态调节惯性权重的粒子群优化方法的水库优化调度模型,对基本粒子群算法进行了改进。改进的算法通过时变权重的设置来实现,从而克服了PSO搜索精度不高,易陷入局部最优的缺点,并通过引入罚函数解决强约束问题。以某综合利用水库优化调度为实例进行研究,并与动态规划模型计算结果进行对比分析,实例计算表明:改进PSO算法原理简单,易于编程实现,而且占用计算机内存小,收敛速度快,搜索效率高,能以较快的速度收敛到全局最优解,是一种有效的搜索算法。     

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。     

Multi-objective reservoir operation using particle swarm optimization with adaptive random inertia weights

Based on conventional particle swarm optimization(PSO), this paper presents an efficient and reliable heuristic approach using PSO with an adaptive random inertia weight(ARIW) strategy, referred to as the ARIW-PSO algorithm, to build a multi-objective optimization model for reservoir operation. Using the triangular probability density function, the inertia weight is randomly generated, and the probability density function is automatically adjusted to make the inertia weight generally greater in the initial stage of evolution, which is suitable for global searches. In the evolution process, the inertia weight gradually decreases, which is beneficial to local searches. The performance of the ARIWPSO algorithm was investigated with some classical test functions, and the results were compared with those of the genetic algorithm(GA), the conventional PSO, and other improved PSO methods. Then, the ARIW-PSO algorithm was applied to multi-objective optimal dispatch of the Panjiakou Reservoir and multi-objective flood control operation of a reservoir group on the Luanhe River in China, including the Panjiakou Reservoir, Daheiting Reservoir, and Taolinkou Reservoir. The validity of the multi-objective optimization model for multi-reservoir systems based on the ARIW-PSO algorithm was verified.     

基于改进粒子群算法的多水库复杂联合供水优化调度研究

丹凤县县城不断增长的用水需求与工程供水能力之间的矛盾日益突出,为了充分挖掘工程供水的潜力,解决现有供水工程运行中弃水多、供水保证率低的问题,以弃水量最小为目标建立模型,采用改进粒子群算法对青峰水库和龙潭水库的联合供水进行优化求解。以月为计算时段,在优先考虑河道生态流量、蒸散发和渗漏损失的情况下,针对青峰水库200×10⁴ m³和220×10⁴ m³两种拟定兴利库容方案情景进行模拟。结果表明：迭代次数达36次时目标函数趋于稳定;与常规调度相比,两库的年平均弃水量明显减少,供水保证率有所提高;采用线性递减惯性权重改进的粒子群算法在青峰和龙潭两水库联合优化供水计算中具有优越性和可行性。     

基于改进粒子群算法的水库优化调度研究

对粒子群优化算法易陷入局部最优的缺点作了改进,提出了一种带有扰动项的改进的粒子群优化算法,并将其应用于水电站水库优化调度中。实例计算证明,改进后的粒子群优化算法具有较好的全局搜索能力,能够有效克服陷入局部最优的缺点,是水库优化调度比较有效的方法。     

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。     

微粒群算法在水电站厂内经济运行中的应用研究

介绍了一种基于集群智能的优化算法———微粒群算法,该算法具有实现简单、参数少且收敛快的特点。结合水电站厂内经济运行问题实际,提出通过确定微粒群在多维空间中的最优位置来实现机组间的负荷优化分配;针对算法易于局部收敛的缺点,引入了遗传算法的交叉算子来保持种群的多样性,并采用自适应惯性权重改善算法的解空间搜索能力。最后通过实际算例验证了算法的有效性,从而为水电站厂内经济运行问题提供了一种新的求解途径。     

新安江模型参数优选的改进粒子群算法

借鉴竞争演化和多种群混合的思想,对粒子群算法(PSO)进行改进,建立并行种群混合进化的粒子群算法(PMSE-PSO)和序列主-从种群混合进行的粒子群算法(SMSE-PSO)。数值模拟结果表明,这两种改进的粒子群算法具有较高的计算效率、较强的自适应性和稳定性。将PMSE-PSO和SMSE-PSO应用于新安江模型的参数优选中,通过与PSO和SCE-UA的比较可以看出,PMSE-PSO和SMSE-PSO不仅具有较好的全局优化性能和稳定性,而且在调用目标函数次数相同的情况下精度较高,是一种有效的新安江模型参数优选方法。