基于改进遗传算法的串联小水电群优化调度

建立了由沙畈水库和金兰水库组成的串联小水电群优化调度的数学模型，采用了改进遗传算法对该模型进行优化计算。算法设计编程简单、计算工作量小、收敛速度快。利用两个水库的入库径流实测值进行了仿真实验，结果说明优化调度能比常规调度取得更大的经济效益，同时也说明了遗传算法是求解小水电群优化调度的可行而有效的方法。     

基于改进粒子群算法的水库中长期调度函数研究

在应用改进粒子群算法求解水电站水库中长期优化调度问题时,为了克服基本粒子群存在早熟、后期收敛速度慢等不足,通过采用线性递减权重系数并引入杂交箅子,对基本PSO进行了改进,并将其应用于水库中长期优化调度函数研究中.与基于POA优化结果的回归分析建立的调度模型的对比分析表明,该算法原理简单,易于编程,求解精度高,从而为解决水库中长期优化调度问题提供了一种有效方法.     

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。     

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。     

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.     

结合广度搜索的遗传算法在水库调度中的应用

为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度搜索算子结合的算法,同时为保证水库优化调度搜索全局最优提供了一定保障。针对遗传算法容易陷入局部最优的缺点,引入正弦函数取随机数的广度搜索与遗传算法相结合的算法。通过分析比较单独使用自适应遗传算法或者广度搜索算法以及结合算法在实际水库优化调度中效果,结果显示,优化结果要比自适应遗传算法以及广度算法的结果更理想。充分证明了结合算法的高效全局搜索能力,避免了自适应遗传算法陷入局部最优,同时在一定程度上克服了广度搜索很难收敛的缺点,在一定收敛条件下得到了更接近全局最优的结果。     

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。     

狼群算法在水电站水库优化调度中的应用

为探讨水电站水库优化调度问题求解的新方法,对狼群算法及其在水电站水库优化调度中的应用进行了研究。对狼群算法中的围攻算法进行了改进,给出了水电站水库优化调度问题的狼群算法设计及求解步骤。基于水电站水库优化调度实例,对狼群算法的敏感参数奔袭步长进行了模拟计算和分析,给出了奔袭步长的有效取值范围。实例计算结果表明,狼群算法是一种求解水电站水库优化调度问题的有效方法。     

基于可行空间搜索遗传算法的梯级水库群调度规则研究

以梯级水库群系统多年平均发电量和旬出力保证率最大为目标函数,以梯级水库群内各水库拐点式调度图为决策变量,建立梯级水库群联合发电调度模型,并采用可行空间搜索遗传算法进行求解。为了避免模型求解过程中对不可行解的过多处理,有针对性地对可行解进行优化。最后,以汉江流域梯级水库群为例,对模型和算法的有效性进行了验证。     

水库中长期发电优化调度解析方法及应用

水库中长期发电优化调度是实现水能资源高效利用的重要技术手段。由于水库特性曲线的离散数值表达,现行水库中长期发电优化调度模型与求解方法主要集中在数值方法层面,且优化计算效率低下。针对这一问题,提出了水库中长期发电优化调度的解析方法,即通过水库特性曲线的函数化,建立了优化调度的解析函数模型,并基于POA算法原理提出了解析优化方法——APOA算法。通过实例应用和传统方法对比研究表明,该方法在保证计算精度的前提下,长系列优化计算时间仅为POA算法的1/20。因此,该方法不仅具有算法稳定、计算效率高的特点,而且在水库中长期发电优化调度的解析研究途径方面进行了有益的探索。     

基于ELQG算法的水库群优化调度研究

针对目前复杂水库群优化调度算法存在早熟收敛和运行时间长等问题,本文深入研究基于ELQG算法的水库群优化调度的原理、方法与步骤,利用ELQG算法求解新安江-富春江水库优化调度模型,并将不同典型年优化下调度结果与DP算法进行对比。结果表明:ELQG算法中梯级水库联合年发电量减少0.1亿~0.3亿k W·h,平均水位降低1.0~1.3 m,但计算速度平均提高20倍。ELQG算法具有较强的实用性和可操作性,为多目标、高维水库群的优化调度提供了一种新的途径。     

