遗传算法在大伙房跨流域引水工程优化调度中的应用

在大伙房水库跨流域调水工程规划成果的基础上,重点研究遗传算法在制定优化调水方案中的应用。结合调水工程实际情况建立了优化调水模型,然后用遗传算法对该优化模型进行求解,并解决了求解过程中遗传算法计算各环节的问题,得到了优化方案。与传统的长系列调节计算结果相比,在相同供水指标和保证率条件下,优化调度方案引水少、弃水也少,更优先地利用了当地(受水流域)的水资源。     

跨流域引水工程多水库联合供水优化调度

本文以引滦工程为实例,研究跨流域引水工程多水库联合供水的优化调度问题.根据该工程的特点,建立了统一管理调度和分级管理调度两种模型.前者采用聚集解集技术,把高维问题降为低维问题,得到系统运行的聚集策略,然后将系统的时段决策分解为等效的各库决策,指导原系统运行.后者从联合调度出发,立足于当前体制,制订出体现系统统一指导各库分级管理的调度图.该模型应用确定型动态规划求出库群联合运行的理想策略,从中提练出调度图的雏型,再通过人机对话和模拟调节对其不断修正,达到优化的目的.这是一种探索性的研究.用实测长系列资料对两种模型所得的策略进行调度,并与理想策略调度的结果相对比,表明两种模型的概化与方法的应用是成功的.     

跨流域引水后受水水库引水与供水联合调度研究

针对跨流域引水工程中受水水库引水与供水联合调度问题，建立了供水量最大与引水效率最高的多目标联合调度模型，并将其分解成两个单目标调度模型，应用长系列模拟优化的方法， 求解受水水库引水与供水联合调度图及其调度规则。以大伙房水库输水应急入连工程规划为基础，采用本文建立的模型方法对其受水水库碧流河水库进行实例研究，先后求解引水后水库最大可供水量以及如何高效引水的问题。结果表明，进行联合优化调度后，可提高跨流域引水的有效性，从而增加受水水库的综合效益。     

松江跨流域引水梯级电站群长期优化调度方法

结合松江跨流域引水梯级水电站群,建立了长期优化调度模型及求解方法。该模型首先确定初步的引水流量,然后以典型日负荷曲线为基础构建调峰电价曲线,以调峰效益最大为目标构建梯级水电站群优化调度模型,采用逐步优化算法、逐次逼近算法和状态逐密离散微分动态规划联合对模型进行求解。通过不断调整引水流量,对目标函数进行寻优,确定引水流量及相应的各水库调度方案,以充分发挥跨流域引水水库的调节与补偿能力。成果可直接应用于松江流域。     

跨流域引水期间受水水库引水与供水联合调度研究

针对跨流域引水工程中受水水库引水与供水联合调度问题,建立了供水量最大与引水效率最高的多目标联合调度模型,并将其分解成两个单目标调度模型,应用长系列模拟优化的方法,求解受水水库引水与供水联合调度图及其调度规则。以大伙房水库输水应急入连工程规划为基础,采用本文建立的模型方法对其受水水库碧流河水库进行实例研究,先后求解引水期间水库最大可供水量以及如何高效引水的问题。结果表明,进行联合优化调度后,可提高跨流域引水的有效性,从而增加受水水库的综合效益。     

自适应遗传算法在水库优化调度中的应用

本文提出了一种基于自适应遗传算法的水库优化调度问题的求解方法，并通过实例对自适应遗传算法和标准遗传算法的性能做了比较。结果表明，由于自适应遗传算法能够在进化过程中根据个体优劣和群体分散程度对遗传控制参数进行自动调整，可以较好地解决标准遗传算法在应用中遇到的收敛性差和容易早熟等问题。在进化相同代数条件下，自适应遗传算法能够在保持群体多样性的同时，加快收敛速度，其稳定性也优于标准遗传算法。遗     

跨流域引水工程供水价格改革浅议

80年代以来,国家陆续批准兴建了引滦入津、引黄济青大型跨流域引水工程,缓解了天津、青岛人民用水的紧张状况;引黄入卫、引大(通河)入秦(王川)工程的建成,解决了贫困地区农业生产严重缺水的问题,发挥了巨大的经济效益;经过扩建的广东东(江)深(圳)引水工程,为香港提供了更多的淡水资源;正在进行前期工作或正在实施的引黄入晋、东北北水南调(引松济辽)等跨流域引水工程都将逐步建设。特别是随着国民经济日益发展和人口不断增长的需要,     

遗传算法在乌鲁瓦提水库优化调度中的应用研究

以乌鲁瓦提水库为研究对象,利用遗传算法进行求解,建立了乌鲁瓦提水库以年发电量最大为目标并兼顾下游综合用水要求的单库优化调度模型,计算结果表明,该方法比常规方法能使水库更好的发挥其综合利用功能,为乌鲁瓦提水库的合理利用与管理提供了理论指导.     

