权衡供水与发电目标的水库调度建模及优化

以供水水库为研究对象,考虑了水库的供水、发电目标及两目标的权衡,构建了供水计算、发电计算和多目标计算等三个模型,并分别通过二次规划、混合整数线性规划、非线性规划对三个模型进行优化求解。研究涉及高维性、非线性、多目标在内的水库优化调度问题求解难点。以某两水库调度问题为例,应用优化软件LINGO高质高效求解,为以供水与发电作为主要目标的水库调度问题求解分析提供了示范。     

改进的多目标差分进化算法在水库优化调度中的应用

水库多目标优化调度是一个复杂的系统优化问题,属于高维、多约束、非线性问题的优化领域。智能优化算法在求解水库多目标优化调度时,存在非劣解较少、分布不均匀及不收敛等问题,基于上述问题,提出一种求解新思路,通过加入精英保留机制并用拥挤距离来维持外部精英集改进多目标差分进化算法。建立了多目标水库优化调度模型,并以综合利用的漳河水库多目标优化调度为例进行了求解,结果表明该算法能够得到分布较为均匀的非劣解集,证明方法在水库多目标优化调度中是有效的。     

基于长期与中长期嵌套的水库优化调度

为解决水库优化调度过程中时间尺度不同而导致的水库综合效益不高的问题,以防洪与兴利为目标,将水库长期优化调度与中长期优化调度进行嵌套,建立水库多目标优化调度嵌套模型。其中,多目标问题通过约束法将防洪目标转换为硬性约束后,再转化为求解发电量最大值的单目标问题。算法方面,综合对比后确定长期优化调度采用动态规划算法求解、中长期优化调度采用遗传算法求解。为验证嵌套模型的优化效果,以澄碧河水库为例,进行水库优化模拟调度。结果表明:在满足防洪目标的前提下,嵌套模型优化调度方案相较于长期优化调度方案和实际调度方案效益均更高,验证了嵌套模型在水库优化调度问题中的优越性。     

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。     

考虑回水顶托影响的梯级库群日前调峰MILP模型

水电日前调峰优化调度需要同时考虑电网、水库及机组多重约束,本质上属于复杂的多维、动态、非凸、非线性规划问题,将回水顶托影响考虑到模型当中进一步加剧了模型的求解难度。本文建立考虑回水顶托的梯级水库混合整数线性规划(MILP)96点调峰模型,通过将回水顶托水库中多个非线性约束聚合成单个四维超曲面约束的方式减少模型整体非线性约束个数,并采用SOS2约束对该模型进行线性化处理,最终实现模型高精度高效求解。以西南地区某梯级库群为工程背景,选取汛枯期4种典型日方案验证所提模型及算法的有效性,并分析考虑回水顶托的必要性。结果表明,所提模型较传统模型在提高精度的同时也显著提升了求解效率,并在各场景下均能达到较好的调峰效果,对水库精细化调度具有重要意义。     

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.     

基于差分进化算法的水库防洪优化调度研究

由于影响和制约因素众多,水库防洪优化调度方案的制定是一个非常复杂和有相当难度的课题。本文以最大削峰为目标,基于差分进化(DE)算法建立多约束的水库防洪优化调度模型,给出了水库防洪优化调度问题的DE算法的求解步骤。将该算法应用于潘家口水库防洪优化调度实例问题的求解,求解结果与动态规划和粒子群算法的求解结果进行比较。该算法应用于水库防洪优化调度,可以充分发挥水库的防洪调节能力,确保水库自身以及下游防洪对象的安全,为水库提供合理有效的优化调度方案。     

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。     

基于元启发式算法(MHAs)的水库供水运行调度优化综述

水库优化调度作为一种复杂的非线性问题,其决策变量、约束条件多且难以模拟和求解.研究人员测试了水资源领域的几种元启发式算法(metaheuristics algorithms, MHAs),并将其用于多目标水库优化调度.最关键的是通过这些算法的计算及决策者的应用,缓解水库水量不足的问题.     

拉洛水利枢纽联合优化调度模型研究

针对一水库两电站优化调度模型问题,以西藏拉洛水利枢纽为例,视拉洛水库的拉洛、德罗水电站为1个虚拟电站的2个机组,将复杂的调度约束规则简化为单一水库调度的流量约束,以发电量最大化为目标函数,在生态流量、灌溉需水量等约束条件下,建立优化调度模型,选取拉洛坝址多年旬平均流量过程作为来水,采用蚁群算法求解。结果表明,计算所得的调度成果合理,满足约束条件,实现了拉洛水利枢纽发电收益最大化的目标。该优化模型在保证求解质量和精度的前提下大大简化了计算量。