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.     

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。     

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。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性和不易求解的特点,在粒子群算法(PSO)的进化机制中引入文化算法(CA),利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法(PSO-CA)。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的"早熟"现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。     

基于文化粒子群算法的水库防洪优化调度

针对水库防洪调度具有多约束、高维、非线性、不易求解的特点,在粒子群算法（PSO）的进化机制中引入文化算法（CA）,利用文化算法的信仰空间对粒子群的进化进行指导,建立了文化粒子群算法（PSO-CA）。该算法在种群空间中采用PSO算法,在信仰空间中利用从种群空间中提炼出来的群体经验所形成的形势知识对群体的“早熟”现象进行监视,利用规范化知识对粒子加以限定,提高了算法计算效率。实例验证,该算法能较好地克服粒子群算法易陷入局部最优的缺点,并加快其收敛速度,可以有效解决水库防洪调度问题。     

三座店水库与二道河子水库供水调度规则研究

针对三座店水库与二道河子水库联合调度问题,采用单库调度图加联合调度规则法确定两水库联合供水规则,建立了两水库供水调度模型。通过粒子群算法优化该供水规则,并模拟两水库在该规则下的调度运行,将其结果与补偿调节规则对应结果进行对比,检验该调度规则的合理性和有效性。     

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.     

并联供水水库解析调度规则研究Ⅱ：多阶段模型与应用

水库调度多阶段决策问题最优策略与多个两阶段决策问题最优策略组合,两者之间的一致性问题是两阶段调度模型应用于实际水库调度问题的瓶颈。为此,本文建立了并联供水水库系统调度规则优选的模拟-优化模型,该模型将多库两阶段调度模型作为子模型进行模拟,优化多库两阶段调度模型的时序参数,采用多种群混合进化的粒子群算法PMSE-PSO进行参数优选。辽宁省碧流河水库与英那河水库联合调度的4种调度规则组合方案的对比成果表明,新的供水调度规则具有一定合理性与有效性,结果优于限制供水规则和参数式规则组合的并联水库系统联合调度规则。     

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。     

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。     

多目标约束下给水管网水质传感器选址优化算法的研究

利用EPANET2模拟扩展周期非稳态水力水质条件下管网节点污染物浓度变化,根据各个节点被注入污染物后,在管网模拟结束时得到的选址目标值的大小来确定节点有可能作为污染物注入的节点,目标值越大,该节点被选择的可能性越大.另外,本文提出了基本粒子群算法与遗传算法交叉、变异算子相结合的整数编码的优化算法来求解水质传感器选址问题,并编制了相应的计算程序.文中结合算例,以经过归一化后的节点平均坐标作为衡量选址结果的指标,得到了不同污染物注入开始时刻、注入持续时问和质量注入速率条件下传感器选址节点平均坐标的累计分布函数图,为传感器的选址提供参考.     

粒子群算法在水库(群)优化调度研究中的应用综述

简要介绍粒子群算法的工作原理和水库(群)优化调度模型,然后较全面地阐述粒子群算法在水库(群)优化调度中的应用及存在的问题,最后总结了算法的各种改进,并对粒子群算法在水库(群)中的研究进行了展望。     

基于PSO与DE混合算法的水资源优化配置

基于公平性原则构建水资源优化配置模型,针对模型的特点,将模型的可行解进行粒子化处理。利用基于粒子群(PSO)和差分进化(DE)的混合算法(PSODE)对模型进行求解。该算法通过双种群间的信息共享机制,大大降低了求解陷入局部最优的风险。此外,还采用了一种粒子变异机制进一步提高PSODE算法的性能,并通过漳河流域四大灌区水资源配置实例表明PSODE算法比PSO和DE算法收敛速度更快、准确度更高。     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

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。     

面向供水对象转型的引大入秦工程水资源优化配置研究

引大入秦工程（以下简称引大工程）建成初期主要以秦王川农业供水为主,但随着兰州新区的建设发展,其供水对象开始向城市生活用水和工业用水转型,如何实现有限水资源的合理配置是目前研究的重点问题。基于此,依据引大工程供水区（以下简称引大供水区）可持续发展要求,构建以实现经济、社会、生态效益最大化为目标函数,可供水量、输水能力、用户需水量、排水系统排水量与变量非负为约束条件的多目标水资源优化配置模型,使用遗传算法进行求解。结果表明：2025年引大供水区不同用水部门配水量（保证率P=50%、P=75%）分别为生活用水8 323.85×10⁴、8 322.49×10⁴ m³,农业用水15 001.95×10⁴、15 631.53×10⁴ m³,工业用水11 111.00×10⁴、11 100.00×10⁴ m³,生态用水946.88×10⁴、947.02×10⁴ m³,各部门总配水量与优化前供水量4.23×10⁸ m³相比,达到供需平衡;2030年引大供水区不同用水部门配水量（保证率P=50%、P=75%）分别为生活用水12 650.51×10⁴、12 666.53×10⁴ m³,农业用水16 397.77×10⁴、17 019.70×10⁴ m³,工业用水20 498.00×10⁴、20 508.00×10⁴ m³,生态用水948.00×10⁴、948.88×10⁴ m³,不同保证率下各部门总体缺水率分别为12.27%、13.38%。2025—2030年引大供水区的非农业用水结构将大幅提升,农业灌溉用水量降低。研究结果可为引大供水区优化水资源配置决策提供参考依据。