模糊遗传算法在水库长期优化调度中的应用

传统遗传算法常采用罚函数法来处理优化问题中的约束条件,但存在较难选择罚函数的缺陷.将模糊技术与遗传算法结合起来,通过对目标函数、约束条件的模糊化来重构适应度函数,将原问题转变为一个无约束条件问题,从而使优化结果精度得到提高.进行实例计算,并通过与动态规划法进行比较,说明了该方法的可行性与有效性.     

优化引调水规则的跨流域水库联合调度研究

为解决跨流域水库群最优供水调度问题,以忻定盆地-阳泉跨流域供水系统为例,结合该地区的水库群及供水区特点,优化引调水规则和供水规则,设置引水控制线和减少引水控制线将受水水库库容分为3个区间,设置调水控制线将水源水库库容划分为2个区间,以此建立跨流域水库联合调度模型进行合理调度.结合实例对优化后的引调水规则和优化模型的可行...     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

跨流域调水重要影响区生态补偿研究——以湖北汉江中下游地区为例

跨流域调水有助于实现水资源优化配置,但对整个流域带来的重大深刻影响也不容忽视,实施生态补偿是必要措施。以南水北调中线工程的重要影响区——湖北汉江中下游地区为例,分析调水对其产生的各种影响,以及当前已经实施的生态补偿政策和存在的问题,提出了有利于汉江中下游可持续发展的若干生态补偿政策建议。     

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.     

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。     

单纯形混合遗传算法在水库优化调度中的应用研究

针对遗传算法收敛速度慢,收敛率低等缺点作了改进,引进了单纯形算法与遗传算法相融合的单纯形混合遗传算法(SM-HGA),并将其应用于水电站水库优化调度中,通过实例计算证明改进后的单纯形遗传算法具有收敛速度快收敛率高的优点,是水库调度比较好的方法.     

引水条件下水库生态调度方法研究

针对以生态流量大小为调度目标的生态调度方法与供水目标矛盾突出的问题,提出了包括流量大小、频率、延时等多种属性信息的生态整体目标,并设计了生态流量约束法以及生态供水限制线法两种生态调度方法。结果表明:生态流量约束法主要是对生态流量大小进行调节,无法对水库缺水时期的生态供水进行灵活调整,其与供水目标的竞争关系明显;而生态供水限制线法,能够针对包括流量大小、频率、延时等多种信息的生态目标整体,通过调整流量大小及流量过程等形式,对生态目标进行控制,其调度效果要明显优越于生态流量约束法。因此,碧流河水库实施大伙房输水应入连工程后,应采取生态供水限制线的生态调度方法。     

混合智能算法在引水冲污方案优选中的应用

考虑水质、经济和生态环境影响等因素,建立佛山水道的引水规划优化模型。利用河网水环境数学模型模拟多组引水冲污方案的水质,将输入输出数据作为样本用于人工训练神经网络;将训练好的网络嵌入遗传算法,形成混合智能算法,求解引水规划优化模型。结果表明,混合智能算法能够自动求出不同引水流量下的最优方案,精度较高,无需人工试算,运算速度快,不必对遗传算法与河网模型进行接口处理,具有普遍适用性,为求解耦合复杂模拟模型的优化问题提供了一种理想的工具。     

基于廊道约束的水库调度图优化遗传算法

为解决水库常规调度图制作经验性强、未考虑水量和水头的最佳协调问题,对常规调度图中的调度线进行进一步优化。通过编码、迭代和数学评价指标建立了调度图逐线寻优方法,以解决调度图优化中多线、多时段导致的高维问题;通过小可行域迭代计算,建立基于廊道约束的遗传算法,减少了调度图优化的工作量,缓解了调度线形态畸变问题。实例模拟表明,对于年保证率允许降低的电站,通过适当降低年保证率,可以提高多年平均发电量。     

遗传算法在水质模型参数率定中的应用

本文探讨了遗传算法在水质模型参数率定过程中的应用,以堆龙河(西藏羊八井电厂尾水注入)为例,说明了遗传算法在数值优化中具有简单易行、高效性及普遍适用性的优势。实际应用表明,用遗传算法率定的水质模型参数的结果比较令人满意。