乌鲁瓦提水库调度模型及算法研究

针对乌鲁瓦提水库调度中存在的问题及水库的主要功能,建立了多目标模型,运用遗传优化算法对目标进行排序,产生了多目标模型的非劣解集,不同代表年优化调度结果比常规调度结果有较大进步,能更好地利用水资源,充分发挥水库的综合功能。     

Optimal reservoir operation using Nash bargaining solution and evolutionary algorithms

Optimizing reservoir operation is critical to ongoing sustainable water resources management. However, different stakeholders in reservoir management often have different interests and resource competition may provoke conflicts. Resource competition warrants the use of bargaining solution approaches to develop an optimal operational scheme. In this study, the Nash bargaining solution method was used to formulate an objective function for water allocation in a reservoir. Additionally, the genetic and ant colony optimization algorithms were used to achieve optimal solutions of the objective function. The Mahabad Dam in West Azerbaijan, Iran, was used as a case study site due to its complex water allocation requirements for multiple stakeholders, including agricultural, domestic, industrial, and environmental sectors. The relative weights of different sectors in the objective function were determined using a discrete kernel based on the priorities stipulated by the government (the Lake Urmia National Restoration Program). According to the policies for the agricultural sector, water allocation optimization for different sectors was carried out using three scenarios: (1) the current situation, (2) optimization of the cultivation pattern, and (3) changes to the irrigation system. The results showed that the objective function and the Nash bargaining solution method led to a water utility for all stakeholders of 98%. Furthermore, the two optimization algorithms were used to achieve the global optimal solution of the objective function, and reduced the failure of the domestic sector by 10% while meeting the required objective in water-limited periods. As the conflicts among stakeholders may become more common with a changing climate and an increase in water demand, these results have implications for reservoir operation and associated policies.     

Long-Term Stochastic Reservoir Operation Using a Noisy Genetic Algorithm

To deal with stochastic characteristics of inflow in reservoir operation, a noisy genetic algorithm (NGA), based on simple genetic algorithms (GAs), is proposed. Using operation of a single reservoir as an example, the results of NGA and Monte Carlo method which is another way to optimize stochastic reservoir operation were compared. It was found that the noisy GA was a better alternative than Monte Carlo method for stochastic reservoir operation.     

Optimizing Hydropower Reservoir Operation Using Hybrid Genetic Algorithm and Chaos

Genetic algorithms (GA) have been widely applied to solve water resources system optimization. With the increase of the complexity and the larger problem scale of water resources system, GAs are most frequently faced with the problems of premature convergence, slow iterations to reach the global optimal solution and getting stuck at a local optimum. A novel chaos genetic algorithm (CGA) based on the chaos optimization algorithm (COA) and genetic algorithm (GA), which makes use of the ergodicity and internal randomness of chaos iterations, is presented to overcome premature local optimum and increase the convergence speed of genetic algorithm. CGA integrates powerful global searching capability of the GA with that of powerful local searching capability of the COA. Two measures are adopted in order to improve the performance of the GA. The first one is the adoption of chaos optimization of the initialization to improve species quality and to maintain the population diversity. The second is the utilization of annealing chaotic mutation operation to replace standard mutation operator in order to avoid the search being trapped in local optimum. The Rosenbrock function and Schaffer function, which are complex and global optimum functions and often used as benchmarks for contemporary optimization algorithms for GAs and Evolutionary computation, are first employed to examine the performance of the GA and CGA. The test results indicate that CGA can improve convergence speed and solution accuracy. Furthermore, the developed model is applied for the monthly operation of a hydropower reservoir with a series of monthly inflow of 38 years. The results show that the long term average annual energy based CGA is the best and its convergent speed not only is faster than dynamic programming largely, but also overpasses the standard GA. Thus, the proposed approach is feasible and effective in optimal operations of complex reservoir systems.     

基于遗传算法的偏最小二乘回归模型在大坝安全监测中的应用

偏最小二乘回归能较好地解决自变量之间严重的相关性问题,遗传算法作为一种新的全局优化搜索方法,具有智能性搜索、并行式计算、鲁棒性强等优点.本文在偏最小二乘回归分析的基础上引入遗传算法,依靠其有效的自适应全局搜索优化功能,对偏回归模型中的回归系数进行重新评估,建立基于遗传算法的偏回归模型.实例分析表明:基于遗传算法的偏回归模型有良好的拟合效果和预测精度.     

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。     

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.     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。