基于遗传模拟退火算法的水库优化调度

采用遗传模拟退火算法研究了水电站单一水库的优化调度问题.根据水库优化调度的数学模型,提出了基于遗传模拟退火算法的优化调度的基本步骤.通过实例计算并与简单遗传算法相比较,表明该算法具有极强的局部搜索能力和较好的收敛性能     

水文时间序列与水库优化调度的模拟研究

以某水库水资源系统为例，建立了同时产生径流与降雨系列的多站互相关随机模拟模型，并与二维离散差分动态规划模型（ＤＤＤＰ）相结合，构成了串联水库随机优化调度模拟模型，所建模型方法简单实用，仿真性好，输出信息量大，可操作性强，在确定性规划中同时考虑了水文现象的随机特性。     

多年调节水电站水库长期优化调度新模型

根据多年调节水库的水文特征,提出了水电站水库长期优化调度的非线性规划模型,并提出了相应的求解方法。算例结果表明,模型正确,具有实用价值。     

小型水电站水库优化调度技术研究

阐述了小型水电站水库优化调度问题及其数学模型，详细研究了动态规划法和遗传算法等优化技术的特点、方法和思路．对优化结果的应用提出了看法。     

小型水电站水库长期优化调度研究

水电站水库优化调度是一个复杂的多阶段决策过程,根据小型水电站水库的特点,以水电站的发电引用流量为决策变量,以水电站在调度周期内发电量最大为目标,建立小型水电站水库长期优化调度问题的数学模型,并采用浮点数编码的遗传算法对该问题进行优化计算,通过仿真实验说明了该算法的可行性和有效性。     

谈加强隔河岩水库优化调度

隔河岩水电站作为新兴电站水库调度工作才刚刚起步，本文阐述了开展水库优化调度工作的巨大潜力和重要意义，针对隔河岩特点提出了进行水库优化调度研讨的主要原则和方向，指出高起点实施水库优化调度的途径。     

小型水电站水库优化调度新模型探讨

针对目前水电站水库优化调度计算中,电站出力系统和水头损失近似取值计算导致优化计算结果并非真正最优的问题,提出了小型水电站水库优化调度新模型,该模型以水库优化调度模型为主模块,以水电站厂内优化运行为子模块,在用动态规划求解主模块过程中,调用水电站厂内优化运行于模块,由于子模块以机组的实际动力特性为依据,而且将电站引水系统和尾水系统由于机组组合方式不同所出现的不确定因素纳入优化设计之中,可有效地解决电站出力系统和水头损失近似计算的问题,且计算结果更加准确,可靠。     

分时电价下水电站水库优化调度研究

随着电力市场的开放和分时电价制度的实施,传统以发电量最大作为准则的情况已不能适应水电站优化调度的要求,本文提出了分时电价条件下水电站水库优化调度的数学模型,并以宝珠寺电站为例,研究结果说明了模型的合理性及可行性。     

清江隔河岩水电站水库优化调度工作的探索

本文回顾了近两年来隔河岩水库的调度情况，在实践的基础上通过研究探索了隔河岩水库优化调度的一些规律，分析了调度中存在的问题和难点，提出了搞好水库调度的措施。     

多年调节水电站水库长期优化调度新模型

根据多年调节水库的水文特征,提出了水电站水库长期优化调度的非线性规划模型,并提出了相应的求解方法．算例结果表明,模型正确,具有实用价值．     

综合利用水库优化调度模型研究

针对综合利用水库的特点,从充分利用水资源的角度出发,建立了以弃水量最小为目标的优化调度模型,并对此模型采用了变步长增量动态规划方法求解.在求解寻优过程中,利用了前期研究成果的优化调度线做为初始壮态序列,并逐次迭代,直到逼近最优决策序列和最优状态序列.通过实例计算表明,所建立的这种模型是合理的.这一模型在寻求水库弃水量最小的同时,也增加了灌溉、发电、供水方面的效益,为综合利用水库的优化运行提供了依据.     

小水电群智能优化调度算法研究

小水电群的优化调度是一个大规模、多目标、复杂的多阶段决策过程,通常采用传统的动态规划法.探讨了智能优化算法在小水电优化调度中的应用问题,分析了改进遗传算法的工程实现方法及仿真结果,着重分析了算法的收敛特性、算法的计算速度等,说明了遗传算法求解该问题的不足,并提出了采用粒子群算法、蚁群算法等的设想.     

水库优化调度研究进展和发展趋势

回顾了水库优化调度的进展,并简单介绍了遗传进化算法、神经网络方法及微粒群方法、蚁群算法等智能（仿生）优化方法。在此基础上从理论研究和管理两方面提出了水库优化调度研究中所存在的一些问题,并对水库优化调度研究未来的发展趋势进行了展望,即在水库调度研究方面大规模、高强度地应用高新技术,实现调度决策的科学化、智能化、敏捷化,提升调度决策的技术水平,使水库调度研究不断朝着可视、交互、智能、集成化的方向发展。     

水电站优化调度的FP遗传算法

水电站的优化调度是个含有线性与非线性约束，而且目标函数呈非线性的动态控制问题，已有的优化方法大多基于数学规划技术．本文提出一种新方法，即人工智能浮点表示（ＰｌｏａｔｉｎｇＰｏｉｎｔ简称ＰＰ）的遗传算法．它的主要优点在于状态和控制变量不必离散化，所需内存少，缩程简单，它为克服水库（群）优化运行“维数灾”问题提供了一条新途径．     

实码退火遗传算法在厂内经济运行中的应用

针对一般优化算法在大型水电站厂内经济运行中精度低或计算速度慢的缺点,对实数编码退火遗传算法（AGA）进行改进,并用于大型电站厂内经济运行.模拟退火算法是在遗传算法（GA）中引入模拟退火算法（SA）,它吸收了遗传算法速度快和模拟退火精度高的优点.此外,对传统退火搜索方法的改进,进一步提高了退火遗传算法解决大型优化问题的能力.为了体现退火遗传算法的特点,对某一大型水电站分别采用退火遗传算法、动态规划（DP）、加速遗传算法（AG）、标准遗传算法（SGA）和模拟退火进行了经济运行计算,计算结果表明退火遗传算法易于实现,精度高,收敛速度较快,有一定实用价值.     

遗传算法在水电站厂内经济运行中的应用

建立了水电站厂内经济运行有功负荷分配的遗传算法数学模型,从空间最优化和时间最优化两个方面介绍了遗传算法应用于水电站厂内经济运行的具体操作步骤,考虑了空蚀、振动和检修对水电站厂内经济运行的影响,结合刘家峡水电站进行实例计算,结果表明:运用遗传算法对水电站厂内经济运行进行分析和研究不但能提高经济效益,而且能满足实时性的要求.